CN110069013A - 一种高阶过程控制方法和装置 - Google Patents

Abstract

本发明实施例中，提供了一种高阶过程控制方法，包括：获取高阶过程的传递函数；根据所述高阶过程在单位阶跃输入的过程输出，确定高阶过程的Z‑N模型，所述Z‑N模型包括滑动窗滤波器；设置惯性组合滤波器，并将所述Z‑N模型包括的滑动窗滤波器替换为所述惯性组合滤波器；在所述Z‑N模型的基础上，采用一种惯性组合滤波器(Inertial combination filter,ICF)来近似所述Z‑N模型中的滑动窗滤波器，能够获得准确度较高的过程模型的，简称新型模型(New model,NM)。在高阶过程，将所述新型模型用于构造新型控制器(New controller,NC)，能够取得良好的控制效果。

Description

一种高阶过程控制方法和装置

技术领域

本方面涉及自动控制领域，尤其涉及一种高阶过程控制方法和装置。

背景技术

在一些依赖模型的控制方法中，例如Smith预估控制，过程模型的准确性 对于控制性能有不可忽略的影响。获取准确的过程模型不是一个简单的问题， 可能需要采用复杂的模型辨识方法，但是复杂的模型辨识方法在控制工程中 可能难以采用。工程技术的实质就是将问题简单化，获取过程模型的简单方 法也是存在的。在1942年，Ziegler Nichols建立了PID (Proportional-Integral-Derivative)控制器参数的整定法则，简称Z-N法则(Ziegler-Nichols for Tuning,Z-N:T)。在实际运用中，除了将ZN:T用于PID控 制器参数的整定外，还经常将Z-N:T用于获取过程的简化模型(Simplified model,SM)。

长期以来，很多的理论工作者完全没有意识到，Z-N:T的本身就是一种很 好的模型，简称为Z-N模型(Ziegler-Nichols for model,Z-N:M)。

在Z-N:M中包含了一个滑动窗滤波器(Sliding window filter,SWF)，将 Z-N:T用于获取过程的SM，在本质上是采用一阶惯性滤波器(First order inertial filter,FOIF)来取代Z-N:M中的SWF。SM主要存在与实际过程的近似误差较 大的问题。

然而，但是在一些系统SM存在不易实现滑动窗滤波器的问题，例如存 在在线计算量较大的问题，存在增益上的累计误差的问题、需要增加累计误 差的修正算法，增加了实现滑动窗滤波器的复杂程度。

发明内容

本发明实施例提供了一种高阶过程控制方法，在所述Z-N模型的基础 上，采用一种惯性组合滤波器(Inertial combination filter,ICF)来近似所述Z-N 模型中的滑动窗滤波器，能够获得准确度较高的过程模型的，简称新型模型(New model,NM)。在高阶过程，将所述新型模型用于构造新型控制器(New controller,NC)，能够取得良好的控制效果。

本发明的第一方面提供了一种高阶过程控制方法，包括：

获取高阶过程的传递函数；

根据所述高阶过程在单位阶跃输入的过程输出，确定高阶过程的Z-N模 型，所述Z-N模型包括滑动窗滤波器；

设置惯性组合滤波器，并将所述Z-N模型包括的滑动窗滤波器替换为所 述惯性组合滤波器。

本申请第一方面的一种可能设计中，所述根据所述高阶过程在单位阶跃 输入的过程输出，确定高阶过程的Z-N模型，所述Z-N模型包括滑动窗滤波 器，包括：

获取高阶过程在单位阶跃输入、或者折合为单位阶跃输入的过程响应的 趋势图；

获取所述高阶过程响应的过程值随所述过程时间变化的最大斜率值；

获取所述最大斜率值出现在x轴和y轴的位置点；

获取所述高阶过程响应的终值；

画一条与所述位置点相交的斜线，所述斜线的斜率等于所述最大斜率值， 所述斜线起始于x轴、截止于所述高阶过程响应的终值在y轴的水平线，所 述斜线的起始点在x轴的时间为起始时间，所述斜线的截止点在x轴的时间 为截止时间；

根据所述截止时间、所述起始时间、所述终值确定所述高阶过程的Z-N 模型。

本申请第一方面的一种可能设计中，所述根据所述截止时间、所述起始 时间、所述终值确定所述高阶过程的Z-N模型，包括：

根据所述截止时间、所述起始时间、所述终值确定所述高阶过程的Z-N 模型为如下公式：

Z-N:M(s)＝Ke^-τsSWF(s),

K＝P_S-END,

τ＝T_ST,

T＝T_ET-T_ST；

其中，Z-N:M(s)为所述Z-N模型的传递函数，K为所述高阶过程响应的终 值HP_S-END，τ为所述起始时间T_ST，SWF(s)为所述滑动窗滤波器的传递函数， T为所述截止时间T_ET减去所述起始时间TST。

本申请第一方面的一种可能设计中，所述设置惯性组合滤波器，包括：

设置所述惯性组合滤波器为如下公式：

其中，ICF(s)为所述惯性组合滤波器的传递函数，n为整数阶次，T为所 述过程时间常数。

本申请第一方面的一种可能设计中，所述将所述Z-N模型包括的滑动窗 滤波器替换为所述惯性组合滤波器，包括：

用所述惯性组合滤波器取代所述Z-N模型中的所述滑动窗滤波器，得到 高阶过程的Z-N模型为如下公式：

NM(s)＝Ke^-τsICF(s)

其中，NM(s)为所述高阶过程的传递函数，K为所述过程增益，τ为所述 过程延迟时间，ICF(s)为所述惯性组合滤波器的传递函数，n为所述整数阶次。

本申请第一方面的一种可能设计中，所述方法还包括：

根据所述高阶过程的Z-N模型确定新型控制器的表达式为如下：

其中，NC(s)为所述新型控制器的传递函数，PI(s)为所述PI控制器的传递 函数，NM(s)为所述新型模型的传递函数。

一阶惯性滤波器表达式为

其中，T_FOIF＝τ；

其中，FOIF(s)为所述一阶惯性滤波器的传递函数，T_FOIF为所述过程延迟 时间τ，PI(s)为所述PI控制器的传递函数，K_P为比例增益，T_I为所述过程延迟时间τ。

本申请第二方面提供一种高阶过程控制装置，包括：

获取模块，用于获取高阶过程的传递函数；

处理模块，用于根据所述高阶过程在单位阶跃输入的过程输出，确定高 阶过程的Z-N模型，所述Z-N模型包括滑动窗滤波器；设置惯性组合滤波器， 并将所述Z-N模型包括的滑动窗滤波器替换为所述惯性组合滤波器。

本申请第二方面的一种可能设计中，所述处理模块，用于：

获取高阶过程在单位阶跃输入、或者折合为单位阶跃输入的过程响应的 趋势图；获取所述高阶过程响应的过程值随所述过程时间变化的最大斜率值； 获取所述最大斜率值出现在x轴和y轴的位置点；获取所述高阶过程响应的 终值；画一条与所述位置点相交的斜线，所述斜线的斜率等于所述最大斜率 值，所述斜线起始于x轴、截止于所述高阶过程响应的终值在y轴的水平线， 所述斜线的起始点在x轴的时间为起始时间，所述斜线的截止点在x轴的时 间为截止时间；根据所述截止时间、所述起始时间、所述终值确定所述高阶 过程的Z-N模型。

本申请第二方面的一种可能设计中，所述处理模块，用于：

根据所述截止时间、所述起始时间、所述终值确定所述高阶过程的Z-N 模型为如下公式：

Z-N:M(s)＝Ke^-τsSWF(s),

K＝P_S-END,

τ＝T_ST,

T＝T_ET-T_ST；

其中，Z-N:M(s)为所述Z-N模型的传递函数，K为所述高阶过程响应的终 值HP_S-END，τ为所述起始时间T_ST，SWF(s)为所述滑动窗滤波器的传递函数， T为所述截止时间T_ET减去所述起始时间T_ST。

本申请第二方面的一种可能设计中，所述处理模块，用于：

设置所述惯性组合滤波器为如下公式：

其中，ICF(s)为所述惯性组合滤波器的传递函数，n为整数阶次，T为所 述过程时间常数。

从以上技术方案可以看出，本发明实施例具有以下优点：

本发明实施例中，提供了一种紧密加强型引流板，包括：获取高阶过程 的传递函数；根据所述高阶过程在单位阶跃输入的过程输出，确定高阶过程 的Z-N模型，所述Z-N模型包括滑动窗滤波器；设置惯性组合滤波器，并将 所述Z-N模型包括的滑动窗滤波器替换为所述惯性组合滤波器；在所述Z-N 模型的基础上，采用一种惯性组合滤波器(Inertialcombination filter,ICF)来近 似所述Z-N模型中的滑动窗滤波器，能够获得准确度较高的过程模型的，简 称新型模型(New model,NM)。在高阶过程，将所述新型模型用于构造新型 控制器(New controller,NC)，能够取得良好的控制效果。

附图说明

图1为本发明实施例中一种高阶过程控制方法的一个流程示意图；

图2为本发明实施例中一种高阶过程控制装置的一个结构示意图。

图3为本发明实施例中单位阶跃输入的过程响应的趋势图；

图4为本发明实施例中高阶过程响应的过程的示意图；

图5为本发明实施例中新型控制器的结构示意图；

图6为本发明实施例中Z-N模型在单位阶跃输入的过程输入输出示意 图；

图7为本发明实施例中的仿真实验结果示意图。

具体实施方式

本发明实施例提供了一种高阶过程控制方法，在所述Z-N模型的基础 上，采用一种惯性组合滤波器(Inertial combination filter,ICF)来近似所述Z-N 模型中的滑动窗滤波器，能够获得准确度较高的过程模型的，简称新型模型 (New model,NM)。在高阶过程，将所述新型模型用于构造新型控制器(New controller,NC)，能够取得良好的控制效果。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第 二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必 用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可 以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述 的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变 形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、 方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包 括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或 单元。

请参阅图1，本发明实施例中一种高阶过程控制方法一个实施例包括：

101、获取高阶过程的传递函数；

102、根据所述高阶过程在单位阶跃输入的过程输出，确定高阶过程的Z-N 模型，所述Z-N模型包括滑动窗滤波器；

103、设置惯性组合滤波器，并将所述Z-N模型包括的滑动窗滤波器替换 为所述惯性组合滤波器。

可选的，所述根据所述高阶过程在单位阶跃输入的过程输出，确定高阶 过程的Z-N模型，所述Z-N模型包括滑动窗滤波器，包括：

获取高阶过程在单位阶跃输入、或者折合为单位阶跃输入的过程响应的 趋势图。

获取所述高阶过程响应的过程值随所述过程时间变化的最大斜率值；

获取所述最大斜率值出现在x轴和y轴的位置点；

获取所述高阶过程响应的终值；

画一条与所述位置点相交的斜线，所述斜线的斜率等于所述最大斜率值， 所述斜线起始于x轴、截止于所述高阶过程响应的终值在y轴的水平线，所 述斜线的起始点在x轴的时间为起始时间，所述斜线的截止点在x轴的时间 为截止时间；

根据所述截止时间、所述起始时间、所述终值确定所述高阶过程的Z-N 模型。

本实施例中，获取高阶过程在单位阶跃输入、或者折合为单位阶跃输入 的过程响应的趋势图，为图3所示，在图3中，x轴的t代表从单位阶跃输入 开始的过程时间，单位为s。y轴的HP_S(t)代表高阶过程在单位阶跃输入的过 程响应的过程值，单位由具体的系统所决定。

获取所述高阶过程响应的过程值随所述过程时间变化的最大斜率值 (Maximumslope value,MSV)。

获取所述最大斜率值出现在x轴和y轴的位置点(Position point,PP)。

获取所述高阶过程响应的终值(Process response final value,PRFV)。

画一条与所述位置点相交的斜线，所述斜线的斜率等于所述最大斜率值。 所述斜线起始于x轴、截止于所述高阶过程响应的终值在y轴的水平线。所 述斜线的起始点在x轴的时间为起始时间(Starting time,ST)，所述斜线的截止 点在x轴的时间为截止时间(Endtime,ET)，如图4所示。

在图4中，HP_S-END为所述高阶过程响应的终值，单位为无量纲。T_ST为所 述起始时间，单位为s。T_ET为所述截止时间，单位为s。较粗的虚线为所述相 交的斜线。

获取Z-N模型，表达式为

Z-N:M(s)＝Ke^-τsSWF(s),

K＝P_S-END,

τ＝T_ST,

T＝T_ET-T_ST (1)

式(1)中，Z-N:M(s)为所述Z-N模型的传递函数。K为过程增益，单位为 无量纲，数量上K等于所述高阶过程响应的终值HP_S-END。τ为过程延迟时间， 单位为s，数量上τ等于所述起始时间T_ST。SWF(s)为所述滑动窗滤波器的传 递函数。T为过程时间常数或者滑动窗时间长度，单位为s，数量上T等于所 述截止时间T_ET减所述起始时间T_ST。

可选的，所述根据所述截止时间、所述起始时间、所述终值确定所述高 阶过程的Z-N模型，包括：

根据所述截止时间、所述起始时间、所述终值确定所述高阶过程的Z-N 模型为如下公式：

Z-N:M(s)＝Ke^-τsSWF(s),

K＝P_S-END,

τ＝T_ST,

T＝T_ET-T_ST；

其中，Z-N:M(s)为所述Z-N模型的传递函数，K为所述高阶过程响应的终 值HP_S-END，τ为所述起始时间T_ST，SWF(s)为所述滑动窗滤波器的传递函数， T为所述截止时间T_ET减去所述起始时间T_ST。

可选的，所述设置惯性组合滤波器，包括：

设置所述惯性组合滤波器为如下公式：

其中，ICF(s)为所述惯性组合滤波器的传递函数，n为整数阶次，T为所 述过程时间常数。

所述惯性组合滤波器表达式为

式(2)中，ICF(s)为所述惯性组合滤波器的传递函数。n为整数阶次，单位 为无量纲。T为所述过程时间常数，单位为s。

理论上，所述整数阶次n没有上限，所述整数阶次n越大，所述惯性组 合滤波器与所述滑动窗滤波器的近似度也越高。实际将所述整数阶次n用于 调整所述新型模型与所述实际过程的近似度。在工程上，所述整数阶次n的 取值过高也没有必要，取n＝8是足够的。

可选的，所述将所述Z-N模型包括的滑动窗滤波器替换为所述惯性组合 滤波器，包括：

用所述惯性组合滤波器取代所述Z-N模型中的所述滑动窗滤波器，得到 高阶过程的Z-N模型为如下公式：

NM(s)＝Ke^-τsICF(s)

其中，NM(s)为所述高阶过程的传递函数，K为所述过程增益，τ为所述 过程延迟时间，ICF(s)为所述惯性组合滤波器的传递函数，n为所述整数阶次。

用所述惯性组合滤波器取代所述Z-N模型中的滑动窗滤波器，得到所述 高阶过程的新型模型，表达式为：

NM(s)＝Ke^-τsICF(s)

式(3)中，NM(s)为所述高阶过程的新型模型的传递函数。K为所述过程增 益，单位为无量纲。τ为所述过程延迟时间，单位为s。ICF(s)为所述惯性组 合滤波器的传递函数。n为所述整数阶次，单位为无量纲。

可选的，所述方法还包括：

根据所述高阶过程的Z-N模型确定新型控制器的表达式为如下：

其中，NC(s)为所述新型控制器的传递函数，PI(s)为所述PI控制器的传递 函数，NM(s)为所述新型模型的传递函数；

一阶惯性滤波器表达式为

其中，T_FOIF＝τ；

其中，FOIF(s)为所述一阶惯性滤波器的传递函数，T_FOIF为所述过程延迟

K_P＝0.5～5,

时间τ，T_I＝τ,，PI(s)为所述PI控制器的传递函数，K_P为比例增益，T_I为所述过程延迟时间τ。

所述新型控制器的结构，如图5所示。

新型控制器的表达式为

式(4)中，NC(s)为所述新型控制器的传递函数，PI(s)为所述PI控制器的 传递函数。NM(s)为所述新型模型的传递函数。

一阶惯性滤波器表达式为

T_FOIF＝τ (5)

式(5)中，FOIF(s)为所述一阶惯性滤波器的传递函数。T_FOIF为一阶惯性 滤波器的惯性时间常数，单位为s。设置所述一阶惯性滤波器的惯性时间常 数T_FOIF等于所述过程延迟时间τ。

PI控制器表达式为

K_P＝0.5～5,

T_I＝τ, (6)

式(6)中，PI(s)为所述PI控制器的传递函数。K_P为比例增益，单位为无 量纲，K_P设置范围为0.5～5。T_I为积分时间常数，单位为s。设置所述积分时 间常数T_I等于所述过程延迟时间τ。

本发明实施例中，提供了一种紧密加强型引流板，包括：获取高阶过程 的传递函数；根据所述高阶过程在单位阶跃输入的过程输出，确定高阶过程 的Z-N模型，所述Z-N模型包括滑动窗滤波器；设置惯性组合滤波器，并将 所述Z-N模型包括的滑动窗滤波器替换为所述惯性组合滤波器；在所述Z-N 模型的基础上，采用一种惯性组合滤波器(Inertialcombination filter,ICF)来近 似所述Z-N模型中的滑动窗滤波器，能够获得准确度较高的过程模型的，简 称新型模型(New model,NM)。在高阶过程，将所述新型模型用于构造新型 控制器(New controller,NC)，能够取得良好的控制效果。

在一个实施例中，高阶过程的表达式为

式(7)中，HP(s)为所述实施例中高阶过程的传递函数。

根据所述实施例中高阶过程在单位阶跃输入的过程输出，得到所述实施 例中高阶过程的Z-N模型的表达式为

式(8)中，Z-N:M(s)为所述实施例中高阶过程的Z-N模型的传递函数。

根据所述高阶过程的Z-N模型的传递函数，采用所述惯性组合滤波器来 近似所述Z-N模型中的滑动窗滤波器。在所述实施例中，设置所述惯性组合 滤波器中所述整数阶次n＝6，得到所述实施例中高阶过程的新型模型的表达 式为

NM(s)＝ICF(s)e^-226s

式(9)中，NM(s)为所述实施例中高阶过程的新型模型的传递函数。ICF(s) 为所述新型模型中的惯性组合滤波器的传递函数。

在所述实施例中，PI控制器表达式为

式(10)中，PI(s)为所述PI控制器的传递函数。

在所述实施例中，一阶惯性滤波器表达式为

式(11)中，FOIF(s)为所述一阶惯性滤波器的传递函数。

在所述实施例中，所述高阶过程在单位阶跃输入的过程输出、所述新型 模型在单位阶跃输入的过程输出、所述Z-N模型在单位阶跃输入的过程输 出，为图6所示。

在图6中：HP_S(t)为所述实施例中高阶过程在单位阶跃输入的过程输出， HP_S-NM(t)为所述实施例中高阶过程的新型模型在单位阶跃输入的过程输出， HP_S-Z-N：M(t)为所述实施例中高阶过程的Z-N模型在单位阶跃输入的过程输出。

由图6可见，在t>226s时，HP_S-NM(t)与HP_S(t)基本重合，表明了所述实 施例中所述高阶过程的新型模型与所述实施中高阶过程之间的误差较小。

在所述实施例中，用CO_NC(t)表达所述新型控制器的控制输出，用PV_NC(t) 表达所述新型控制器控制的过程输出。得到的仿真实验结果，为图7所示。

由图7可见，在所述实施例中所述高阶过程，采用所述新型控制器能够 显著地提高过程输出跟踪过程给定的速度。

请参阅图2，本发明实施例中一种高阶过程控制装置一个实施例包括：

获取模块201，用于获取高阶过程的传递函数；

处理模块202，用于根据所述高阶过程在单位阶跃输入的过程输出，确定 高阶过程的Z-N模型，所述Z-N模型包括滑动窗滤波器；设置惯性组合滤波 器，并将所述Z-N模型包括的滑动窗滤波器替换为所述惯性组合滤波器。

可选的，所述处理模块，用于：

获取高阶过程在单位阶跃输入、或者折合为单位阶跃输入的过程响应的 趋势图；获取所述高阶过程响应的过程值随所述过程时间变化的最大斜率值； 获取所述最大斜率值出现在x轴和y轴的位置点；获取所述高阶过程响应的 终值；画一条与所述位置点相交的斜线，所述斜线的斜率等于所述最大斜率 值，所述斜线起始于x轴、截止于所述高阶过程响应的终值在y轴的水平线， 所述斜线的起始点在x轴的时间为起始时间，所述斜线的截止点在x轴的时 间为截止时间；根据所述截止时间、所述起始时间、所述终值确定所述高阶 过程的Z-N模型。

可选的，所述处理模块，用于：

根据所述截止时间、所述起始时间、所述终值确定所述高阶过程的Z-N 模型为如下公式：

Z-N:M(s)＝Ke^-τsSWF(s),

K＝P_S-END,

τ＝T_ST,

T＝T_ET-T_ST；

其中，Z-N:M(s)为所述Z-N模型的传递函数，K为所述高阶过程响应的终 值HP_S-END，τ为所述起始时间T_ST，SWF(s)为所述滑动窗滤波器的传递函数， T为所述截止时间T_ET减去所述起始时间T_ST。

可选的，所述处理模块，用于：

设置所述惯性组合滤波器为如下公式：

其中，ICF(s)为所述惯性组合滤波器的传递函数，n为整数阶次，T为所 述过程时间常数。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描 述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应 过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和 方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示 意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可 以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个 系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间 的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合 或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作 为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方， 或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或 者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元 中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一 个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功 能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售 或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本 发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的 全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个 存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机， 服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步 骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-onlymemory，ROM)、随机存取存储器(random access memory，RAM)、磁碟 或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制； 尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应 当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其 中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案 的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种高阶过程控制方法，其特征在于，包括：

获取高阶过程的传递函数；

根据所述高阶过程在单位阶跃输入的过程输出，确定高阶过程的Z-N模型，所述Z-N模型包括滑动窗滤波器；

设置惯性组合滤波器，并将所述Z-N模型包括的滑动窗滤波器替换为所述惯性组合滤波器。

2.根据权利要求1所述的方法，其特征在于，所述根据所述高阶过程在单位阶跃输入的过程输出，确定高阶过程的Z-N模型，所述Z-N模型包括滑动窗滤波器，包括：

获取高阶过程在单位阶跃输入、或者折合为单位阶跃输入的过程响应的趋势图；

获取所述高阶过程响应的过程值随所述过程时间变化的最大斜率值；

获取所述最大斜率值出现在x轴和y轴的位置点；

获取所述高阶过程响应的终值；

画一条与所述位置点相交的斜线，所述斜线的斜率等于所述最大斜率值，所述斜线起始于x轴、截止于所述高阶过程响应的终值在y轴的水平线，所述斜线的起始点在x轴的时间为起始时间，所述斜线的截止点在x轴的时间为截止时间；

根据所述截止时间、所述起始时间、所述终值确定所述高阶过程的Z-N模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述截止时间、所述起始时间、所述终值确定所述高阶过程的Z-N模型，包括：

根据所述截止时间、所述起始时间、所述终值确定所述高阶过程的Z-N模型为如下公式：

Z-N:M(s)＝Ke^-τsSWF(s),

K＝P_S-END,

τ＝T_ST,

T＝T_ET-T_ST；

其中，Z-N:M(s)为所述Z-N模型的传递函数，K为所述高阶过程响应的终值HP_S-END，τ为所述起始时间T_ST，SWF(s)为所述滑动窗滤波器的传递函数，T为所述截止时间T_ET减去所述起始时间T_ST。

4.根据权利要求3所述的方法，其特征在于，所述设置惯性组合滤波器，包括：

设置所述惯性组合滤波器为如下公式：

其中，ICF(s)为所述惯性组合滤波器的传递函数，n为整数阶次，T为所述过程时间常数。

5.根据权利要求4所述的方法，其特征在于，所述将所述Z-N模型包括的滑动窗滤波器替换为所述惯性组合滤波器，包括：

用所述惯性组合滤波器取代所述Z-N模型中的所述滑动窗滤波器，得到高阶过程的Z-N模型为如下公式：

NM(s)＝Ke^-τsICF(s)

其中，NM(s)为所述高阶过程的传递函数，K为所述过程增益，τ为所述过程延迟时间，ICF(s)为所述惯性组合滤波器的传递函数，n为所述整数阶次。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

根据所述高阶过程的Z-N模型确定新型控制器的表达式为如下：

其中，NC(s)为所述新型控制器的传递函数，PI(s)为所述PI控制器的传递函数，NM(s)为所述新型模型的传递函数；

一阶惯性滤波器表达式为

其中，T_FOIF＝τ；

其中，FOIF(s)为所述一阶惯性滤波器的传递函数，T_FOIF为所述过程延迟时间τ，PI(s)为所述PI控制器的传递函数，K_P为比例增益，T_I为所述过程延迟时间τ。

7.一种高阶过程控制装置，其特征在于，包括：

获取模块，用于获取高阶过程的传递函数；

处理模块，用于根据所述高阶过程在单位阶跃输入的过程输出，确定高阶过程的Z-N模型，所述Z-N模型包括滑动窗滤波器；设置惯性组合滤波器，并将所述Z-N模型包括的滑动窗滤波器替换为所述惯性组合滤波器。

8.根据权利要求7所述的装置，其特征在于，所述处理模块，用于：

获取高阶过程在单位阶跃输入、或者折合为单位阶跃输入的过程响应的趋势图；获取所述高阶过程响应的过程值随所述过程时间变化的最大斜率值；获取所述最大斜率值出现在x轴和y轴的位置点；获取所述高阶过程响应的终值；画一条与所述位置点相交的斜线，所述斜线的斜率等于所述最大斜率值，所述斜线起始于x轴、截止于所述高阶过程响应的终值在y轴的水平线，所述斜线的起始点在x轴的时间为起始时间，所述斜线的截止点在x轴的时间为截止时间；根据所述截止时间、所述起始时间、所述终值确定所述高阶过程的Z-N模型。

9.根据权利要求8所述的装置，其特征在于，所述处理模块，用于：

根据所述截止时间、所述起始时间、所述终值确定所述高阶过程的Z-N模型为如下公式：

Z-N:M(s)＝Ke^-τsSWF(s),

K＝P_S-END,

τ＝T_ST,

T＝T_ET-T_ST；

其中，Z-N:M(s)为所述Z-N模型的传递函数，K为所述高阶过程响应的终值HP_S-END，τ为所述起始时间T_ST，SWF(s)为所述滑动窗滤波器的传递函数，T为所述截止时间T_ET减去所述起始时间T_ST。

10.根据权利要求9所述的方法，其特征在于，所述处理模块，用于：

设置所述惯性组合滤波器为如下公式：

其中，ICF(s)为所述惯性组合滤波器的传递函数，n为整数阶次，T为所述过程时间常数。