您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

反馈调节(自动化控制两种类型：前馈控制和反馈控制)

控制器,干扰,过程反馈调节(自动化控制两种类型：前馈控制和反馈控制)

发布时间：2016-12-08加入收藏来源：互联网点击：

应用于过程的前馈控制具有有限的、可测量的干扰，可以使过程变量保持接近设定值。有效前馈控制的技巧是测量即将发生的干扰指标，并准确预测它们对过程变量产生的影响。

传统的反馈控制很像倒着跑的跑步者。如果不看前方的赛道，倒跑的跑步者必须完全依靠后方的视野来确定前进的位置。向后看时，跑步者只能通过在边缘线越来越近时调整左右位置来保持在赛道上。如果跑步者走得太快，在应用程序进行修正之前，跑步很容易就跑出界（见图1）。

图1 ：向后直行。就像只有反馈的控制器一样，面向后面的跑步者只能看到过去的位置，但这通常足以保持在正常的赛道。即使没有向前看，也很容易观察到赛道中心附近并补偿向左或向右的任何缓慢漂移。

如果缓慢漂移是唯一的干扰，则纯反馈控制器很容易将过程变量保持在恒定设定点附近。过程变量的历史测量通常告诉控制器，当控制问题变得容易的时候它所需要了解的信息。

工业反馈控制器面临同样的挑战。为了使受控过程保持所需的温度、压力、流速等，反馈控制器必须等待并监视工作情况，然后纠正错误并再次查看。这通常不是随机的试错法。即使控制器对过程行为有足够的了解，以对必要的修正做出有根据的猜测，但这些修正必须始终在事后进行。

因此，与面向后方的跑步者一样，反馈控制器必须谨慎行事，以避免过度纠正过去的错误。在设计控制器时，如果对过程行为的知识了解不准确或不完整更是如此。如果控制器无法预测其当前控制工作对未来的影响，那么它几乎没有选择，只能在较长的时间间隔内保守行动，而不是在较短的时间间隔内积极行动（见图2）。

图2 ：围绕曲线向后运行更具挑战性。当跑步者注意到曲线已经使赛道的中心远离跑步者的路径时，跑步者已经偏离了赛道。在图中显示的情况下，跑步者在试图补偿干扰的同时，向左走得太远，然后又向右走得太远。

跑者的速度过快，会导致来回持续过补偿，直到干扰在曲线末端结束为止。如果反馈控制器的设计太强或者受控过程对控制器的控制活动过于敏感，则它将表现出类似的振荡行为。在最坏的情况下，即使干扰结束也无济于事。控制器可能会继续在完全打开和完全关闭之间振荡，因为它会一次又一次地继续过度补偿。

向前看，而不是向后看

跑步者所面临的困境，明显的解决方案是在跑步期间向前看，而不是向后看。凭借对未来曲线的先见知识，面向前方的跑步者将能够进行更加明智的路程修正，并且能够更快地跑步。

一个敏锐的跑步者也可以低头看赛道，并在看到即将到来的曲线时采取先发制人的行动以保持在赛道中间。跑步者可以在需要时开始向左转，如图3 所示的“跑步前进”图形所示。

图3 ：直接向前跑是最容易的。通过前方轨道的视图，即使以最高速度冲刺，跑步者也几乎可以即时补偿任何向左或向右的缓慢漂移。以同样的方式，应用于具有有限的、可测量的干扰过程的前馈控制器，可以更容易地使过程变量保持接近设定点。

围绕曲线前进并不是那么困难。跑步者可以直观地测量任何即将发生的干扰（曲线），预测对未来轨迹的影响，并根据需要而不是事后进行修正。超前的知识使得面向前方的跑步者，能够比面向后面的跑步者更快并以更小的误差围绕曲线运动。

超前的知识也使前馈控制器更准确。如果控制器能够正确预测干扰将如何影响过程变量以及如何对其进行补偿，则控制器可以更自信地承担更多的控制工作。这样做可以减少即将发生的干扰的影响，就像跑步者在预测即将到来的曲线时可以保持在赛道中心一样。

配置了能够测量即将发生干扰的前兆传感器的过程控制器，可以更快地、更超前的运行。无需等待过去控制工作的结果反应在测量中来进行控制活动。传感器和控制器协同工作，以观察即将到来的干扰并向前提供信息，以帮助计算未来的控制工作。

前馈控制的优势

前馈控制的经典应用是蒸汽分配系统，例如中央锅炉以恒定压力向整个工厂中的各种设备提供蒸汽。当闲置机器上线并开始从锅炉抽取蒸汽时，压力控制器可以预先加热并向锅炉注入额外的水，前提是系统可以确定机器需要多少蒸汽。

如果控制器严格依赖反馈，则必须等到锅炉中的压力已经下降，然后再尝试补偿额外负载。如果它可以预测即将发生的干扰，压力控制器将能够主动防止压降，而反馈控制器在采取行动之前则需要测量到该压降。

有效前馈控制的技巧是测量即将发生的干扰指标，并准确预测它们对过程变量产生的影响。向前的跑步者几乎不需要考虑前方有曲线时应该做什么，但前馈压力控制器必须做出不太明显的决定。它不仅需要知道特定机器即将上线的时间，还需要了解它将要抽取多少蒸汽，以及特定抽取方式随着时间的推移对锅炉压力的影响。

这些预测通常借助于数学模型来进行，该模型显示过程如何响应可测量的干扰。这些模型可以像查表一样简单，该表包含早期测量中干扰的影响，也可以像基于第一原理分析或经验观察的多变量微分方程一样复杂。随着技术的发展，未来在线学习算法和其它形式的人工智能，将可以帮助创建或改进数学模型。

反馈与前馈的完美搭配

由于没有模型可以100％精确，并且其它不可测量的干扰也可能影响过程变量，所以前馈控制器几乎总是与反馈控制器组合。前馈控制器对补偿即将到来的干扰所需的控制工作做出了最佳猜测，而反馈控制器则弥补了它的不足。反馈控制器测量干扰的净效果，然后前馈控制工作并努力补偿过程变量中的任何偏差（前馈控制器无法避免的）。

在有些应用中，前馈控制器可能难以实施。当过程的行为未被充分理解、干扰变量难以测量，或者干扰变量太多时，前馈控制器的设计将具有挑战性。设计不完善的前馈控制器有时会放大干扰的影响，使反馈控制器的工作更加困难。

减少能量和磨损

如果干扰频繁或太大，以至于单独的反馈控制器无法达到目的，则前馈控制器的加入就非常值得。成功的前馈控制器，可以将主要干扰的影响减少过程变量中的峰值。如果这样做也消除了反馈控制器的振荡行为，则组合的前馈/ 反馈控制器将减少移动，从而可以使用更少的能量。较少的控制移动，还减少了用于过程控制中执行器的磨损。

- 完 -

本文来自于《控制工程中文版》（CONTROL ENGINEERING China ）2019年08月刊《技术文章》栏目，原标题为：如何实现有效的前馈控制？

本文到此结束，希望对大家有所帮助呢。