Как реализовать одномерный фильтр Калмана на языке Structured Text для зашумленных данных датчиков

Одномерный фильтр Калмана на языке IEC 61131-3 Structured Text оценивает истинное значение процесса на основе зашумленных данных датчика, обновляя состояние, коэффициент усиления и ковариацию на каждом цикле сканирования. По сравнению со стандартным фильтром нижних частот, он позволяет уменьшить дисперсию, сохраняя при этом более быстрое отслеживание, что критически важно, когда ПИД-регуляторы, аварийная сигнализация или блокировки не допускают избыточной фазовой задержки.

Зашумленные данные процесса — это не просто неудобство при программировании, это проблема управления. Ультразвуковые уровнемеры, тензодатчики, датчики давления и расходомеры создают измерительный шум в обычных производственных условиях, поскольку вибрация, электромагнитные помехи, турбулентность, наличие воздуха в среде и особенности монтажа не исчезают ради красивого графика.

Метрика Ampergon Vallis: В ходе стендовых испытаний в симуляторе сигналов OLLA Lab фильтр первого порядка, примененный к зашумленному сигналу уровня, давал задержку отклика около 400 мс, в то время как одномерный фильтр Калмана, реализованный на Structured Text, отслеживал ту же форму сигнала с задержкой около 45 мс при сопоставимой визуальной плавности. Методология: 12 симулированных тестовых прогонов, задача отслеживания уровня с одним датчиком, сравнение с базовым фильтром первого порядка, стендовые испытания 3/2026. Это подтверждает практический вывод о том, что предиктивная оценка может сохранять быстродействие лучше, чем простое сглаживание в данных условиях испытаний. Это не доказывает универсальное превосходство для всех типов датчиков, циклов сканирования или вариантов настройки.

Инженерный смысл прост: если ваш ПИД-контур «гоняется» за шумом, фильтр нижних частот может успокоить тренд, но при этом незаметно ухудшить качество регулирования. Клапаны и заслонки обычно замечают это раньше, чем операторы на совещании.

Structured Text — это правильный язык стандарта IEC 61131-3 для данного класса алгоритмов, поскольку фильтрация Калмана — это итеративная математика с сохранением состояния, а не логика блокировок, ориентированная на цепи (rung-centric). Вы можете «втиснуть» уравнения в Ladder Diagram, но «возможно» не означает «разумно».

Structured Text лучше подходит для этого алгоритма по трем причинам

- Ясность выполнения: ST выражает алгебраические операции напрямую. Последовательность «прогноз-обновление» читается в том же порядке, что и лежащие в их основе уравнения.

- Сохранение состояния: Фильтр Калмана должен переносить значения предыдущей оценки из одного цикла сканирования в следующий, включая предыдущую ковариацию и предыдущую оценку состояния. ST естественным образом справляется с этим с помощью переменных с атрибутом `RETAIN`.

- Аудируемость: В LD тот же фильтр часто превращается в цепочку блоков `ADD`, `SUB`, `MUL` и `DIV`, разбросанных по нескольким сетям. Это сложнее проверять, сложнее поддерживать и легче нарушить при внесении правок.

- Дисциплина цикла сканирования: Сложная математика с плавающей запятой в LD может увеличить визуальные и вычислительные накладные расходы. Проблема не в том, что ПЛК не могут выполнять математические операции — они могут. Проблема в том, что LD — неподходящее место для реализации численных методов.

Практическое различие заключается в синтаксисе и возможности развертывания

Ladder Logic отлично подходит для разрешающих условий, последовательностей, блокировок и визуализации дискретного управления. Это не лучшая среда для компактной численной оценки. Одномерный фильтр Калмана невелик, но это все же оценщик состояния. Относитесь к нему соответствующим образом.

Почему это важно для рисков при пусконаладке

Пользовательский код на ST в работающем контроллере создает реальные режимы отказа. Плохо ограниченные циклы, неверная инициализация, деление на число, близкое к нулю, или простые логические ошибки могут вызвать срабатывание сторожевого таймера (watchdog) или нестабильное поведение в зависимости от платформы и реализации. OLLA Lab полезна здесь как среда ограниченной проверки: инженеры могут скомпилировать, симулировать, внести шум и настроить параметры перед внедрением на объекте, где ошибки обходятся дороже и не несут образовательной ценности.

Одномерный фильтр Калмана оценивает состояние по одному скалярному значению на основе зашумленных измерений путем повторения фазы прогноза и фазы обновления на каждом цикле сканирования. В терминах ПЛК это рекурсивный оценщик, который решает, насколько доверять модели, а насколько — входящему значению датчика.

Основные переменные

Отфильтрованное значение, которое вы хотите использовать в дальнейшей логике.

• X — Текущая оценка состояния

Сохраненная оценка с предыдущего цикла сканирования.

• X_prev — Предыдущая оценка состояния

Мера неопределенности текущей оценки.

• P — Ковариация ошибки оценки

Сохраненная ковариация с предыдущего цикла сканирования.

• P_prev — Предыдущая ковариация ошибки оценки

Предполагаемая неопределенность самой системы. Более высокое значение `Q` заставляет фильтр быстрее реагировать на изменения.

• Q — Ковариация шума процесса

Предполагаемая неопределенность измерения датчика. Более высокое значение `R` заставляет фильтр меньше доверять датчику.

• R — Ковариация шума измерения

Динамический весовой коэффициент между прогнозом и измерением.

• K — Коэффициент усиления Калмана

Зашумленная переменная процесса, поступающая в фильтр.

• Raw_Input — Измеренное значение датчика

Уравнения прогноза и обновления

Для простейшей одномерной формы, где предполагается, что состояние сохраняется между циклами без более детальной модели движения:

Фаза прогноза

• `P = P_prev + Q`

Фаза обновления

• `K = P / (P + R)`
• `X = X_prev + K * (Raw_Input - X_prev)`
• `P_prev = (1 - K) * P`
• `X_prev = X`

Операционный смысл Q и R

Поведение настройки определяется в основном `Q` и `R`.

• Увеличивайте Q, когда базовый процесс может быстро меняться и оценщик должен адаптироваться быстрее.
• Увеличивайте R, когда датчик зашумлен и оценщик должен меньше доверять измерениям.
• Если Q слишком мало, фильтр становится «вялым».
• Если R слишком мало, фильтр слишком активно следует за шумом.
• Если оба параметра угаданы неверно, результат все равно будет фильтром, просто не очень полезным. Математика не заменяет понимание процесса.

Минимальная реализация требует использования переменных с сохранением состояния (retained), явной инициализации и одного пути выполнения на цикл сканирования. Приведенный ниже код намеренно прост и подходит для адаптации в функциональный блок или циклическую программу.

### Пример: Одномерный фильтр Калмана на Structured Text

Пример на Structured Text:

VAR Raw_Input : REAL; // Зашумленный вход датчика Filtered_Output : REAL; // Отфильтрованный результат

X : REAL; // Текущая оценка состояния X_prev : REAL := 0.0; // Предыдущая оценка состояния

P : REAL; // Текущая ковариация ошибки P_prev : REAL := 1.0; // Предыдущая ковариация ошибки

Q : REAL := 0.01; // Ковариация шума процесса R : REAL := 0.10; // Ковариация шума измерения

K : REAL; // Коэффициент усиления Калмана

InitDone : BOOL := FALSE; END_VAR

// Однократная инициализация IF NOT InitDone THEN X_prev := Raw_Input; P_prev := 1.0; InitDone := TRUE; END_IF;

// Фаза прогноза P := P_prev + Q;

// Фаза обновления K := P / (P + R); X := X_prev + K * (Raw_Input - X_prev);

// Сохранение для следующего цикла P_prev := (1.0 - K) * P; X_prev := X;

// Выход Filtered_Output := X;

Примечания по реализации, важные для реального ПЛК

• Инициализируйте первым полученным значением, а не нулем, когда это возможно. Это позволяет избежать ненужного переходного процесса при запуске.
• Сохраняйте только то, что необходимо алгоритму. В этой простой форме это в основном `X_prev` и `P_prev`.
• Используйте типы данных с плавающей запятой, соответствующие платформе. Некоторые ПЛК обрабатывают `REAL` и `LREAL` достаточно по-разному, чтобы это влияло на стабильность настройки.
• Избегайте скрытой реинициализации. Если `InitDone` неожиданно сбросится, фильтр будет «прыгать» при перезапуске.
• Обеспечьте детерминизм выполнения. Фильтр должен выполняться один раз за цикл сканирования или один раз в запланированной задаче, а не оппортунистически.

Когда стоит оформить это в виде функционального блока

Функциональный блок предпочтителен, когда вам нужно:

• несколько экземпляров для разных датчиков,
• явная инкапсуляция состояния,
• стандартизированное поведение при инициализации,
• более чистое повторное использование в проектах.

Обычно это правильный производственный шаблон. Встроенная версия по-прежнему полезна для понимания и стендовой проверки.

Тестирование — это разница между написанием кода и проверкой поведения. OLLA Lab актуальна здесь, поскольку предоставляет браузерную среду для репетиции рискованной части: доказательства работы фильтра в условиях шума, изменений и неисправностей до того, как он коснется реального процесса.

Правильное определение «готовности к симуляции» (Simulation-Ready)

Simulation-Ready не означает «способность написать синтаксис ПЛК по памяти». Это означает, что инженер может доказать, наблюдать, диагностировать и укрепить логику управления против реалистичного поведения процесса до того, как она попадет в реальную систему. Это включает наблюдение за входами/выходами, сравнение состояния логики (LD или ST) с состоянием симулируемого оборудования, внесение аномальных условий и пересмотр логики после случаев отказа.

Это более строгий стандарт, чем прохождение учебника. Это также ближе к реальной пусконаладке.

Практический рабочий процесс тестирования в OLLA Lab

• Откройте панель переменных.
• Привяжите `Raw_Input` к симулируемому аналоговому источнику в Signal Simulator.

• Используйте медленный синусоидальный, пилообразный или ступенчатый профиль для представления изменяющегося значения процесса, такого как уровень в резервуаре, давление или расход.

• Наложите шум на базовый сигнал для симуляции вибрации, турбулентности или электрических помех.
• Начните с умеренного шума, затем увеличьте амплитуду для проверки надежности оценщика.

• Выведите на график `Raw_Input` и `Filtered_Output` вместе.
• Следите за тем, подавляет ли отфильтрованный сигнал шум, не отставая при этом существенно от базовой формы сигнала.

• Увеличьте `R`, если фильтр слишком близко следует за шумом.
• Увеличьте `Q`, если фильтр слишком медленно отслеживает реальное движение процесса.

• Внесите ступенчатые изменения, скачки или внезапные развороты процесса.
• Убедитесь, что оценщик чисто восстанавливается и не дестабилизирует последующую логику.

1. Привязка необработанного сигнала
2. Применение базовой формы сигнала
3. Внесение шума измерения
4. Наблюдение за откликом фильтра
5. Настройка Q и R в реальном времени
6. Тестирование аномальных переходов

Что OLLA Lab делает и чего не делает в данном контексте

OLLA Lab — это среда проверки и репетиции для задач пусконаладки с высоким уровнем риска. В данном контексте она позволяет инженерам тестировать логику ST, проверять поведение переменных и сравнивать отклик симулируемого процесса с выходом алгоритма, не рискуя физическим контроллером или реальной технологической последовательностью. Это не замена приемочным испытаниям на объекте, проверке контуров, проверке безопасности или обучению операторов на реальном оборудовании. Эти границы важны.

Фильтр нижних частот подавляет высокочастотные вариации путем сглаживания сигнала во времени. Одномерный фильтр Калмана оценивает наиболее вероятное истинное состояние, балансируя между неопределенностью предыдущей оценки и неопределенностью измерения. Первое — это прямое сглаживание; второе — рекурсивная оценка.

Практическое сравнение

| Критерий | Фильтр первого порядка / ФНЧ | Одномерный фильтр Калмана | |---|---|---| | Основной метод | Сглаживание по времени | Предиктивная оценка состояния | | Основные параметры настройки | Постоянная времени / коэффициент фильтра | Шум процесса `Q`, шум измерения `R` | | Отклик на шум | Хороший | Хороший | | Задержка отклика | Часто значительная | Часто ниже при правильной настройке | | Учет модели | Минимальный | Явное взвешивание неопределенности | | Сложность реализации на ПЛК | Низкая | Умеренная | | Лучший вариант использования | Простые приложения, где задержка допустима | Зашумленные измерения, где важно быстродействие |

Последствия для управления не так очевидны

Если фильтр нижних частот добавляет достаточную фазовую задержку, контур может выглядеть спокойнее на графике, но работать хуже в реальности. В этом ловушка. Тренд, который радует глаз, все еще может «наказывать» исполнительный механизм.

Ограниченное инженерное утверждение

Одномерный фильтр Калмана не является автоматически лучше фильтра нижних частот. Он лучше подходит, когда:

• шум датчика существенен,
• быстродействие процесса имеет значение,
• последующая ПИД-логика или логика аварийной сигнализации чувствительна к задержке,
• и инженер может настроить `Q` и `R` с определенной дисциплиной.

Если приложение медленное, «прощающее» ошибки и некритичное, простого фильтра нижних частот может быть вполне достаточно. Сложность должна оправдывать себя.

Скриншоты сами по себе не являются инженерными доказательствами. Это сувениры, если они не привязаны к определению теста.

При документировании проверки фильтра создайте компактный массив доказательств, используя эту структуру:

1. Описание системы Определите симулируемый актив, тип датчика, переменную процесса, контекст сканирования и значимость для последующего управления.
2. Операционное определение «правильности» Укажите, что означает успех в наблюдаемых терминах, таких как уменьшенная дисперсия, приемлемая задержка отслеживания, стабильное поведение ПИД-регулятора или уменьшение ложных срабатываний сигнализации.
3. Логика Ladder и состояние симулируемого оборудования Запишите контекст логики управления и поведение симулируемого процесса во время теста.
4. Случай внесенного отказа Укажите профиль шума, условие скачка, пропадание сигнала или внесенное возмущение.
5. Внесенные изменения Задокументируйте изменения параметров, кода или инициализации.
6. Извлеченные уроки Зафиксируйте, какие предположения о настройке подтвердились, что не удалось и что следует проверить перед развертыванием.

Это те доказательства, которые выдержат проверку. Галерея скриншотов редко на это способна.

Фильтрация сама по себе не является требованием функциональной безопасности, но качество реализации все равно находится в рамках более широкой дисциплины корректности программного обеспечения, проверки и производительности управления. Соответствующие стандарты и литература помогают сформировать представление о том, что такое качественная инженерия.

Контекст стандартов

• IEC 61131-3 регулирует языки программирования ПЛК, включая Structured Text и Ladder Diagram. Это языковой каркас, относящийся к форме реализации.
• IEC 61508 актуален, когда поведение программного обеспечения влияет на системы, связанные с безопасностью, или на строгость жизненного цикла. Он не «одобряет» фильтр Калмана, но ужесточает ожидания в отношении верификации, прослеживаемости и целостности ПО.
• Руководства от организаций, таких как exida, полезны при обсуждении дисциплины проверки, поведения при отказах и разделения между удобством управления и функцией безопасности.

Контекст литературы

Современная литература по управлению процессами, слиянию данных датчиков и цифровому моделированию в целом поддерживает несколько ограниченных выводов:

• промышленные измерения регулярно искажаются шумами и возмущениями;
• выбор фильтрации влияет как на качество сигнала, так и на быстродействие управления;
• среды симуляции и цифровых двойников могут улучшить проверку перед развертыванием, когда они используются для тестирования наблюдаемого поведения, а не просто для демонстрации графики;
• программирование с помощью ИИ может ускорить написание кода, но детерминированный обзор остается обязательным.

Последний пункт заслуживает простого языка: сгенерированный код — это ваша проблема, как только он попадает в контроллер.

Одномерный фильтр Калмана полезен в работе с ПЛК, потому что он решает реальную производственную проблему: зашумленные измерения, которые нельзя сгладить сильной задержкой без ухудшения качества управления. Structured Text — это правильная среда реализации для этого алгоритма, поскольку метод зависит от сохранения состояния и компактных численных выражений. OLLA Lab становится операционно полезной на этапе проверки, где инженерам необходимо внести шум, отследить отклик, настроить `Q` и `R` и укрепить логику перед развертыванием.

Различие, которое стоит помнить, простое: фильтрация — это не просто создание красивого тренда; это сохранение качества принятия решений в условиях шума. В управлении процессами эта разница быстро доходит до исполнительного механизма.

- IEC 61131-3: Программируемые контроллеры — Часть 3 - Семейство стандартов функциональной безопасности IEC 61508 - Ресурсы exida по функциональной безопасности и валидации - Рекомендация NAMUR NE 107 по сигнализации состояния - Цифровой двойник в промышленности: современное состояние (DOI)