如何使用 OLLA Lab 示波器诊断微分噪声放大问题

PID 控制器中的微分增益会放大高频测量噪声，因为它响应的是误差的变化率。在存在噪声的回路中，过度的微分作用会导致严重的控制输出抖动、回路不稳定，并加速执行机构的磨损。滤波、边界整定或禁用微分项是标准的工程应对措施。

微分作用并不自动等同于“高级控制”。在许多工业回路中，它往往会成为导致输出噪声和不必要硬件压力的快捷方式。

微分项响应的是误差的斜率，而不仅仅是误差的大小。这一点至关重要，因为即使过程本身几乎没有变化，微小且快速的测量尖峰也可能产生巨大的微分冲击。控制器看到的是运动，而工厂看到的可能是噪声。

在 OLLA Lab PID 仪表板的内部基准测试中，对一个具有 2% 方差噪声配置的模拟流量回路应用 0.5 的微分增益，其控制变量抖动比仅使用 PI 的基准增加了约 400%。[方法论：在同一个有噪声的流量回路预设上进行 n=20 次重复整定试验；基准比较器 = 具有相同 P 和 I 值且 D 设为 0 的相同回路；时间窗口 = 每次试验 10 分钟的模拟运行时间。] 这支持了一个狭义的观点：微分作用确实会在有噪声的回路中实质性地放大输出抖动。这并不代表所有过程、控制器或阀门组件的通用百分比。

这就是仿真环境在操作层面发挥作用的地方。一名“仿真就绪”（Simulation-Ready）的工程师不仅仅是能在屏幕上放置 PID 块的人，更是能够在逻辑进入实际生产过程之前，证明、观察、诊断并强化回路行为以抵御现实过程噪声的人。

缺陷很简单：微分作用基于误差的变化率，因此它将高频噪声视为有意义的变化。

在标准的 ISA 形式 PID 结构中，微分贡献与误差项的时间导数成正比：

ISA 标准 PID 方程的文本形式：

m(t) = Kp [ e(t) + (1/Ti) ∫ e(t)dt + Td * de(t)/dt ]

其中：

• `m(t)` = 控制器输出
• `Kp` = 比例增益
• `e(t)` = 误差 = 设定值 - 过程变量
• `Ti` = 积分时间
• `Td` = 微分时间

微分项并不关心快速的信号变化是来自真实的过程动态，还是来自传感器噪声、电磁干扰 (EMI)、量化、湍流、接地不良或变送器故障。它只看斜率。

为什么微小的噪声会产生巨大的微分输出

如果干扰发生在很短的扫描间隔内，即使是小幅度的干扰也可能具有很大的微分值。

例如：

• 假设 PV（过程变量）尖峰仅为 0.1%
• 假设它发生在 10 毫秒内
• 那么相对于过程规模，表观变化率就很高
• 微分项会放大该斜率，并使控制器输出剧烈波动

这就是为什么微分问题经常让新工程师感到惊讶。PV 趋势看起来可能只是稍微有些粗糙，而 CV（控制变量）趋势却变得异常不稳定。

为什么这个问题在实际工厂中比在纯净示例中更严重

实际的过程信号很少像教科书那样干净。

常见的噪声源包括：

• 湍流测量
• 压力脉动
• 电气干扰
• 接地和屏蔽缺陷
• A/D 转换抖动
• 导压管安装不良
• 阀门引起的过程循环
• 仪器附近的机械振动

在模拟器或课堂方程中，微分看起来很优雅。但在一个流量信号较差且扫描速度快的工厂中，这种优雅往往会变成抖动。

微分增益通过将不稳定的高频控制器输出变化强加给并非为持续动作而设计的物理执行机构，从而间接地损坏硬件。

控制系统的后果是 CV 抖动。机械后果是磨损。

“阀门抖动”在操作上的含义

阀门抖动是一种可观察的模式，其中控制器输出振荡速度过快，导致执行机构进行重复且不必要的动作，而没有带来相应的过程收益。

在趋势图或示波器上，抖动通常表现为：

• 快速的 CV 振荡
• 输出方向频繁反转
• PV 稳定性几乎没有改善
• 在相对稳定的工作点周围输出活动增加

在硬件上，这种模式会导致：

• 填料磨损加速
• 阀杆和阀座磨损
• 气动耗气量增加
• 定位器频繁动作（Hunting）
• 电动执行机构负载过重
• 维护周期缩短

从狭义的数学意义上讲，回路可能仍在“控制”中，但维护部门看到的却是另一种结果。

为什么微分在过程回路中经常被禁用

一个被广泛传授的现场经验法则是，在许多过程回路（尤其是噪声较大的流量和液体压力应用）中，微分是不必要或不可取的。该经验法则在方向上是有用的，但应谨慎表述。

许多流量和压力回路采用 PI 而非全 PID 控制是常见的工业实践，因为微分对噪声的敏感性往往超过了其预测收益。具体比例因工厂、控制器平台、过程类型和整定文化而异，因此广泛的百分比应被视为粗略的从业者指导，而非普遍的普查结果。

实际的区别在于：

• 快速、有噪声的回路通常会因使用微分而受到惩罚。
• 缓慢、滞后主导的热工回路在测量质量良好且滤波规范的情况下，可能会受益于微分。

这就是为什么“总是使用 PID”不是一种严肃的整定哲学。

通过比较 PV 的粗糙度和 CV 的激进程度，可以识别微分噪声放大。

如果 PV 只是轻微的噪声，而 CV 却在剧烈振荡，那么微分放大就是主要嫌疑对象。控制器对测量纹理的反应比对过程行为的反应更强烈。

在 PV 和 CV 关系中寻找什么

最有用的视觉模式是信号严重程度与输出严重程度之间的背离：

• PV： 微小、快速的波动
• CV： 大幅、快速的振荡或饱和摆动
• 过程响应： 改善有限或没有改善
• 阀门行为： 在稳定负载附近频繁移动

这种模式很重要，因为并非所有的振荡都与微分有关。回路也可能因以下原因振荡：

• 比例增益过大
• 积分饱和
• 死区或静摩擦
• 阀门选型不当
• 过程交互
• 采样时间不匹配
• 滤波选择不当

微分噪声放大具有特定的特征：输出变得比过程所要求的更加“兴奋”。

紧凑的诊断对比

在查看趋势图时，请使用此对比：

• 噪声引起的抖动： PV 看起来杂乱；CV 看起来更糟。
• 机械静摩擦或死区： CV 移动，但 PV 响应滞后、卡顿或呈块状跳跃。

这种区别可以在故障排除时节省时间。

通过在受控仿真中增加微分暴露，观察 CV 行为何时变得在机械上不可行，然后回退或滤波直到输出平滑到足以被接受，从而找到稳定性极限。

这是 OLLA Lab 的一个有界用例。这并不是说仿真可以取代现场调试。而是说，某些故障模式在实际设备上诱发成本太高或风险太大，而微分抖动就是其中之一。

OLLA Lab 中的分步程序

• CV 振荡频率
• 输出反转率
• 饱和行为
• PV 控制是否确实有所改善

• 系统描述
• “正确”的操作定义
• 梯形图逻辑和模拟设备状态
• 注入的故障案例
• 所做的修订
• 经验教训

1. 加载有噪声的过程场景。 使用具有真实测量干扰的预设，例如带有信号方差的噪声流量回路或压力回路。
2. 首先建立 PI 基准。 在禁用微分的情况下，将 P 和 I 整定为稳定、可接受的响应。
3. 打开实时示波器，同时显示 PV、SP 和 CV 的趋势。 你需要同时观察过程行为和控制器输出。
4. 以受控方式引入或增加测量噪声。 如果场景支持信号注入或可调干扰，请逐步增加噪声，而不是一次性增加。
5. 应用较小的微分值。 从保守开始。观察 CV 是否比 PV 明显更活跃。
6. 小步增加微分。 每次更改后，观察：
7. 确定实际的稳定性极限。 极限不仅仅是回路在数学上保持闭合的点。它是 CV 保持足够平滑，以至于真实的执行机构能够承受该占空比的点。
8. 应用低通滤波或减小微分。 如果存在微分收益但出现了抖动，请对测量值进行滤波或减小微分，直到 CV 稳定在物理上合理的行为范围内。
9. 与 PI 基准进行比较。 如果微分在没有显著 PV 改善的情况下增加了噪声敏感性，请将其移除。
10. 将结果记录为工程证据。 有用的记录应包括：

截图本身不是证据；它们只是记录的一部分。

在此测试中“正确”应该意味着什么

“正确”的操作定义应该是可观察的，而不是美学上的。

对于微分噪声测试，“正确”可能意味着：

• PV 保持在定义的误差带内
• CV 避免了持续的高频抖动
• 输出饱和受到限制或不存在
• 回路在干扰后恢复正常
• 执行机构的需求对于预期的硬件来说是合理的

这就是数字孪生验证环境的实际价值。在真实的阀门、泵或定位器必须承受测试之前，你可以在异常条件下比较梯形图逻辑、控制器设置和模拟设备状态。

微分控制应有选择地使用，主要用于过程缓慢、滞后严重且测量足够干净，以至于微分项看到的是过程行为而非仪表噪声的情况。

一个典型的候选对象是具有显著热惯性的温度控制。夹套容器、热交换器以及一些炉子或反应器温度回路可以受益，因为微分有助于预测缓慢变化的误差趋势。即便如此，滤波和实现细节也很重要。

何时微分通常是一个糟糕的选择

当信号有噪声、过程快速或执行机构已经满负荷工作时，微分通常是一个糟糕的选择。

典型的谨慎案例包括：

• 湍流流量回路
• 液体压力回路
• 脉动压缩机排气压力
• 滤波不良的液位测量
• 仪表质量较差的回路
• 具有已知静摩擦或背隙的阀门

按过程类型推荐的经验法则

| 过程类型 | 推荐的 PID 结构 | |---|---| | 流量 | 通常为 PI — 流量信号通常有噪声且快速；微分通常放大测量干扰的程度超过了其改善控制的程度。 | | 液位 | 通常为 PI — 许多液位过程是积分型的且相对缓慢，但除非测量异常干净且动态证明有必要，否则微分通常价值不大。 | | 压力 | 通常为 PI — 压力回路可能很快且对噪声敏感；微分经常产生输出抖动和执行机构压力。 | | 温度 | PI 或 PID（取决于过程） — 微分有助于具有显著滞后和干净测量值的缓慢热系统，特别是在预测性阻尼改善超调控制的情况下。 |

此表是经验法则，而非标准。最终整定取决于过程动态、传感器质量、扫描时间、控制器形式和执行机构限制。

工程师在投入使用前应验证信号质量、执行机构状况、控制器形式和测试证据。

至少检查以下内容：

• PV 信号是否足够干净，以至于微分有意义？
• 扫描时间是否适合过程和噪声配置？
• 是否存在现有的阀门静摩擦、死区或定位器不稳定？
• 微分是应用于误差还是测量值，控制器如何处理微分冲击（Derivative-kick）？
• 是否有可用的且边界正确的低通滤波？
• 回路是否已与 PI 基准进行了比较？
• 行为是否已在现实噪声和干扰下的仿真中进行了演练？

这就是在操作意义上实现“仿真就绪”的意义所在。这意味着工程师可以测试因果关系、注入故障、修改逻辑或整定，并解释为什么修改后的行为更安全、更易于部署。

OLLA Lab 作为一个基于 Web 的验证和演练环境，用于控制逻辑、模拟设备响应和异常条件测试。

在这种背景下，其价值是有界且具体的：

• 你可以在基于浏览器的环境中构建和调整梯形图逻辑
• 你可以在接触物理硬件之前在仿真中运行回路
• 你可以检查变量、I/O、模拟值和 PID 行为
• 你可以将控制器输出与模拟设备状态进行比较
• 你可以在现实场景中演练故障处理和整定修订

这使得它对于难以在实际资产上安全练习的高风险调试任务非常有用。它不能取代现场验收测试、过程危害审查、功能安全生命周期工作或特定工厂的调试判断。数字孪生是一个演练环境，而不是工厂验证的替代品。

微分作用在有噪声的回路中是有风险的，原因很简单：它放大了斜率，而噪声中充满了斜率。

工程应对措施同样简单：

• 验证信号
• 建立 PI 基准
• 同时观察 PV 和 CV
• 在适当的情况下进行滤波
• 当微分在没有过程收益的情况下增加执行机构压力时，减小或移除它

如果你无法解释微分项为何有帮助，那么它可能不足以证明其增加的敏感性是合理的。

- Åström & Hägglund, *Advanced PID Control* (ISA) - Bialkowski, process control performance gap (IEEE Xplore) - IEC 61508 Functional Safety overview - Rivera, Morari, Skogestad (1986), IMC PID design - Skogestad (2003), PID tuning rules00062-8)