工业自动化中的 AI

文章指南

如何修复 PLC 整数与实数运算中的流量累加器误差

PLC 中的流量累加器误差通常源于整数截断或 32 位浮点数精度损失。本文解释了这些故障模式、更安全的累加器模式,以及如何通过仿真来验证数学逻辑。

直接回答

PLC 中的流量累加器误差通常源于两种不同的数学故障:整数截断和单精度浮点数精度损失。INT 标签会丢弃小数流量,而 32 位 REAL 标签在累加总量较大时,最终可能无法记录微小的增量。可靠的累加需要严格的数据类型规范、翻转设计以及基于仿真的验证。

本文回答的问题

文章摘要

PLC 中的流量累加器误差通常源于两种不同的数学故障:整数截断和单精度浮点数精度损失。INT 标签会丢弃小数流量,而 32 位 REAL 标签在累加总量较大时,最终可能无法记录微小的增量。可靠的累加需要严格的数据类型规范、翻转设计以及基于仿真的验证。

即使变送器、泵和管道系统运行正常,流量累加器也可能出现错误。这种故障通常发生在 PLC 的算术模型内部,而非过程本身。这种区别至关重要,因为错误的数学逻辑比硬件故障更隐蔽。

在 OLLA Lab 进行的 24 小时泵运行模拟中,测试 16 位 INT 累加器对重复 0.4 加仑增量的响应时,累加器记录为 0 加仑,而模拟过程实际输送了 576 加仑方法论: 样本量 = 1 个使用重复固定增量的受控仿真任务;基准比较器 = 1,440 分钟内预期的 0.4 加仑算术累加值;时间窗口 = 24 个模拟小时。这支持了一个狭义观点:在确定性测试案例中,整数截断可能导致小数流量的完全丢失。这并不代表通用的现场故障率。

这就是“语法与可部署性”产生现实冲突的地方。一段梯形图逻辑看起来可能正确,编译也顺利,但仍可能误导操作人员数周之久。

16 位整数运算中截断误差的成因是什么?

当 PLC 使用无法表示小数的整数数据类型来存储或处理小数流量时,就会发生截断误差。如果传入的增量为 0.8,而目标是 INT 类型,则小数部分在成为库存记录之前就会被丢弃。

在 IEC 61131-3 环境中,这是正常的数据类型行为。错误在于假设过程会“容忍”这种行为。

16 位有符号整数的限制

有符号 16 位整数 (`INT`) 的范围有限:

  • 最小值:`-32,768`
  • 最大值:`32,767`

如果累加器直接将脉冲计数或缩放后的体积累加到 `INT` 中,会很快出现两种故障模式:

  • 溢出: 一旦数值超过 `32,767`,它会根据平台行为和指令处理方式翻转为负数或报错。
  • 小数删除: 当转换为整数目标或写入整数目标时,任何小于 1.0 的值都会被截断。

对于单位脉冲应用,溢出可能发生得非常快。对于模拟量衍生的增量累加器,截断可能在每次扫描时发生。前者表现剧烈,而后者往往更难察觉。

为什么整数累加器会静默删除实际流量

整数运算不会进行“四舍五入”。它直接移除余数。如果您的逻辑计算如下:

  • `Flow_Increment = 0.8 加仑/扫描`
  • `Total_INT = Total_INT + Flow_Increment`

那么实际的加法运算变为:

  • `Total_INT = Total_INT + 0`

过程确实输送了流体,但 PLC 却记录为零。

当工程师将 4–20 mA 流量信号缩放为工程单位、除以时间基准,然后将结果写入整数累加器时,这是一个常见的设计错误。该梯形图在语法上可能是有效的,但累加器已经失效。

为什么扫描周期会加剧问题

快速的扫描周期增加了每个增量体积变小的可能性。这意味着更多的加法运算结果会小于 1.0 工程单位,如果目标是整数类型,这些流量就会丢失。

因此,高分辨率累加器需要的不仅仅是一个 ADD 指令。它需要以下各项之间的协调:

  • 信号缩放,
  • 扫描间隔,
  • 工程单位,
  • 累加器数据类型。

为什么 32 位 REAL 累加器会随时间停止计数?

32 位 REAL 类型解决了小数问题,但引入了另一个故障:在大累加值下的精度损失。一旦总量变得足够大,微小的传入增量将不再改变存储的数值。

这是 IEEE 754 的行为,不一定是软件缺陷。这就是单精度浮点数的工作方式。

浮点数精度限制

大多数 PLC 的 `REAL` 类型是 IEEE 754 单精度浮点值。在实际工程中,它们提供约 7 位有效十进制数字的精度。

这意味着最小可表示变化的大小取决于已存储数值的量级。

示例:

  • 在 `10.0` 附近,增加 `0.01` 通常是可以表示的。
  • 在 `1,000,000.0` 附近,增加 `0.01` 可能太小,无法改变存储值。
  • 在更大的总量附近,即使是适度的增量也可能被“吞噬”。

累加器失效不是因为过程停止了,而是因为累加器的数值分辨率变得比所增加的增量更粗糙。

“吞噬”效应的表现

典型的症状很简单:

  • 流量变送器显示有流量,
  • 泵正在运行,
  • 过程正在物理输送产品,
  • 但 SCADA 累加器却显示为平线。

此时,操作人员通常会怀疑通信、历史数据库延迟或仪表漂移。有时问题远没有那么复杂:累加器已经失去了有效的粒度。

对于许多任务,`REAL` 类型足以表示大数值或小增量。但在不断增长的累加器中,如果没有设计控制,它无法长期同时兼顾两者。

为什么这在配料、公用工程和监管报告中很重要

并非每个累加器在财务上都至关重要,但许多累加器在操作上具有重大影响。累加流量的误差会扭曲:

  • 批次产量计算,
  • 化学品投加记录,
  • 水平衡报告,
  • CIP(在线清洗)使用量估算,
  • 罐区库存核对,
  • 与吞吐量挂钩的维护决策。

本文不涉及监管贸易合规性声明。它提出了一个更具体的工程主张:如果累加器架构薄弱,报告的体积可能会与物理现实产生重大偏差。

流量累加器应该使用哪种 PLC 数据类型?

正确的答案取决于您正在累加的内容:脉冲、缩放后的工程单位,还是小数时间步长增量。没有单一的通用标签选择,但有一些可行的模式。

尽可能使用 DINT 进行整数计数累加

如果源是脉冲流,且每个脉冲代表固定数量,则 `DINT` 通常比 `INT` 更安全。

原因:

  • 32 位有符号 `DINT` 的范围从 `-2,147,483,648` 到 `2,147,483,647`
  • 它相对于 `INT` 极大地延迟了溢出
  • 它保留了精确的整数计数

对于脉冲累加,将整数作为整数计数通常是最简洁的设计。

小心使用 REAL 进行小数工作累加

如果源增量是小数,`REAL` 可以作为工作累加器,而不一定作为唯一的终身累加器。

良好的用例:

  • 累加短时间窗口的小数流量,
  • 在翻转前保存小计,
  • 支持具有受控重置间隔的操作员可见的日累计或批次累计。

高风险用例:

  • 让单个 32 位 REAL 在添加极小增量时无限增长。

这就是精度侵蚀成为设计问题而非理论问题的地方。

如果平台支持且应用合理,请使用 LREAL

64 位 `LREAL` 提供了比 32 位 `REAL` 远高的精度和范围。在控制器、HMI、历史数据库和接口层都能可靠支持的平台上,它通常是长期小数累加的更优解决方案。

但“支持”必须意味着端到端的支持:

  • 控制器指令行为,
  • 标签传输,
  • SCADA/HMI 兼容性,
  • 历史数据库存储类型,
  • 报告层解释。

如果堆栈的其余部分静默地进行了向下转型,那么数学上合理的控制器标签也是不够的。

如何编写级联翻转累加器程序?

级联翻转累加器将小数累加与长期存储分离开来。这种模式通常比保持一个不断增长的浮点数总量更稳健。

设计原则很简单:

  • 在支持小数的寄存器中累加小增量,
  • 将较大的块传输到长范围的整数总量中,
  • 仅在小数寄存器中保留余数。

这减少了微小增量在非常大的浮点数面前消失的可能性。

逻辑模式示例

第 1 步:将原始流量增量累加到 REAL 工作总量中。

`ADD Flow_Increment, Working_Total_Real, Working_Total_Real`

第 2 步:检查工作总量是否达到了传输阈值。

`CMP Working_Total_Real >= 100.0`

第 3 步:将阈值量移动到长范围的整数主总量中。

`ADD 100, Master_Total_DINT, Master_Total_DINT`

`SUB Working_Total_Real, 100.0, Working_Total_Real`

为什么这种模式有效

工程上的好处是数值稳定性。

级联设计为您提供了:

  • 工作寄存器中的小数保留
  • 整数主总量中的长范围存储
  • 减少了浮点数精度损失,因为 REAL 小计保持相对较小,
  • 总量构成方式的清晰可审计性

您还可以通过以下方式扩展该模式:

  • 批次总量,
  • 每日重置寄存器,
  • 非易失性保留总量,
  • 针对翻转异常的报警检查,
  • 防止在无效仪表状态下更新的顺序互锁。

累加器设计的“正确”含义是什么

累加器之所以“正确”,不是因为梯形图编译通过或 HMI 数字发生了变化。当逻辑满足以下操作定义时,它才是正确的:

  • 累加体积在定义的容差范围内与预期算术值匹配,
  • 溢出行为被预防或明确处理,
  • 无效输入状态不会产生虚假累加,
  • 重置行为受控且可审计,
  • 长期运行精度符合报告目的。

这是调试时应遵循的标准。

OLLA Lab 如何在调试前揭示数据类型故障?

OLLA Lab 在此作为受限的验证环境非常有用,而非预言机。其价值在于工程师可以在现场系统继承错误之前,观察逐扫描行为、安全地操作输入,并将梯形图状态与模拟过程行为进行比较。

实际上,这意味着您可以测试累加器数学逻辑在真实操作条件下是否表现正确,而不是盲目信任一段视觉上整洁的梯形图。

OLLA Lab 使什么变得可观察

使用 梯形图编辑器仿真模式变量面板,用户可以:

  • 使用 `INT`、`DINT`、`REAL` 或混合类型逻辑构建累加器,
  • 注入固定或变化的流量增量,
  • 实时监控累加器值,
  • 比较输入行为与输出数学逻辑,
  • 加速仿真以更快地暴露长期精度问题。

这在操作上很有用,因为许多此类故障在现场表现缓慢。而在仿真中,它们变得可检查。

“仿真就绪”的操作定义

在此背景下,仿真就绪意味着工程师可以:

  • 证明预期的控制行为,
  • 观察每个输入和状态转换的效果,
  • 诊断数值和顺序故障,
  • 针对真实过程行为强化逻辑,
  • 在逻辑到达现场过程之前,记录为什么修改后的逻辑更可靠。

并不意味着现场能力、认证或自动具备无人值守调试的条件。仿真是排练,而非法律上的免责。

实用的 OLLA Lab 验证工作流

在 OLLA Lab 中,一个有用的验证序列如下:

  1. 创建一个具有已知增量行为的模拟流量源。
  2. 使用 `INT` 构建一个累加器,使用 `REAL` 构建另一个。
  3. 在相同的增量下运行两者。
  4. 观察整数路径中的截断现象。
  5. 增加 REAL 累加器,直到微小的增量不再改变总量。
  6. 用级联翻转或更高精度的策略替换设计。
  7. 重新运行场景并比较结果。

这就是 OLLA Lab 在操作上变得有用的地方。它提供了对一类故障的可见性,这些故障通常在桌面审查中幸存,只有在库存核对变得困难时才会显现。

工程师应如何将累加器验证记录为真实的工程证据?

梯形图的截图不是工程证据。除非与行为、故障注入和修订历史挂钩,否则它仅具有说明性。

如果您想展示严谨的控制工作,请使用包含六个部分的紧凑证据包:

  1. 系统描述 定义过程上下文、信号源、单位、扫描假设和累加目标。
  2. “正确”的操作定义 说明预期的算术行为、容差、重置规则和无效状态处理。
  3. 梯形图逻辑与模拟设备状态 将逻辑与相应的模拟过程行为一起展示,而非孤立展示。
  4. 注入的故障案例 记录引入的确切故障:整数截断、溢出、浮点数吞噬、缩放错误或重置竞争条件。
  5. 所做的修订 解释设计变更:`DINT` 迁移、`LREAL` 采用、级联翻转、阈值传输逻辑或门控累加。
  6. 经验教训 总结测试证明了什么、哪些假设失败了,以及哪些应成为设计标准。

这种结构比简单的项目组合快照更接近调试证据。

哪些标准和文献支持这种设计方法?

底层的数据类型行为基于标准的工业编程和数值计算原则,而非平台传说。

相关的锚点包括:

  • IEC 61131-3:用于工业控制系统中 PLC 编程语言和数据类型约定。
  • IEEE 754:用于浮点算术行为,包括有限精度和表示限制。
  • IEC 61508:用于更广泛的原则,即应通过严谨的工程过程识别和控制可编程系统中的系统性设计错误。
  • 工业自动化中的仿真和数字孪生文献,通常支持在部署前使用建模环境来验证控制行为,特别是在现场测试成本高昂或风险较大的情况下。

本文并不声称仅凭仿真就能建立合规性、安全完整性或现场验收。它提出了一个更狭义的主张:仿真提高了对确定性逻辑故障的可观察性,这些故障在后期检测的成本很高。

结论

流量累加器误差通常是由糟糕的数据类型选择引起的。`INT` 标签会删除小数,`REAL` 标签最终可能在面对大总量时丢失微小增量,而这两种故障都可能长期保持隐蔽,从而损害报告、库存信心和操作员信任。

工程上的修复原则很简单:为信号使用正确的数值架构,在调试前定义“正确”的含义,并在负载下验证行为。这就是运行中的梯形图程序与在生产中保持可靠的控制策略之间的区别。

继续探索

Interlinking

References

编辑透明度

本博客文章由人类作者撰写,核心结构、内容和原创观点均由作者本人创建。但本文部分文本在 ChatGPT 和 Gemini 的协助下进行了润色。AI 仅用于语法与句法修正,以及将英文原文翻译为西班牙语、法语、爱沙尼亚语、中文、俄语、葡萄牙语、德语和意大利语。最终内容已由作者进行严格审阅、编辑与验证,作者对其准确性承担全部责任。

作者简介:PhD. Jose NERI, Lead Engineer at Ampergon Vallis

事实核验: 技术有效性已于 2026-03-24 由 Ampergon Vallis 实验室 QA 团队确认。

可直接实施

使用仿真支撑的工作流,将这些洞见转化为可衡量的工厂成果。

© 2026 Ampergon Vallis. All rights reserved.
|