工业自动化中的 AI

文章指南

如何利用奈奎斯特理论和扫描时间仿真防止 PLC 中的 PID 混叠

缓慢或漂移的 PLC 扫描时间可能会对快速过程动态产生欠采样,从而导致 PID 混叠、微分和积分行为失真以及控制不稳定,除非执行定时是确定性的。

直接回答

为了防止 PLC 过程控制中的 PID 混叠,控制器必须相对于最高有效过程频率以足够快的速度采样过程变量。如果扫描时间过慢,PLC 可能会错误地呈现过程行为,破坏微分和积分作用,并导致回路不稳定,除非使用确定性的周期性任务调度。

本文回答的问题

文章摘要

为了防止 PLC 过程控制中的 PID 混叠,控制器必须相对于最高有效过程频率以足够快的速度采样过程变量。如果扫描时间过慢,PLC 可能会错误地呈现过程行为,破坏微分和积分作用,并导致回路不稳定,除非使用确定性的周期性任务调度。

PID 不稳定性并不总是调优问题。有时回路调优是合理的,但控制器对现实的采样速度太慢,无法正确呈现它。

这种区别很重要,因为 PLC 是离散时间系统,而不是连续观测器。它只在每次扫描时了解过程,而扫描之间的所有内容对算法来说都是不可见的。在实践中,这意味着一个回路在快速软件测试中表现良好,但在负载较重的控制器上(扫描时间已向上漂移)时可能会表现不佳。代码本身并没有变错,而是采样假设变了。

在 OLLA Lab 仿真环境的内部基准测试中,在高速压力控制场景下,将虚拟 PLC 扫描时间从 10 ms 增加到 50 ms(同时保持过程动态和调优不变),在失去稳定调节之前,累积积分误差增加了 42%。[方法:对一个压力回路任务进行 n=12 次重复运行,基准比较器 = 10 ms 扫描条件,时间窗口 = 每次运行 90 秒。] 这支持了一个有界观点:仅扫描时间退化就可能实质性地破坏快速回路的稳定性。这并不能证明所有 PID 应用都存在普遍的失效阈值。

什么是 PLC 过程控制中的奈奎斯特采样定理?

奈奎斯特-香农采样定理指出,采样系统必须以至少两倍于其需要呈现的最高频率分量的速度进行采样。简写形式为:

f_s ≥ 2 f_max

其中:

  • f_s = 采样频率
  • f_max = 最高相关信号频率

在 PLC 过程控制中,实际的转换很简单:扫描速率即为采样速率,适用于任何读取过程变量、计算控制动作并更新输出的逻辑。

如果压力信号包含 10 Hz 的有效变化,PLC 必须至少以 20 Hz(即每 50 ms)进行采样,才能避免正式的混叠。为了获得可用的控制性能,工程师通常希望执行速度远高于奈奎斯特最低要求。检测并不等同于控制质量。

为什么这对 PID 回路很重要?

PID 回路假设采样到的过程变量是真实过程的可用表示。如果采样间隔太大:

  • 可能会错过峰值,
  • 表观振荡频率可能会失真,
  • 微分作用可能会响应错误的斜率,
  • 积分作用可能会针对错误读取的过程状态累积误差。

结果不仅仅是噪声控制,它可能是数学上不正确的控制。

PLC 中 PID 回路混叠的常见症状

  • 幻影频率: 过程变量表现出的振荡频率低于物理过程实际包含的频率。
  • 不稳定的微分作用: 计算出的变化率出现尖峰,因为控制器用错误的斜率连接了稀疏的采样点。
  • 执行器抖动: 阀门、风门或驱动器对采样失真而非真实过程行为做出反应。
  • 无法解释的重新调优周期: 当根本问题是执行定时而非控制器激进程度时,工程师会不断更改增益。

一个看起来莫名其妙地反复无常的回路,通常只是被欠采样了。

PLC 扫描周期如何充当采样速率?

PLC 通过其执行周期对过程进行采样。在标准模型中,该周期为:

  1. 读取输入
  2. 执行逻辑
  3. 写入输出

该周期定义了控制器内部运行的控制逻辑的有效采样间隔。如果扫描时间为 20 ms,则回路的有效采样频率为 50 Hz。如果扫描时间在 CPU 负载下漂移到 80 ms,则有效采样率下降到 12.5 Hz。

这就是为什么扫描时间不是一个琐碎的细节。它是控制设计的一部分。

为什么扫描时间漂移很重要?

在连续主任务中,扫描时间很少是固定的。它会随着以下因素而变化:

  • 添加的梯形图梯级,
  • 通信开销,
  • HMI 轮询,
  • 数据记录,
  • 报警处理,
  • 运动或顺序任务,
  • 后台诊断。

一个在早期调试期间表现良好的回路,可能会在项目增长后退化。这是一种常见的现场模式:第一阶段逻辑很简洁,第三阶段逻辑功能完备,而 CPU 悄悄地成为了问题的一部分。

连续扫描与周期性任务执行

IEC 61131-3 支持区分连续执行和预定周期执行的任务模型。对于高速 PID,这种区别不是风格上的,而是架构上的。

放置在主连续任务中的 PID 调用可能会以随总程序负载而变化的 Δt 执行。放置在 10 ms 周期性任务中的同一个 PID 调用可以以确定性的 Δt 执行积分和微分计算。

代码行看起来可能相同,但执行上下文并不相同。在控制工作中,错误的执行任务中即使逻辑相同,也是错误的。

为什么缓慢的扫描时间会首先破坏 PID 微分项?

微分项最脆弱,因为它直接取决于变化率:

D ∝ Δe / Δt

其中:

  • Δe = 误差变化
  • Δt = 采样之间经过的时间

如果 Δt 太大,通常会出现两种故障之一:

  1. 控制器完全错过了真实变化。 在两次扫描之间发生了快速扰动,微分项从未看到其真实结构。
  2. 控制器将稀疏采样解释为陡峭的人工斜率。 过程在实时中是逐渐变化的,但 PLC 只看到了两个遥远的点,并计算出了一个巨大的表观微分值。

无论哪种方式,微分作用都变得不可信。这就是为什么许多从业者在噪声大或采样不良的回路中说“D 代表危险(Danger)”。

控制输出会发生什么?

当微分作用放大采样误差伪影时,控制变量可能会:

  • 尖峰式趋向饱和,
  • 反向动作过于激进,
  • 激发振荡而不是阻尼它,
  • 在事后强制积分项进入恢复行为。

即使对于正确采样的系统,调优常数是合理的,回路看起来也会像调优得很差。

缓慢的扫描时间也会影响积分作用吗?

是的。积分作用虽然不那么显眼,但随着时间的推移,其破坏性往往同样严重。

如果控制器采样太慢,积分项会在过程的失真表示上累积误差。这可能会导致:

  • 延迟校正,
  • 在长时间死区时间感知后的超调,
  • 执行器饱和期间的积分饱和(Windup),
  • 扰动后的恢复迟缓。

微分通常会先以可见的方式失效。积分往往会留下更长的恢复问题。

为什么主连续任务不适合高速 PID?

主连续任务很方便,但方便并不等同于确定性。高速回路需要固定且已知的执行间隔,以便控制器的内部时间假设保持有效。

PID 算法不仅是在评估误差幅度,它还在评估随时间变化的误差。如果该时间基准在扫描之间发生变化,积分和微分计算都会变得不一致。

确定性周期性调度解决了什么?

周期性任务通过提供以下功能来提高控制可靠性:

  • 用于 PID 执行的固定 Δt,
  • 用于回路更新的可预测定时,
  • 降低对无关程序增长的敏感性,
  • 快速控制与较慢的内务逻辑之间的更清晰分离。

这是操作上的区别:

  • 连续扫描: 定时可变,广泛的便利性,确定性弱
  • 周期性任务: 定时固定,目的更明确,控制完整性更强

对于快速回路,“它通常运行得足够频繁”不是一种控制策略。

应该将什么放入周期性任务中?

作为一种通用的工程模式,周期性任务适用于:

  • 高速 PID 回路,
  • 快速模拟量调节,
  • 具有严格定时假设的关键顺序控制,
  • 运动控制相关的逻辑,
  • 时间敏感的故障检测。

不太关键的逻辑可以保留在较慢或连续的任务中:

  • 报告,
  • 非关键报警,
  • 配方处理,
  • HMI 支持,
  • 历史数据交换。

重点不是让一切都变快,重点是让正确的事情具有确定性。

如何在实际调试工作中识别 PID 混叠?

PID 混叠通常表现为调优问题,但线索通常与定时有关。回路在一个环境中可能看起来稳定,而在另一个环境中不稳定,而过程物理特性没有任何有意义的变化。

指向采样失败而非增益错误的现场指标

  • 回路在离线测试中表现正常,但在满程序负载下的生产 PLC 上失效。
  • 趋势中的振荡频率与仪器仪表或过程知识所暗示的不符。
  • 在添加了额外的逻辑、通信或可视化功能后,微分作用变得不稳定。
  • 重新调优只能短暂改善,随着控制器负载再次变化,不稳定性又会回来。
  • 过程变量趋势相对于已知的过程速度看起来呈阶梯状或异常稀疏。

对常见误区的有用修正

混叠与普通的电气噪声不同。噪声是不需要的信号内容。混叠是控制器采样信号太慢时产生的采样伪影。滤波可能有助于消除噪声,但它不能废除采样理论。

如何在 OLLA Lab 中安全地模拟 PID 混叠?

实际工厂不是故意制造定时故障的地方。故意使连接到压力、流量、温度或化学加药设备的控制器过载,不是一种严肃的验证方法。

这就是 OLLA Lab 在操作上变得有用的地方。

在 OLLA Lab 中,工程师可以构建梯形图逻辑,在仿真中运行它,观察实时 I/O 和变量状态,并在改变虚拟 PLC 执行速度的同时根据数字孪生场景验证行为。在扫描时间混叠工作流中,物理仿真保持高保真度,而用户有意限制控制器扫描间隔,以观察控制质量何时下降。

扫描时间滑块的作用

扫描时间滑块(Scan Time Slider)最好被理解为一种用于定时假设的受控故障注入工具。它允许用户:

  • 保持过程动态不变,
  • 保持调优常数不变,
  • 改变虚拟 PLC 扫描时间,
  • 观察采样表示何时偏离仿真过程,
  • 比较在退化定时下的梯形图状态、I/O 状态和设备响应。

这是一个有界的产物声明,而不是普遍的声明。OLLA Lab 不认证现场能力,也不取代现场调试。它提供了一个风险受控的环境,用于排练那些在实际设备上进行可能昂贵或不安全的、高风险的验证任务。

操作定义:数字孪生验证

在这种背景下,数字孪生验证意味着针对逼真的仿真设备模型测试控制逻辑,同时观察在正常和故障条件下,指令控制动作、I/O 转换和过程状态变化是否保持因果一致性。

如何在 OLLA Lab 中运行扫描时间混叠测试?

有用的混叠练习应该将定时作为自变量进行隔离。如果调优、过程模型和扰动曲线同时改变,结果将变成轶事而非诊断。

推荐的测试顺序

  • 过程变量趋势,
  • 控制变量响应,
  • 微分尖峰,
  • 积分累积,
  • 执行器抖动或饱和,
  • 设备状态与控制器预期之间的不匹配。
  1. 选择一个快速响应的过程场景。 压力、流量或低惯性热回路比缓慢的储罐液位示例更能说明问题。
  2. 构建或加载 PID 梯形图逻辑。 在所有运行中保持控制结构固定。
  3. 定义基准条件。 从快速扫描时间(如 5 ms 或 10 ms)开始,并记录稳定行为。
  4. 注入可重复的扰动。 每次运行使用相同的设定点阶跃、负载变化或过程扰动。
  5. 逐步增加扫描时间。 从 10 ms 增加到 20 ms、50 ms、100 ms 及以上,同时保持其他条件不变。
  6. 观察并记录以下内容:
  7. 如果练习设计中可用,将回路移动到周期性任务模型中。 比较可变扫描行为与确定性执行。

你应该寻找什么?

寻找控制器停止忠实呈现过程的点。该阈值可能表现为:

  • 扰动识别延迟,
  • 虚假的低频振荡,
  • 不稳定的微分输出,
  • 在较快扫描中不存在的超调,
  • 在相同运行之间变得不一致的恢复行为。

有用的教训不是“慢总是坏的”。有用的教训是哪些过程动态需要哪种执行准则

对于此类控制工作,“仿真就绪(Simulation-Ready)”意味着什么?

“仿真就绪”不应仅仅意味着熟悉梯形图编辑器。

在操作上,一名仿真就绪的工程师能够:

  • 在部署前证明“正确”的含义,
  • 同时观察过程和控制器状态,
  • 诊断与定时相关的故障模式,
  • 在不丢失因果可追溯性的情况下注入故障,
  • 根据证据修改逻辑,
  • 展示为什么修改后的逻辑更稳健。

对于 PID 工作,仿真就绪的行为包括验证:

  • 回路定时假设是明确的,
  • 扫描速率适合过程动态,
  • 微分作用没有被用于欠采样数据,
  • 在确定性很重要的地方使用了周期性任务调度,
  • 当定时退化时,故障响应保持连贯。

你应该提供什么工程证据,而不是截图库?

一个可靠的控制组合是一系列紧凑的工程证据,而不是一个没有论据的精美趋势文件夹。

使用此结构:

  1. 系统描述 定义过程、执行器、传感器、任务速率和控制目标。
  2. 正确的操作定义 说明可衡量的验收标准:稳定时间、超调、稳态误差、执行器限制、报警行为和故障响应。
  3. 梯形图逻辑和仿真设备状态 展示控制逻辑及其旨在治理的仿真机器或过程行为。
  4. 注入的故障案例 记录引入的定时故障、扰动、传感器异常或 CPU 负载条件。
  5. 所做的修订 解释更改的内容:任务调度、滤波、增益调整、抗积分饱和逻辑、微分处理或联锁行为。
  6. 经验教训 说明故障揭示了什么,以及现在遵循什么设计规则。

这种格式比截图库更强大,因为它保留了因果关系。

哪些标准和文献支持这种采样和确定性控制的观点?

采样率与信号保真度之间的关系是数字控制理论的基础,而不是特定于产品的想法。奈奎斯特-香农采样仍然是理解采样系统中混叠的相关数学基础。

IEC 61131-3 提供了编程和任务结构框架,在其中实现了 PLC 执行定时。对于安全相关和高后果应用,确定性行为、验证和有界故障响应的更广泛学科与 IEC 61508 及相关功能安全实践中的工程期望一致。这些标准并没有简化为“快速运行 PID”,但它们确实强化了一个更大的观点:定时假设必须是明确的、合理的且经过验证的。

基于仿真的验证在工业和控制文献中也得到了很好的支持,特别是在现场系统测试受到安全、成本或操作连续性限制的情况下。所需的精确保真度取决于任务。对于定时敏感的回路行为,只有当仿真保留了过程变化、控制器执行和输出响应之间的因果关系时,它才变得有用。

结论

PID 混叠在成为调优失败之前,首先是采样失败。如果 PLC 对过程的采样速度不够快,控制器就是在以毫无根据的自信解决错误的问题。

实际的补救措施同样明确:

  • 使扫描速率与过程动态相匹配,
  • 避免将快速 PID 回路置于变时连续扫描中,
  • 使用确定性的周期性任务调度,
  • 在接触实际设备之前,在仿真中验证定时假设。

OLLA Lab 作为一个有界的验证环境融入了该工作流。它允许工程师排练实际工厂最不愿为教育目的捐献的部分:受控故障。

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 2026-03-23 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.
|