如何通过阶跃变化仿真调整 PID 回路以实现抗扰控制

调整 PID 回路以实现抗扰控制，意味着优化控制器在突发持续负载变化后恢复过程变量的能力，而非仅仅关注其对设定值变化的跟踪效果。在 OLLA Lab 中，工程师可以注入可重复的阶跃扰动，观察恢复行为，并在不使现场设备面临不稳定风险的情况下修正比例（P）和积分（I）作用。

一个在设定值变化测试中表现良好的 PID 回路，在受到实际负载扰动时可能表现不佳。这种区别不仅是基础控制理论的一部分，也是常见的调试失败模式：将伺服性能误认为是调节性能。

在 OLLA Lab 最近的内部基准测试中，Ampergon Vallis 的工程师观察到，对一个以设定值跟踪为重点进行基准调整的模拟流量回路施加 40% 的阶跃扰动时，产生了 12 秒的恢复滞后和持续的控制输出饱和；在针对抗扰控制进行边界重调后，恢复时间缩短了 32%，同时将控制输出保持在模拟执行器的限制范围内。[方法论：在单个模拟流量回路任务上进行了 n=18 次重复扰动-恢复试验，与初始以设定值跟踪为重点的基准调整进行对比，测量于 2026 年 3 月的一个测试窗口内。] 这支持了“可重复仿真能够揭示并改善扰动恢复行为”这一结论。它并不支持关于所有过程、工厂或控制器实现中通用回路性能的任何更广泛的结论。

用 Ampergon Vallis 的运营术语来说，一名具备仿真能力的工程师不仅仅是能在逻辑中放置 PID 块的人。他们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应对现实过程干扰的人。

设定值跟踪（Setpoint tracking）和抗扰控制（Disturbance rejection）是不同的控制目标，即使同一个 PID 回路同时处理这两者。

• 设定值跟踪（伺服控制）： 衡量过程变量对指令设定值变化的跟踪效果。
• 示例：操作员将温度目标从 150°F 更改为 170°F。
• 抗扰控制（调节控制）： 衡量当外部负载将过程变量推离设定值时，回路将其保持在现有设定值的能力。
• 示例：在温度设定值保持不变的情况下，冷流体进入加热罐。

这种区别至关重要，因为在设定值测试中看起来非常出色的调整，在负载干扰期间可能表现平平。一个回路可能看起来响应迅速，但在实际影响生产的扰动下恢复速度却过慢。

在经典反馈理论中，伺服响应和调节响应由同一个控制器塑造，但针对不同的输入进行评估。对于许多实际回路（特别是流量、压力和温度服务），针对一个目标进行调整往往会牺牲另一个目标。更快的抗扰控制通常意味着更激进的比例或积分作用，这可能会增加设定值变化期间的超调量或输出波动。

阶跃扰动是过程负载的一种突然、持续的变化，它会使过程变量偏离设定值，直到控制器进行补偿。

在操作层面，这意味着该扰动不是噪声、漂移或短暂的尖峰。它是一种发生后持续存在的突变。在控制分析中，这通常由单位阶跃函数（Heaviside step function）表示：扰动幅度从一个水平几乎瞬时地变为另一个水平，然后保持不变。

示例包括：

• 二次泵启动导致总管压力下降
• 下游阀门打开导致流量需求增加
• 冷物料进入温度受控的容器
• 流量流出增加而液位设定值保持不变

阶跃扰动之所以重要，是因为它测试的是回路恢复平衡的能力，而不仅仅是反应能力。噪声通常可以通过滤波去除，而真实的负载变化无法通过信号处理消除。

在 OLLA Lab 中，可以通过仿真工具和模拟场景行为以受控方式诱发此类干扰，从而针对相同的扰动曲线进行重复测试。

比例作用和积分作用在抗扰控制中承担了大部分实际工作，而微分作用则取决于过程，通常更具选择性地使用。

比例作用

比例作用提供对误差的即时反向响应。

• 当过程变量偏离设定值时，比例作用会根据误差大小直接改变控制输出。
• 在抗扰控制中，这是第一道制动力量。
• 比例作用过小会导致恢复迟缓。
• 比例作用过大可能导致振荡、输出抖动或过度的阀门动作。

比例作用通常能阻止初始偏差的扩大，但它本身并不总能消除稳态偏差。

积分作用

积分作用消除了在大多数实际扰动情况下仅靠比例作用无法消除的残余偏差。

• 它随时间累积误差。
• 它驱动控制输出，直到过程变量返回到精确的设定值。
• 对于持续的负载扰动，这通常是关键项。

如果积分作用太弱，回路会缓慢漂移回设定值或停留在稳态偏差上。如果积分作用太激进，回路会产生超调、震荡或在输出饱和期间发生积分饱和（Windup）。

微分作用

微分作用响应误差的变化率，在某些过程中可以改善阻尼。

• 在噪声较大的流量和压力回路中，它通常被禁用或最小化。
• 在较慢的温度回路或其他滞后主导的过程中，当预测性阻尼有帮助时，它可能很有用。
• 不当的微分实现会放大测量噪声，并使输出产生不必要的波动。

对于许多 PLC 应用，特别是仪表质量参差不齐的情况下，抗扰控制调整主要是一项 P 和 I 的练习。这不是通用规则，但却是常见的现场实践。

实用调整说明

对于自调节过程，通常使用 Lambda 调整和相关的 IMC（内模控制）风格方法来讨论抗扰调整。细节取决于过程增益、死区时间和时间常数，但基本原则是稳定的：根据实际控制目标和过程动态选择控制器设置，而不是基于“越快越好”的本能。

您可以通过将 PID 控制的过程变量绑定到模拟场景中，使回路达到稳态，然后施加突然的持续负载变化并测量恢复情况，从而在 OLLA Lab 中模拟阶跃扰动。

具体界面可能因场景而异，但工作流程非常直接。

分步工作流程

• 确认过程变量、设定值和控制输出标签。
• 如果适用，将 PID 指令绑定到模拟预设或场景变量，如罐液位、流量或温度。

• 将回路设置为自动模式。
• 保持固定的设定值，例如工程量程的 50%。
• 在引入任何扰动之前，让模拟过程稳定下来。

• 将干扰施加在负载侧变量上，而不是设定值上。
• 示例包括流出需求、进料温度或下游压力需求。

• 使用仿真控件施加瞬时变化，例如流出量增加 20%。
• 保持扰动为持续状态，而非瞬时状态。

• 跟踪过程变量与设定值的偏差。
• 跟踪控制输出的变化，包括任何饱和情况。
• 监控稳定时间、超调量以及回路是否返回到零稳态误差。

• 如果回路明显太慢或太软，首先调整比例增益。
• 小心调整积分时间以减少残余偏差和恢复滞后。
• 每次更改后重新运行相同的扰动。

• 记录扰动幅度、调整值、峰值偏差、稳定时间和任何输出限制行为。

1. 打开变量面板并识别相关的模拟标签。
2. 建立稳定的运行条件。
3. 选择扰动点。
4. 注入阶跃变化。
5. 观察响应。
6. 一次修正一个参数族。
7. 将结果记录为工程证据。

这就是 OLLA Lab 具有操作价值的地方。它为工程师提供了一个重复相同干扰、比较修正方案并观察回路是真正变得更稳健还是仅仅变得更激进的场所。

PID 配置示例工件

结构化文本（Structured Text）/ PID 配置示例：

PID_TankLevel( EN := TRUE, PV := Analog_Input_Level, SP := 50.0, KP := 1.5, TI := 2000, TD := 0, CV => Analog_Output_Valve );

图片替代文本

OLLA Lab 趋势视图截图，显示 PID 回路对阶跃扰动的响应：设定值保持平坦，过程变量急剧下降，控制输出上升以进行补偿，随后在稳态附近趋于平稳。

您应该使用与过程行为相关的时间域恢复指标来衡量抗扰控制，而不是仅凭趋势看起来“不错”这种模糊的视觉印象。

有用的测量指标包括：

• 峰值偏差： 扰动后过程变量偏离设定值的最大距离
• 稳定时间： 过程变量返回并保持在定义的误差带内所需的时间
• 稳态偏差： 回路是否完全返回到设定值
• 控制输出峰值： 恢复期间控制器要求的最高输出
• 输出饱和持续时间： 执行器停留在极限位置的时间
• 振荡次数或阻尼质量： 回路在稳定前是否多次穿过设定值

“正确”的操作定义应该是明确的。例如：

• 过程变量在 8 秒内返回到设定值的 ±2% 以内
• 无持续振荡
• 控制输出在 1 秒以上的时间内不保持在 0% 或 100%
• 模拟过程中未触发任何报警或跳闸阈值

该定义之所以重要，是因为更好的调整是针对既定扰动的有界性能声明。

抗扰控制不良表现为恢复缓慢、恢复不稳定或机械上不切实际的输出需求。

恢复迟缓

扰动后过程变量返回速度过慢。

• 常见原因：比例作用太弱、积分作用太慢，或两者皆有
• 典型症状：回路最终恢复，但浪费了时间和生产余量

恢复振荡

过程变量超调并反复穿过设定值。

• 常见原因：比例增益过高、积分作用太激进或阻尼不足
• 典型症状：回路看起来很活跃，但实际上不稳定或接近不稳定

执行器饱和

控制输出达到极限并保持在那里。

• 常见原因：扰动超过了可用控制权限、激进的积分累积或反积分饱和（Anti-windup）处理不当
• 典型症状：恢复延迟，且在执行器脱离限位后出现超调

积分饱和行为

当输出饱和时，控制器继续累积积分作用。

• 典型症状：过程变量开始恢复后出现长时间的超调或反向迟缓
• 实际后果：即使过程开始回移，回路似乎也错过了退出点

过度的输出波动

回路恢复了，但代价是要求执行器进行不切实际或具有破坏性的动作。

• 常见原因：调整过于激进
• 实际后果：阀门磨损、下游条件不稳定或可维护性差

通过滥用最终控制元件而快速恢复的回路，并不一定调整得很好。

您应该通过保持设定值恒定、注入可重复的负载变化，并根据恢复指标而非设定值美观度来调整控制器行为，从而进行抗扰调整。

实用的顺序是：

• 使用保守的设置或适用于该过程类别的既定调整方法。
• 对于自调节过程，Lambda 风格的调整通常是一个可辩护的起点。

• 如果目标是调节性能，请勿在同一测试中混合设定值变化。

• 注意观察峰值偏差是否减小。
• 如果开始出现振荡或过度的输出波动，请停止增加。

• 注意观察返回设定值的改善情况。
• 如果超调或积分饱和行为变得明显，请停止增加。

• 这在具有明显滞后且噪声可控的较慢回路中更为常见。

• 改善了稳定时间但导致长期饱和的调整方案可能无法接受。

• 在一种扰动大小下获得一次干净的响应是有用的，但还不够。

1. 从稳定的基准开始。
2. 使用固定设定值和可重复扰动进行测试。
3. 如果恢复太慢，请小心增加比例作用。
4. 如果偏差持续存在或恢复仍然太慢，请小心加强积分作用。
5. 仅在过程动态证明其必要时才使用微分作用。
6. 检查执行器的现实性。
7. 在多种扰动幅度下进行复测。

扰动调整通常是通过严格的重复测试来改进的，而不是通过单一的大增益调整。

对于 PID 调整，“仿真就绪”意味着工程师可以在部署前根据现实的过程扰动验证回路行为，并能提供证据证明逻辑是正确的、有界的且具备故障感知能力。

在操作层面，这包括以下能力：

• 为给定的回路定义“正确”的含义
• 在仿真中保持过程处于稳态
• 注入现实的扰动，而不仅仅是改变设定值
• 同时观察过程变量、设定值和控制输出
• 检测饱和、积分饱和、振荡和恢复缓慢
• 修改调整方案并解释为什么该修改改善了行为
• 对比控制逻辑状态与模拟设备行为

这就是知道如何配置 PID 块与能够在调试期间捍卫其行为之间的区别。

工程师应将 PID 调整技能记录为一套紧凑的工程证据，将故障、修正和结果清晰地联系在一起。

请使用以下结构：

• 描述过程、回路目标、被控变量、测量变量和扰动源。

• 说明允许的峰值偏差、稳定时间、偏差容差和输出约束。

• 展示相关的 PID 指令、模拟标签、允许条件以及扰动前的模拟过程状态。

• 精确定义扰动：幅度、位置、时间和是否为持续扰动。

• 记录调整方案或反积分饱和方案的更改及其原因。

• 说明测试揭示了关于过程动态、执行器限制和调整权衡的哪些信息。

1. 系统描述
2. “正确”的操作定义
3. 梯形图逻辑和模拟设备状态
4. 注入的故障案例
5. 所做的修正
6. 经验教训

这套证据比没有上下文的趋势截图库更具说服力。

仿真是在实践抗扰控制方面的正确场所，因为该任务需要可重复的干扰、对比测试以及对在实际设备上进行演练既昂贵又不安全的故障模式进行观察。

OLLA Lab 在此定位为一个基于 Web 的交互式梯形图逻辑和数字孪生仿真器，工程师可以在其中：

• 在基于浏览器的编辑器中构建和修改梯形图逻辑
• 在没有物理硬件的情况下运行仿真逻辑
• 检查变量、I/O、模拟值和 PID 相关行为
• 完成现实的工业场景
• 对比控制逻辑与模拟设备响应
• 演练异常情况和调试风格的修正

这就是有界的价值主张。OLLA Lab 不认证能力、不授予功能安全资格，也不取代工厂程序下的现场调试。它提供了一个受控环境，用于练习现场操作中很少允许的精确重复。

在这种背景下，数字孪生有用的地方不在于它是一个时髦的标签，而在于它是一个验证支架：一个可以在部署前针对过程行为测试控制意图的基于模型的环境。验证的质量仍然取决于模型保真度、场景设计和工程判断。软件不能取代工程师。

- IEC 61508 功能安全概述 - exida 功能安全与自动化资源 - Åström & Hägglund, *Advanced PID Control* (ISA) - Skogestad (2003), PID 调整规则00062-8) - Tao et al. (2019), 工业中的数字孪生