工业自动化中的 AI

文章指南

如何利用 PLC 中的 PWM 和抖动逻辑减少阀门静摩擦

即使在 PID 整定合理的情况下,阀门静摩擦(Stiction)也可能导致 PID 极限环振荡。本指南介绍了如何通过 PWM 或基于波形的抖动(Dither)来减少脱扣效应,以及如何在部署到工厂现场前,在 OLLA Lab 中安全地验证该逻辑。

直接回答

阀门静摩擦会导致 PID 极限环振荡,因为静摩擦会延迟阀门动作,直到控制量积累到足以克服摩擦力时才会突然释放。通常使用 PWM 或数学运算块生成的低幅值、高频抖动信号,可使执行机构保持微小运动,从而减少脱扣效应。OLLA Lab 允许在部署到工厂现场之前,安全地演练并观察该逻辑。

本文回答的问题

文章摘要

阀门静摩擦会导致 PID 极限环振荡,因为静摩擦会延迟阀门动作,直到控制量积累到足以克服摩擦力时才会突然释放。通常使用 PWM 或数学运算块生成的低幅值、高频抖动信号,可使执行机构保持微小运动,从而减少脱扣效应。OLLA Lab 允许在部署到工厂现场之前,安全地演练并观察该逻辑。

阀门静摩擦并非伪装的整定问题。它是一种机械非线性,即使在 PID 参数设置非常完美的情况下,它依然存在,并会导致控制回路出现问题。

在实际应用中,静摩擦会导致控制器输出不断增加,而阀门却拒绝动作;一旦超过脱扣力,阀门就会发生跳变。这种跳变会使过程变量超过目标值,导致控制回路重复上述模式。在 OLLA Lab 的过程控制环境中进行数字孪生验证时,在 2% 输出幅值下使用 50 Hz 三角波抖动,在高静摩擦阀门场景中将超调量降低了 18%,并抑制了未加抖动情况下观察到的持续极限环振荡。方法论:对同一阀门定位任务进行 n=12 次重复仿真,基准比较器为不带抖动的相同 PID 回路,时间窗口为 7 天内部验证周期。这是 Ampergon Vallis 的内部基准测试,而非通用的工厂性能声明。

一个有用的定义至关重要。可仿真并不意味着“能够绘制梯形图语法”。它意味着在控制逻辑应用于实际过程之前,能够证明、观察、诊断并强化该逻辑以应对真实的过程行为。语法是廉价的,但调试错误不是。

什么是阀门静摩擦,为什么它会导致 PID 极限环振荡?

阀门静摩擦是指启动阀门运动所需的力与维持其运动所需的力之间的差值。从摩擦学角度来看,静摩擦力大于动摩擦力,因此阀门会抵抗初始运动,而一旦发生脱扣,运动又过于容易。

这种不匹配会导致一种典型的控制模式。由于最终控制元件没有立即响应,PID 回路会持续积分误差。当执行机构最终脱扣时,积累的控制量会产生比预期更大的运动。过程变量发生超调,控制器反向调节,同样的序列在相反方向上重复。这是一种具有不良时序的机械死区。

PID 回路中的静摩擦循环

  • 停滞(Stall): 控制器输出发生变化,但由于尚未克服静摩擦力,阀杆或执行机构不动作。
  • 积分积累(Integral buildup): PID 回路(尤其是积分项)持续积累修正量。
  • 脱扣(Breakaway): 输出最终超过静摩擦阈值。
  • 超调(Overshoot): 由于动摩擦力低于脱扣阈值,阀门发生跳变。
  • 反向(Reversal): 控制器向相反方向进行修正。
  • 重复(Repeat): 回路进入持续或间歇性的极限环振荡。

这种行为在阀门诊断文献和控制实践中已有详细记录,包括 ISA 关于控制阀性能和非线性评估的指南。重要的区别很简单:糟糕的整定会使健康的阀门产生振荡,但静摩擦即使在整定良好的回路中也会导致振荡

如何识别静摩擦而不是普通的整定不良?

静摩擦通常会留下与激进整定不同的“指纹”。控制器输出通常呈斜坡或阶梯状变化,而阀门位置保持不变,一旦发生脱扣,阀门便会突然移动。

常见的指标包括:

  • 控制器输出呈现锯齿状或阶梯状模式
  • 阀门对微小的输出变化响应延迟
  • 尽管整定保守,但在设定值附近反复出现超调
  • 输出变化较大时行为改善,但在微小修正附近表现不佳
  • 开阀和关阀响应之间的不对称性

如果回路只有在强行推动阀门时才表现正常,那么阀门就在向你传达某种信息。

PWM 抖动信号如何将静摩擦转化为动摩擦?

抖动通过使执行机构保持持续的微小运动,减少了静摩擦的实际影响。其原理很简单:在主控制变量上叠加一个微小的高频振荡,使阀门机构不会进入静摩擦状态。

关键的区别在于宏观运动与微观运动。控制器可能希望阀门保持在 40% 开度附近,同时准备好随着过程条件的变化平稳移动到 41% 或 39.5%。如果没有抖动,阀门可能会卡在 40% 直到积累足够的力。有了抖动,阀杆或执行机构在工作点附近保持轻微运动,因此下一次指令变化将在动摩擦范围内发生,而无需克服从静止状态开始的静摩擦脱扣。

PWM 与抖动有什么关系?

PWM 是在 PLC 逻辑中创建受控振荡信号的一种实用方法。在某些架构中,工程师使用具有定义占空比的高频脉冲串;而在另一些架构中,他们通过数学方式生成三角波、方波或正弦波,并将其直接添加到模拟输出指令中。

具体的实现取决于执行机构、I/P 转换器、阀门定位器和输出硬件。这种限定很重要。抖动是控制目标,而 PWM 是一种可能的实现方法。

什么使抖动有效?

有效的抖动具有三个特性:

  • 低幅值: 必须足够大以克服静摩擦效应,但又要足够小,以免产生可见的过程振荡。
  • 高频率: 必须足够快,以产生微小运动,而不是缓慢的“狩猎”式运动。
  • 正确的位置: 必须在控制路径的正确点添加,通常是在计算出主 PID 输出后的最终控制信号上。

在实践中,幅值通常保持在较小范围内,通常为输出量程的低个位数百分比,频率的选择则取决于执行机构的机械特性和输出硬件的响应。没有适用于所有阀门的通用设置。

如何使用 OLLA 的数学运算块编写抖动发生器?

抖动逻辑的实现方式是:生成一个快速波形,将其缩放到安全幅值,并在最终模拟输出写入之前将其叠加到 PID 控制变量上。OLLA Lab 的梯形图逻辑环境和支持数学运算的工作流,使得无需在真实硬件上进行破坏性测试即可观察到该序列。

这就是 OLLA Lab 在操作层面发挥作用的地方。重点不在于抽象地教授数学运算块,而在于它让工程师能够在观察 I/O、变量和仿真设备行为的同时,演练一种高风险的输出调节技术。

第 1 步:为波形创建时基

使用快速重复的定时器或等效的时间累加器作为波形生成的基础。定时器周期决定了抖动信号的频率域。

在梯形图中,这通常意味着:

  • 自复位的 TON 或循环定时器
  • 归一化的累加器值
  • 可重复的扫描安全更新模式

目标不仅仅是让某物振荡,而是让它可预测地振荡。

第 2 步:计算波形

使用 OLLA 的数学运算块从时基生成周期函数。当需要平滑度时,正弦波很常见;而三角波通常更容易理解和整定。

典型选项包括:

  • `SIN` 用于平滑的周期波形
  • `COMPUTE` 逻辑用于生成三角波或锯齿波
  • 在硬件允许的情况下,用于方波式调制的条件数学运算

三角波通常是一个合理的教学选择,因为其斜率和幅值在仿真中更容易直观检查。

第 3 步:缩放波形幅值

使用乘法块将抖动幅值限制在 PID 输出周围的一个窄带内。仿真中的常见起始范围约为输出量程的 1% 到 3%,但这应针对具体的执行机构模型和过程灵敏度进行验证。

幅值缩放应该是明确的,而不是隐含的。这意味着:

  • 定义一个 `Dither_Amplitude_Setpoint`
  • 将原始波形乘以该值
  • 如果可能超过输出限制,则对最终结果进行限幅(Clamp)

一个悄悄将输出驱动到合法范围之外的抖动信号并不高级,它只是被掩盖得很差。

第 4 步:将抖动叠加到 PID 输出上

使用加法块将基础 PID 控制变量与缩放后的抖动信号组合。所得值即为指令模拟输出。

控制结构在概念上很简单:

  • `PID_CV` = 主控制器输出
  • `Dither_Scaled` = 低幅值周期信号
  • `Final_Output` = `PID_CV + Dither_Scaled`

这在保持主要控制目标的同时,调节了最终控制元件以应对静摩擦效应。

第 5 步:观察逻辑状态和设备响应

验证不仅需要观察梯形图是否导通。请结合使用 OLLA Lab 的变量面板和仿真设备行为。

观察:

  • PID 输出趋势
  • 抖动波形幅度
  • 最终模拟输出
  • 阀门位置响应
  • 过程变量稳定性
  • 是否存在极限环振荡

这种综合视图很重要,因为数学上优雅的信号在机械上可能是错误的。

逻辑示例

结构化文本 / 数学运算块逻辑:

`Dither_Angle := (Timer_Fast.ACC / Timer_Fast.PRE) 360.0;` `Dither_Raw := SIN(Dither_Angle);` `Dither_Scaled := Dither_Raw Dither_Amplitude_Setpoint;` `Final_Valve_Output := PID_1.CV + Dither_Scaled;`

_图片替代文本:OLLA Lab 变量面板和 3D 数字孪生的截图,显示了与高频抖动信号组合的 PID 控制变量,趋势行为表明静摩擦驱动的极限环振荡有所减少。_

为什么数字孪生验证对于高频 PWM 逻辑至关重要?

数字孪生验证至关重要,因为抖动是一种在纸面上看起来无害,但在硬件上可能代价高昂的技术。这种风险并非理论上的。错误的频率、过大的幅值或不良的输出调节可能会加速填料磨损、使电磁阀过载、激发机械共振,或者产生可见的过程振荡而不是抑制它。

这就是为什么这个主题很少在真实设备上进行适当教学的原因。工厂通常不会自愿提供生产阀门作为实验性输出调制的教学辅助工具。

在操作层面,这里的数字孪生验证意味着什么?

在此背景下,数字孪生验证意味着针对真实的机器或过程模型测试梯形图逻辑和输出调节行为,然后在部署到实际过程之前,比较指令状态、仿真设备响应和观察到的故障行为。

这个定义是操作性的,而非装饰性的。它包括:

  • 在仿真中运行控制逻辑
  • 注入真实的过程和执行机构行为
  • 观察阀门响应是否符合控制意图
  • 验证异常参数选择是否产生可见后果
  • 在进行任何现场下载之前修改逻辑

这是语法与可部署性之间的实际桥梁。

如果抖动实现得很糟糕,会出什么问题?

几种常见的失效模式:

  • 幅值过高: 阀门在设定值周围明显移动,产生过程噪声或磨损。
  • 频率过低: 抖动变成了二次振荡,而不是微小运动。
  • 频率对于硬件响应过高: 执行机构或输出级无法有意义地跟随指令。
  • 无输出限制: PID 加抖动的组合信号使模拟输出饱和。
  • 插入点错误: 抖动在前端以破坏控制器结构的方式添加,而不是调节最终指令。

这个教训的现场版本很简单:如果你不知道能量流向何处,就不要增加更多的能量。

工程师应如何将抖动验证记录为工程证据,而不是截图?

工程师应将抖动工作记录为一套紧凑的证据,展示系统行为、故障注入和修订逻辑。截图库只能证明软件存在,不能证明推理过程。

使用此结构:

  1. 系统描述 定义回路、执行机构类型、过程变量、控制目标以及抖动在信号路径中的插入位置。
  2. 正确的操作定义 以可衡量的术语说明成功的含义:减少超调、抑制极限环振荡、可接受的阀门行程、稳定的过程变量、无输出饱和。
  3. 梯形图逻辑和仿真设备状态 展示控制逻辑、变量状态以及相应的仿真阀门或过程响应。
  4. 注入的故障案例 故意测试错误的幅值、错误的频率、遗漏输出限幅或执行机构滞后条件。
  5. 所做的修订 记录更改:幅值降低、波形更改、增加限幅、定时器调整或插入点校正。
  6. 经验教训 总结测试在摩擦行为、控制器交互和部署限制方面所展示的内容。

这是严肃的审查者可以检查的证据类型。它也符合工业培训和数字验证文献中描述的基于仿真的调试实践的更广泛目的:不仅仅是运行代码,而是在正常和异常条件下证明行为。

应用抖动控制系统时,哪些标准和技术文献很重要?

没有单一的标准规定每个阀门必须使用一个确切的抖动值,因为阀门、执行机构和过程并不相同。相关的标准和文献定义了其周围的学科:功能安全边界、控制阀诊断、执行机构行为和基于模型的验证。

最相关的来源包括:

  • ISA 控制阀诊断指南,用于理解静摩擦、迟滞和已安装阀门的行为
  • IEC 61508,用于功能安全这一更广泛的学科,以及仿真在安全相关系统中能声明和不能声明的界限
  • exida 及相关功能安全实践,用于验证纪律以及仿真证明与现场鉴定之间的分离
  • IFAC 和过程控制文献,关于非线性最终控制元件行为和回路性能退化
  • 最新的数字孪生和仿真培训文献,关于基于模型的演练在减少调试不确定性方面的价值

必要的界限:OLLA Lab 可以支持演练、观察和逻辑强化。它认证安全功能,不取代现场验收测试,也不通过关联使回路符合 SIL 要求。仿真是一个试验场,而不是监管捷径。

OLLA Lab 如何支持 PWM 和抖动逻辑的安全演练?

OLLA Lab 通过在一个环境中结合基于 Web 的梯形图构建、仿真模式、变量可见性、支持数学运算的逻辑构建和 3D 数字孪生观察,来支持抖动演练。这使其非常适合练习工程师在真实资产上难以演练的精确序列:生成输出逻辑、监控 I/O、注入异常条件、比较设备响应并进行修订。

在这一有限的角色内,该平台适用于:

  • 使用定时器、比较器、数学函数和 PID 指令构建梯形图逻辑
  • 在没有物理硬件的情况下运行仿真逻辑
  • 监控变量、模拟值和输出行为
  • 针对真实场景行为和数字孪生模型验证逻辑
  • 在观察到故障或不稳定后练习调试式的修订

这就是该产品的正确框架。它是针对高风险控制任务的验证和演练环境。它不能替代工厂经验、仪表校准、维护检查或正式的合规工作。

结论

阀门静摩擦是一个机械问题,通常表现为控制问题。抖动之所以有效,是因为它改变了执行机构所见的摩擦状态,使最终控制元件保持微小运动,从而使 PID 回路不会被迫进入反复的脱扣和超调。

工程挑战不在于理解这句话,而在于安全地实现波形、将其正确放置在控制路径中,并验证它在不产生新失效模式的情况下改善了响应。这正是部署前从仿真中受益的那类工作。工厂最终仍拥有决定权,但最好不要带着草稿逻辑去现场。

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.
|