传统控制为什么越来越不好用了?
现在的流程制造业,早不是十年前只要出产品就行的时代了。原料价格涨得凶,产品毛利被压得越来越薄,差一个百分点的收率,一年就是几百万上千万的利润差。 传统PID控制,解决简单的单回路控制没问题。遇到多变量耦合、大滞后的工况,比如精馏塔、连续反应器、大型发酵罐,直接歇菜。 进料量变了,要半小时才能体现到产品质量上,等PID反应过来,已经出了好几吨不合格产品了。多个变量互相影响,你调了温度,压力又歪了,调了压力,纯度又不达标,现场工程师蹲在DCS屏幕前调三天,刚调好遇上换班,又乱了。
工业预测控制的核心逻辑,其实没那么玄乎
很多人一听名字就觉得,这是高大上的人工智能,是忽悠人的概念。不对。 工业预测控制从70年代诞生到现在,逻辑一直没变,核心就是三件事: 1. 基于现场数据搭一个过程预测模型,告诉你接下来几个小时,工况会怎么变 2. 把所有约束条件(设备不能超温超压、产品质量必须达标、能耗不能超标)都放进去,滚动计算最优的控制动作 3. 不断根据实际数据修正模型误差,保证预测准度 💡 说白了,它就是给原来的控制系统雇了一个24小时不睡觉的顶级操作专家,提前预判扰动,提前调整,比人工反应快几十倍,比PID的“事后救火”不知道高到哪里去了。 问:上工业预测控制需要换掉现有的DCS和PID吗?成本是不是很高? 答:完全不用换。工业预测控制基本都是在原有控制层之上加的一层优化层,相当于给你的老电脑装了个加速插件,只要现有仪表和DCS能正常传输数据,就能对接。早十年确实只有大型炼化厂玩得起,一套几百万,现在国内厂商做了标准化模块,中小型装置几十万就能落地,大部分项目18个月以内就能回本,根本不存在用不起的问题。
2024年工业预测控制落地的新趋势
