状态变量描述了过程内部发生的情况，而输出变量描述了过程可供测量或使用的部分。 在中试装置中，内部液体持液量、温度、压力和组成可能决定了设备的完整动态状态，但通常只有一小部分——例如产品组成、出口流量或容器液位——会被测量和控制。这种差异迫使控制设计人员通过传感器、输入-输出模型或状态估计器，将内部状态空间模型与可测量的输出连接起来。
核心挑战在于，预测过程行为所需的变量往往不是控制系统直接测量的变量。 因此，中试装置的控制必须围绕过程状态以及测量输出的质量、可用性和动态特性进行设计。
为什么状态变量和输出变量不同
状态变量捕捉完整的动态条件
状态变量是确定过程在已知未来输入和扰动的情况下将如何演变所需的内部量。
对于多级分离过程，示例包括每一级的液体持液量和组成：
[ M_1,\ldots,M_N ]
以及
[ x_1,\ldots,x_N ]
这些变量包含有关装置内部存储的物料及其组成的信息。即使无法直接观察，它们也会影响未来的响应。
输出变量是选定的过程结果
输出变量是为观察、性能评估或控制而选择的量。它可以是内部测量值（如反应器温度），也可以是离开装置的流股变量（如馏出物组成 $x_D$ 或馏出物流量 $F_D$）。
因此，输出并不一定等同于出口变量。它更准确地被理解为过程的一种测量结果或选定结果。
输出通常是状态和输入的函数
在简化的状态空间表示中：
[ \dot{x}=f(x,u,d) ]
[ y=g(x,u,d) ]
其中：
- (x) 代表内部状态变量，
- (u) 代表操纵输入，
- (d) 代表扰动，
- (y) 代表测量或控制的输出。
输出 (y) 可能取决于内部状态 (x)、当前输入 (u) 和外部扰动 (d)。因此，仅了解输出可能无法唯一地揭示装置的全部内部状况。
为什么中试装置的状态远多于输出
物料分布在整个设备中
中试装置包含分布在储罐、塔板、填料、换热器、管道和反应器中的物料。每种物料存储都可能引入动态行为，如累积、混合、传输延迟或热存储。
一个多级塔可能具有许多级的组成和持液量，但只有少数实用的分析仪，例如进料组成测量和馏出物组成测量。
传感器的实际局限性
许多重要的状态难以连续测量。内部浓度、催化剂状况、停留时间分布和逐级组成可能需要实验室分析、专用仪器或间接推断。
中试装置还面临预算有限、设备尺寸小、采样限制以及可能引入延迟或测量噪声的传感器等问题。
过程具有隐藏的动态记忆
过程状态就像记忆一样。两个中试装置可能具有相同的当前出口流量和温度，但内部组成或持液量不同，导致它们对蒸汽、冷却水或进料速率的下一次变化做出不同的响应。
这就是为什么在启动、牌号切换或扰动期间，仅靠输出测量可能不足以实现可靠控制的原因。
这种差异如何改变控制设计
控制器调节的是输出，通常不是每一个内部状态
反馈控制器需要一个测量或估计的误差：
[ e=y_{\text{target}}-y_{\text{measured}} ]
然后它会调整操纵变量，如蒸汽流量、冷却水流量、回流、进料速率或阀门位置。
控制器可能会间接影响许多内部状态，但它通常只调节选定的输出。例如，操纵再沸器蒸汽可能会改变内部塔板温度和组成，而控制目标是馏出物纯度。
状态空间模型必须与仪表连接
动态模型可能包含数十个状态方程，而自动化系统仅接收几个传感器信号。因此，设计人员必须确定可用测量值与内部模型之间的关系。
这可以通过以下方式实现：
- 将模型简化为输入-输出表示。
- 选择对可用输入具有足够响应的受控输出。
- 在未测量的动态对安全或质量产生关键影响的地方增加传感器。
- 使用状态估计来重建不可用的内部变量。
状态估计器填补测量空白
状态估计器将过程模型与可用测量值相结合，以估计未测量的状态。
例如，测量的温度、压力、流量和组成数据可以与物料和能量平衡相结合，以估计内部浓度或持液量。这些估计值随后可以支持监督控制、约束处理或预测控制。
估计不等同于直接测量。其准确性取决于模型质量、传感器校准、过程扰动以及可用测量值是否使相关状态可观测。
控制设计必须考虑可观测性
只有当状态的影响可以通过可用测量值（直接或通过模型）推断出来时，该状态对于控制才有效。
如果重要的内部状态对测量输出的影响很小或有延迟，控制器可能会反应缓慢或错误。因此，中试装置设计应评估所提出的传感器组是否能揭示对控制目标至关重要的过程行为。
必须区分输入、输出和状态
操纵变量是控制器的动作
操纵变量是操作员或控制器可以调整的输入。示例包括：
- 蒸汽阀位置。
- 冷却水流量。
- 回流流量。
- 进料流量。
- 搅拌器速度。
这些变量改变了内部状态的演变，并最终改变了测量输出。
扰动变量是不可控的输入
进料组成、环境温度、公用工程压力变化和上游流量波动可能会影响过程，而无法直接控制。
稳健的中试控制设计将这些扰动与操纵输入分开。否则，控制器可能会因为其无法阻止的变化而受到表扬或指责。
测量输出和未测量输出都相关
测量输出可从仪器获得，如容器液位或反应器温度。未测量输出（如实验室样品之间的产品纯度）必须进行估计或推断。
这种区别在中试装置中尤为重要，因为最重要的质量变量可能无法连续测量。
多变量效应使这种区别更加重要
一个操纵变量可以影响多个输出
中试装置通常是多变量系统。改变一个输入可能会影响多个输出，因为相同的内部状态会影响多个过程测量值。
对于双输入、双输出系统：
[ \begin{aligned} y_1(s)&=H_{11}(s)m_1(s)+H_{12}(s)m_2(s)\ y_2(s)&=H_{21}(s)m_1(s)+H_{22}(s)m_2(s) \end{aligned} ]
非对角项 (H_{12}) 和 (H_{21}) 代表回路交互。
交互作用可能导致振荡或控制不良
假设控制器改变 (m_1) 以校正 (y_1)，但同一动作也会改变 (y_2)。第二个控制器可能会对这种影响做出反应，并无意中再次干扰 (y_1)。
在中试装置中，如果回路在不考虑耦合的情况下独立整定，这种交互作用可能导致振荡、沉降缓慢、产品质量下降或不稳定。
配对和解耦可能是必要的
控制设计人员可以评估哪个操纵变量应该控制哪个输出。过程增益分析和相对增益阵列 (RGA) 分析等工具可以支持这种配对决策。
在交互作用强烈的地方，解耦或多变量控制可能比单独的单回路控制器更合适。
为什么中试装置数据需要谨慎对待
表观的状态-输出不匹配可能反映了瞬态
物料和能量平衡通常假设稳态，但收集数据时中试装置可能仍在填充、加热、排液或改变组成。
在装置达到稳态运行之前进行的测量可能会使输出看起来与输入不一致，即使动态平衡表现正确。
测量不确定性影响推断状态
流量计、分析仪器、密度转换和人工采样都会引入不确定性。温度变化会改变密度，因此使用不适当的密度将体积流量转换为质量流量可能会产生明显的平衡误差。
这些误差很重要，因为状态估计器和控制模型可能会将测量差异解释为真实的过程变化。
未测量的损耗和副作用可能很重要
泄漏、蒸发、进料杂质、副反应和未建模的持液量可能会在计算输出和观察输出之间产生差异。
中试控制设计不应假设每个差异都是由控制器性能引起的。在改变控制策略之前，必须进行仪器检查、重复测量和不确定性分析。
理解权衡
更多的传感器提高了可见性，但也增加了复杂性
额外的测量可以提高可观测性并减少对估计的依赖。然而，传感器增加了安装成本、校准要求、维护负担、故障模式和可能的信号延迟。
正确的目标不是测量一切。而是测量或估计对安全、可控性、产品质量和操作决策有实质影响的状态。
详细的模型提高了预测能力，但更难维护
高阶状态模型可以更准确地表示内部持液量和组成。它也可能难以识别、验证、整定，并利用不完美的中试数据可靠地执行。
更简单的输入-输出模型可能更容易实现，但在大幅度操作变化或隐藏的内部状态变得重要时，可能会失去准确性。
快速控制可能与缓慢的过程动态相冲突
比主导过程动态动作更快的控制器可能会对噪声或临时的测量变化做出反应，而不是对有意义的状态演变做出反应。
在选择控制回路速度时，中试控制器应考虑传输延迟、分析仪延迟、混合时间、热惯性和采样间隔。
当模型或测量值较弱时，状态估计可能会失败
估计器无法无限期地补偿不良传感器或不准确的模型。如果关键扰动未被测量，或者过程变化超出了模型的有效范围，估计状态可能会偏离现实。
因此，估计器的输出应针对偶尔的直接测量进行验证，并受到合理的操作限制保护。
如何将其应用于您的中试装置
实际的设计问题不仅仅是存在哪些变量，而是为了实现操作目标，必须测量、估计和控制哪些变量。
- 如果您的主要重点是产品质量： 选择与质量相关的输出，如组成或纯度，然后验证可用的操纵变量是否能以可接受的延迟和强度影响它们。
- 如果您的主要重点是安全： 优先考虑直接测量的变量，如压力、温度和液位，并添加独立于常规反馈控制器的保护限制。
- 如果您的主要重点是动态理解： 建立一个基于状态的模型，表示关键的持液量、温度和组成，然后在瞬态期间将其预测与测量输出进行比较。
- 如果您的主要重点是降低仪表成本： 使用较小的传感器组和经过验证的状态估计，同时认识到必须监控估计的不确定性。
- 如果您的主要重点是多变量性能： 在整定独立控制器之前识别回路交互，并考虑输入-输出配对或解耦。
- 如果您的主要重点是可靠的中试数据： 将真实的过程行为与瞬态操作、传感器不确定性、密度转换误差和未测量损耗区分开来。
一个设计良好的中试控制系统可以通过测量、模型或估计器，使内部过程状态足够可见，从而调节重要的输出。
总结表：
| 主题 | 关键见解 | 中试装置控制启示 |
|---|---|---|
| 状态变量 | 决定过程行为的内部持液量、温度、压力和组成 | 建模或估计它们以了解动态条件 |
| 输出变量 | 选定的测量值或过程结果，如液位、流量、温度或产品纯度 | 将它们用作控制和性能评估的反馈信号 |
| 操纵变量 | 可调节的输入，如蒸汽、回流、进料、冷却剂和搅拌器速度 | 选择能有效影响目标输出的输入 |
| 扰动 | 进料组成、公用工程、环境条件或上游流量的不可控变化 | 在稳健的控制和估计策略中考虑它们 |
| 状态估计 | 基于模型的未测量内部条件的重建 | 当直接测量昂贵或不切实际时提高可见性 |
| 可观测性 | 从可用测量值推断重要状态的能力 | 在实施前评估传感器位置和测量质量 |
| 多变量交互 | 一个输入可能通过共享的内部状态影响多个输出 | 使用过程增益分析、适当的回路配对、解耦或多变量控制 |
| 数据质量 | 瞬态、传感器不确定性、密度误差和未测量损耗可能扭曲结论 | 在重新整定控制系统前验证测量值和模型 |
需要一个将复杂的过程动态转化为可靠、可测量结果的中试装置吗？ 联系 LABPARK 讨论您的应用。LABPARK 提供用于化学工程、生物过程和生物技术以及环境和水处理应用的教育和职业单元操作中试装置。我们的系统帮助大学、研究机构和企业研究内部过程行为、评估控制策略、培训操作员，并通过实际测量、动态模型和可配置仪表开发可扩展的过程解决方案。告诉我们您的过程目标、所需输出、操作范围和首选的自动化水平，我们的团队可以帮助确定适合您教学、研究或工业开发需求的中试装置配置。
