3. 过程对象建模与动态特性分析

在先进控制与生产优化工程中，控制器能否发挥作用，首先取决于我们是否真正理解被控对象。过程对象建模的任务，就是用数学形式描述操纵变量（如阀门开度、变频器频率）变化后，被控变量（如温度、压力、液位、成分）如何随时间响应。没有可靠的模型，PID 参数整定、模型预测控制（MPC）的预测时域、前馈补偿都只能凭经验猜测。本节聚焦工程中最常用的三类模型——一阶、二阶和纯滞后，并说明如何利用现场阶跃测试数据完成辨识。

一、为什么用阶跃测试辨识模型

工业现场最方便、最安全的辨识手段是阶跃响应测试：在系统稳定运行时，将操纵变量一次性改变一个已知幅度（例如阀门开度从 40% 阶跃到 45%），同时记录被控变量的响应曲线。相比脉冲、伪随机序列等激励方式，阶跃测试对生产扰动小、数据易解释，且响应曲线本身就包含了增益、时间常数和滞后等关键信息。辨识的目标，就是从这条曲线上提取出能代表对象动态特性的模型参数。

二、三类典型模型及其参数含义

一阶模型（FOPDT）是最常见的近似形式，其传递函数为 G(s)=K·e^−θs/(τs+1)。其中 K 为过程增益，表示操纵变量变化 1% 时被控变量最终变化多少；τ 为时间常数，反映响应快慢；θ 为纯滞后时间，表示从施加阶跃到被控变量开始变化之间的延迟。一阶加纯滞后（FOPDT）模型覆盖了大量温度、液位、流量对象。

二阶模型（SOPDT）用于响应存在明显过阻尼或欠阻尼振荡的对象，如某些串级换热器、带惯性的压力系统。其传递函数为 G(s)=K·e^−θs/((τ₁s+1)(τ₂s+1))，两个时间常数分别对应快、慢两个惯性环节。当 τ₁ 与 τ₂ 接近时，响应会出现明显的 S 形上升；若系统欠阻尼，则需用阻尼比 ζ 和自然频率 ωₙ 描述。

纯滞后模型强调 θ 的影响。当 θ/τ 较大（例如大于 0.5）时，对象属于大滞后过程，常规 PID 很难稳定，需要 Smith 预估器或 MPC 处理。纯滞后本身不改变最终稳态值，但会严重压缩可用控制器增益。

三、从阶跃曲线提取参数的方法

以一段典型的温度对象阶跃测试为例：初始温度稳定在 120.0 ℃，将蒸汽阀开度从 40% 阶跃至 45%（Δu=5%），记录温度变化。假设约 8 s 后温度开始上升，最终稳定在 132.5 ℃，则稳态增益 K=(132.5−120.0)/5=2.5 ℃/%。从温度开始变化到达到稳态变化量 63.2%（即 120.0+0.632×12.5≈127.9 ℃）所经历的时间即为时间常数 τ。若该时刻出现在阶跃后约 30 s，则 τ≈30−8=22 s。于是得到 FOPDT 模型：G(s)=2.5·e^−8s/(22s+1)。

对于二阶对象，常用“两点法”：在响应曲线上取达到稳态变化量 28.3% 和 63.2% 的两个时刻 t₁、t₂，通过经验公式反推 τ₁、τ₂。也可用切线法：在响应曲线拐点处作切线，切线与时间轴交点确定等效滞后，与稳态值交点确定等效时间常数。工程上更推荐用最小二乘拟合，将离散采样数据代入模型结构，直接优化 K、τ、θ 使误差平方和最小。

四、模型验证与工程判断

辨识出模型后必须验证。常用做法是将模型预测输出与实际响应曲线叠加对比，计算拟合度 R² 或均方根误差。若 R² 低于 0.85，说明模型结构或参数不合适，应尝试二阶模型或调整滞后估计。另一个重要判断是 θ/τ 比值：当 θ/τ<0.2 时，对象滞后小，常规 PID 容易控制；当 0.2<θ/τ<0.5 时，需适当降低增益；当 θ/τ>0.5 时，属于大滞后对象，应考虑 Smith 预估或 MPC。

此外，还要检查增益方向与量纲。例如阀门开度增大使温度上升，则 K 为正；若冷却水阀开度增大使温度下降，则 K 为负。控制器正反作用必须与 K 的符号一致，否则闭环会发散。模型参数还应与工艺机理对照：时间常数是否与设备热惯性量级相符，滞后是否与物料传输时间一致。只有通过机理与数据的双重校验，模型才可用于控制器整定和优化。

五、建模成果示例

下表给出一份可直接用于控制器设计的模型记录表，字段覆盖辨识所需的关键信息，可作为现场测试后的交付成果。

需要强调，表中数值为教学示例，实际工程中必须用现场采集的真实数据重新计算。建模不是一次性的工作，当工况、负荷或设备状态发生显著变化时，应重新测试并更新模型参数，否则先进控制器的预测精度会逐渐下降。

掌握一阶、二阶和纯滞后模型的辨识方法，是后续 PID 整定、前馈设计和 MPC 建模的基础。现场阶跃测试配合参数提取与验证，能够把“感觉对象快慢”转化为可计算、可复现的模型，为先进控制与生产优化提供可靠起点。