4. 过程建模与辨识
先进过程控制（APC）的投运质量，首先取决于模型是否“像”真实过程。无论是模型预测控制、软测量还是自适应整定，控制器内部都依赖一个可计算的过程模型。建模与辨识的任务，就是把工艺知识、现场数据和运行约束转化为可用于预测的数学描述。本章围绕机理建模、数据驱动建模、阶跃响应辨识、子空间辨识和模型验证五条主线展开，帮助读者建立从“认识过程”到“验证模型”的完整工程路径。
一、核心原理：两条建模路线与一个闭环
过程建模通常有两条互补路线。机理建模从质量、能量、动量守恒出发，结合反应动力学、传热传质和物料平衡，推导出微分方程或状态空间形式。它的优点是外推能力强、参数有物理意义，适合理解过程本质；缺点是复杂工业对象往往存在未建模动态、分布参数和时变特性，纯机理模型难以直接用于控制器设计。
数据驱动建模则把过程视为“黑箱”或“灰箱”，通过激励信号和响应数据估计模型参数。它不要求完全掌握内部机理，但要求数据包含足够的信息量，且工况覆盖控制器关心的运行区间。工程上更常见的做法是“机理定结构、数据定参数”：用机理分析确定模型阶次、增益方向和主要时间常数，再用辨识方法估计具体数值。
二、方法流程：从实验设计到模型交付
一个规范的辨识项目通常包含以下步骤：
- 明确建模目标：确定模型用途（预测、控制、监测）、输入输出变量、工作点和精度要求。
- 机理分析：梳理主要物料流、能量流和关键变量，判断过程增益方向、积分特性、纯滞后和主导时间常数。
- 实验设计：选择阶跃、伪随机二进制序列（PRBS）、多正弦或分段激励，确定幅值、周期、采样周期和持续时间。
- 数据采集与预处理：剔除异常值、补缺、去趋势、滤波，检查信噪比和激励充分性。
- 模型结构选择：根据先验知识选择一阶加纯滞后、二阶加纯滞后、状态空间或子空间模型。
- 参数估计：采用最小二乘、预测误差法、子空间辨识或极大似然法求解。
- 模型验证：用独立数据集检验拟合度、残差白度和交叉验证误差。
- 模型交付：输出增益、时间常数、纯滞后、不确定度和适用范围，供控制器整定使用。
其中，实验设计决定了辨识精度的上限。若激励幅值过小，信噪比不足；幅值过大，则可能触发非线性或安全联锁。采样周期一般取主导时间常数的十分之一到二十分之一，纯滞后较大时还需适当加密采样。
三、阶跃响应辨识：工程中最常用的“快照”
阶跃响应辨识通过给过程施加一次或多次阶跃输入，记录输出变化曲线，再拟合出一阶加纯滞后（FOPDT）或二阶加纯滞后（SOPDT）模型。它直观、易实施，特别适合现场工程师快速获取控制器整定所需模型。
典型 FOPDT 模型形式为：
G(s) = K * exp(-θs) / (τs + 1)
K : 过程增益
τ : 时间常数
θ : 纯滞后时间辨识时，常用“两点法”或“切线法”从阶跃响应曲线上提取参数：增益由稳态输出变化量除以输入阶跃幅值得到；时间常数可由输出达到稳态值 63.2% 的时间点估计；纯滞后由响应起始点到明显变化点的时间差估计。对于存在噪声的现场数据，建议采用最小二乘拟合整条曲线，而不是只取两个点。
四、子空间辨识：多变量系统的“数据窗口”
当对象是多输入多输出（MIMO）系统时，逐回路阶跃试验耗时长且相互干扰。子空间辨识方法（如 N4SID、MOESP、CVA）直接利用输入输出数据矩阵，通过投影、奇异值分解和最小二乘，估计状态空间模型：
x(k+1) = A x(k) + B u(k) + w(k)
y(k) = C x(k) + D u(k) + v(k)子空间方法不需要预先指定模型阶次，可通过奇异值“拐点”判断系统阶数，适合多变量、开环或闭环数据。工程应用时要注意：数据长度应足够覆盖主要动态；输入信号需持续激励；闭环辨识需采用闭环子空间算法或额外激励，否则可能产生偏差。
五、模型验证：让模型“上考场”
模型验证是辨识流程中最容易被忽视、却最影响投运效果的环节。常用验证手段包括：
| 验证方法 | 关注指标 | 工程判断 |
|---|---|---|
| 拟合度检验 | FIT、R²、均方根误差 | 训练集和验证集误差接近，且 FIT 通常大于 70% |
| 残差分析 | 残差自相关、与输入互相关 | 残差应接近白噪声，无未建模动态 |
| 交叉验证 | 独立数据集预测误差 | 避免过拟合，验证集误差不应显著恶化 |
| 物理合理性 | 增益符号、时间常数、纯滞后 | 与工艺机理一致，量级合理 |
| 闭环仿真 | 控制器响应、鲁棒性 | 在设定值阶跃和扰动下无持续振荡 |
若验证不通过，常见原因包括：激励不充分、数据含未检测扰动、模型阶次过低、纯滞后估计错误、工况漂移或阀门非线性。此时应优先补充实验或重新选择结构，而不是反复调整控制器参数来“掩盖”模型缺陷。
六、案例与复盘：一个温度回路的辨识过程
某反应器夹套温度回路需要建立预测模型。工艺分析表明：蒸汽阀开度增加，夹套温度上升，过程增益为正；由于传热惯性和管道输送，存在约 40 秒纯滞后；主导时间常数约 180 秒。现场先做 5% 阀位阶跃，采样周期 5 秒，记录 30 分钟数据。
初步拟合得到 FOPDT 模型：K=1.8 ℃/%，τ=165 s，θ=42 s。但验证集 FIT 仅 58%，残差存在明显低频波动。复盘发现：试验期间环境温度下降，夹套散热增加，导致输出缓慢漂移。去除趋势并重新拟合后，τ=178 s，θ=40 s，验证集 FIT 提升到 82%。进一步用子空间辨识建立二阶状态空间模型，交叉验证误差下降约 20%，最终用于模型预测控制投运。
七、本节小结
机理建模提供结构和物理约束，数据驱动建模提供参数和修正能力；阶跃响应辨识适合快速获取单回路模型，子空间辨识适合多变量系统；模型验证则决定模型能否真正进入控制器。工程实践中，应把建模与辨识视为一个持续迭代的闭环过程，而不是一次性交付的文档。只有模型在独立数据上通过验证，并在闭环仿真中表现稳定，才具备投运条件。