3. 过程建模基础
在APC先进过程控制项目中，模型是控制器预测未来、优化操作的核心依据。没有可信的过程模型，MPC的“预测—优化—校正”机制就无从谈起。过程建模的任务，是用数学关系描述被控变量（CV）、操纵变量（MV）与扰动变量（DV）之间的动态与稳态关系。工程上主要有两条技术路线：机理建模与数据驱动建模，二者并非对立，而是常常互补使用。
一、机理建模与数据驱动建模的基本方法
机理建模从质量、能量、动量守恒以及化学反应动力学出发，建立微分方程或状态空间模型。它的优点是外推能力强、物理意义明确，适合新装置或缺乏历史数据的场景；缺点是复杂工业过程往往存在未知参数、分布参数和强非线性，精确机理模型难以获得，且计算量大，难以直接用于在线控制。
数据驱动建模则通过现场阶跃测试、脉冲测试或正常运行数据，辨识出输入输出之间的动态关系。APC项目中最常用的是线性黑箱模型，如有限脉冲响应（FIR）、有限阶跃响应（FSR）和传递函数模型。数据驱动模型直接反映实际装置行为，适合控制器在线计算，但依赖测试质量，外推能力有限。
二、阶跃响应与脉冲响应辨识
阶跃响应辨识是APC建模最常用的方法。对每个MV施加一次幅度合适的阶跃变化，保持其他变量稳定，记录CV的响应曲线，直到过程进入新的稳态。通过拟合响应曲线，可得到过程增益、时间常数和纯滞后。对于多变量系统，需要逐个变量测试，形成完整的动态矩阵。
脉冲响应辨识则施加一个短时脉冲，观察CV的响应。它与阶跃响应在数学上互为微分/积分关系。脉冲测试对生产扰动小，但信噪比低，对数据质量要求高。实际项目中，阶跃测试更常见，因为其响应清晰、易于辨识。
辨识过程中，测试信号设计至关重要。阶跃幅度应足够大以克服噪声，又不能过大导致非线性或产品质量超标。通常要求响应幅度达到正常操作范围的3%～10%，并保证测试期间其他变量稳定。测试时长应覆盖过程主要动态，一般取3～5倍主导时间常数。
三、模型验证与评估指标
辨识得到的模型必须经过验证，才能用于控制器设计。验证分为拟合度检验和交叉验证。拟合度检验用同一组数据比较模型预测与实际输出；交叉验证则用未参与辨识的数据检验模型泛化能力。
常用评估指标包括：
- 均方根误差 RMSE：衡量预测偏差的绝对大小，越小越好。
- 决定系数 R²：反映模型解释数据变异的能力，越接近1越好。
- 拟合度 FIT：MATLAB系统辨识工具箱常用指标，FIT = (1 - ||y - ŷ||/||y - mean(y)||) × 100%。
- 残差白噪声检验：残差应近似白噪声，若存在自相关说明模型结构或阶次不足。
- 稳态增益方向校验：增益符号必须与工艺机理一致，否则模型不可用。
| 评估指标 | 含义 | 合格参考 | 常见问题 |
|---|---|---|---|
| RMSE | 预测值与实际值偏差的均方根 | 小于CV量程的5% | 噪声大、模型阶次低 |
| R² | 模型解释数据变异的比例 | 大于0.85 | 测试激励不足 |
| FIT | 归一化拟合度 | 大于70% | 纯滞后估计偏差 |
| 残差自相关 | 残差是否含未建模动态 | 落在置信区间内 | 模型结构错误 |
| 增益方向 | 稳态增益符号与机理一致性 | 完全一致 | 变量配对错误 |
四、案例与常见误区复盘
某常减压装置常压塔顶温度控制项目中，初始模型采用一阶加纯滞后形式，FIT仅52%，控制器投运后振荡明显。复盘发现：测试期间塔顶回流量波动较大，辨识数据被扰动污染；同时纯滞后时间估计偏小，导致控制器增益过高。重新进行阶跃测试，延长稳定时间，并采用二阶加纯滞后模型后，FIT提升至83%，控制器投运平稳。
# 典型阶跃测试记录参数示例
变量: 塔顶回流量 MV-101
阶跃幅度: +5% (从45%到50%)
测试时长: 120 min
采样周期: 5 s
CV响应: 塔顶温度从 98.2℃ 升至 101.5℃
稳态增益: 0.66 ℃/%
纯滞后: 3.5 min
时间常数: 18 min
模型形式: FOPDT
FIT: 83.2%
RMSE: 0.42 ℃
过程建模是APC项目成败的第一道关口。机理建模提供结构指导，数据驱动建模提供动态参数，阶跃与脉冲响应辨识是获取模型的主要手段，而严格的验证与评估则是模型可信度的保障。只有把建模做扎实，后续的控制器设计、在线优化和性能监控才有可靠基础。