自適應(yīng)?

西游記里最好看的打斗是孫悟空大戰(zhàn)二郎神那一段。孫悟空打不過就變，二郎神則是“敵變我變”，緊追不舍，最后把個無法無天的頑皮猴子擒拿歸案。用控制理論的觀點看，這“敵變我變”的本事就是自適應(yīng)控制控制器結(jié)構(gòu)根據(jù)被控過程的變化自動調(diào)整、自動優(yōu)化。?自適應(yīng)控制有兩個基本思路，一是所謂模型跟蹤控制，二是所謂自校正控制。模型跟蹤控制也叫模型參考控制，在概念上對人們并不陌生。毛主席那陣子，經(jīng)常樹立各種榜樣，目的就是要在黨發(fā)出號召時，普通人們比照榜樣的行為，盡量調(diào)整自己的行為，使我們的行為和榜樣的行為接近。這就是模型跟蹤控制的基本思路。模型跟蹤控制在航空和機(jī)電上用得比較多，在過程控制中很少使用。?

自校正控制的思路更接近人們對自適應(yīng)的理解。自校正控制是一個兩步走的過程，首先對被控過程作實時辨識，然后再辨識出來的模型的基礎(chǔ)，實時地重新構(gòu)造控制器。思路簡單明了，實施也不算復(fù)雜，但自校正控制在一開始的歡呼后，并沒有在工業(yè)上取得大范圍的成功，原因何在呢？?

原因之一是閉環(huán)辨識。雖然自校正控制不斷改變控制器的參數(shù)，在一定程度上打破了固定增益反饋控制對輸入、輸出帶來的因果關(guān)系，但是因果關(guān)系還是存在，還是相當(dāng)強(qiáng)烈，對辨識模型的質(zhì)量帶來影響。?

原因之二是所謂“協(xié)方差爆炸”。數(shù)學(xué)上當(dāng)然有嚴(yán)格的說法，但簡單地說，就是自校正控制器的目的當(dāng)然還是使系統(tǒng)穩(wěn)定下來，但是在系統(tǒng)越來越穩(wěn)定的過程中，自校正控制器對偏差和擾動的敏感度越來越高，最后到“萬籟俱靜”的時候，敏感度在理論上可以達(dá)到無窮大，然而，這時如果真的擾動來了，控制器一下子就手足無措了。?

原因之三是實際過程的復(fù)雜性。在辨識實際過程時，最重要的步驟不是后面的“數(shù)學(xué)絞肉機(jī)”，而是對數(shù)據(jù)的篩選，必須把各種異常數(shù)據(jù)剔除出去，否則就是“垃圾進(jìn)來，垃圾出去”。但是，要實時、自動地剔除異常數(shù)據(jù)，這個要求非同小可，比設(shè)計、投運(yùn)一個自校正控制器費(fèi)事多了。這是自校正控制在實際中成功例子有限的最大原因。

模型預(yù)估控制?

自動控制從一開始就是以機(jī)電控制為主導(dǎo)的。60年代數(shù)學(xué)派主導(dǎo)了一段時間后，70年代化工派開始“小荷才露尖尖角”。自校正控制已經(jīng)有很多化工的影子，但化工派的正式入場之作是模型預(yù)估控制（modelpredictivecontrol，MPC）。這是一個總稱，其代表作是動態(tài)矩陣控制（dynamicmatrixcontrol，DMC）。DMC是CharlieCuttler的PhD論文，最先在殼牌石油公司獲得應(yīng)用，以后Cuttler自立門戶，創(chuàng)辦DMC公司，現(xiàn)在是AspenTechnology公司的一部分。?

數(shù)學(xué)控制理論非常優(yōu)美，放之四海而皆準(zhǔn)，但是像老虎一樣，看起來威猛，卻是干不得活的，干活畢竟靠老牛。DMC的成功之處在于應(yīng)用偽理論，將一些本來不相干的數(shù)學(xué)工具一鍋煮，給一頭老老實實的老牛披上一張絢爛的老虎皮，在把普羅大眾唬得一愣一愣的時候，悄悄地把活干了。?

DMC基本就是把非參數(shù)模型（在這里是截斷的階躍曲線）放入線性二次型最優(yōu)控制的架構(gòu)下，成功地解決了解決了多變量、滯后補(bǔ)償和約束控制問題。多變量的含義不言自明，滯后放在離散動態(tài)模型下也很容易實現(xiàn)預(yù)測，這也沒有什么稀奇。稀奇的是，DMC用“土辦法”解決了約束控制問題。所有實際控制問題的控制量都有極限。加速時，油門踩到底了，那就是極限，再要多一馬力也多不出來了。龐特里亞金的最大值原理在理論上可以處理約束控制問題，在實際上很難求出有用的解來，最速控制是一個特例。那DMC是怎么解決約束控制問題的呢？當(dāng)某個控制量達(dá)到極限時，這個控制量就固定在極限值上了，這就不再是變量，而是已知量，把已知量代進(jìn)去，將控制矩陣中相關(guān)的行和列抽掉，重新排列矩陣，剩余的接著求解。這也沒有什么稀奇。令人頭疼的是如何處理輸出約束的問題。DMC把線性規(guī)劃和控制問題結(jié)合起來，用線性規(guī)劃解決輸出約束的問題，同時解決了靜態(tài)最優(yōu)的問題，一石兩鳥，在工業(yè)界取得了極大的成功。自卡爾曼始，這是第一個大規(guī)模產(chǎn)品化的“現(xiàn)代控制技術(shù)”，Cuttler在DMC上賺了大錢了，在“高技術(shù)泡沫”破碎之前把公司賣給AspenTechnology，更是賺得缽滿盆溢。他女婿是一個醫(yī)生，也不行醫(yī)了，改行搞過程控制，跟著Cuttler干了。?

DMC的英明之初在于從實際需要入手，不拘泥于理論上的嚴(yán)格性、完整性，人參、麻黃、紅藥水、狗皮膏藥統(tǒng)統(tǒng)上，只要管用就行。在很長一段時間內(nèi)，DMC的穩(wěn)定性根本沒有辦法分析，但是它管用。搞實際的人容易理解DMC的歪道理，但搞理論的人對DMC很頭疼。

?DMC打開局面后，一時群雄蜂起，但塵埃落定之后，包括DMC，如今只有三家還在舞臺上。Honeywell的RMPCT（RobustMultivariablePredictiveControlTechnology）是一個中國同胞開創(chuàng)的，他的獨特之處在于引入“漏斗”概念。大部分控制問題都有一個特點：如果擾動當(dāng)前，有一點控制偏差是可以容忍的；但時間一長，控制偏差應(yīng)該消除。換句話說，這就像一個時間軸上對偏差的橫放的漏斗。這個概念對復(fù)雜過程的MPC參數(shù)整定非常有用，已經(jīng)在別的公司的產(chǎn)品上也出現(xiàn)了。?

第三家就是方興正艾的PavilionTechnology的Perfecter。美國公司有一個壞毛病，喜歡對好好的產(chǎn)品取一個不倫不類的名字，不過現(xiàn)在也改名了，規(guī)規(guī)矩矩叫controller了。Perfecter的特色是將神經(jīng)元技術(shù)（neuralnet）和MPC結(jié)合起來，所以可以有效地處理非線性過程。神經(jīng)元模型沒有什么神秘的，說穿了，就是具有某些特定復(fù)雜形式的回歸模型，但是比回歸模型更不適宜內(nèi)插和外推。DMC也號稱可以處理非線性，因為即使階躍響應(yīng)曲線拐上幾拐，DMC照樣囫圇吞棗，可以計算控制輸出來，這就是非參數(shù)模型的好處。但是問題在于DMC的結(jié)構(gòu)框架畢竟還是線性的，階躍響應(yīng)的概念根本不適合非線性過程，因為非線性響應(yīng)和輸入的絕對數(shù)值、相對變化甚至變化方向有關(guān)，甚至可以更復(fù)雜，所以所謂DMC可以處理非線性是放空炮。如果實際過程的非線性不強(qiáng)，根本可以忽略它；如果實際過程有很強(qiáng)的非線性，DMC肯定抓瞎。那么，Perfecter用了神經(jīng)元，是不是就所向披靡了呢？也不盡然。Perfecter繼承了DMC不問理論、唯實用是問的好傳統(tǒng)，但是Perfecter的基本骨架還是線性的MPC，只是用靜態(tài)的神經(jīng)元模型時不時地作一個線性化。Perfecter在理論上乏善可陳，在實用上還是管用的。?

前面說到PID在當(dāng)今過程控制中占至少85%，那MPC就要占14.5%了。

計算機(jī)控制系統(tǒng)?

計算機(jī)對自動控制的影響要是只局限在離散控制理論上，那也就不是計算機(jī)控制了。事實上，80年代以后新建的化工廠，基本都采用計算機(jī)控制。說是可以采用比PID更先進(jìn)的技術(shù)，實際上，絕大多數(shù)還是在用PID，加上順序控制，按部就班地執(zhí)行一系列動作。那計算機(jī)控制的好處到底在什么地方呢？?

過程控制的實際裝臵最初全是直接安裝在現(xiàn)場的，后來出現(xiàn)氣動單元儀表，可以把壓縮空氣的信號管線從現(xiàn)場拉到中心控制室，操作工可以在中控觀察、控制全廠了。電動單元儀表防爆問題解決后，中控的使用更加廣泛。操作工坐在儀表板前，對管轄工段的情況一目了然。但是隨著工廠的增大和過程的復(fù)雜，儀表板越來越長，一個大型化工廠隨隨便便就可以有上千個基本控制回路和上萬個各種監(jiān)控、報警點，儀表板非有幾百米長不可，這顯然是不可能的。生產(chǎn)過程的高度整合，使一兩個人控制整個工廠不光滿足削減人工的需要，也對減少通訊環(huán)節(jié)、綜合掌控全局有利。所以，計算機(jī)顯示屏就不光是酷，而是必須的了。另外，計算機(jī)控制使現(xiàn)場儀表（閥門、測量變送器等）的自檢成為可能，大大提高了系統(tǒng)的可靠性。于是，計算機(jī)控制就是不花沒人性了。

計算機(jī)控制從一開始的集中控制（用IBM的大型機(jī)）到現(xiàn)在的分散控制（所謂

DistributedControlSystem，DCS）走過一個螺旋形上升的過程。集中控制的要害在于風(fēng)險集中，要是大型機(jī)掛了，全廠都要失控。分散控制將全廠劃分為若干條條塊塊，用以微處理器為基礎(chǔ)的一個控制用局部網(wǎng)來分散控制，主要子系統(tǒng)都是實時冗余的，故障時在第一時間內(nèi)切換到備用系統(tǒng)，主系統(tǒng)和備用系統(tǒng)在平時定期互相自檢、切換，以保證可靠。分散控制顯然大大提高由于計算機(jī)本身引起的可靠性。但是現(xiàn)場儀表和接線終端（fieldterminalassembly，F(xiàn)TA）不是冗余的，整個可靠性鏈還是有漏洞。另外，控制局部網(wǎng)的同軸電纜長度有物理限制，F(xiàn)TA到DCS的長度也有物理限制，所以最后分散控制還是不怎么分散，全是集中在中控室附近或地下室里。不過DCS在地理上的集中，并不妨礙其在邏輯上的分散，只要不是一把火把DCS的機(jī)房燒掉，部件可靠性的問題還是可以很好地隔離在小范圍。?

既然DCS是一個局部網(wǎng)，那就有一個通信協(xié)議的問題。DCS基本上用兩大類型的通信協(xié)議：輪詢（polling，中文的準(zhǔn)確譯名是什么？）和中斷。輪詢由中心控制單元輪流查詢所有子系統(tǒng)，不管有沒有數(shù)據(jù)更新，到時候就來問一遍，所以不管什么時候，系統(tǒng)地通信流量都很高，但是恒定。中斷方式正好相反，子系統(tǒng)自己先檢查一下，如果數(shù)據(jù)沒有變化，就不上網(wǎng)更新；直到數(shù)據(jù)有變化，再上網(wǎng)“打一個招呼”。這個方式的平時通信流量較低，所以網(wǎng)路帶寬要求較低。但是生產(chǎn)過程發(fā)生異常時，大量警報數(shù)據(jù)蜂擁而來，如果帶寬不夠，就會發(fā)生通信阻塞的問題。所以，中斷和輪詢到最后對帶寬的要求是一樣的，因為誰也不能承擔(dān)生產(chǎn)過程異常時通信阻塞的后果。?

二十年前，Honeywell是第一個吃DCS這個螃蟹的公司，今天Honeywell仍然是行業(yè)里的老大，盡管其設(shè)備昂貴，被戲稱為Moneywell。當(dāng)年的DCS全是量身度造的硬件、軟件。今天在“開放系統(tǒng)”（openarchitecture）的大潮里，DCS的制造廠家都紛紛將控制臺和計算、網(wǎng)絡(luò)控制單元轉(zhuǎn)向通用的WINTEL或UNIX平臺，自己專注于工控專用裝臵（如基本控制裝臵，包括I/O）和系統(tǒng)的軟件整合。但是這帶來了新的問題。通用/商用硬件、軟件的可靠性常常不能滿足24小時、365天的連續(xù)運(yùn)轉(zhuǎn)要求。對于大多數(shù)IT來說，機(jī)子壞了，兩小時內(nèi)換上就是很快的了。系統(tǒng)需要維護(hù)，弄一個周末或者晚上停機(jī)維修就是了。但是對于生產(chǎn)過程來說，這是不可容忍的，不惜365天一天24小時可靠運(yùn)轉(zhuǎn)，很多乙烯廠、煉油廠要4、5年才有一次停車大修。開放結(jié)構(gòu)容許將DCS和經(jīng)營、管理、辦公網(wǎng)絡(luò)相連接，極大地提高了信息交流速度和深度、廣度，但也帶來了網(wǎng)絡(luò)安全問題，緊接著就是DCS前面豎起一道又一道的防火墻，把數(shù)據(jù)分享和遠(yuǎn)程操控壓縮到最低。另外就是WINTEL夜以繼日的不斷更新?lián)Q代，使硬件、軟件的穩(wěn)定性十分糟糕，沒有過多少時間，又要升級，又是頭疼。這是DCS的第二個螺旋形上升，只是現(xiàn)在還是盤旋多于上升。?

計算機(jī)控制的領(lǐng)地也在擴(kuò)大，類似USB那樣的技術(shù)也開始用于數(shù)字化的儀表。過去的儀表都必須把信號線拉到接線板（marshallingpanel）上，然后再連到FTA上，這樣同樣遠(yuǎn)在百把米外的10臺儀表，需要并行拉10條線，很浪費(fèi)。用了類似USB的現(xiàn)場總線（fieldbus），各個儀表可以“掛”在總線上，然后一根總線連到DCS就可以了，大大節(jié)約拉線費(fèi)用和時間，對系統(tǒng)（如加一個測量用的變送器或控制閥）的擴(kuò)展也極為方便?，F(xiàn)場總線也有現(xiàn)場總線的問題，不過這里就不多扯了。?

控制軟件

DCS的最大優(yōu)越性是可編程。這不是簡單的像PLC（programmablelogiccontroller，可編程序邏輯控制器，多用于機(jī)電控制）的梯級邏輯那樣編程，而是可以像C、FORTRAN那樣“正規(guī)”的編程。我沒有在IT干過，只能和學(xué)校里計算機(jī)語言課程和大作業(yè)的程序相比。DCS編程和平常的編程相比，還是有一些特點的。首先，DCS的程序?qū)儆凇霸偃搿笔?，也就是定時反復(fù)運(yùn)行的，而不是一次從頭到底運(yùn)行就完事的。所以DCS程序可以在運(yùn)行完畢時在內(nèi)存里存放數(shù)據(jù)，到下次運(yùn)行時再調(diào)用，形成所謂“遞歸”運(yùn)算。這既是優(yōu)點，也是缺點，要是別人在你兩次運(yùn)算中間把那個中間數(shù)據(jù)更改了，你就慘了，找債主都不容易。?DCS程序的特色是實時，所以其執(zhí)行非常取決于一系列事件在時間上的順序。時序上要是搞岔了，老母雞也就變鴨了。問題是，分散控制要求越分散越好，不光是可靠性，在系統(tǒng)資源的調(diào)度上，分散了也容易使系統(tǒng)的計算負(fù)荷均勻。這樣一來，一個應(yīng)用程序包常常將一個巨大的程序打散成很多小程序，各自的時序和銜接就要非常小心。?

和學(xué)術(shù)型控制計算程序最大的不同，或許還在于對異常情況的處理。一個多變量控制問題在實際上常常會有部分變量處于手動控制，而其余變量處于自動控制的情況。這在理論上是一個麻煩，在實際上是一個噩夢。不光要考慮所有的排列、組合，還要考慮所有情況平順的切入、切出，不同模式之間的切換。還有就是要考慮異常情況下如何安全、自動地退出自動控制，交還手動控制。有時操作規(guī)程上的一句話，程序?qū)憣懢褪且豁?。如果操作?guī)程上來一句“視情處理”，那就更慘了。在所有控制程序中，控制計算通常不超過30%，20%為人機(jī)接口功能，而50%為異常情況處理。

人機(jī)界面?

計算機(jī)控制不是因為更先進(jìn)、更有效的人機(jī)界面才開始的。從一開始，人機(jī)界面就面臨一個管中窺豹的問題。計算機(jī)的CRT顯屏只有這么大，不可能“一言以蔽之”，在一瞥之中把所有的過程信息盡收眼底。計算機(jī)可以不斷地?fù)Q屏，分段顯示其他裝臵、工段的信息，但是把所有的工段、裝臵分別用各自的畫幅表示，如果沒有有效的組織，找都不容易找到，就像在同一個目錄里雜亂無章地放上百把個文件一樣。分級的菜單是傳統(tǒng)的解決辦法，但是要逐級上去再逐級下來，很費(fèi)時間，情急之中，往往來不及更換。大鍵盤上shortcut鍵可以“一鍵調(diào)出”，但需要死記硬背，這可不是幾個、十幾個畫幅，而是上百個甚至更多。很長時間以來，如何有效地在畫幅之間導(dǎo)航，可以在最短時間和最少點擊內(nèi)，不需要死記硬背，就可以直觀地找到所需要的畫幅，一直是一個令人頭疼的問題。其實，這個問題在網(wǎng)頁設(shè)計里也碰到，一個內(nèi)容豐富的網(wǎng)站，要如何組織網(wǎng)頁，使用戶自然、迅速地找到自己需要的內(nèi)容，很不容易。所不同的是，工控的“網(wǎng)頁”需要保證在最短時間里找到，需要的時候找不到是要出大問題的。?

人機(jī)界面設(shè)計的另一個問題是色彩。還記得DOS2.0時代的WordStar嗎？那是黑底綠字的。那時候，CRT亮度不足，壽命也糟糕，黑底可以延長壽命，綠字可以增加反差，幫助閱讀，反正機(jī)房是暗暗的，黑底并不傷眼睛。到了WordPerfect5.0的時候，就是藍(lán)底白字了，字和背景之間的反差大大減小，藍(lán)底也比較適宜于在明亮的房間內(nèi)使用。到了Word的時代，沒有昏暗的機(jī)房了，基本上都用像紙上寫字一樣的白底黑字了，再用黑底綠字，太傷眼睛。?中控室計算機(jī)顯示也經(jīng)歷了類似的旅程。早期DCS的顯示都是黑底綠字的，到了用WINTEL或UNIX的時代，很多人出于習(xí)慣，仍然采用黑底綠字，但是現(xiàn)代人機(jī)工程研究表明，淺色背景大大減低眼睛的疲勞，在明亮室內(nèi)的燈光對屏幕的反光也小，所以控制室的顯示開始向淺灰背景進(jìn)化了。人機(jī)工程研究同時發(fā)現(xiàn)，色彩可以作為過程信息的一部分，天下太平的時候，應(yīng)該用最不顯眼的灰色，所有的圖形、數(shù)據(jù)都用不同深淺的灰色來表示，只有在過程參數(shù)越限或報警時，才采用彩色顯示，這樣可以一下子就把操作工的注意力吸引到需要的地方。但是，出于習(xí)慣思維，很多地方還是大量采用各種色彩表示不同的設(shè)備狀態(tài)和參數(shù)，即使是正常狀態(tài)也是一樣。這樣在平日里色彩繽紛很好看，但在異常情況時，不容易在萬馬軍中找到上將的首級，實際上是舍本逐末。?

顯示器的布臵也很有講究，少了當(dāng)然不行，也不是越多越好，一個操作工的視界的上下左右有一定的范圍，控制臺的色彩、構(gòu)造、照明都不能想當(dāng)然的。這不是助長修正主義，而是保持操作工最有效地控制生產(chǎn)過程的要求。

性能評估?

傳統(tǒng)上，如果操作工不抱怨，控制回路的性能就是可以接受的，除非你想精益求精，一般不會去沒事找事，重新整定參數(shù)。在對經(jīng)濟(jì)效益斤斤計較的今天，生產(chǎn)過程的工藝條件被推到極端，對控制性能提出極大的挑戰(zhàn)，控制回路必需時時、處處都在最優(yōu)狀態(tài)。隨著控制回路數(shù)的迅速增長，單靠人工觀察，已經(jīng)難于隨時掌握所有控制回路的性能狀況了。控制回路性能評估技術(shù)應(yīng)運(yùn)而生。?

理論上，對一個過程可以設(shè)計一個最優(yōu)控制，其中一種就叫最小方差控制。這其實是線性二次型最優(yōu)控制的一種，控制作用比較猛，但是這是理論上的極限，控制方差不可能再小了。90年代時，理論界提出一個方法，可以用閉環(huán)辨識的方法，不辨識模型，而是直接確定理論上的最小方差，然后將實際方差和理論上的最小方差相比，判別控制回路是否需要重新整定。這個方法開創(chuàng)了控制回路性能評估的先河，但是在實用上不容易排除不利影響，應(yīng)用不多。?

然而，不和理論上的最優(yōu)值比較，而是和實際上的理想值比較，就可以繞過很多麻煩的理論問題。比如說，流量回路應(yīng)該在1分鐘內(nèi)安定下來，那理想值就是1分鐘。通過快速富利葉變換和頻域分析，可以將理論性能和實際性能相比較，迅速確定回路的當(dāng)前性能狀況。最要緊的是，這可以用計算機(jī)自動采集數(shù)據(jù)，自動計算，每天早上（或隨便什么時候）給出報表，控制工程師可以一目了然，哪些回路需要重新整定，哪些沒有問題，可以有的放矢。實時頻域分析還可以將所有以相近頻率振蕩的回路羅列出來，接下來控制工程師就可以按圖索驥，找出害群之馬了。?

控制回路性能評估的下一步當(dāng)然就是自動整定。這實際上是一個簡化的、斷續(xù)運(yùn)行的自校正PID控制器，在理論上已經(jīng)沒有問題，但實用上還有很多可靠性問題沒有完全解決，現(xiàn)在產(chǎn)品不少，但實用的還是不多。

故障診斷和容錯系統(tǒng)?

對控制回路性能評估的更進(jìn)一步，當(dāng)然就是對生產(chǎn)過程的故障診斷了。故障就是異常情況，異常就是和正常不一樣。所以故障診斷的核心在于如何探測這“不一樣”。?

故障總是有蛛絲馬跡的，問題在于工業(yè)過程的數(shù)據(jù)量太大，在大海里撈針，等撈到的時候，常常已經(jīng)時過境遷了。在數(shù)據(jù)分析中，PLS（其實是PeojectiontoLatentStructure，而不是一般所認(rèn)為的PartialLeastSquare）和主元分析（PrincipalComponentAnalysis，PCA）是很流行的方法。PLS和PCA將眾多相關(guān)的變量歸攏到少數(shù)幾個“合成”的變量，這樣一個有大量變量的復(fù)雜大系統(tǒng)就可以簡化為一個小系統(tǒng)，就從大海撈針變?yōu)橥肜飺漆樍?。撈出來的針不再是單個的變量，而是變量的組合。這和實際是相符的，故障的早期征兆常常是若干變量的組合，而不能單從一兩個變量上看出來。?

PLS和PCA還可以和圖形方法結(jié)合起來使用。比如說，將那些合成變量標(biāo)稱化，就是除以正常值，那所有合成變量的標(biāo)稱值就是1。把所有變量畫成“蜘蛛圖”（spiderchart），每一個蜘蛛腳代表一個合成變量，由于合成變量的標(biāo)稱值都是1，蜘蛛圖就是大體為圓的。如果哪一個腳出現(xiàn)變化，蜘蛛就不圓了，非常容易看出異常來，接下來就可以有的放矢地尋找故障的早期跡象了。?

圖形數(shù)據(jù)分析的另一個路子是所謂co-linear分析。這是IBM早年琢磨出來的一個東西，理論上簡直沒有東西，但要求換一個思路，正所謂退一步海闊天空。平常的數(shù)據(jù)點，三維以上就沒法畫了。但是如果把三維空間的所有數(shù)軸畫成平行線，而不是常見的直角坐標(biāo)，那三維空間里的一個點，就是連接三根平行線的一根折線。如果僅此而已，那也就是一個簡單但愚蠢的數(shù)學(xué)游戲。平行坐標(biāo)系的妙處在于，平行線可以盡著畫，所以5維、20維、3千維，只要紙足夠大，都可以畫，而且可以看見，而不是只能想像。平行坐標(biāo)只有一個缺點，就是只能表述離散的點，而難以表述連續(xù)的線或面，但這對計算機(jī)采集的數(shù)據(jù)來說，不是問題，計算機(jī)采集的數(shù)據(jù)本來就是離散的點。這樣，用平行坐標(biāo)把大量的數(shù)據(jù)點畫成折線簇，可以很直觀地看出數(shù)據(jù)中的模式來，?

故障診斷的另一個思路是對整個過程進(jìn)行辨識。辨識出來的模型表述系統(tǒng)的行為，故障當(dāng)然就是行為的改變，所以將實時辨識出來的模型和正常模型相比較，就可以判斷系統(tǒng)是否出現(xiàn)異常或故障。

仿真?

計算機(jī)和模型的另一個用處就是仿真。仿真（simulation）也叫模擬，但是模擬容易和模擬電路（analogcircuit）搞混，所以現(xiàn)在叫仿真多了。只要對實際過程有一個足夠精確的模型，計算機(jī)是可以相當(dāng)精確地模仿實際系統(tǒng)的行為的。?

仿真有靜態(tài)仿真和動態(tài)仿真。靜態(tài)仿真基本上就是解一個巨大的非線性聯(lián)立方程組，描述空間分布的微分方程也被有限元方法分解了?，F(xiàn)代靜態(tài)仿真已經(jīng)可以做得相當(dāng)精確，但這也是在多年結(jié)合實際過程數(shù)據(jù)“磨合”模型的基礎(chǔ)上才能做到的。靜態(tài)仿真大量用于工藝設(shè)備設(shè)計計算，但是對研究實際過程的真實行為的作用有限，因為對整個生產(chǎn)過程和工藝的仿真要考慮進(jìn)各個設(shè)備動作的時間和控制回路的影響，這些靜態(tài)仿真是無法體現(xiàn)的。動態(tài)仿真要解同樣巨大的聯(lián)立微分方程組，由于要達(dá)到實時或更快，一般只能大大簡化，否則計算速度跟不上，收斂性也難以保證。希望有朝一日，動態(tài)仿真可以達(dá)到靜態(tài)仿真同等的精度，而不必?fù)?dān)心損失計算速度。?

仿真在工業(yè)上十分有用?，F(xiàn)代化工廠越來越穩(wěn)定，越來越安全，很多操作工一輩子也沒有遇到過真正危險的情況。但沒有遇到過不等于不會遇到，操作工必須接受足夠的訓(xùn)練，只有這樣，才能當(dāng)遇到危險情況時，首先能及時、正確地識別故障，然后才能及時、正確地作出反應(yīng)。這就要靠仿真訓(xùn)練了?，F(xiàn)代化工廠也在不斷地拓展工藝參數(shù)的極限，經(jīng)常需要做各種各樣的試驗。有了仿真，就可以預(yù)先驗證試驗的構(gòu)思，和驗證對緊急情況的處理。

仿真更是控制工程師的好幫手，新的控制回路先放到仿真上試一下，得出初始整定參數(shù)，驗證異常情況的處理能力，然后再放到真家伙上，可以避免很多不必要的驚訝。

RTO?

仿真的一個遠(yuǎn)親是實時最優(yōu)化。對于斤斤計較的現(xiàn)代制造業(yè)，實時最優(yōu)化當(dāng)然是求之不得的。實時最優(yōu)化就是把整個生產(chǎn)過程當(dāng)一個大的實時仿真來運(yùn)算，實時（實際上是每小時）計算出最優(yōu)工況。想法是好的，困難是多的。首先，那么大一個方程組收斂不容易，要劃成很多條條塊塊，分別求解，然后拼起來。問題就出在“拼”上，邊界條件碰不攏怎么辦？模型總是有相當(dāng)?shù)暮喕?，其中有些參?shù)必須和實際測量值符合，有些就沒有實際測量值對應(yīng)，就是“經(jīng)驗系數(shù)”（fudgefactor）了。這些經(jīng)驗系數(shù)就是承擔(dān)收拾爛賬的，邊界碰不攏，就調(diào)整經(jīng)驗系數(shù)，使他們對齊。問題是，好多時候，這一招也不靈，所以實時最優(yōu)化的喇叭吹得很響，真正用起來的很少，花了大錢最后放棄的也不在少數(shù)。

人的因素?

和打仗一樣，贏得戰(zhàn)斗的是武士，不是武器?？刂乒こ處熓强刂苹芈烦晒εc否的關(guān)鍵，而不是價值千金的計算機(jī)，或者“放之四海而皆準(zhǔn)”的數(shù)學(xué)控制理論。?

在加拿大，化工系的控制“專業(yè)”要選滿所有化工學(xué)分，然后再加選控制學(xué)分，所以要求比一般的化學(xué)工程師還要高一點。選滿化工學(xué)分是很重要的一點，如果沒有對化工的話語權(quán)，那化工控制也別混了，這一點是國內(nèi)（至少是三十多前我讀大學(xué)的時候）所欠缺的。這就像醫(yī)生一樣，只有對生理、病理有深刻的了解，對病人的具體情況有深刻的了解，才有可能可靠地判斷病情，才能可靠地開方治病。只會看單抓藥，這就不是醫(yī)生，而是藥劑師了。在實際中，控制工程師對工藝過程的動態(tài)行為的理解至少應(yīng)該和工藝工程師同等，和操作工相當(dāng)。事實上，很多時候，控制工程師的使命就是將工藝工程師和操作工的經(jīng)驗和知識具體化、自動化，如果你不能深刻理解，那如何實現(xiàn)呢？一個優(yōu)秀的控制工程師可以在操作工不在的時候，頂班操作；可以在工藝工程師不在的時候，做出工藝決定。?

但是控制工程師畢竟不是工藝工程師，也不是操作工?？刂乒こ處煈?yīng)該掌握前面說到的所有領(lǐng)域，從數(shù)學(xué)控制理論，到計算機(jī)網(wǎng)絡(luò)，到人機(jī)工程，到工藝和儀表知識。這個要求很高，但不是不切實際的。這些是攪這個瓷器活所必需的金剛鉆。這也是為什么現(xiàn)在加拿大工業(yè)界熱衷于招雇具有碩士學(xué)位的控制畢業(yè)生，因為本科的幾年已經(jīng)很難學(xué)習(xí)必須的知識了。至于博士，那還是有眼高手低的嫌疑，不過也開始改觀了。?

專業(yè)知識只是成功的一面，控制工程師必須善于與人打交道。工藝工程師比較好說，畢竟有類似的背景，但操作工是控制系統(tǒng)成敗的關(guān)鍵，如果無法取得操作工對你個人和你的控制系統(tǒng)的信任和合作，那控制系統(tǒng)很可能就是永久性地被關(guān)閉，操作工寧愿手工控制，出了問題還是因為控制系統(tǒng)不可靠，你就等著里外不是人吧。但是取得操作工的信任和合作后，事情會向相反的方向發(fā)展。操作工會主動向你提出改進(jìn)建議，或新的想法，主動找機(jī)會幫你試驗新的功能，主動拓展控制系統(tǒng)的性能極限。如果說顧客是上帝的話，操作工而不是部門主管才是控制工程師的上帝。?

控制工程師也要善于和頭兒打交道，畢竟搞項目、要錢的時候，還是要找頭兒的。打報告、作報告、項目控制和管理、和供應(yīng)商打交道，這些都是必備的技能。

工藝工程師也是工程師，但用軍隊的比方來說，他們?nèi)硕鄤荼?，更像常?guī)部隊，習(xí)慣大兵團(tuán)協(xié)同作戰(zhàn)?？刂乒こ處焺t像特種部隊，人數(shù)少，行止怪癖（至少對工藝的人來說，他們永遠(yuǎn)弄不明白控制的人到底在做什么，怎么做出來的），從規(guī)劃到實施到維修，全一手包辦。?控制理論的發(fā)展歷程就是一個尋找“放之四海而皆準(zhǔn)”的“神奇子彈”的歷程，終極目標(biāo)是可以用一個統(tǒng)一的數(shù)學(xué)控制工具去“套”任何一個具體的控制問題，而不必對具體過程的物理、化學(xué)等特性有深入的理解。控制理論的每一次重大進(jìn)展，都給人們帶來希望，“這一次終于找到了”。但每一次希望都帶來了新的失望，新方法、新工具解決了老問題，但帶來了新的局限，有的時候甚至轉(zhuǎn)了一圈兜回去了。新的局限往往比老問題更棘手，需要對過程的理解是更多而不是更少。矛和盾就是這么著在螺旋形上升中斗法。?

但是現(xiàn)實常常和人們的認(rèn)識背道而馳。在商業(yè)化的大潮中，推銷先進(jìn)控制算法的公司拍胸脯擔(dān)?？梢匀绾稳绾斡谩叭f能”的數(shù)學(xué)控制工具解決一切控制問題，那些絢爛的老虎皮也確實照得不明就里的人眼花繚亂，心旌飄蕩；公司的頭兒也一口吃進(jìn)，畢竟“技術(shù)萬能論”不僅在美軍中盛行，在北美的公司文化中也是大行其道。直到有一天，人們發(fā)現(xiàn)永動機(jī)依然是神話，人還是不能在水上步行，方才想起來，原來世上是沒有這等好事的。不過這是題外話了。