控制设计：从控制目标到控制系统设计

处理一个规范的系统或是子系统时，下面的步骤（稍显程序化，因为设计过程普遍都很复杂）在控制设计中比较常见。

首先，明确控制目标，这就意味着必须了解被控对象可以实现什么^[2]，也意味着我们已经有了合适的对象模型^[3]来进行控制设计。实际上，我们很可能既不知道怎样明确目标，也不知道怎样实现目标。稳妥的办法是重复之前做过的工作，然后继续探索还有什么地方可以取得进展。不过之前使用的设计规格很可能过于简单。而且，最好的设计并不存在，一般情况下在已有条件下获得进一步提高就已经足够了。

（1）模型

●明确控制目标。

●识别可用的输入、物理域和取值范围。至少可利用输入可以明显影响控制目标。否则就需要重新设计被控对象或是重新制定控制目标或是两者同时进行。

●识别可用的输出。保证所有的性能目标都可以通过测量来取得。如果不能，就需要质疑控制目标的有效性，或是增加传感器（直接传感器、软测量或虚拟传感器）。

●识别干扰。它们都是可测的么？模型是什么？

●识别参考信号。先验信息是什么？

●用所有可识别的信号获得被控过程（控制）模型。确定模型的可靠性。它的约束是什么？

应该考虑执行器尺寸、动态响应范围和性能，如果必要的话（当执行器的动态响应与对象的相似时）就应该作为被控对象组成部分（扩展部分）。传感器也是同样的，它们的动态范围、动态响应以及精度都必须与目标相配。同时，如果传感器有不可忽略的动态响应，这个响应就必须在控制设计开始之前被考虑进来。

在这个时候，被控过程，有可能是增加了传感器和执行器的，已经暂时确定下来。下面就可以得到描绘了所有相应变量的方框图，如图9-2a所示。对模型和信号不确定变量的描述可以让模型更完整。

我们现在就能够进行子系统的控制设计了。

（2）分析和设计

●选择适当的控制结构（前馈、反馈、前馈反馈组合、嵌套、分散控制）并完成一个如图9-3所示的方框图。选择信息图表，哪些测量与哪些输入相关是非常重要的。经验在这里起到关键作用（证实了被控对象输出对输入的敏感度，为配对信号提供依据）。所有输入都是可测量的，假设可能会带来极大的灵活性，但使问题过分简单化，同时也让设计变得十分复杂，尤其是对大规模的系统。实际上并没有简单方法可以实现信息结构的选择。此外，它们的数目也会随着输入和输出的数量增加呈指数增长。因此，在考虑所有可能结构之后选择最适合的一个是不切实际的。

●将控制目标转化为一系列适合所选择控制结构的目标。考虑到这个控制结构会明确每个控制子系统需要达成的目标，这样全部的努力结合起来才能实现整体目标。

●为每个子控制器和其相关联的控制目标选择合适控制算法，来满足子控制器的动态性能。(https://www.xing528.com)

●分析子系统性能，并验证是否实现设计目标。

这时，模型和控制算法也被选定了。最后一个阶段，我们可以评价测试结果来检验是否达到了设计预期。

（3）执行和验证

●设计验证阶段首先通过仿真，然后使用硬件在回路技术进行实验。按照要求反复调整控制器参数。如果这一步失败了，检验设计性能指标然后重新分析设计，一般情况这意味着部分模型或假设是不恰当的。这一步通常需要从上到下的方法。

●确定控制器实现。数字控制器需选择硬件和软件来实现控制需求。有很多商业软件包可以将仿真软件设计的控制算法编译进微控制器和软件可编程硬件解决方案，这使得这一步相对容易。通过仿真然后试验来验证控制器实现，同样使用自下向上的方法。

●综合：将控制、执行器和传感器在被控对象上实现并调试。

●在全工况内大范围改变实际操作条件来测试并评价控制系统性能。

●在各种可能出现的故障情况下测试评估被控系统。当安全非常重要时，安全因素就成了设计性能中必要的部分，且重要性明显优先于系统性能。

●完成调试，将被控系统交至最终用户并提供被控系统的持续监测。控制设计

总结起来，设计控制器需要：

1）从控制的角度了解被控过程。可以实现的什么，不能实现什么？明确控制要实现的目标，保证目标在被控过程（可接受的）性能之内。

2）选择控制结构并设计控制系统。

比较不同的结构并确定最终选择的控制器。

3）细致调节控制器参数。

实施、测试并证明方案的有效性。