CN1449511A - 多变量矩阵处理控制 - Google Patents

Abstract

本发明提供一种用于计算机实现的一个处理装置的控制的方法，具有至少一个独立控制操纵的变量和响应于操纵的变量的至少一个控制的变量。控制方法使用一个坚固多变量控制器，经过使用一组至少两个模型，它定义量值中一个期望的变化以便每个控制的变量作为每个操纵的变量的各自的函数。模型组具有一个动态响应惯性特征。两个模型源自一个参考模型(在动态矩阵控制中定义的传统的模型)。多模型组进一步能够在整个实时使用中自适应模型和增益。

Description

多变量矩阵处理控制

本发明涉及一种计算机实现的方法和基于计算机的装置，用于经分别关联于用在一个装置，比如一个化学制造工厂中实现的一个处理器或一系列处理器的前馈的一个矩阵进行自适应控制。

制造***的最佳操作重视在收益性，生产率，环境影响，和高产品质量方面提供有益之处。增加低成本计算机的能力来递送复杂控制方法的分解具有先进最佳的操作以便合并技术，即使几年以前这还不能被经济的探讨过。能够在相当早的用于控制的计算机阶段的技术之一是动态矩阵控制，基于一种方法的一种前馈的形式，其中输出，或控制的变量被预计移动到已知的控制设置和当前数据的环境中。在许多情况下，前馈方法优于反馈方法，在控制器动作被采取之前，反馈方法等待直到处理扰动已经实际的改变了控制的变量。的确，一个理想的控制器在足够能力中提供前馈和反馈动作以获得最佳的操作。

在美国专利4,349,869的一种动态矩阵控制方法中讨论了动态矩阵控制，于1982年9月14日发布，David M.Prett，Brian L.Ramaker，和Charles R.Cutler.有关于在一个特殊时间上在一个决定的环境中将来控制器的响应动态矩阵控制已经帮助解决了控制发布，调节被控制的一个***中的全部条件设置，多种影响中的复杂性，以及对于各个扰动的非线性影响。

但是，在它的典型形式中，整个瞬变过程中或在来自用于模型定义或调谐的流体吞吐量的不同的调节或偏差上，在应付处理稳定性方面动态矩阵控制(DMC)也已经出现了急需解决的问题。在所有操作环境中使用DMC所需的稳定性在本发明的开发中一直是一种驱动力，在稳定性，坚固性方面提供有益的特性，并且适于实质性的增强传统的DMC方法。

本发明提供一种方法，用于计算机实现的一个处理装置的控制，具有至少一个独立控制操纵的变量和响应于操纵的变量的至少一个控制的变量，步骤特征在于：

定义每个控制的变量的量值中一个期望的变化以便作为一组至少两个模型(model)中的每个操纵的变量的各自的函数，模型组具有一个动态响应惯性特征；和

实现从模型组定义的一个改变以便在处理装置中修改操纵的变量。

在进一步细节中，被发明提供用于控制一个处理装置的操作的一种计算机实现的***，具有至少一个独立控制操纵的变量和响应于所述操纵的变量的至少一个控制的变量，特征在于：

一组至少两个模型，定义量值中一个期望的变化以便每个控制的变量作为每个操纵的变量的各自的函数，所述模型组具有一个动态响应惯性特征；和

装置，用于实现从所述模型中定义的一个改变以便在所述处理装置中修改所述操纵的变量。

此外，本发明还提供用于控制一个处理装置操作的一种计算机实现的***，具有至少一个独立控制操纵的变量和响应于所述操纵的变量的至少一个控制的变量，和进一步响应于处理始发独立于所述操纵的变量的扰动，特征在于：

装置，用于测量每个控制变量的量值；

一组至少两个模型，用于定义量值中的一个期望的变化，以便每个控制的变量作为每个操纵的变量中的一个操纵变量的扰动实例的各自的函数；

装置，在完成一个操纵的变量修改中，用于从所述模型组中确定一个所述控制的变量与所有所述操纵的变量的交互作用中一个估算的模型化误差值；

装置，用于从所述控制的变量量值和所述估算的模型化误差值中确定一个估算的处理扰动值；

装置，用于定义从所述估算的模型化误差值中至少一个操纵的变量的当前值中的期望改变的第一部分；

装置，用于定义从所述估算的处理扰动值中至少一个操纵的变量的当前值中的期望改变的第二部分；

装置，用于实现所述第一和第二期望的改变部分以修改所述操纵的变量。

本发明进一步提供用于控制一个装置操作的一种计算机实现的***，具有至少一个独立控制操纵的变量和响应于所述独立控制操纵的变量的至少一个控制的变量，特征在于：

装置，用于在一个时间相关函数中定义一组连续的离散的时间间隔；

装置，用于在每个独立控制操纵的变量中引入一个预定量值的操纵的变量的扰动实例，所述扰动实例在每个控制的变量中引起一个响应；

装置，用于测量每个控制变量的量值；

一个控制器；

装置，分别对每个响应，用于在一个时间轴的所述连续的离散时间间隔组上定义所述控制的变量量值的至少一个时间相关的函数特性，所述函数特性具有一个零-时间时间轴属性，一个最大-时间时间轴属性，一个停滞-时间时间轴属性，一个响应增益属性，一个斜率属性，一个稳态时间轴属性，安置在所述停滞时间时间轴属性的时间轴位置和所述稳态时间轴属性的时间轴位置之间的一个曲线部分，安置在所述停滞时间时间轴属性的时间轴位置和所述稳态时间轴属性的时间轴位置之间的一个斜坡部分，和安置在所述稳态属性的时间轴位置和所述最大时间时间轴属性的时间轴位置之间的一个均匀平片(homaloidal)部分，用于一个所述响应的每个离散时间间隔具有相同的持续时间，所述均匀平片部分具有用于一个集成控制变量相应的一个零值，所述斜坡部分具有用于一个非集成控制变量响应的一个零值，和用于一个所述响应的每个函数特性具有相等值的零时间时间轴属性，响应增益属性，斜率属性，和最大时间时间轴属性；

装置，在引入所述扰动实例之后，根据在一个控制变量的所述量值中测量的一个有效的改变，用于分别对于响应获得第一所述时间相关的函数特性，所述第一函数特性具有第一所述停滞时间时间轴属性，第一所述稳态时间轴属性，第一所述曲线部分，第一所述均匀平片部分，和第一所述斜坡部分，具有它的函数导数等效于在所述最大时间时间轴属性上的所述斜率属性；

装置，用于把所述第一时间相关的函数特性转换成所述控制器；

装置，用于从所述第一时间相关的函数特性导出第二所述时间相关的函数特性，所述第二函数特性具有根据所述第一停滞时间属性的第一预定的减少偏移中的第二停滞时间属性，根据所述第一稳态属性的第二预定的减少偏移中的第二稳态属性，根据所述第一曲线部分的第一预定函数偏移中的第二曲线部分，在所述第一均匀平片部分的外插中的第二均匀平片部分，和在所述第一斜坡部分的外插中的第二斜坡部分；

装置，用于根据所述第一时间相关函数特性导出第三所述时间相关函数特性，所述第三函数特性具有根据所述第一停滞时间属性在第一预定的超加性的偏移中的第三停滞时间属性，根据所述第一稳态属性的在第二预定超加性偏移中的第三稳态属性，根据所述第一曲线部分的在第二预定函数偏移中的第三曲线部分，和在所述第一均匀平片部分的截断中的第三均匀平片部分，和在所述第一斜坡部分的截断中的第三斜坡部分；

装置，用于根据所述第二时间相关的函数特性，所述第三时间相关函数特性，至少一个控制的变量的量值，和所述控制器，在实时的一个操纵的变量之中确定一个期望的改变；和

装置，用于实现所述期望的改变以修改所述操纵的变量。

本发明附加的提供用于控制一个处理装置操作的一种计算机实现的***，具有至少一个独立控制操纵的变量和响应于至少一个所述操纵的变量的至少一个控制的变量，和进一步响应于始发的独立于所述操纵的变量的处理扰动，特征在于：

装置，用于测量每个控制变量的量值；

一个模型，用于在量值中定义一个期望的变化，以便每个控制的变量作为在每个操纵的变量中的一个操纵变量实例的各自的函数；

装置，在完成一个操纵的变量修改中，用于从所述模型组中确定一个所述控制的变量与所有所述操纵的变量的交互作用中一个误差值；

装置，用于从所述误差值中定义至少一个操纵变量的当前值中的一个期望的改变；

装置，用于所述所述期望的改变，以便修改所述操纵变量，以及

装置，用于在所述控制中确定离散的响应特性。

本发明进一步提供用于计算机实现控制一个处理装置的一种方法，具有至少一个独立控制操纵的变量和响应于所述操纵的变量的至少一个控制的变量，特征在于：

定义量值中一个期望的变化以便每个控制的变量作为一组至少两个模型中的每个操纵的变量的各自的函数，所述模型组具有一个动态响应惯性特征；和

实现从模型组定义的一个改变以便在所述处理装置中修改操纵的变量。

此外，本发明还提供用于计算机实现的控制一个处理装置的一种方法，具有至少一个独立控制操纵的变量和响应于至少一个所述操纵的变量的至少一个控制的变量，和进一步响应于始发的独立于所述操纵的变量的处理扰动，步骤特征在于：

测量每个控制变量的量值；

定义量值中一个期望的变化以便每个控制的变量作为一组至少两个模型中的每个操纵的变量中的一个操纵的变量扰动实例的各自的函数；

在完成一个操纵的变量修改中，用于从所述模型组中确定一个所述控制的变量与所有所述操纵的变量的交互作用中一个估算的模型化误差值；

从所述控制的变量量值和所述估算的模型化误差值中确定一个估算的处理扰动值；

定义从所述估算的模型化误差值中至少一个操纵的变量的当前值中的期望改变的第一部分；

定义从所述估算的处理扰动值中至少一个操纵的变量的当前值中的期望改变的第二部分；

实现所述第一和第二期望的改变部分以修改所述操纵的变量。

本发明还提供用于计算机实现的控制一个处理装置的一种方法，具有至少一个独立控制操纵的变量和响应于至少一个所述独立控制的变量的至少一个控制的变量，步骤特征在于：

在一个时间相关函数中定义一组连续的离散的时间间隔；

在每个独立控制操纵的变量中引入一个预定量值的操纵的变量的扰动实例，所述扰动实例在每个控制的变量中引起一个响应；

测量每个控制变量的量值；

提供一个控制器；

分别对每个响应，在一个时间轴的所述连续的离散时间间隔组上定义所述控制的变量量值的至少一个时间相关的函数特性，所述函数特性具有一个零-时间时间轴属性，一个最大-时间时间轴属性，一个停滞-时间时间轴属性，一个响应增益属性，一个斜率属性，一个稳态时间轴属性，安置在所述停滞时间时间轴属性的时间轴位置和所述稳态时间轴属性的时间轴位置之间的一个曲线部分，安置在所述停滞时间时间轴属性的时间轴位置和所述稳态时间轴属性的时间轴位置之间的一个斜坡部分，和安置在所述稳态属性的时间轴位置和所述最大时间时间轴属性的时间轴位置之间的一个均匀平片(homaloidal)部分，用于一个所述响应的每个离散时间间隔具有相同的持续时间，所述均匀平片部分具有用于一个集成控制变量相应的一个零值，所述斜坡部分具有用于一个非集成控制变量响应的一个零值，和用于一个所述响应的每个函数特性具有相等值的零时间时间轴属性，响应增益属性，斜率属性，和最大时间时间轴属性；

在引入所述扰动实例之后，根据在一个控制变量的所述量值中测量的一个有效的改变，分别对于响应获得第一所述时间相关的函数特性，所述第一函数特性具有第一所述停滞时间时间轴属性，第一所述稳态时间轴属性，第一所述曲线部分，第一所述均匀平片部分，和第一所述斜坡部分，具有它的函数导数等效于在所述最大时间时间轴属性上的所述斜率属性；

把所述第一时间相关的函数特性转换成所述控制器；

从所述第一时间相关的函数特性导出第二所述时间相关的函数特性，所述第二函数特性具有根据所述第一停滞时间属性的第一预定的减少偏移中的第二停滞时间属性，根据所述第一稳态属性的第二预定的减少偏移中的第二稳态属性，根据所述第一曲线部分的第一预定函数偏移中的第二曲线部分，在所述第一均匀平片部分的外插中的第二均匀平片部分，和在所述第一斜坡部分的外插中的第二斜坡部分；

根据所述第一时间相关函数特性导出第三所述时间相关函数特性，所述第三函数特性具有根据所述第一停滞时间属性在第一预定的超加性的偏移中的第三停滞时间属性，根据所述第一稳态属性的在第二预定超加性偏移中的第三稳态属性，根据所述第一曲线部分的在第二预定函数偏移中的第三曲线部分，和在所述第一均匀平片部分的截断中的第三均匀平片部分，和在所述第一斜坡部分的截断中的第三斜坡部分；

根据所述第二时间相关的函数特性，所述第三时间相关函数特性，至少一个控制的变量的量值，和所述控制器，在实时的一个操纵的变量之中确定一个期望的改变；和

实现所述期望的改变以修改所述操纵的变量。

本发明附加的提供计算机实现的控制一个处理装置的一种方法，具有至少一个独立控制操纵的变量和响应于至少一个所述操纵的变量的至少一个控制的变量，和进一步响应于始发的独立于所述操纵的变量的处理扰动，特征在于：

测量每个控制变量的量值；

一个模型，在量值中定义一个期望的变化，以便每个控制的变量作为在每个操纵的变量中的一个操纵变量实例的各自的函数；

在完成一个操纵的变量修改中，从所述模型中确定一个所述控制的变量与所有所述操纵的变量的交互作用中一个误差值；

从所述误差值中定义至少一个操纵变量的当前值中的一个期望的改变；

实现所述期望的改变以修改所述操纵的变量；和

在所述控制中确定离散的响应特性。

通过考虑附图和详细的描述，本发明的其他的细节、目的、特点和优点将更清楚。

图1表示一个***概况。

图2显示多变量控制器逻辑细节。

图3显示一个基本的控制***方框图。

图4表示一个多变量控制***方框图。

图5表示一个时间相关非集成模型特性。

图6表示一种多模型非集成模型特性。

图7显示非集成模型组惯性特性。

图8显示一个时间相关集成模型函数特性。

图9表示一种多模型集成模型特性。

图10表示集成模型组惯性特性。

图11显示在展开的一个多模型***中的多变量控制的常规动作。

图12表示模型构成步骤。

图13显示在一个模型中的停滞时间时间轴属性的确定。

图14表示在一个模型中稳态时间轴属性的确定。

图15显示在一个模型中斜坡部分的确定细节。

图16表示在一个模型中曲线部分的确定细节。

图17表示控制器操作细节。

图18显示自适应方法细节。

图19显示将来的控制的变量的要求定义细节。

图20表示控制的变量预测细节。

图21表示在模型不匹配模型化参数的情况下，针对一个规则的DMC操作从一个模拟器的输出。

图22表示在图21模型不匹配的情况下，针对优选实施例操作的坚固控制器，从一个模拟器的输出。

图23表示在模型不匹配增益的情况下，针对一个规则DMC操作从一个模拟器的输出。

图24表示在图23模型不匹配的情况下，针对优选实施例操作的坚固控制器，从一个模拟器的输出。

图25表示在控制模型转换的情况下，针对一个规则DMC操作的从一个模拟器的输出。

图26表示在图25模型转换的情况下，针对优选实施例操作的坚固控制器的从一个模拟器的输出。

在描述优选实施例中，作出的参照“逻辑”和“逻辑的部分”是用在数据彼此通信中。在这点上，计算机实现的逻辑通常参照计算机实现的机器码的虚拟的函数元素，它们主要是执行任务，比如读取数据，写数据，计算数据，执行有关数据的决定运算，和存储数据。作为一个设计考虑，作为逻辑子部分的这些元素的讨论能够有效的把整个逻辑***分成集中提取的子部件，在独立聚焦的和特殊区别的环境中，它们能被分别有效地考虑，设计，学习，和增强。显然，这些子部件的一些在它们自己的权力中表示特殊不同的区域，正如所描述的实施例那样，它们被合并成综合的和完整的***。

此外，说明书还参照术语“实时的”；为便于清楚性，下面段落讨论实时概念。

实时的计算机处理一般的被定义成计算机处理的一种方法，其中在一个实际时间限制内一个事件引起一个给定的反应，和其中在该环境内和通过外部条件和实际次数计算的动作被特殊的控制。作为在处理控制领域中的一种有关的澄清，实时计算机控制的处理涉及固化到一个处理控制决定程序函数化的有关处理的控制逻辑，决定和量化运算的执行，以便监视和修改实现一个实时处理的一个控制的装置，其中处理控制决定程序用相当高的频率被周期地执行，通常具有10ms和2秒之间的一个周期，尽管可以利用其他的时间周期。在“先进的“控制例程下(比如描述的实施例的控制器)，其中一个单一解决的实例需要更多扩展的计算时间，实质上需要一个较长的周期(在控制元素设置中的确定的频率应该在等于或少于相关变量测量的频率上被执行)；然而，用于控制中的一个特殊值的解决的一个扩展的周期始终被实时地确定，如果它的确定周期在一个合理的可预测的基础上被重复和被充分地用于操作机械部件的自适应控制。

说明书还参照术语“稳态”；为便于清楚性，下面段落讨论稳态概念。

本发明的解决方法还包括一个一般的参照概念“稳态操作”。“稳态操作”实质上是一种情况，其中(1)在一个时间间隔上在它的操作中一个处理是动态规则的和均匀的，(2)流入处理的动量，质量，和能量实体实质上等于流出处理的动量，质量，和能量实体，和(3)处理内累计的动量，质量，和能量实体实质上不出现，除非它们被明显的期望和被因子分解成相关的动态模型。对于稳态操作的状态，数学平衡的解决也需要适应期望的化学反应。因此，在“稳态”中的一个***特征在于动态平衡，稳定性，坚定性，和平衡性。

优选实施例提供了用于控制一个处理装置操作的一种计算机实现的***，具有至少一个独立控制操纵的变量(MV)和响应操纵变量的至少一个控制的变量(CV)(进一步响应于始发的独立于操纵的变量的处理扰动)。

在定义的模型中，电路***和逻辑被提供用于在一个时间相关函数上定义一组连续离散的时间。一个“经典的”DMC(动态矩阵控制)模型(一个最初模型)是一个开始点，用于定义量值中一个期望的变化，以便每个控制的变量作为每个操纵的变量中一个操纵变量的扰动实例的各自的函数。接着，根据模型，计算机电路***和逻辑被用于确定在完成一个操纵的变量修改中一个控制变量与所有定义的操纵变量的交互中的一个误差值。此外，提供计算机电路和逻辑根据误差值定义至少一个操纵变量的当前值中的一个期望的改变。计算机电路***和逻辑接着使用初始模型(也表示为参考模型)定义一组至少两个模型(一个快速模型和一个慢速模型)，用于在量值中建立一个期望的变化，以便每个控制的变量作为每个操纵变量中一个操纵变量扰动实例的各自的函数；针对初始(参考)模型的“慢速”和“快速”“侧”，模型组(共同的初始模型，慢模型，和快模型)还具有一种动态响应惯性特征。此外，参考模型，快模型，和慢模型也分别参照在此的参考模型，快模型，和慢模型。

在更详细的描述中，分别对于每种响应情况，优选实施例的多变量控制器具有在一个时间轴的连续离散的时间间隔组上控制变量量值的至少一个时间相关函数特性，函数特性具有一个零-时间时间轴属性，一个最大-时间时间轴属性，一个停滞-时间时间轴属性，一个响应增益属性，一个斜率属性，一个稳态时间轴属性，安置在停滞时间时间轴属性的时间轴位置和稳态时间轴属性的时间轴位置之间的一个曲线部分，安置在停滞时间时间轴属性的时间轴位置和最大时间时间轴属性的时间轴位置之间的一个斜坡部分，和安置在稳态属性的时间轴位置和所述最大时间时间轴属性的时间轴位置之间的一个均匀平片(homaloidal)部分，用于一个响应情况的每个离散时间间隔具有相同的持续时间，均匀平片部分具有用于一个集成控制变量相应的一个零值，斜坡部分具有用于一个非集成控制变量响应的一个零值，和用于一个响应情况的每个函数特性具有相等值的零时间时间轴属性，响应增益属性，斜率属性，和最大时间时间轴属性；

在引入所述扰动实例之后，根据在一个控制变量的所述量值中测量的一个有效的改变，分别对于响应(初始模型)获得第一所述时间相关的函数特性。第一函数特性具有第一停滞时间时间轴属性，第一稳态时间轴属性，第一曲线部分，第一均匀平片部分，和第一斜坡部分，具有它的函数导数等效于在最大时间时间轴属性上的斜率属性。

从所述第一时间相关的函数特性导出第二所述时间相关的函数特性(快模型)，第二函数特性具有根据第一停滞时间属性的第一预定的减少偏移中的第二停滞时间属性，根据第一稳态属性的第二预定的减少偏移中的第二稳态属性，根据第一曲线部分的第一预定函数偏移中的第二曲线部分，在第一均匀平片部分的外插中的第二均匀平片部分，和在第一斜坡部分的外插中的第二斜坡部分。

此外，还根据第一时间相关函数特性导出第三时间相关函数特性(慢模型)，第三函数特性具有根据所述第一停滞时间属性在第一预定的超加性的偏移中的第三停滞时间属性，根据第一稳态属性的在第二预定超加性偏移中的第三稳态属性，根据第一曲线部分的在第二预定函数偏移中的第三曲线部分，和在第一均匀平片部分的截断中的第三均匀平片部分，和在第一斜坡部分的截断中的第三斜坡部分。

通过实质上转化第一时间相关函数特性(初始模型)定义用于多变量控制器的控制器。

在实现模型中，一个惯性特性值被输入到模型变量控制器的数据库中以便在模型组中获得动态响应惯性特征。惯性特性(在响应中建立坚固性)是(a)不同于初始模型的“慢侧”和初始模型的“快侧”，或(b)两个惯性是相同的。在这点上，第一，第二，和第三时间相关函数特性定义一个模型组中的三个模型，模型组结合第一和第二时间相关函数特性之间的第一动态响应惯性特性和第一和第三时间相关函数特性之间的第二动态响应惯性特性。

在惯性特性已经被输入后，定义初始模型，通过在每个独立控制操纵的变量中引入预定量值的一个操纵的变量的扰动实例，在每个控制变量中的扰动实例引起一个响应。每个控制变量的量值接着被测量，保留，和被用于定义按照传统的DMC实践的初始模型(参考先前讨论的美国专利4,349,869)。

在实现多变量控制的使用中，许多不同的方法是可能的。

在一个方法中，根据模型组定义一个改变以便修改处理装置中的每个操纵的变量；在完成该定义中，实时地根据第二时间相关函数特性，第三时间相关函数特性，和至少一个控制变量的量值，确定一个期望的改变来用于一个操纵变量的值。

可替换的，实时地根据第一时间相关函数特性，第二时间相关函数特性第三时间相关函数特性，和至少一个控制变量的量值，确定一个期望的改变来用于一个操纵变量的值。

在另一个实施例中，在完成一个操纵的变量修改中，确定一个控制的变量与所有操纵的变量的交互作用中一个估算的模型化误差值。接着根据控制的变量量值和估算的模型化误差值确定一个估算的处理扰动值；和根据估算的模型化误差值确定至少一个操纵的变量的当前值中的期望改变的第一部分。接着，根据估算的处理扰动值确定至少一个操纵变量的当前值中的期望改变的第二部分。最后第一和第二期望的改变部分被有效地组合以修改每个操纵的变量。

此外，在描述的实施例中，能够实现用于实时操作的模型自适应的一个基础。在这点上，模型化误差值和处理扰动值被用于决定适应在模型组的惯性特性环境中的控制器。而且，实现了在控制操作中分别对于离散响应特性的确定和反作用以提供全局的坚固性，经过(a)自适应处理和(b)正在使用的模型在控制器中已经被自适应修改。

在下面部分阐述多变量控制器的一个正式的特性。讨论将被分成六个子部分：第一部分描述坚固多变量控制器的模型；第二子部分讨论在坚固多变量控制器中的控制器定义；第三子部分讨论在坚固多变量控制器中的处理的确定；第四子部分讨论在坚固多变量控制器中的自适应处理；第五子部分讨论在坚固多变量控制器中的决定适应；和第六子部分讨论坚固多变量控制器中的扩散和自适应的确定以便离散。

下面的正式的特性的第一子部分讨论坚固多变量控制器的模型。

优选实施例的坚固矩阵处理控制需要数值组，明显地定义(a)和(b)之间的关系(a)输入变量，包括前馈变量(表示成操纵的变量，MV)和(b)输出变量(表示成控制的变量，CV)。每个数据组被称为一个“模型”。每个数据组被表示成一个矢量，其中输入项是按有关时间顺序的数据组的值。注意，输入变量到模型(MV)是来自控制***(MV)的输出信号，和来自模型(CV)的输出变量是输入到控制***(CV)的信号。

通过计算机实现的过程处理这些数据组(被表示成矢量)以便(a)产生数学数据逻辑的对象(标量，矢量，和矩阵)和(b)完成引擎解决的计算(实现和操纵计算机逻辑中的标量组，矢量组，矩阵组，和数学运算，它们以这样一个顺序被安排以至于执行一种非琐碎的数学计算)以便实现控制装置的坚固控制。

如先前所述，术语“模型”参照被定义成矢量的一组时间标记的值：

公式1

M(t)＝{a_(t)}，其中t＝0，1*Δt，2*Δt，3*Δ，…np*Δt

其中“np”是模型尺寸一因此，有“np”a_(t)值。

通过规则的模型识别技术获得每个值a_(t)。这通常包括工厂试验和数据收集技术，连同随后的分析和处理。M(t)是可替换的一个阶梯模型，一个脉冲模型，或者一个参数模型。下面的描述涉及阶梯模型，但等效于一个脉冲模型(通过一个求和处理一个脉冲模型很容易转变成一个阶梯模型)或一个参数模型(转换成一个阶梯模型或脉冲模型)。

对于每对MV和CV总是有一个模型M(t)。琐碎模型M(t)＝{0}从t＝0-np*Δt，表明在该对的两个元素之间不存在物理关系，但该模型仍然存在。通常在平滑采样的数据(也就是每个a_(t))之后表示该模型以获得连续的曲线；被平滑的采样数据被显示在图5中并在单独针对图5的说明中被讨论。

一组模型被用于定义矩阵A，其中矩阵的每列涉及一个具体预测的未来CV值。应该注意的是，作为本领域技术人员来说，在动态矩阵控制中，“A”矩阵是显而易见的，并通常被用于技术说明。

通过工厂试验获得的该第一组模型在此被表示为“参考模型”。由于“参考模型”是时间相关的，时间(“t”)被定义成“参考时间”。“参考时间”经过从零到t_最后。在根据参考模型导出两个其他的模型中定义一个参考时间是重要的。在这点上，优选实施例部分的基于有关时间相关模型中的一组连续的离散的时间间隔，其中用于每个有关模型的每个离散的时间间隔具有相同的持续时间和每个有关的模型也具有相同值的零时间时间轴属性和最大时间时间轴属性。因此，参考模型和两个附加的模型(另外描述)全都具有一个时间范围从t＝0-相同的t_最后的一个时间轴。在优选实施例中的一个基本的观念是定义和使用来源于和分别对于“参考模型”的一个“包络”。定义该“包络”以致于他定界一个不确定的区域，其中实模型是真实的(a)存在和(b)随时间和处理条件演化。

这样，“包络”具有一个“上”边界和一个“下”边界(分别对于时间轴)；这些边界需要定义。为了简便，假设每个模型M(t)具有一个连续的数学等式。这就是：M(t)是一个M^*(t)的z-变换(M^*是连续的)。因此：

公式2

M(t)＝Z(M^*(t))＝a0+a1*z^-1+a2*z^-2+etc..

每个模型展示停滞时间。因此，M^*(t)被写成M^*(t-d)。当t≤d时M^*是零。

每个模型具有一个最后的稳态增益或一个最后的常数斜率；被分别表示成G或R。稳态启动的时间(或最后的常数斜率)被定成t_ss。模型的最后值出现在t_最后。

对于一个正增益模型，包络边界是下限制模型和上限制模型。下限制模型被表示成“慢模型”和，分别对于参考模型，具有物理意义的一个处理(a)具有更多的停滞时间和(b)到达稳态“更迟”。上限制模型被表示成“快模型”和，分别对于参考模型，具有物理意义的一个处理(a)具有少的停滞时间和(b)到达稳态“较快”。该坚固控制器的基本概念是，只要控制器处理在“位于”“慢模型”和“快模型”之间显示一个特性，则在某种意义上一个控制器能够表现成一个完美的控制器，针对一个补偿必须被计算和实现，没有模型不匹配。

在定义“快模型”和“慢模型”中，把时间变量替换成M^*(t)被执行；替换的目的是沿着时间轴缩短(快模型)或扩充(慢模型)参考模型的函数。

通过下面把时间变量替换成M^*(t)而获得“快模型”：

对于在停滞时间之前的时间：

公式3

t＝t_fast/(1.0-F_r1)  得到t_fast＝(1.0-F_r1)*t。

对于在停滞时间之后的时间：

公式4

t_fast＝(1.0-F_r1)*t_d+(1.0-F_r2)*(t-td)

对于一个斜坡模型F_r2是零。

在t_fast＞t_ss之后的部分在稳态升至t_final上用模型值填充。在一个斜坡的情况下，在常数比率R上扩展斜坡。

通过下面把时间变量替换成M^*(t)而获得“慢模型”：

对于停滞时间前的时间：

公式5

t_slow＝(1.0+F_r3)*t

对于停滞时间后的时间：

公式6

t_slow＝(1.0+F_r3)*t_d+(1.0+F_r4)*(t-t_d)

对于一个斜坡模型，F_r4是零。

在t_slow＞t_final之后的部分下降。

F_r1，F_r2，F_r3和F_r4是坚固因子。通常在0-.5的数字范围中坚固因子是正的可调节值，但它们能是更大的量值。事实上，时间参考的模型的缩短和扩张是不同对待的，在停滞时间之前和之后，这允许更灵活地建立限制模型(“慢模型”和“快模型”共同的是“限制模型”，定义围绕“参考模型”的“包络”)。在这点上，(a)被控制的操作装置的真正的瞬变过程轨迹(特征在于每个模型具有一个“曲线部分”，另外描述)都受到时间变化和/或测量误差；通过独立的方法提供灵活性(1)“参考模型”扩展到“慢模型”和(2)“参考模型”缩短到“快模型”，便于通过优选实施例实现的坚固操作响应。而且，“慢”和“快”模型需要这种灵活性，当这些模型实质上解决的是最接近于参考模型时。

在上述替换处理的最后，在参考和限制模型中的所有时间将具有相同的等效性，每个模型提供一组连续的离散时间间隔的一个时间轴，其中每个有关模型的每个离散的时间间隔具有相同的持续时间和每个有关的模型还具有相同值的零时间时间轴属性和最大时间时间轴属性，如先前所述。

也就是：

公式7

t＝t_fast＝t_slow。

应该理解，在处理动态控制矩阵中所有的模型以产生所有隶属的包络之前，参考模型的一些或全部用t_last的一个较高的量值被选择的扩展以确保最后的运算保持不改变(a)任何非集成处理模型的增益或(b)任何集成处理模型的斜率。

F_r1，F_r2，F_r3和F_r4的值属于一个模型和是在内函数。应该注意的是，能够(甚至期望)具有较少的值调节而不用所表示的坚固因子的全部数量。在这点上，注意的是，通过使用比例和用户定义的函数，这里数学描述允许任意组的F_r因子能被组成组和分配一个单一的值。这些F_r值是局部到每个控制的变化和/或每个操纵的变化；因此，它能够提供一个单一的F_r来用于分别对整个控制器调节。如果需要，该特点不妨碍局部的调整，应用到每个模型的每个F_rk被分解成：

公式8

F_rk(i，j)＝F_r(global)+F_r(wholeMV_i)+F_r(wholeCV_i)+F_rk(具体到一个参考模型实例)。

要求每个F_rk(i，j)是一个正数是始终有效的，但这不妨碍上面公式中的其他的成分具有一个负值。在这点上，一个局部的F_r可以是具有作用的负数，纯F_rk(i，j)量值是低于F_(global)，即使当F_rk(i，j)是正的(乃至零)。

当所有的F_rk(i，j)实例已经被选择，模型已经被适当的扩展(如果需要)，和M^* _fast和M_slow已经被计算，则M^* _fast和M_slow被写成抽样形式(或Z-转换形式)。针对图16的图解和讨论示例了一个计算机实现的近似处理，获得与上面正式的模型等效的结果。处理包括参考模型M的***(已经在z-变换形式)。

在矢量形式中一个例子结果是：

参考模型(0，0，0，0，0，0，a₁，a₂，a₃，a₄，a₅，…a_ss，…a_ss)

慢模型(0，0，0，0，0，0，b₁，b₂，b₃，b₄，b₅，…b_ss，…b_ss)

快模型(0，0，0，0，0，0，c₁，c₂，c₃，c₄，c₅，…c_ss，…c_ss)

其中b_i和c_i从a_i被***，具有规则：

公式9

x_i＝f*a_i+(1.0-f)*a_i+1

而且根据模型中的每个F_rk和当前时间计算f。

应该强调的是，在定义和计算限制模型中有用户选择，因为这些模型被直接定义控制的处理响应(特性)的边界(限制)，其中边界分隔(a)预测性能的一个运算区，那里模型希望被要求(b)一个问候的运算区，在那里模型希望在处理中检测一个扰动。因此，所述实施例的一个好处是，实现了在不精确的范围中参考模型不会把坚固性减少到相同不精确范围内的那个程度，即参考模型减少了坚固性，当没有围绕着参考模型定义包络(也就是在传统的DMC中)。此外值得注意的是，事实上建议的变换只接触(a)停滞时间和(b)处理模型轨道，模型的增益不改变。用于增益的一个自适应是后面被添加的；但自适应不需要完成坚固性，面对(a)模型不精确性，(b)(更重要的)停滞时间不确定性，和/或(c)停滞时间变化，分别对于(1)时间或(2)处理条件。

下面的正式化特性的第二子部分讨论在坚固多变量控制器中的控制器定义。

控制器的整个结构完全与一个规则的DMC相同(动态矩阵控制器)。在这点上，控制器适当的具有三个方块：预测器方框，优化器方块，和移动计算器方框。然而，在优选实施例的讨论中将进一步讨论，预测器和移动计算器方块不同于传统的展开的DNC。优化器方块是一个常规的LP解算器和任何商业上可用的稳态优化器。

优选实施例的预测器方块不同于具有选择使用参考模型的利用慢和快模型的传统的DMC。在这点上，不同的重要的元素涉及处理的至少两个限制性能的预测。

控制器方块使用通常的传统DMC的最小二乘方方程以估算操纵变量中最后的移动；但是，在优选实施例中，E(i)的计算不同于DMC的现有技术-在这点上，传统的计算是：

公式10

ΔU＝(A^tWA)^-1·A^tW·E

其中ΔU＝MV_t+1-MV_t

(A^tWA)^-1也被表示成“ATA”矩阵和A^tW·E也被表示成“ATE”矩阵。

在传统DMC的情况下，“移动抑制因子”，“相等有关误差”，和“约束处理”在优选实施例中被计算和被处理，当解算该最小二乘方方程时。这些是独立的矢量E。在传统的DMC中，坚固性实质上用“移动抑制交付”完成，根据假设获得了最佳可能的(参考)模型。然而，这是在昂贵的抑制操纵的变量的反应移动上所完成的。因而，分别对于整个期望的响应，控制器必须减少响应扰动和调整点的改变。

但是坚固性能被获得只要控制器处理显示预测的处理性能。由于控制器处理的准确的预测是不可能的，处理的确定是“找到”坚固性的位置。所以，对于在意义上表现为一个完美的控制器的控制器，将没有模型匹配补偿-模型匹配必须通过处理确定的一个修改被最小化。因此，上面的控制公式在优选实施例中被修改成：

公式11

ΔU＝(A^tWA)^-1·A^tW·E(models，Y…)

其中F是处理测量Y的一个相关函数，和使用基于限制模型的误差。在这点上，F(models，Y…)已经替代了ΔU＝(A^tWA)^-1·A^tW·E公式。

下面，正式化的特性的第三子部分讨论用于坚固多变量控制器的处理的确定。

对于每个CV有至少两个预测：一个来自快模型CV_fast和一个来自慢模型CV_slow。可选的，连同至少一个限制模型使用来自参考模型的预测。在传统的DMC中获得预测：

公式12 $\mathrm{CV}(i,k)=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\underset{l=1}{\overset{\mathrm{np}}{\mathrm{\Σ}}}(a(i,j,l)*\mathrm{\ΔU}(j,k+l-1)$

然而，在优选实施例中，有至少两个预测方块：一个用于慢模型和一个用于快模型。最好保持来自参考模型的预测，但再次说明，这是可选的。

通过一个特别函数使测量的输出Y与这些预测比较。设计该函数以产生一个修改的测量的输出Y^*。然后，“错误到正确”是至少这些三个元素的一个函数，并且，可选的，参考模型预测：

公式13

Y^*＝f(CV_fast(t)，CV_slow(t)，Y，ect…)

在例子中，函数被定义成：

公式14-16

CV_max＝Max(CV_fast(t-k)，CV_slow(t-k)){k|-d＜k＜+d}

CV_min＝Min(CV_fast(t-k)，CV_slow(t-k))d＝0，1，2或3(选择)

CV_mean＝(CV_fast+CV_slow)/2.0

或可替换的：

公式17

CV_mean＝CV_reference在昂贵的更多计算上，但可以最好在一个范围内获得更好的估算。

扩展{k|-d＜k＜+d}在预测的值内扩充预测模型的选择以便这些具有少的或更多的停滞时间。于是，如果d＝3，例如，则这个函数实际使用至少14个不同的模型，每个模型产生不同的响应性能：

公式18-20

如果Y＞CV_fast则Y^*＝Y-CV_fast+CV_fast+CV_slow

如果Y＜CV_fast则Y^*＝Y-CV_fast+CV_slow

否则Y^*＝CV_mean

如下获得另一个可能的函数(具有进行连续的益处)，通过通过定义一个函数Ф以标准化预测的CV中的的变化：

公式21 $\mathrm{\Φ}=\frac{Y-\frac{{(CV}_{\mathrm{fast}}+{\mathrm{CV}}_{\mathrm{slow}})}{2}}{|{\mathrm{CV}}_{\mathrm{fast}}-{\mathrm{CV}}_{\mathrm{slow}}|};$

能够计算期望的Y^*，按照

公式22 $Y^{*}=\frac{{\mathrm{CV}}_{\mathrm{fast}}+{\mathrm{CV}}_{\mathrm{slow}}}{2}+(Y-\left(\frac{{\mathrm{CV}}_{\mathrm{fast}}+{\mathrm{CV}}_{\mathrm{slow}}}{2}\right))*(1-\frac{1}{1+a{\mathrm{\Φ}}^n})\·$

调整“a”和“n”的值以提供符合统计期望的一个性能。例如，a＝1.5和n＝4产生具有期望效果的一个函数：：

它返回Y^*等于CV_mean当Y是在CV_fast和CV_slow内；

它返回Y^*等于测量的CV当远离CV_fast或CV_slow；和

它返回Y^*等于测量的CV_mean加一个小的校正，当接近CV_fast或CV_slow。

函数术语

公式23 $(1-\frac{1}{1+a{\mathrm{\Φ}}^n})$

是为零的一个置信函数(或接近零)，当测量的输出在慢和快预测预测内。在第一例子中，通过CV_max和CV_min定义置信间隔。在两种情况下，函数是一个定标灵敏度因子。函数还朝着整体性跳跃(增加)，当测量的输出移动离开预测时；这就表示一个置信，测量的输出在需要校正的工厂(操作中的装置)中表明一个强烈的偏移。此外，CV_mean(即(CV_fast+CV_slow)/2)被CV_reference可选的替换(如果可用)。

现在根据每个CV的Y^*-CV_mean估算误差补偿。现在该公式包含来自慢模型和快模型的处理信息，并且它产生至少同时使用2个模型的一个控制器(并且，可选择的，如前述的更多的模型)：

公式24

ΔU＝(A^tWA)^-1·A^tW(Y^*-CV_mean)

下面，正式化特性的第四子部分讨论坚固多变量控制器中的自适应处理。

另外的坚固性能被添加到控制器。由于坚固控制器是可推测稳定的，面对(当处理或当受到竞争时)由停滞时间改变和整个模型改变引起的处理变化，则(保留的)增益元素现在是适于在线的(整个实时操作使用优选实施例过程中)，对于传统的DMC具有更好的效率，由于所述实施例的整个控制处理推测的提供相当好的改进的稳定性。这种自适应处理希望更精确地被表示成“半自适应”范围(a)只有增益被适应和还有(b)因为公式11所述的坚固控制器的结构，在模型形状和模型停滞时间中固有的接受一些不同。使用两个限制预测导出的信息被进一步用于估算(在线)所有模型的改进的增益(参考，慢，和快模型)。通过指导自适应处理到获得最大稳定信息的运算区域，提供自适应算法可靠的和非击穿的数据。这能够使增益估算算法平滑地前进。

增益自适应的处理包括比较参考模型的过去预测和来自处理的历史数据。接着通过最小平方方法估算乘法校正因子。

基于在对于每个CV(i)的时间t_k上的参考模型的模型预测能被写成：

公式25 $\mathrm{CV}(i,k)=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\underset{l=1}{\overset{\mathrm{np}}{\mathrm{\Σ}}}(a(i,j,l)*\mathrm{\ΔU}(j,k+l-1)$

并且这被转换成一个大的抽样的时间间隔和成为一个不同的公式：

公式26 $\mathrm{\Δ}{\mathrm{CV}}_s(i,k)=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\underset{l=1}{\overset{\mathrm{np}}{\mathrm{\Σ}}}(a(i,j,s*l)-a(i,j,s*(l-1)))*\mathrm{\Δ}{U}_s(j,k+l-1)$

其中：N是MV和FF的数

“np”是模型尺寸；则在模型中具有“r”个划分的相等尺寸的“s”，以至于在模型中具有np＝r*s值。

取得ΔCV_s(i，k)和ΔU_s(i，k)作为由等于s*Δt的一个时间间隔分隔的它们的值的时间差。通常，选择“s”以便停滞时间的影响被最小化；这就在自适应处理中产生稳定性。

ΔCV_s(i，k)值按照它们的寿命和可靠性被加权。通过用λ(i)加权ΔCV_s(i，k)寿命被打折扣，以至于在自适应计算中的最近的值比相对老的值具有更大的加权：

公式27 ${\mathrm{\λ}}_{\left(k\right)}={\mathrm{\λ}}_0^{(k-1)}$

其中调整λ₀通常放在.9和1.0之间。

可靠性涉及模型预测，并因此，包括通过慢和快模型以及MV移动类型获得的预测值。此外，还使用在线处理值Y。由于一个快模型和一个慢模型分别对于参考模型定义一个不确定区域，全部信息被用于确定自适应使用的数据的准备就绪：

公式28

V_(i，k)＝f(CV_slow，CV_fast，CV_referenceMV，Y)和0.0＜V_(i，k)＜1.0，

这就是，；

公式29-33

如果CV_slow≠CV_fast

如果Y＞CV_slow和Y＞CV_fast则V_(i，k)＝0.0，

如果Y＜CV_slow和Y＜CV_fast则V_(i，k)＝0.0，

否则

V_(i，k)＝Min(|Y-CV_fast|，|Y-CV_slow|)/|CV_fast-CV_slow)|

否则

V_(i，k)＝1.0。

最后，如果按照它的历史记录，在它的“s”时间间隔内ΔU_s(j，k)不是单调的，则V_(i，k)＝0.0。

U的单调性被估算，通过：

公式34

|ΔU_s|＜∑k_i|ΔU_t+i|∑k_i＝1.0，每个k_i＞0(在历史数据系列中择优的选择加权第一ΔU_t+i值的作用)。

可选的，建议的定标灵敏度因子的一部分确定V函数：

公式35 $V_{(i,k)}=\left(\frac{1}{1+a{\mathrm{\Φ}}^n}\right)$

无论什磨选择，通过用户选择函数去除(或最小化)由模型参数引起的模型不匹配的影响，而不是通过使用从至少两个限制模型获得的预测。根据处理的特性选择的函数改变，比如(a)具有很少扰动的一个确定性的处理或(b)通过随机扰动特性化的一个处理。函数V具有作用(a)筛选包含最有价值的信息来用于自适应的处理增益和(b)排斥在自适应处理过程中引入误差的一些瞬变过程和扰动。

接着，通过加权公式修改每个ΔCV_s(i，k)：

公式36

ΔCV_s(i，k)＝ΔCV_s(i，k)*(λ_(k)*V_(i，k))

这就形成了矩阵“C”用于解决下面平方和误差的最小值：

公式37 $S_{\left(i\right)}=\underset{k}{\mathrm{\Σ}}({\mathrm{\λ}}_{\left(k\right)}*V(i,k)*E{(i,k)}^2=\underset{2}{\mathrm{\Σ}}H\left(k\right)*E{(i,k)}^2,$

在获得的历史数据上作出求和

公式38-39 $E(i,k)=\mathrm{\Δ}{Y}_s(i,k)-\mathrm{\Δ}{\mathrm{CV}}_s(i,k)=$ $\mathrm{\Δ}{Y}_s(i,k)-\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\underset{l=1}{\overset{r}{\mathrm{\Σ}}}\mathrm{\ΔG}(i,j)*(a(i,j,l)-a(i,j,l))*\mathrm{\Δ}{U}_s(j,k+l-1)$

为了最小化S(i)，引入增益中的一组改变以提供每个模型的实际“a”值的乘法器。这些是ΔG(i，j)乘以每个期间的求和(公式39)。因此，当有多个模型时具有许多ΔG。对于未来的参考，ΔU和ΔCV数量被集中地表示成“delta-s数量”。

继续，根据最小平方公式计算增益中的改变：

公式40

ΔG(i)＝(C^tHC)^-1·C^tHΔY(i)  (对每个CV_i重复)

最后结果的各个ΔG(j)乘法器是有效的和放松的(过滤的)以便实现平滑地改变。在某些情况下，有效处理导致在整个矢量估算的排斥。注意，在此情况下，有效处理增加坚固性以自适应。

继续，通过矩阵ΔG(i)更新每个模型(慢，快和参考)：

公式41

M＝M·ΔG(i)

对于每个选择的CV(i)在被重复。在这点上每个CV(i)不必自适应；这是一个选择(a)在控制器交付使用上定义或(b)实现实时操作，通过分别对各个CV“打开”或“关闭”。

下面，正式化特性的第五子部分讨论在坚固多变量控制器中决定自适应。

自适应结果的实现：

公式42

ΔG＝(C^tHC)^-1·C^tHΔY

影响所有的模型和可以产生一个病态的矩阵或一个奇异的矩阵。显而易见，对于控制不会实现一个奇异的矩阵或一个病态的矩阵。因此，增益是有效的，通过分析任何增益改变的结果。这就进一步把坚固性增加到自适应处理中。

初始的模型被用于产生一组特性值，比如本征值或奇异值。通常用一个商业包装执行计算。因此，这里，只有根据分解计算处理的最后结果的矢量和矩阵是重要的。

这些特性值将被用于有效未来的改变和它们作为参考值。

下面假设增益已经被正常化以补偿数值范围和物理单元影响。该增益矩阵被做成a-维量的。

由于处理增益的矩阵是自适应的目标，根据G_reference获得特性值：

公式43

对于本征值：G_reference＝T^-1·λ·T；

公式44

对于奇异值：G_reference＝U·∑·V

矩阵λ或∑包含特性值以便监视。对于一个病态的矩阵，需要(a)检测处理的一个特性值中的符号的改变和接着(b)响应的实现模型增益中的符号的等效的改变以在所有特性中产生相同的符号和增加控制器稳定性。

矢量T和/或U，V被保持成常量，并且只有特性值被更新。然后，当自适应计算模型增益G(i，j)中的改变时，新的相应的λ或∑被确定和被有效以产生λ^*或∑^*。有效的特性值接着被用于返回计算最后的增益：

公式45

对于本征值： $G_{\mathrm{ref},\mathrm{slow},\mathrm{fast}}^{*}=T^{-1}\·\mathrm{\λ}\·T;$

公式46

对于奇异值： $G_{\mathrm{ref},\mathrm{slow},\mathrm{fast}}^{*}=U\·{\mathrm{\Σ}}^{*}\·V$

应该注意的是，最好引入一些保护以防止突然的改变。在这点上，大的特性值(大于或等于门限ε)和小的特性值(小于门限ε)以不同的方式被处理。小的值与不稳定性和潜在的扩散有关，因为控制的处理和模型之间具有的符号差的可能性很大。定义门限(表示为ε)以防止横越一个限制的任何量值改变，其中改变能导致控制器中的扩散(就是说，反相的增益)。通过自适应机理解决扩散问题。在子部分6中描述了一个不同的机理。

如果任意的特性值显示一个符号改变和(在相同的时间上)是大的值，则用于有关那个CV的增益的自适应被排斥成不期望的。否则，特性值是有效的和放松的，按照：

公式47和48 ${\mathrm{\λ}}_{i,t}^{*}=\max (\mathrm{\ϵ},(1.0-h)*{\mathrm{\λ}}_{\mathrm{reference}},\min (\mathrm{\ϵ},(1.0+h)*{\mathrm{\λ}}_{\mathrm{reference},}{\mathrm{\λ}}_{i,t}^{*}))$ ${\mathrm{\λ}}_{i,t}^{*}={\mathrm{\λ}}_{i,t}^{*}+f*({\mathrm{\λ}}_{i,t}^{*}-{\mathrm{\λ}}_{i,t-1}^{*})$ f选择0.0＜f＜1.0

其中“h”对于初始特性值的钳位限制和“f”限制改变的速度。可选的，“f”基于历史数据被调整：

公式49

f＝g(过去λ的统计)

未过滤的特性值被保持在历史中(a)用于未来，当“f”取决于过去计算的特性值的统计或(b)估计自适应处理的稳定性。

下面，正式化特性的第六子部分讨论扩散的确定和在坚固多变量控制器中的自适应扩散。

如前所述，初始的参考模型被用于计算特性值，比如本征值和本征矢量，或者奇异值分解∑。

用一个商业包装执行计算，比如Cambridge University Press的“Recipes in C”。

自适应扩散的处理不取决于先前两个子部分的半自适应机理，并且独立运行。

本征矢量或V的矢量的组(在奇异值分解中)把当前的MV的一个映象构成为一个空间，它的影响被去耦。

矢量T和/或U，V(保持常量)被用于转换ΔCV(i)和ΔMV(i)。通过使用“delta-a数量”执行这些至少两个数量的评估：

公式50

ΔCV_s(i，k)和ΔMV_s(i，k)

(再一次)最小化停滞时间的影响。着就在扩散检测机理中产生稳定性。

通过有效性因子V(i，k)使得每个ΔMV(i，k)和ΔCV(i，k)有效。使用来自慢和快模型的信息，表示在操纵变量和控制变量中改变的瞬变过程特性：

公式51和52

ΔMV_s(i，k)＝ΔMV_s(i，k)*V_(i，k)；

ΔCV_s(i，k)＝ΔCV_s(i，k)*V_(i，k)

最后作出一个变换，通过：

公式53

对于本征值：A＝T·ΔCV_s和B＝T·ΔMV_s；

公式54

对于奇异值：A＝U^-1·ΔCV_s和B＝V·ΔMV_s

A的元素是转换的CV和B的元素是转换的MV。这引入一个去耦效应。

继续，通过非零元素和/或B的足够大的元素与A的元素的一个比率获得一个估计的特征符号。A的任何元素的一个“很小”值表示，显然，相应的MV_s(a)没有移动或(b)没有与相应的转换的CV的动作一致地移动。在此情况下，关于相应的特性值没有结论到达，和因此，什么也没有改变。

已知的小特性值在历史中被跟踪，并且一个持久的符号改变触发一个正的扩散检测信号。这里的逻辑首先基于一个用户选择的使用统计的算法，比如根据一个累加和算法导出的。

当扩散被检测时，在模型增益G(i，j)中的改变(相应于λ或∑的值，但具有反相的符号)被引入以产生λ^d或Σ^d。这意味着(对于本征值)下面的变换被实现用于任何小的本征值(其它的本征值可以被采用)：

公式55

具有反相的特性值地被表示成λ^d的新的矢量接着被用于返回计算最后的增益：

公式56

对于本征值： $G_{\mathrm{ref},\mathrm{slow},\mathrm{fast}}^d=T^{-1}\·{\mathrm{\λ}}^d\·T;$

公式57

对于奇异值： $G_{\mathrm{ref},\mathrm{slow},\mathrm{fast}}^d=U\·{\mathrm{\Σ}}^d\·V$

新的增益接着被***到参考模型中和先前由它获得的任何其他的模型(例如，快和慢模型)对于所有模型的所有相应部分保持相同的增益是重要的。

根据考虑附图和它们的说明优选实施例中的进一步的细节是易于理解的。现在回到附图和图1中，***概况100代表在一个应用描述的实施例中物理部件的概况。

控制计算机104结合控制计算机CPU122，用于执行实时操作监视中的控制计算机逻辑120和操作的装置102的控制。操作的装置102是可替换的，在例子中和不受限制，一个蒸汽轮机，一个汽轮机，一个化学处理，一个内燃机，或一个反应堆。

通信接口106结合通信接口CPU118，用于在易于控制计算机104和多变量控制器108之间的双边数据通信中执行通信接口逻辑106。

多变量控制器108节和多变量控制器CPU114，用于在优选实施例的方法中执行多变量控制器逻辑；图2的多变量控制器逻辑细节200进一步详细显示了多变量控制器逻辑112。监视器和键盘110提供一个监视，用于人们观看信息和数据。

模拟输入信号124提供来自操作的装置102的一个模拟输入信号，作为输入到控制计算机104的一个电压，并在操作的装置102内响应于一个属性(例如，一个温度或一个压力)。在控制计算机104内转换成一个数据逻辑实体之后，在实时接口逻辑210的测量的属性的控制范围内被表示成一个控制的变量(CV)的模拟输入信号124是控制计算机104或多变量控制器108中被展开的一个控制器的目标。

数字输入信号126提供来自操作的装置102的一个数字信号，作为输入到控制计算机104的一个电压和在操作的装置102内响应于一个属性(例如，是开或不开的一个阀门)。在控制计算机104内转换成一个数据逻辑实体之后，在实时接口逻辑210的测量的属性的控制范围内被表示成一个控制的变量(CV)的数字输入信号126是控制计算机104或多变量控制器108中被展开的一个控制器的目标。

数字输出信号128提供从控制计算机104的一个数字输出信号，作为一个电压输入以修改和操纵操作的装置102中一个控制元素的位置。这样一来，数字输出信号128修改操作的装置102的属性(例如，用于传送一个流体的动能，能够传送流体通过一个泵)。因此，控制计算机逻辑120，通信接口逻辑116，和多变量控制器逻辑112内的一个数据逻辑实体，被表示在数字输出信号128的电压中的它们的值被表示成一个操纵的变量(MV)。

模拟输出信号130提供来自控制计算机104的一个模拟输出信号，作为一个电压输入以修改和操纵操作的装置102中一个控制元素的位置。这样一来，数字输出信号128修改操作的装置102的属性(也就是，截面区域用于一个管内的流体流动)。因此，控制计算机逻辑120，通信接口逻辑116，和多变量控制器逻辑112内的一个数据逻辑实体，被表示在模拟输出信号130的电压中的它们的值被表示成一个操纵的变量(MV)。

对本领域技术人员显而易见的是，操作的装置102，控制计算机104，和通信接口106的本性在这里是被假定的，以便能够全面的理解所述的优选实施例和它们的使用。多变量控制器108的细节更集中地在说明书的后面讨论。控制计算机104的一个例子在美国专利中给出，序列号No.09/482,386，于2000年1月12日提交，题目“具有集成安全控制***的处理控制***”。

现在回到图2，多变量控制器逻辑细节200详细显示了多变量控制器逻辑112。人接口逻辑202提供用于在监视器和键盘110上观看的数据输出和从键盘以及从监视器和键盘110的隶属设备(例如，跟踪球，鼠标)的数据输入。模型204中的细节被显示在图5-10的时间相关的非集成特性500，多个非集成模型特征化600，非集成模型惯性特征化700，时间相关集成函数特征化800，多个集成模型特征化900，和集成模型惯性特征化1000。MV确定逻辑206执行相应控制逻辑以确定在控制的变量214和前馈变量216值的环境中的操纵的变量212。自适应逻辑208提供逻辑用于模型204和MV确定逻辑206内的适应有关控制的值。自适应逻辑208具有扩散响应逻辑218，增益确定逻辑220，和归档逻辑222逻辑的部分。实时接口逻辑210从控制计算机逻辑120读取前馈变量216和操纵的变量212(根据由通信接口106能够的数据通信)和通信这些变量到MV确定逻辑206。实时接口逻辑210还从MV确定逻辑206读取操纵的变量212和通信这些变量到控制计算机逻辑120(通过由通信接口106能够进行的数据通信)。

现在继续注意图3，基本的控制***方框图300显示了一个传统的控制***图，针对结合一个模型的一种控制器方案。控制器302是控制器(通常被确定成模型306的一个有效变换)。控制装置304是代表操作装置102的控制器块。模型306是根据控制的控制装置304方面的一个计算机实现的模型。扰动/CV求和点308是针对扰动312和从控制装置304的输出(控制变量)的一个求和点。模型/CV求和点310是针对模型输出(一个控制器变量的一个确定的模型值)和从扰动/CV求和点308(控制变量实际值包括任何扰动312的影响)的输出的一个求和点。扰动312时在一个控制变量上的不是由控制器402建立的任何影响。调整点314表示确定(a)一个操作技术员或(b)一个自动的调整点确定***以便有一个控制变量的期望值。

在图4中，多变量控制器控制***方框图400显示了一个控制***图，用于按照优选实施例的结合一个模型方案的一种控制器方案。分别对于多变量控制器控制***方框图400中的提取的函数性控制器402接近的隶属于控制器302。从控制装置304中得到控制器402结合线性程序426。控制装置304，扰动/CV求和点308，和扰动312。控制器402中另外的细节被描述在图17的控制器操作1700中。处理扰动值求和点404是一个求和点，用于模型化误差计算块406输出和扰动/CV求和点308输出。从处理扰动值求和点404的输出被输入到控制器402。模型化误差计算块406确定一个控制变量模型确定中的误差程度，分别对于通过使用快模型410，参考模型408，和慢模型412的控制变量的分离的模型确定实例。参考模型408被抽象的等效于模型306，除非经从自适应块416的输入参考模型408能被修改使用。快模型410和慢模型412根据参考模型408的模型被确定，在图5-10的时间相关非集成特征化500，多个非集成模型特征化600，非集成模型惯性特征化700，时间相关集成函数特征化800，多个集成模型特征化900，和集成模型惯性特征化1000中被进一步描述，并且在图12-16的模型结构步骤1200，停滞时间时间轴属性确定1300，稳态时间轴属性确定1400，斜坡部分确定细节1500，和曲线部分确定细节1600中被进一步描述。

历史块414显示多变量控制器控制***方框图400中的归档逻辑222。历史块414是数据读取中，通信与(a)发送到控制装置304的控制变量，(b)从控制器402操纵的变量，和(c)来自快模型410，参考模型408，和慢模型412的控制变量的确定的输出模型的值；从这些控制块元素接收的数据被归档用于自适应快模型410，参考模型408，慢模型412和所需的控制器402中的自适应块416。自适应块416处于与历史块414的双边数据通信以便在自适应快模型410，参考模型408，慢模型412，和所需的控制器402中使用归档的值。扩散响应例程418是自适应块416的一个逻辑部分，用于确定用于控制器402，参考模型408，快模型410，和慢模型412中的控制增益。增益确定例程420是自适应块416的一个逻辑部分，用于确定是否在控制器402，参考模型408，快模型410，和慢模型412中使用候选的修改数据配置按照多变量控制器控制***方框图400的***，以提供操作装置102的不期望的扩散控制。自适应块416输入自适应信息到快模型410，参考模型408，慢模型412，和控制器402。在一个实施例中，根据控制器402的方向，控制器-适配器数据路径422易于自适应块416逻辑的操作，并且自适应块416经适配器-控制器4数据路径424提供输入。在一个可替换的实施例中，自适应块416与控制器402平行操作而没有经控制器-适配器数据路径422的控制器方向的好处，和没有经适配器-控制器数据路径424提供输入到控制器402。

现在转到图5，时间相关非集成特征化500对于理解优选实施例的模型化方法是有用的，和描绘了一个控制变量改变的一个传统的非集成响应模型(一个初始模型)，分别对于在各个操纵变量中一个单元步骤改变，比如用于定义模型306中的。此外，时间相关非特征化500还描绘了用于定义参考模型408中的响应模型。离散时间间隔组502被显示在时间轴506上，每个离散时间间隔504是相同的持续时间。

用于控制变量量值508的一个轴与时间轴正交被描绘和显示零时间时间轴属性512，在各个操纵变量中的一个单元步骤改变的时间上(时间轴零值)。零时间时间轴属性512和初始模型停滞时间时间轴属性516(轴506***参考图5-10中的C)之间的函数通常称为响应模型中的“停滞时间”。在初始模型停滞时间时间轴属性516上(轴506***参考C)按照初始模型曲线部分522模型启动响应，它延续时间直到初始模型稳态时间轴属性520为止(图5-8中的轴506***参考F)。从初始模型稳态时间轴属性520到最大时间时间轴属性514(图5-10中的轴506***参考B)，模型显示初始模型平片部分510中的常量响应，在按照响应增益属性518获得控制变量中的修改之后。

现在转到图6，多个非集成模型特征化600反复离散的时间间隔504，时间轴506，控制变量量值508，初始模型平片部分510，零时间时间轴属性512，最大时间时间轴514(轴506***参考B)，初始模型停滞时间时间轴属性516(轴506***参考C)，响应增益属性518，初始模型稳态时间轴属性520(轴506***参考F)，和初始模型曲线部分522，并接着按照由零时间时间轴属性512定义的一个函数显示一个快模型到快模型停滞时间时间轴602(轴506***参考C)，到快模型稳态时间轴属性604(轴506***参考F)，到最大时间时间轴属性514(轴506***参考B)，具有快模型曲线部分606(安置在快模型停滞时间时间轴属性602和快模型稳态时间轴轴属性604之间)和快模型平片部分614(安置在快模型稳态时间轴属性604和最大时间时间轴属性514之间)。此外，按照由零时间时间轴属性512定义的一个函数还显示一个慢模型到慢模型停滞时间时间轴612(轴506***参考C”)，到慢模型稳态时间轴属性608(轴506***参考F”)，到最大时间时间轴属性514，具有慢模型曲线部分610(安置在慢模型停滞时间时间轴属性612和慢模型稳态时间轴轴属性608之间)和慢模型平片部分616(安置在慢模型稳态时间轴属性608和最大时间时间轴属性514之间)。慢模型和快模型都是从初始(参考)模型导出的，按照时间相关非集成特征化500。

现在继续关注图7，非集成模型惯性特征化700显示多个非集成模型特征化600，进一步识别快模型和初始模型之间的快速动态响应惯性特征化702以及初始模型和慢模型之间的慢速动态响应惯性特征化704。

现在转到图8，按照时间相关集成函数特征化800的一个初始(参考)模型显示一个控制变量的一个传统集成响应模型(一个初始模型)的描绘图，分别对于各个操纵变量中的一个单元步骤改变，比如在定义模型306中使用的。时间轴506，离散时间间隔504，零时间时间轴属性512，最大时间时间轴属性514(连同各个时间轴506参考***B)，和初始模型停滞时间时间轴属性516(连同各个时间轴506参考***C)被重复以显示用时间相关非集成特征化500的参考框的维量对准。根据在时间相关非集成特征化500中所描绘的，初始模型斜坡的部分802不同于初始模型，并具有一个斜率的一个属性，作为随一个时间函数的响应的斜率。

在图9中，多个集成模型特征化900显示集成响应模型模型等效于在函数中的一个快模型，通过多点的零时间时间轴属性512，快模型停滞时间时间轴906(时间轴506参考***C’)，和最大时间时间轴属性514定义，和在函数中的一个慢模型，通过零时间时间轴属性512，慢模型停滞时间时间轴属性908(时间轴506参考***C’)，和最大时间时间轴属性514定义(注意，最大时间时间轴属性514是一个奇异的“点”，分别对于所有模型中的时间相关非集成特征化500，多个非集成模型特征化600，非集成模型惯性特征化700，时间相关集成函数特征化800，多个集成模型特征化900，和集成模型惯性特征化1000的点B)。初始模型斜坡部分802从初始模型被重复，连同参考点的离散时间间隔504，时间轴506，零时间时间轴属性512，最大时间时间轴属性514，和初始模型停滞时间时间轴属性516(时间轴506参考***C)。快模型具有通过连接到快模型停滞时间时间轴属性906和最大时间时间轴属性514的函数部分定义的快模型斜坡的部分902。慢模型具有通过连接到慢模型停滞时间时间轴属性908和(在由时间轴506参考***B表示的奇异点上)最大时间时间轴属性514的函数部分定义的慢模型斜坡的部分904。

现在转到图10，集成模型惯性特征化1000显示多个集成模型特征化900，进一步识别快模型和初始(参考)模型之间的快动态响应惯性特征化1002和初始(参考)模型和慢模型之间的慢动态响应惯性特征化1004。

现在继续关注图11，考虑对于有选实施例的方法中的细节，多变量控制器通用展开动作1100代表使用模型变量控制器中的一个全面概况的步骤。在模式结构步骤1102中，操作装置102***作和获得数据以建立初始模型，和初始模型被构造来用于参考模型408。快模型410和慢模型412的快和慢模型(和多个非集成模型特征化600，非集成模型惯性特征化700，多个集成模型特征化900，和集成模型惯性特征化1000)也被建立，按照图12-16的模型构成步骤1200，停滞时间时间轴确定1300，稳态时间轴属性确定1400，斜坡部分确定细节1500，和曲线部分确定细节1600的进一步的细节。此外，初始模型也被变换以提供控制器402的响应。在初始调谐步骤1104中，多变量控制器控制***方框图400被进一步配置成定义调谐参数的一个调度工程师。在操作步骤1106中，按照图17A和17B的控制操作1700，多变量控制器控制***方框图400被用于控制操作装置102；在执行该步骤中，在MV确定逻辑206的逻辑内扰动估算运算以便从模型组中建立在控制变量与所有操纵变量的相互作用中的一个估算的模型化误差。根据控制变量量值和估算的模型化误差值的一个估算的处理扰动值也被计算。估算的模型误差值和估算的处理扰动误差值接着被用于确定调谐数据或模型数据的进一步的自适应。

在提供所述实施例使用的方法的讨论中，图12-20表示有用的虚拟关键步骤组，显示通常的一个流程图图形内的顺序的前进过程；然而，应该理解，特别是对于确定的平行和可替换的路径，被表示而没有分支的协议，这些流程图不意味着严厉的描述用于计算机逻辑编码的一个设计等级样板。根据图中所述的方法和处理过程变换到一个编码作业图和因此执行编码应该是显而易见的，并且直接简单的给出图和讨论。

现在转到图12，模型构造步骤1200显示分别对于快模型和慢模型的每个初始模型的修改中的第一级模型配置步骤1102的细节。快模型曲线部分修改步骤1202启动用于快模型曲线部分606定义的路径；和慢模型曲线部分修改步骤1204启动用于慢模型曲线部分610定义的路径。

图13-16进一步细节描述说明书中考虑的模型和概述了模型构成步骤1200。图13的停滞时间时间轴属性确定1300显示初始模型停滞时间时间轴属性516定义中的细节。图14的稳态时间轴属性确定1400显示初始模型稳态时间轴属性520定义中的细节。图15的斜坡部分确定细节1500显示初始模型停滞时间时间轴属性516中和时间相关集成函数特征化800以及多个集成模型特征化900中初始模型斜坡部分802属性确定的细节。图16的曲线部分确定细节1600显示根据初始模型曲线部分522的快模型曲线部分606和慢模型曲线部分610中的细节。

现在转到图17，控制器操作1700显示MV确定逻辑206和控制器402的操作处理过程。在历史更新步骤1702中，用于现有的MV，FF，和CV变量的数据被发送到历史块414来用于归档和在自适应块416中使用。建立历史用于N输入(CV)变量，L前馈(FF)变量，和M输出(MV)变量。在自适应决定步骤1704中，一个估算的处理扰动值(从控制变量量值)和估算的模型化误差值被计算。估算的模型化误差值和估算的处理扰动值接着被用于确定调谐数据或模型数据的进一步的自适应。在图18A-18E的自适应方法细节1800中讨论了模型自适应步骤1722中的细节(从自适应决定步骤1704给出一个肯定回答)。在CV预测步骤1706中，使用初始(参考)，慢，和快模型以预测稳态控制器变量值。作出预测来用于N输入(CV)变量，L前馈(FF)变量，和M输出(MV)变量。其中的进一步的细节被显示在图19的未来CV要求定义细节1900中。在稳态MV定义步骤1708中，线性程序被调用以定义稳态操纵的变量值。这些值被定义用于N输入(CV)变量和M输出(MV)变量。在动态矩阵建立步骤1710中，动态(ATA)矩阵被重建立如果调谐被改变，如果模型是被改变，或者如果这是控制器处理的第一执行实例。ATA矩阵具有一个MxM的尺寸，其中M＝N(CV变量)，通过移动用于每个MV的未来的MV的数相乘。在未来的CV要求定义步骤1712中，在控制变量之中需要的未来的位移根据调整点和其它的预测的未来值被确定，这些值从CV数据采集步骤1720中的控制计算机逻辑的数据库中获得。未来CV要求定义步骤1712中的进一步的细节被显示在图20的CV预测细节2000中。确定位移来用于输出变量。在MV改变定义步骤1714中，ATE矩阵和动态矩阵被解算以定义操纵的变量中增加的改变。在MV实现步骤1716中，增加的操纵变量改变被实现和处理返回到数据采集步骤1718；综合影响每个N输入变量。在数据采集步骤1718中，MV，CV，和FF变量从控制计算机逻辑120被读取(经通信接口160)。在CV数据采集步骤1720中，从控制计算机逻辑120的数据库中获得调整点和其它的预测的未来的值，连同控制变量值中需要的未来的移位。

在图18中，自适应方法细节1800显示了模型自适应步骤1722中的具体情况(从自适应决定步骤1704给出一个肯定回答)。在忽略因子修改决定1804中，“忽略的因子”经过使用确定独立的贴现系数被应用到归档逻辑222中的最老的数据上。在C矩阵建立步骤1802和自适应方法细节1800的其他步骤中，“微分形式”有时也被称为“不同的形式”。C矩阵的尺寸是MxN，其中N是MV和FF变量的数和M是使用的时间水平中的增量数。

现在继续关注图19，未来CV定义细节1900显示控制器操作1700的未来CV要求定义步骤1712中的处理细节。在可替换的CV误差确定步骤1902中，一个可替换的误差值被确定来用于当前的和预测的CV值。在例子中：

公式58-60

L＝最大预测的CV-最小预测的CV

X＝当前CV/L

误差＝x*(1.0-exp(-x*x))

或

误差＝x*(1.0-1.0/(1+a*x∧n))

其中“a”被定义以便能够坚固调谐(注意，在一个实施例中，“a”是约束近似的一个函数)。

在图20中，CV预测细节2000代表未来CV要求定义步骤1712中的进一步的细节。在CV误差校正步骤2002中，经关系式估计对于每个控制变量的每个误差：

公式61

误差＝调整点-函数(快预测的CV，慢预测的CV)

其中函数是直接针对算术平均值，或可替换的，函数是基于CV中的约束近似。

根据模拟结合图21-26，当与传统的DMC控制器相比较时，多变量控制器的优点被例证在下面的例子中。

在该例中，在图21，23，和25中用一个经典的DMC控制一个模拟的一个操作装置。在各个比较图22，24，和26中，使用优选实施例的坚固多变量控制器控制相同的模拟的操作装置。在图21-22的比较中，用模拟工厂和控制器中使用的模型之间的一个模型参数中的一个相同的位移“影响”模型。在图23-24的比较中，用模拟的工厂和控制器中使用的模型之间的一个增益参数中的一个相同的位移“影响”模型。在图25-26的比较中，用一个相同的控制器模型(特征值)变换“影响”模型。在读取模拟输出时间图中，注意时间图的右手刻度定义MV变量的量值，而左手刻度定义SP和CV量值。

图21代表从一个模拟器的输出2100，针对在模型化参数模型不匹配的一个情况下的一个规则的DMC操作。输出2100包含用于CV1和MV1动作的时间图2102，时间图2104针对CV2和MV2的动作，和时间图2106针对CV3和MV3的动作。图21显示了正规的DMC，在操作装置的模拟和控制器中使用的模型之间的模型不匹配的情况下(情况是只在第一模型中具有一个3x3的模型不匹配；在这点上，停滞时间被不正确的模型化)。移动抑制因子被设置到一致。相等的所关心的误差也都是唯一的。模拟被内部的正规化以便CV和MV的所有值在50.0上开始。处理增益通常在0到3.0的范围中。图显示了在DMC中引入的不稳定性，通过只在一个9的模型的停滞时间模型中的一个单一的小误差(也就是3x3)。在装置模拟和控制器的模型之间每个其他的模型参数被严格地相等。在第一模型中的停滞时间误差大约是百分之20。该误差造成在所有3CV’中的控制器的不稳定；传统的处理是增加移动抑制，但对于外部的扰动和对于调整点的改变消耗了控制器的反应时间。

图22表示从一个模拟器的输出2200，针对图21的模型不匹配的情况中优选实施例操作的坚固控制器。输出2200包含对于CV1和MV1动作的时间图2202，对于CV2和MV2动作的时间图2204，和对于CV3和MV3动作的时间图2206。图22显示面临图21的相同的模型不匹配的坚固控制器(情况是只在第一模型中的相同的3x3的模型不匹配；停滞时间再次被不正确的模型化)。移动抑制因子被设置到唯一。相等的所关心的误差也都是唯一的。模拟被内部的正规化以便CV和MV的所有值在50.0上开始。图显示了坚固多变量控制器的最后结果的稳定性。在消耗反应时间上控制器没有增益稳定性，并因此，扰动和调整点改变可以比规则的DMC处理的更快。因而坚固性是实质性的，移动抑制可以是零(即关闭)，如果这样做有任何原因。

图23表示从一个模拟器的输出2300，针对增益模型不匹配的一个情况中的一个规则的DMC操作。输出2300包含对于CV1和MV1动作的时间图2302，对于CV2和MV2的时间图2304，和对于CV3和MV3的动作的时间图2306。图23显示了规则的DMC而没有自适应。情况是只在所有模型的增益中具有模型不匹配的一个3x3。移动抑制因子被设置到唯一。相等的所关心的误差也是全部统一的。模拟是被内部标准化的以便CV和MV的所有值在50.0上开始。处理增益通常在0到3.0的范围中，具有0到50百分数的误差范围。图显示了通过增益误差在DMC中引入的不稳定性。DMC控制器在所有3CV中是不稳定的。

图24表示从一个模拟器的输出2400，针对图23的模型不匹配的情况中优选实施例操作的坚固控制器。输出2400包含CV1和MV1动作的时间图2402，对于CV2和MV2动作的时间图2404，和对于CV3和MV3动作的时间图2406。图24显示了具有自适应的坚固控制器。情况是与图23中使用的相同的3x3，值在所有模型的增益中具有模型不匹配。移动抑制因子被设置到唯一。相等的所关心的误差也是全部统一的。模拟被内部标准化以便CV和MV的所有值在50.0上开始。处理增益通常在0到3.0的范围中，具有0到50百分数的误差范围。图显示了坚固控制器中一些初始的不稳定性(2408的区域)；这是一个学习周期。在该学习周期之后，响应于调整点改变控制器展示近乎完美，自从它从过去的数据得到，正确的模型增益匹配实际的处理和控制模型。还注意，比较图24的2408区域中的峰值与图23的2308的可比较的峰值区域，图24的控制器显示了很少的超出调整点SP；这例证了对操作***起反应的所述实施例的多模型控制器的有效性。

图25表示从一个模拟器的输出2500，针对控制器模型(特征值)变换的一个情况中的一个规则的DMC操作。输出2500包含CV1和MV1动作的时间图2502，对于CV2和MV2动作的时间图2504，和对于CV3和MV3动作的时间图2506。注意(a)在时间t＝100上的调整点的改变触发变换的响应和(b)控制器扩散很快，由于移动抑制被设置到唯一。

图26代表从一个模拟器的输出2600，针对图25的模型(特征值)变换的情况中优选实施例操作的坚固控制器。输出2600包含对于CV1和MV1动作的时间图2602，对于CV2和MV2动作的时间图2604，和对于CV3和MV3动作的时间图2606。再有，在时间t＝100上的调整点触发变换的响应，和控制器最初扩散-但不是像图25的规则的DMC那样快速。变换检测接着触发所有模型中特征值的变换；该处理有效的出现在时间t＝120上。应该清楚，变换在一个相对早的时间上被启动，当一个不同的控制器参数的选择被使用时。移动抑制因子被设置到唯一。图25和26的一个比较显示了所述实施例中的值(a)在控制处理中确定发散响应性能和接着(b)抵制识别的发散响应性能以稳定控制器。

在许多可替换的计算***体系结构内所述的实施例是可实现的。在一个可替换形式中，一个实施例易于在一个多处理的语言环境内，其中不同的数据库，数据部分，和计算机实现的逻辑内的逻辑引擎(逻辑子部分读取数据，写数据，计算数据，和在数据计算处理中作出决定)被同时建立和激活动态的有效数据传送连接，易于直接的或不直接的经过一个数据公共和/或一个应用程序接口(API)的使用。在另一个可替换方式中，不同的数据库，数据部分，和逻辑引擎易于在一个单一处理的语言环境中，其中不同的部件被顺序的激活，通过具有连接的一个操作技术，易于直接的或不直接的经过数据公共或专用于中间存储的数据方案的使用。还在另一个可替换方式中，不同数据库，数据部分，和逻辑引擎在一个单一的处理语言环境中被展开，其中(a)不同的数据库，数据部分，和逻辑引擎的一些部件被访问和通过具有连接的一个操作技术被激活，易于直接或不直接的经过数据公共或专用于中间存储的数据方案的使用，和(b)不同数据库，数据部分，和逻辑引擎内的其他的部件被访问和被激活，通过调用具有连接的早先激活的，易于直接或不直接的经过数据公共或专用于中间存储的数据方案的使用。在一个可替换方式中，多变量控制器被实现和在一个物理计算机上被执行。在另一个可替换方式中，控制器易于在不同的平台上，其中通过一个引擎产生的结果由一个操作技术被传送到第二或其他的多个不同的数据库，数据部分，和在不同计算机平台上执行的逻辑引擎，尽管在每个平台上需要一个分离的操作***。在另一个可替换中，控制器易于在通过一个计算机网络互联的多个计算机平台上，尽管在每个平台上需要一个分离的操作***和操作***进一步结合任何网络逻辑，这需要经这样一个计算机实现的通信网络实施需要的通信。按照所述实施例的一个相当小的控制器在一个计算机上被展开，该计算机具有一个33MHz时钟的一个英特尔80486CPU，10兆RAM存储，和一个100兆硬盘，使用微软公司的窗口95操作***。按照所述实施例的一个较大的控制器在一个Vaxstation 400m90上被展开，具有128兆RAM和康柏计算机公司的一个(至少)500兆硬盘。通过通常显而易见的应用技术考虑在上面概况环境中的结构层次展开的许多的不同的等级，并且本领域技术人员能方便的修改本发明的示例，给出的该公开的益处，是为了在上面计算机***结构体系内实现本发明的实用性，一旦给出了公开的益处，在不脱离本发明的精神下是可替换的。

Claims (26)

1.一种用于控制处理装置的操作的一种计算机实现的***，具有至少一个独立控制操纵的变量和响应于所述操纵的变量的至少一个控制的变量，其特征在于所述***包括：

一组至少两个模型，用于为每个控制的变量定义量值中一个期望的变化，以便其作为每个操纵的变量的各自的函数，所述模型组具有一个动态响应惯性特征；和

实施修改的装置，用于实现从所述模型组中定义的一个改变以便在所述处理装置中修改所述操纵的变量。

2.根据权利要求1所述的***，进一步特征在于，还包括用于在整个实时使用过程中自适应所述模型的装置。

3.根据权利要求1所述的***，进一步特征在于，还包括用于在所述控制中确定发散响应性能的装置。

4.一种用于控制处理装置操作的计算机实现的***，具有至少一个独立控制操纵的变量，和响应于所述操纵的变量的至少一个控制的变量，其进一步响应于处理始发独立于所述操纵的变量的扰动，其特征在于所述***包括：

测量装置，用于测量每个控制变量的量值；

一组至少两个模型，用于为每个控制的变量定义量值中的一个期望的变化，以便其作为每个操纵的变量中的一个操纵变量的扰动实例的各自的函数；

确定估算的模型化误差值的装置，在完成一个操纵的变量修改中，用于从所述模型组中确定一个所述控制的变量与所有所述操纵的变量的交互作用中一个估算的模型化误差值；

确定估算的处理扰动值的装置，用于从所述控制的变量量值和所述估算的模型化误差值确定一个估算的处理扰动值；

定义期望改变的第一部分的装置，用于从所述估算的模型化误差值定义至少一个操纵的变量的当前值中的期望改变的第一部分；

定义期望改变的第二部分的装置，用于从所述估算的处理扰动值定义至少一个操纵的变量的当前值中的期望改变的第二部分；

实施修改的装置，用于实施所述第一和第二期望的改变部分以修改所述操纵的变量。

5.根据权利要求4所述的***，其中所述模型组结合一个动态响应惯性特征，所述***进一步特征在于还包括：用于获得一个惯性特征值的装置，以便在所述模型组中能够完成所述动态响应惯性特征。

6.根据权利要求5所述的***，进一步特征在于还包括用于在整个实时使用中自适应所述模型组的装置。

7.根据权利要求4所述的***，进一步特征在于还包括用于在所述控制中确定发散响应性能的装置。

8.一种用于控制一个装置操作的计算机实现的***，具有至少一个独立控制操纵的变量和响应于所述独立控制操纵的变量的至少一个控制的变量，其特征在于所述***包括：

用于在一个时间相关函数中定义一组连续的离散的时间间隔的装置；

用于在每个独立控制操纵的变量中引入一个预定量值的操纵的变量的扰动实例的装置，所述扰动实例在每个控制的变量中引起一个响应；

用于测量每个控制变量的量值的装置；

一个控制器；

定义函数特性的装置，分别对每个响应，用于在一个时间轴的所述连续的离散时间间隔组上定义所述控制的变量量值的至少一个时间相关的函数特性，所述函数特性具有一个零-时间时间轴属性，一个最大-时间时间轴属性，一个停滞-时间时间轴属性，一个响应增益属性，一个斜率属性，一个稳态时间轴属性，安置在所述停滞时间时间轴属性的时间轴位置和所述最大-时间时间轴属性的时间轴位置之间的一个曲线部分，安置在所述停滞时间时间轴属性的时间轴位置和所述稳态时间轴属性的时间轴位置之间的一个斜坡部分，和安置在所述稳态属性的时间轴位置和所述最大时间时间轴属性的时间轴位置之间的一个均匀平片(homaloidal)部分，用于一个所述响应的每个离散时间间隔具有相同的持续时间，所述均匀平片部分具有用于一个集成控制变量响应的一个零值，所述斜坡部分具有用于一个非集成控制变量响应的一个零值，并且用于一个所述响应的每个函数特性具有相等值的零时间时间轴属性，响应增益属性，斜率属性，和最大时间时间轴属性；

用于获得第一所述时间相关的函数特性的装置，在引入所述扰动实例之后，根据在一个控制变量的所述量值中测量的一个有效的改变，用于分别对于响应获得第一所述时间相关的函数特性，所述第一函数特性具有第一所述停滞时间时间轴属性，第一所述稳态时间轴属性，第一所述曲线部分，第一所述均匀平片部分，和第一所述斜坡部分，它的函数导数等效于在所述最大时间时间轴属性上的所述斜率属性；

用于把所述第一时间相关的函数特性转换到所述控制器的装置；

用于导出第二所述时间相关的函数特性的装置，用于从所述第一时间相关的函数特性导出第二所述时间相关的函数特性，所述第二函数特性具有根据所述第一停滞时间属性的第一预定的减少偏移中的第二停滞时间属性，根据所述第一稳态属性的第二预定的减少偏移中的第二稳态属性，根据所述第一曲线部分的第一预定函数偏移中的第二曲线部分，在所述第一均匀平片部分的外插中的第二均匀平片部分，和在所述第一斜坡部分的外插中的第二斜坡部分；

用于导出第三所述时间相关函数特性的装置，用于根据所述第一时间相关函数特性导出第三所述时间相关函数特性，所述第三函数特性具有根据所述第一停滞时间属性在第一预定的超加性的偏移中的第三停滞时间属性，根据所述第一稳态属性的在第二预定超加性偏移中的第三稳态属性，根据所述第一曲线部分的在第二预定函数偏移中的第三曲线部分，和在所述第一均匀平片部分的截断中的第三均匀平片部分，和在所述第一斜坡部分的截断中的第三斜坡部分；

确定期望的改变的装置，用于根据所述第二时间相关的函数特性，所述第三时间相关函数特性，至少一个控制的变量的量值，和所述控制器，在实时的一个操纵的变量值之中确定一个期望的改变；和

用于实施所述期望的改变以修改所述操纵的变量是装置。

9.根据权利要求8所述的计算机实现的***，用于实时的在一个操纵变量的值中确定一个期望的改变的装置，根据所述第一时间相关函数特性，所述第二时间相关函数特性，所述第三时间相关函数特性，至少一个控制变量的量值，和所述控制器来确定所述期望的改变。

10.根据权利要求9所述的计算机实现的***，其中所述第一、第二和第三时间相关函数特性定义一个模型组中的三个模型，所述模型组结合所述第一和第二时间相关函数特性之间的第一动态响应惯性特征和所述第一和第三时间相关函数特征之间的第二动态响应惯性特征，所述***进一步特征在于，还包括用于获得第一惯性特征值和第二惯性特征值以便在所述模型组中分别实现所述第一和第二动态响应惯性特征的装置。

11.根据权利要求10所述的***，进一步的特征在于还包括用于在整个实时使用中适应所述模型组的装置。

12.一种用于控制一个处理装置操作的计算机实现的***，具有至少一个独立控制操纵的变量和响应于至少一个所述操纵的变量的至少一个控制的变量，其进一步响应于始发的独立于所述操纵的变量的处理扰动，其特征在于所述***包括：

用于测量每个控制变量的量值的装置；

一个模型，用于为每个控制的变量定义量值中一个期望的变化，以便其作为在每个操纵的变量中的一个操纵变量扰动实例的各自的函数；

在完成一个操纵的变量修改中，用于从所述模型组中确定一个所述控制的变量与所有所述操纵的变量的交互作用中一个误差值的装置；

用于从所述误差值中定义至少一个操纵变量的当前值中的一个期望的改变的装置；

用于实施所述期望的改变以修改所述操纵的变量的装置；和

用于在所述控制中确定离散的响应特性的装置。

13.根据权利要求12所述的计算机实现的***，进一步特征在于还包括用于抵制所述发散响应特性的装置。

14.一种用于计算机实现的一个处理装置的控制方法，具有至少一个独立控制操纵的变量和响应于操纵的变量的至少一个控制的变量，其特征在于所述方法包括：

为每个控制的变量定义量值中一个期望的变化，以便其作为一组至少两个模型中的每个操纵的变量的各自的函数，所述模型组具有一个动态响应惯性特征；和

实施从所述模型组定义的一个改变以便在所述处理装置中修改所述操纵的变量。

15.根据权利要求14所述的方法，进一步特征步骤在于，在整个实时使用中适应所述模型。

16.根据权利要求14所述的方法，进一步特征步骤在于，在所述控制中确定发散响应性能。

17.一种用于计算机实现的控制处理装置的方法，具有至少一个独立控制操纵的变量和响应于至少一个所述操纵的变量的至少一个控制的变量，其进一步响应于始发的独立于所述操纵的变量的处理扰动，其特征在于所述方法包括：

测量每个控制变量的量值；

为每个控制的变量定义量值中一个期望的变化，以便其作为一组至少两个模型中的每个操纵的变量中的一个操纵的变量扰动实例的各自的函数；

在完成一个操纵的变量修改中，从所述模型组中确定一个所述控制的变量与所有所述操纵的变量的交互作用中一个估算的模型化误差值；

从所述控制的变量量值和所述估算的模型化误差值中确定一个估算的处理扰动值；

从所述估算的模型化误差值定义至少一个操纵的变量的当前值中的期望改变的第一部分；

从所述估算的处理扰动值定义至少一个操纵的变量的当前值中的期望改变的第二部分；

实施所述第一和第二期望的改变部分以修改所述操纵的变量。

18.根据权利要求17所述的方法，其中所述模型组结合一个动态响应惯性特征，所述方法进一步的步骤特征在于，获得一个惯性特征值以便在所述模型组中能够实现所述动态响应惯性特征。

19.根据权利要求18所述的方法，进一步的步骤特征在于，在整个实时使用过程中适应所述模型。

20.根据权利要求17所述的方法，进一步的步骤特征在于在所述控制中确定发散响应性能。

21.一种用于计算机实现的控制一个处理装置的方法，具有至少一个独立控制操纵的变量和响应于至少一个所述独立控制操纵的变量的至少一个控制的变量，其特征在于所述方法包括：

在一个时间相关函数中定义一组连续的离散的时间间隔；

在每个独立控制操纵的变量中，引入一个预定量值的操纵的变量的扰动实例，所述扰动实例在每个控制的变量中引起一个响应；

测量每个控制变量的量值；

提供一个控制器；

分别对每个响应，在一个时间轴的所述连续的离散时间间隔组上定义所述控制的变量量值的至少一个时间相关的函数特性，所述函数特性具有一个零-时间时间轴属性，一个最大-时间时间轴属性，一个停滞-时间时间轴属性，一个响应增益属性，一个斜率属性，一个稳态时间轴属性，安置在所述停滞时间时间轴属性的时间轴位置和所述稳态时间轴属性的时间轴位置之间的一个曲线部分，安置在所述停滞时间时间轴属性的时间轴位置和所述最大-时间时间轴属性的时间轴位置之间的一个斜坡部分，和安置在所述稳态属性的时间轴位置和所述最大时间时间轴属性的时间轴位置之间的一个均匀平片(homaloidal)部分，用于一个所述响应的每个离散时间间隔具有相同的持续时间，所述均匀平片部分具有用于一个集成控制变量响应的一个零值，所述斜坡部分具有用于一个非集成控制变量响应的一个零值，和用于一个所述响应的每个函数特性具有相等值的零时间时间轴属性，响应增益属性，斜率属性，和最大时间时间轴属性；

在引入所述扰动实例之后，根据在一个控制变量的所述量值中测量的一个有效的改变，分别对于响应获得第一所述时间相关的函数特性，所述第一函数特性具有第一所述停滞时间时间轴属性，第一所述稳态时间轴属性，第一所述曲线部分，第一所述均匀平片部分，和第一所述斜坡部分，它的函数导数等效于在所述最大时间时间轴属性上的所述斜率属性；

把所述第一时间相关的函数特性转换到所述控制器；

从所述第一时间相关的函数特性导出第二所述时间相关的函数特性，所述第二函数特性具有根据所述第一停滞时间属性的第一预定的减少偏移中的第二停滞时间属性，根据所述第一稳态属性的第二预定的减少偏移中的第二稳态属性，根据所述第一曲线部分的第一预定函数偏移中的第二曲线部分，在所述第一均匀平片部分的外插中的第二均匀平片部分，和在所述第一斜坡部分的外插中的第二斜坡部分；

根据所述第一时间相关函数特性导出第三所述时间相关函数特性，所述第三函数特性具有根据所述第一停滞时间属性在第一预定的超加性的偏移中的第三停滞时间属性，根据所述第一稳态属性的在第二预定超加性偏移中的第三稳态属性，根据所述第一曲线部分的在第二预定函数偏移中的第三曲线部分，和在所述第一均匀平片部分的截断中的第三均匀平片部分，和在所述第一斜坡部分的截断中的第三斜坡部分；

根据所述第二时间相关的函数特性，所述第三时间相关函数特性，至少一个控制的变量的量值，和所述控制器，在实时的一个操纵的变量值之中确定一个期望的改变；和

实施所述期望的改变以修改所述操纵的变量。

22.根据权利要求21所述的方法，用于实时的在一个操纵变量的值中确定一个期望的改变的所述步骤根据所述第一时间相关函数特性，所述第二时间相关函数特性，所述第三时间相关函数特性，至少一个控制变量的量值，和所述控制器来确定所述期望的改变。

23.根据权利要求22所述的方法，其中所述第一、第二和第三时间相关函数特性定义一个模型组中的三个模型，所述模型组结合所述第一和第二时间相关函数特性之间的第一动态响应惯性特征和所述第一和第三时间相关函数特征之间的第二动态响应惯性特征，所述方法进一步的步骤特征在于，获得第一惯性特征值和第二惯性特征值以便在所述模型组中分别实现所述第一和第二动态响应惯性特征。

24.根据权利要求23所述的方法，进一步的步骤特征在于，在整个实时使用中适应所述模型组。

25.一种计算机实现的控制一个处理装置的方法，具有至少一个独立控制操纵的变量和响应于至少一个所述操纵的变量的至少一个控制的变量，其进一步响应于始发的独立于所述操纵的变量的处理扰动，其特征在于所述方法包括：

测量每个控制变量的量值；

一个模型，在量值中定义一个期望的变化，以便每个控制的变量作为在每个操纵的变量中的一个操纵变量实例的各自的函数；

在完成一个操纵的变量修改中，从所述模型中确定一个所述控制的变量与所有所述操纵的变量的交互作用中一个误差值；

从所述误差值中定义至少一个操纵变量的当前值中的一个期望的改变；

实施所述期望的改变以修改所述操纵的变量；和

在所述控制中确定离散的响应特性。

26.根据权利要求25所述的方法，进一步特征在于还包括抵制所述发散响应性能的步骤。

Images