GB／T 32854.1-2016 标准规范下载简介：

内容预览由机器从pdf转换为word，准确率92%以上，供参考

GB／T 32854.1-2016 工业自动化系统与集成 制造系统先进控制与优化软件集成 第1部分：总述、概念及术语.pdf

根据被控系统的被控变量与设定值的偏差，利用比例、积分、微分计算出控制量进行控制 典控制算法。

稳态优化steadystateoptimizatior

控制性能评估controlperformanceassessment 利用信号处理、时间序列建模、概率统计分析等技术对控制系统的可测信号进行分析，并 经验对控制系统的运行状态给出评价。

主能评估controlperformanceassessment 言号处理、时间序列建模、概率统计分析等技术对控制系统的可测信号进行分析GB/T 33889-2017 无损检测仪器 涡流-漏磁综合检测仪技术规则，并结合专家 制系统的运行状态给出评价。

GB/T 32854.12016

偏最小二乘partialleastsquares 一种多元统计分析计算方法。通过多元投影变换，分析两个不同矩阵中变量的相互关系，可用 分析过程变量和质量变量间的映射关系。

先进控制与优化平台advancedprocesscontrolandoptimizationplatfor 支撑先进控制与优化策略的计算机软件系统。

集散控制系统distributedcontrolsyste

综合计算机、控制、通信、网络和图形显示等技术，形成以微处理器为核心的计算机控制 设计思想是采用控制分散和管理集中相结合的原则，保证系统具有高的可靠性、灵活性和可 3.5.3

实时数据库realtimedatabase

软件集成中使用的典型软测量技术参见附录B。 基于数据驱动的软测量根据过程中可测量的变量，利用数据驱动模型来估计难以测量的主导变量 的技术与方法。它围绕如何构造一个高精度的估计器这一核心内容展开的。基于数据驱动的软测量主 要有两类，即多变量统计和人工智能，如神经网络、模糊逻辑和支持向量机。 基于机理模型的软测量是通过对系统和过程的机理分析，寻求主导变量与辅助变量之间的关系，建 立机理模型，估计主导变量的技术与方法。作为基于数据驱动的模型估计主导变量的软测量技术的补 充，基于机理模型的软测量技术具有正确度高、鲁棒性强和可扩展性等特点

6.2.2先进控制模块

先进控制模块使用处理多变量、有药束的复杂对象的控制策略，以实现过程的平稳控制、降低操作 成本、提高效益，为过程优化提供基础条件与支撑。先进控制模块主要使用的控制策略包括有预测控 制、模糊控制等。先进控制与优化软件集成中使用的典型先进控制技术参见附录C。 预测控制的主要特征是以预测模型为基础，采用在线滚动优化性能指标和反馈校正的策略，来克服 被控对象建模误差和结构、参数受环境不确定性因素的影响，有效地弥补控制理论对复杂被控对象模型 精度高依赖性等所无法避免的不足之处。通常包括以下软件模块：在线测试、模型辨识、控制器设计与 仿真等。 模糊控制是以模糊控制理论为基础，采用计算机控制技术构成的一种具有反馈通道闭环结构的数 字控制系统，是一种语言型控制器，通常由输人量模糊化接口、数据库、规则库、推理机和输出解模糊接 口等五部分组成。

GB/T 30086-2013 给水塑料管道轴向线膨胀系数试验方法6.2.4性能评估模块

GB/T32854.1—2016附录A（资料性附录）先进控制与优化系统应用架构示例离线软件在线软件建模设计仿真日志管理监控软测量优化稳态优化性能评估数据文件工程文件模型校正评估计算输出校正软测量计算报告模型预测数据采集偏差校正稳态校验动态优化维护建议预测控制先进控制平台数据服务Archive.daOPC服务器图A.1先进控制与优化系统应用架构示例图A.1给出了先进控制与优化系统的一种典型应用架构示例：a)该先进控制与优化系统支持OPC通讯服务标准，基于OPC数据服务器运行。先进控制平台承担了先进控制系统实时数据通讯功能，同时保存历史数据到磁盘。c)数据采集将在线的数据转换为数据文件提供离线软件使用。d)系统的离线软件功能根据不同系列软件功能需求而不同，但主要分为：数据分析与建模，重点分析处理历史数据，通过辨识或参数估计的方法建模；2）设计软件提供了用户配置系统策略、约束、通讯等相关的信息；3）通过仿真软件，用户可以检查运行效果，调试参数直至满足设计需要。e)后台服务承担了先进控制与优化系统执行运行的功能，实例中，软测量采用PLS技术；优化采用基于模型增益的稳态优化；先进控制采用多变量预测控制，先进控制与优化采用软件耦合设计；性能评估则提供了PID性能评估、预测控制性能评估、优化性能评估工具。f)在线控制台为用户在线操作界面，承担了管理、监控功能，同时保存操作日志。

附录B （资料性附录） 典型的软测量技术

偏最小二乘法是一种新型的多元统计数据分析方法。偏最小二乘法巧妙的把模型式的方法和认识 性的方法有机的结合起来了，在一个算法下，可以同时实现回归建模（多元线性回归）、数据结构简化（主 成分分析）以及两组变量之间的相关性分析（典型相关分析）。 偏最小二乘法在统计应用中的重要性体现在以下几个方面：偏最小二乘法是一种多因变量对多自 变量的回归建模方法；偏最小二乘法可以较好的解决传统多元回归无法解决的问题；偏最小二乘法之所 以被称为第二代回归方法，还由于它可以实现多种数据分析方法的综合应用。 主元回归的主要目的是要提取隐藏在输人变量中的相关信息，然后用于预测输出变量。该算法可 以有效提取独立变量，消除噪声，从而达到改善预测模型质量的目的。但是，主成分回归仍然有一定的 缺陷，当一些有用变量的相关性很小时，在选取主成分时就很容易把它们漏掉，使得最终的预测模型可 靠性下降。偏最小二乘回归与主元回归的不同之处在于主元的提取方法不同。偏最小二乘回归采用对 输人变量和输出变量同时进行分解的方法，只需要建立一个模型，选择几个因子参与建模。 作为一个多元线性回归方法，偏最小二乘回归的主要目的是要建立一个线性模型：Y=XB十E，其 中Y是具有m个变量、n个样本点的响应矩阵，X是具有p个变量、n个样本点的预测矩阵，B是回归 系数矩阵，E为噪声校正模型，与Y具有相同的维数。

附录C （资料性附录） 典型的先进控制技术

D.1基于模型增益的优

附录E （资料性附录） 典型的性能评估技术

随着DCS和各类总线技术的成熟和广泛应用，天量的现场历史数据为工程师们维护和调整控制系 统提供了有利条件，随着竞争的加剧和要求提高，使得许多企业将注意力更多的集中到了系统每天乃至 每个操作的性能保持和提高上。首先，PID控制器优越的性能是保证控制系统日常高效操作、应对系统 典型波动和异常的重要手段；其次，PID控制系统的优良性能保障了先进控制技术充分靠近优化边界运 行，紧密跟踪系统优化轨迹，为维持高品质的运行和实现计划的操作目标创造了条件。因此，PID控制 系统给工厂日常操作和上层先进控制系统性能带来了最直接和重大的影响。 PID控制器最初是按照一定的性能要求设计和整定，随着时间的推移，大部分工业现场工况发生变 化，这使得实际运行的控制器性能很难达到原设计要求，甚至出现故障。因此针对PID系统中的时变 间题，PID性能评估提供了基于生产数据的监测与评估优化方法，以模型检测技术为手段，针对系统时 变而引起的控制器性能下降问题，利用最小方差评估技术或者LQG评估技术对系统进行优化和评估。

XF 1282-2015 灭火救援装备储备管理通则E.2自定义关键性能指