CN1545207A - 产生滤波信号的方法和产生滤波信号的数字滤波器 - Google Patents

Abstract

本发明提供一种从多个原始信号和至少一个先前产生的滤波信号中产生滤波信号的方法和一种从许多原始信号和至少一个先前产生的滤波信号中产生滤波信号的数字滤波器。较好地使用N－极性滤波器子程序来滤波传感器或控制器输出信号，就可以将由于这些信号中的噪声引起的虚假控制过程降至最小。

Description

产生滤波信号的方法和产生滤波信号的数字滤波器

本发明是于1998年12月23日申请的申请号为“98126443.3”、发明名称为“控制包括快速噪声滤波器在内的气相反应器的非线性模型的预测控制方法和为此的方法”申请的分案申请。

技术领域

本发明大体上涉及一种产生滤波信号的方法和一种产生滤波信号的数字滤波器。更具体地说，本发明涉及一种从多个原始信号和至少一个先前产生的滤波信号中产生滤波信号的方法和一种从许多原始信号和至少一个先前产生的滤波信号中产生滤波信号的数字滤波器。

背景技术

在控制技术中，传统或典型的反馈控制器在控制实践中占主要地位。传统的反馈控制器包括线性控制器如比例(P)控制器，比例积分(PI)控制器或比例积分微分(PID)控制器，所有这些控制器都将在下面阐述，和非线性控制器如模糊逻辑(FL)控制器。图1是使用P-型反馈控制的假想化学反应器的高液面部分方框图的部分示意图，该图显示了一种过程，通过控制流体的进料速度Vf保持锥形箱10中的液面。更具体地说，液面控制器12将指示箱10内液面的信号提供给流量控制器FC14，该流量控制器读出液体进料Vf并将定位信号提供给进料控制阀16以控制进入箱10的液体进料Vf。在如图1所示的系统中，值得注意的是，流出箱外的液体不受流量控制器14的控制。

可以知道，当锥形箱内的液面高于其设定点(set-point)SP时，控制器14将减少进入箱内的新鲜进料，即减少Vf，而当它太低时，控制器14则提高流量，即增加Vf。这种调节的大小由所用的调整参数确定，其中最重要的是增益系数(gain)，即PID中的比例项(“P”)。在这种情况下，应规定增益系数的单位为(升/小时)/(％液面)。通过规定增益系数，操作人员就能确定对于箱10内的液面偏离预定设定点SP的百分数(％)偏差，该调节多少液体进料Vf。

同样应值得注意的是，由术语PID表示的另外两个项是积分项和微分项。积分项，正如其名称所暗示的，它始终监视着有多长时间液面偏离预定的设定点SP。当设定点曲线和当前的阀曲线之间的面积增大时，积分项(I)开始命令液体进料Vf有较大的变化。相反，当箱10的液面加速或减速，微分项(D)规定液体进料Vf的调节量，例如，当箱10的液面以某一个加速度增加时，V_f的变化为第一值；当箱10的液面以一个减速度增加时，V_f的变化为与第一值不同的第二值。

PID是一种自近1930年以来的常规控制策略；PID控制在化学制造业中仍居主导地位。可以看到PID控制有若干优点，其中最大的优点是它不需要任何系统的专门知识或模型；PID控制仅需要操作人员在调整系统时具有灵巧的手(deft hand)。这个强项也正是其最大的弱点。更具体地说，PID控制不能利用操作人员所知道的关于系统的知识的优势。这样，对于图1所示的假想的控制系统，系统就不能顾及箱10是锥形的事实。如图1所示，锥形箱10在重力的作用下排放，而液面控制器14调节新鲜进料的流动速度Vf。由于箱10是锥形的，当液面高时，改变液面所需的容积变化就大得多。直觉上，这就产生了一个问题，即相对于几乎是空的时候来说，当箱10几乎是满的时候，为校正液面1％的偏差所需的对流动Vf的调节要大得多。为此，调整FC控制器14的参数的任何单一设定值(single set)都无法适用于所有液面设定点SP的值。这样，通常不可能对箱10的所有液面都使用一组调整参数。因此，从一个液面到另一个液面的较大的“转变”主要由操作人员手工进行，原因是对参数的一组设定将无法对箱10的低和高液面都适用。

若控制系统对于箱10还有其它的控制环路操作，即如图2所示的温度环路，则图1所示的情况将进一步复杂化。在图2中，温度10较好地通过调节夹套流体Vj的温度Tj而得到控制。更具体地说，温度传感器18为控制加热器22的温度控制器20提供一温度信号，所述加热器加热提供给箱10的夹套10’的流体Vj。为了控制箱温达70℃，温度控制器20改变夹套流体温度Tj的设定点。应注意的是，控制器14和20尽管在物理上相互隔离，但它们在操作上仍然相互耦合。为了帮助说明这种系统中的“控制器耦合”的概念，假定在20℃时将新鲜的流体送入箱10内，并假定箱流体的密度是温度的函数。因此，进料Vf的任何变化都将会影响箱10内流体的温度，影响箱10内流体的密度，并随后影响箱10内的液面等等。如图3和4所示，会导致不稳定性，这在下面有更详细的说明。图4的关系曲线图进一步说明了通过箱10内流体的密度所发生的由于液面和温度控制器的强烈耦合所招致的控制器耦合。

可以知道传导到箱10的热量将取决于温差(T_夹套-T_箱)和接触的表面积，即热交换表面积。而且，箱10内的温度升高取决于箱内液体的质量和液体的热容。值得注意的是热交换的表面积和液体质量是箱液面的强非线性函数；仅通过观察就可以看到对箱10内液面的任何扰动或改变都将会干扰箱10内液体的温度。

进一步地，假定液体密度是温度的函数，则箱10温度的任何变化都将会影响箱10内液体的液面，继而再影响新鲜液体进料Vf，进料又进一步干扰箱10的温度。在常规的PID控制中，这就是被称为会导致系统持续振荡或系统彻底不稳定性的控制器耦合。这对于液面设定点SP的变化图示于图3和4中。从这些较后的附图中，可以看到当控制器14的调整对箱10的较高液面来说是可接受的时候，系统在箱10的液面较低时的快得多的响应会导致系统严重的不稳定性。对诸如图2所示的带有PID控制的系统的控制器耦合的解决方案是“解调”控制器14，20中的一个控制器，即降低控制器20的能力，例如控制其变量以便保持其它控制器如控制器12避免与控制器20相对抗。这样，在以除了对过程干扰有较差的响应外而且有较多的漂移为代价的前提下，系统的稳定性就实现了。

图5是烯烃聚合产物所用的第一气相反应器(GPR)100的总体示意图。将聚合物从闪蒸鼓110送入反应器100中。从反应器100顶部出来的气体在冷却器114中冷却，而后由压缩机140进行再压缩。此时注意的是然后加入新鲜单体C2，C3和氢气H2，将气体送回至GPR 100。通过精密的旋风器128和聚合物排放阀130，132同样使气体离开反应器100。从排放阀130，132出来的气体经凫式涤气器(teal scrubber)120和压缩机118最终到达乙烯汽提塔116，其中大量的丙烯和丙烷被除去并将它们返回至丙烯弹(未图示出)中，同时乙烯和氢气H2返回至反应器100中。

图6图示了叠加到图5示意图上的原始的气相反应器的控制流程图。观察图6可以看出，引导控制环路使用对闪蒸鼓100的均聚物排放速度的计算值，以设定为到达最终产物中希望的乙烯％所需的进入反应器100的乙烯流量。

为了使在GPR 100中产生的二聚物具有乙烯和丙烯的正确组成，必须将气体组成保持在正确的值。由于乙烯的进料已经固定，故通过按气体控制器GC的读数来调节丙烯进料速度完成这个过程。尤其是，控制氢气H2以保持其与乙烯的所需比率。应知道GPR 100中的压力在一定的容差范围内必须保持不变。由于乙烯的进料是固定的，又由于必须将丙烯的进料调节到使最终的气体组成保持不变，故只能通过调节反应器100中聚合物床的液面来完成所需的控制。应注意的是，床的液面越高，则供入系统中以使气体反应的催化剂就越多，反之亦然。

在图6的底部是列举使用系统传感器进行的测量和基于这些测量控制的变量的图表符号。可以知道常规的控制方案，即PID控制会在传感速度和响应速度上产生一根本的失调(basic mismatch)。值得注意的是，控制环路能非常快地跟随压力的变化，而压力仍通过改变变化得非常慢的床液面得到控制。另外，尽管系统能非常快地改变单体的流动速度，但系统并非能如此快地改变，原因是气体组成值的变化非常缓慢，又因为均聚物的进料取决于过滤值(filtered number)。

表示常规PID控制方案的方框图图示于图7中。正如上述锥形箱的例子，图7中的各PID控制器是各自独立的(self-contained)的，并且不能与其它控制器共享信息。另一个相似之处是这些控制器都如上所述均与系统“耦合”，这就意味着必须对它们进行调节以缓慢响应，避免不稳定性。此情况的最好例子是氢气控制器70，它力图通过调节氢气的进料来保持反应器中的H2/C2比率。然而，C2进料的变化也会影响此比率。当气体比率(C2/(C2+C3))或压力(全部气体)发生扰动时，C2容量(hold-up)也将改变，使氢气控制器70反应，以保持H2/C2的比率。然而，当C2偏离得过多时，H2/C2的比率将在相反的一端特别高，这主要是由于H2容量的改变。可以知道，为了保持稳定性需要缓慢调节，故氢气控制器70需要许多小时以消除假定的扰动。

总之，气相反应器的常规控制使用传统的PID控制器，它不利用受控系统的知识或受监测和受控变量之间可预见的相互作用。由于这个原因，必须对PID控制系统环路进行调节以缓慢地反应，从而最大程度地减少控制器耦合造成的影响。必须选择乙烯进料作为引导控制器(lead controller)，对它来说只允许非常缓慢的变化，原因是在乙烯进料中的任何扰动都将会干扰调节系统的所有其它PID控制器。

再者，对空载时间(dead time)占主导地位的过程和含时间变量的动态过程来说，传统的反馈控制器不能很好地运行。另外，对于在过程变量之间存在相互作用的多变量过程中，传统的反馈控制器如PID控制器也不能很好地运行。业已发展了几种预测控制技术以针对传统反馈控制器的局限性，但这些技术中没有一种技术能代替传统反馈控制器在化学工业中的主导地位。

应注意的是，使用线性程序模式以实现对过程的控制是现在的常规思路。目前使用线性程序模式(它是从数学上定义受控变量的未来变化和操作变量的现在和过去变化之间的关系)以增强过程控制器的操作。在本文中，应述及的是受控变量是一被定为保持在所需设定点的过程变量，而操作变量是一被调整到驱动受控变量达目标值的变量。在任何商业过程中，干扰将发生在过程的外部，它可能会引起不稳定，降低效率并改变产品的质量，除非对该过程进行控制以实时响应未测量到的干扰。对过程来说未测量到的干扰可能是由于如环境温度的改变、产品配方的变化或对产品需求的意想不到的改变而引起的。另外，这种过程具有系统制约如温度、压力和流动速度，它们限制了过程变量并且也必须在过程控制中加以考虑。

已有的自适应控制法如在自适应极点置位控制器(adaptive PolePlacement controller)和最小方差控制器(Minimum Variance controller)中所用的方法是有希望完成所需控制任务的方法。然而，它们具有两个潜在有缺陷的局限性：(1)计算上的复杂性，这就限制了它们在多变量应用中的可行性；和(2)对输入-输出延迟的选择和模型阶次选择的敏感性。近年来在开发试图克服这些局限性的自适应控制器上已投入了相当多的研究，主要的焦点是开发扩展范围预测控制法(extended horizon predictive controlmethods)。美国专利5,301,101，5,329,443，5,424,942和5,568,378(为所有目的，将这些专利参考引用在本文中)披露了各种形式的预测范围控制器和相应的方法。下述提要概括了来自上述几个标题专利的背景部分的资料。

动态矩阵控制(dynamic matrix control)(DMC)是一种过程控制方法，它使用过程模型根据对受控变量的未来变化的预测来计算操作变量的调节。动态矩阵控制的基本概念是使用已知的时域阶跃响应过程模型(time domainstep response process models)以确定操作变量的变化，使性能指标在一规定的时间范围上达到最小或最大。基于由时域阶跃响应模型预测的过程响应来计算用于各操作变量的操作变量变化的时间序列值，从而使性能指标达到最佳化。可以知道，由Cutler和Ramaker描述的DMC控制器是基于近似的阶跃响应模型。因此，DMC控制器只可用于开环稳定的系统。

在复杂环境下操作的复杂的多输入、多输出、非线性、随时间变化的系统中需要使用高性能、计算有效的实时动态控制器的软件和硬件。尤其是需要用于含有大量的系统输入和输出的动态系统的有效的控制方法，该方法能解决对受控系统的模型不确定性和不可测量的外部扰动。

对最简单的预测控制方法如最小方差和推广的最小方差法需要加以考虑的事实是动态系统具有输入-输出延迟D。选择控制输入，使系统匹配D时间步以后的某期望的轨迹。近年来，考虑系统输入-输出延迟的时间范围(timehorizons)的预测控制器(扩展范围预测控制器)已在许多工程领域中得到应用。为此的动力是两方面的。第一，动态系统的输入-输出延迟通常预先并不知道，若错误地估计时间的延迟，或者延迟是随系统操作进程的时间而变，则系统的输入-输出稳定性会受损害。第二，对于快速采样的高性能控制器设计来说，所得抽样的动态系统通常具有非最小的相位零点(所含的零点在单元圆外面)。在这种情况下，当对控制的选择仅基于系统阶跃响应的开始，则控制器通常不能很好地运行。

在所有扩展范围预测控制器和自适应预测控制器的内部是一个“预测器”，它基于输入和输出的当前和过去的值来估算某些涉及系统输出的量的未来值。若预测范围k延伸超出系统延迟D，则必须假设(k-D)未来输入组(u(t)，u(t+1)，...，u(t+k-D))。不同的预测控制器和自适应预测控制器在这些“额外”输入上有不同的假定(或加上不同的约束)。接着基于一些标准，将预测系统输出用于计算控制输入。先前已开发了若干扩展范围预测控制器。它们在如何选择对未来控制的设置上是不同的。这些控制器包括：扩展范围自适应控制(EHC)，向后范围适应控制(RHC)，控制向前移动平均控制器(CAMAC)，扩展预测自适应控制(EPSAC)，通用预测控制器(GPC)，模型预测启发式控制(MPHC)和动态矩阵控制(DMC)。

由Ydstie开发的EHC预测控制器如Goodwin和Sin所述，是基于动态系统的带有辅助输入的模型描述的自动-回归移动平均(ARMAX)。通过使受到k-步长事先预输出等于某些所需数值约束的控制作用达到最小的方式来选择对k未来控制的设置。在EHC中，已采用了两种实施方法：扩展范围和向后范围方法。在扩展范围实施方法中，顺序执行对k未来控制的设置并更新每k个样品。在EHC(即RHC)的向后范围实施方法中，只将设置中的第一个控制施加到系统上。在接下来取样的瞬间，计算对k未来控制的整个组，并再次只采用第一个控制。在扩展范围方法中，EHC可以稳定开环不稳定的系统和非最小相系统。然而，RHC通常不能稳定开环不稳定的系统。

由Voss等人开发的CAMAC控制器不同于EHC控制器的地方在于对未来控制组的选择上。在CAMAC控制器中，假定所有的k未来控制都是恒定的。这个选择保证了即使在没有积分的作用下，在稳定状态下的无偏移的跟踪性能。CAMAC控制器也可用于向后范围和扩展范围实施方法。再者，若开环系统是不稳定的，则CAMAC控制器会失效。EHC和CAMAC控制器已考虑了只在一个未来点及时的输出。

由Clarke等人开发的GPC控制器通过允许加入多步输出预测而扩展了这个想法。GPC中的k未来控制组通过使预输出跟踪误差和控制的二次费用函数最小在未来到达某一范围值而加以确定。如RHC控制器一样，GPC以向后范围方式来实现。GPC控制器对开环不稳定的系统和非最小相系统都是有效的。由于将受控自动-回归积分移动平均值(CARIMA)模式用于动态系统的模型并预测输出，故GPC控制器总是包含积分器。GPC控制器包括EPSAC控制器作为一个特殊情况。

由Richalet等人开发的MPHC控制器基于近似的脉冲响应模型来进行输出预测。另一方面，由Cutler和Ramaker开发的DMC控制器是基于近似的阶跃响应模型。因此，MPHC和DMC控制器都只能施加到开环稳定的系统上。然而，应指出的是DMC控制器可以稳定非最小相系统。

简言之，现在引入以模型为基础的“范围”控制器以控制化学反应器如气相反应器，有希望在稳定状态下和在转变过程中有大的改进的控制。通过使用前馈计算以确定操作变量的最终稳定状态值是多少并参照相对于此预测值的所有“过调”和“欠调”移动，范围控制器和相应的方法就能部分地完成上述这个愿望。可以知道这个特征使时间范围控制器非常快地对扰动作出响应；然而，对处理操作的稳定状态和瞬态模式来说，不能使这些以模型为基础的范围控制器达到最佳化。也可以知道这个特征使范围控制器非常快地对扰动作出响应，但这是以使这些控制器对用作进行前馈计算的信号中的噪声非常敏感为代价的。关于后者，这些信号必须光滑以避免会使设备的剩余部分不稳定的操作变量的过度摇摆。较好的是，必须尽可能快地产生这些“光滑的”信号。

一种现成的最简单的信号滤波器是具有下述形式的低通滤波器：

Xf(t)＝Xf(t-1)+FIL*[X(t)-Xf(t-1)]             (1)

它包括采用当前测量值，X(t)，和滤波过的信号的前一值，Xf(t-1)，之差以及由FIL值确定的只移动这个距离的滤波过的信号的某些百分率。值得注意的是对于FIL＝1，对信号不作光滑处理，而对于FIL＝0，则原始信号被完全忽略了。对于小于1的值，该值越小，则就越光滑，但是对基础信号中真实变化的响应的延迟就越长。同样值得注意的是低通滤波器总是改变Xf(t)相对于Xf(t-1)的值，除非Xf(t)正好等于Xf(t-1)。这就意味着它传送所有的噪声，尽管其幅值降低。因此，从噪声源获得一非常光滑的滤波信号的唯一方法是具有低值FIL以容忍缓慢的响应。

多么需要一种能控制化学反应器如气相反应器的方法，它使用在线参数平衡，如压力和/或密度平衡，和非线性模型，以便同时控制最终产品中的气体组成、压力和化学含量。同样也多么需要一种能从系统传感器产生的原始数据中快速滤波噪声的方法，以便最大程度地降低由控制方法引起的不需要的控制操作的个数。

鉴于上述内容，可以知道目前在本领域中需要一种能控制化学过程的方法，该方法考虑到非线性作用并结合系统知识，它克服了上述缺点。本发明受为克服目前已有技术中的不足和缺点的愿望所促使，从而实现了本领域中的这个需求。

发明内容

本发明的主要目的是提供一种过程控制方法，它能快速调节并稳定化学反应器。按本发明的一个方面，该过程控制方法能匹配带有快速测量的快速控制操作，反之亦然，以使过程控制最佳化。

本发明的一个目的是提供一种使设定点优先排序的过程控制方法。在一个例举的情况中，当在系统中发生不平衡时，本发明的过程控制方法将最高优先级放在保持压力于设定点，从而稳定H2/C2的比率和气体组成。按本发明的一个方面，当压力是优先控制的参数时，由于稳定的气体密度，热转移和液化作用将比较一致。按本发明的另一个方面，将操作变量分组，以便于瞬态和稳定状态的系统响应。

本发明的另一个目的是提供一种用于受控反应器的参数平衡和数学模型的过程控制方法，从而使控制器实现该过程控制方法，以便较精确和快速地对贯穿于操作参数的一个宽范围中的扰动进行反应。按本发明的一个方面，该过程控制方法容许在各种产品类型之间的自动转换。

本发明的再一个目的是提供一种用于受控反应器的参数平衡和数学模式的过程控制方法，从而使控制器实现该过程控制方法，以便比较快地进行设定点的变化。应认识到上面对相对速度和反应速度的描述是针对在常规PID控制系统的控制下的同一系统而言的。

本发明的再一个目的是提供一种执行滤波器算法的过程控制方法，它保持其响应噪声的输出信号并且仍能非常快地对基础输入信号中的真实改变作出响应。按本发明的一个方面，N-极性滤波器(N-sign filters)(其中N为正整数)，与低的N值相比比较高的N值产生较光滑信号，但有大的延迟，所有的都要满足这些操作标准。特别是，举一个例子，改进的N-极性滤波器(其中N等于3)看上去能满足这些互相排斥的标准：即使对于有噪声的输入，它在稳定状态下也能给出非常光滑的输出信号；当输入发生快速变化时，它不会明显地延迟输出信号。

本发明的再一个目的是提供一种例如通过范围控制器来滤波所接受的信号或所产生的稳定状态的输出信号中的一种信号的过程控制方法。

本发明的再一个目的是提供一种滤波输入信号的过程控制方法，其中滤波器的静带宽度与第一个范围内信号中的噪声成比例，并且按滤波器输出信号中延迟的最大允许值来确立滤波器的静带宽度，从而接受输出信号中更多的噪声。

本发明的再一个目的是提供一种滤波输入信号的过程控制方法，其中外加由滤波器(算法)处理的数据点可以降低静带宽度。

本发明的再一个目的是提供一种用于任何过程控制器的信号滤波方法。

本发明的这些和其它目的、特征和优点将由使用非线性预测控制的控制化学反应器的方法来提供。该方法较好地包括以下步骤：

产生许多表征化学反应器的当前状态和反映化学反应器中各反应物的成分的信号；

计算响应许多信号并且参照化学反应器中各反应物的质量容量(masshold-up)的化学反应器的未来状态；

控制与化学反应器有关的至少一个参数，从而控制化学反应器的未来状态。

本发明的这些和其它目的、特征和优点将由使用非线性预测控制的控制化学反应器的方法来提供。该方法较好地包括以下步骤：

产生许多表征化学反应器的当前状态和反映化学反应器中各反应物的成分的信号；

产生相应于响应至少三个原始数据点的信号的滤波信号和不包括该三个原始数据点的各处理过的信号；

计算响应滤波信号以相应于化学反应器中各反应物的扩展变量(extensive variables)表示的化学反应器的未来状态；和

控制与化学反应器有关的至少一个参数，从而控制化学反应器的未来状态。

本发明的这些和其它目的、特征和优点将由一种滤波方法来提供，该方法用于滤波输入信号并产生光滑的信号，从而使光滑信号中的虚假噪声降至最小，其中滤波方法按下述算法进行：

f3＝SIGN[X(t)-Xf(t-3)]*1.0

f2＝SIGN[X(t-1)-Xf(t-3)]*1.0

f1＝SIGN[X(t-2)-Xf(t-3)]*1.0

fsum＝f1+f2+f3

FAC＝(ABS(fsum)/3)^z

Xf(t)＝Xf(t-1)+FIL*FAC*{X(t)-Xf(t-1)}

其中X(t)＝在时间t时的原始数据点，和Xf(t)＝在时间t时的滤波信号。

本发明的这些和其它目的、特征和优点将由一种滤波方法来提供，该方法用于滤波输入信号并产生光滑的信号，从而使光滑信号中的虚假噪声降至最小，其中滤波方法按下述算法进行：

f4＝SIGN[X(t)-Xf(t-4)]*因子4

f3＝SIGN[X(t-1)-Xf(t-4)]*因子3

f2＝SIGN[X(t-2)-Xf(t-4)]*因子2

f1＝SIGN[X(t-3)-Xf(t-4)]*因子1

fsum＝INT(ABS(f1+f2+f3+f4))

$\mathrm{FAC}={\left(\frac{\mathrm{ABS}\left(\mathrm{fsum}\right)}{4}\right)}^z$

$\mathrm{XS}\left(t\right)=\frac{X\left(t\right)+X(t-1)+X(t-2)+X(t-3)}{4}$

Xf(t)＝Xf(t-1)+FIL*FAC*{XS(t)-Xf(t-1)}，

其中X(t)＝在时间t时的原始数据点，和Xf(t)＝在时间t时的滤波信号。

本发明的这些和其它目的、特征和优点将由一种滤波方法来提供，该方法用于滤波输入信号并产生光滑的信号，从而使光滑信号中的虚假噪声降至最小，其中滤波方法按下述算法进行：

f5＝SIGN[X(t)-Xf(t-5)]*因子5

f4＝SIGN[X(t-1)-Xf(t-5)]*因子4

f3＝SIGN[X(t-2)-Xf(t-5)]*因子3

f2＝SIGN[X(t-3)-Xf(t-5)]*因子2

f1＝SIGN[X(t-4)-Xf(t-5)]*因子1

fsum＝INT(ABS(f1+f2+f3+f4+f5))

$\mathrm{FAC}={\left(\frac{\mathrm{ABS}\left(\mathrm{fsum}\right)}{5}\right)}^z$

$\mathrm{XS}\left(t\right)=\frac{X\left(t\right)+X(t-1)+X(t-2)+X(t-3)+X(t-4)}{5}$

Xf(t)＝Xf(t-1)+FIL*FAC*{XS(t)-Xf(t-1)}，

其中X(t)＝在时间t时的原始数据点，和Xf(t)＝在时间t时的滤波信号。

附图说明

本发明的这些和各种其它特征和方面将参考下面与所附附图结合起来的详细描述得到容易的理解，其中使用贯穿于其中的相同或类似的标号，其中：

图1和2分别是说明假想的简单和复杂控制方案的操作过程的简化的方框图；

图3和4分别是说明常见问题的曲线，即与PID控制方案有关的控制器耦合的曲线；

图5是用于常规PID控制方法和本发明的控制方法的一般的气相反应器的示意方框图；

图6是一般气相反应器和PID控制器的示意图；

图7是说明与常规PID控制方法有关的函数的高液面方框图；

图8是如图2所示的系统但使用本发明的控制方法的高液面方框图；

图9和10是说明对如图2所示的系统使用非线性时间范围控制来消除耦合的曲线；

图11是使用本发明控制方法的一般气相反应器的高液面方框图；

图12是说明与本发明控制方法有关的函数的高液面方框图；

图13A-13F是一系列将常规PID控制方法与本发明控制方法的性能进行比较的曲线；

图14A和14B分别说明对于如图2所示的系统，在PID和范围控制系统中耦合和缺乏耦合的情况；

图15A-15D是用于理解本发明的基本N-极性滤波器操作的数据表示；

图16A-16D是用于理解本发明另一个较好实例的另一种N-极性滤波器操作的数据表示；

图17说明较宜在本发明的N-极性滤波器中使用的另一种计算方法的使用；

图18A-18K说明用于理解本发明各种N-极性滤波器实例的操作的各种输出信号；和

图19A-19H是用于描绘在本发明N-极性滤波器中所用的各种参数的最佳化状态的输出信号。

具体实施方式

控制非线性耦合系统的办法是将有关对系统已知的知识加入到过程模型中，然后使用这些模型预测系统中所发生的任何变化的效应。在如图8所示的箱10的情况中，给定所需的液体体积、液面、表面、以及甚至是流出底部的出射气流都可以容易地加以计算。由此，就比较简单地可以确定在新鲜进料Vf和夹套温度Jt上需要有怎样的变化才能达到并保持设定点。可以知道用于图8系统的液面控制方法实际上完全不控制箱10内的液面；该控制方法实际上控制反应器中液体的计算的质量容量。对这种方法，若温度偏离其设定点，即使液面由于液体密度的改变而发生变化，质量控制方法由于质量仍维持在目标值也不会响应。应提到的是以这种方式使用模型会使如图6所示的两个控制环路解除耦合，以降低干扰，这样就使两个控制环路对参数的变化很好地响应，而不会导致常规PID控制系统中所看到的不稳定。这可以在图9和10中看出，对于与图3和4所示的基本上相同的液面变化，却带来了令人满意得多的结果。

应注意的是，本发明的过程控制方法付出了一个代价，即必须监测大量的系统数据以达到所需的控制。这样，在如图8所示的例举的系统中，箱液面、箱温度、流出物的流动速度Ve、进料流速度Vf和进料温度都必须加以测量，并且必须使相应的数据传到用于广泛的参数平衡(extensive propertybalances)，如压力和/或密度平衡，并用于基于模型的控制方法计算上。在过程控制方法的每个操作都完成后，进料流Vf和夹套温度Jt的设定点而后都返回至从属控制器FC和TC。同样应注意的是图8所示的虚构的流Vd代表来自箱10的任何未被测量到的排出物，和模型误差及测量误差。

一种用于气相反应器(GPR)的新的控制方法，即使用在线参数平衡和非线性模型以同时控制气体组成、压力和最终产物的成分(即乙烯)含量的非线性模式预控制(NMPC)法，对此已经作出了广泛的技术评估。本发明的NMPC法较好使用范围控制技术控制GPR中各组分的气体压力。方便的是，NMPC法使用常规PID控制器所用的相同的设定点：H2/C2的比率；气体的比率；压力；和C2/均聚物的比率，它大大地简化了转移到NMPC方法的投入和培训力量。

与使用四个独立的PID控制器的常例相反，NMPC法是一种多变量的控制方法。如上所述，由于整个系统的空载时间和反应器参数之间的相互作用，必须非常缓慢地对常规的PID控制器进行调整以进行反应，从而避免由于如控制器耦合导致的不稳定效果。可以看到这会导致频繁的设定点偏移。另一方面，NMPC法能预测各种所测量的参数之间的相互作用，从而能使以NMPC方法运作更有效地进行调节，使NMPC控制器较为稳定和对设定点变化有较快反应。

在此处应提到的是，由于NMPC法是基于压力的平衡，故可以计算在线质量参数，它包括％乙烯：％可溶二甲苯：和％二聚物。应知道实验室结果和计算的质量参数之间的任何差别主要是由于模型误差。

NMPC法首先在一般用于操作人员培训的模拟器上进行测试。应知道的是由于将模拟器设计成具有加速的动态特性以考验操作人员，该模拟器提供一个严格的测试平台以评价按NMPC法的控制器操作。该模拟器用于评价测试整个NMPC控制法的概念以及NMPC法对严重干扰的响应。在模拟器上的测试进行几个月。应明白的是模拟器的使用并不单单局限于演示NMPC控制的概念，它同样可用于筹备设备试验所用的技术和操作人员。模拟器可用作合格或不合格的测试，之后进行任何设备试验，该测试将即刻在下面作更详细的描述。

对于设备试验，建立两个主要的性能标准，假定本发明的NMPC法对模拟器是可接受的：(a)在稳定状态(H2，C2，C3，％C2)下使用NMPC法的各控制器的稳定性，和(b)H2控制器的瞬时响应。对概念设备测试的实际验证在GPR上进行。

图11说明了控制方案，即本发明的NMPC法，其中引导控制器操纵着各成分(即乙烯和丙烯)的进料，以便保持GPR 100中的压力在非常紧密界限范围内。如上所述，必须保持气体组成GC，这较好地是通过调节乙烯与丙烯在单体进料中的比率而顺利地完成的。

应提到的是采用IR传感器每秒钟确定气体比率，代替采用GC大约每隔6分钟获得气体比率使较快的响应方便地得到。为了改进模型的动态响应并降低气相色谱法的空载时间(大约5分钟)，一种运用红外(IR)光谱学的新颖的传感器能测量乙烯和丙烯在GPR 100的气相中的含量。该IR分光镜提供一个与色谱值一致的连续信号。对IR是看不见的氢气仍必须只采用GC来控制。应注意的是对C2和C3的进料使用由色谱仪校正的红外分析仪能提供一个引导约4分钟的色谱仪输出的连续而精确的信号。当NMPC法用于传感并控制包括气体比率在内的转变时，和在其它系统干扰的过程中，就可以更好地看出IR分光镜的全部优点。

可以看到图11图示的例举的GPR 100控制系统的最终产物必须具有合适的乙烯含量。因此，NMPC法必须保证进入均聚物进料中的乙烯进料的平均比率与含有采用常规PID控制的控制系统的GPR中所用的比率相同。可以知道这个控制先前可以通过直接调节乙烯的进料来完成。相反，在试图控制乙烯含量的过程中并不能完全控制乙烯的进料，原因是乙烯的进料由使用NMPC法的系统中的压力控制器P被部分地设置好了。实际上，本发明的NMPC法保持反应器100中的聚合物床在能使压力控制器P供入所需的乙烯量的液面上。

应提到的是，NMPC法将引导控制器放在最重要的变量如所讨论的GPR 100中的压力上。通过将压力保持在稳定的值，该系统也能保持影响反应器100中的流化作用和热转移的气体密度。另外，稳定的压力能很好地稳定来自闪蒸鼓110进入反应器100以及从反应器100出来进入袋状过滤器122的气体流，使之能较容易地保持合适的气体组成，原因是丙烯从闪蒸鼓110进入反应器100并通过乙烯汽提塔116离开反应器100。

本发明NMPC法的另一个优点是响应时间的匹配。较好的是，每隔几秒钟读取一次压力的读数；采用NMPC法的系统控制器控制单体进料变化得非常快的GPR 100中的压力。

实现本发明NMPC法的控制器的高液面方框图图示于图12中。可以看到，通过使用过程模型可以实现由NMPC法反映的控制方法上的变化，从而使系统控制器解除耦合。与使用集中几个变量(intensive variables)，即不是基于诸如H2/C2比率、C2/(C2+C3)比率和C2/PP比率(与锥形箱中的液面相类似)的量的变量的常规PID控制方案不同，以模型为基础的NMPC法是基于扩展变量，即反应器100中各成分的质量容量或GPR 100的压力或GPR 100中反应物的密度来控制GPR100的。例如，气体组成以及系统体积的设定点能容易地用来确定需要多少千克的各成分达到所需的系统目标。

有无数详述有关扩展变量的设备控制的基础知识的参考资料，如由C.Georgakis等人在题为“在过程动力学和控制中使用扩展变量(On the Use ofExtensive Variables in Process Dynamics and Control)”(Chem Eng.Sci.，Vol.41，1471-1484页(1986))的文章。然而，这些参考资料没有披露产生用于模型预测控制器的非线性预测模型，其中该模型采用如下形式：

操作变量(多个)＝稳态项(多个)+动态项(多个)+误差项

这种形式的预测模型在将扩展变量分成特别适用于稳定状态操作或瞬时操作的组中是特别有利的。这就促进了非常快的NMPC系统响应，原因是为响应系统瞬态变化可以引发大的参数变化，而在稳定状态的操作过程中实现很小的参数变化。应明白，在NMPC系统内产生但在其外部应用误差项，所述系统宜使该误差项成为控制器误差的动态测量。参见图11和12。

作为例子，当在C2的容量上发生扰动时，C2控制器160将响应，而H2控制器不响应，这样使H2/C2的比率偏离目标值，原因是使用NMPC法的控制系统知道氢气H2的正确量已存在于GPR 100中。在这种情况下，当C2的干扰被消除时，C2的设定点将被重新确立。另外，应明白的是，允许预测校正的各成分的质量平衡必须与反应器100中的设定点或干扰的变化响应。

总之，运用系统知识建立基于扩展系统参数的控制器的NMPC法可以使系统解除耦合，这样使系统中所有的各控制器能快速地发生作用，而不会损失系统的稳定性。另外，使用参数平衡使控制器实现NMPC法来预测问题，并相应地响应，从而使干扰的影响降至最小，以便快速转变，即设定点的变化。

在实际的操作气相反应器中在对各种产物的稳定状态和瞬时条件下测试本发明的NMPC法。设备测试结果如下。重要的是要注意实际设备试验是在对生产基本上无干扰的情况下进行的，这在贯穿于任何过程控制的发展中都总是首要的任务。在实际设备上控制方案的投产和测试总共仅在两个星期内完成。

在对于稳定状态操作的设备试验中，使用NMPC法的控制器运行得非常好，相对于使用PID控制的常规控制器来说，使用NMPC法的控制器的第一个产物的H2/C2的变化系数(COV)减少到二分之一，而第二个产物的该变化系数减少到五分之一。参见图13A。更具体地说，达到如下差别：

(A)NMPC控制

(1)H2/C2的变化保持在20ppm。

(2)由于底部排料的阻塞引起的R2401干扰。NMPC使干扰降至最小。

(3)为了在紧密控制下保持H2/C2的比率，使H2进料速度发生较大和较频繁的改变。

(B)常规控制(PID)

(4)对设定点的控制不紧密。发生漂移。

(5)对H2进料速度仅有缓慢的改变。

(6)再循环压缩机(C2301)中的流动扰动使再循环至反应器的H2损失。PID控制器缓慢地增加H2的进料加以补偿。

(7)再循环压缩机返回使用。PID控制器缓慢地减少H2反馈成稳定状态的流(需要18小时恢复稳定性)。NMPC能较快地响应，起初提高H2流，而后减少它，同时恢复正常的操作。

应明白括号()中的各数字相应于诸如图13A的曲线上的各确定的点。另外，对各产物(参见图13B)来说气体比率(C2/C2+C3)的变化保持恒定，而对第一个产物(参见图13C)来说计算的质量参数，即％C2和％二聚物的变化减少。应提到的是，为了观察到对第二个产物的改进，需要对液面控制器有更主动的调整。

尤其是，如图13B所示，在NMPC法和常规的PID控制法之间存在下述不同：

(A)NMPC法

(1)即使由于底部排料的阻塞引起反应器干扰时，C2/(C2+C3)的比率也能得到紧密地控制。

(2)与H2相似，丙烯流在NMPC控制中移动得更为主动。

(B)常规控制(PID)

(3)在稳定状态条件和没有干扰的情况下。PID控制的变化小。

(4)对干扰的响应太慢以致于不能防止漂移，花费了许多时间以恢复设定点。

再者，图13C描述了常规PID控制法和NMPC法之间的下述不同之处：

(A)常规控制(PID)

(1)由于PID控制器是基于保持C2进料/均聚物的比率恒定，故此参数的变化较慢。

(2)然而，所关心的真正的质量参数是最终的％C2(所消耗的C2/聚合物总量)，它在PID控制下由于均聚物排放速度的变化会波动得更为厉害。

(B)NMPC控制

(3)注意到在整个10小时的期间内，％C2在+/-0.05％上下非常稳定。

(4)改进的调节降低了C2进料的波动，它进一步改进了计算的质量参数(最终的％C2，％二聚物)的稳定性。

为了进行涉及瞬态的设备试验，采用了两个设定点变化，每种产物一个。在第一种情况中，将第一个产物的设定点调节到50ppm，它需要2小时达到稳定状态的条件。在第二种情况中，将第二个产物的H2/C2比率的设定点提高到100ppm，它需要1.7小时恢复稳定状态的操作。应提到的是，与使用常规PID控制法的控制器平均需要15小时相比，这两种情况下的结果都有了相当大的改进。

实现NMPC法的系统控制器也可用于稳定如图13D所示的从第一个产物转变成第二个产物后的氢气。起初，H2/C2的比率从设定点为75ppm，处在由常规PID控制器的缓慢作用所设定的标尺(roll)上。当打开时，使用NMPC法的控制器立刻冲破了标尺，在约1.0小时内使H2/C2的比率达到了目标值。若没有NMPC法，则该标尺还会呈下降的幅度持续达10小时。图13D中所示的结果如下：

(A)常规控制(PID)

(1)由于系统的空载时间和相互作用，PID必须非常缓慢地调节。即使离设定点仅75ppm，H2进料也仅有非常小的提高。

(2)此标尺在该点处持续3小时，并且要经操作人员手工操作才能移动。对PID控制器来说，需要另外10小时以排除此标尺。

(B)NMPC控制

(3)当打开时，NMPC计算使H2/C2比率在规定的TSS(在此为60分钟)内达到目标值所需的H2的“过调”。

(4)如图13A所示，主动地移动H2的进料，使H2/C2的比率保持在设定点。

如图13E所示，在从第一个产物转变成第二个产物以稳定气体比率的结束时，使用本发明的NMPC法。所作出的移动为0.472到0.460。C2在规定的40分钟内达到其新的目标值，而C3要花60分钟，重要原因是对C3流所允许的变化率受限制。所估算的40分钟转变时间，即使是稍微长的实际转变时间，与使用常规PID控制的类似改变所需的3小时进行比较已经很好了。图13E所示的结果如下：

(A)常规控制(PID)

(1)即使远离设定点，也仅发生小的变化。用PID控制达到设定点需要3小时。

(B)NMPC控制

(2)启动NMPC，进入新的设定点。即刻C2就发生大的变化。

(3)40分钟后，C2的容量就达到了其所需的目标值。

(4)现在C2/(C2+C3)的比率低于目标值，原因是C3太受可调节的参数(最大的变化率)所制约。这表明应使用较大的变化率值。

(5)C3达到设定点(20分钟后)，C2/(C2+C3)在60分钟后达到设定点，比PID约快2小时。

应指出的是，所有的NMPC计算都基于各成分(H2，C2，C3)的质量平衡。从中估算C2和C3的消耗量，然后最好如图12所示在各成分的时间范围控制器中使用。使用该消耗量也可以计算最终产物中的％C2。由于即使不使用本发明的NMPC法也要利用模型计算，故可以将计算得的％C2与转变过程中的实验室和IMR值相比较。这些结果示于图14F中。应指出的是，比较表明计算的动态性能(斜率)与IMR在线分析的相匹配。后续的实验室结果证实了转变的结束。

(A)常规控制(PID)

(1)值得注意的是，与在相同速率下预测的％C2相比，由IMR测量的％C2下降约30分钟的滞后。滞后是滞留气相反应器的结果(若需要的话可以对此作出解释)。

(2)关于转变的完成该计算也与IMR相符合。

由于％C2计算的动态过程与设备响应很好地相吻合，故可以评价有关质量参数变化的控制器性能(NMPC法相对于PID法)，即使质量变化比实验室能检测到的小。第二个产物的平均模型误差((实验室值-计算值)/实验室值)为+14.5％，第一个产物的为+8.5％。对于最后两次操作，该两个产物的偏移保持恒定。

如上所述，业已开发了能显著地改进目前在常规应用中常用的低通滤波器的性能的数字式滤波器，该新颖的滤波器不仅能给出非常稳定的稳态信号，而同时又能快速地对输入的移动产生响应。目前在许多使用常规NMPC法的化学设备中都安装了时间范围控制器，以便对设定点的变化或过程干扰作出前馈响应。然而，这个特征使它们对时间范围计算中所用的信号中的噪声敏感。而且，在与测量参数相对应的信号中的不想要的噪声会使时间范围控制器过分地摆动操作变量，这样对其它控制环路产生干扰。在输入信号上使用常规的低通滤波器可以使诸如使用NMPC法的时间范围控制器的行为变得平滑，但以延迟为代价，该延迟不仅降低时间范围控制器的性能，而且会抹杀与时间范围控制器有关的主要优点之一。

本发明的N-极性滤波器能很好地提供一种实际上没有延迟的非常光滑的信号，它能显著地减少操作变量的移动，并使整个NMPC过程稳定。使用密度时间范围控制器的动态模拟(认为时间范围控制器对传感信号中的噪声高度敏感)来验证N-极性滤波器的优点。在任何具有中等编程能力的常规控制器中都可以容易地实现代表本发明N-极性滤波器的算法。N-极性滤波器较好地作为一个独立的设备来实现，它较好地可被放在控制系统的任一点上，即时间范围控制器的“上游”或“下游”。应注意的是，N-极性滤波器并不局限于其在时间范围控制器上的应用；常规PID控制器的性能借助于使用N-极性滤波器也能方便地得到。

正如上面所详细谈论的，目前引入以模型为基础的“时间范围”(″horizon″controller)控制器来控制GPR 100，有希望获得在稳定状态下和在产物的转变过程中都有大大改进的控制。可以知道，通过使用前馈计算以确定操作变量的最终稳定状态值是多少并参照相对于此稳定状态值的所有“过调”和“欠调”移动，时间范围控制器和相应的方法就能部分地完成上述这个愿望。这个特征使时间范围控制器能非常快地对干扰作出响应；这个特征也使时间范围控制器对进行前馈计算所用的信号中的噪声非常敏感。这些信号必须光滑以避免操作变量的过分摆动，引起化学设备的其余部分失去稳定。

例如，使用本发明的NMPC法的密度时间范围控制器使用来自参数(如热)平衡的生产率值以确定必须有多少稳定状态的单体进料。生产率信号中的噪声将引起单体进料的摆动，该噪声会干扰GPR 100的温度控制、压力鼓和尾端。因此，时间范围控制器所用的生产率信号必须是光滑的。然而，常规的低通滤波器能提供一非常光滑的输出信号，但是以延迟为代价，输入的任何运动需延迟许多分钟，这就妨碍了时间范围控制器的性能。应知道，显著的信号延迟最终可能会导致环路密度的振荡。

这样，由于需要寻求一种能在稳定状态下提供非常光滑的信号，不会在提供给预测计算所用的时间范围控制器的信号中引入显著的延迟，即时间滞后的更为有效的滤波输入信号的方法，从而促进了N-极性滤波器的发展。换句话说，对N-极性滤波器操作进行研究的目的是为了开发在对噪声响应中不会改变其信号并且对基础信号中的真实改变能快速响应的滤波器。紧接在下面称为N-极性滤波器的滤波器满足这些准则。如上所述，尽管将时间范围控制器的需求考虑进去来设计N-极性滤波器，但N-极性滤波器较好地改进常规PID控制器的性能。

如上所述，一种现成的最简单的信号滤波器是低通滤波器：

Xf(t)＝Xf(t-1)+FIL*[X(t)-Xf(t-1)]              (1)

它包括采用当前测量值，X(t)，和滤波过的信号的前一值，Xf(t-1)，之差以及由FIL值确定的只移动这个距离的滤波过的信号的某些百分率。值得注意的是对于FIL＝1，不能实现光滑，而对于FIL＝0，则原始信号被完全忽略了。对于小于1的值，该值越小，则就越光滑，但是对基础信号中真实变化的响应的延迟就越长。同样值得注意的是低通滤波器总是改变Xf(t)相对于Xf(t-1)的值，除非Xf(t)正好等于Xf(t-1)。这就意味着它传送所有的噪声，尽管是幅值降低。因此，从噪声源获得一非常光滑的滤波信号的唯一方法是具有低值FIL以容忍缓慢的响应。

N-极性滤波器的理论非常简单，控制系统检查最近N个(例如为3)原始数据点并将原始数据点与刚好在它们之前的滤波信号的值相比较。应明白的是，刚好在它们之前的滤波信号一点也不受N个原始数据点的影响。正如下面更详细讨论的，当N个原始数据点都落在刚好在它们之前的滤波信号点的一侧，则滤波信号接下来的值较好地将朝着N个原始数据点移动。然而，当N个原始数据点落在刚好在它们之前的滤波信号点的两侧，则认为N个原始数据点存在噪声。为此，刚好在它们之前的滤波信号在对N个原始数据点的响应中将发生小的变化。

下面讨论将从基本的、原始的N-极性滤波器开始展开，然后说明采用本发明的NMPC法，基本的N-极性滤波器该如何进行操作。

基本N-极性滤波器(N＝3)

X(t)＝在时间t时的原始数据点

Xf(t)＝在时间t时的滤波信号

f3＝SIGN[X(t)-Xf(t-3)]*1.0                                (2)

f2＝SIGN[X(t-1)-Xf(t-3)]*1.0                              (3)

f1＝SIGN[X(t-2)-Xf(t-3)]*1.0                              (4)

fsum＝f1+f2+f3                                            (5)

FAC＝(ABS(fsum)/3)z                                       (6)

Xf(t)＝Xf(t-1)+FIL*FAC*{X(t)-Xf(t-1)}                     (7)

应清楚的是，基本N-极性滤波器是一种带有FIL项乘以新的FAC项的低通滤波器。对于各原始数据点，SIGN函数用于确定它是否落在参照的滤波信号值，Xf(t-3)，即不受三个原始数据点影响的最近的滤波信号值的上面还是下面。参见图15。SIGN函数对正数来说返回+1值，对负数来说返回-1值。例如：

SIGN(10.3-8.1)＝+1

SIGN(8.1-10.3)＝-1

给出fsum＝f1+f2+f3，并且”f”项可为+1或-1，fsum的可能值列于下表I中。

               表I

f1	f2	f3	fsum
				1	1	1	3
1	1	-1	1
				1	-1	1	1
1	-1	-1	-1
				-1	1	1	1
-1	1	-1	-1
				-1	-1	1	-1
-1	-1	-1	-3

fsum的绝对值较好地通过除以3而后自乘到Z次幂获得FAC项而标准化。

FAC＝(ABS(fsum)/3)^z                        (6)

应指出的是，Z值的选择是基于在稳定状态下需要排除多少噪声。换一种方式来说，可以将基本N-极性滤波器看成具有两种可能的FIL值的低通滤波器：一种用于对信号的改变作出响应(例如fsum等于3)，FIL1，另一种用于稳定状态的噪声排除(例如fsum等于1)，FIL2。参见下表II。

FIL1＝FIL*(1)^z                                       (10)

FIL2＝FIL*(1/3)^z                                     (11)

                 表II

Z	FIL1	FIL2	FAC
				1	0.5	0.1667	0.3333
2	0.5	0.0556	0.1111
				3	0.5	0.0185	0.0370
4	0.5	0.0062	0.0123
				5	0.5	0.0021	0.0041
10	0.5	8.47E-6	1.69E-5

参照下述讨论并同时参看图15A-15D可以最好地来理解本发明的将N设置为3时的N-极性滤波器的操作。例如图15A说明了原始数据点-表示为X，和滤波信号-表示为Xf。刚记录，即接受新的X(t)值，就需要计算相应的Xf(t)值。在图15B中，Xf(t-3)点是确定f1、f2和f3值的参照，原因是Xf(t-3)点是不受最近的三个原始数据点影响的最近的点。将这些差别总和起来获得fsum＝1，FAC＝(1/3)^z。在这个时候，已确定了FIL为输入时的FAC值。

换一种方式来说，为了确定Xf(t)的新值，首先将“f”项指定给X的最后三个原始值，这取决于这些点与Xf(t-3)的滤波值之差是正数还是负数。值得注意的是图15B中的Xf(t-2)和Xf(t-1)并不参与计算。这样，FAC值按下述公式确定：

$\mathrm{FAC}={\left(\frac{\mathrm{ABS}(f1+f2+f3)}{3}\right)}^z={(1/3)}^z$ 例如Z＝4：FAC＝0.0123

可以知道，Xf(t-3)作为确定的参照点，其中X(t)代表真实的信号移动或正是噪声。也可以知道，如图15C所示，计算Xf(t)的参照点却是Xf(t-1)。这样，在确定了FAC值之后，使用下述公式来计算Xf(t)值：

Xf(t)＝Xf(t-1)+FIL*FAC*(X(t)-Xf(t-1))

由于FAC的值是如此的小，故不管FIL是什么值相对于Xf(t-1)来说几乎没有变化，除非X(t)-Xf(t-1)之差非常大。对于所讨论的例举情况，在FIL＝0.5和Z＝4，FIL*FAC＝0.00615时，可以看到Xf(t)朝X(t)移动小于1％的距离。这种情况示于图15D中，其中粗线代表时间范围控制器所看到的滤波“信号”。可以知道即使在原始数据信号中存在相当多的噪声，信号Xf也非常稳定。应注意的是，这就使时间范围控制器的稳定状态的计算变得更稳定，且不会限制时间范围控制器的适应所加的设定点中的真实干扰或变化的能力。相反，值得注意的是FIL值＝0.5的低通滤波器能在Xf(t-1)和X(t)之间移动50％的距离。可以知道运用上述所讨论的情况为基础，N-极性滤波器(其中将N设定为4或5)的发展可以外推到所有的N值。

改进的N-极性滤波器

对于有噪声的信号，使三个原始数据点都落在Xf(t-3)同一侧的概率是好的。如图16A所示，在使用基础N-极性滤波器的情况下，当不需要移动时，却Xf(t)会偶然上下产生移动，然而，如图16B较详细说明的，通过在参照点Xf(t-3)的周围增加静带(dead-band)(其中“f”项的值为0而不是+1或-1)就可以大大地减少这种现象的可能发生。对图16B的观察可以看到，由于两个原始数据点落在这个静带内，故FAC的值非常小，这就导致了Xf(t)相对于Xf(t-1)来说几乎没有变化。

f3＝SIGN[X(t)-Xf(t-3)]*因子3                              (12)

f2＝SIGN[X(t-1)-Xf(t-3)]*因子2                            (13)

f1＝SIGN[X(t-2)-Xf(t-3)]*因子1                            (14)

较好地可以用许多不同的方法来计算“因子“项，以适应信号的特性。如图16C所示，计算这些项的最简单的方法是使仅在静带内部的因子为离散值0，而在其外部为1。在如图16C所示的例举情况中，三个点中有两个点落在静带的外部，故FAC的值不再可以忽略不计。对于图16C所示的X的三个值，向上移动Xf(t)似乎是适宜的步骤。然而，若X(t-1)落在Xf(t-3)值的下面，则不移动Xf(t)似乎更为合理。如下更详细地说明，实现了这种情况。

参照图16C，在相类似地求得因子2和因子1的情况下，按下述方法可以计算因子3。

若ABS[X(t)-Xf(t-3)]＞DBAND，则因子3＝1             (15)

否则因子3＝0                                       (16)

一种较复杂的方法是采用因子i来假定0至1的值的范围。这示于图16D中，其中：

若ABS[X(t)-Xf(t-3)]＞DBAND，则因子3＝1             (17)

否则

在此应指出的是采用取一列数最小值的内函数MIN在一行中(in one line)就可以达到相同的效果。一个例举的表达式如下。

现在fsum较好地可以采用从-3到3的一个连续的值。如下面更详细地讨论的，这可以使N-极性滤波器逐渐地消除偏移。

较好地可以将N＝4的改进的N-极性滤波器构造成独立的单元或使用常用的控制器，如使用本发明的NMPC法的时间范围控制器来完成下述等式(20)-(31)的算法。应再次指出在下述等式中，X(t)＝在时间t时的原始数据点，Xf(t)＝在时间t时的滤波信号。

f4＝SIGN[X(t)-Xf(t-4)]*因子4                              (24)

f3＝SIGN[X(t-1)-Xf(t-4)]*因子3                            (25)

f2＝SIGN[X(t-2)-Xf(t-4)]*因子2                            (26)

f1＝SIGN[X(t-3)-Xf(t-4)]*因子1                            (27)

fsum＝INT(ABS(f1+f2+f3+f4))                               (28)

$\mathrm{FAC}={\left(\frac{\mathrm{ABS}\left(\mathrm{fsum}\right)}{4}\right)}^z...\left(29\right)$

$\mathrm{XS}\left(t\right)=\frac{X\left(t\right)+X(t-1)+X(t-2)+X(t-3)}{4}...\left(30\right)$

Xf(t)＝Xf(t-1)+FIL*FAC*(XS(t)-Xf(t-1)}                    (31)

再者，可以将N＝5的改进的N-极性滤波器构造成独立的单元或使用常用的控制器，如使用本发明的NMPC法的时间范围控制器来完成下述等式(32)-(45)的算法。应再次指出在下述等式中，X(t)＝在时间t时的原始数据点，Xf(t)＝在时间t时的滤波信号。

f5＝SIGN[X(t)-Xf(t-5)]*因子5                             (37)

f4＝SIGN[X(t-1)-Xf(t-5)]*因子4                           (38)

f3＝SIGN[X(t-2)-Xf(t-5)]*因子3                           (39)

f2＝SIGN[X(t-3)-Xf(t-5)]*因子2                           (40)

f1＝SIGN[X(t-4)-Xf(t-5)]*因子1                           (41)

fsum＝INT(ABS(f1+f2+f3+f4+f5))                           (42)

$\mathrm{FAC}={\left(\frac{\mathrm{ABS}\left(\mathrm{fsum}\right)}{5}\right)}^z...\left(43\right)$

$\mathrm{XS}\left(t\right)=\frac{X\left(t\right)+X(t-1)+X(t-2)+X(t-3)+X(t-4)}{5}...\left(44\right)$

Xf(t)＝Xf(t-1)+FIL*FAC*{XS(t)-Xf(t-1)}                   (45)

对N-极性滤波器的进一步加工是提高在Xf(t-3)的与其它两个原始数据点相反一侧上的任何原始数据点的补偿(penalty)。这较好地可通过截断fsum的值(下面用FORMRAN内函数INT表示)来完成。

fsum’＝INT(ABS(fsum))                                   (46)

例如：

f1＝1，f2＝-0.5，f3＝1

fsum＝1.5

但

fsum’＝INT(1.5)＝1.0

至此，讨论的焦点是关于可以用来计算FAC项的改进的方法上。假定FAC＝1，则可以完成基于{X(t)-Xf(t-1)}之差的滤波信号的调节。然而，对于有噪声的信号，这个差值包含所有的X(t)值的噪声。如图17所示，较好地可以通过计算移动平均值XS(t)并使用确定Xf(t)时的移动平均值使滤波信号Xf(t)略微变得光滑。也宜使用其它使原始信号光滑的方式。在如图17所示的例子中，三个连续的点落在静带的上方，故FAC＝1，然而，最后一点高出其它两个原始数据点相当多。这表明了紧接在t-2处真实信号的向上移动的情况。平均来说，所有的点均高出静带，有一些点由于噪声而高出更多。为了不致作用在噪声上，基于Xf(t-1)和X的最后3个移动平均值(即XS(t))之差，而非简单地使用X(t)值来完成Xf(t)的计算。

$\mathrm{XS}\left(t\right)=\frac{X\left(t\right)+X(t-1)+X(t-2)}{3}...\left(47\right)$

Xf(t)＝Xf(t-1)+FIL*FAC*{XS(t)-Xf(t-1)}                   (48)

可以看到这会增加少许附加的延迟，该延迟较好地可通过增加FIL方便地加以消除。

这样，可以将另一个较好的N-极性滤波器的实例构造成独立的单元或使用常用的控制器，如使用本发明的NMPC法的时间范围控制器来完成下述等式(49)-(60)所述的算法。应再次指出在下述等式中，X(t)＝在时间t时的原始数据点，Xf(t)＝在时间t时的滤波信号。N-极性滤波器的算法较好地按下述一系列的步骤完成。

(1)按公式(49)-(52)计算n个因子值：

    ↓            ↓

(2)按公式(53)-(56)计算n个f值：

fn＝SIGN[X(t)-Xf(t-n)]*因子n                             (53)

fn-1＝SIGN[X(t-1)-Xf(t-n)]*因子n-1                       (54)

fn-2＝SIGN[X(t-2)-Xf(t-n)]*因子n-2                       (55)

↓    ↓                    ↓

f1＝SIGN[X(t-n+1)-Xf(t-n)]*因子1                         (56)

(3)按公式(57)计算fsum

fsum＝ABS(f1+f2+f3+...+fn)                               (57)

(4)按公式(58)计算FAC：

FAC＝([ABS(fsum)]/n)^z                                    (58)

(5)按公式(59)计算光滑的值XS(t)：

$\mathrm{XS}\left(t\right)=\frac{X\left(t\right)+X(t-1)+X(t-2)+...+X(t-n+1)}{n}...\left(59\right)$

(6)按公式(60)计算滤波值Xf(t)：

Xf(t)＝Xf(t-1)+FIL*FAC*{XS(t)-Xf(t-1)}                   (60)

上述算法较好地使用下述推荐值：

(A)DBAND应大于噪声的大小。因此，若在稳定的状态下，X(t)在Xf(t-3)+噪声和Xf(t-3)-噪声之间变化，DBAND应略微大于噪声。可以知道噪声项表示为传感变量的百分数或固定值。

(B)尽管Z可为任何正数，但Z较好约为1-10，更好为3-5。可以知道若Z太小，(1/3)^**Z就不小，滤波信号在对噪声的响应中会有一些波动。相反，当Z太大时，滤波信号的移动被全部减少或没有，这相对于显著的信号移动来说是可以接受的，但它在对斜坡信号的响应中会趋于加强N-极性滤波器的阶梯状特性(step-like nature)。换句话说，N-极性滤波器的输出可以由几个较大的阶梯(steps)表示。

(C)FIL较好地应被设置成对真实信号移动的响应如需要的那么快。对于每分钟运行约1次的时间范围控制器来说，该值为0.5可能是合适的。

或者，用于计算fsum所用的公式(57)可被公式(61)代替：

fsum＝INT(ABS(f1+f2+f3+...+fn))                          (61)

总之，业已开发了能满足下面两个看上去相互排斥的准则的数字信号滤波器：它提供在稳定状态下的非常光滑的信号，它也能对变化快速地作出响应。这使它成为使用时间范围控制器来使信号光滑的理想。

图18A说明了所例举的在所有的N-极性滤波器测试中所用的信号。尽管所述的N-极性滤波器可以在任何信号上使用，但生产率作为测试的案例，使得在密度时间范围控制器上信号光滑的效果可被容易地加以说明。真实信号在SPAKg/hr处开始，在5分钟内上升至SPB Kg/hr，它可能在突然加入H2或C2后，在100分钟内调整达到稳定，然后在100分钟的过程中缓慢地降低返回至SPAKg/hr，此时它可能对催化剂进料的减少作出响应。这样，测试信号显示出必须用来评价本文的滤波方法的三个特性：稳定状态、突然变化和缓慢漂移。叠加在图18A中“真实”信号上的是“测量”信号，在这种情况下该“测量”信号包括最大幅值为200Kg/hr的噪声。这种“测量”信号将会进入滤波器以确定其提供光滑而又响应输出信号的能力。

所测试的第一种滤波器是标准的低通滤波器。图18B说明了FIL＝0.5的结果。原始信号中所有的噪声仍然留在光滑的信号中，唯一不同的是其幅值减至一半。应注意的是，需要将噪声的幅值减至+/-20Kg/hr，这要求FIL＝0.1，这是图18C所示的情况。可以看到图18C中所示的低通滤波器的输出被描述成可接受的光滑的稳定状态的信号，它是以对基础信号中的任何变化作出非常缓慢的响应为代价的，对滤波信号需25分钟以上才能达到SPB kg/hr便是证明。应指出的是，得自使用时间范围控制器的好处是使这个延迟的信号明显地不可接受。同样可以知道正是图18C中所示的情况推动了使稳定状态光滑的最佳方法的研究。

应指出的是，由于N-极性滤波器象低通滤波器一样对阶梯的改变(step change)作出响应，故N-极性滤波器的所有测试都在FIL＝0.5的情况下进行。基本N-极性滤波器的响应示于图18D中，显然它是对低通滤波器的改进。然而，图18D所示的N-极性滤波器的响应仍然是有噪声的，这主要是由于噪声的三个连续波动出现的机会均在同一方向上，即在Xf(t-3)点的一侧。

图18E说明了由于增加200Kg/hr的半宽度(half-width)到静带而如何使N-极性滤波器得到显著的改进。此时滤波信号在稳定状态下实际上没有移动，并且对阶梯改变的响应非常好。值得注意的是，为稳定状态的响应付出了代价，该代价是对设定点中缓慢漂移的响应的阶梯质量(stair-step quality)，以及趋于持续向后的偏移。阶梯的不连续特征可能对具有微分作用的常规PID反馈控制器产生一些问题，但这种控制器对于常规的低通滤波器来说无论如何都要求一个非常低的FIL值，并且该问题可通过降低N-极性滤波器的FIL值而避免。对于以模型为基础的时间范围控制器，即NMPC法来说，这些阶梯根本不存在问题。

在所有的情况中，由图18E所示的带有静带的N-极性滤波器给出的信号对应用本发明的时间范围控制方法来说是足够清楚的。然而，如上所讨论，某些较小的改进不仅是可能的，而且是可行的。这些改进的效果参考图18F-18H进行讨论。更具体地说，图18F说明了改进静带允许“因子”项为从0至1的连续值的结果(代替仅在静带内部为0，而在静带外部为1的情况)。这就改进了对缓慢漂移的响应，使之更为光滑，这是以在稳定状态下略微有噪声的信号为代价的。如图18G所示，附加噪声可通过截断“fsum”值而大大地消除。最后，如图18H所示，可通过使用3点移动的测量平均值使滤波信号的不平边缘，如达到SPBKg/hr后的尖锐脉冲变得光滑。这对略微的阶梯改变作出缓慢的响应，而这可以通过提高FIL值得到补偿。

已经注意到，这个研究的动力是发现了一种使时间范围控制器所用的信号光滑的方法，该方法的前馈特征使之能快速地对真实的干扰作出响应，但对用于其计算的信号中的噪声也是较为敏感的。在第一个环路密度时间范围控制器的情况下，单体进料的前馈值由下述公式给出：

                  VFIKGSS＝(R0+R1)/ZMFPOL1TEFF

其中R0+R1是来自热平衡的生产率(预聚+第一个环路)，ZMFPOL1TEFF是达目标密度时环路排料中聚合物的质量分数，VF1KGSS是保持在稳定状态的目标密度所需的新鲜丙烯进料。应明白的是，生产率信号，R1中的任何噪声都会直接传送到单体流的设定点上。

图18I说明了R1的“测量”值和两个滤波值：低通滤波器和最佳化的N-极性滤波器。图18J将由R1的N-极性滤波器值产生的单体进料设定点与使用低通信号的相比较。使用低通值的时间范围控制器每分钟改变着单体的设定点。这会使其它控制环路，尤其是温度和压力鼓控制器失去稳定。另一方面，使用N-极性滤波器的时间范围控制器非常稳定，它对设备的其余部分有很强的稳定化作用。还有，它仍保持着对基础信号中的真实变化快速响应的能力。

图18K将使用低通滤波器的控制器的密度曲线与使用N-极性滤波器的相比较。在这两种情况中，控制是优异的，尽管在生产率上有一非常大的摆动，仍将密度保持在+/-0.7g/l的范围内。令人啼笑皆非的是，在单体进料的摆动大时，密度却能较为牢固地保持，而这由于对设备其余部分的去稳定化作用明显是不可接受的。

上述讨论提出了一些附图，这些附图呈现出在其设计中加入对N-极性滤波器信号的改进如连续的静带，fsum的截断和N点(如3点)的移动平均值，这就最终导致了图18H中所示的信号。应指出的是，这些测试过程均对3个原始数据点，在Z＝4并且静带＝最大噪声幅度(在这些情况下为200kg/hr)下进行的。下面参照图19A-19H的讨论说明了改变这些参数中每个参数所致的影响，从而证实为什么认为上述值代表着N-极性滤波器的最佳配置。

图19A说明了在不存在噪声的情况下，N-极性滤波器的信号是如何比低通滤波器的延迟N-1次时间间隔。如图19B所示，当加上静带时，由于输出信号直到N点在静带的外部以前实际上没有改变，故响应变成阶梯状。应注意的是，N-极性滤波器所用的时间间隔可以比使用信号并仅受原始数据值现有的频率限制的时间范围控制器的小得多。例如，当密度时间范围控制器每1分钟运行1次时，以生产率操作的N-极性滤波器每20秒钟就能容易地被校正到。可以知道这会抵销N-1次间隔延迟的作用。

再者，如上较详细讨论的，N-极性滤波器的设计能容易地延伸至4，5或任何其它点数。N-极性滤波器中所用的原始数据点的数目越大，宜使用的静带就越小。然而，如上所述，代价是较长的延迟，这就需要更为频繁的运行以消除延迟。图19C和19D分别图示了4-和5-型滤波器的响应曲线。应注意的是，尽管在基础N-极性滤波器中增加点数可以获得更为光滑的信号，但对如图18H所示的改进的N-极性滤波器的改进却甚小；这就令人怀疑，增加原始数据点所增加的工作是否值得。

Z值的调节是根据当所有的三个点都在静带的外部并在同一侧，即当fsum＜1时，需要有多少的作用来做。图19E图示了Z＝1的改进的N-极性滤波器的响应，与低通滤波器(其响应示于图18B中)相比，上述响应确实非常好。从先前的讨论可以知道，提高Z使信号光滑是以较持续的偏移为代价的。简言之，与静带宽度相比，难以使光滑的信号接近真实的信号。这样，如图19F所示对于Z＝10，N-极性滤波器在对斜坡响应中产生较少、较大的阶梯。据观察，Z＝4的值似乎是最佳的，原因是它对应于能产生非常光滑的稳定状态的信号的最低值。

而且，应指出的是静带的最佳值通常大致上达到与信号中的噪声的大小相同。在为证明这点的所有的例子中，最大的信号噪声幅度为+/-200kg/hr，而静带的宽度也为200kg/hr。静带始终等于或大于信号中的噪声成分并不是关键所在，当静带为150kg/hr(未图示)时也能给出几乎与图18H所示的等同的结果。如图19G所示，对于静带＝100kg/hr，将静带设置为噪声大小的一半可能太小了。另一方面，如图19H所示，对于静带＝400kg/hr，将静带设置得太宽会导致更为严重的结果。这里，滤波信号对斜坡的延迟几乎为30分钟，这就明确地妨碍了时间范围控制器保持其设定点的能力。基于图19G和19H所示的数据可以推断，当信号中的噪声非常严重时，必须将静带设置在延迟是可接受的并且能承受N-极性滤波器输出中附加波动的最大值。

上述讨论说明了使时间范围控制器所用的信号光滑的最佳N-极性滤波器设计是如何推导出来并实现的。应明白的是，在实践中，最佳的N-极性滤波器结构，即算法将取决于原始信号本身的特性，时间范围控制器的特征，和控制器对化学设备其余部分的过分或缓慢作用的间接影响。这样，尽管毫无疑问地需要一定量的试验和误差使特定应用的N-极性滤波器达到最佳化，但认为这种试验是在本领域普通技术人员的技能范围内，尤其是在给出了理论和许多例举算法的情况下。

尽管上面已经详细地描述了目前本发明较好的实例，但应清楚地明白，在此所述的对本领域技术熟练者来说可能是显见的对本发明基本概念的多种改变和/或改进都落在所附权利要求书中所定义的本发明的精神和范围内。

Claims (9)

1.一种从多个原始信号和至少一个先前产生的滤波信号中产生滤波信号的方法，该方法包括如下步骤：

(a)按下述公式计算n个因子值：

      ↓                             ↓

(b)按下述公式计算n个f值：

fn＝SIGN[X(t)-Xf(t-n)]*因子n

fn-1＝SIGN[X(t-1)-Xf(t-n)]*因子n-1

fn-2＝SIGN[X(t-2)-Xf(t-n)]*因子n-2

↓     ↓                 ↓

f1＝SIGN[X(t-n+1)-Xf(t-n)]*因子1

(c)按下述公式计算fsum

fsum＝ABS(f1+f2+f3+...+fn)

(d)按下述公式计算FAC：

FAC＝([ABS(fsum)]/n)^z

(e)按下述公式计算平滑值XS(t)：

XS(t)＝(a0)X(t)+(a1)X(t-1)+...+(an-1)X(t-(n-1))；和

(f)按公式(60)计算滤波值Xf(t)：

Xf(t)＝Xf(t-1)+FIL*FAC*{XS(t)-Xf(t-1)}，其中：

X(t)＝在时间t时的原始数据点；

Xf(t)＝在时间t时的滤波信号；

n为正整数；

z为正数；

SIGN是返回各表达式的符号的函数；

FIL是在时间t时的滤波信号的变化率的实数标示；

ABS是绝对值函数；

DBAND是接近但大于就X(t)测量的系统噪声的数；和

1＝a0+a1+...+an-1。

2.如权利要求1所述的方法，其中n等于3。

3.如权利要求2所述的方法，其中所述的步骤(a)-(f)共同执行下述算法：

f3＝SIGN[X(t)-Xf(t-3)]*1.0

f2＝SIGN[X(t-1)-Xf(t-3)]*1.0

f1＝SIGN[X(t-2)-Xf(t-3)]*1.0

fsum＝f1+f2+f3

FAC＝(ABS(fsum)/3)^z

XS(t)＝[X(t)+X(t-1)+X(t-2)]/3

Xf(t)＝Xf(t-1)+FIL*FAC*{XS(t)-Xf(t-1)}。

4.如权利要求1所述的方法，其中n等于4，并且所述步骤(a)-(f)共同执行如下的算法：

f4＝SIGN[X(t)-Xf(t-4)]*因子4

f3＝SIGN[X(t-1)-Xf(t-4)]*因子3

f2＝SIGN[X(t-2)-Xf(t-4)]*因子2

f1＝SIGN[X(t-3)-Xf(t-4)]*因子1

fsum＝ABS(f1+f2+f3+f4)

FAC＝([ABS(fsum)]/4)^z

XS(t)＝[X(t)+X(t-1)+X(t-2)+X(t-3)]/4

Xf(t)＝Xf(t-1)+FIL*FAC*{XS(t)-Xf(t-1)}。

5.如权利要求1所述的方法，其中n等于5，并且所述步骤(a)-(f)共同执行如下的算法：

f5＝SIGN[X(t)-Xf(t-5)]*因子5

f4＝SIGN[X(t-1)-Xf(t-5)]*因子4

f3＝SIGN[X(t-2)-Xf(t-5)]*因子3

f2＝SIGN[X(t-3)-Xf(t-5)]*因子2

f1＝SIGN[X(t-4)-Xf(t-5)]*因子1

fsum＝INT(ABS(f1+f2+f3+f4+f5))

FAC＝([ABS(fsum)]/5)^z

XS(t)＝[X(t)+X(t-1)+X(t-2)+X(t-3)+X(t-4)]/5和

Xf(t)＝Xf(t-1)+FIL*FAC*{XS(t)-Xf(t-1)}，

其中函数INT对于任何实数输入来说输出整数。

6.一种从许多原始信号和至少一个先前产生的滤波信号中产生滤波信号的数字滤波器，它包括：

按下述公式计算n个因子值的第一个装置：

↓                                  ↓

按下述公式计算n个f值的第二个装置：

fn＝SIGN[X(t)-Xf(t-n)]*因子n

fn-1＝SIGN[X(t-1)-Xf(t-n)]*因子n-1

fn-2＝SIGN[X(t-2)-Xf(t-n)]*因子n-2

 ↓    ↓                 ↓

f1＝SIGN[X(t-n+1)-Xf(t-n)]*因子1

按下述公式计算fsum的第三个装置：

fsum＝ABS(f1+f2+f3+...+fn)

按下述公式计算FAC的第四个装置：

FAC＝([ABS(fsum)]/n)^z

按下述公式计算平滑值XS(t)的第五个装置：

XS(t)＝(a0)X(t)+(a1)X(t-1)+...+(an-1)X(t-(n-1))；和

按公式(60)计算滤波值Xf(t)的第六个装置：

Xf(t)＝Xf(t-1)+FIL*FAC*{XS(t)-Xf(t-1)}，其中：

X(t)＝在时间t时的原始数据点；

Xf(t)＝在时间t时的滤波信号；

n为正整数；

z为正数；

SIGN是返回各表达式的符号的函数；

FIL是在时间t时的滤波信号的变化率的实数标示；

ABS是绝对值函数；

DBAND是接近但大于就X(t)测量的系统噪声的数；和

1＝a0+a1+...+an-1。

7.如权利要求6所述的数字滤波器，其中n为大于或等于2。

8.如权利要求6所述的数字滤波器，其中：

第三个装置按下述公式计算fsum：

fsum＝INT(ABS(f1+f2+f3+...+fn))；

第四个装置按下述公式计算FAC：

FAC＝(ABS(fsum)/n)^z；和

INT对于任何实数输入来说输出整数。

9.如权利要求8所述的数字滤波器，其中n为大于或等于2。

Images