如前一篇文章所述，PID控制器的调优是一个多步骤的过程。从步骤测试中收集数据后，流程的下一步是根据流程数据拟合模型。拟合模型包括分析碰撞测试数据和计算特定于控制器和控制目标的调整参数。这篇文章重点介绍了让模型符合测试数据的一些行业最佳实践。
在你开始为你的数据建模之前，你需要引起一个明显的变化。这可以通过执行步骤测试来完成。如果你需要复习如何进行步骤测试，你可以在这里阅读我们以前的帖子。
一个好的模型应该准确地描述三（3）件事:多远、多快和多长时间的延迟。多远变量，也称为过程增益，描述了过程变量响应控制器输出的给定变化将行进多远。速度变量也称为过程时间常数。该变量描述了过程变量响应控制器输出变化的速度。最后是流程停滞时间，这是一个变量，表示流程中存在的延迟时间。更具体地说，死区时间是从控制器输出变化首次启动到被测过程变量首次开始响应的时间之间的延迟。在控制回路中，死区的存在从来都不是一件好事。虽然不同的过程有不同的死区时间，但当死区时间等于或大于您的过程时间常数时，它会对您的控制目标造成严重破坏。一旦您理解了流程数据的这些元素，您就可以创建模型了。
建模时，最好在过程的相反两端收集数据。上图显示了针对温度应用进行的冲击测试。红色条代表流程“升温”的区域，而蓝色条代表流程“降温”的区域。有了这两个事件的数据，你就可以看到是否在某个方向上发生了动态变化。创建模型时，围绕这些“加热”和“冷却”部分捕获几个模型段，以便能够进行比较和对比。虽然上面使用了“加热”和“冷却”的示例，但要记住的是从相反的光谱中捕获模型。如果把这个例子换成一个阀门，您可能希望收集阀门打开和关闭时的数据。
我们经常看到的一个问题是:“什么构成了一个好的模型？”。确定好模型的最佳方法是查看模型描述基础数据的准确程度。在上图中，显示了两个模型，一个拟合度差，一个拟合度好。左边的模型用红线表示，它没有跟踪代表流程数据的黑线附近的任何地方。可以肯定地说，这不是一个好模型。另一方面，右边的模型是一个好模型的例子。请注意，该模型紧跟流程数据。尽管这看起来很简单，但令人惊讶的是，模型拟合不当往往会影响调整过程。
虽然业内许多人都使用支持可视化建模的软件，但如果您需要手动建模，该怎么办呢？手动建模最常见的方法是使用一阶加死区或FOPDT建模。此流程有三（3）个步骤。首先，您必须计算过程增益。
此图展示了如何计算过程增益。欲了解更多详情，请访问控制大师。接下来，您需要计算过程时间常数。
此图展示了如何计算过程时间常数。欲了解更多详情，请访问控制大师。最后，您需要找到停滞时间的数量。
此图演示了如何计算死区时间。欲了解更多详情，请访问控制大师。计算过程增益、过程时间常数和死区时间的值后，就可以进入调谐阶段了。
你需要考虑的最后一件事是软件。如上所述，建模可以手工完成。然而，软件提供更准确和一致的结果。此外，您需要配备软件来处理“现实世界”中经常出现的振荡和噪声数据。上图显示了一个高度动态的“真实世界”数据模型，该模型是在软件的帮助下计算出来的。预先警告，并不是所有的软件都具备模拟噪声和振荡数据的能力。如果您决定寻找PID优化软件，请务必寻找能够处理非稳定状态下数据的软件。