› Smith 预估器模拟器 返回
过程控制模拟器

Smith 预估器模拟器 — 死区时间补偿与 PI 对比

对带死区时间的一阶滞后过程，实时比较标准 PI 控制与 Smith 预估器的阶跃响应，直观理解死区时间补偿如何减小超调量、缩短整定时间。

参数设置
过程增益 K_p
—
时间常数 T_p
s
死区时间 L
s
PI 比例增益 K_c
—

积分时间 T_i 按简化 IMC 规则固定为 T_p（默认下 T_i = 5 s）。仿真区间 0〜60 s，步长 dt = 0.05 s。

计算结果
—
标准 PI 超调量
—
Smith 预估器超调量
—
标准 PI 整定时间 (5%)
—
Smith 预估器整定时间 (5%)
阶跃响应 y(t)

红线＝标准 PI 响应／蓝线＝Smith 预估器响应／灰色虚线＝给定值 r = 1

理论与主要公式

带死区时间 L 的一阶滞后过程。K_p 为过程增益，T_p 为时间常数，L 为死区时间：

$$G(s) = \frac{K_p}{T_p s + 1}\,e^{-L s}$$

标准 PI 控制律。K_c 为比例增益，T_i 为积分时间：

$$u(s) = K_c \left(1 + \frac{1}{T_i s}\right) e(s)$$

Smith 预估器内部模型 G_m，以及返回给 PI 控制器的反馈信号：

$$G_m(s) = \frac{K_p}{T_p s + 1}\,e^{-L s}, \qquad e(t) = r - \bigl(y(t) - y_{m,\text{delayed}}(t) + y_m(t)\bigr)$$

内部模型与实际过程一致时，控制回路看到的就是一个没有死区时间的对象，稳定裕度得以恢复。本工具中积分时间 T_i 按简化 IMC 规则固定为 T_p。

什么是 Smith 预估器模拟器

🙋
温度控制现场经常听到“死区时间”这个词，为什么它会让 PI 控制变得这么棘手？
🎓
简单说，从操作到看到结果之间有 L 秒延迟时，PI 无法实时判断自己是不是“打多了”或“打少了”。把增益 K_c 调高想加快追踪，控制器就会在延迟期间过度输出，回路振荡。把上面的模拟器调成 K_c=1.5、死区时间 L=3 s 看看，红色的标准 PI 曲线就会大幅振荡。
🙋
果然，红线振荡得很厉害，蓝色 Smith 预估器却几乎平滑收敛。为什么差别这么大？
🎓
Smith 预估器在控制器内部保留了一份“过程副本”。它把当前实测值 y(t)、带延迟的模型输出 y_m(t−L) 和不带延迟的模型输出 y_m(t) 组合起来，把反馈信号改写为 y(t) − y_m(t−L) + y_m(t)。当模型与实际过程一致时，这个组合信号就像一个没有死区时间的对象的输出。
🙋
咦，死区时间就这么消失了？可现实中物理延迟并不会消失吧？
🎓
对，消失的只是“从控制器视角看到的”死区时间。实际过程的 L 秒延迟依旧存在，输出要到 L 秒后才开始动。模拟器里你也能看到蓝色曲线 t=3 s 之前完全不动。但起步后追踪很快、不振荡。死区时间本身消除不了，但 PI 因此可以采用更激进的增益设计。
🙋
看起来好处全占了，是不是也有缺点？
🎓
最大的弱点是：一旦内部模型与实际过程不一致，补偿效果就会下降。试着把 T_p 从 5 改成 10，实际过程用新的 T_p 运行，但 Smith 模块仍按旧模型补偿，效果就不再理想。现场常见的情形是工况变化导致 L、T_p 漂移，所以实务上往往把 PI 增益略微调低，给模型误差留出裕度。

常见问题

当死区时间 L 与时间常数 T_p 同量级时（默认 L=3 s、T_p=5 s），标准 PI 在 K_c≈1.5 时超调量达 30%〜50%，K_c 超过 2 后几乎无法整定。Smith 预估器在相同 K_c 下不振荡，原则上可以使用更大的增益。拖动滑块比较两者的响应。
当 L=0 时，Smith 反馈信号 y − y_m_delayed + y_m 退化为 y_m + (y − y_m) = y，与标准 PI 完全等价。随着 L 增大，标准 PI 的响应逐渐恶化，而 Smith 预估器在模型准确的前提下仍能维持良好性能。
按 IMC（内部模型控制）简化整定规则，将 T_i 设为过程时间常数 T_p 可在超调与整定时间之间取得较好平衡。为便于对比，本工具固定 T_i=T_p；实际现场 T_i 也需独立整定。
可以，Smith 预估器与控制器结构无关，可与 PID 组合成 PID-Smith。不过死区时间补偿的主要目的是抑制积分项导致的失稳，PI 通常已足够，所以现场较少采用 PID-Smith。

工业应用

长管道温度控制：化工厂和钢铁厂中，流体从加热器到测点之间要经过较长管道，运输延迟可达数秒至数分钟。标准 PI 要么振荡要么响应迟缓，所以蒸汽温度、原料预热和反应器入口温度等回路广泛采用 Smith 预估器或 PID-Smith。

纸张、薄膜、板厚的质量控制：连续片材生产中，材料从成型辊到厚度传感器之间存在输送延迟。标准 PI 响应慢、产品离散大，引入 Smith 预估器可同时获得快速响应与稳定品质。连铸和轧制工序也存在相同情况。

带成分分析延迟的过程：用在线分析仪测量蒸馏塔顶组成或反应器出口浓度时，采样与分析会引入几分钟的延迟。标准 PID 难免振荡，因此引入 Smith 预估器或 DMC（动态矩阵控制）等模型预测控制。

含通信延迟的远程控制：近年随着 IoT 与通信的发展，远程控制中的网络延迟 L 越来越不可忽视，Smith 预估器的思想重新受到重视。互联网遥操作机器人、SCADA、群体控制等场景都在研究用 Smith 类结构补偿通信延迟。

常见误解与注意事项

最常见的误解是认为加入 Smith 预估器就能让死区时间“消失”。实际上对象本身的物理延迟依旧存在，输出仍要等 L 秒后才开始变化。模拟器里 Smith 的蓝色曲线在 t=3 s 之前完全不动就是证据。Smith 预估器消除的是“控制回路传递函数中的死区时间”，并不是阶跃响应的起步延迟。正确的理解是“可以采用更激进的增益设计”。

其次常见的是低估内部模型精度的重要性。Smith 预估器只有在内部模型 G_m 与实际过程一致时才能精确补偿死区时间，但实际工业中模型误差不可避免。本模拟器特意使用了精确模型；现场参数漂移会导致补偿不完全，甚至比标准 PI 还差。实务上的常规做法是把 PI 增益略微调低于理论最优值，给模型误差留出鲁棒性裕度。

最后，对死区时间并不占主导的过程也强行加 Smith 预估器属于过度设计。当 L 相对于 T_p 较小（经验值 L/T_p < 0.3）时，调好标准 PI 即可获得足够性能，引入 Smith 预估器带来的好处有限，但模型辨识与维护成本却显著增加。Smith 预估器真正发挥威力的是 L/T_p > 0.5 的“死区主导”过程。请在模拟器中改变 L 与 T_p 的比值，观察两种控制器性能差距如何变化。

相关工具

抗积分饱和 PI 控制模拟器 抗积分饱和 PI 控制模拟器在带输入饱和的一阶过程上对比标准 PI、反算法抗饱和 PI 与理想 PI 的响应，直观展示大幅设定值变化下的超调与整定时间差异。 前馈补偿模拟器 — 扰动抑制 前馈补偿模拟器对比仅 PI 控制与 PI 加前馈控制在阶跃扰动下的响应，实时计算一阶过程的峰值偏差与整定时间，直观理解事先抵消已知扰动如何大幅提升控制性能。 逆响应模拟器 — 右半平面零点（RHP zero）的阶跃响应 逆响应模拟器可视化含右半平面零点（RHP zero）的过程 G(s)=K(-Tz·s+1)/((T1·s+1)(T2·s+1)) 的阶跃响应与 PI 闭环行为，直观理解输出先朝反方向... 模型预测控制模拟器 — 有限时域最优化 模型预测控制（MPC）模拟器把一阶过程离散化，每步求解最小化预测时域内输出误差的最优输入。可调节预测时域、控制时域、输入惩罚，并与PID控制器对比响应。 史密斯圆图模拟器 — 反射系数与 VSWR 史密斯圆图模拟器根据归一化负载阻抗 z = Z_L/Z_0 实时计算反射系数 Γ、VSWR 与自由空间波长，并在等电阻圆与等电抗圆上单点绘制。是培养高频与传输线路匹配直觉的教学工具。 扰动观测器 (DOB) 模拟器 — DOB+PI 与单独 PI 的对比 扰动观测器 (DOB) 模拟器使用标称模型和 Q 滤波器估计并抵消一阶过程的输入扰动，并与单独的 PI 控制实时对比可视化，是控制工程的教学工具。