1. 项目概述：工业自动化中的模拟量信号处理痛点
在工业自动化控制系统中，PLC（可编程逻辑控制器）对模拟量信号的处理质量直接关系到整个控制回路的稳定性。西门子S7-1200/1500系列作为当前主流的中高端PLC，其模拟量输入模块在实际应用中常会遇到信号波动、干扰等问题。我曾参与过某汽车焊装车间的温度控制系统改造，现场热电偶信号受变频器干扰导致温度跳变达±15℃，直接触发了产线急停。这个案例让我深刻认识到模拟量滤波程序的重要性。
模拟量滤波本质上是通过算法手段消除信号中的无效波动，保留真实的工艺参数变化。与简单的硬件RC滤波相比，软件滤波具有参数可调、方案灵活的特点。西门子PLC虽然自带基础滤波功能，但面对复杂工业场景时往往需要二次开发。本文将拆解三种经过现场验证的滤波方案，包括移动平均法、一阶滞后滤波以及复合型卡尔曼滤波的实现细节。
2. 核心算法原理与选型策略
2.1 移动平均法的工程实现
移动平均法是最易实现的滤波算法，其核心思想是通过历史数据平滑当前值。在TIA Portal中的SCL实现如下：
scl复制FUNCTION "MovingAverageFilter" : REAL
{ S7_Optimized_Access := 'TRUE' }
VERSION : 0.1
VAR_INPUT
NewValue : REAL; // 新采样值
BufferSize : INT; // 缓存区大小
END_VAR
VAR_IN_OUT
ValueBuffer : ARRAY[*] OF REAL; // 数据缓存区
WriteIndex : INT; // 写入指针
END_VAR
VAR_TEMP
Sum : REAL := 0.0;
i : INT;
END_VAR
BEGIN
// 更新缓冲区数据
ValueBuffer[WriteIndex] := NewValue;
WriteIndex := (WriteIndex + 1) MOD BufferSize;
// 计算平均值
FOR i := 0 TO BufferSize-1 DO
Sum := Sum + ValueBuffer[i];
END_FOR;
"MovingAverageFilter" := Sum / BufferSize;
END_FUNCTION
关键参数选择经验：缓冲区长度的设置需要权衡响应速度与滤波效果。对于温度类慢变信号，建议取8-16个采样周期；流量、压力等快速信号建议取4-8个周期。某化工厂的管道压力监测中，将BufferSize从默认的4调整为6后，信号波动幅度降低了37%。
2.2 一阶滞后滤波的优化技巧
一阶滞后滤波（又称指数加权平均）算法公式为：
code复制Yₙ = α·Xₙ + (1-α)·Yₙ₋₁
其中α为滤波系数，取值范围0-1。在OB35循环中断组织块中实现的典型代码如下：
scl复制// 在DB中定义静态变量
"FilteredValue" := 0.6 * "RawInput" + 0.4 * "FilteredValue";
这个看似简单的算法在实际应用中却有多个调参要点：
- α值与被测信号特性相关，一般通过阶跃响应测试确定
- 对于存在周期性干扰的信号，α应设置为1/(干扰周期/采样周期)
- 某水泥厂生料磨振动监测中，采用动态α调整策略：当检测到信号突变超过阈值时，临时增大α值以提高响应速度
2.3 卡尔曼滤波的工程简化版
标准卡尔曼滤波需要矩阵运算，在PLC中实现成本较高。我们可采用简化版单变量卡尔曼滤波：
scl复制FUNCTION "SimpleKalmanFilter" : REAL
VAR_INPUT
Z : REAL; // 测量值
Q : REAL := 0.1;// 过程噪声协方差
R : REAL := 1; // 测量噪声协方差
END_VAR
VAR_IN_OUT
P : REAL := 1; // 估计误差协方差
X : REAL := 0; // 上一时刻最优值
END_VAR
VAR_TEMP
K : REAL; // 卡尔曼增益
END_VAR
BEGIN
// 预测阶段
P := P + Q;
// 更新阶段
K := P / (P + R);
X := X + K * (Z - X);
P := (1 - K) * P;
"SimpleKalmanFilter" := X;
END_FUNCTION
在风电变桨系统角度传感器信号处理中，该算法将偏航角度的测量误差从±3°降低到±0.5°。参数Q/R的比值决定了滤波器对测量值的信任程度，建议先用历史数据离线调试确定基准值。
3. 工程实施中的进阶处理方案
3.1 信号可信度校验机制
单纯的滤波算法可能掩盖真实的设备故障。我们需增加以下校验逻辑：
- 变化率超限检测：比较当前值与前一周期变化量
scl复制Delta := ABS("CurrentValue" - "LastValue"); IF Delta > "MaxAllowedDelta" THEN "FaultCounter" := "FaultCounter" + 1; ELSE "FaultCounter" := 0; END_IF; - 信号冻结检测：连续N个周期变化量小于阈值
- 某半导体工厂的真空度监测中，该机制成功识别出压力传感器膜片破裂故障
3.2 多算法并联运行架构
对于关键工艺参数，可采用主备滤波通道设计：
code复制 +--> 移动平均滤波 -->|
原始信号 --> 信号分配 --+--> 卡尔曼滤波 ----> 输出选择逻辑
+--> 一阶滞后滤波 -->|
选择逻辑可基于信号特征动态切换，例如：
- 稳态时使用移动平均滤波
- 变工况时切换为卡尔曼滤波
- 某钢铁厂高炉温度控制系统采用此方案后，不同工况下的控制精度均提升20%以上
3.3 滤波参数自整定方法
传统固定参数难以适应多变工况，可采用以下自适应策略：
- 基于信号方差动态调整滤波强度
scl复制// 计算最近10个采样点的方差 Variance := CALCULATE_VARIANCE(Buffer); // 根据方差调整滤波系数 IF Variance > Threshold THEN Alpha := 0.2; ELSE Alpha := 0.8; END_IF; - 某造纸厂烘缸温度控制采用该方法后，在换卷工况下的温度波动减少45%
4. 典型问题排查与性能优化
4.1 滤波引入的相位滞后补偿
所有滤波算法都会造成信号延迟，在快速控制回路中需特别注意。补偿方法包括：
- 预测补偿法：结合历史变化趋势预测当前值
scl复制CompensatedValue := "FilteredValue" + ("FilteredValue" - "PrevValue") * CompensationFactor; - 某注塑机射胶压力控制采用一阶滞后滤波+预测补偿后，相位滞后从80ms降低到20ms
4.2 采样周期与滤波参数的匹配
常见错误是滤波参数与OB执行周期不匹配，建议遵循：
- 移动平均法的BufferSize应换算为时间单位（如200ms）
- 一阶滞后滤波的时间常数τ=(1-α)/α × 采样周期
- 某污水处理厂DO测量案例：将OB35周期从100ms调整为50ms后，需同步将α从0.3调整为0.15
4.3 异常值处理的最佳实践
突发干扰可能导致滤波算法失效，推荐处理流程：
- 设置合理的变化率限制（如±10%/采样周期）
- 对超出限制的值启动替代值策略：
scl复制IF ABS(NewValue - LastValue) > Limit THEN Output := LastValue + SIGN(Delta) * Limit; ELSE Output := NewValue; END_IF; - 某石化项目应用该方案后，避免了压缩机振动信号突变导致的误停机
5. 现场调试与性能评估方法
5.1 阶跃响应测试规范
评估滤波效果的标准方法：
- 在信号源端注入阶跃变化（如4mA→20mA）
- 记录滤波输出达到63.2%终值的时间（τ）
- 某汽车厂测试数据对比：
算法类型 响应时间 超调量 无滤波 0ms 0% 移动平均(8点) 280ms 3.2% 一阶滞后(α=0.3) 150ms 0%
5.2 频率响应分析方法
使用信号发生器进行扫频测试：
- 输入不同频率的正弦波信号
- 测量输出信号的幅值衰减
- 某水厂案例显示：移动平均法对50Hz工频干扰的衰减达到-24dB
5.3 控制回路性能评估指标
滤波效果最终应体现在控制质量上：
- 调节时间（从扰动到重新稳定的时间）
- 超调量
- IAE（绝对误差积分）
- 某制药厂发酵罐温度控制改进前后对比：
- 调节时间从8分钟降至3分钟
- IAE指标改善42%