单回路反馈控制系统的重点是和。但是实际工厂控制系统设计要复杂得多，有多个测量、多个控制器或者多个最终控制元件。在控制系统设计中有两种情况都是不合理的：a、仪表不足，无论是缺少检测元件还是缺少最终控制元件都不能构成完整的闭环控制系统；b、仪表冗余，控制系统构成中要尽可能为每个最终控制元件都设计控制系统，太多冗余仪表造成控制资产的浪费也要尽量避免。

控制方案设计原则包括：

①奥卡姆剃刀原理
解决方案能简单就别复杂。优先使用基础控制、复杂控制解决过程控制问题。过程控制的一个关键教训是，解决方案不是最复杂的解决方案，而是简单和适合目的的解决方案。

②细节决定成败，规范赢得未来
造性地解决问题并形成规范是发明复杂控制的主要路径。但是想当然的解决方案而没有突破思维定式不是创造性地解决问题，还是要使用控制系统提供的标准解决方案，特别不建议自己写代码实现。非标准化的解决方案都不利于将来控制系统的管理和知识传播，而且自己写代码容易考虑不周全。

③控制方案要综合考虑，有多变量协调优化的思想
在自由度不足时，可以考虑和。在自由度充足的情况下，串级、前馈、分程、阀位等都是可能的解决方案。基于基础反馈控制解决多变量控制问题，可以充分发挥控制资产的效能。

④学以致用，实事求是
握工艺原理和过程控制知识，综合考虑工艺要求和现场条件，根据控制目标设计满足生产实际要求的控制方案，不要犯“手里拿着锤子，看什么都像钉子”的错误。

⑤来源于实践，高于实践
操作员对装置的干预和过程报警说明有强因果关系，都是控制系统设计方案的来源。如果装置的生产过程自动化水平足够高，应该能满足装置安全、环境、效益、效率等要求。一般通过复杂控制系统的投用和完善可以实现这些要求。

系统在多变量模型预测控制算法应用之前是解决复杂过程控制问题的主要方法。但是复杂控制系统的设计难度较高，有很强的艺术性。越是底层的控制系统就越和工艺过程结合得紧密，针对性越强、灵活性越差。这一点增加了过程控制工程师掌握复杂控制系统设计的难度。

二十世纪八十年代推出的多变量模型预测控制工业算法，实际上是通过一个鲁棒性很强的方法将多变量复杂控制系统设计放到一个统一框架里进行应用，从而降低了多变量控制系统设计的难度。在一些国家，过程控制应用水平较高，所以过渡到多变量模型预测控制就比较顺畅和自然。如果多变量复杂控制系统设计的能力不足，过程控制水平不高，想简单通过多变量模型预测控制解决过程控制问题还是有很大难度。现在有人希望通过“云大物智移”(云计算、大数据、物联网、人工智能、移动互联网)解决装置过程控制问题，这个思路有待商榷。生产过程自动化是企业生产运营的本质要素，本质要素不可能通过赋能工具改善。

想提高装置的生产过程自动化水平还是要从PID参数整定和复杂控制方案设计入手，掌握多变量复杂控制系统设计的核心思想。这样才能提高控制资产效能，为实现过程工业智能制造打下坚实的基础。