(Ebook) Perry's Chemical Engineers' Handbook.

Section 8 by Cecil L. Smith, F. Greg Shinskey,

George W. Gassman, Andrew W. R. Waite, Thomas J.
McAvoy, Dale E. Seborg Thomas F. Edgar ISBN
9780071511315, 0071511318 download
https://ebooknice.com/product/perry-s-chemical-engineers-
handbook-section-8-1132454

Explore and download more ebooks at ebooknice.com

Here are some recommended products that we believe you will be
interested in. You can click the link to download.

(Ebook) Biota Grow 2C gather 2C cook by Loucas, Jason; Viles, James

ISBN 9781459699816, 9781743365571, 9781925268492, 1459699815,
1743365578, 1925268497

https://ebooknice.com/product/biota-grow-2c-gather-2c-cook-6661374

(Ebook) Matematik 5000+ Kurs 2c Lärobok by Lena Alfredsson, Hans

Heikne, Sanna Bodemyr ISBN 9789127456600, 9127456609

https://ebooknice.com/product/matematik-5000-kurs-2c-larobok-23848312

(Ebook) SAT II Success MATH 1C and 2C 2002 (Peterson's SAT II Success)

by Peterson's ISBN 9780768906677, 0768906679

https://ebooknice.com/product/sat-ii-success-
math-1c-and-2c-2002-peterson-s-sat-ii-success-1722018

(Ebook) Master SAT II Math 1c and 2c 4th ed (Arco Master the SAT
Subject Test: Math Levels 1 & 2) by Arco ISBN 9780768923049,
0768923042

https://ebooknice.com/product/master-sat-ii-math-1c-and-2c-4th-ed-
arco-master-the-sat-subject-test-math-levels-1-2-2326094
(Ebook) Cambridge IGCSE and O Level History Workbook 2C - Depth Study:
the United States, 1919-41 2nd Edition by Benjamin Harrison ISBN
9781398375147, 9781398375048, 1398375144, 1398375047

https://ebooknice.com/product/cambridge-igcse-and-o-level-history-
workbook-2c-depth-study-the-united-states-1919-41-2nd-edition-53538044

(Ebook) Process Dynamics and Control, 2nd edition by Dale E. Seborg,

Thomas F. Edgar, Duncan A. Mellichamp ISBN 9780471000778, 0471000779

https://ebooknice.com/product/process-dynamics-and-control-2nd-
edition-2031102

(Ebook) Process Dynamics and Control by Dale E. Seborg, Thomas F.

Edgar, Duncan A. Mellichamp, Francis J. Doyle III ISBN 9781119285915,
9781119285953, 9781119298489, 1119285917, 111928595X, 1119298482

https://ebooknice.com/product/process-dynamics-and-control-6821516

(Ebook) Perry's Chemical Engineers' Handbook Section 2: Physical and

Chemical Data by George H. Thomson, Daniel G. Friend, Richard L.
Rowley, W. Vincent Wilding Bruce E. Poling ISBN 9780071511254,
0071511253
https://ebooknice.com/product/perry-s-chemical-engineers-handbook-
section-2-physical-and-chemical-data-1100630

(Ebook) Perry's Chemical Engineers' Handbook. Section 13 by M. F.

Doherty ISBN 9780071511360, 0071511369

https://ebooknice.com/product/perry-s-chemical-engineers-handbook-
section-13-1132436
Copyright © 2008, 1997, 1984, 1973, 1963, 1950, 1941, 1934 by The McGraw-Hill Companies, Inc. All rights reserved. Manufactured in the United
States of America. Except as permitted under the United States Copyright Act of 1976, no part of this publication may be reproduced or distributed
in any form or by any means, or stored in a database or retrieval system, without the prior written permission of the publisher.

0-07-154215-9

The material in this eBook also appears in the print version of this title: 0-07-151131-8.

All trademarks are trademarks of their respective owners. Rather than put a trademark symbol after every occurrence of a trademarked name, we use
names in an editorial fashion only, and to the benefit of the trademark owner, with no intention of infringement of the trademark. Where such
designations appear in this book, they have been printed with initial caps.

McGraw-Hill eBooks are available at special quantity discounts to use as premiums and sales promotions, or for use in corporate training programs.
For more information, please contact George Hoare, Special Sales, at [email protected] or (212) 904-4069.

TERMS OF USE

This is a copyrighted work and The McGraw-Hill Companies, Inc. (“McGraw-Hill”) and its licensors reserve all rights in and to the work. Use of this
work is subject to these terms. Except as permitted under the Copyright Act of 1976 and the right to store and retrieve one copy of the work, you may
not decompile, disassemble, reverse engineer, reproduce, modify, create derivative works based upon, transmit, distribute, disseminate, sell, publish
or sublicense the work or any part of it without McGraw-Hill’s prior consent. You may use the work for your own noncommercial and personal use;
any other use of the work is strictly prohibited. Your right to use the work may be terminated if you fail to comply with these terms.

THE WORK IS PROVIDED “AS IS.” McGRAW-HILL AND ITS LICENSORS MAKE NO GUARANTEES OR WARRANTIES AS TO THE
ACCURACY, ADEQUACY OR COMPLETENESS OF OR RESULTS TO BE OBTAINED FROM USING THE WORK, INCLUDING ANY
INFORMATION THAT CAN BE ACCESSED THROUGH THE WORK VIA HYPERLINK OR OTHERWISE, AND EXPRESSLY DISCLAIM
ANY WARRANTY, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO IMPLIED WARRANTIES OF MERCHANTABILITY OR
FITNESS FOR A PARTICULAR PURPOSE. McGraw-Hill and its licensors do not warrant or guarantee that the functions contained in the work will
meet your requirements or that its operation will be uninterrupted or error free. Neither McGraw-Hill nor its licensors shall be liable to you or
anyone else for any inaccuracy, error or omission, regardless of cause, in the work or for any damages resulting therefrom. McGraw-Hill has no
responsibility for the content of any information accessed through the work. Under no circumstances shall McGraw-Hill and/or its licensors be liable
for any indirect, incidental, special, punitive, consequential or similar damages that result from the use of or inability to use the work, even if any of
them has been advised of the possibility of such damages. This limitation of liability shall apply to any claim or cause whatsoever whether such claim
or cause arises in contract, tort or otherwise.

DOI: 10.1036/0071511318
This page intentionally left blank
 Section 8

Process Control

Thomas F. Edgar, Ph.D. Professor of Chemical Engineering, University of Texas—Austin

(Section Editor, Advanced Control Systems, Process Measurements)

Cecil L. Smith, Ph.D. Principal, Cecil L. Smith Inc. (Batch Process Control, Telemetering
and Transmission, Digital Technology for Process Control, Process Control and Plant Safety)

F. Greg Shinskey, B.S.Ch.E. Consultant (retired from Foxboro Co.) (Fundamentals of

Process Dynamics and Control, Unit Operations Control)

George W. Gassman, B.S.M.E. Senior Research Specialist, Final Control Systems,

Fisher Controls International, Inc. (Controllers, Final Control Elements, and Regulators)

Andrew W. R. Waite, P.Eng. Principal Process Control Consultant, EnTech Control, a

Division of Emerson Electric Canada (Controllers, Final Control Elements, and Regulators)

Thomas J. McAvoy, Ph.D. Professor of Chemical Engineering, University of Maryland—

College Park (Fundamentals of Process Dynamics and Control)

Dale E. Seborg, Ph.D. Professor of Chemical Engineering, University of California—

Santa Barbara (Advanced Control Systems)

FUNDAMENTALS OF PROCESS DYNAMICS AND CONTROL Controller Performance Criteria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-17

The General Control System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-5 Tuning Methods Based on Known Process Models . . . . . . . . . . . . . . 8-18
Feedback Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-5 Tuning Methods When Process Model Is Unknown . . . . . . . . . . . . . 8-19
Feedforward Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-5 Set-Point Response. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-19
Computer Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-5
Process Dynamics and Mathematical Models . . . . . . . . . . . . . . . . . . . . . 8-5 ADVANCED CONTROL SYSTEMS
Open-Loop versus Closed-Loop Dynamics . . . . . . . . . . . . . . . . . . . . 8-5 Benefits of Advanced Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-20
Physical Models versus Empirical Models . . . . . . . . . . . . . . . . . . . . . 8-6 Advanced Control Techniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-21
Nonlinear versus Linear Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-7 Feedforward Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-21
Simulation of Dynamic Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-7 Cascade Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-24
Laplace Transforms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-7 Time-Delay Compensation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-24
Transfer Functions and Block Diagrams . . . . . . . . . . . . . . . . . . . . . . . 8-8 Selective and Override Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-25
Continuous versus Discrete Models . . . . . . . . . . . . . . . . . . . . . . . . . . 8-8 Adaptive Control. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-26
Process Characteristics in Transfer Functions. . . . . . . . . . . . . . . . . . . 8-9 Fuzzy Logic Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-26
Fitting Dynamic Models to Experimental Data . . . . . . . . . . . . . . . . . 8-12 Expert Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-26
Feedback Control System Characteristics. . . . . . . . . . . . . . . . . . . . . . . . 8-12 Multivariable Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-26
Closing the Loop. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-13 Control Strategies for Multivariable Control. . . . . . . . . . . . . . . . . . . . 8-27
On/Off Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-13 Decoupling Control Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-27
Proportional Control. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-14 Pairing of Controlled and Manipulated Variables . . . . . . . . . . . . . . . . 8-28
Proportional-plus-Integral (PI) Control . . . . . . . . . . . . . . . . . . . . . . . 8-14 RGA Method for 2 × 2 Control Problems . . . . . . . . . . . . . . . . . . . . . . 8-28
Proportional-plus-Integral-plus-Derivative (PID) Control . . . . . . . . 8-15 RGA Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-29
Controller Comparison. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-16 Model Predictive Control. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-29
Controller Tuning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-16 Advantages and Disadvantages of MPC . . . . . . . . . . . . . . . . . . . . . . . 8-29

8-1

Copyright © 2008, 1997, 1984, 1973, 1963, 1950, 1941, 1934 by The McGraw-Hill Companies, Inc. Click here for terms of use.
8-2 PROCESS CONTROL

Economic Incentives for Automation Projects . . . . . . . . . . . . . . . . . . 8-29 Venturi Meter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-59

Basic Features of MPC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-30 Rotameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-60
Implementation of MPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-31 Turbine Meter. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-60
Integration of MPC and Online Optimization . . . . . . . . . . . . . . . . . . 8-32 Vortex-Shedding Flowmeters. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-60
Real-Time Process Optimization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-32 Ultrasonic Flowmeters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-60
Essential Features of Optimization Problems. . . . . . . . . . . . . . . . . . . 8-33 Magnetic Flowmeters. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-60
Development of Process (Mathematical) Models . . . . . . . . . . . . . . . . 8-33 Coriolis Mass Flowmeters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-60
Formulation of the Objective Function. . . . . . . . . . . . . . . . . . . . . . . . 8-34 Thermal Mass Flowmeters. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-60
Unconstrained Optimization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-34 Level Measurements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-60
Single-Variable Optimization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-34 Float-Actuated Devices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-60
Multivariable Optimization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-34 Head Devices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-61
Constrained Optimization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-34 Electrical Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-61
Nonlinear Programming. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-35 Thermal Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-61
Statistical Process Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-35 Sonic Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-61
Western Electric Rules. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-37 Laser Level Transmitters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-61
CUSUM Control Charts. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-38 Radar Level Transmitters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-61
Process Capability Indices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-38 Physical Property Measurements. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-61
Six-Sigma Approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-38 Density and Specific Gravity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-61
Multivariate Statistical Techniques . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-39 Viscosity. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-61
Refractive Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-61
UNIT OPERATIONS CONTROL Dielectric Constant. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-62
Thermal Conductivity. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-62
Piping and Instrumentation Diagrams . . . . . . . . . . . . . . . . . . . . . . . . . . 8-39 Chemical Composition Analyzers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-62
Control of Heat Exchangers. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-40 Chromatographic Analyzers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-62
Steam-Heated Exchangers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-40 Infrared Analyzers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-62
Exchange of Sensible Heat. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-41 Ultraviolet and Visible-Radiation Analyzers . . . . . . . . . . . . . . . . . . . . 8-62
Distillation Column Control. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-41 Paramagnetism . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-62
Controlling Quality of a Single Product. . . . . . . . . . . . . . . . . . . . . . . . 8-42 Other Analyzers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-63
Controlling Quality of Two Products . . . . . . . . . . . . . . . . . . . . . . . . . . 8-43 Electroanalytical Instruments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-63
Chemical Reactors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-44 Conductometric Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-63
Composition Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-44 Measurement of pH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-63
Temperature Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-44 Specific-Ion Electrodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-63
Controlling Evaporators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-45 Moisture Measurement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-63
Drying Operations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-46 Dew Point Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-63
Piezoelectric Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-63
BATCH PROCESS CONTROL Capacitance Method. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-63
Batch versus Continuous Processes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-47 Oxide Sensors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-63
Batches and Recipes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-47 Photometric Moisture Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-64
Routing and Production Monitoring . . . . . . . . . . . . . . . . . . . . . . . . . . 8-48 Other Transducers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-64
Production Scheduling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-48 Gear Train . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-64
Batch Automation Functions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-49 Differential Transformer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-64
Interlocks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-49 Hall Effect Sensors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-64
Discrete Device States . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-49 Sampling Systems for Process Analyzers . . . . . . . . . . . . . . . . . . . . . . . . . 8-64
Process States . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-49 Selecting the Sampling Point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-64
Regulatory Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-49 Sample Withdrawal from Process . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-64
Sequence Logic. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-49 Sample Transport . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-64
Industrial Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-50 Sample Conditioning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-65
Batch Reactor Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-51
Batch Production Facilities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-52 TELEMETERING AND TRANSMISSION
Plant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-52
Equipment Suite. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-52 Analog Signal Transmission . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-65
Process Unit or Batch Unit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-53 Digital Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-65
Item of Equipment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-53 Analog Inputs and Outputs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-65
Device . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-53 Pulse Inputs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-65
Structured Batch Logic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-53 Serial Interfaces . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-66
Product Technology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-53 Microprocessor-Based Transmitters . . . . . . . . . . . . . . . . . . . . . . . . . . 8-66
Process Technology. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-53 Transmitter/Actuator Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-66
Filtering and Smoothing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-66
Alarms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-67
PROCESS MEASUREMENTS
General Considerations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-54
Continuous Measurements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-54 DIGITAL TECHNOLOGY FOR PROCESS CONTROL
Accuracy and Repeatability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-54 Hierarchy of Information Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-68
Dynamics of Process Measurements . . . . . . . . . . . . . . . . . . . . . . . . . . 8-55 Measurement Devices and Final Control Elements. . . . . . . . . . . . . . 8-68
Selection Criteria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-55 Safety and Environmental/Equipment Protection . . . . . . . . . . . . . . . 8-68
Calibration. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-55 Regulatory Controls . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-68
Temperature Measurements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-56 Real-Time Optimization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-68
Thermocouples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-56 Production Controls . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-68
Resistance Thermometers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-56 Corporate Information Systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-69
Thermistors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-56 Digital Hardware in Process Control. . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-69
Filled-System Thermometers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-57 Single-Loop Controllers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-69
Bimetal Thermometers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-57 Programmable Logic Controllers. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-69
Pyrometers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-58 Personal Computer Controllers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-69
Pressure Measurements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-58 Distributed Control System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-69
Liquid-Column Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-58 Distributed Database and the Database Manager . . . . . . . . . . . . . . . . . 8-70
Elastic Element Methods. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-59 Data Historian. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-70
Electrical Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-59 Digital Field Communications and Field Bus. . . . . . . . . . . . . . . . . . . . . 8-70
Flow Measurements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-59 Internodal Communications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-70
Orifice Meter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-59 Process Control Languages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-71
 PROCESS CONTROL 8-3

CONTROLLERS, FINAL CONTROL ELEMENTS, AND REGULATORS Valve Positioners . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-84

Pneumatic, Electronic, and Digital Controllers . . . . . . . . . . . . . . . . . . . 8-71 Transducers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-89
Pneumatic Controllers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-71 Booster Relays. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-90
Electronic (Digital) Controllers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-72 Solenoid Valves . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-91
Control Valves . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-74 Trip Valves. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-91
Valve Types . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-74 Limit Switches and Stem Position Transmitters . . . . . . . . . . . . . . . . . 8-91
Special Application Valves . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-76 Fire and Explosion Protection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-91
Actuators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-76 Environmental Enclosures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-91
Other Process Valves . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-78 Adjustable-Speed Pumps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-91
Valves for On/Off Applications. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-78 Regulators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-92
Pressure Relief Valves. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-78 Self-Operated Regulators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-92
Check Valves . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-79 Pilot-Operated Regulators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-93
Valve Design Considerations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-79 Overpressure Protection. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-94
Materials and Pressure Ratings . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-79
Sizing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-79 PROCESS CONTROL AND PLANT SAFETY
Noise Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-81 Role of Automation in Plant Safety . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-94
Cavitation and Flashing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-82 Integrity of Process Control Systems. . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-95
Seals, Bearings, and Packing Systems . . . . . . . . . . . . . . . . . . . . . . . . . 8-82 Considerations in Implementation of Safety Interlock Systems. . . . . . . 8-95
Flow Characteristics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-83 Interlocks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-96
Valve Control Devices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-84 Testing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8-96
8-4 PROCESS CONTROL

Nomenclature
Symbol Definition Symbol Definition
A Area s Laplace transform variable
Aa Actuator area s Search direction
Ac Output amplitude limits Si Step response coefficient
Av Amplitude of controlled variable t Time
Al Cross-sectional area of tank T Temperature, target
b Controller output bias T(s) Decoupler transfer function
B Bottoms flow rate Tb Base temperature
B*i Limit on control Tf Exhaust temperature
cA Concentration of A TR Reset time
C Cumulative sum U Heat-transfer coefficient
Cd Discharge coefficient u, U Manipulated variable, controller output
Ci Inlet concentration V Volume
C*i Limit on control move Vs Product value
CL Specific heat of liquid w Mass flow rate
C0 Integration constant wi Weighting factor
Cp Process capability W Steam flow rate
Cr Heat capacity of reactants x Mass fraction
CV Valve flow coefficient ⎯x Sample mean
D Distillate flow rate, disturbance xi Optimization variable
D*i Limit on output xT Pressure drop ratio factor
e Error X Transform of deviation variable
E Economy of evaporator y, Y Process output, controlled variable, valve travel
f Function of time Ysp Set point
F, f Feed flow rate z Controller tuning law, expansion factor
FL Pressure recovery factor zi Feed mole fraction (distillation)
gc Unit conversion constant Z Compressibility factor
gi Algebraic inequality constraint
G Transfer function Greek Symbols
Gc Controller transfer function α Digital filter coefficient
Gd Disturbance transfer function aT Temperature coefficient of resistance
Gf Feedforward controller transfer function β Resistance thermometer parameter
Gm Sensor transfer function γ Ratio of specific heats
Gp Process transfer function δ Move suppression factor, shift in target value
Gt Transmitter transfer function ∆q Load step change
Gv Valve transfer function ∆t Time step
hi Algebraic equality constraints ∆T Temperature change
h1 Liquid head in tank ∆u Control move
H Latent heat of vaporization, control limit or threshold ε Spectral emissivity, step size
i Summation index ζ Damping factor (second-order system)
Ii Impulse response coefficient θ Time delay
j Time index λ Relative gain array parameter, wavelength
J Objective function or performance index Λ Relative gain array
k Time index Deviation variable
kf Flow coefficient ρ Density
kr Kinetic rate constant σ Stefan-Boltzmann constant, standard deviation
K Gain, slack parameter Σt Total response time
Kc Controller gain τ Time constant
Kd Disturbance transfer function gain τd Natural period of closed loop, disturbance time constant
Km Measurement gain D Derivative time (PID controller)
Kp Process gain τF Filter time constant
Ku Ultimate controller gain (stability) τI Integral time (PID controller)
L Load variable τP Process time constant
Lp Sound pressure level τo Period of oscillation
M Manipulated variable φPI Phase lag
mc Number of constraints
Mv Mass flow Subscripts
Mr Mass of reactants A Species A
Mw Molecular weight b Best
n Number of data points, number of stages or effects c Controller
N Number of inputs/outputs, model horizon d Disturbance
p Proportional band (%) eff Effective
pc Vapor pressure f Feedforward
pd Actuator pressure i Initial, inlet
pi Pressure L Load, disturbance
pu Proportional band (ultimate) m Measurement or sensor
q Radiated energy flux p Process
qb Energy flux to a black body s Steady state
Q Flow rate sp Set-point value
rc Number of constraints t Transmitter
R Equal-percentage valve characteristic u Ultimate
RT Resistance in temperature sensor v Valve
R1 Valve resistance
 FUNDAMENTALS OF PROCESS DYNAMICS AND CONTROL

THE GENERAL CONTROL SYSTEM by the proper selection of control modes to satisfy the requirements of
the process and, second, by the appropriate tuning of those modes.
A process is shown in Fig. 8-1 with a manipulated input U, a load input Feedforward Control A feedforward system uses measure-
D, and a controlled output Y, which could be flow, pressure, liquid ments of disturbance variables to position the manipulated variable in
level, temperature, composition, or any other inventory, environmen- such a way as to minimize any resulting deviation. The disturbance
tal, or quality variable that is to be held at a desired value identified as variables could be either measured loads or the set point, the former
the set point Ysp. The load may be a single variable or an aggregate of being more common. The feedforward gain must be set precisely to
variables either acting independently or manipulated for other pur- reduce the deviation of the controlled variable from the set point.
poses, affecting the controlled variable much as the manipulated vari- Feedforward control is usually combined with feedback control to
able does. Changes in load may occur randomly as caused by changes eliminate any offset resulting from inaccurate measurements and calcula-
in weather, diurnally with ambient temperature, manually when oper- tions and unmeasured load components. The feedback controller can be
ators change production rate, stepwise when equipment is switched used as a bias on the feedforward controller or in a multiplicative form.
into or out of service, or cyclically as the result of oscillations in other Computer Control Computers have been used to replace analog
control loops. Variations in load will drive the controlled variable away PID controllers, either by setting set points of lower-level controllers in
from the set point, requiring a corresponding change in the manipu- supervisory control or by driving valves directly in direct digital control.
lated variable to bring it back. The manipulated variable must also Single-station digital controllers perform PID control in one or two
change to move the controlled variable from one set point to another. loops, including computing functions such as mathematical operations,
An open-loop system positions the manipulated variable either characterization, lags, and dead time, with digital logic and alarms. Dis-
manually or on a programmed basis, without using any process mea- tributed control systems provide all these functions, with the digital
surements. This operation is acceptable for well-defined processes processor shared among many control loops; separate processors may
without disturbances. An automated transfer switch is provided to be used for displays, communications, file servers, and the like. A host
allow manual adjustment of the manipulated variable in case the computer may be added to perform high-level operations such as
process or the control system is not performing satisfactorily. scheduling, optimization, and multivariable control. More details on
A closed-loop system uses the measurement of one or more process computer control are provided later in this section.
variables to move the manipulated variable to achieve control. Closed-
loop systems may include feedforward, feedback, or both. PROCESS DYNAMICS AND MATHEMATICAL MODELS
Feedback Control In a feedback control loop, the controlled
variable is compared to the set point Ysp, with the error E acted upon GENERAL REFERENCES: Seborg, Edgar, and Mellichamp, Process Dynamics
by the controller to move U in such a way as to minimize the error. and Control, Wiley, New York, 2004; Marlin, Process Control, McGraw-Hill,
This action is specifically negative feedback, in that an increase in New York, 2000; Ogunnaike and Ray, Process Dynamics Modeling and Control,
error moves U so as to decrease the error. (Positive feedback would Oxford University Press, New York, 1994; Smith and Corripio, Principles and
cause the error to expand rather than diminish and therefore does not Practices of Automatic Process Control, Wiley, New York, 1997.
regulate.) The action of the controller is selectable to allow use on Open-Loop versus Closed-Loop Dynamics It is common in
process gains of both signs. industry to manipulate coolant in a jacketed reactor in order to control
The controller has tuning parameters related to proportional, integral, conditions in the reactor itself. A simplified schematic diagram of such
derivative, lag, dead time, and sampling functions. A negative feedback a reactor control system is shown in Fig. 8-2. Assume that the reactor
loop will oscillate if the controller gain is too high; but if it is too low, con- temperature is adjusted by a controller that increases the coolant flow in
trol will be ineffective. The controller parameters must be properly proportion to the difference between the desired reactor temperature
related to the process parameters to ensure closed-loop stability while and the temperature that is measured. The proportionality constant is
still providing effective control. This relationship is accomplished, first, Kc. If a small change in the temperature of the inlet stream occurs, then

Disturbance, D
Feedforward
Controller

Controlled
Error Feedback Variable, Y
Set Process
Controller Manipulated Variable, U
Point, Ysp

Feedback Loop

FIG. 8-1 Block diagram for feedforward and feedback control.

8-5
8-6 PROCESS CONTROL

shows that there is an optimal choice for Kc, somewhere between 0 (no
control) and Ku (stability limit). If one has a dynamic model of a process,
then this model can be used to calculate controller settings. In Fig. 8-3,
no time scale is given, but rather the figure shows relative responses. A
well-designed controller might be able to speed up the response of a
process by a factor of roughly 2 to 4. Exactly how fast the control system
responds is determined by the dynamics of the process itself.
Physical Models versus Empirical Models In developing a
dynamic process model, there are two distinct approaches that can be
taken. The first involves models based on first principles, called phys-
ical or first principles models, and the second involves empirical mod-
els. The conservation laws of mass, energy, and momentum form the
basis for developing physical models. The resulting models typically
FIG. 8-2 Reactor control system. involve sets of differential and algebraic equations that must be solved
simultaneously. Empirical models, by contrast, involve postulating the
form of a dynamic model, usually as a transfer function, which is dis-
depending on the value of Kc, one might observe the reactor tempera- cussed below. This transfer function contains a number of parameters
ture responses shown in Fig. 8-3. The top plot shows the case for no that need to be estimated from data. For the development of both
control (Kc = 0), which is called the open loop, or the normal dynamic physical and empirical models, the most expensive step normally
response of the process by itself. As Kc increases, several effects can be involves verification of their accuracy in predicting plant behavior.
noted. First, the reactor temperature responds faster and faster. Sec- To illustrate the development of a physical model, a simplified
ond, for the initial increases in K, the maximum deviation in the reactor treatment of the reactor, shown in Fig. 8-2, is used. It is assumed that
temperature becomes smaller. Both of these effects are desirable so that the reactor is operating isothermally and that the inlet and exit volu-
disturbances from normal operation have as small an effect as possible metric flows and densities are the same. There are two components, A
on the process under study. As the gain is increased further, eventually and B, in the reactor, and a single first-order reaction of A→B takes
a point is reached where the reactor temperature oscillates indefinitely, place. The inlet concentration of A, which we call ci, varies with time.
which is undesirable. This point is called the stability limit, where Kc = A dynamic mass balance for the concentration of A, denoted cA, can be
Ku, the ultimate controller gain. Increasing Kc further causes the magni- written as follows:
tude of the oscillations to increase, with the result that the control valve
will cycle between full open and closed.
The responses shown in Fig. 8-3 are typical of the vast majority of dcA
V = Fci − FcA − krVcA (8-1)
regulatory loops encountered in the process industries. Figure 8-3 dt

FIG. 8-3 Typical control system responses.

 FUNDAMENTALS OF PROCESS DYNAMICS AND CONTROL 8-7

In Eq. (8-1), the flow in of component A is Fci, the flow out is FcA, and Define
the loss via reaction is krVcA, where V = reactor volume and kr =
kinetic rate constant. In this example, ci is the input, or forcing, variable Fci(t) − FcA − krVc2A
f(cAt) =  (8-5)
and cA is the output variable. If V, F, and kr are constant, Eq. (8-1) can V
be rearranged by dividing by F + krV so that it contains only two
groups of parameters. The result is then

dcA cA(t + ∆t) = cA(t) + ∆t(m1 + 2m2 + 2m3 + m4) (8-6)

τ = Kci − cA (8-2)
dt
with
where τ = V(F + krV) and K = F/(F + krV). For this example, the
resulting model is a first-order differential equation in which τ is m1 = f [cA(t), t] (8-7)
called the time constant and K the process gain.
As an alternative to deriving Eq. (8-2) from a dynamic mass bal- m1 ∆t ∆t
ance, one could simply postulate a first-order differential equation to
be valid (empirical modeling). Then it would be necessary to estimate 
m2 = f cA(t) + 2  , t + 
2 2  (8-8)

values for τ and K so that the postulated model described the reactor’s
dynamic response. The advantage of the physical model over the m2 ∆t ∆t
empirical model is that the physical model gives insight into how reac-
tor parameters affect the values of τ and K, which in turn affects the

m3 = f cA(t) + 2  , t + 
2 2  (8-9)

dynamic response of the reactor.

Nonlinear versus Linear Models If V, F, and k are constant, m4 = f [cA(t) + m3 ∆t, t + ∆t] (8-10)
then Eq. (8-1) is an example of a linear differential equation model. In
a linear equation, the output and input variables and their derivatives In this method, the mi’s are calculated sequentially in order to take a
appear to only the first power. If the rate of reaction were second- step in time. Even though this method requires calculation of the four
order, then the resulting dynamic mass balance would be additional mi values, for equivalent accuracy the fourth-order Runge
Kutta method can result in a faster numerical solution, because it per-
dcA mits a larger step ∆t to be taken. Increasingly sophisticated simulation
V = Fci − FcA − krVc2A (8-3) packages are being used to calculate the dynamic behavior of
dt
processes and to test control system behavior. These packages have
good user interfaces, and they can handle stiff systems where some
Since cA appears in this equation to the second power, the equation is
variables respond on a time scale that is much much faster or slower
nonlinear.
than that of other variables. A simple Euler approach cannot effec-
The difference between linear systems and nonlinear systems can
tively handle stiff systems, which frequently occur in chemical process
be seen by considering the steady-state behavior of Eq. (8-1) com-
models. See Sec. 3 of this handbook for more details.
pared to Eq. (8-3) (the left-hand side is zero; that is, dcA/dt = 0). For a
Laplace Transforms When mathematical models are used to
given change in ci, ∆ci, the change in cA calculated from Eq. (8-1), ∆cA,
describe process dynamics in conjunction with control system analy-
is always proportional to ∆ci, and the proportionality constant is K [see
sis, the models generally involve linear differential equations. Laplace
Eq. (8-2)]. The change in the output of a system divided by a change
transforms are very effective for solving linear differential equations.
in the input to the system is called the process gain. Linear systems
The key advantage of using Laplace transforms is that they convert
have constant process gains for all changes in the input. By contrast,
differential equations to algebraic equations. The resulting algebraic
Eq. (8-3) gives a ∆cA that varies with ∆ci, which is a function of the
equations are easier to solve than the original differential equations.
concentration levels in the reactor. Thus, depending on the reactor
When the Laplace transform is applied to a linear differential equa-
operating conditions, a change in ci produces different changes in cA.
tion in time, the result is an algebraic equation in a new variable s,
In this case, the process has a nonlinear gain. Systems with nonlinear
called the Laplace variable. To get the solution to the original differ-
gains are more difficult to control than linear systems that have con-
ential equation, one needs to invert the Laplace transform. Table 8-1
stant gains.
gives a number of useful Laplace transform pairs, and more extensive
Simulation of Dynamic Models Linear dynamic models are
tables are available (Seborg, Edgar, and Mellichamp, Process Dynam-
particularly useful for analyzing control system behavior. The insight
ics and Control, Wiley, New York, 2004).
gained through linear analysis is invaluable. However, accurate
To illustrate how Laplace transforms work, consider the problem of
dynamic process models can involve large sets of nonlinear equations.
solving Eq. (8-2), subject to the initial condition that cA = ci = 0 at t =
Analytical solution of these models is not possible. Thus, in these
0. If cA were not initially zero, one would define a deviation variable
cases, one must turn to simulation approaches to study process
dynamics and the effect of process control. Equation (8-3) will be between cA and its initial value cA0. Then the transfer function would
be developed by using this deviation variable. If ci changes from zero
to c⎯i, taking the Laplace transform of both sides of Eq. (8-2) gives
used to illustrate the simulation of nonlinear processes. If dcA/dt on
the left-hand side of Eq. (8-3) is replaced with its finite difference
approximation, one gets
τ dcA
cA(t) + ∆t ⋅ [Fci(t) − FcA(t) − krVc2A(t)] 
£  = £(K ⎯ci) − £(cA)
dt
(8-11)
cA(t + ∆t) =  (8-4)
V
TABLE 8-1 Frequently Used Laplace Transforms
Starting with an initial value of cA and given ci(t), Eq. (8-4) can be Time function f(t) Transform F(s)
solved for cA(t + ∆t). Once cA(t + ∆t) is known, the solution process can A A/s
be repeated to calculate cA(t + 2∆t), and so on. This approach is called At A/s2
the Euler integration method; while it is simple, it is not necessarily the Ae−at A/(s + a)
best approach to numerically integrating nonlinear differential equa- A(1 − e−tτ) A[s(τs + 1)]
tions. As discussed in Sec. 3, more sophisticated approaches are avail- A sin ωt Aω(s2 + ω2)
able that allow much larger step sizes to be taken but require additional f(t − θ) e−θF(s)
calculations. One widely used approach is the fourth-order Runge df/dt sF(s) − f(0)
Kutta method, which involves the following calculations: f(t)dt F(s)/s
8-8 PROCESS CONTROL

Denoting £(CA) as CA(s) and using the relationships in Table 8-1 give

Kc⎯i
τ sCA(s) = s − CA(s) (8-12)

Equation (8-12) can be solved for CA to give

Kc⎯i s
CA(s) =  (8-13)
τs + 1 FIG. 8-4 First-order transfer function.

By using the entries in Table 8-1, Eq. (8-13) can be inverted to give
time. Most real processes have variables that are continuous, such as
the transient response of cA as
temperature, pressure, and flow. However, some processes involve
cA(t) = (Kc⎯i)(1 − e−1τ) (8-14) discrete events, such as the starting or stopping of a pump. In addi-
tion, modern plants are controlled by digital computers, which are dis-
Equation (8-14) shows that cA starts from 0 and builds up exponen- crete. In controlling a process, a digital system samples variables at a
tially to a final concentration of Kci. Note that to get Eq. (8-14), it was fixed rate, and the resulting system is a sampled data system. From
only necessary to solve the algebraic Eq. (8-12) and then find the one sampling instant until the next, variables are assumed to remain
inverse of CA(s) in Table 8-1. The original differential equation was fixed at their sampled values. Similarly, in controlling a process, a dig-
not solved directly. In general, techniques such as partial fraction ital computer sends out signals to control elements, usually valves, at
expansion must be used to solve higher-order differential equations discrete instants of time. These signals remain fixed until the next
with Laplace transforms. sampling instant.
Transfer Functions and Block Diagrams A very convenient Figure 8-5 illustrates the concept of sampling a continuous func-
and compact method of representing the process dynamics of linear tion. At integer values of the sampling rate ∆t, the value of the variable
systems involves the use of transfer functions and block diagrams. A trans- to be sampled is measured and held until the next sampling instant. To
fer function can be obtained by starting with a physical model, as dis- deal with sampled data systems, the z transform has been developed.
cussed previously. If the physical model is nonlinear, first it needs to The z transform of the function given in Fig. 8-5 is defined as
be linearized around an operating point. The resulting linearized
∞
model is then approximately valid in a region around this operating
point. To illustrate how transfer functions are developed, Eq. (8-2) Z(f) = f(n ∆t)z−n (8-19)
n=0
will again be used. First, one defines deviation variables, which are the
process variables minus their steady-state values at the operating
In an analogous manner to Laplace transforms, one can develop trans-
point. For Eq. (8-2), there would be deviation variables for both cA
fer functions in the z domain as well as block diagrams. Tables of z
and ci, and these are defined as
transform pairs have been published (Seborg, Edgar, and Mel-
ξ = cA − c⎯A (8-15) lichamp, Process Dynamics and Control, Wiley, New York, 2004) so
that the discrete transfer functions can be inverted back to the time
ξi = ci − c⎯i (8-16) domain. The inverse gives the value of the function at the discrete
sampling instants. Sampling a continuous variable results in a loss of
where the overbar stands for steady state. Substitution of Eqs. (8-15) information. However, in practical applications, sampling is fast
and (8-16) into Eq. (8-2) gives enough that the loss is typically insignificant and the difference
between continuous and discrete modeling is small in terms of its
dξ effect on control. Increasingly, model predictive controllers that make
τ  = Kξi − ξ + (K ⎯ci − ⎯cA) (8-17) use of discrete dynamic models are being used in the process indus-
dt tries. The purpose of these controllers is to guide a process to opti-
mum operating points. These model predictive control algorithms are
The term in parentheses in Eq. (8-17) is zero at steady state, and thus typically run at much slower sampling rates than are used for basic
it can be dropped. Next the Laplace transform is taken, and the result- control loops such as flow control or pressure control. The discrete
ing algebraic equation is solved. dynamic models used are normally developed from data generated
By denoting X(s) as the Laplace transform of ξ and Xi(s) as the
transform of ξi, the final transfer function can be written as

X K
 =  (8-18)
Xi τs + 1

Equation (8-18) is an example of a first-order transfer function. As

mentioned above, an alternative to formally deriving Eq. (8-18)
involves simply postulating its form and then identifying its two para-
meters, the process gain K and time constant τ, to fit the process
under study. In fitting the parameters, data can be generated by forc-
ing the process. If step forcing is used, then the resulting response is
called the process reaction curve. Often transfer functions are placed
in block diagrams, as shown in Fig. 8-4. Block diagrams show how
changes in an input variable affect an output variable. Block diagrams
are a means of concisely representing the dynamics of a process under
study. Since linearity is assumed in developing a block diagram, if
more than one variable affects an output, the contributions from each
can be added.
Continuous versus Discrete Models The preceding discussion
has focused on systems where variables change continuously with FIG. 8-5 Sampled data example.
 FUNDAMENTALS OF PROCESS DYNAMICS AND CONTROL 8-9

FIG. 8-6 Single tank with exit valve.

FIG. 8-8 Response of proportional element.

from plant testing, as discussed hereafter. For a detailed discussion of
modeling sampled data systems, the interested reader is referred to
textbooks on digital control (Astrom and Wittenmark, Computer Con- discussed above for deriving transfer functions, one can develop the
trolled Systems, Prentice-Hall, Englewood Cliffs, N.J., 1997). transfer function relating changes in h1 to changes in fi. The resulting
Process Characteristics in Transfer Functions In many cases, transfer function is another example of a first-order system, shown in
process characteristics are expressed in the form of transfer functions. Fig. 8-4, and it has a gain K = R1 and a time constant τ1 = R1Al. For a step
In the previous discussion, a reactor example was used to illustrate change⎯ in fi, h1 follows a decaying
⎯ exponential response from its initial
how a transfer function could be derived. Here, another system value h1 to a final value of h1 + R1 ∆fi (Fig. 8-9). At a time equal to τ1, the
involving flow out of a tank, shown in Fig. 8-6, is considered. transient in h1 is 63 percent finished; and at 3τ1, the response is 95 per-
Proportional Element First, consider the outflow through the cent finished. These percentages are the same for all first-order
exit valve on the tank. If the flow through the line is turbulent, then processes. Thus, knowledge of the time constant of a first-order process
Bernoulli’s equation can be used to relate the flow rate through the gives insight into how fast the process responds to sudden input changes.
valve to the pressure drop across the valve as Capacity Element Now consider the case where the valve in
Fig. 8-7 is replaced with a pump. In this case, it is reasonable to
assume that the exit flow from the tank is independent of the level in
f1 = kf Av
2gc(h1 
− h0) (8-20) the tank. For such a case, Eq. (8-22) still holds, except that fl no longer
depends on h1. For changes in fi, the transfer function relating
where f1 = flow rate, kf = flow coefficient, Av = cross-sectional area of changes in h1 to changes in fi is shown in Fig. 8-10. This is an example
the restriction, gc = constant, h1 = liquid head in tank (pressure at the of a pure capacity process, also called an integrating system. The
base of the tank), and h0 = atmospheric pressure. This relationship cross-sectional area of the tank is the chemical process equivalent of
between flow and pressure drop across the valve is nonlinear, and it an electrical capacitor. If the inlet flow is step forced while the outlet is
can be linearized around a particular operating point to give held constant, then the level builds up linearly, as shown in Fig. 8-11.
Eventually the liquid will overflow the tank.
⎯ ⎯

1 Second-Order Element Because of their linear nature, transfer
f1 − f1 =  (h1 − h1) (8-21) functions can be combined in a straightforward manner. Consider the
R1
two-tank system shown in Fig. 8-12. For tank 1, the transfer function
— relating changes in f1 to changes in fi is
where R1 = f1(gck2f A2v) is called the resistance of the valve in analogy
with an electrical resistance. The transfer function relating changes in
flow to changes in head is shown in Fig. 8-7, and it is an example of a F1(s) 1
 =  (8-23)
pure gain system with no dynamics. In this case, the process gain is K = Fi(s) A1R1 + 1
1/R1. Such a system has an instantaneous dynamic response, and for a
step change in head, there is an immediate step change in flow, as Since fl is the inlet flow to tank 2, the transfer function relating changes
shown in Fig. 8-8. The
—
exact magnitude of the step in flow depends on in h2 to changes in fl has the same form as that given in Fig. 8-4:
the operating flow f 1 as the definition of R1 shows.
First-Order Lag (Time Constant Element) Next consider the H2(s) R2
system to be the tank itself. A dynamic mass balance on the tank gives  =  (8-24)
F1(s) A2R2s + 1
dh1
A1  = fi − f1 (8-22) Equations (8-23) and (8-24) can be multiplied to give the final transfer
dt
function relating changes in h2 to changes in fi, as shown in Fig. 8-13.
where Al is the cross-sectional area of the tank and fi is the inlet flow. This is an example of a second-order transfer function. This transfer
By substituting Eq. (8-21) into Eq. (8-22) and following the approach function has a gain R2 and two time constants A1R1 and A2R2. For two
tanks with equal areas, a step change in fi produces the S-shaped
response in level in the second tank shown in Fig. 8-14.
General Second-Order Element Figure 8-3 illustrates the fact
that closed-loop systems can exhibit oscillatory behavior. A general
second-order transfer function that can exhibit oscillatory behavior is
important for the study of automatic control systems. Such a transfer
function is given in Fig. 8-15. For a unit step input, the transient
responses shown in Fig. 8-16 result. As can be seen, when ζ < 1, the
response oscillates; and when ζ < 1, the response is S-shaped. Few
open-loop chemical processes exhibit an oscillating response; most
FIG. 8-7 Proportional element transfer function. exhibit an S-shaped step response.
8-10 PROCESS CONTROL

FIG. 8-9 Response of first-order system.

Distance-Velocity Lag (Dead-Time Element) The dead-time arrives at the temperature measurement point. If some element of a
or time-delay element, commonly called a distance-velocity lag, is system produces a dead time of θ time units, then an input to that unit
often encountered in process systems. For example, if a temperature- f(t) will be reproduced at the output as f(t − θ). The transfer function
measuring element is located downstream from a heat exchanger, a for a pure dead-time element is shown in Fig. 8-17, and the transient
time delay occurs before the heated fluid leaving the exchanger response of the element is shown in Fig. 8-18.

FIG. 8-10 Pure capacity or integrating transfer function.

FIG. 8-11 Response of pure capacity system. FIG. 8-12 Two tanks in series.
 FUNDAMENTALS OF PROCESS DYNAMICS AND CONTROL 8-11

FIG. 8-13 Second-order transfer function. FIG. 8-17 Dead-time transfer function.

FIG. 8-18 Response of dead-time system.

FIG. 8-14 Response of second-order system.

Higher-Order Lags If a process is described by a series of n first-
order lags, the overall system response becomes proportionally slower
with each lag added. The special case of a series of n first-order lags
with equal time constants has a transfer function given by

K
G(s) = n (8-25)
(τs + 1)

The step response of this transfer function is shown in Fig. 8-19. Note
that all curves reach about 60 percent of their final value at t = nτ.

FIG. 8-15 General second-order transfer function.

FIG. 8-16 Response of general second-order system. FIG. 8-19 Response of nth-order lags.
8-12 PROCESS CONTROL

U1 Y1
G11

G21

G12

U2 Y2
G22

FIG. 8-20 Example of 2 × 2 transfer function.

Higher-order systems can be approximated by a first- or second- model parameters K, τ, and θ fitted to the data. These parameters are
order plus dead-time system for control system design. calculated by using optimization to minimize the squared difference
Multi-input, Multioutput Systems The dynamic systems con- between the model predictions and the data, i.e., a least squares
sidered up to this point have been examples of single-input, single- approach. Let each measured data point be represented by yj (mea-
output (SISO) systems. In chemical processes, one often encounters sured response), tj (time of measured response), j = 1 to n. Then the
systems where one input can affect more than one output. For exam- least squares problem can be formulated as
ple, assume that one is studying a distillation tower in which both
reflux and boil-up are manipulated for control purposes. If the output n
variables are the top and bottom product compositions, then each minτ,θ,κ [yj − ^y(tj)]2 (8-27)
input affects both outputs. For this distillation example, the process is j=1
referred to as a 2 × 2 system to indicate the number of inputs and out-
^
puts. In general, multi-input, multioutput (MIMO) systems can have where y(t j) is the predicted value of y at time tj and n is the number of
n inputs and m outputs with n ≠ m, and they can be nonlinear. Such a data points. This optimization problem can be solved to calculate the
system would be called an n × m system. An example of a transfer optimal values of K, τ, and θ. A number of software packages such as
function for a 2 × 2 linear system is given in Fig. 8-20. Note that since Excel Solver are available for minimizing Eq. (8-27).
linear systems are involved, the effects of the two inputs on each out- One operational problem caused by step forcing is the fact that
put are additive. In many process control systems, one input is the process under study is moved away from its steady-state operat-
selected to control one output in a MIMO system. For m outputs ing point. Plant managers may be reluctant to allow large steady-
there would be m such selections. For this type of control strategy, one state changes, since normal production will be disturbed by the
needs to consider which inputs and outputs to couple, and this prob- changes. As a result, alternative methods of forcing actual processes
lem is referred to as loop pairing. Another important issue that arises have been developed, and these included pulse testing and pseudo-
involves interaction between control loops. When one loop makes a random binary signal (PRBS) forcing, both of which are illustrated
change in its manipulated variable, the change affects the other loops in Fig. 8-22. With pulse forcing, one introduces a step, and then
in the system. These changes are the direct result of the multivariable after a period of time the input is returned to its original value. The
nature of the process. In some cases, the interaction can be so severe result is that the process dynamics are excited, but after the forcing
that overall control system performance is drastically reduced. Finally, the process returns to its original steady state. PRBS forcing involves
some of the modern approaches to process control tackle the MIMO a series of pulses of fixed height and random duration, as shown in
problem directly, and they simultaneously use all manipulated vari- Fig. 8-22. The advantage of PRBS is that forcing can be concen-
ables to control all output variables rather than pair one input to one trated on particular frequency ranges that are important for control
output (see later section on multivariable control). system design.
Fitting Dynamic Models to Experimental Data In developing Transfer function models are linear, but chemical processes are
empirical transfer functions, it is necessary to identify model parameters known to exhibit nonlinear behavior. One could use the same type of
from experimental data. There are a number of approaches to process optimization objective as given in Eq. (8-27) to determine parame-
identification that have been published. The simplest approach involves ters in nonlinear first-principles models, such as Eq. (8-3) presented
introducing a step test into the process and recording the response of the earlier. Also, nonlinear empirical models, such as neural network
process, as illustrated in Fig. 8-21. The x’s in the figure represent the models, have recently been proposed for process applications. The
recorded data. For purposes of illustration, the process under study will be key to the use of these nonlinear empirical models is to have high-
assumed to be first-order with dead time and have the transfer function quality process data, which allows the important nonlinearities to be
identified.
Y(s)
G(s) =  = K exp (−θs)τs + 1 (8-26)
U(s) FEEDBACK CONTROL SYSTEM CHARACTERISTICS
GENERAL REFERENCES: Shinskey, Process Control Systems, 4th ed., McGraw-
The response y(t), produced by Eq. (8-26) can be found by inverting Hill, New York, 1996; Seborg, Edgar, and Mellichamp, Process Dynamics and
the transfer function, and it is also shown in Fig. 8-21 for a set of Control, Wiley, New York, 1989.
 FUNDAMENTALS OF PROCESS DYNAMICS AND CONTROL 8-13

FIG. 8-21 Plot of experimental data and first-order model fit.

There are two objectives in applying feedback control: (1) regulate the troller with certain parameter settings regulates a variable, relative to
controlled variable at the set point following changes in load and (2) the best response that can be achieved for that particular process.
respond to set-point changes, the latter called servo operation. In fluid Robustness is a measure of how small a change in a process parameter
processes, almost all control loops must contend with variations in load, is required to bring the loop from its current state to the limit of sta-
and therefore regulation is of primary importance. While most loops will bility (ΠG = 1.0). The well-damped loop in Fig. 8-24 has a robustness
operate continuously at fixed set points, frequent changes in set points of 79 percent, in that increasing the gain of any element in the loop by
can occur in flow loops and in batch production. The most common a factor of 1/0.56, or 1.79, would bring the loop to the limit of stability.
mechanism for achieving both objectives is feedback control, because it Increasing controller performance by raising its gain can therefore be
is the simplest and most universally applicable approach to the problem. expected to decrease robustness. Both performance and robustness
Closing the Loop The simplest representation of the closed feed- are functions of the dynamics of the process being controlled, the
back loop is shown in Fig. 8-23. The load is shown entering the process selection of the controller, and the tuning of the controller parameters.
at the same point as the manipulated variable because that is the most On/Off Control An on/off controller is used for manipulated
common point of entry, and because, lacking better information, the ele- variables having only two states. They commonly control tempera-
ments in the path of the manipulated variable are the best estimates of tures in homes, electric water heaters and refrigerators, and pressure
those in the load path. The load rarely impacts directly on the controlled and liquid level in pumped storage systems. On/off control is satisfac-
variable without passing through the dominant lag in the process. Where tory where slow cycling is acceptable, because it always leads to
the load is unmeasured, its current value can be observed as the con- cycling when the load lies between the two states of the manipulated
troller output required to keep the controlled variable Y at set point Ysp. variable. The cycle will be positioned symmetrically about the set
If the loop is opened—either by placing the controller in manual point only if the load happens to be equidistant between the two states
operation or by setting its gains to zero—the load will have complete of the manipulated variable. The period of the symmetric cycle will be
influence over the controlled variable, and the set point will have none. approximately 4θ, where θ is the dead time in the loop. If the load is
Only by closing the loop with controller gain as high as possible will the not centered between the states of the manipulated variable, the period
influence of the load be minimized and that of the set point be maxi- will tend to increase and the cycle will follow a sawtooth pattern.
mized. There is a practical limit to the controller gain, however, at the Every on/off controller has some degree of dead band, also known as
point where the controlled variable develops a uniform oscillation. This lockup, or differential gap. Its function is to prevent erratic switching
is defined as the limit of stability, and it is reached when the product of between states, thereby extending the life of contacts and motors.
gains in the loop ΠG = GcGvGp is equal to 1.0 at the period of the oscil- Instead of changing states precisely when the controlled variable crosses
lation. If the gain of any element in the loop increases from this condi- the set point, the controller will change states at two different points for
tion, oscillations will expand, creating a dangerous situation where safe increasing and decreasing signals. The difference between these two
limits of operation could be exceeded in a few cycles. Consequently, switching points is the dead band (see Fig. 8-25); it increases the ampli-
control loops should be left in a condition where the loop gain is less tude and period of the cycle, similar to the effects of dead time.
than 1.0 by a safe margin that allows for possible variations in process A three-state controller is used to drive either a pair of independent
parameters. Figure 8-24 describes a load response under PID (propor- two-state actuators, such as heating and cooling valves, or a bidirec-
tional-integral-derivative) control where the loop is well damped at a tional motorized actuator. The controller is comprised of two on/off
loop gain of 0.56; loop gain is then increased to 0.93 and to 1.05, creat- controllers, each with dead band, separated by a dead zone. While the
ing a lightly damped and then an expanding cycle, respectively. controlled variable lies within the dead zone, neither output is ener-
In controller tuning, a choice must be made between performance gized. This controller can drive a motorized valve to the point where
and robustness. Performance is a measure of how well a given con- the manipulated variable matches the load, thereby avoiding cycling.
8-14 PROCESS CONTROL

FIG. 8-22 Rectangular pulse response and PRBS testing.

Proportional Control A proportional controller moves its out- should be set at the best estimate of the load, and the proportional band
put proportional to the deviation e between the controlled variable y set as low as possible. Processes requiring a proportional band of more
and its set point ysp: than a few percent may control with unacceptably large values of offset.
Proportional control is most often used to regulate liquid level,
100 where variations in the controlled variable carry no economic penalty
u = Kc e + b =  e + b (8-28)
P and where other control modes can easily destabilize the loop. It is
actually recommended for controlling the level in a surge tank when
where e = ±(y − ysp), the sign selected to produce negative feedback. In manipulating the flow of feed to a critical downstream process. By set-
some controllers, proportional gain Kc is introduced as a pure number; in ting the proportional band just under 100 percent, the level is allowed
others, it is set as 100/P, where P is the proportional band in percent. The to vary over the full range of the tank capacity as inflow fluctuates,
output bias b of the controller is also known as manual reset. The propor- thereby minimizing the resulting rate of change of manipulated out-
tional controller is not a good regulator, because any change in output flow. This technique is called averaging level control.
required to respond to a change in load results in a corresponding change Proportional-plus-Integral (PI) Control Integral action elimi-
in the controlled variable. To minimize the resulting offset, the bias nates the offset described above by moving the controller output at a
 FUNDAMENTALS OF PROCESS DYNAMICS AND CONTROL 8-15

FIG. 8-23 Both load regulation and set-point response require high gains for the feedback controller.

rate proportional to the deviation from set point—the output will then
not stop moving until the deviation is zero. Although available alone in
100 1
 dy
u =  e +  e dt ± τD  + C0
P τI dt
(8-31)
an integral controller, it is most often combined with proportional
action in a PI controller: where τD is the derivative time constant. Note that derivative action
100

1
u =  e +  edt + C0
P τI
 (8-29)
is applied to the controlled variable rather than to the deviation, as it
should not be applied to the set point; the selection of the sign for the
derivative term must be consistent with the action of the controller.
In some PID controllers, the integral and derivative terms are com-
where τI is the integral time constant in minutes; in some controllers bined serially rather than in parallel, as done in the last equation. This
it is introduced as integral gain or reset rate 1τI in repeats per minute. results in interaction between these modes, such that the effective val-
The last term in the equation is the constant of integration, the value ues of the controller parameters differ from their set values as follows:
of the controller output when integration begins. The PI controller is
by far the most commonly used controller in the process industries.
Because the integral term lags the proportional term by 90° in phase, τI,eff = τI + τD
the PI controller then always produces a phase lag between 0° and 90°:
1
τD,eff =  (8-32)
τo 1τD + 1τI
φPI = −tan 
−1
(8-30)
2πτI
τD

100
where τo is the period of oscillation of the loop. The phase angle Kc =  1 + 
P τI
should be kept between 15° for lag-dominant processes and 45° for
dead-time-dominant processes for optimum results.
Proportional-plus-Integral-plus-Derivative (PID) Control The The performance of the interacting controller is almost as high as that
derivative mode moves the controller output as a function of the rate of of the noninteracting controller on most processes, but the tuning
change of the controlled variable, which adds phase lead to the con- rules differ because of the above relationships. Both controllers are in
troller, increasing its speed of response. It is normally combined with common use in digital systems.
proportional and integral modes. The noninteracting or ideal form of There is always a gain limit placed upon the derivative vector—a
the PID controller appears functionally as value of 10 is typical. However, interaction decreases the derivative

∏G = 0.56

1.05

Controlled
variable Set

0.93

Time
FIG. 8-24 Transition from well-damped load response to instability develops as loop gain
increases.
8-16 PROCESS CONTROL

FIG. 8-25 On/off controller characteristics.

gain below this value by the factor 1 + τDτI, which is the reason for the gain—in Fig. 8-26, that fraction is 0.13. Increasing Kc can reduce the
decreased performance of the interacting PID controller. Sampling in a offset, but with an accompanying loss in damping.
digital controller has a similar effect, limiting derivative gain to the ratio The PI and PID controller were tuned to produce a minimum inte-
of derivative time to the sample interval of the controller. Noise on the grated absolute error (IAE). Their response curves are similar in
controlled variable is amplified by the derivative gain, preventing its use appearance to a gaussian distribution curve, but with a damped cycle
in controlling flow and liquid level. Derivative action is recommended in the trailing edge. The peak deviation of the PID response curve is
for control of temperature and composition in multiple-capacity only 0.12 times the uncontrolled offset, occurring at 0.36Στ; the peak
processes with little measurement noise. deviation of the PI response curve is 0.21 times the uncontrolled off-
Controller Comparison Figure 8-26 compares the step load set, occurring at 0.48Στ. These values can be used to predict the load
response of a distributed lag without control, and with P, PI, and inter- response of any distributed lag whose parameters K and Στ are known
acting PID control. A distributed lag is a process whose resistance and or can be estimated as described below.
capacity are distributed throughout its length—a heat exchanger is
characteristic of this class, its heat-transfer surface and heat capacity CONTROLLER TUNING
being uniformly distributed. Other examples include imperfectly
stirred tanks and distillation columns—both trayed and packed. The sig- The performance of a controller depends as much on its tuning as on
nature of a distributed lag is its open-loop (uncontrolled) step response, its design. Tuning must be applied by the end user to fit the controller
featuring a relatively short dead time followed by a dominant lag called to the controlled process. There are many different approaches to con-
Στ, which is the time required to reach 63.2 percent complete response. troller tuning, based on the particular performance criteria selected,
The proportional controller is unable to return the controlled vari- whether load or set-point changes are more important, whether the
able to the set point following the step load change, as a deviation is process is lag- or dead-time-dominant, and the availability of informa-
required to sustain its output at a value different from its fixed bias b. tion about the process dynamics. The earliest definitive work in this
The amount of proportional offset produced as a fraction of the field was done at the Taylor Instrument Company by Ziegler and
uncontrolled offset is 1/(1 + KKc), where K is the steady-state process Nichols (Trans. ASME, p. 759, 1942), tuning PI and interacting PID

FIG. 8-26 Minimum-IAE tuning gives very satisfactory load response for a distributed lag.
 FUNDAMENTALS OF PROCESS DYNAMICS AND CONTROL 8-17

controllers for optimum response to step load changes applied to lag- an effective test of its tuning, however, as its steady-state output is pro-
dominant processes. While these tuning rules are still in use, they do portional to its set point. Other loops should be load-tested: simulate a
not apply to set-point changes, dead-time-dominant processes, or load change from a steady state at zero deviation by transferring the
noninteracting PID controllers (Seborg, Edgar, and Mellichamp, controller to manual and stepping its output, and then immediately
Process Dynamics and Control, Wiley, New York, 2004). transferring back to automatic before a deviation develops.
Controller Performance Criteria The most useful measures of Figure 8-27a and b shows variations in the response of a distrib-
controller performance in an industrial setting are the maximum devi- uted lag to a step change in load for different combinations of pro-
ation in the controlled variable resulting from a disturbance, and its portional and integral settings of a PI controller. The maximum
integral. The disturbance could be to the set point or to the load, deviation is the most important criterion for variables that could
depending on the variable being controlled and its context in the exceed safe operating levels, such as steam pressure, drum level, and
process. The size of the deviation and its integral are proportional to steam temperature in a boiler. The same rule can apply to product
the size of the disturbance (if the loop is linear at the operating point). quality if violating specifications causes it to be rejected. However, if
While actual disturbances arising in a plant may appear to be random, the product can be accumulated in a downstream storage tank, its
the controller needs a reproducible test to determine how well it is average quality is more important, and this is a function of the devia-
tuned. The disturbance of choice for test purposes is the step, because tion integrated over the residence time of the tank. Deviation in the
it can be applied manually, and by containing all frequencies including other direction, where the product is better than specification, is safe
zero it exercises all modes of the controller. (The step actually has the but increases production costs in proportion to the integrated deviation
same frequency distribution as integrated white noise, a “random because quality is given away.
walk.”) When tuned optimally for step disturbances, the controller For a PI or PID controller, the integrated deviation—better known
will be optimally tuned for most other disturbances as well. as integrated error IE—is related to the controller settings
A step change in set point, however, may be a poor indicator of a
loop’s load response. For example, a liquid-level controller does not PτI
have to integrate to follow a set-point change, as its steady-state output IE = ∆u 
100 (8-33)
is independent of the set point. Stepping a flow controller’s set point is

Poptx3

Poptx2
Controlled Popt
variable

Set
Popt/1.5

0 1 2 3 4

Time, t/ ∑τ
(a)

τI optx2
Controlled
variable τI optx3
τI opt
Set

I opt/1.5

0 1 2 3 4

Time, t/ ∑τ
(b)

FIG. 8-27 The optimum settings produce minimum-IAE load response. (a) The pro-
portional band primarily affects damping and peak deviation. (b) Integral time deter-
mines overshoot.
Exploring the Variety of Random
Documents with Different Content
Veri valui ryssän edetessä,
Säästäneet ei lasta kätkyessä;
Taas ruotsalaiset joutuivat uuteen huoleen,
Kun ryssä alkoi siirtyä Kruunulinnan puoleen,
On Hämeenlinna myös nimenä sillä, —
Miks näin, lie silläkin syynsä kyllä —;
Siellä riehuvat ryssät tuhoisasti
Ja tahtovat mennä aina Turkuun asti.
Laajalti ja säälimättä tuhoaapi ryssä,
Kirkot, kylät häviävät tulen syleilyssä.
Heit' ei ollut kahtasataakaan, vannon sen
Kautta Jumalan ja pyhän Neitsyen!
Ja Ruotsin sotaväki vaan
Ei tohtinut tulla auttamaan!
Yhä kauhunäytelmät uudistuupi,
Hattulan kirkkoon ryssä tunkeuupi,
Sieltä raastavat pyhäinkuvat ja ristit,
Turkuun saapuu ne kauhun viestit.
On luoksensa kahden päivän matka vaan,
Mutta Herra Steen vain ei tohdi auttamaan.
Ritarin nimeä kannatte. Herra Steen,
Älkää pistäkö päätänne pensaaseen.
Näin Turussa hällä surun sydämessä,
Vaan tointa ei kylliks kohtalon kääntyessä.
Hän Ahvenanmaalla ja Uudellamaalla antoi käskyn julki,
Ja tietokapula myös yli koko Suomen kulki.
Mies aseineen joka talosta,
Niin ryssän hän voisi torjua.
Joka mies oli varmasti silloin matkassa,
Kun Herra Steenin tykistö tuotiin Turusta,
Siin' aika meluin kulkea mahdettiin,
Kun kolmesataa tykkiä laahattiin!
Pyhän Mathiaksen päivänä — määrä on se —
Lähtee Ruotsin miehet liikkeelle,
Ruotsalaisia olivat kaikkein useimmat,
Ja Ruotsin olitkin miehistä parahat;
Toiset lähtivät reellä ja toiset hevosin,
Kuinka kukin vaan pääsi parhaimmin.
Yhdeksänsataa siin' oli huoviakin,
Jotka lähtivät sodan vaaroihin.
Ahvenanmaalta tuli kaksituhatta,
Talonpoikaa kelpoa ja kaunista,
Ja yhteenkoottuna nyt olit kaikin,
Hän heistä mahtavan joukon saikin,
Neljäkymmentä tuhatta miest' oli heitä,
Kaikk' aseilla hyvillä varustuneita.
Kun ryssät tiedon saivat tästä,
He eivät viivytelleet lähtemästä,
Ei heistä enää näkynyt jälkeäkään,
Ei mistään löytty ryssää yhtäkään.
Ei kiinni heitä saa, se tieto on vakaa,
Neljäkolmatta peninkulmaa vaikk' ajettiin takaa.
Lepoon väkemme asettui allapäin
Ja moni kai ajatteli mielessään näin:
Mitä nyt auttaa enää kaikki puuha ja huoli!
Autiona on Karjala, Savo ja Hämettä puoli,
Niissä ei kuulu yhtään ihmissanaa,
Eik' ole lehmää, koiraa, kukkoa tai kanaa!
Maa autio on: tääll' olla ei halaa,
Tyhjä on kahdeksankymmenen peninkulman ala.
Varustusten määrä kyll' oli suuri
Tätä mahtavaa retkeä varten juuri.
Yli viissataa luotipyssyä ja monta ampujaa,
Mutta Ruotsin hyödyksi mitään he ei voineet toimittaa.
Palkkasoturit Tukholman
Saivat silloin sen kunnian,
Että heidän tuli Suomehen jäädä
Ja Olavinlinnaa vartioimaan käydä. —
Eipä muuta nyt tullut tehtäväksi,
Muut kaikki jälleen kotiin läksi.
Ja huovimiehet, ollen niin,
Ne tulivat Turun kaupunkiin.
Herra Steen heidät sinne tänne majoittaapi,
Moni pappila heitä vieraiksensa saapi.
Herra Steen itse tahtoi Ruotsihin takaisin,
Siell' aikoi uuden joukon hän koota vieläkin.
Näin Suomessa hän asiat suunnittaa:
Svante Niilonpoika täällä nyt päällikkyyden saa.
Ja tälle päällikölle vastavalitulle
Jää avuks' Steen Tuurenpoika ynnä Erik Trulle;
Häntä totelkoot Suomen kaikk' asujat,
Niin läheiset kuin myös kaukaisat,
Päästä kuukauden Suomen parhaaksi
Herra Steen taas palata lupasi.

Pääsiäistä ennen tiistaina

Herra Steen on taas lähtövalmiina,
Hän ensin kiiruhtaa Upsalaan,
Asioista vielä tuumimaan.
Hän tahtoi Suomelta poistaa huolen häivät
Ja toimi Tukholmaan herrainpäivät,
Jollaiset sinne sitten tulikin.
Oisi tyhmää, niille jos nauraisin.
En kuitenkaan voi näitä päiviä kiittää,
Niin vähän niillä Ruotsille tointa riittää.
Tällä kannall' asiat eivät olla saisi,
Tuntuu niinkuin valtakunta nukahtaisi.
En ymmärrä, minkä käänteen tämä meno saapi,
Vaan ehkä Herra vielä meitä armahtaapi!
Toisella puolla meill' on ryssä, taasen voimakas,
Ja toisella taas, Tanskassa, Hannu-kuningas.
Nyt kuulkaa mitä teille tahdon sanoa:
Moni Ruotsin mies taas on alkanut anoa,
Että pitäis vastaan Venäjää
Sotavoima Ruotsin riennättää,
Koko Pohjois-Ruotsi sen ehdoittaapi,
Joka viides mies heiltä mennä saapi
Päin Viipurin linnaa viilettämähän,
Ja sen voin lisätä vielä tähän,
Että lähteä tahtoo myös Helsingein maa
Ja jotk' eteläss' siitä asustaa,
He eivät suo itselleen mitään rauhaa,
Kun vihollinen valtakunnan äärellä pauhaa.

Mut silloin tuli ryssä Perä-Pohjahan,

Iin, Tornion poltti, Kemin, Salon, Limingan.
Juvalla, Olavinlinnan luona samaten,
Syösten Suomen ja Ruotsin taas murheesen.
Tämä tapahtui iltana pyhän Olavin,
Luojan kiitos, ett'eivät polttaneet viel' enemmin.
 Jostakin he sitten mahtoivat säikähtyä,
Koska alkoivat sen jälkeen peräytyä.
Se aika, milloin tapahtui tuo,
Ei Olavinlinnalle rauhaa suo:
Kulovalkea julma kun seudulla kävi,
Moni Ruotsin mies surmansa saa, häviävi.
Nyt vääntää moni ruotsalainen käsiänsä,
Herra Steenin vuoks; hänpä ei kiireissänsä.
Knut Possen, Svanten ja muiden hän hätää ei
Eikä heidän avuksensa riennä.

Nämät Ryssän puuhia yhä pitävät silmällä.

Ja lähtevät Venäjänmaahan suurella väellä.
He ensin lähtevät uuteen Narvaan,
Siellä tahtoivat ryssät tuhota, arvaan.
He lähtivät iloisina, reippaina,
Se oli Maarianpäivän aikoina.
Kakstuhatta miestä niit' oli kaikkiaan.
Jotka läks sodan vaaroja uhmaamaan.
Päin Iivaninlinnaa lähdit he purjehtimaan,
Tätä suurta ryssän linnaa ahdistamaan.
Suurilla ja pienillä laivoillansa
He lähtivät matkaan kaiken joukon kanssa,
Hyvät varustukset oli tällä linnalla,
Kävit ruotsalaiset maihin aika kiiruulla.
Se täytyy minun tunnustaa,
Että hyvin oli linna miehitetty vaan,
Aseilla ja suurella voimalla muulla,
Mutta saatte ruotsalaistenkin mahdista kuulla.
He ensin saartoivat linnan kokonaan,
Sitten kohta rupesit polttamaan.
He eivät tahtoneet rientää kauvemmaksi,
Oli tässäkin työtä yhdeksi rupeamaksi.
Perjantai, pyhän Ludvikin päivän jälkeen
Näki Ruotsin urhojen aseitten välkkeen.
Se varmastikin oli ihme Jumalan,
Että kuudess' tunniss' heill' on linna hallussaan.
Ja varmastikin voin minä sanoa niin,
Että tulta, jousta, pyssyä käytettiin:
Kolmetuhatta miestä siellä linnaa puolusti,
Kuitenkin ruotsalaiset sen heiltä valtasi.
Miehet ja naiset yhtä suuta
Alkoivat kovasti voivottaa ja huutaa,
Heit' olikin paljon linnassa vielä,
Kolmesataa saatihin vangiksi siellä:
Linnass' oli arkuttain aartehia,
Hopeaa, kultakääröjä, vahaa ja turkiksia.
Ja joka mies oli toimessa kiinn',
Kun laivoihin kaikki lastattiin.
Vieläpä rauta-ovia ja portinsaranoita,
Miks kieltäisin sen, ei unohdettu noita.
Ja hyvä sää heitä seurasi matkalla,
Heillä vankeja on ja muuta saalista kosolta.
Svante Niilonpoika heill' oli päällysmies,
Tällä kunnian nimen saavuttaa hän ties.
Tulivat sitten Ruotsihin takaisin
Ja heidän kanssaan useita huovejakin,
Varmasti heit' oli sata ynnä seitsemän,
Se määrä mun pitää merkitsemän.

Aikaa ja päiviä kuluikin niin,

Että päästihin vihdoin mikkeliin.
Nyt nimessä Herran Jumalan
Steen herra hän jättää Santahaminan,
Hän nostaa santaa ja iloinen mahtaa olla,
Ja lähtee liikkeelle aimo laivastolla.
Satakolmekymment' oli niitä kaikkiaan,
Niill' aikoo taas Ryssää ahdistamaan.
Jumala armahtakoon Ruotsinmaata!
Ei sotajoukko häntä suosia saata,
Heidän mielensä kääntyy toiseksi,
Herra Steenin he jättävät tylysti,
Kotihin, Ruotsinmaalle heidän halunsa on,
He eivät jäädä tahdo Herra Steenin joukkohon.
Eikä sitä yhtään ihmetellä voi,
Sillä nälkä heille suuren tuskan toi;
Muuta ei kuin vettä ja huonoa ruokaa,
Moni heistä aivan raskaasti huokaa.
Jo aloit heiltä vaatteetkin loppua,
Ja monta näkivät muutakin hädän hoppua.
Kaikki huovit ja Svantekin palasi takaisin,
Ei rahvaskaan tahtonut enää viipyä kauvemmin.
Huovit Steeniä syyttää ja syystä kyllä
Kaikesta, mikä juuri on sanottu yllä.
Miks ajoissa ei rientänyt auttamaan,
Miten mainittu jo on kertaan useampaan.
"Oi, herra Steen, miksi vitkastelitte aina,
Nyt teitä ja koko Ruotsia häpeä painaa.
Mitä silloin oikein te tuumasitte,
Kun Ryssää niin veltosti vastustitte? —"
Niin antaakin Steen herra luvan monelle,
Että saavat taas lähteä Ruotsin puolelle,
Tätä pääsölupaa useat seuraavat,
Herra Steenin luokse ei jää kuin muutamat.
Ryssä Iivananlinnaan palaapi uudelleen,
Ja ruotsalaiset ottaa aivan pilkakseen.
Yhä vahvemmaks Iivananlinnan he laittaa,
Eikä Ruotsi voi enää heille tehdä haittaa.

Herra Steenillä vielä on auttajansa,

Siks Suomessa viipyy hän paikallansa.
Olavinlinnan ja Viipurin hän miehittääpi,
Mut suru hänen sydämeensä yhä jääpi.
Hän hakkauttaa pitkin Suomen saloja
Etumurrokoita monia ja jaloja,
Pernajan väliin ja Hämeenlinnan,
Niin Ryssälle raketen vastarinnan.
Minkä käänteen asiat tästälähin saa,
Sitä en minä taida ennustaa.
Mun laata nyt täytynee kirjoittamasta,
Kun tapahtuu lisää, niin jatkan vasta.

(Vanha ruotsalainen riimikronikka.

Suomentanut Ilta Koskimies.)
SAVO JA SAVONLINNA.

Savon synty.

Ensimäinen aamuhetki oli koittanut Suomen saloille. Kalevalan

kansa oli haltuunsa ottanut Laatokan ihanat rantamaat, joiden luonto
vielä tuhannen vuoden perästä näyttää riemastuvan Väinämöisen
kanteleen sävelistä. Siellä kuu ja päivyt taottiin, siellä taivaan kantta
kalkuteltiin, siellä jumalat ja ihmiset loivat ensimäisen
runomaailmansa.

Mutta Savon synkkien vesien päällitse kulki vielä öiset sumut. Ei

mikään Vellamon neito sen aalloissa iloinnut, ei kukaan Tapionkaan
tyttäristä sen salomaita sulostuttanut. Outo, jylhä suku, hiisien
kamala kansa, vallitsi Saimaan vesistöjä Imatrasta länteen ja
pohjaan, ja tuolla täällä lappalaiset käyttivät järvien ja metsien
riistaa elatukseksensa. Vaan Lapin kansa ei missään vallinnut, ei
missään isäntänä ollut. Kunkin voimakkaamman alamaisena se
silloinkin maksoi veroa pelkästä elämisen oikeudesta.

Mihin nämä hämärän muinaisuuden asukkaat ovat hävinneet?

Ovatko he mitään jälkiä jättäneet olemisestansa? — Sangen vähän,
tuskinpa ollenkaan. Muinaiskalujenkin mykkä kieli on tällä alalla
melkein vaiti. Ainoastaan oudot paikan-nimet vielä vuosituhannen
takaa meille puhuvat selvästi kuuluvalla äänellä; mutta ne puhuvat
kieltä, jota emme ymmärrä enää selvittää.

Vähitellen uusi päivä valkenee suomalaisille heimokunnille.

Etelästä, sekä idän että lännen puolelta, tunkeuvat muukalaisen
sivistyksen säteet näille pohjan perille. Vieraat kauppa-haahdet
alkavat kulkea Suomenlahden pohjukoita; risti pystytetään Aurajoen
rannalle, ja Athos-vuoren hiljaiset erakot laittavat itsellensä
rauhallisen tyyssijan Valamon ihanaan saareen. Runojen ja
luonnottarien aikakausi on loppumaisillaan; historiallisen elämän
kaikki tuskat ja taistelut lähenevät.

Mutta Savon erämaille ei tunkeu vielä kuin kaukainen humu

maailman levottomasta liikkeestä. Karjalan kansa on alkanut riehua.
Kauppa-etu on kehoittanut sitä etsimään erämaiden kalliita turkiksia,
ja niille autioille aloille, missä ihmisen astunta ei ole tähän asti
luonnon hiljaisuutta häirinnyt, ilmestyy majavanpyytäjä jousinensa.
Karjalan jumalista Tapio ja Ahti ovat ensimäiset, jotka levittävät
valtaansa Savonkin saloille ja selänteille; metsästäjät ja kalastajat
käyvät täälläkin saalistansa, ja missä joku lappalais-heimo on
lahdelman pohjaan kotansa asettanut, sen jo täytyy metsänriistalla
maksaa veronsa voimakkaammalle veljeskansalle. Nuo urheat
Karjalan miehet retkeilevät tähän aikaan kauvas pohjan perille. Pitkin
Savon ja Yli-Karjalan vesijaksoja tunkeuvat Kantalahteen, Lappiin ja
Ruijaan, veroa ja voittosaalista etsimään, ja ahdistavat toisinaan itse
norjalaisiakin kaukaisessa Haalogalannissa.

Vaan Karjalaisten vapaus jo lähestyy loppuansa. Mahtavan

Novgorodin liittolaisina he ovat monta kertaa retkeilleet meren yli
läntisille maille; nytpä Novgorod alkaa heitä valtansa alle vaatia, ja
toiselta puolen lännenkin valta, Ruotsi, alkaa heitä läheltä ahdistaa.
Suomen veden perukassa kohoaa kivinen linna, Viipuri; jopa itse
Karjalan kansakunnan emä-paikkoihin, Vuoksen ja Nevajoen varsille,
koetetaan pystyttää Pyhän Eerikin lippua. Silloin ei muuta neuvoa
kuin turvautua Novgorodin apuun. Tuo verinen taistelu alkaa, taistelu
idän ja lännen välillä, taistelu kahden mahtavan kansasuvun ja
kahden erimuotoisen kristikunnan välillä — taistelu, jota oli jatkuva
puolen vuosituhannen ajat. Tähän verikasteeseen Karjalan ja sen
ohessa koko Suomenkin kansallinen itsenäisyys hukkuu. Novgorodin
liittolaiset muuttuvat Novgorodin alamaisiksi; Nevajoen varret ja
Vuoksen suut tulevat venäläiseksi Karjalaksi, jonka pylväinä ovat
Pähkinäsaaren ja Käkisalmen linnat. Mutta Karjalan takapuoliset
kihlakunnat Saimaan ja Suomenlahden välillä joutuvat Ruotsinvallan
haltuun ja muun Suomen yhteyteen. Viipurin linna on se vahva lukko
ja telki, jolla läntinen maailma sulkee Suomen portit idän rynnäköitä
vastaan.

Näin solmitaan "ikuinen rauha" — pitäisi sanoa: ikuinen veriviha —

Pähkinäsaaressa v. 1323. Tämä rauhanteko jakaa Suomen kansan ja
Karjalan heimokunnan kahteen vihollis-leiriin. Mutta Savonkin
historiassa on tämä rauhanteko merkillinen; sillä itse jakokirjassa
Savon nimi nyt ensi kerran kajahtaa. Niistä kolmesta Karjalan
kihlakunnasta, näet, jotka tulevat Ruotsin alle, on yksi nimeltä
"Savo"; se on Saimaan takainen länsi-seutu, johon uudis-asukkaita
jo on asettunut — tuo sittemmin niinkutsuttu Suur-Savo eli Mikkelin
seudut. Pohjoisten vesistöjen tienoot ovat vielä erämaina; mutta
niidenkin suhteen tehdään jako valtakuntien välille, ja niin saapi
Savonmaa ensimäisen rajansa itää kohden. Vaan tämä raja näkyy
oikeastaan halkaisseen sen Savonmaan, jonka me nykyään sillä
nimellä tunnemme. Ell'ei uuden-aikainen tutkimus erehdy, niin raja v.
1323 pantiin käymään Pihlajaveden kaakkois-kulmasta melkein
luoteista suuntaa Säämingin kautta ja sitten pitkin Haukivettä
Varkauteen ja niin edespäin. Nykyisen Savonlinnan sija ja Savon
vesien itä-osa jäi niinmuodoin itäpuolelle rajaa, s.o. Emä-Karjalan
omaksi. Sehän olikin ihan luonnollista sen aikuisten asutusolojen
kannalta.

Tämä raja ei kuitenkaan jäänyt pysyväiseksi, vaan siirrettiin pian

itse teossa paljoa idemmäksi. Millä tavoin tämä tapahtui, sitä emme
tiedä; sillä sen ajan taistelut Savonmaalla tuskin hämärinä
haamuinakaan tulevat näkyviin. Vaan että taisteluja on ollut,
saamme varmuudella arvata. Ruotsin Karjalaiset Suur-Savosta ovat
tunkeuneet eteen päin ja Venäjän Karjalaisten on täytynyt väistyä.
Niin oli alkanut tuo pitkä riita ja tora veljesten välillä kahden puolen
valtarajaa.

Ensimmältä se ei ollut kuin maa-asukasten riita kalavesistä ja

oravametsistä, — useinkin turhan-aikainen

"tora totkusista
Artti ahven-maimasista".

Mutta vähitellen siitä karttui ankaraa sodan-aihetta niiden

valtakuntain välillä, jotka Pähkinäsaaressa olivat jakoa tehneet.

Olavin linnan synty.

Suur-Savosta oli uudis-asutus jo levinnyt Pihlajaveden ja

Haukiveden rannoille. Nuo lukemattomat pikkujärvet, jotka
muodostavat koko välin ikäänkuin tiheäksi taipalistoksi, olivat
askelettain houkutelleet siirtolaisia eteenpäin koillista kohden. Pienen
Jukajärven rannalla oli kohonnut Savonmaan toinen kirkko, joka
suuren piispamme Maunu Tavastin toimesta sai ensimäisen
pappinsa. Näin kirkollinen järjestys seurasi uutis-asutuksen jälessä.
Mutta myöskin maallinen valta kulki rinnatusten hengellisen vallan
kanssa, ja Ruotsin kruunu itse oli astunut uudis-asutuksen
etupäähän. Niinpä jo joitakuita vuosikymmeniä rauhanteon jälkeen
tuo Pihlajaveden ja Haukiveden välinen seutu, Sääminginsalo, jonka
ohitse raja kulki, oli kruunun omaisuutena. Mahtava Suomen
laamanni Niilo Tuurenpoika — hän, joka toimitti Suomenmaalle
osallisuuden kuninkaan-vaaleihin ja itse tavantakaa tätä oikeutta
viljeli — oli silloin isäntänä Viipurin linnassa ja nautti läänityksenä
myöskin Sääminginsalon kruununtilaa läänin pohjoisilla erämailla.
Vaan kun Niilo Tuurenpoika uusissa kuninkaanteko-puuhissaan kaatui
Turun linnan edustalla v. 1365, annettiin Sääminginsalo särpimen-
avuksi Vexiön piispalliselle istuimelle Ruotsiin kuitenkin sillä ehdolla,
että jos joskus maailmassa eri piispan-istuin Karjalan puolella
syntyisi, tämä omaisuus tulisi Karjalan piispain haltuun. Niinkuin
näkyy, oli jo silloin ruvettu ajattelemaan Suomenmaan jakamista
kahteen hiippakuntaan.

Kuluipa taas vuosisadan ajat. Valtiolliset rettelöt Ruotsin

valtakunnassa olivat aivan vähän tuntuneet Savon kaukaisille
salomaille, eikä Venäjänkään puolelta suurempia vaaroja ollut
uhannut. Mutta silloin alkavat maailman olot muuttua. Moskovan
valtaistuimelle on noussut Iivana Vasilinpoika, joka jälleen yhdistää
kaikki Venäjän alat suureksi tsaarikunnaksi. Ruotsissa taas on Unioni
katkaistu ja Skandinavian valtakuntain eripuraisuus tekee tuon
paisuvan venäläisvallan kahta pelättävämmäksi. Näissä vaikeissa
oloissa vanhempi Steen Stuure johtaa Ruotsin hallitusta, ja hänen
ystävänsä, ritari ja valtaneuvos Eerik Akselinpoika Tott, istuu
Viipurissa, itäistä rajaa valvomassa. Näistä kahdesta Tott on
vanhempi ja arvossa melkein etevämpi. Hän on jo valtio-seikoissa
paljon kokenut mies tämä mahtava Viipurin isäntä — syntyperältään
Tanskasta kotoisin, missä hänen isänsä aikoinaan oli ollut
valtakunnan marskina, mutta äitinsä kautta ruotsalaisena ja Ruotsin
ylimyskuntaan liittyneenä. Hänen nykyinen avio-puolisonsa, rouva
Elina Kustaantytär Stuure, on valtionhoitajan isän-orpana, ja senkin
vuoksi Steen herra on voinut turvallisesti jättää Suomenmaan
puolustuksen hänen haltuunsa. Vuoden 1473 paikoilla nyt sota alkaa
Venäjän kanssa. Rajan laajuuden vuoksi on maan puolustus varsin
vaikea, ja vaikka Ruotsista tulee valtionhoitajan lähettämä
apujoukko, ei ole noilla syrjäisillä Savon seuduilla tarpeellista suojaa.
Silloin Eerik Akselinpoika lähtee ylös Savonmaalle, katsomaan
soveliasta linnan asemaa. Sääminginsalon vieressä on pieni luoto itse
Kyrönsalmen virrassa, missä pohjoisten ja koillisten erämaiden vedet
purkauvat Pihlajaveteen ja sen kautta Saimaaseen. Venäläiset
väittivät, että paikka oli heidän; siitä muka karjalaisten vanha tie
kulki pohjan perille. Mutta Eerik Akselinpoika heti näkee paikan
tärkeyden ja päättää siihen panna lukon, joka voipi estää Venäjän
vallan etenemistä länteen ja pohjoiseen. Näin syntyy Savon "Uusi
linna" v:na 1475.

Alussa se ei ollut kuin puinen varustus, joka ensi hätään laitettiin

Savonmaan suojelukseksi. Vaan kaksi vuotta myöhemmin vahvempi
kivinen linna rakennettiin sijaan. Tott hankki 16 taitavaa
muurimestaria ulkomailta; sillä kivisten linnain rakentaminen ei ollut
kotiteollisuutta Suomenmaassa. Hän lähti itse sinne asemiehinensä,
rakennustyötä varjelemaan; sillä Venäjän Karjalasta tehtiin alituisia
rynnäköitä ja viholliset olivat joka paikassa väijyksissä. Joka kerta,
milloin työväki pantiin lotjilla tuomaan hiekkaa, kiviä ja kalkkia, täytyi
kuhunkin alukseen panna parvi sotaväkeä ja 12 tai 14 Totein omia
ritarillisia palvelijoita täysissä aseissa ja haarniskoissa. Se oli melkein
niinkuin Jerusalemin muurien rakentaminen Nehemian aikana.
 Näin nousi linnan kivinen muuri; tornit kohosivat, kuvastuen
Kyrönsalmen syviin aaltoihin; muut tarpeelliset huoneet, kellarit ja
vara-aitat varustettiin. Mutta maallisen vahvuuden ohessa tarvittiin
taivaallisten valtain suojelus. Tuo pohjoisilla mailla kuuluisa ja
kunnioitettu pyhimys, Norjan muinainen kuningas Olavi, valittiin
linnan suojeluspyhäksi, ja Savon varustukselle annettiin nimi "Pyhän
Olavin linna". Vaan itsellensäkin oli Eerik Akselinpoika tässä nostanut
muistopatsaan. Muutaman käytävän seinään vastapäätä "kuninkaan-
salia" hän antoi muurata kivisen taulun, jossa luettiin näin kuuluva
kirjoitus:

"Anno 1475 minä Eerik Akselinpoika Ritari rakennutin tämän

linnan, Jumalalle ylistykseksi, pyhälle Kristin-uskolle vahvistukseksi.
Silloin vaimoni nimi oli Elina Kustaantytär Lagmansöö'n rouva".

Tämän seinäkirjoituksen yläpuolella olivat aviopuolisojen vaakunat,

nimittäin Stuure-vaakuna ja Tott-vaakuna.

Uuden linnan suojassa alkoi uudis-asutus näillä tienoilla vahvistua;

Säämingissä syntyi Savon kolmas seurakunta, ja muinais-taru kertoo
Eerik Akselinpojan tuoneen ruotsalaisiakin asukkaita uuden
voittomaan vahvistukseksi. Pian sen jälkeen Eerik Akselinpoika kuoli
Viipurissa v. 1480. Vähän aikaa nyt oli rauhallisemmat menot rajan
puolella. Mutta sodan myrsky-pilvet kokoontuivat yhä synkemmiksi,
kunnes v. 1495 puhkesivat hirveään tuuliaispäähän. Iivana väitti,
eikä aivan syyttä, että Pähkinäsaaren rauha oli rikottu. Raja oli
siirretty itään päin, uusi linna oli vastoin rauhansovintoa näille maille
rakennettu, vieläpä rakennettu semmoiseen paikkaan, jonka tsaari
luki omaksi alueeksensa. Näin ollen pitäisi ruotsalaisten muka antaa
takaisin nuo kolme Karjalan kihlakuntaa, mitkä olivat ennen muinoin
ystävyydenlahjaksi saaneet. Semmoinen oli Iivanan ajatus, ja hänen
todistajanansa oli 60,000 miehen armeija, joka vyörytettiin Viipuria
vastaan. "Viipurin pamaus" tosin pelasti tämän tärkeän rajalinnan,
mutta sota levisi pitkin koko valtarajaa perimmäiseen pohjaan asti.
Nytpä vasta saatiin kokea, minkä hyvän työn Tott oli Savonmaalle
tehnyt. Venäläinen parvikunta karkasi tähänkin maakuntaan; mutta
Savonlinnan vouti, Pietari Niilonpoika, lähti ritaripalvelijain ja rahvaan
kanssa vihollista vastaan ja karkoitti päällekarkaajat rajan yli.
Seuraavana talvena tuli isompi voima, joka alkoi linnaa piirittää.
Steen Stuure, joka nyt oli Suomeen tullut, oli siihen aikaan lähettänyt
Olavinlinnan vahvistukseksi 70 huovia, ja nämä, jotka eivät
aavistaneet vihollisten sitä silloin saartavan, joutuivat melkein kaikki
venäläisten käsiin. Mutta linna Kyrönsalmessa ei kumminkaan
kukistunut; Tott'in takoma lukko ei särkynyt — ja Ruotsin valta
Savossa säilyi.

Savonlinnan ihmeet.

Olipa kummallinen seutu tuo rajalinnan paikka erämaiden

liepeessä.

Näin kertoo Olaus Magnus, Upsalan entinen arkkipiispa, joka on

lähtenyt uskonpuhdistusta pakoon eteläisille maille ja siellä julkaisee
kuvallisen maantietonsa Ruotsin valtakunnasta, sen kansoista ja
luonnon-ilmiöistä.

Kaukana perimmäisessä Suomenmaassa, mutta Ruotsin vallan

alueella, on linna, joka Uudeksi linnaksi nimitetään. Se on
ihmeteltävällä nerolla rakennettu, kerrassaan luonnon ja taiteen
vahvistama, seisoen ympyriäisen kallion päällä. Yksi ainoa portti siitä
viepi länttä kohden; portin edustalla on lautta-silta, vahvoilla
rautavitjoilla kiinnitettynä, ja tämä aina yöksi vedetään koneiden
avulla rantaan, — tosin ankaralla vaivalla väkevän virran tähden. Tuo
leveä joki, joka siitä ohitse kulkee, on syvyydeltään tutkimaton. Se
tulee kaukaisista järvistä, Vienan "valkoisesta" merestä saakka; vaan
linnan kohdalta se on mustapohjainen, ja kaikki kalat, jotka siinä
syntyvät ja elävät, lohet ja taimenet, hauet ja ahvenet sekä muut
pehmeälihaiset kalat, ovat ihan mustia, mutta kuitenkin hyviä
maultaan. Lahnakin siinä virrassa on kesällä musta, vaikka talvella
valkoinen. Ja kun joki sitten purkautuu, kulkien Viipurin ohitse, se
muuttaa itse järvenkin mustaksi.

Muitakin kummia täällä toisinaan nähdään. Kova on isännyyden

virka täällä vihollisvallan kynnyksellä, kova myöskin laki, jonka
alaisena linnan väki elää. Jos vartija nukkuu asemaansa, hän
syöstään säälimättä tornin harjalta virtaan. Surma ja perikato ovat
siis aina tarjona sekä päällikölle että hänen miehillensä. Mutta
jokaisen onnettomuuden edellä käypi kummallinen aave. Silloin,
näet, ilmestyy virran aaltojen päälle neitonen, joka kanteleen
viehättävällä soitolla yön hiljaisuutta häiritsee, ikäänkuin seireenien
tavalla houkutellen ihmis-parat luoksensa.

Semmoinen on Uusi linna Suomen perimmäisillä rajoilla,

semmoinen virta ihmeinensä, joka siitä ohitse kulkee.

Muutkin olot näillä syrjäisillä rajaseuduilla ovat kyllä omituisia.

Kummankin puolen asukkaat tekevät alituisia ryöstöretkiä toistensa
maille. Venäjän-puoliset silloin kulkevat pitkissä köykäisissä veneissä,
20 tai 25 henkeä kussakin, erämaiden vesiä myöten; missä
vesimatka loppuu, kantavat veneensä hartioillaan taipaleen yli,
kunnes tulevat toiseen vesijaksoon. Suomen-puoliset samoin tekevät
yhtäläisiä retkiä Venäjän alueelle. Vaan kumpaistenkin retket
vähemmin tarkoittavat sotaa kuin ryöstöä. Rosvoaminen on osa
näiden seutujen elinkeinoista. Niin hurjia ovat senpuoliset maan-
asukkaat, että kuninkaan on täytynyt kovan rangaistuksen uhalla
kieltää heitä pitämästä kotonaan varsinaisia sota-aseita, niinkuin
peitsiä, miekkoja ja tapparoita, ett'eivät keskenänsä surma-töitä
tekisi. Ainoastaan kirveitä ja työ-aseita saavat pitää kotitarpeiksensa,
ja heidän rakennuksensa ovatkin ihmeteltäviä. Vaan vihollisen
läheisyyden vuoksi täytyy kumminkin olla jonkinlaisia puolustus-
aseita. Suomalaiset ovat tarkkoja jousimiehiä, ja käsivarren voimilta
he ovat sangen väkeviä, joka tulee siitä, että juovat paljon ja hyvää
olutta. Kun nyt viholliset tekevät hyökkäyksiä, he heitä ensin kaukaa
vastustavat nuolilla, joita jousista ja lingoista lennätetään. Kun
lähemmäksi tullaan, viskataan tarkalla kädellä kivi, joka on kiinnitetty
vahvaan hihnaan, taikka heitetään suopunki, semmoinen, jolla
metsän eläviä kiedotaan. Sitten ryhdytään pitkiin keihäisin, joiden
kärjet ovat tulessa karaistut tai nauloilla teroitetut. Miehet ja naiset
ovat yhtä ankarat puolustustyössä, ja kenellä ei ole muuta asetta,
hän viskaa verkkoja ja kalalippoja vihollisen pään yli, temmaten
vastustajansa, jopa ratsumiehenkin, kumoon. Mutta suurimmaksi
avuksi ovat suomalaisille heidän vihaiset koiransa, joita venäläisten
hevoset pelkäävät yhtä paljon kuin Persian ratsut ennen muinoin
kammoivat kameeleja. Sillä nämä koirat ovat opetetut karkaamaan
hevosten turpaan, jolloin ratsu nousee takajaloillensa ja viskaa
miehen maahan.

Näin mellastellaan pitkin Suomen itä-rajaa, Karjalan kyläkunnissa

ja
Savon sydänmailla.

*****
 Vaan palatkaamme vielä hetkisen ajaksi takaisin Savonlinnan
kummitus-taruihin. Pari vuosisataa sen jälkeen, kun Olaus Magnus
uutena Pliniona kirjoitti merkilliset juttunsa Arx novam ihmeistä, on
Säämingin pappi kaikessa hiljaisuudessa piirtänyt kirkonkirjaansa
seuraavan muistelman:

Hamasta linnan rakentamisesta asti on siinä aina elätetty musta

oinas, niin että toisen jälkeen aina toinen uusi on hankittu, ja kun
venäläiset Ison Vihan aikana pitivät linnan hallussansa, hekin samoin
hoitivat linnan mustaa oinasta. Vaan nyt viime kesänä eli v. 1728 on
Olli päässyt linnasta ulos sillalle, josta luiskahti virtaan ja hukkui, ja
sen jälkeen ei ole toista enää hankittu.

Muuta emme tiedä Savonlinnan mustasta oinaasta, joka vasta

kuollessaan tuli kuuluisaksi ja pantiin kirkonkirjaan. Kenties se ei
ollutkaan aivan epä-kirkollista alkuperää. Kenties se oli ollut tuon
taivaallisen Pyhän Olavin halpa, maallinen edustaja.

(Yrjö Koskinen: Savo ja Savonlinna).

OLAVIN LINNA.

Ma kuulen jyskettä, sadatusta ja orhin korskean hirnuntaa, ja

pauke kangeista, moukareista mun korvat lumpehen vallan
saa; kuin muurahaista on miestä työssä ja kivet vonkuen
halkeilee — mut naurut narttujen kuuluu yössä ja miehet
juopuen kiroilee.

Taas huomentaivahan valjetessa jo torven toitotus kauvas

soi, ja palkkaorjat ja hylky huovit taas vouti toimehen
piiskaroi. — Ja vallit harmajat uuden linnan ja tornit pyöreät
kohoaa, ei auta itku, ei naisten parku, ei auta vaivoja
vaikertaa.

Näät viikot vierivät kilpasilla ja ryssäin ruhtinas uhmailee;

on Savo suojaton Iivanalle, jonk' kalpa kauvaksi silpaisee — ja
uljas Eerikki Tott hän myöskin jo virkamatkalle tulla voi: niin,
viikko sittenpä Viipurista sen sanan voudille viesti toi.

Siks kuuluu jyskettä, sadatusta ja orhin korskean hirnuntaa,

siks rauta ryskää ja kirves laulaa ja louhet haljeten lohkiaa;
taas tuhat kopria kouristuupi, taas sata rintoa hengästyy — ja
 vouti kärppänä juosten haukkuu: on vika teidän, jos
myöhästyy!

Mut kerran päivä kun heinäkuulla taas läpi pilvien puhkeaa

ja haahden purjehet purppuraiset kun vouti salmella oivaltaa,
niin linnan tornista Ruotsin lippu jo Eerik Tottia tervehtii ja
uusi päällikkö Gyllenstjerna hän nostosillalle kiirehtii.

Ja tykit paukkuu ja liput liehuu ja rannat miestä on

mustanaan ja linnan portilla huovijoukko nyt huutaa huikeeta
hurraataan; jo nousee laivasta uljas urho, sen kannusraudat
jo ilmoittaa, ja jalo jalkansa heitännältä nyt linnan valmihin
tarkastaa.

Se hyväks nähdään — ja Gyllenstjerna ja vouti kiitosta

saavatkin: "tää varus olkohon Savon muuri, sen ristin linnaksi
Olavin, ja halki aikojen tietköön kansa ja aikakirjojen kopiot:
maan vainolaisien haudaks teetti sen Stuurein aikana Eerik
Tott!"

Ja tykit paukkuu ja torvet soivat ja liput riemuiten liehuvat

ja olvimaljat ja sarvet kuohuu ja miesi mieheltä kulkevat; —
mut pian purjehet purppuraiset taas taakse niemen jo katoaa
ja uutten aikojen vaihevyötä nyt Savon linnakin vartoaa.

(K. Leino: Runoja.)

"KOTIMAAN PUOLESTA! OLENHAN
SUOMALAINEN."

Turun tuomiokirkkoa ja sen hautuumaapihaa kiertävän korkean

muurin portista, jonka kupeella kirkonpalvelijat myyskentelivät
pyhäinsiruja ja vihittyjä vahakynttilöitä, astui eräänä marraskuun
päivänä, puolipäivämessusta palaavan yleisön jälestä, kaksi pitkiin,
mustiin papinviittoihin puettua kanunkia. Tullessaan ulos hämärästä
kirkosta miehet tuokioksi pysähtyivät ja siristivät ulkoilman kirkasta,
melkein häikäisevää valoa. Viikkokausia oli Turussa ollut
sateensekainen, raaka, kostea syksyilma. Nyt oli syksyn ensimäinen
pakkanen reväissyt rikki sumuvaipan.

— Tuleepa vihdoinkin talvi, huudahti papeista toinen, pitkä,

komearyhtinen nuori mies, jonka tummapintaisten kasvojen piirteet
olivat hienot, mutta miehekkään lujat. — Tätä ilmaa kelpaa
hengittää!

Mutta toinen, vanhempi pappi, jolla oli pullea vatsa ja turpeat

posket, kokosi viitan tiukemmas ympärilleen, koska hänestä tuo
talvenviima tuntui viluttavalta, ja kiirehtien kirkonportailta alas hän
virkkoi toverilleen:
 — Menetkö pappilaasi, Paavali, vai kommuuniinko? — Hän viittasi
päällään ensiksi vasemmalla olevaa kivitaloa, — siinä oli
tuomiorovastin talon vieressä Pyhän Katariinan alttarin pappila, — ja
sitten siitä vähän alempana olevaa, suurta rakennusta, jossa
tuomiokirkon nuoremmilla papeilla oli yhteinen ruokala ja monella
asuntokin.

Paavaliksi mainittu seurasi katseillaan toverinsa päänliikettä, mutta

kumpainenkaan noista vaihtopuolista ei näyttänyt häntä tällä kertaa
oikein miellyttävän.

— Pitäisi kyllä, vastasi hän verkalleen. — Minun täytyy taas pian

joutua piispalaankin, sillä ukko aikoo illalla matkustaa Kuusistoon. —
Entä sinä, Paksu-Antti? — kysäsi hän toveriltaan yhtäkkiä, käyttäen
nimitystä, jonka kansa oli tälle paisuneelle kanungille antanut.

— Minäkö, — minä tietysti menen kotiin katsomaan, mitä

emännöitsijäni on minulle päivälliseksi paistanut.

— Siis saatan sinua, tahdon jalotella, — kävellään!

Tämä Paavali oli äsken ulkomailta, opintomatkaltaan, palannut

maisteri Paavali Scheel, joka kohta oli Turussa saanut tuottavan
alttaripapin viran ja jonka piispa Maunu Särkilahti oli valinnut
sihteerikseen. Hän oli turkulaisten suosituin messupappi; varsinkin oli
kirkko aina täynnä naisia, kun tämä papinpukuinen uros pääalttarilla
esiintyi, ja hänen ennustettiin nousevan korkealle hierarkisella
portaikolla. Sillä suuret olivat hänelle suodut sekä sielun että ruumiin
lahjat, sen tunnustivat kaikki.

Kävelijät pysähtyivät tuokioksi päivänpaisteiselle torille

katselemaan sitä vilkasta liikettä, mikä siellä kiehui kivimyymäläin
aukilaskettujen tiskipöytäin edessä, missä kaupat tehtiin ja päivän
kuulumiset kerrottiin, sekä venherannassa, mihin maalaiset
aluksineen saapuivat. Paavali-maisteri pysähdytti siellä hihasta
kymmenvuotiaan, vilkassilmäisen pojan, joka juoksi heitä vastaan
torin yli, ja kysyi:

— Minne kiire, Pietari?

— Luistelemaan! Mätäjärvi on jo jäässä. Kaikki teinit menevät

sinne.

— Saitko luvan isältäsi? Onko hän vielä raatihuoneella?

— Ei, tuolta hän juuri tulee.

Poika, joka juosta viiletti edelleen, oli Turun pormestarin, piispan

orpanan, Nikolaus Särkilahden poika. Isä astua lynkytti nyt juuri
leveänä punaisessa viitassaan alaspäin kaksikerroksisesta,
parvekkeella varustetusta raatihuoneesta, asteli hiukan ontuen
raippapaalun ja teloituslavan ohi torille päin. Hän oli ankaran
näköinen, teräväsilmäinen äijä, jota tuitun luontonsa vuoksi
porvarien kesken sanottiinkin Kiukku-Nikuksi, vaikka häntä muuten
kyllä tarmokkaana järjestyksenmiehenä suosittiin. Paavalin luo
ehdittyään läimäytti hän tätä olalle ja virkkoi:

— Meillä on yhteinen matka, maisteri.

— Minun matkani vie piispalaan, vaikka sinne nyt mutkan kautta

kävelen, vastasi maisteri.

— Niin minunkin, kuomaseni on kutsunut minut sinne

neuvottelemaan.
Kuuluu aamulla saaneen tärkeitä kirjeitä.
 — Siitä en minä tiedä vielä mitään. Onko siis laiva tullut
Tukholmasta?

— Ei, vaan airut on tullut Viipurista. Sieltä ovat taas kuulumiset

huolettavia.

Pormestari poikkesi lähempänä rantaa olevaan taloonsa; häntä

odotellen seisoi maisteri tuokion mäenrinteellä katsellen rantakatujen
matalain puurakennusten yli joelle avautuvaa näköalaa.

— Viipurista tullut viesti on tietysti yhteydessä sen tiedon kanssa,

joka äsken saapui Räävelistä, että näet Hannu-kuningas on tehnyt
liiton suuriruhtinaan kanssa Steen Stuurea vastaan, kukistaakseen
hänet ja itse päästäkseen valtaistuimelle. — Niin puhui pormestari
nuorelle seuralaiselleen, heidän kävellessään jäätynyttä katua pitkin,
jonka toisella puolella oli mataloita, turvekattoisia asuinrakennuksia,
toisella taas niihin kuuluvia talleja ja navetoita. — Venäläinen hankkii
sotaa, auttaakseen Hannu-kuninkaan Ruotsin valtaistuimelle, joka
onkin hänelle jo moneen kertaan luvattu, vaikka hän Steen-herran
itsepäisyyden vuoksi ei siihen vielä ole päässyt.

— Niin, Steen-herra hoitaa taitavasti pelinsä, vastasi maisteri

hiukan epävarmasti, tietämättä vielä, mihin pormestari, jonka
tuumat usein kulkivat kiertoteitä, tähtäsi.

— Niinkuin aina, myönsi Niku. Samalla hän pysähtyi ja kysyi: —

Mutta onko todella syytä enää estää Hannu-kuningasta saamasta
tuota kruunua, joka hänelle kuuluu? Jos nyt sota uhkaa maata
Steen-herran itsepäisyyden ja vallanhimon takia, niin eikö olisi
parempi, että lopultakin pakoitettaisiin tämä herra syrjäytymään ja
tunnustettaisiin Hannu vihdoinkin valtakunnan kuninkaaksi, Kalmarin
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

ebooknice.com