CN102667781B - 用于计算混合微分代数过程模型的状态参量的方法和过程计算机 - Google Patents

用于计算混合微分代数过程模型的状态参量的方法和过程计算机 Download PDF

Info

Publication number
CN102667781B
CN102667781B CN201080034093.XA CN201080034093A CN102667781B CN 102667781 B CN102667781 B CN 102667781B CN 201080034093 A CN201080034093 A CN 201080034093A CN 102667781 B CN102667781 B CN 102667781B
Authority
CN
China
Prior art keywords
pattern
dap
mdap
exe
hdap
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201080034093.XA
Other languages
English (en)
Other versions
CN102667781A (zh
Inventor
D.库拉托洛
M.霍夫曼
B.施泰因
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Art Systems Software GmbH
Original Assignee
Art Systems Software GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Art Systems Software GmbH filed Critical Art Systems Software GmbH
Publication of CN102667781A publication Critical patent/CN102667781A/zh
Application granted granted Critical
Publication of CN102667781B publication Critical patent/CN102667781B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

描述并示出了一种用于在具有过程接口(2)的过程计算机(1)上在相继的时间步骤中计算混合微分代数过程模型(混合DAP,hDAP)的状态参量(x)的方法,其中该过程计算机(1)被设立为:使得通过过程接口(2)可以由过程计算机(1)检测物理过程(3)的至少一个过程参量(xp)和/或由过程计算机(1)输出用于影响该物理过程(3)的输出参量并且在计算过程中通过分析状态参量(x)来确定混合DAP(hDAP)的当前模式(mt+1),在混合DAP(hDAP)的当前模式(mt+1)与混合DAP(hDAP)的先前有效的模式(mt)偏离时,从可实施的模式特定的过程模型(mDAPexe)的群中选择与当前模式(mt+1)相应的可实施的模式特定的过程模型(mDAPt+1 exe)并且作为另外的计算的基础。能够在减少过程计算机的存储负荷的情况下实现混合DAP的不同模式的快速计算,其方式是:对于计算的运行时间在预测过程中通过分析状态参量(x)确定混合DAP(hDAP)的至少一个可能的将来的模式(mi,mj,mk),从混合DAP(hDAP)中提取与所确定的可能的将来的模式(mi,mj,mk)相应的模式特定的DAP(mDAPi,mDAPj,mDAPk),从所提取的模式特定的DAP(mDAPi,mDAPj,mDAPk)中产生可实施的模式特定的过程模型(mDAPi exe,mDAPj exe,mDAPk exe)并且输送给群(4)。

Description

用于计算混合微分代数过程模型的状态参量的方法和过程计算机
技术领域
本发明涉及一种用于在具有过程接口的过程计算机上在相继的时间步骤中计算混合微分代数过程模型(混合DAP=hDAP)的状态参量的方法,其中该过程计算机被设立为:使得通过过程接口可以由过程计算机检测物理过程的至少一个过程参量和/或输出用于影响该物理过程的输出参量并且在计算过程中通过分析状态参量来确定混合DAP的当前模式,在混合DAP的当前模式与混合DAP的先前有效的模式偏离时,从一群可实施的模式特定的过程模型中选择出与当前模式相应的可实施的模式特定的过程模型并且作为另外的计算的基础。本发明还涉及具有用于将过程计算机耦合到物理过程上的过程接口的过程计算机,其中利用该过程计算机可以通过过程接口检测物理过程的至少一个过程参量和/或可以输出用于影响该物理过程的输出参量。
背景技术
先前描述的类型的过程计算机和要在过程计算机上实施的方法在技术任务提出方面完全通常被使用用于:有针对性地观察物理过程和/或有针对性地对该物理过程发生影响,以便以希望的方式影响它。经常在这样的过程计算机上执行过程模型,也即可通过数学方程描述的函数物理技术关联,其中所述过程模型例如为了调节目的表示所连接的物理过程的数学模型,或者所述过程模型在数学上模仿与所连接的物理过程不同的过程,该过程例如为了激励“真实的”物理过程模拟一件事实(ein Stück Wirklichkeit),如这例如由模拟器所已知的。这样的过程计算机尤其是控制设备发展(快速控制原型,硬件在环测试(Rapid-Control-Prototyping, Hardware-in-the-Loop-Tests))领域所不再可缺少的。
视在过程计算机上要模型化并且要计算的过程的类型而定,过程模型具有不同的数学特性。许多过程模型由线性或非线性微分方程组组成,在最简单的情况下由唯一的微分方程组成。所述微分方程以已知的数值方法来求解。因为过程计算机通常与真实的物理过程联系,因此必要的是:实时计算过程模型,使得能够以(通过在过程计算机上的相继的时间步骤定义的)希望的时间帧检测并且进一步处理物理过程的过程参量,或者能够由过程计算机输出用于影响物理过程的输出参量。
许多过程模型除了微分方程或微分方程组外还包括代数方程,其典型地描述在过程中的守恒参量的性能。该类型的简单关联例如是电网络的节点中的电流、系统中的能量常数、不可压缩介质的容积流量、在多体系统中的动量守恒以及其它的动力学辅助条件。这样的模型被称为微分代数过程模型,下面简称“DAP”。
DAP经常是结构不变的,也即过程模型的状态参量以及在状态参量之间的关联先验地被确定,数学支架本身既不随时间改变、也不与其它条件有关地改变。这种系统可以基于其结构不变性在计算的运行时间之前被转化为例如以C代码形式的完全的算法模型,并且在计算开始之前,该结构不变的模型能够利用用于最小化计算耗费的已知的数学方法优化,也即例如通过BLT变换、撕裂(Tearing)或稀疏矩阵方法。于是从该运行时间优化的算法模型可以创建可在过程计算机上实施的过程模型,也即例如通过上面提到的C代码的汇编。
但是较复杂的过程模型经常是结构变化的,它们具有不同的模式,所述模式的特点是:例如状态参量的不同编排或者在对状态参量的不变的选择之间的不同关联描述了过程模型的功能性,其中过程模型的这些不同的模式根据确定的条件而是激活的或去激活的。结构变化的微分代数过程模型被称为混合DAP。如果这些条件是二值的,则具有n个条件的混合DAP总共具有2n个可能的模式。根据过程模型的状态参量,混合DAP的不同部分因而被激活或去激活,使得混合DAP的特定模式比是全能的并且包括所有可能的模式的混合DAP复杂一点点(在广泛的意义上)。
混合DAP利用所有在所述混合DAP中发生的、与状态参量相关联的导致混合DAP的不同模式的条件被转化为可实施的、模式非特定的过程模型,其中计算过程总体上基于所述过程模式。这种混合DAP的复杂性仅仅由于这样的过程模型的部分显著的参量而带来显著的困难、尤其是在可实时计算性方面的困难。发生的是:混合DAP基于被包含在其中的情况差别(Fallunterscheidung)而不能良好地在数学上被优化,这对于运行时间性能同样是不利的。
为了能够基于较细的、模式特定的过程模型在每个时间步骤中执行计算过程,可以设想,从混合DAP中提取所有可能的模式特定的DAP,其中这些模式特定的DAP中的每一个是无情况差别的并且由此由混合DAP的所有不需要的部分排除(bereinigten),由此每个模式特定的DAP能够利用已知的数学方法被优化并且能够被转化为“快速的”可实施的模式特定的过程模型。所有可能的可实施的模式特定的过程模型的全部于是能够被输送给一群可实施的模式特定的过程模型。该实施方式在实际中是有问题的,因为可实施的模式特定的过程模型的群可能是极其大的(在n个二进制情况差别的情况下2n个可实施的模式特定的过程模型)以及引起显著的存储需求并且此外混合DAP的预处理可能是非常缓慢的。即使当在实时实施之前实际上出现的模式是已知的并且不是所有可能的可实施的模式特定的过程模型而是仅仅确定的可实施的模式特定的过程模型必须被提取并且被产生时,这经常也适用。
在计算过程中,于是通过状态参量的分析来确定混合DAP的当前模式,在混合DAP的当前模式与混合DAP的先前有效的模式偏离时,接着从可实施的模式特定的过程模型的群中选择与当前模式相应的可实施的模式特定的过程模型并且作为另外的计算的基础。
发明内容
因此,本发明所基于的任务是:提供用于计算混合DAP的状态参量的方法,利用该方法在尽可能地减少过程计算机的存储负荷的情况下混合DAP的不同模式的快速计算是可能的。
所导出的和描述的任务在先前阐述的用于计算混合微分代数过程模型的状态参量的方法的情况下通过如下方式被解决:对于计算的运行时间在预测过程中通过分析状态参量确定混合DAP的至少一个可能的将来的模式,从混合DAP中提取与所确定的可能的将来的模式相应的模式特定的DAP,从所提取的模式特定的DAP中产生可实施的模式特定的过程模型并且输送给可实施的模式特定的过程模型的群。
在可实施的模式特定的过程模型的前述群中维持这种模式特定的过程模型,其基于状态参量的当前值的将来应用看起来是可能的。例如当该模式特定的过程模型是混合DAP的唯一可能的将来的序列模式而或者是混合DAP的主要可能的序列模式时,该群也可以仅仅包含唯一的可实施的模式特定的过程模型。
如果例如以以下为出发点,即通过混合DAP在过程计算机上计算具有所属的传动支路的发动机,则可以设想的是:不同的传动级构成相对应的混合DAP的不同模式。如果还以以下为出发点,即换档通常单级地进行,则当前所使用的档位级别(Gangstufe)的直接相邻的档位级别是对于将来使用的档位和从而对于混合DAP的可能的将来的模式的合理假设。
在前述预测过程中考虑总是基于过程模型的状态参量的分析的这样的考虑。于是从考虑所有情况构型的广泛的混合DAP中提取与可能出现的将来的模式相应的模式特定的DAP,也可能提取仅仅唯一的模式特定的DAP,其中从每个所提取的模式特定的DAP中于是产生可实施的模式特定的过程模型,也即在过程计算机上可实施的代码。
在本发明方法的特别有利的扩展方案中规定:预测过程与计算过程同时被实施。优选地,这在设备技术上通过如下方式实现:计算过程和预测过程在不同的计算单元上实施,尤其也即在过程计算机的不同的计算单元上实施。这些计算单元例如可以是过程计算机的不同处理器而或者也可以是过程计算机的处理器的不同内核,重要的仅仅是:这里可执行计算过程和预测过程的真实并行性。
过程模型(无论何种类型)在过程计算机上借助数值方法在相继的时间步骤中被计算,其中计算可以完全以不同的时间帧(采样频率)完成。在每个时间以及从而计算步骤的开始,无论如何必须检测计算所基于的当前数据,也即状态参量的值,所述值或者是先前计算的时间步骤的结果,或者也当前由过程通过过程接口被检测了。在这种时间步骤内计算过程的结果于是是状态参量的新的组,所述状态参量必要时通过过程计算机的过程接口也作为输出参量被输出用于影响所连接的物理过程。
基于新确定的当前的状态参量于是有可能决定是否可能存在模式变换。为了总共地在统一的数据库上执行预测过程,因此在该方法的优选的扩展方案中规定,基于一致的状态参量进行预测过程,也即基于来自共同的时间步骤的状态参量的组,而也即不基于来自不同时间步骤的状态参量的组。尤其是这里可以规定,以比预测过程高的优先级实施计算过程,使得即使预测过程被暂缓,无论如何在所使用的时间帧中存在当前的状态数据。所基于的经验是:大多在发生模式变换之前在混合DAP的模式内执行计算过程的大量时间步骤以及从而计算步骤。
按照本发明方法的另一个优选的扩展方案,通过状态参量的外插在预测过程内进行状态参量的分析,其方式是,也即将状态参量的过去的发展通过相应的数学外插方法投影到计算过程的将来时间步骤的区域中。这例如可以通过线性外插或也通过多项式外插来实现,其中可以考虑状态参量的不同数量的先前的值。在前述方法的特别有利的变型方案中,仅仅考虑模式相关的状态参量用于外插,也即用于切换混合DAP的不同模式的条件有关的那些状态参量。
在本发明方法的另一个特别有利的扩展方案中规定,与先前有效的模式相邻的、混合DAP的这种将来的模式被归为可能的。在此,这种模式可以被看作相邻的:所述模式按照经验作为序列模式出现,如开头借助传动装置的档位级别的例子所阐述的,但是通过状态参量的尽可能小的变化所实现的这种模式也可以完全一般地被看作相邻的。该方法尤其是在混合DAP的被外部确定的状态参量影响的这种模式情况下是极可能的。这可以例如是与操作者有关并且从而隶属于操作者专制的状态参量、或者也可以是为通过过程接口连接的物理过程的状态参量并且由过程计算机通过过程接口所接收的这种状态参量。就此而言,这里特别有利的是:通过外部确定的状态参量的尽可能小的变化所实现的这种模式作为先前有效的模式被看作是相邻的。
在构成本发明的方法的另一个优选的扩展方案中规定,对混合DAP的可能的将来的模式所产生的可实施的模式特定的过程模型被保留在群中,使得该群不仅包含完全当前所确定的可能的将来的模式或与所述模式相对应的模式特定的过程模型,而且包含另外的可实施的模式特定的过程模型,其相应于或已相应于以前的、作为可能的而确定的将来的模式。该方法变型方案考虑如下情景:可能的将来的模式的确定、而尤其还有可实施的模式特定的过程模型的产生导致显著的计算耗费,所述计算耗费只要无论如何在过程计算机上存在足够的存储器则可以通过预先描述的措施被减少。由此总共地增大了能够同时实时地实施计算过程和预测过程两者的可能性,从而能够以较大的可能性遵守对该方法的实时要求。特别有利的是:在该群中总是存在(也即维持)最大数量的可实施的模式特定的过程模型。
尽管持续地给该群配备所选择的可实施的模式特定的过程模型,理论上存在如下可能性:通过分析状态参量确定混合DAP的当前模式,针对该当前模式该群不包含相对应的可实施的模式特定的过程模型,该过程模型因此也不能作为另外的计算的基础。在该情况下规定:在群中缺少与混合DAP的所确定的当前模式相应的可实施的模式特定的过程模型情况下,从混合DAP中提取与所确定的可能的将来的模式相应的模式特定的DAP,从所提取的模式特定的DAP中产生并且使用可实施的模式特定的DAP,尤其是也输送给该群。
对于该方法的该进一步发展方案代替地,也可以规定,为了在还未从混合DAP中提取相对应的可实施的模式特定的过程模型的时间步骤中计算状态参量,简单地考虑与完整的混合DAP相应的可实施的过程模型用于计算状态参量,即使这可能持续比模式特定的可实施的过程模型的计算显著长的时间。
最后,先前所说明的任务在开头描述的具有用于将过程计算机耦合到物理过程上的过程接口的过程计算机方面也通过如下方式被解决:该过程计算机被设计,使得其可以实施本发明的方法和用于在相继的时间步骤中计算混合微分代数过程模型的状态参量的本发明方法的先前描述的优选的进一步发展方案。
附图说明
详细地,现在有设计并且改进用于计算混合微分代数过程模型的状态参数的本发明方法的大量可能性。为此,一方面参考权利要求1的从属权利要求,另一方面参考结合附图对实施例的下面的描述。在附图中:
图1 示出用于应用具有过程计算机的本发明方法的具体的情形,其中该过程计算机通过接口与物理过程连接,
图2 示出用于计算混合微分代数过程模型的状态参量的本发明方法的部分、尤其是也即计算过程,
图3示出通过本发明方法的预测过程补充的按照图2的方法,以及
图4示出本发明的方法对于群不具有所需要的可实施的模式特定的过程模型的情况的扩展方案。
具体实施方式
在图1中示出了具有过程接口2的过程计算机1,其中该过程计算机1被设立为:可以通过过程接口2由过程计算机1检测物理过程3的至少一个过程参量xP和/或可以由过程计算机1输出(没有明确示出的)用于影响物理过程3的输出参量。这是典型的按照硬件的情形,其中实施后面详细讨论的用于在相继的时间步骤中计算混合微分代数过程模型hDAP的状态参量x的方法。
状态参量x的集合由仅仅在过程计算机上用于计算混合微分代数过程模型hDAP所使用的状态参量,其中所述状态参量可以在其侧部分地也作为用于影响物理过程3的输出参量由过程计算机1输出,以及为物理过程3的过程参量并且因此来自物理过程3并且通过过程接口2被传输给过程计算机1的这种状态参量xP组成。
过程计算机1例如可以是控制设备,在该控制设备中为了执行复杂的调节任务而计算混合DAP hDAP。但是过程计算机也可以是模拟器,在该模拟器上通过过程接口作为过程3连接要测试的硬件组件(被测器件(Device Under Test),DUT),例如控制设备,其中用作模拟器的过程计算机3在一定程度上模拟所连接的物理过程3的外界。
因为物理过程3自然实时地运行,因此混合DAP hDAP在过程计算机1上的计算也必须实时地进行。这意味着:在过程计算机1上通常应用的用于计算混合DAP hDAP的数值方法必须以由相继的时间步骤定义的采样频率来实施。典型的采样周期持续时间处于毫秒和其小数(Bruchteilen)的范围内。为了能够满足实时要求,在混合DAP hDAP的数学准备和优化方面采取显著努力。
混合DAP在过程计算机1上的数学处理的可能性在于:在过程模型中保留构成DAP的混合性的条件并且从该混合DAP中产生可实施的混合过程模型(hDAPexe)。用于计算状态参量的该可实施的混合过程模型hDAPexe在一方面虽然是包括一切的,也即包含混合过程模型的每个情况构型,但是在另一方面也是非常广泛的和密集计算的。
出于上述原因,在图2至4中所示的方法中规定:对于计算的运行时间在计算过程中通过分析状态参量x来确定混合DAP的当前模式mt+1,在混合DAP的当前模式mt+1与混合DAP的先前有效的模式mt偏离情况下,从可实施的模式特定的过程模型mDAPexe的群4中选择与当前模式mt+1相应的可实施的模式特定的过程模型mDAPt+1,exe并且作为另外的计算的基础。
该计算过程因此所基于的构思是:不使用完整的可实施的混合过程模型hDAPexe用于计算状态参量x,而是总是使用按照各自所需的模式定制的、在群4中维持的可实施的模式特定的过程模型mDAPt+1,exe。该模式特定的过程模型作为从混合DAP hDAP中的提取物丝毫不再包含可能引起方程组的结构变化的条件。因此可实施的模式特定的过程模型mDAPt+1,exe可以比可实施的总过程模型hDAPexe快得多地被实施。
在图2中可以识别出:在计算的时间步骤中从先前有效的状态参量x t中计算当前的状态参量x t+1,其中状态参量x tx t+1的值通过先前有效的模式mt和当前模式mt+1来决定。从先前有效的状态参量x t对当前的状态参量x t+1的计算借助属于目前识别的模式的可实施的模式特定的过程模型mDAPt,exe被执行。
在计算步骤之后检验:混合DAP hDAP的当前模式mt+1是否与混合DAP hDAP的先前确定的模式mt一致,并且在两个模式偏离时从群4中取出与新的当前模式mt+1相应的可实施的模式特定的过程模型mDAPt+1,exe,并且作为另外的计算的基础,在图2中通过在群4与计算过程之间的弓形的箭头来表明。
此外,这里讨论的方法的特点还在于预测过程,该预测过程在图3中以对于图2的计算过程的补充被示出。在预测过程中,通过分析状态参量x确定混合DAP的至少一个可能的将来的模式mi,mj,mk,从混合DAP hDAP中提取与所确定的可能的将来的模式mi,mj,mk相应的模式特定的DAP mDAPi,mDAPj,mDAPk,从所提取的模式特定的DAP mDAPi,mDAPj,mDAPk中产生可实施的模式特定的过程模型mDAPi,exe,mDAPj,exe,mDAPk,exe,并输送给群4。 
如果表明发生了模式变换、也即在先前有效的模式mt和当前模式mt+1之间存在差别,则按照先前描述的计算过程检验:在群4中是否存在与当前模式mt+1相应的可实施的模式特定的过程模型mDAPt+1,exe。在图3中可识别出:在群4中实际存在所需的可实施的模式特定的过程模型mDAPt+1,exe,即以可实施的模式特定的过程模型mDAPj,exe的形式。
在图3中同样示出了:在预测过程范围内在认识混合DAP的可能的将来的模式mi,mj,mk 的情况下,从混合DAP hDAP中提取相应的模式特定的DAP mDAPi,mDAPj,mDAPk,这除了混合DAP hDAP由所有构成DAP的混合性的条件排除并且仅仅保持过程模型的、为了计算相应模式必要的那些部分之外,不意味什么。于是从例如以C代码形式存在的所提取的模式特定的DAP mDAPi,mDAPj,mDAPk中当前通过C代码的汇编产生可实施的模式特定的过程模型 mDAPi,exe,mDAPj,exe和mDAPk,exe
可能发生:群4不包含为另外的计算所需的该可实施的模式特定的过程模型。该情形在图4中示出,其中示出了:群4的成员、也即与可能的将来的模式mi,mj,mk相应的可实施的模式特定的过程模型 mDAPi,exe,mDAPj,exe,mDAPk,exe没有一个相应于实际所需的可实施的模式特定的过程模型mDAPt+1,exe。在这种情况下,作为回避解决方案,例外地使用可实施的混合过程模型hDAPexe用于计算状态参量x,这虽然带来了计算较缓慢的缺点,但是保证了计算在正确的模式下进行。 

Claims (16)

1.用于在具有过程接口(2)的过程计算机(1)上在相继的时间步骤中计算混合微分代数过程模型(混合DAP,hDAP)的状态参量(x)的方法,其中该过程计算机(1)被设立为:使得通过过程接口(2)可以由过程计算机(1)检测物理过程(3)的至少一个过程参量(xp)和/或由过程计算机(1)输出用于影响该物理过程(3)的输出参量并且在计算过程中通过分析状态参量(x)来确定混合DAP(hDAP)的当前模式(mt+1),在混合DAP(hDAP)的当前模式(mt+1)与混合DAP(hDAP)的先前有效的模式(mt)偏离时,从可实施的模式特定的过程模型(mDAPexe)的群中选择与当前模式(mt+1)相应的可实施的模式特定的过程模型(mDAPt+1,exe)并且作为另外的计算的基础,
其特征在于,对于计算的运行时间在预测过程中通过分析状态参量(x)确定混合DAP(hDAP)的至少一个可能的将来的模式(mi,mj,mk),从混合DAP(hDAP)中提取与所确定的可能的将来的模式(mi,mj,mk)相应的模式特定的DAP(mDAPi,mDAPj,mDAPk),从所提取的模式特定的DAP(mDAPi,mDAPj,mDAPk)中产生可实施的模式特定的过程模型(mDAPi,exe,mDAPj,exe,mDAPk,exe)并且输送给群(4)。
2.根据权利要求1所述的方法,其特征在于,预测过程与计算过程同时被实施,尤其是,计算过程和预测过程在不同的计算单元上被实施,尤其在过程计算机(1)的不同计算单元上被实施,尤其在过程计算机(1)的不同处理器上被实施。
3.根据权利要求1或2所述的方法,其特征在于,基于一致的状态参量进行预测过程,尤其是以比预测过程高的优先级实施计算过程。
4.根据权利要求1至2之一所述的方法,其特征在于,通过状态参量(x)的外插在预测过程内进行状态参量(x)的分析,尤其是仅仅通过模式相关的状态参量的外插。
5.根据权利要求1至2之一所述的方法,其特征在于,与先前有效的模式相邻的、混合DAP(hDAP)的这种将来的模式(mi,mj,mk)被归为可能的,尤其是也即通过状态参量的尽可能小的变化而实现的这种模式。
6.根据权利要求1至2之一所述的方法,其特征在于,对混合DAP(hDAP)的所确定的可能的将来的模式(mi,mj,mk)产生的可实施的模式特定的过程模型(mDAPi,exe ,mDAPj,exe,mDAPk,exe)被保留在群中,尤其是直至在群中存在最大数量的可实施的模式特定的过程模型。
7.根据权利要求1至2之一所述的方法,其特征在于,在群中缺少与混合DAP(hDAP)的所确定的当前模式(mt+1)相应的可实施的模式特定的过程模型(mDAPt+1,exe)情况下,从混合DAP(hDAP)中提取与所确定的可能的将来的模式(mt+1)相应的模式特定的DAP(mDAPt+1),从所提取的模式特定的DAP(mDAPt+1)中产生并且使用可实施的模式特定的过程模型(mDAPt+1,exe),尤其是也输送给群。
8.根据权利要求1至2之一所述的方法,其特征在于,在群中缺少与混合DAP(hDAP)的所确定的当前模式(mt+1)相应的可实施的模式特定的过程模型(mDAPt+1,exe)情况下,使用可实施的混合过程模型(hDAPexe)来计算状态参量(x)。
9.用于在具有过程接口(2)的过程计算机(1)上在相继的时间步骤中计算混合微分代数过程模型(混合DAP,hDAP)的状态参量(x)的装置,其中该过程计算机(1)被设立为:使得通过过程接口(2)可以由过程计算机(1)检测物理过程(3)的至少一个过程参量(xp)和/或由过程计算机(1)输出用于影响该物理过程(3)的输出参量并且在计算过程中通过分析状态参量(x)来确定混合DAP(hDAP)的当前模式(mt+1),在混合DAP(hDAP)的当前模式(mt+1)与混合DAP(hDAP)的先前有效的模式(mt)偏离时,从可实施的模式特定的过程模型(mDAPexe)的群中选择与当前模式(mt+1)相应的可实施的模式特定的过程模型(mDAPt+1,exe)并且作为另外的计算的基础,
其特征在于,所述装置具有如下部件:用于对于计算的运行时间在预测过程中通过分析状态参量(x)确定混合DAP(hDAP)的至少一个可能的将来的模式(mi,mj,mk)的部件,用于从混合DAP(hDAP)中提取与所确定的可能的将来的模式(mi,mj,mk)相应的模式特定的DAP(mDAPi,mDAPj,mDAPk)的部件,用于从所提取的模式特定的DAP(mDAPi,mDAPj,mDAPk)中产生可实施的模式特定的过程模型(mDAPi,exe,mDAPj,exe,mDAPk,exe)的部件,以及用于将可实施的模式特定的过程模型(mDAPi,exe,mDAPj,exe,mDAPk,exe)输送给群(4)的部件。
10.根据权利要求9所述的装置,其特征在于,预测过程与计算过程同时被实施,尤其是,计算过程和预测过程在不同的计算单元上被实施,尤其在过程计算机(1)的不同计算单元上被实施,尤其在过程计算机(1)的不同处理器上被实施。
11.根据权利要求9或10所述的装置,其特征在于,基于一致的状态参量进行预测过程,尤其是以比预测过程高的优先级实施计算过程。
12.根据权利要求9至10之一所述的装置,其特征在于,通过状态参量(x)的外插在预测过程内进行状态参量(x)的分析,尤其是仅仅通过模式相关的状态参量的外插。
13.根据权利要求9至10之一所述的装置,其特征在于,与先前有效的模式相邻的、混合DAP(hDAP)的这种将来的模式(mi,mj,mk)被归为可能的,尤其是也即通过状态参量的尽可能小的变化而实现的这种模式。
14.根据权利要求9至10之一所述的装置,其特征在于,对混合DAP(hDAP)的所确定的可能的将来的模式(mi,mj,mk)产生的可实施的模式特定的过程模型(mDAPi,exe ,mDAPj,exe,mDAPk,exe)被保留在群中,尤其是直至在群中存在最大数量的可实施的模式特定的过程模型。
15.根据权利要求9至10之一所述的装置,其特征在于,在群中缺少与混合DAP(hDAP)的所确定的当前模式(mt+1)相应的可实施的模式特定的过程模型(mDAPt+1,exe)情况下,从混合DAP(hDAP)中提取与所确定的可能的将来的模式(mt+1)相应的模式特定的DAP(mDAPt+1),从所提取的模式特定的DAP(mDAPt+1)中产生并且使用可实施的模式特定的过程模型(mDAPt+1,exe),尤其是也输送给群。
16.根据权利要求9至10之一所述的装置,其特征在于,在群中缺少与混合DAP(hDAP)的所确定的当前模式(mt+1)相应的可实施的模式特定的过程模型(mDAPt+1,exe)情况下,使用可实施的混合过程模型(hDAPexe)来计算状态参量(x)。
CN201080034093.XA 2010-10-06 2010-10-06 用于计算混合微分代数过程模型的状态参量的方法和过程计算机 Expired - Fee Related CN102667781B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2010/006095 WO2012045322A1 (de) 2010-10-06 2010-10-06 Verfahren und prozessrechner zur berechnung der zustandsgrössen eines hybriden differential-algebraischen prozessmodells

Publications (2)

Publication Number Publication Date
CN102667781A CN102667781A (zh) 2012-09-12
CN102667781B true CN102667781B (zh) 2014-11-26

Family

ID=44148413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080034093.XA Expired - Fee Related CN102667781B (zh) 2010-10-06 2010-10-06 用于计算混合微分代数过程模型的状态参量的方法和过程计算机

Country Status (5)

Country Link
US (1) US9239893B2 (zh)
EP (1) EP2517129B1 (zh)
JP (1) JP5328987B2 (zh)
CN (1) CN102667781B (zh)
WO (1) WO2012045322A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598681B (zh) * 2015-01-14 2017-08-11 清华大学 基于缓慢特征分析的过程监控方法和系统
CN106295114B (zh) * 2016-07-15 2018-12-18 浙江大学城市学院 双线盾构隧道施工对地下管线安全造成影响的评估方法
DE102017219673A1 (de) * 2017-11-06 2019-05-09 Robert Bosch Gmbh Verfahren, Vorrichtung und Computerprogram zur Detektion eines Objektes

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1607398A (zh) * 2003-10-13 2005-04-20 上海燃料电池汽车动力系统有限公司 实时估计动力蓄电池模型中状态变量的方法
CN101063979A (zh) * 2006-04-28 2007-10-31 中国科学院计算技术研究所 一种支持随机指令测试的微处理器fpga验证装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000215181A (ja) * 1999-01-21 2000-08-04 Fujitsu Ltd ネットワ―クコンピュ―タシステム及び代理コンパイルサ―バ装置
US6711723B2 (en) * 2000-04-28 2004-03-23 Northrop Grumman Corporation Hybrid semi-physical and data fitting HEMT modeling approach for large signal and non-linear microwave/millimeter wave circuit CAD
US6937966B1 (en) * 2000-06-09 2005-08-30 International Business Machines Corporation System and method for on-line adaptive prediction using dynamic management of multiple sub-models
JP4564255B2 (ja) * 2002-12-26 2010-10-20 株式会社東芝 シミュレーション装置
ATE522862T1 (de) * 2008-05-13 2011-09-15 Dspace Gmbh Verfahren zur ausführung von tasks zur berechnung eines zu simulierenden signals in echtzeit
ATE518171T1 (de) * 2008-05-29 2011-08-15 Dspace Gmbh Verfahren und simulator zur echtzeitberechnung der zustandsgrössen eines prozessmodells
US8352229B1 (en) * 2009-01-26 2013-01-08 Xilinx, Inc. Reloadable just-in-time compilation simulation engine for high level modeling systems
US8457767B2 (en) * 2010-12-31 2013-06-04 Brad Radl System and method for real-time industrial process modeling

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1607398A (zh) * 2003-10-13 2005-04-20 上海燃料电池汽车动力系统有限公司 实时估计动力蓄电池模型中状态变量的方法
CN101063979A (zh) * 2006-04-28 2007-10-31 中国科学院计算技术研究所 一种支持随机指令测试的微处理器fpga验证装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Tomas Krilavicius.Hybrid techniques for hybrid system.《http://doc.utwente.nl/57124》.2006, *

Also Published As

Publication number Publication date
EP2517129B1 (de) 2017-05-24
US20130185031A1 (en) 2013-07-18
US9239893B2 (en) 2016-01-19
WO2012045322A1 (de) 2012-04-12
JP5328987B2 (ja) 2013-10-30
JP2013503408A (ja) 2013-01-31
CN102667781A (zh) 2012-09-12
EP2517129A1 (de) 2012-10-31

Similar Documents

Publication Publication Date Title
Pani et al. An FPGA platform for real-time simulation of spiking neuronal networks
Gokhale et al. Physics informed neural networks for control oriented thermal modeling of buildings
Vanfretti et al. iTesla Power Systems Library (iPSL): A Modelica library for phasor time-domain simulations
CN104793983B (zh) 用于模拟自动化工业设备的方法和模拟装置
CN109492256B (zh) 一种动态系统状态概率映射矩阵多向搜索方法
Sankaran et al. An efficient framework for optimization and parameter sensitivity analysis in arterial growth and remodeling computations
CN104461881A (zh) 一种面向icd的arinc429总线信号仿真测试组件
KR20130122853A (ko) 원자력발전소 훈련용 시뮬레이터의 실시간 중대사고 모의 시스템 및 그 방법
CN102667781B (zh) 用于计算混合微分代数过程模型的状态参量的方法和过程计算机
CN104573277A (zh) 一种车辆悬架系统性能分解方法
CN107797463A (zh) 一种多轴电力推进半实物模拟试验平台的仿真方法
CN102737743B (zh) 一种核电站主控室盘台布局的方法和系统
CN115577641A (zh) 一种数字孪生模型的训练方法、装置、设备及介质
KR20130107874A (ko) 철강공정용 가상설비 시스템 및 그의 동작 방법
Nguyen et al. Synchronization conditions and real-time constraints in co-simulation and hardware-in-the-loop techniques for cyber–physical energy system assessment
CN110847111B (zh) 基于半实物仿真的获取水电站闸门调度参数的方法
Tych et al. A Matlab software framework for dynamic model emulation
Sodja et al. Cyber-physical modelling in Modelica with model-reduction techniques
CN104036118B (zh) 一种电力系统并行化轨迹灵敏度获取方法
US20100057429A1 (en) Method and apparatus for parallelization of sequential power simulation
Gonzalez Villarreal et al. Shifting strategy for efficient block‐based non‐linear model predictive control using real‐time iterations
CN105488579A (zh) 一种基于生产线平衡的产能规划与优化的系统及方法
JP6034614B2 (ja) 情報処理装置およびその方法
CN111651354B (zh) 一种实时仿真的不确定度量化加速方法
KR20120060993A (ko) 효율적 시뮬레이션 정보 수집을 위한 실험 틀 및 이를 이용한 시뮬레이션 방법 및 시스템

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20141126

Termination date: 20201006

CF01 Termination of patent right due to non-payment of annual fee