CN112100817B - 基于分布式仿真系统的异构io数据智能转换方法及系统 - Google Patents
基于分布式仿真系统的异构io数据智能转换方法及系统 Download PDFInfo
- Publication number
- CN112100817B CN112100817B CN202010843675.8A CN202010843675A CN112100817B CN 112100817 B CN112100817 B CN 112100817B CN 202010843675 A CN202010843675 A CN 202010843675A CN 112100817 B CN112100817 B CN 112100817B
- Authority
- CN
- China
- Prior art keywords
- simulation
- acquisition
- data
- board card
- simulation system
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L49/00—Packet switching elements
- H04L49/30—Peripheral units, e.g. input or output ports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于分布式仿真系统的异构IO数据智能转换方法及系统,包括:建立分布式IO采集系统;根据各类板卡的输入通道、输出通道和输入输出关系建立IO板卡模型,并通过C++进行实例化封装;基于实例化IO板卡模型输入和输出对应关系建立IO板卡模型间数据关系表,形成XML配置文件;仿真管理计算机将实例化后的各类IO板卡模型和XML配置文件通过以太网的UDP协议传输至各仿真系统IO采集计算机;运行各仿真系统IO采集计算机中的仿真程序,完成各仿真系统间异构IO数据的交互与类型转换;本发明通过采用IO板卡模型化技术特征,实现了对各类IO板卡模型高效管理有益效果。
Description
技术领域
本发明涉及分布式仿真领域,具体地,涉及一种基于分布式仿真系统的异构IO数据智能转换方法及系统,更为具体地,涉及一种基于分布式实时仿真系统的异构IO数据智能转换方法,不同仿真系统采集的异构IO数据提供一种高效率的、智能的转换方法。
背景技术
分布式实时仿真系统一般由不少于三个实时仿真系统组成,整个系统有且只有一个中心节点。各系统同属于一个地理位置,但其距离一般大于1km,,系统通信网络由高速反射内存网络和高速以太网构成。分布式实时仿真系统可以高效的整合实时仿真资源,在制导、交通、医疗等领域都已经逐步走向实用。
在分布式实时仿真系统中,各子系统需要对仿真对象进行不同类型的IO信号采集与信号注入,例如,模拟量、开关量、422、Can、1553B等。很多情况下各仿真系统间需要实时交互采集的IO数据,实时对异构IO数据进行转换,例如仿真系统1实时采集的模拟量数据要通过仿真系统2的Can总线发送至仿真对象;仿真系统2实时采集的422数据需要通过仿真系统3的DA板卡转换为模拟量信号注入仿真对象。传统的分布式仿真系统只能通过仿真人员根据需求不断地修改各系统IO计算机采集代码,系统越复杂,IO数据类型越多,工作量会成几何倍数的增长,代码的复杂程度不断上升,系统的通用化和可拓展性能力大打折扣。
通过发明一种基于分布式仿真系统的异构IO数据智能转换方法,该方法对各类IO板卡进行抽象化设计,将板卡抽象为带有多输入输出端和内部参数的数学模型,对该模型进行C++实例化封装,根据分布式仿真试验需求建立模型间数据关系表,形成相应的XML配置文件,仿真管理计算机将各类板卡模型和XML数据关系文件通过高速以太网加载到仿真系统1、2和3的IO采集计算机中,最后仿真管理计算机通过向以太网络中依发送加载、仿真初始化、仿真运行指令启动分布式实时仿真程序完成系统间的智能IO数据交互与转换。
专利文献CN110442629A(申请号:201910710423.5)公开了一种大数据多中心异构动态数据转换方法,该方法包括获取子系统发送的第一数据查询请求信息,根据子系统的信息从多维数据字典数据库中获取子系统的数据模型并对获取的数据模型进行解析;根据解析的结果向虚拟数据源发出第二数据查询请求信息,并判断查询的数据是否为执行预设运算的数据,如不是,由虚拟数据源向实际数据源发出第三数据查询请求信息,根据子系统的数据模型以及映射规则,将所接收的数据转换成子系统对应的数据形态,并将转换后的数据发送至子系统。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于分布式仿真系统的异构IO数据智能转换方法及系统。
根据本发明提供的一种基于分布式仿真系统的异构IO数据智能转换方法,包括:
步骤M1:基于包括仿真管理计算机、以太网交换机、单模/多模光纤交换机、仿真系统IO采集计算机建立分布式IO采集系统;
步骤M2:根据各类板卡的输入通道、输出通道和输入输出关系建立IO板卡模型,并通过C++进行实例化封装;
步骤M3:基于实例化IO板卡模型输入和输出对应关系建立IO板卡模型间数据关系表,形成XML配置文件;
步骤M4:仿真管理计算机将实例化后的各类IO板卡模型和XML配置文件通过以太网的UDP协议传输至各仿真系统IO采集计算机;
步骤M5:运行各仿真系统IO采集计算机中的仿真程序,完成各仿真系统间异构IO数据的交互与类型转换;
所述IO板卡模型通过抽象的方式,将各类板卡的接口、板卡参数抽象为具有多个输入输出接口以及内部参数的数学模型。
优选地,所述步骤M1包括:
步骤M1.1:将仿真管理计算机通过以太网交换机与预设个仿真系统IO采集计算机连接,构建中心控制节点;
步骤M1.2:通过单模/多模光纤交换机、光纤反射内存卡、多模光纤和单模光纤将中心控制节点与各仿真系统进行连接,构建高速通信网络,从而进行IO数据快速交互;
步骤M1.3:将各仿真系统被采集设备IO接口按对应关系与IO采集计算机的各类板卡进行连接。
优选地,所述步骤M2包括:
步骤M2.1:建立包括AD/DA、Rs422和Can的IO板卡模型;
步骤M2.2:对建立好的IO板卡模型通过C++进行实例化封装。
优选地,所述各仿真系统IO采集计算机包括AD/DA、Rs422和Can的接口板卡,仿真系统被采集设备各类信号通过采集线缆与IO采集计算机各类板卡接口连接,实现接口信号的原始数据采集。
优选地,所述步骤M4包括:利用集成开发环境软件对实例化后的各类IO板卡模型进行编译,仿真管理计算机将编译后的可执行二进制文件和XML配置文件发送至各仿真系统的IO采集计算机。
优选地,所述步骤M5包括:各仿真系统IO采集计算机通过光纤反射内存卡和单模/多模光纤交换机形成的高速通信网络进行IO数据快速交互。
优选地,所述步骤M5包括:仿真管理计算机依次向各仿真系统IO采集计算机发送加载、仿真初始化、仿真运行和仿真结束指令;
所述加载指令是各IO采集计算机对XML文件进行解析,将输入输出关系映射至IO板卡模型的pInput和pOutput的指针对应关系;
所述初始化指令对各板卡进行参数初始化和板卡设备初始化;
所述仿真运行指令对每个仿真周期内板卡采集数据处理;
所述仿真结束指令对每个板卡进行复位操作。
根据本发明提供的一种基于分布式仿真系统的异构IO数据智能转换系统,包括:
基于包括仿真管理计算机、以太网交换机、单模/多模光纤交换机、仿真系统IO采集计算机建立分布式IO采集系统;
根据各类板卡的输入通道、输出通道和输入输出关系建立IO板卡模型,并通过C++进行实例化封装;
基于实例化IO板卡模型输入和输出对应关系建立IO板卡模型间数据关系表,形成XML配置文件;
仿真管理计算机将实例化后的各类IO板卡模型和XML配置文件通过以太网的UDP协议传输至各仿真系统IO采集计算机;
运行各仿真系统IO采集计算机中的仿真程序,完成各仿真系统间异构IO数据的交互与类型转换;
所述IO板卡模型通过抽象的方式,将各类板卡的接口、板卡参数抽象为具有多个输入输出接口以及内部参数的数学模型。
优选地,所述建立分布式IO采集系统包括:
将仿真管理计算机通过以太网交换机与预设个仿真系统IO采集计算机连接,构建中心控制节点;
通过单模/多模光纤交换机、光纤反射内存卡、多模光纤和单模光纤将中心控制节点与各仿真系统进行连接,构建高速通信网络,从而进行IO数据快速交互;
将各仿真系统被采集设备IO接口按对应关系与IO采集计算机的各类板卡进行连接。
优选地,所述各仿真系统IO采集计算机包括AD/DA、Rs422和Can的接口板卡,仿真系统被采集设备各类信号通过采集线缆与IO采集计算机各类板卡接口连接,实现接口信号的原始数据采集。
与现有技术相比,本发明具有如下的有益效果:
1、本发明可以灵活控制各仿真系统IO数据流方向和仿真系统间异构IO数据类型转换;
2、通过采用IO板卡模型化技术特征,实现了对各类IO板卡模型高效管理有益效果;
3、通过采用了建立模型间数据关系技术特征,实现了快速变换分布式仿真系统间IO数据关系的有益效果。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为具体实施方式中所述分布式仿真系统结构示意图
图2为具体实施方式中所述板卡抽象模型原理示意图
图3为具体实施方式中模型实例化封装C++函数示意图
图4为具体实施方式中各系统IO模型间数据关系示意图
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
基于目前的分布式实时仿真系统对于系统间异构IO数据转换通用化程度不高、可拓展性不强的缺点,本发明目的是提供一种基于分布式实时仿真系统的异构IO数据智能转换方法,为不同仿真系统采集的异构IO数据进行高效率的转换,提高分布式仿真系统的通用性和可拓展性,大幅度提高仿真效率。
实施例1
根据本发明提供的一种基于分布式仿真系统的异构IO数据智能转换方法,包括:
步骤M1:基于包括仿真管理计算机、以太网交换机、单模/多模光纤交换机、仿真系统IO采集计算机建立分布式IO采集系统;
步骤M2:根据各类板卡的输入通道、输出通道和输入输出关系建立IO板卡模型,并通过C++进行实例化封装;
步骤M3:基于实例化IO板卡模型输入和输出对应关系建立IO板卡模型间数据关系表,形成XML配置文件;
步骤M4:仿真管理计算机将实例化后的各类IO板卡模型和XML配置文件通过以太网的UDP协议传输至仿真系统1、仿真系统2和仿真系统3的IO采集计算机;
步骤M5:运行各仿真系统IO采集计算机中的仿真程序,完成各仿真系统间异构IO数据的交互与类型转换;
所述IO板卡模型通过抽象的方式,将各类板卡的接口、板卡参数抽象为具有多个输入输出接口以及内部参数的数学模型。即IO板卡模型就是物理板卡,根据其输入、输出、板卡参数、输入和输出关系建立的一种图形化的模型,如图2所示。
具体地,所述步骤M1包括:
步骤M1.1:将仿真管理计算机通过以太网交换机与其他三个仿真系统IO采集计算机连接,构建中心控制节点;
步骤M1.2:通过单模/多模光纤交换机、VIMC光纤反射内存卡、多模光纤和单模光纤将中心控制节点与各仿真系统进行连接,构建高速通信网络,从而进行IO数据快速交互;
步骤M1.3:将各仿真系统被采集设备IO接口按对应关系与IO采集计算机的各类板卡进行连接。
具体地,所述步骤M2包括:
步骤M2.1:建立AD/DA、Rs422和Can等IO板卡模型;
步骤M2.2:对建立好的IO板卡模型通过C++进行实例化封装。
所述板卡抽象模型实例化为三个C++函数,分别为int IO_init(structSimParam*,void*pPar,void*pInput,void*pOutput,void*g_pUser)、int IO_sim(structSimParam*,void*pPar,void*pInput,void*pOutput,void*g_pUser)、int IO_end(structSimParam*,void*pPar,void*pInput,void*pOutput,void*g_pUser),分别代表模型初始化、运行和结束函数,可根据不同的板卡功能分别在函数中编写业务代码实现IO板卡模型数据采集与交互,其中,SimParam代表模型使能参数,决定了模型是否有运行,par代表模型内部设置参数,pInput代表模型输入参数,pOutput代表模型输出参数,g_pUser代表用户可以自定义的变量参数。
所述IO模型数据关系表为各实例化IO模型的输入输出对应关系,例如Rs422板卡模型的输出端1对应AD/DA板卡的输入端2,同时将表格数据转化为计算机可以识别的XML文件,等待仿真管理计算机向各仿真系统IO计算机下发。
具体地,所述各仿真系统IO采集计算机一般装有AD/DA、Rs422和Can等接口板卡,仿真系统被采集设备各类信号通过采集线缆与IO采集计算机各类板卡接口连接,实现接口信号的原始数据采集。
具体地,所述步骤M4包括:利用集成开发环境软件对实例化后的各类IO板卡模型进行编译,仿真管理计算机将编译后的可执行二进制文件和XML配置文件发送至各仿真系统的IO采集计算机。
具体地,所述步骤M5包括:各仿真系统IO采集计算机通过光纤反射内存卡和单模/多模光纤交换机形成的高速通信网络进行IO数据快速交互。
具体地,所述步骤M5包括:仿真管理计算机依次向各仿真系统IO采集计算机发送加载、仿真初始化、仿真运行和仿真结束指令;
所述加载指令是各IO采集计算机对XML文件进行解析,将输入输出关系映射至IO板卡模型的pInput和pOutput的指针对应关系;
所述初始化指令对各板卡进行参数初始化和板卡设备初始化;
所述仿真运行指令对每个仿真周期内板卡采集数据处理;
所述仿真结束指令对每个板卡进行复位操作。
根据本发明提供的一种基于分布式仿真系统的异构IO数据智能转换系统,其特征在于,包括:
基于包括仿真管理计算机、以太网交换机、单模/多模光纤交换机、仿真系统IO采集计算机建立分布式IO采集系统;
根据各类板卡的输入通道、输出通道和输入输出关系建立IO板卡模型,并通过C++进行实例化封装;
基于实例化IO板卡模型输入和输出对应关系建立IO板卡模型间数据关系表,形成XML配置文件;
仿真管理计算机将实例化后的各类IO板卡模型和XML配置文件通过以太网的UDP协议传输至各仿真系统IO采集计算机;
运行各仿真系统IO采集计算机中的仿真程序,完成各仿真系统间异构IO数据的交互与类型转换;
所述IO板卡模型通过抽象的方式,将各类板卡的接口、板卡参数抽象为具有多个输入输出接口以及内部参数的数学模型。
具体地,所述建立分布式IO采集系统包括:
将仿真管理计算机通过以太网交换机与预设个仿真系统IO采集计算机连接,构建中心控制节点;
通过单模/多模光纤交换机、光纤反射内存卡、多模光纤和单模光纤将中心控制节点与各仿真系统进行连接,构建高速通信网络,从而进行IO数据快速交互;
将各仿真系统被采集设备IO接口按对应关系与IO采集计算机的各类板卡进行连接。
具体地,所述各仿真系统IO采集计算机包括AD/DA、Rs422和Can的接口板卡,仿真系统被采集设备各类信号通过采集线缆与IO采集计算机各类板卡接口连接,实现接口信号的原始数据采集。
本发明对各类IO板卡进行抽象化设计,将板卡抽象为带有多输入输出端和内部参数的数学模型,对该模型进行C++实例化封装,根据仿真需求建立模型间数据关系表,形成相应的XML配置文件,仿真管理计算机将各类板卡模型和XML数据关系文件通过高速以太网加载到仿真系统1、2和3的IO采集计算机中,最后仿真管理计算机通过向以太网络中依发送加载、仿真初始化、仿真运行指令启动分布式实时仿真程序完成系统间的智能IO数据交互与转换。
实施例2
实施例2是实施例1的变化例
如附图1所示,将所述仿真管理计算机通过以太网交换机和长距离网线分别与仿真系统1、2和3中的IO采集计算机LAN接口连接,构建中心控制节点;将节点内的单模/多模光纤交换机通过长距离单模光纤分别与仿真系统1、和2和3的单模/多模光纤交换机相连,同时将各系统内的IO采集计算机VMIC板卡光纤接口通过多模光纤与各系统内的单模/多模光纤交换机连接,构建分布式仿真系统高速通信网络。分别将AD/DA/DIO板卡插入各系统内的IO计算机中,通过采集线缆与被采集设备连接,构建分布式IO采集系统。
按照本发明的上述实现方法中,如附图2所示,构建板卡的抽象化模型,如附图3所示,模型各输入端数据对应实际物理板卡各路输出信号,模型各输出数据对应实际物理板卡各路采集信号。对抽象模型进行C++实例化封装,形成三个C++函数:模型初始化函数、模型运行函数、模型结束函数,具体形式如附图3所示。将封装好的模型录入模型数据库,按照各系统IO采集数据转换关系和节点间IO数据流向建立模型关系数据表,形成XML模型数据关系文件,如图4所示。仿真管理计算机在集成开发环境软件中将封装好的IO板卡模型进行编译。生成可执行的二进制文件,通过以太网将该文件和试验对应的XML文件下载到各仿真系统中的IO采集计算机中。仿真管理计算机执行加载指令,各系统IO计算机收到指令后对XML文件进行解析,将模型间的输入输出指针进行绑定;仿真管理计算机运行初始化指令,各系统的IO采集计算机对本机上的IO板卡进行初始化设置;仿真管理计算机执行运行指令,各系统IO计算机在每个仿真周期内对IO数据进行采集,各系统采集的IO数据依据各模型间的输入输出关系通过光纤反射内存网进行传输,各系统的IO采集计算机将模型输入的数据自动关联至板卡的物理输出,实现系统间的IO数据快速、高效、智能转换。
在本申请的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于分布式仿真系统的异构IO数据智能转换方法,其特征在于,包括:
步骤M1:基于包括仿真管理计算机、以太网交换机、单模/多模光纤交换机、仿真系统IO采集计算机建立分布式IO采集系统;
步骤M2:根据各类板卡的输入通道、输出通道和输入输出关系建立IO板卡模型,并通过C++进行实例化封装;
步骤M3:基于实例化IO板卡模型输入和输出对应关系建立IO板卡模型间数据关系表,形成XML配置文件;
步骤M4:仿真管理计算机将实例化后的各类IO板卡模型和XML配置文件通过以太网的UDP协议传输至各仿真系统IO采集计算机;
步骤M5:运行各仿真系统IO采集计算机中的仿真程序,完成各仿真系统间异构IO数据的交互与类型转换;
所述IO板卡模型通过抽象的方式,将各类板卡的接口、板卡参数抽象为具有多个输入输出接口以及内部参数的数学模型。
2.根据权利要求1所述的基于分布式仿真系统的异构IO数据智能转换方法,其特征在于,所述步骤M1包括:
步骤M1.1:将仿真管理计算机通过以太网交换机与预设个仿真系统IO采集计算机连接,构建中心控制节点;
步骤M1.2:通过单模/多模光纤交换机、光纤反射内存卡、多模光纤和单模光纤将中心控制节点与各仿真系统进行连接,构建高速通信网络,从而进行IO数据快速交互;
步骤M1.3:将各仿真系统被采集设备IO接口按对应关系与IO采集计算机的各类板卡进行连接。
3.根据权利要求1所述的基于分布式仿真系统的异构IO数据智能转换方法,其特征在于,所述步骤M2包括:
步骤M2.1:建立包括AD/DA、Rs422和Can的IO板卡模型;
步骤M2.2:对建立好的IO板卡模型通过C++进行实例化封装。
4.根据权利要求1所述的基于分布式仿真系统的异构IO数据智能转换方法,其特征在于,所述各仿真系统IO采集计算机包括AD/DA、Rs422和Can的接口板卡,仿真系统被采集设备各类信号通过采集线缆与IO采集计算机各类板卡接口连接,实现接口信号的原始数据采集。
5.根据权利要求1所述的基于分布式仿真系统的异构IO数据智能转换方法,其特征在于,所述步骤M4包括:利用集成开发环境软件对实例化后的各类IO板卡模型进行编译,仿真管理计算机将编译后的可执行二进制文件和XML配置文件发送至各仿真系统的IO采集计算机。
6.根据权利要求1所述的基于分布式仿真系统的异构IO数据智能转换方法,其特征在于,所述步骤M5包括:各仿真系统IO采集计算机通过光纤反射内存卡和单模/多模光纤交换机形成的高速通信网络进行IO数据快速交互。
7.根据权利要求1所述的基于分布式仿真系统的异构IO数据智能转换方法,其特征在于,所述步骤M5包括:仿真管理计算机依次向各仿真系统IO采集计算机发送加载、仿真初始化、仿真运行和仿真结束指令;
所述加载指令是各IO采集计算机对XML文件进行解析,将输入输出关系映射至IO板卡模型的pInput和pOutput的指针对应关系;
所述初始化指令对各板卡进行参数初始化和板卡设备初始化;
所述仿真运行指令对每个仿真周期内板卡采集数据处理;
所述仿真结束指令对每个板卡进行复位操作。
8.一种基于分布式仿真系统的异构IO数据智能转换系统,其特征在于,包括:
基于包括仿真管理计算机、以太网交换机、单模/多模光纤交换机、仿真系统IO采集计算机建立分布式IO采集系统;
根据各类板卡的输入通道、输出通道和输入输出关系建立IO板卡模型,并通过C++进行实例化封装;
基于实例化IO板卡模型输入和输出对应关系建立IO板卡模型间数据关系表,形成XML配置文件;
仿真管理计算机将实例化后的各类IO板卡模型和XML配置文件通过以太网的UDP协议传输至各仿真系统IO采集计算机;
运行各仿真系统IO采集计算机中的仿真程序,完成各仿真系统间异构IO数据的交互与类型转换;
所述IO板卡模型通过抽象的方式,将各类板卡的接口、板卡参数抽象为具有多个输入输出接口以及内部参数的数学模型。
9.根据权利要求8所述的基于分布式仿真系统的异构IO数据智能转换系统,其特征在于,所述建立分布式IO采集系统包括:
将仿真管理计算机通过以太网交换机与预设个仿真系统IO采集计算机连接,构建中心控制节点;
通过单模/多模光纤交换机、光纤反射内存卡、多模光纤和单模光纤将中心控制节点与各仿真系统进行连接,构建高速通信网络,从而进行IO数据快速交互;
将各仿真系统被采集设备IO接口按对应关系与IO采集计算机的各类板卡进行连接。
10.根据权利要求8所述的基于分布式仿真系统的异构IO数据智能转换系统,其特征在于,所述各仿真系统IO采集计算机包括AD/DA、Rs422和Can的接口板卡,仿真系统被采集设备各类信号通过采集线缆与IO采集计算机各类板卡接口连接,实现接口信号的原始数据采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010843675.8A CN112100817B (zh) | 2020-08-20 | 2020-08-20 | 基于分布式仿真系统的异构io数据智能转换方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010843675.8A CN112100817B (zh) | 2020-08-20 | 2020-08-20 | 基于分布式仿真系统的异构io数据智能转换方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112100817A CN112100817A (zh) | 2020-12-18 |
CN112100817B true CN112100817B (zh) | 2022-07-12 |
Family
ID=73754121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010843675.8A Active CN112100817B (zh) | 2020-08-20 | 2020-08-20 | 基于分布式仿真系统的异构io数据智能转换方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112100817B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113110342B (zh) * | 2021-04-22 | 2022-04-26 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种多功能塔式熔盐光热电站仿真验证平台及其实现方法 |
CN116243622A (zh) * | 2023-05-06 | 2023-06-09 | 东方空间技术(山东)有限公司 | 半物理仿真系统及其仿真测试方法 |
CN116362060B (zh) * | 2023-05-31 | 2023-08-22 | 东方空间技术(山东)有限公司 | 一种系统仿真模型自动生成方法、装置及设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150264B (zh) * | 2013-01-18 | 2014-09-17 | 浪潮电子信息产业股份有限公司 | 一种基于扩展型Cache Coherence协议的多级一致性域仿真验证和测试方法 |
CA2957584A1 (en) * | 2016-02-12 | 2017-08-12 | Coho Data, Inc. | Methods, systems, and devices for adaptive data resource assignment and placement in distributed data storage systems |
CN105955899B (zh) * | 2016-04-22 | 2019-01-11 | 西安电子科技大学 | 基于全固态半导体存储器阵列的雷达数字信号处理装置 |
CN106951590B (zh) * | 2017-02-16 | 2020-08-14 | 北京宇航系统工程研究所 | 一种面向多学科异构模型的仿真试验系统 |
US10747876B2 (en) * | 2017-05-17 | 2020-08-18 | Threatmodeler Software Inc. | Systems and methods for assisted model generation |
EP3540530B1 (de) * | 2018-03-15 | 2022-10-19 | Siemens Aktiengesellschaft | Verfahren und anordnung zum steuern eines technischen systems |
CN109388530B (zh) * | 2018-08-22 | 2021-12-10 | 华东计算技术研究所(中国电子科技集团公司第三十二研究所) | 一种面向刀片式服务器的自动化测试平台以及测试方法 |
CN110765723B (zh) * | 2019-11-15 | 2022-06-10 | 苏州浪潮智能科技有限公司 | 一种基于bp神经网络的走线建模优化方法和装置 |
CN111177892B (zh) * | 2019-12-11 | 2023-05-02 | 中电普信(北京)科技发展有限公司 | 一种分布式仿真系统 |
-
2020
- 2020-08-20 CN CN202010843675.8A patent/CN112100817B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112100817A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112100817B (zh) | 基于分布式仿真系统的异构io数据智能转换方法及系统 | |
Teslyuk et al. | Architecture and models for system-level computer-aided design of the management system of energy efficiency of technological processes at the enterprise | |
Cengic et al. | On formal analysis of IEC 61499 applications, Part A: Modeling | |
CN106101226B (zh) | 一种基于fpga与arm的远程实验系统及设计方法 | |
CN108509185A (zh) | 用于任意软件逻辑建模的系统和方法 | |
CN111966748B (zh) | 分布式空基仿真运行控制管理方法 | |
CN109116315A (zh) | 一种通用雷达航电仿真系统 | |
CN109542450A (zh) | 智能变电站过程层智能组件实现方法及装置 | |
CN113051040A (zh) | 一种异地远程分布式联合仿真方法 | |
CN109100952B (zh) | 分布式半实物仿真航天器健康管理系统区域推理机 | |
CN114428728A (zh) | 信息物理测试协议处理系统及方法 | |
CN114095535B (zh) | 一种将物理设备时序变量自动映射为数字模型的方法 | |
Wang et al. | A model for coordination of intelligent machines using Petri nets | |
CN110825433B (zh) | 一种边缘控制设备设计方法 | |
CN116795752A (zh) | 接口通信方法、装置以及服务器 | |
KR20150080997A (ko) | 마크업 언어(Markup Language)를 이용한 다중 전술데이터링크 메시지 처리 방법 | |
CN105468431A (zh) | 多模型实时仿真系统 | |
CN105162645A (zh) | 一种基于piif架构的互操作测试方法 | |
CN110895460A (zh) | 基于Jenkins的机器人系统集成方法、装置及终端设备 | |
Bambagini et al. | A code generation framework for distributed real-time embedded systems | |
CN114610648A (zh) | 一种测试方法、装置及设备 | |
CN112769689A (zh) | 可重构智能一体化网关系统及重构方法 | |
Gumzej | Embedded system architecture co-design and its validation | |
CN113609052A (zh) | 基于fpga和微处理器的芯片模拟系统及实现方法 | |
CN106557601A (zh) | 一种输电线路仿真方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |