CN113591275A - modelica模型校准的方法、装置和设备 - Google Patents

modelica模型校准的方法、装置和设备 Download PDF

Info

Publication number
CN113591275A
CN113591275A CN202110765889.2A CN202110765889A CN113591275A CN 113591275 A CN113591275 A CN 113591275A CN 202110765889 A CN202110765889 A CN 202110765889A CN 113591275 A CN113591275 A CN 113591275A
Authority
CN
China
Prior art keywords
modelica
modelica model
model
value
target 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.)
Granted
Application number
CN202110765889.2A
Other languages
English (en)
Other versions
CN113591275B (zh
Inventor
刘宇超
周凡利
陈立平
刘奇
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.)
Suzhou Tongyuan Software & Control Technology Co ltd
Original Assignee
Suzhou Tongyuan Software & Control Technology Co ltd
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 Suzhou Tongyuan Software & Control Technology Co ltd filed Critical Suzhou Tongyuan Software & Control Technology Co ltd
Priority to CN202110765889.2A priority Critical patent/CN113591275B/zh
Publication of CN113591275A publication Critical patent/CN113591275A/zh
Application granted granted Critical
Publication of CN113591275B publication Critical patent/CN113591275B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Stored Programmes (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Measuring Fluid Pressure (AREA)

Abstract

本申请公开了一种modelica模型校准的方法、装置和设备。一种modelica模型校准的方法,包括:建立目标系统的modelica模型;基于最小二乘法对所述modelica模型进行调整,得到调整后的modelica模型。与现有技术中,手动进行modelica模型校准相比,本申请提高了对modelica模型的进行校准的校准效率。

Description

modelica模型校准的方法、装置和设备
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种modelica模型校准的方法、装置和设备。
背景技术
现代工业的产品越来越复杂,比如最复杂的:空间站。使用modelica对空间站系统建模时,涉及到环境、控制、推进、电力等各种系统,每个系统的仿真模型差别巨大,而modelica擅长处理系统级的仿真,但是在建模完成后,在刚开始运行过程中,会发现仿真结果和实际结果有一定的差别,需要对模型进行校准,使模型仿真结果符合实际运行结果,但是,由于建模误差(不是错误),比如一个模型可靠性是99%,在100个模型的情况下,系统整体误差将只有36%(0.99的100次方),即使在只有10个模型的情况下,可靠性也将只有90%(0.99的10次方),这样,在复杂产品的运维阶段,长时间仿真后,将误差将积累到系统不可用的地步。
发明内容
本申请的主要目的在于提供一种modelica模型校准的方法、装置和设备,以解决上述问题。
为了实现上述目的,根据本申请的一个方面,提供了一种modelica模型校准的方法,包括:
建立目标系统的modelica模型;
基于最小二乘法对所述modelica模型进行调整,得到调整后的modelica模型。
在一种实施方式中,基于最小二乘法对所述modelica模型进行调整,包括:
将所述目标系统划分为多个子系统;
根据每个子系统将所述modelica模型划分为多个子modelica模型;
将每个子modelica模型作为最小二乘法的一个节点;
其中,每个子modelica模型的输出值为最小二乘法中的每个节点的y值;
每个子modelica模型的输入值为最小二乘法中的每个节点的x值。
在一种实施方式中,通过循环迭代,计算确定最小二乘法的最优调节系数a和b。
在一种实施方式中,根据最优调节系数a和b,以及最小二乘法的计算公式计算得到每个子modelica模型的输出值和输入值。
在一种实施方式中,根据每个子modelica模型的输出值和输入值计算得到modelica模型的输出值。
在一种实施方式中,还包括:
计算调整后的modelica模型输出值与预定的modelica模型输出值的标准值的误差值;
判断所述误差值是否小于预定阈值;
如果是,则停止调整,输出modelica模型的输出值。
在一种实施方式中,建立目标系统的modelica模型之前,所述方法还包括:
选择目标系统,其中,目标系统包括多个级联的子系统;在所述目标系统中的任意两个相邻的子系统之间,上一个子系统的输出为下一个子系统的输入。
为了实现上述目的,根据本申请的另一方面,提供了一种modelica模型校准的装置,包括:
建模模块,建立目标系统的modelica模型;
校准模块,用于基于最小二乘法对所述modelica模型进行调整,得到调整后的modelica模型。
在一种实施方式中,校准模块还用于,将所述目标系统划分为多个子系统;
根据每个子系统将所述modelica模型划分为多个子modelica模型;
将每个子modelica模型作为最小二乘法的一个节点;
其中,每个子modelica模型的输出值为最小二乘法中的每个节点的y值;
每个子modelica模型的输入值为最小二乘法中的每个节点的x值。
在一种实施方式中,校准模块还用于,通过循环迭代,计算确定最小二乘法的最优调节系数a和b。
在一种实施方式中,校准模块还用于,根据最优调节系数a和b,以及最小二乘法的计算公式计算得到每个子modelica模型的输出值和输入值。
在一种实施方式中,校准模块还用于,根据每个子modelica模型的输出值和输入值计算得到modelica模型的输出值。
在一种实施方式中,校准模块还用于,计算调整后的modelica模型输出值与预定的modelica模型输出值的标准值的误差值;
判断所述误差值是否小于预定阈值;
如果是,则停止调整,输出modelica模型的输出值。
在一种实施方式中,还包括选择模块,用于建立目标系统的modelica模型之前,选择目标系统,其中,目标系统包括多个级联的子系统;在所述目标系统中的任意两个相邻的子系统之间,上一个子系统的输出为下一个子系统的输入。
在本申请实施例中,本文提出一种基于最小二乘算法的模型校准技术。为了方便说明情况,本专利只针对模块间关系可以用代数关系表达的情况进行说明,如果包括简单代数无法描述的情况,需要使用数学技巧进行一系列变换,非本专利陈述范围。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种modelica模型校准的方法的流程图;
图2是根据本申请实施例的一种modelica模型校准的装置的结构示意图;
图3是根据本申请实施例的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本申请提出了一种modelica模型校准的方法,参见附图1所示的一种modelica模型校准的方法的流程图;该方法包括:
步骤S102,建立目标系统的modelica模型;
步骤S104,基于最小二乘法对所述modelica模型进行调整,得到调整后的modelica模型。
具体的,基于最小二乘法对所述modelica模型进行调整时,将所述目标系统划分为多个子系统;根据每个子系统将所述modelica模型划分为多个子modelica模型;将每个子modelica模型作为最小二乘法的一个节点;
在一种实施方式中,每个子modelica模型的输入值为最小二乘法中的每个节点的x值。每个子modelica模型的输出值为最小二乘法中的每个节点的y值;通过循环迭代,计算确定最小二乘法的最优调节系数a和b。根据最优调节系数a和b,以及最小二乘法的计算公式计算得到每个子modelica模型的输出值和输入值。根据每个子modelica模型的输出值和输入值计算得到modelica模型的输出值。
具体的,最小二乘法的计算公式为:y=ax+b;
具体的,对所有modelica模型间,添加一个inner参数,d_inner,此参数不参与仿真,只用来在outer参数输出时,在原来仿真结果的基础上,叠加上d_inner参数,以此来校正输出值。d_inner值即是进行最小二乘计算后的误差分配值。
示例性的,选择最关注和数个仿真结果参数。
比如,电池输出功率,将一段时间内的实际测量结果A和仿真结果a进行对比,得到差值v=A-a;将差值v在各子modelica模型间分配,得到v1,v2,v3……;选取实际观测值要多于n的值,保证最小二乘计算有解。此时即可根据最小二乘原理,计算出各modelica模型间的误差分配值。
本发明的上述的方法,最小二乘法对所述modelica模型进行调整,提高了modelica模型的校准的效率。
在一种实施方式中,计算调整后的modelica模型输出值与预定的modelica模型输出值的标准值的误差值;判断所述误差值是否小于预定阈值;如果是,则停止调整,输出modelica模型的输出值。
具体的,预定阈值可以灵活进行设定,本申请不进行限定。
在一种实施方式中,建立目标系统的modelica模型之前,选择目标系统,其中,目标系统包括多个级联的子系统;在所述目标系统中的任意两个相邻的子系统之间,上一个子系统的输出为下一个子系统的输入。
具体的,多个系统中,并不是每个系统都可以采用最小二乘法来进行,而是满足一定条件的系统才可以。条件就是多个子系统中,依次相连,上一个子系统的输出是下一个子系统的输入。转换成modelica模型后,上一个modelica模型是下一个modelica模型的输入。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
与上述的方法对应,本申请还提出了一种modelica模型校准的装置,参见附图2所示的一种modelica模型校准的装置的结构示意图;该装置包括:
建模模块21,用于建立目标系统的modelica模型;
校准模块22,用于基于最小二乘法对所述modelica模型进行调整,得到调整后的modelica模型。
在一种实施方式中,校准模块22还用于,将所述目标系统划分为多个子系统;
根据每个子系统将所述modelica模型划分为多个子modelica模型;
将每个子modelica模型作为最小二乘法的一个节点;
其中,每个子modelica模型的输出值为最小二乘法中的每个节点的y值;
每个子modelica模型的输入值为最小二乘法中的每个节点的x值。
在一种实施方式中,校准模块22还用于,通过循环迭代,计算确定最小二乘法的最优调节系数a和b。
在一种实施方式中,校准模块22还用于,根据最优调节系数a和b,以及最小二乘法的计算公式计算得到每个子modelica模型的输出值和输入值。
在一种实施方式中,校准模块22还用于,根据每个子modelica模型的输出值和输入值计算得到modelica模型的输出值。
在一种实施方式中,校准模块22还用于,计算调整后的modelica模型输出值与预定的modelica模型输出值的标准值的误差值;
判断所述误差值是否小于预定阈值;
如果是,则停止调整,输出modelica模型的输出值。
在一种实施方式中,还包括选择模块23,用于建立目标系统的modelica模型之前,选择目标系统,其中,目标系统包括多个级联的子系统;在所述目标系统中的任意两个相邻的子系统之间,上一个子系统的输出为下一个子系统的输入。
根据本申请的第三方面,提供了一种电子设备,参见附图3所示的电子设备的结构示意图;包括至少一个处理器31和至少一个存储器32;所述存储器32用于存储一个或多个程序指令;所述处理器31,用于运行一个或多个程序指令,用以执行上述任意一项的方法。
第四方面,本申请还提出了一种计算机可读存储介质,计算机可读存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于执行上述任一项所述的方法。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息,结合其硬件完成上述方法的步骤。
存储介质可以是存储器,例如可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
其中,非易失性存储器可以是只读存储器(Read-Only Memory,简称ROM)、可编程只读存储器(Programmable ROM,简称PROM)、可擦除可编程只读存储器(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM,简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,简称SRAM)、动态随机存取存储器(Dynamic RAM,简称DRAM)、同步动态随机存取存储器(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM,简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时,可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (10)

1.一种modelica模型校准的方法,其特征在于,包括:
建立目标系统的modelica模型;
基于最小二乘法对所述modelica模型进行调整,得到调整后的modelica模型。
2.根据权利要求1所述的modelica模型校准的方法,其特征在于,基于最小二乘法对所述modelica模型进行调整,包括:
将所述目标系统划分为多个子系统;
根据每个子系统将所述modelica模型划分为多个子modelica模型;
将每个子modelica模型作为最小二乘法的一个节点;
其中,每个子modelica模型的输出值为最小二乘法中的每个节点的y值;
每个子modelica模型的输入值为最小二乘法中的每个节点的x值。
3.根据权利要求2所述的modelica模型校准的方法,其特征在于,通过循环迭代,计算确定最小二乘法的最优调节系数a和b。
4.根据权利要求3所述的modelica模型校准的方法,其特征在于,
根据最优调节系数a和b,以及最小二乘法的计算公式计算得到每个子modelica模型的输出值和输入值。
5.根据权利要求4所述的modelica模型校准的方法,其特征在于,
根据每个子modelica模型的输出值和输入值计算得到modelica模型的输出值。
6.根据权利要求5所述的modelica模型校准的方法,其特征在于,还包括:
计算调整后的modelica模型输出值与预定的modelica模型输出值的标准值的误差值;
判断所述误差值是否小于预定阈值;
如果是,则停止调整,输出modelica模型的输出值。
7.根据权利要求1所述的modelica模型校准的方法,其特征在于,建立目标系统的modelica模型之前,所述方法还包括:
选择目标系统,其中,目标系统包括多个级联的子系统;在所述目标系统中的任意两个相邻的子系统之间,上一个子系统的输出为下一个子系统的输入。
8.一种modelica模型校准的装置,其特征在于,
建模模块,用于建立目标系统的modelica模型;
校准模块,用于基于最小二乘法对所述modelica模型进行调整,得到调整后的modelica模型。
9.一种电子设备,其特征在于,包括:至少一个处理器和至少一个存储器;所述存储器用于存储一个或多个程序指令;所述处理器,用于运行一个或多个程序指令,用以执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,计算机可读存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于执行如权利要求1-7任一项所述的方法。
CN202110765889.2A 2021-07-16 2021-07-16 modelica模型校准的方法、装置和设备 Active CN113591275B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110765889.2A CN113591275B (zh) 2021-07-16 2021-07-16 modelica模型校准的方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110765889.2A CN113591275B (zh) 2021-07-16 2021-07-16 modelica模型校准的方法、装置和设备

Publications (2)

Publication Number Publication Date
CN113591275A true CN113591275A (zh) 2021-11-02
CN113591275B CN113591275B (zh) 2023-08-29

Family

ID=78246033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110765889.2A Active CN113591275B (zh) 2021-07-16 2021-07-16 modelica模型校准的方法、装置和设备

Country Status (1)

Country Link
CN (1) CN113591275B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9990973B1 (en) * 2017-02-17 2018-06-05 Apple Inc. Systems and methods using neighboring sample points in memory subsystem calibration
CN109522602A (zh) * 2018-10-18 2019-03-26 北京航空航天大学 一种基于代理模型的Modelica模型参数优化方法
CN110688740A (zh) * 2019-09-10 2020-01-14 天津大学 基于Modelica联合仿真优化的冷水机房模型校准方法
CN110968833A (zh) * 2019-12-10 2020-04-07 上海艾临科智能科技有限公司 一种用于模拟量校准的校准函数关系获取方法及装置
CN111812181A (zh) * 2020-07-21 2020-10-23 艾感科技(广东)有限公司 一种气体传感器的远程校准方法及系统
CN111896995A (zh) * 2020-07-27 2020-11-06 核工业航测遥感中心 基于模拟比较法的小型体源模型校准方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9990973B1 (en) * 2017-02-17 2018-06-05 Apple Inc. Systems and methods using neighboring sample points in memory subsystem calibration
CN109522602A (zh) * 2018-10-18 2019-03-26 北京航空航天大学 一种基于代理模型的Modelica模型参数优化方法
CN110688740A (zh) * 2019-09-10 2020-01-14 天津大学 基于Modelica联合仿真优化的冷水机房模型校准方法
CN110968833A (zh) * 2019-12-10 2020-04-07 上海艾临科智能科技有限公司 一种用于模拟量校准的校准函数关系获取方法及装置
CN111812181A (zh) * 2020-07-21 2020-10-23 艾感科技(广东)有限公司 一种气体传感器的远程校准方法及系统
CN111896995A (zh) * 2020-07-27 2020-11-06 核工业航测遥感中心 基于模拟比较法的小型体源模型校准方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李海艳;李维嘉;黄运保;艾翠蓉;: "基于Modelica技术的Dante谱仪解谱建模仿真", 武汉理工大学学报(信息与管理工程版), no. 04, pages 403 - 406 *

Also Published As

Publication number Publication date
CN113591275B (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN103246760B (zh) 使用各向异性核的、基于多代理的参数选择的系统及方法
CN116644804B (zh) 分布式训练系统、神经网络模型训练方法、设备和介质
CN113868898A (zh) 基于数字孪生模型的数据处理方法及装置
CN113836755A (zh) 基于数字孪生模型的控制方法及装置
CN115173403A (zh) 一种主动配电网分布式电压控制方法、装置及终端设备
Rubagotti et al. Real‐time model predictive control based on dual gradient projection: Theory and fixed‐point FPGA implementation
US9594863B2 (en) Method for determining by optimization a multi-core architecture
CN114547917A (zh) 仿真预测方法、装置、设备及存储介质
CN116681127B (zh) 一种神经网络模型训练方法、装置及电子设备和存储介质
CN113591275B (zh) modelica模型校准的方法、装置和设备
US8190536B2 (en) Method of performing parallel search optimization
CN113591373A (zh) modelica模型校准的方法、装置和设备
Gonzalez Villarreal et al. Shifting strategy for efficient block‐based non‐linear model predictive control using real‐time iterations
CN113591280B (zh) modelica模型计算方法、装置、设备和存储介质
CN109144806B (zh) 一种寄存器传输级电路的功能验证方法及装置
CN115693684A (zh) 电网暂态电压稳定方法、装置、设备及存储介质
CN114912282A (zh) 仿真计算方法、装置、设备和存储介质
EP4016216B1 (en) Method and computer system for numerical modular co-simulation.
CN117852315B (zh) 用于确定计算机辅助工程的初始条件的方法及相关设备
CN117172161B (zh) 一种流场模拟方法、装置、计算机设备及存储介质
CN114612022B (zh) 超纯水处理监控的实现方法、装置、设备及存储介质
CN113591281B (zh) modelica模型计算方法、装置、设备和存储介质
US7296250B2 (en) Method and system for characterizing electronic circuitry
CN112181842B (zh) 飞行控制软件敏捷测试方法及系统、终端、存储介质
CN109344369B (zh) 基于原值校验的凭证制作方法及终端设备

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