Amesim代理建模：带温控的汽车座舱空调系统_系统仿真_汽车_AMESim

Amesim代理建模：带温控的汽车座舱空调系统

1小时前浏览2

本文介绍利用Amesim提供的代理建模功能，从空调系统(AC系统)创建代理模型。分析所获代理模型的性能，以实现受控座舱制冷系统的实时仿真。涉及复杂物理的详细空调系统模型（不适合固定步长求解器）被能在稳态下模拟其物理行为的代理模型替代。虽然详细模型运行速度快于 "钟表时间"，但由于其导致的非确定性函数计算次数，它不满足"实时"约束。

系统边界

代理建模的第一步是理解所研究系统的工作原理并精确定义其输入输出。汽车座舱通过蒸发器出口的湿空气流及与周围环境的热交换进行冷却。压缩机由发动机转速驱动，其排量由简单比例积分(PI)控制器调节。发动机转速及冷凝器上的湿空气流遵循截断的NEDC循环。本代理建模演示旨在用多项式响应面和前馈神经网络替代车辆空调系统。下图中，空调系统被高亮显示以便识别其输入输出。

分析空调系统，可轻松识别其输入输出变量。

考虑的输入包括：

压缩机旋转速度,
控制信号,
及车速。

考虑的输出是蒸发器出口处湿空气的特性：

温度,
压力,
相对湿度,
及质量流量。

采样数据生成

创建采样数据以训练多变量代理模型。为此将使用蒙特卡洛研究。

图2 蒙特卡洛研究的隔离系统

注意将用于代理近似的系统具有以下特点：

输入处放置了恒定信号源——执行器（这些常量的值将用作研究参数）,
放置了温度、压力、相对湿度和质量流量传感器以获取输出（湿空气特性）。

注意上述恒定源使用的参数值需在隔离系统的"可接受"值范围内。此处使用原始系统仿真期间输入的平均值，这在多数情况下有效但不保证总是可行。无论如何，这些恒定源的默认值"1"通常不可用，因为它们对考虑的系统可能无意义。

执行器和传感器有助于在信号与物理世界间转换。上述定义的三个输入的最小和最大值通过绘制原始物理模型的仿真结果简单获得。其范围被略微扩展以确保与未来拟合多项式的有效域有安全裕度，这在需要高次多项式以获得良好精度时尤为重要。

现在我们将"优化"图2所示用于蒙特卡洛研究的模型。需确保：

达到稳态条件,
结果文件中的点数最少（2个点足够，因为蒙特卡洛研究文件仅保留每次运行的最后一个值）。

图3显示40秒的仿真时间足以在所有考虑的输出上达到稳态条件。更精细的技术可能包括在草图中直接设置停止条件以"检测"稳态。无论如何，现在可以在运行参数中设置点数为2（或在此情况下打印间隔为40秒）。实际上，减少结果文件中的点数通过避免不必要的数据写入加速蒙特卡洛分析。在创建本演示的机器上，一次运行约需20秒。

图3：寻找达到输出稳态条件的最小仿真时间

图4-图6描述了研究管理器中蒙特卡洛研究的参数设置。首先选择拉丁超立方作为采样方法。拉丁超立方采样具有良好空间填充特性，同时即使在大规模运行时生成也不耗时，相比优化拉丁超立方。实践中总运行次数可根据用户预定义的"可接受"仿真工作量设置，已知单次运行时长。

图4：蒙特卡洛研究设置

本例选择2000次运行。蒙特卡洛研究预计在我们的机器上约11小时完成（2000次×20秒）。输入变量的分布选择如下。我们始终选择均匀采样以避免任何统计偏差。如前所述，幅度和均值基于原始模型的仿真获得，应用合理安全裕度（约10%）扩展这些范围。注意在Amesim中，均匀分布的幅度定义为最大值与最小值之差。对于均值，我们使用每个区间的中心点：(最大值+最小值)/2。注意在图5中，输入参数是替代原始模型输入的恒定信号源的值。

图5：输入参数分布

选择前述四个输出如下。这些输出来自用于获取湿空气特性的传感器信号，如图2所示。完成后即可开始研究。

图6：蒙特卡洛研究输出

蒙特卡洛研究完成后，生成创建训练样本文件所需数据。本演示中，此数据由Simcenter Amesim自身（详细模型）生成，但其他情况下，此类数据也可能直接来自需先转换为标准Amesim表格的测试测量值。此类操作可通过数据导入工具完成。若需对数据进行特定预处理（如滤波），表格编辑器也可能有用。

代理模型创建

现在使用先前生成的数据创建所需代理模型。目标是获得图7所示草图，通过创建将替代空调回路的响应面模型(RSM)。对应子模型将由Sicmenter ROM生成。

图7：配备代理建模组件的示意图

在图7中，可注意到在代理模型大多数输出上（压力输出除外，本研究中实际为常数，后文将说明）放置了3个一阶滞后组件。这些组件通常可选但可用于以下原因：

当已知原始输出相对当前输入值有轻微延迟时，人为重新引入动态（注意这些一阶滞后子模型的初始值需用户指定）。
打破可能因代理模型引入的输入输出间直接——代数关系而产生的代数环。

注意这些一阶滞后的时间常数可用Amesim优化（一阶系统辨识技术）或直接基于对考虑空调系统的了解设置。本例中，所有时间常数设为5秒。实际上，5秒是我们系统输出的典型响应时间（此数量级可通过检查对阶跃设定值的响应验证，如图3所示）。本演示中，我们简单根据原始模型场景（将重放以比较结果）设置初始值：温度30°C，相对湿度40%，质量流量0.111kg/s。创建全局参数以便后续更改这些条件（以便播放与图1所示原始系统所用不同的场景）。

切换到固定步长求解器

在采用代理组件的模型上，状态变量数量已大幅减少：从95个降至仅8个。此外，我们现在可以切换到固定步长求解器，这在原始模型中是无法实现的。实验表明，可采用步长为0.1秒的一阶欧拉法进行计算。在此条件下，替换为代理版本的空调系统模型进行900秒仿真仅需不到0.1秒。这意味着相比实际时钟时间实现了10000倍以上的加速，相比原始系统约有100倍的提升。现在让我们对比原始模型的结果（注意需在参数或仿真模式下打开原始模型才能显示下图）：

图8 结果对比（多项式逼近法）

导出FMU

既然模型在固定步长求解器下运行良好且快速，便可将其导出为功能 mock-up 单元（FMU）用于标准或实时平台。有关功能 mock-up 接口（FMI）及FMU使用的更多信息，请参阅功能 mock-up 接口手册。

标准平台可选择"协同仿真FMI"或"模型交换FMI"。由于该模型采用基本欧拉固定步长求解器运行良好且状态变量有限，具有"求解器友好性"，通常不需要复杂的模型-求解器适配。

实时平台需选择"实时FMU"选项，即采用固定步长求解器的协同仿真。

下图展示如何设置接口模块以导出代理模型（包含一阶滞后的初始值）为FMU。该接口模块代表外部环境，其输出是 Amesim代理模型的输入，而输入则由模型提供给外部环境（例如硬件在环仿真中的连接硬件）。

图9 用于导出代理模型的接口模块

注意模型中三个一阶滞后的初始值可定义为FMU暴露的监视参数。首次离线测试可通过导出标准平台（Windows或Linux）的2.0版协同仿真FMU实现。该FMU可重新导入Simcenter Amesim验证协同仿真运行情况，参见图17。选择0.1秒的协同仿真步长时，900秒仿真的CPU时间仍低于0.1秒。

图10 FMU离线测试（标准平台）

图11 dSPACE SCALEXIO实时目标上的仿真结果

单独运行导出模型时，数据显示单次模型评估平均耗时6微秒。观测到的峰值评估时间为387微秒，相对0.1秒采样周期仍有极大余量。这表明该空调子系统可轻松连接其他实时模型，同时满足实时性约束。

通过本案例，我们了解了如何利用Simcenter Amesim的代理建模功能实现实时仿真。可以看到，涉及复杂物理现象的系统有时可通过代理建模方法简化。这类方法与传统模型简化技术（通常依赖用户对物理现象的认知）形成互补。

来源：Amesim学习与应用

发布ParaViewV6中文文档与教程

ParaView 是一款开源、跨平台的科学数据可视化与分析软件，基于 Visualization Toolkit (VTK) 开发，旨在处理从中小型到超大规模的数据集。01 内容介绍一、核心架构与技术特性分布式计算支持采用客户端 – 服务器架构，支持在单节点或分布式集群（如超级计算机）上运行，通过 MPI 实现数据并行处理。其数据并行模型将数据分片到不同进程，结合幽灵级别（ghost level）技术处理邻域信息，确保算法在分布式环境下的准确性。渲染与性能优化多渲染后端：支持 OpenGL、OSPRay（Intel 的高性能光线追踪引擎）等渲染后端，可通过命令行参数或配置文件灵活切换。硬件加速：充分利用 GPU 进行渲染和数据处理，支持 CUDA 和 OpenCL，显著提升大规模数据的交互性能。动态细节层次（LOD）：自动优化复杂场景的渲染效率，确保高分辨率模型的流畅交互。数据处理能力格式兼容性：支持 VTK、HDF5、NetCDF、Exodus、CGNS 等数十种科学数据格式，并允许用户自定义读取器 / 写入器。显式结构化网格：新增对油藏角点网格等复杂地质模型的支持，结合 VTK 的vtkExplicitStructuredGrid数据结构，实现高效的并行处理和可视化。高级过滤与分析：提供丰富的内置过滤器（如等值面提取、流线追踪、体渲染），支持 Python 可编程过滤器，可无缝集成 NumPy 和 SciPy 进行自定义数据处理。二、用户界面与交互直观的 GUI 设计基于 Qt 框架构建，界面简洁且功能模块化。支持多视图同步（如 Link Camera 功能），可同时展示不同变量或视角下的数据对比，适合协作分析。脚本化与自动化Python API：完全支持 Python 脚本控制，从数据加载到渲染输出均可程序化实现，适合批量处理和自动化工作流。状态文件（.pvs m）：保存完整的可视化流程，包括数据源、过滤器参数和视图设置，方便复用和共享paraview.org。交互工具与可视化技术3D 小部件：通过交互式操作器（如切片平面、裁剪框）实时调整数据展示范围。动画与时间序列分析：支持创建时间相关的动画，可导出为视频或序列图像，适用于动态模拟结果的可视化。三、应用领域与案例工程与流体力学处理 CFD 模拟数据（如 OpenFOAM 输出），通过流线追踪和压力等值面分析流动特性。支持多相流、湍流等复杂场景的可视化，结合硬件加速提升交互效率。地球科学与地质建模可视化地震波传播、油藏结构等，利用显式结构化网格技术处理含断层的复杂地质模型。与 FEATool 等仿真工具集成，实现多物理场数据的联合分析。生物医学与分子模拟展示蛋白质结构、细胞成像数据，支持体渲染和动态模拟（如分子动力学轨迹）。结合 Python 脚本实现自动化的特征提取（如肿瘤边界识别）。高性能计算（HPC）在超算环境中处理 TB 级数据集，通过 Catalyst 模块实现原位分析，减少数据传输开销。支持分布式渲染，可在集群节点上并行生成高质量图像。02 内容截图来源：Amesim学习与应用