2023年7月25日发(作者：)

基于Modelica多领域物理系统云仿真的研究

李耀辉;张鹏

【摘 要】In order to solve problems such as uncapable of achieving

consistency and sharing storage between model library and data resources,

uncapable of dividing the functions of modeling and solving as well as

improving the optimization of multi-domain simulation, cloud computing

concepts and methods are introduced and a multi-domain physical system

cloud modeling and simulation platform are established. This paper

explains the basic solution process of the platform so as to realize the

security sharing, the optimization and reuse of model resources,

computing resources and data resources of this system. Finally, feasibility

analysis of this system is also made.%为解决难以实现模型库及数据资源的一致性与共享存储、未能实现建模与求解的功能划分以及多领域仿真优化问题求解效率低的问题，引入了云计算理念和方法，建立了多领域物理系统的云端模型及仿真平台，阐述了该平台的基本求解过程，这样可以实现系统中模型资源、计算资源和数据资源的安全共享、优化及重用，并对系统的可行性作出了分析．

【期刊名称】《许昌学院学报》

【年(卷),期】2012(031)005

【总页数】4页(P34-37)

【关键词】客领珐：云计算：云仿直

【作 者】李耀辉;张鹏 【作者单位】许昌学院电气信息工程学院,河南许昌461000;南召电业局,河南南召474650

【正文语种】中 文

【中图分类】TH166

多物理系统建模技术的发展，经历了从过程式建模到陈述式建模，单一领域独立建模到多领域统一建模的发展阶段［1］.多领域物理系统的仿真优化方法的研究重点包括建模、支撑技术和优化算法［2］.其中仿真优化的支撑技术包括重复仿真的最小求解策略、灵敏度分析技术、优化算法的并行处理技术及知识模型的推理求解等，而优化算法中的面向黑箱函数的全局优化算法能够大大减少仿真优化的目标函数估值次数而被重视.另外，考虑多目标和设计变量的离散特性，多目标优化方法和混合离散变量优化方法也被引入到多领域物理系统的仿真优化中.云计算是一种新型的超级计算方式，是在分布式计算、并行计算和网格计算的基础上发展而来［3］.它以数据为中心，在数据存储［4］、服务管理［5］、编程模式等多方面具有自身独特的技术.

1 云端模型

自顶向下的建模则根据建模任务管理进行建模任务分配，以实现基于云计算平台上的大规模多领域模型的分布并行构建，其过程如图1所示.

具体来说，首先，将云资源服务器上的相关模型库序列化为二进制文档，经网络传输至建模器，再通过反序列化操作，将模型库的内容转入内存形成文档对象模型，从而实现模型库的快速加载.其次采用Java3D实现可视化图形建模，包括自底向上的拖放式建模和自顶向下的正向设计.再次采用单文档操作界面，嵌套文档在关闭前更新内存信息，从而保证其一致性.采用二进制文件，头加密技术对用户需要加密的Modelica模型进行加密，允许指定的用户黑箱使用或解密使用.最后，通过对模型属性的设置和提取，实现了Web平台上的模型挖掘，采用相似度计算可以更详细的挖掘类似的模型.

图1 多领域模型的自顶向下并行构建

2 云仿真平台的建立

多领域云仿真平台系统结构简图如图2所示，研究中的多领域云仿真平台由用户层、服务管理云层及MWorks资源云层组成.

(1)用户层，主要由建模仿真用户组成，通过网站访问云端服务器完成建模仿真工作.

(2)服务管理云层包含云端Web服务器及云端Web数据库、MWorks云管理服务器与MWorks云管理数据库.云端Web服务器是为云端用户服务的网站，云端Web数据库中记录了用户信息和MWorks云管理服务器的信息.MWorks云管理服务器可以管理MWork仿真服务器资源，按用户要求及MWorks资源云层状态分配任务给MWorks服务器，MWorks云管理服务器是多服务器(或单服务器).MWorks云管理数据库记录了MWorks服务器信息.

(3)MWorks资源云层，由很多MWorks仿真服务器组成，它主要提供建模及模型的编译、求解、仿真服务.

3 云仿真的求解

云计算平台上多领域模型的仿真求解过程如图3所示:

图2 多领域云仿真平台系统结构简图

图3 多领域物理系统模型的仿真求解过程

(1)编译器的服务化封装:将现有的Modelica仿真平台编译器封装成Web服务应用，以供云端建模用户调用.

(2)仿真求解器的服务化封装:将现有的Modelica仿真平台仿真求解器封装成Web服务应用，以供云端建模用户调用.

(3)仿真求解结果的存储与返回:仿真求解服务应用会得到仿真结果，为了便于传输和提取这些结果数据，需要对数据进行结构化设计，并通过压缩返回给建模用户.建模端自动解压结果文件并根据需要提取相关数据.

4 云仿真平台的实例化

4.1 实例化平台体系结构

如图4所示，多领域物理系统云仿真平台的体系结构分为三层:资源层、服务层和应用层.其中，资源层提供各种资源和数据，包括模型库、仿真数据库、服务配置数据库、用户数据库以及用于仿真结果临时存储的存储资源;服务层提供了各种网络服务，包括建模服务、编译服务、仿真(求解)服务、优化(求解)服务、后处理服务、优化任务调度服务、仿真任务调度服务、服务配置、用户管理、模型库管理，以及云计算基础服务(包括网络存储、资源调度、负载均衡、云安全等);应用层直接为用户实用的界面层，包括建模、仿真、优化的一般用户，以及建模管理、仿真管理和优化管理等管理员用户.它主要步骤如下:

(1)云仿真平台基础架构研究;(2)编译服务、仿真求解服务、优化求解服务在云上部署;(3)用户及其服务配置管理;(4)模型库的网络存储;(5)云端建模器对云计算服务的接口调用;(6)求解结果的可视化后处理;(7)结合典型多领域物理系统仿真需求，在研制的云仿真平台上完成建模、仿真和优化任务，验证平台的有效性.

图4 多领域云仿真平台体系结构

4.2 实例化封装

参考现行的多领域物理系统建模与仿真平台MWorks，进行Web应用封装，建立基于Web的多领域建模、仿真、优化及后处理一体化系统原型.云计算平台拟采用基于Abiquo公司开源云计算组件abiCloud/abiNtense/abiData建立多领域物理系统云仿真平台的基础云计算服务，实现多领域模型库、编译器、仿真器、优化器等高效管理及优化调度等服务.其云仿真的拓扑平台结构如图5所示，通过Internet的连接来实现用户和服务器端之间的编译服务、仿真服务、优化服务及存储服务.

以现有的某款重型商用车模型为例，基于Modelica标准库和商用车通用组件库，依据研究的方法和思路在云仿真平台上建立该款重型商用车模型，可实现其整车仿真与燃油经济性优化，从而验证多领域物理系统云仿真平台的实用性和高效性.

5 可行性分析

从理论方法来看，研究基于Modelica语言领域物理系统的建模与仿真技术已经十分成熟，云计算理论基础坚实，在此基础上实现相关的创新研究是可能的;从关键问题来看，文中所涉及的相关理论和方法有成熟的自主知识产权的商业化软件WMorks为基础平台，具备解决这些关键问题的条件;并且云仿真的研究实例来说，技术已经实现了汽车的整车仿真和燃油的优化，这对其他方面的研究具有实质性的指导和借鉴意义.

图5 多领域云仿真平台的拓扑结构

参考文献:

［1］ 丁建完.陈述式仿真模型相容性分析与约简方法研究［D］.武汉:华中科技大学，2006.

［2］ 吴义忠、陈立平.多领域物理系统的仿真优化方法［M］.北京:科学出版社，2010.

［3］ MICHAEL MILLER，史美林.云计算［M］.姜进磊译.北京:机械工业出版社，2009.

［4］ Wu Jiyi，Ping Lingdi，Ge storage as the

infrastructure of Cloud Computing［C］.Kuala Pumpar:Proceedings 2010

International Conference on Intelligent Computing and Cognitive Informatics，2010.

［5］ Yishui Zhu，Shtykh R Y，Qun ion of Flowable Services in

Cloud Computing Environments［C］.Sanya:Proceedings 2010 5th

International Conference on Future Information Technology，2010.