【摘 要】
：
由于当前工业产品电气化、智能化程度越来越高,导致产品的复杂性量级日益跃升,给工业产品从设计、测试验证、制造、到后期的维护阶段都带来了巨大的挑战,仿真模型也从基本的功能模型和约束模型向当前的空间模型和多级抽象模型演化。所以,怎样将仿真模型和复杂的系统更加稳定地融合,并开展更有效的模拟试验成为联合仿真技术的重点研究方向之一。目前,Functional Mock-up Interface（FMI）标准的
论文部分内容阅读
由于当前工业产品电气化、智能化程度越来越高,导致产品的复杂性量级日益跃升,给工业产品从设计、测试验证、制造、到后期的维护阶段都带来了巨大的挑战,仿真模型也从基本的功能模型和约束模型向当前的空间模型和多级抽象模型演化。所以,怎样将仿真模型和复杂的系统更加稳定地融合,并开展更有效的模拟试验成为联合仿真技术的重点研究方向之一。目前,Functional Mock-up Interface（FMI）标准的提出可以将仿真模型转化为可被调用的Functional Mock-up Unit（FMU）模型,再通过将FMU模型集成到支持FMI标准的环境中实现联合仿真。然而,由于该标准仍在持续更新中,许多软件并未很好地支持该标准。本文首先对FMI标准的研究状况以及基础内容进行细致地研究。之后,对定步长以及变步长求解器求解单个FMU模型的过程展开研究。随后,提出多FMU模型联合仿真算法,实现多FMU模型的联合仿真,并在此基础上解决FMU模型联合仿真过程中存在的代数环问题。最后,设计联合仿真平台,实现了FMU模型和Satellite Tool Kit（STK）软件中加油试验场景的联合仿真并验证了算法可行性、有效性。具体如下:（1）开展FMI标准基础研究。详细介绍FMI标准的内容,包括FMU模型的构成、FMU模型的解压缩及解析过程、FMU模型的整体仿真流程等。（2）FMU模型求解器设计。介绍高精度求解器求解FMU模型的过程。所使用的求解器包括定步长Euler法、4阶定步长Runge-Kutta法以及变步长Runge-KuttaFehlberg法等。（3）FMU模型联合仿真算法研究。FMU模型联合仿真算法由连接结构解析算法、联合仿真架构设计以及步长协同算法组成。连接结构解析算法负责将模型的输入输出关系抽象成明确的拓扑结构;合理的联合仿真架构可保证模型间数据传递的准确性;步长协同算法用于处理模型步长不一致的问题。（4）开展FMU模型中的代数环问题研究。多FMU模型相互耦合时可能会出现代数环问题,有效解决代数环问题可保证联合仿真的稳定进行。（5）联合仿真平台设计。联合仿真平台可以实现多FMU模型可视化联合仿真。此外,为扩展FMI标准的应用范围,联合仿真平台将STK模块化,实现了STK与FMU模型的联合仿真,同时验证本文提出的算法的准确性。由联合仿真结果可知,本文所提出的算法均得到了验证,同时证明了FMI标准可满足大规模模型集成的需求,具有很好的实用性。
其他文献
生物特征识别在信息安全领域发挥着重要作用,掌纹识别作为一种新型生物特征识别方式,具有低失真、非侵入性和高唯一性等优势。传统掌纹研究大多使用自然光成像系统以灰度格式获取,识别精度很难进一步提升。为了获得更多的身份鉴别信息,利用多光谱掌纹图像代替自然光掌纹图像,根据不同波长的光谱对皮肤的吸收和反射率不同,捕获每个波段中特定和互补的掌纹特征。因此,本文探讨了基于多光谱图像的掌纹融合识别方法。1.针对传统
随着智能物联网时代的来临,边缘计算作为一种新的计算方式,凭借其超低时延和超高可靠性的优势被应用于各个领域。然而,传统的CPU和GPU平台无法满足边缘计算实时和功耗的需求,急需高效低功耗的平台对应用进行加速。因此,本文设计并实现了基于异构多核FPGA平台的加速器,并对设计空间进行探索与寻优,以满足上述的需求。本文的主要研究工作如下:1.卷积运算中普遍存在数据读写依赖,导致执行过程无法完全并行,而串行
喉癌作为头颈部常见的癌症,其早期症状通常不明显,当其开始影响患者的生活质量时,往往已经发展到了中晚期。因此,尽早发现可疑病变,有利于病情的及时确诊和后续治疗方案的确定。目前,在喉部检查过程中广泛采用的是内镜白光成像技术,其对于发生在粘膜浅层的病变敏感度较低,窄带成像技术由于能够清晰显示粘膜浅层的微小病变,成为发现早期癌变的有力工具。但这种成像技术依赖于特定设备以及检查医师的操作,视觉感知的微妙差异
极限学习机（Extreme Learning Machine,ELM）是一种训练单层前馈神经网络（Single-hidden Layer Feedforward Neural Networks,SLFNs）的机器学习方法,对于解决分类和回归问题具有明显的优势。ELM是对反向传播算法（Backward Propagation,BP）的改进,不仅有效地克服了BP算法存在的训练速度慢的缺点,而且具有很好
随着5G时代的到来,快速和安全的云端数据共享正吸引着越来越多的关注。关键字搜索以其可以识别用户和搜索密文而无需解密在数据共享中起着重要的作用。然而,现有的可搜索算法有许多局限性,如强大的中心权限、匹配进程只在云服务器上执行、容易造成中心损坏和单点故障等问题,使得关键词搜索的公平性仍然是一个挑战。此外,随着互联网的不断发展和生活水平的逐步提高,对数据分享的安全性要求以不再是特殊机构的专属,而现有的研
视觉目标跟踪是近年十分热门的研究方向之一,由于遮挡、光照变化、快速运动等挑战,要实现快速、准确且鲁棒的跟踪仍是一项艰巨的任务。基于深度学习的视觉跟踪算法受到了研究人员的广泛关注,并且已经产生了大量优秀的算法。但该领域仍然存在一定的发展空间,待解决的问题包含以下两个方面:首先,大多数目标跟踪使用的特征是利用现有主干网络提取到的单一特征,未关注到利于跟踪任务的关键特征,难以充分发挥网络的非线性建模能力
深度学习作为目前的热门研究内容,其在多学科交叉领域有着广泛应用。随着遥感技术的迅速发展,如何从遥感影像中快速准确地提取出其中的地物等信息,是目前遥感领域的热门话题。道路作为交通的重要组成部分,是遥感影像中一种重要的地物标志,在社会的各个领域都有着巨大应用,包括城市规划、交通管理、军事应用等方面。因此,从遥感影像中快速准确提取出其中的道路信息具有重要的研究意义。本文围绕遥感图像道路提取任务,以卷积神
CT（Computed Tomography）技术能够无损地检测到被测物体的内部结构。从发明至今,发展迅速,已经被广泛应用于医疗、工业以及安检等领域,扮演着至关重要的角色。由于技术的限制,在实际应用中,原本被扫描物体并不存在而在图像上却出现的各种形态的影像,这被称之为伪影（Artifact）。伪影的存在会导致重建图像中的某些结构被遮挡或边界模糊,重建图像的空间分辨率会受到极大影响,继而影响对被测物
传统密码体制的权限较为集中,只有掌握密码的个人或实体才能进行相应的密码操作。门限密码可以将这些权限分散到多个参与者之间,只有达到门限值的参与者集合才能完成相应的密码操作,这样可以避免单一参与者被攻击或失误的风险,提高密码系统的安全性和可信度。随着区块链的广泛应用和普及,门限密码技术在商业应用及学术研究中引起了广泛的探讨和研究,该技术的应用范围已经从最初的加密电子货币扩展到了物联网、金融、医疗等多个