在被控对象模型上使用Mentor

《在被控对象模型上使用Mentor》由会员分享，可在线阅读，更多相关《在被控对象模型上使用Mentor（9页珍藏版）》请在装配图网上搜索。

1、在被控对象模型上使用 Monte Carlo 方法改进系统模型在军工领域，基于模型的设计已经成为一种规范：系统模型成为研发过程中 的核心，用于针对物理硬件的复杂算法设计。除了在控制算法建模上入手外，对 被控对象建模可达到更鲁棒性的设计。吏用商业定制软件(CTOS)可以使得控制器 和硬件在统一的环境中建模和仿真。与嵌入式控制器一样的环境中建立被控对象 模型使得工程师能够使用多个被控对象的参数对控制器做测试，包括可以仿真正 常和理想值的结果。对多个物理参数建模提供了更好地表述在实际硬件上将会发 生什么。Monte Carlo分析是一种仿真在真实物理参数发生多样性的标准方法。 在航空航天应用中，Mo

2、nte Carlo技术可用于保证高可靠性和鲁棒性设计。即使 使用商用定制软件(RTOS)的统一环境，对设计进行全面的测试或对设计进行优化 也将会对仿真进行上千次的仿真跌代，需要花费数天的时间来完成，这都取决于 系统的复杂程度和模型的逼真度。每一次迭代都可能花费几小时的时间。在开发 阶段，仿真时间可能会成为瓶颈。如果能够并行地运行多个独立场景下的仿真可 大大的缩短仿真的时间。在Matlab/Simulink环境中对被控对象模型进行建模、 仿真、优化可使系统更能满足实际的需要。I简介基于模型的设计已经成为航空航天领域中标准的设计方式之一。1,2,3 对于现 代日益复杂的系统，由一个工程师完成的设计

3、很少就是最终的产品。一个复杂的 系统通常需要很多次的迭代，不断地改进，这需要开发团队能很快地进行测试、 仿真并评估测试结果。对不准确的或不存在的对象模型所设计的控制算法是不可 能正常发挥作用的，同样，一个不包含控制器的系统也很难被测试。使用 COTS 软件，不仅很好地支持团队合作开发的流程，而且允许控制器和物理对象同时参 与建模，并在同一个环境中仿真，这样就可以在开发周期的早期对整个的系统进 行测试，及早发现设计中的问题或缺陷，4,5,6,7从而缩短了开发周期、降低了风险、 节约了成本，同时提高了产品的品质。航空航天系统模型通常由大量的子系统组成，每一个子系统可能由不同的开 发团队完成，而开发

4、团队可能来自全球各地。不同的开发团队必须互相合作，优 化设计，或是根据特定的需求使系统运行，这就非常有必要进行系统模型的分析， 包括所有的子系统。如果没有一个统一的、标准的建模环境，就需要联合仿真的 技术或是进行手动计算，这是非常困难和耗时的。而一个共享的建模环境和通用 的建模标准能帮助开发团队轻松、快捷的交互，超越了组织、语言和文化的障碍。工程师在同一个建模环境中建立对象模型和嵌入式控制器后，可以使用多个 对象的参数测试该控制器，也包括理想值仿真。建模时可变的物理参数提供了在 实物中将要发生动作的最好描述。蒙特卡洛分析就是对实际物理参数可变性仿真 的一种标准的方法。在航空航天应用中，蒙特卡洛

5、技术被用来保证高质量和鲁棒 设计。使用共享的COTS环境完全测试或优化一个设计需要花费数天的时间经过 成千上万次的仿真循环才能完成。每次循环可能要花费几个小时去运行，这取决 于系统的复杂度和模型的逼真度。所以在开发过程中仿真时间往往成为致命的瓶 颈。而并行地运行多个且独立的仿真循环则能显著地节省时间。新的高性能的计 算工具和多处理器计算机强大的处理能力在很大程度上排除了时间和资源的限 制，非常适合对包含大量参数的复杂动态系统的仿真。在这篇论文中，主要讨论在 Mathworks 公司产品 MATLAB/Simulink 中建模、 优化和测试对象模型以搭建更好的系统模型的技术。同时也介绍通过使用高

6、性能 计算集群提高蒙特卡洛分析速度的新技术。II蒙特卡洛方法从财政金融建模到理论物理学问题的研究都可以使用蒙特卡洛方法，而它最 为普遍的使用是将统计方法应用在工程和科研中。当有许多特定的应用情况以它 们最简单的形式存在，蒙特卡洛方法将通过随机数和概率分布去分析问题。 8 在 这篇文章中，将讨论蒙特卡洛应用在系统仿真的技术。使用蒙特卡洛方法仿真的最大好处是它有助于对非常复杂而又很难得到分 析结果的系统进行建模，同时它也能对不确定性进行仿真。即使设计中没有不确 定的参数，系统条件或环境也往往包含许多不确定性因素，这也是需要考虑的， 比如物理系统的性能会随着时间慢慢被损耗。当所设计的系统工作在较长时

7、间 时，需要仿真它在整个生命周期中各种不确定的情况。使用蒙特卡洛方法能够预 测一定时间后故障的可能性。使用蒙特卡洛测试的第三个好处是能够提高模型的可靠性。比如进行完整算 法设计和闭环测试，不仅使用理想参数值，同时也使用在设计中可能遇到的各种 情况的整个范围上的随机值。以以前发布的直流电机为例， 9,10它的每个物理组 件都有一定的公差。如果仅仅使用每个尺寸的理想值可能无法展现出电机的完整 性能。可以测试每组尺寸的最大最小值，但是这也不足于建立准确的模型，除非 这些尺寸都服从均匀分布。当许多物理参数服从正态或高斯分布，使用蒙特卡洛 技术基于此种分布生成随机数，然后进行仿真将会给出电机工作更为实际

8、的预 测。蒙特卡洛仿真的一个缺点是它需要对单个模型进行成千上万次的运行，而且 仿真的系统越复杂或系统中包含的不确定性因素越多，那么执行仿真的次数也越 多，而通常数百次或数千次运行一个复杂模型需要花费几天的时间。在这篇论文中，集中讨论对控制系统设计进行蒙特卡洛仿真的第三种好处， 并考虑节省完成仿真所需的时间。首先介绍使用蒙特卡洛方法能够保证建模更准 确，更接近实物，然后描述蒙特卡洛测试如何使用相同的对象模型测试算法模型 的鲁棒性。皿分布式计算在高性能计算（HPC ）环境中运行仿真一度十分昂贵，一般只有政府机关、 大型的研究实验室和有能力购买超级计算机的单位才拥有。今天，绝大多数的超 级计算机已经

9、被COTS计算机集群所取代，它提供了足够的、高性能的分布式计 算环境。随着多核和多处理器以及计算集群的发展，许多单位已经拥有强大的 CPU 处理能力。虽然已经具备处理能力，在集群或多处理器上运行仿真不是那么容易，特别 是在利用COTS仿真软件工具。工程师将要遇到的困难是在一个集群上建立和维 护 COTS 仿真软件的时间会消耗掉额外的计算能力所节省的时间。11 事实上，建 立分布式应用的困难仍然是发掘一台计算机处理能力的一个障碍，更不用说上百 的计算集群。然而，发挥计算资源的优势是提高蒙特卡洛仿真次数的关键。一些计算问题被称为是并行的，因为它们可以很容易地被分在数个节点运 行，而没有交互、共享数

10、据或是不同节点之间的同步点。每个节点上的运行时间 相比启动和停止应用程序的时间占绝对优势。蒙特卡洛仿真就是属于这一类，因 此非常适合在计算集群上运行。仿真软件和HPC集群之间的集成需要最大化计算 能力的开发。在计算集群上运行仿真而无需安装在每个节点上的 COTS 软件的一种可能是 将模型编译为可执行程序。12例如，独立的可执行程序可以在DOS命令行运行（对 Windows 平台），因此需要脚本将数据传给可执行程序或从可执行程序输出数据。 而这项技术对于加速仿真是非常有用的，可以进行蒙特卡洛分析，这需要用户编 写脚本使参数变化及收集结果，并将其从多个可执行程序转换为有用的格式。如 果使用远程集群

11、，还需编写其它的脚本，以便与调度器交互和创建任务。这个过 程通常是复杂而冗长的，需要集群管理员的帮助，以自定制特定的仿真设置。而有了 SystemTest13 和 MATLAB 分布式 计算引擎 (MATLAB Distributed Computing Server)14 这样的 COTS 工具，用户无需编写上述复杂的脚本文件就可 以轻松实现在计算集群上运行仿真。通过这些工具可以在用户界面(GUI)中设 置进行蒙特卡洛测试的模型中需要变化的一系列参数，然后定义相应的任务，使 其运行在多个处理器上。从 GUI 启动任务避免了编写脚本和集群交互、创建任务、 从单独的仿真运行编译结果等。这也使得在

12、计算集群或多核、多处理器计算机上 进行分布式Simulink仿真而无需编写任何代码成为可能。COTS仿真工具和HPC 调度器的集成是提高蒙特卡洛仿真速度的另一种手段。W案例研究A. 模型我们要分析的系统是控制副翼角度的液压执行器。建模的目的是分析伺服阀 参数改变的影响，模拟电路控制开环伺服阀的效果以及副翼上负载变化的影响。 我们将通过上升时间和调节时间研究这些参数对于系统稳定性和性能的影响。使用COTS物理建模工具，15,16,17,18我们在Simulink中建立被控对象和控制器 的模型。选择 COTS 物理建模工具，可以帮助我们开发精确的对象模型，通过仿 真研究被控对象与现实世界尽可能接近

13、的动作行为。图 1 显示的是完整的系统模 型，包括伺服阀、双动液压缸、副翼和控制器的模拟电路实现。图 2 显示的是 通过 SimElectronics 建模的控制器详细的模拟电路。tic 泗 E jpnulMm fme d 坯tnrvjluFee d bac k| fL LCwnrellw-H口v人-Chwab45mg時G 0严网眷JUnc-H匚 HinIs* Fcr邑Y* (kiWaiPrs-fcu 帕Gal iEabll lEf Haj-g in i.PM BfldV3-Ba E -旨曲ca爭7-10 是控制器模拟电路的实现；11 是空气动力学负载。图 2 控制器模拟电路的实现的模型，感兴

14、趣的参数已被标注。图 1 闭环副翼系统的模型。模块中所关心的参数已被标注：1-6 是液压伺服阀的参数；在闭环模型中，我们可以改变控制器和对象的参数，通过仿真来研究系统的 性能。我们已用蒙特卡洛技术选好需要改变的对象和控制器的参数，在建模时这 些参数已用理想值设置，但是我们知道它们的实际测量值是不断变化的。同时， 我们加上了公差数据，反映它们在实际物理组件中的变化情况。并通过这些数据 来研究它们对系统性能的影响。B. 蒙特卡洛测试为了检验这些物理参数已知的变化，我们在 SystemTest 中建立蒙特卡洛测试，这可以通过概率分布测试矢量和 MATLAB 代码来实现。我们的目的是研究系 统的稳定性

15、以及这些参数的变化对系统稳定性的影响。利用正态、对数正态和均 匀概率分布产生其中 10 个参数的 1000 组随机值。对于最后一个参数，为了测试 特定的值，通过 MATLAB 代码产生其可能值整个范围上的一些值。界限测试单元 (Limi t Check elemen t)被用来设置仿真中上升时间和调节时间的上下界。图3显示的是测试的流程。首先运行Simulink模型，然后用MATLAB计算上 升和调节时间，接着利用界限测试单元决策测试是否通过，图中测试矢量的列表 表示的是在测试过程中Simulink模型变化的参数。使用SystemTest运行蒙特卡 洛测试的优势是可以自动改变所设置的参数，同时

16、也可以独立于模型建立测试并 进行并行仿真。图 3 在 SystemTest 中蒙特卡洛测试的设置C. 结果第一次测试运行了七个小时，这是非常耗时的。所以我们将它在计算集群上运行。利用 SystemTest 可以自动地分布式运行测试，而无需改变任何的测试设置。测试运行在8核的计算集群上，每一个包含4个workers,使用的是64位Linux 系统。结果只用了一个多小时。详细的结果如表 1所示。表1每次测试执行时间和使用计算集群所减少的时间1 个核（Windows）8 个核（Linux）所减少的时间测试17:38:411:07:546.8x测试21:04:470:11:385.6x注意速度的提高并

17、不与workers的数量成线性比例，之前也报道过，i。，19这 还依赖于将文件从主机拷贝到集群的每个计算机上的时间、在 workers 和任务调 度器之间传递输入输出数据的时间以及网络传输的因素。通常，整个仿真时间要 远远大于上述的时间。由于SystemTest与并行计算工具箱和MATLAB分布式计算引擎紧密集成的， 测试报告和结果的 MAT 文件和在单机上花费7个小时所完成的结果是一致的。第一次测试说明我们的设计对一些参数非常敏感。图4 所示的是液压缸所受 力影响的曲线。R7,即图2中标注的参数8,导致液压缸所受力很大的不稳定性, 使得许多测试用例都失败了。这也延长了测试，因为仿真时的颤动会

18、让仿真花费 比正常值更长的时间。41到日 Q宜妙 Affile B 第*rim-QiiM 0图 4 左图是使用正常参数值时的液压缸力；右图是第一次蒙特卡洛测试时的液压缸力，注意颤动的频率。对于第二次测试，我们约束了 R7 的公差值，这消除了不稳定性，但是仍然 没有达到上升和调节时间的要求。第二次测试仅用了一个小时，但使用分布式计 算只需11 分钟，计算集群仍同第一次测试。具体时间如表 1 所示。对于这种情况，需要进一步分析我们的设计，这需要改变模型中更多的参数、 检查控制器的设计、与实验数据比较所建立的对象模型以确保模型的准确性等。设计中也使用到了其它的控制设计工具，比如 Simulink R

19、esponse Optimization 优化设计。对于这篇论文的目的，测试是完成了。我们已在一组真实的参数上运行了 蒙特卡洛测试，发现设计的至少一个组件必须要有约束的公差。V.结论这篇文章主要讨论了三个方面：精确对象模型的建立、蒙特卡洛测试和分布 式测试。将以上三方面结合起来能在很大程度上提高设计的品质，同时能节省时 间。基于模型的设计意味着要建模。单独设计和仿真控制器，会丢失对象所反映 的关键信息。使用Simulink,工程师能建立整个系统的模型，包括高精度的物 理组件的模型。这也使得工程师能在开发早期对设计进行更好地测试，尽早发现 错误和缺陷，提高最终产品的质量。蒙特卡洛技术是检验设计、

20、测试系统鲁棒性、保证整个设计完备的一种方式。 利用概率分布随机产生参数值来更好地仿真真实世界中物理组件的变化，包括被 控对象及控制器等。这篇论文中的测试表示了一个组件的变化对设计性能的影 响。正确地界定物理组件的变化是一中解决方法，另外，在设计控制器时要充分 考虑被控对象的变化，通过蒙特卡洛能兼顾以上两种变化因素。 COTS 测试工具 使蒙特卡洛仿真更容易管理，也能更快地仿真，特别是当结合 HPC 集群强大的处 理能力时。论文同时也展示了分布式测试是如何显著减少完全测试设计所花费的时间。 文中列举了一个相对简单的模型和测试案例，两次运行了 1000组测试。第一次 测试花费了7个小时，而用集群计

21、算机进行分布式仿真仅花费了1个小时就得到 了一致的结果。第二次测试分布式计算仅用了11 分钟。这是强大的工具节省了 整个的测试时间。总之，基于模型设计的核心特征是仿真和连续测试，它能提高设计质量，并 缩短开发周期。将蒙特卡洛测试和分布式环境结合起来使得这个过程更快更容易 实现。而在同一个环境中对整个系统建模并仿真的能力是实现以上功能的关键所 在。参考文献1 Barnard, P., “Graphical Techniques for Aircraft Dynamic Model Development,” AIAA Modeling and Simulation Technologies Co

22、nference and Exhibit CD-ROM, Providence, RI, 2004.2 Aberg, R., and Gage, S., “Strategy for Successful Enterprise-Wide Modeling and Simulation with COTS Software,” AIAA Modeling and Simulation Technologies Conference and Exhibit CD-ROM, Providence, RI, 2004, ID: 2004-4929.3 Krasner, J., “Model-Based

23、Design and Beyond: Solutions for Todays Embedded SystemsRequirements, ”Embedded Market Forecasters, American Technology International, Framingham, MA, January 2004.4 Wood, G. D., and Kennedy, D. C., “Simulating Mechanical Systems in Simulink and SimMechanics,” Technical Report 91124v00, The MathWork

24、s, Inc., Natick, MA, 2003.5 Tung, J., “Using model-based design to test auto embedded software,” EE Times online journal, 09/24/2007 7:54 AM EDT, URL: cited 24 September 2007.6 Denery, T., Ghidella, J. R., Mosterman, P. J., and Shenoy, R., “Creating Flight Simulator Landing Gear Models Using Multido

25、main Modeling Tools,” AIAA Modeling and Simulation Technologies Conference and Exhibit CDROM, Keystone, CO, 2006, ID: 2006-6821.7 Popinchalk, S., Glass, J., Shenoy, R., and Aberg, R, “Working in Teams: Modeling and Control Design within a Single Software Environment,” AIAA Modeling and Simulation Te

26、chnologies Conference and Exhibit CD-ROM, Hilton Head, SC, 2007.8Drakos, N., Introduction to Monte Carlo Methods, Computational Science Education Project. URL: http:/www.ipp.mpg.de/de/for/bereiche/stellarator/Comp_sci/CompScience/csep/csep1.phy.ornl.gov/mc/mc.html cited 4 June 2008.9 Kozola, S. and

27、Doherty, D., Using Statistics to Analyze Uncertainty in System Models, MATLAB Digest online journal, May 2007, URL: cited 21 February 2008.10 Wakefield, A., “Using Multiple Processors for Monte Carlo Analysis of System Models,” SAE Congress, Detroit, MI, 2008, ID: 2008-01-1221. 11 Hutton, C., “HPC i

28、n the Kitchen and Laundry Room: Optimizing Everyday Appliances for Customer Satisfaction and Market Share,” SC07, Reno, NV, 2007.12 Real-Time Workshop Users Guide, The MathWorks, Natick, MA, September 2007.13 SystemTest Users Guide, The MathWorks, Natick, MA, September 2007.14 MATLAB Distributed Com

29、puting Engine System Administrators Guide, The MathWorks, Natick, MA, September 2007.15 Simscape Users Guide, The MathWorks, Natick, MA, March 2008.16 SimElectronics Users Guide, The MathWorks, Natick, MA, April 2008.17 SimHydraulics Users Guide, The MathWorks, Natick, MA, March 2008.18 SimMechanics

30、 Users Guide, The MathWorks, Natick, MA, March 2008.19 Ghidella, J., Wakefield, A., Grad-Freilich, S., Friedman, J., and Cherian, V., “The Use of Computing Clusters and Automatic Code Generation to Speed Up Simulation Tasks,” AIAA Modeling and Simulation Technologies Conference and Exhibit CD-ROM, Hilton Head, SC, 2007.