[论文解读] Co-simulation of Continuous Systems: A Tutorial

Cláudio Gomes, Casper Thule+3 more|arXiv (Cornell University)|Sep 22, 2018

Simulation Techniques and Applications参考文献 16被引用 6

一句话总结

本教程全面介绍了连续系统协同仿真的方法，解释了如何利用编排算法将来自不同领域（如机械、电气和控制系统）的异构模型整合并共同仿真。教程详细阐述了数值方法、通信策略及稳定性分析，为从业者提供了调试和优化协同仿真配置的基础，深入揭示了在不同仿真单元之间实现收敛性、一致性和数值精度的关键见解。

ABSTRACT

Co-simulation consists of the theory and techniques to enable global simulation of a coupled system via the composition of simulators. Despite the large number of applications and growing interest in the challenges, the field remains fragmented into multiple application domains, with limited sharing of knowledge. This tutorial aims at introducing co-simulation of continuous systems, targeted at researchers new to the field.

研究动机与目标

• 为研究人员和从业者提供关于连续系统协同仿真的基础理解，尤其聚焦于复杂多领域工程系统的情境。
• 解释由于工具异构性、知识产权限制以及不同的数值特性，独立开发的模型在集成过程中所面临的挑战。
• 展示协同仿真如何实现部分解决方案的早期且频繁的集成，从而降低开发成本并提升系统验证能力。
• 使读者能够通过理解不同编排策略之间的权衡，分析并改进协同仿真的性能。
• 通过将协同仿真形式化为具有明确定义输入/输出行为的黑箱仿真单元的组合，弥合建模工具与整体系统仿真之间的差距。

提出的方法

• 将每个部分系统建模为具有独立模型、求解器、输入近似和输入/输出响应特性的黑箱仿真单元。
• 使用编排器通过设定输入、获取输出以及在离散通信步骤中推进时间，协调仿真单元的运行。
• 采用输入近似函数（例如常数、线性、外推）在通信步骤之间预测输入，从而实现异步仿真。
• 应用雅可比（Jacobi）和高斯-赛德尔（Gauss-Seidel）编排算法，通过迭代修正接口值，提升协同仿真中的一致性。
• 使用矩阵方程形式化协同仿真步骤，以表示状态转移，包含系统矩阵和耦合项（如 $C_1, C_2, D_1, D_2$）。
• 通过迭代定点迭代和基于矩阵的误差传播模型分析稳定性与收敛性，理论基础源自 [17, 14, 13, 21, 3]。

实验结果

研究问题

• RQ1 当不同领域模型使用不同工具、求解器和数值方法时，如何实现其协同仿真？
• RQ2 在收敛性和稳定性方面，不同协同仿真编排算法（如雅可比与高斯-赛德尔）之间的关键权衡是什么？
• RQ3 输入近似函数和通信步长如何影响协同仿真的准确性和一致性？
• RQ4 何种数学框架能够支持对多个仿真单元之间协同仿真收敛性与稳定性的分析？
• RQ5 如何利用协同仿真将物理原型、软件组件和人类操作员整合到单一仿真环境中？

主要发现

• 雅可比与高斯-赛德尔编排算法可借助描述状态转移和仿真单元间迭代修正的矩阵方程进行形式化。
• 使用输入近似函数会引入随时间累积的误差，这些误差必须在协同仿真的一致性与准确性分析中予以考虑。
• 协同仿真的收敛性受内部求解器步长、通信步长以及输入近似选择之间相互作用的影响，使其成为一个复杂但可分析的系统。
• 协同仿真方法的理论稳定性与收敛性基于定点迭代和基于矩阵的误差传播，其形式化理论依据见 [17, 14, 13, 21, 3]。
• 该框架使协同仿真可被分析为一个动态系统，使从业者能够评估数值行为，并通过参数调优提升性能。