如何在PyFMI中动态获取变量值并调整输入参数？

问题原因 #

调用model.simulate()时，PyFMI的仿真引擎会接管模型内部状态更新流程，此时直接在输入回调函数中调用model.get('x')无法获取当前仿真时刻的实时状态——模型的中间状态仅在仿真引擎内部循环中可用，外部调用无法访问。

解决方案 #

方案1：使用带状态参数的输入回调函数 #

PyFMI允许输入回调函数接收额外参数，第三个参数即为当前仿真时刻的状态变量数组，可直接通过该参数获取x的值，无需调用model.get()。

修改后的代码示例：

from pyfmi import load_fmu

model = load_fmu('D:/FMU/Test.fmu')

# 先确认状态变量顺序，确保x的索引正确
print(model.get_states_list())  # 输出类似['x']，因此x是states数组的第0个元素

def f(time, _, states):
    # 通过states数组获取当前x的值
    current_x = states[0]
    # 根据current_x动态调整k的值，示例为基于x计算k
    return current_x * 0.001  # 替换原有的time*0.1逻辑

inputs = ('k', f)
result = model.simulate(final_time=10, input=inputs)

方案2：分段仿真（手动控制流程） #

若需要更灵活地控制仿真节奏，比如在每个时间步结束后获取状态并调整输入，可采用分段仿真的方式：每次仿真一小段时间，获取当前状态后更新输入，再继续仿真。

代码示例：

from pyfmi import load_fmu
import pandas as pd

model = load_fmu('D:/FMU/Test.fmu')
start_time = 0.0
current_time = start_time
total_final_time = 10.0
step_duration = 1.0  # 每次仿真的时间步长

# 初始化模型
model.setup_experiment(start_time=start_time)
model.initialize()

# 存储所有分段仿真的结果
all_results = []

while current_time < total_final_time:
    # 计算本次仿真的结束时间
    next_time = min(current_time + step_duration, total_final_time)
    # 仿真到下一个时间点
    segment_result = model.simulate(start_time=current_time, final_time=next_time)
    # 获取当前时刻的x值（取结果数组的最后一个元素）
    current_x = segment_result['x'][-1]
    # 根据x调整输入k的值
    new_k = current_x * 0.001
    model.set('k', new_k)
    # 更新当前时间
    current_time = next_time
    # 保存分段结果
    all_results.append(segment_result)

# 合并所有分段结果为一个DataFrame（可选）
final_result = pd.concat([pd.DataFrame(res) for res in all_results]).reset_index(drop=True)

注意事项 #

• 方案1中，状态变量的顺序可通过model.get_states_list()确认，确保从states数组中取到正确的变量。
• 方案2的步长可根据需求调整，步长越小状态更新频率越高，但仿真效率会有所下降。

内容的提问来源于stack exchange，提问作者cwydw