如何在Dymola中动态控制变量以最大化另一变量

需求说明 #

我使用Dymola已有一段时间，但刚接触控制器开发。已搭建完成复杂热工设备模型，能实现基于恒定设定值的PI/PID控制，现在有新需求：需要控制某一信号最大化另一变量的值，而非维持恒定设定值。我已调研过PID控制器、梯度法优化、付费的RealTimeOptimization函数，仍需更多指导。

简化需求：

• 控制变量inputVar，取值范围限定为[0,1]
• 在每个仿真时间步内最大化outputVar的值
• 仿真时长3600秒，需得到inputVar随时间变化的最优曲线（例如从0逐步增至1）

以下结合你提供的简化模型，给出具体实现方案：

简化模型分析 #

你提供的测试模型中，outputVar是inputVar的线性函数：

outputVar = sine_wave1*inputVar + sine_wave2*(1-inputVar) = (sine_wave1 - sine_wave2)*inputVar + sine_wave2

这类线性场景可直接通过解析推导得到最优解，复杂非线性热工模型则需采用数值优化方法。

方案1：瞬时最优控制（解析解法，适用于线性目标） #

针对线性目标函数，直接通过逻辑判断即可得到每个时刻的最优inputVar：

• 当sine_wave1 > sine_wave2时，取inputVar=1可最大化outputVar
• 当sine_wave1 < sine_wave2时，取inputVar=0
• 两者相等时，inputVar取[0,1]内任意值均可

修改后的完整模型代码：

"测试模型：通过控制输入变量最大化输出变量"

  // 简化模型参数
  parameter Real amplitude = 10;
  parameter Real frequency = 1e-4;
  parameter Real phase1 = 0;
  parameter Real phase2 = Modelica.Constants.pi/2;
  Real sine_wave1;
  Real sine_wave2;

  Real inputVar "需在仿真全程优化的变量，取值范围[0,1]";
  Real outputVar "待最大化的输出变量";

equation 
 sine_wave1 = amplitude * sin(2 * Modelica.Constants.pi * frequency * time + phase1);
 sine_wave2 = amplitude * sin(2 * Modelica.Constants.pi * frequency * time + phase2);

 // 瞬时最优逻辑：根据两个正弦波的大小选择inputVar
 inputVar = if sine_wave1 > sine_wave2 then 1 else if sine_wave1 < sine_wave2 then 0 else 0.5;

 outputVar = sine_wave1*inputVar+sine_wave2*(1-inputVar);

  annotation (uses(Modelica(version="4.0.0")),experiment(
      StopTime=3600,
      Interval=1,
      __Dymola_Algorithm="Dassl"));
end TestOptControlSignal;

方案2：梯度法实时优化（适用于非线性目标） #

如果你的实际热工模型是非线性的，无法解析求最优解，可采用梯度上升法逐步调整inputVar：

• 核心逻辑：每个时间步计算outputVar对inputVar的梯度，沿梯度方向调整变量，同时限制在[0,1]范围内
• 需调试合适的学习率（步长），避免振荡或收敛过慢

示例实现代码：

"梯度法实时优化控制示例"
  parameter Real amplitude = 10;
  parameter Real frequency = 1e-4;
  parameter Real phase1 = 0;
  parameter Real phase2 = Modelica.Constants.pi/2;
  parameter Real learningRate = 0.01; // 步长，需根据实际模型调整
  Real sine_wave1;
  Real sine_wave2;

  Real inputVar(start=0, min=0, max=1) "优化变量";
  Real outputVar "待最大化输出";
  Real dOutput_dInput "outputVar对inputVar的梯度";

equation 
 sine_wave1 = amplitude * sin(2 * Modelica.Constants.pi * frequency * time + phase1);
 sine_wave2 = amplitude * sin(2 * Modelica.Constants.pi * frequency * time + phase2);

 // 计算梯度（简化模型为解析值，非线性模型可通过数值微分或自动微分实现）
 dOutput_dInput = sine_wave1 - sine_wave2;

 // 梯度上升更新inputVar，超出范围时停止调整
 der(inputVar) = learningRate * dOutput_dInput;
 when inputVar >= 1 then
   der(inputVar) = 0;
 end when;
 when inputVar <= 0 then
   der(inputVar) = 0;
 end when;

 outputVar = sine_wave1*inputVar+sine_wave2*(1-inputVar);

  annotation (uses(Modelica(version="4.0.0")),experiment(
      StopTime=3600,
      Interval=1,
      __Dymola_Algorithm="Dassl"));
end TestGradientOptControl;

方案3：Dymola动态优化模块（适用于高精度需求） #

如果需要更严谨的最优控制结果，可使用Dymola内置的优化求解器（如IPOPT）：

1. 标记inputVar为优化变量，添加范围约束
2. 设置outputVar为优化目标（可选择最大化瞬时值或积分值）
3. 启动优化求解

关键修改点：

// ... 其余参数和变量定义同原模型 ...

  Real inputVar(min=0, max=1) annotation(__Dymola_Optimization(Variable=true));
  Real outputVar annotation(__Dymola_Optimization(Objective=outputVar, IntegralObjective=false));

  // ... 方程部分同原模型，移除inputVar的固定赋值 ...
end TestDynamicOptimization;

注意：动态优化求解复杂度较高，适合仿真时长适中、精度要求高的场景。

注意事项 #

• 热工模型属于慢动态系统，瞬时最优或梯度法计算量小，更适合实时仿真场景
• 若模型存在滞后或inputVar变化率约束，需在控制逻辑中加入相应限制，避免动作过于剧烈
• 梯度法的学习率需根据模型动态特性调试，过小会导致收敛慢，过大可能引发振荡

内容的提问来源于stack exchange，提问作者EngineerInProgress