使用PyFMI多次仿真Dymola FMU时重置初始化失败的问题求助

阿华AIGC实验室

2026-4-27

解决PyFMI多次仿真Dymola FMU初始化失败的问题

看起来你遇到的问题核心是FMU状态残留加上初始化流程顺序错误，导致第二次初始化时模型变量处于异常状态（比如NaN），非线性求解器无法处理。我之前也碰到过Dymola生成的FMU在PyFMI中重复运行的类似问题，给你几个可行的解决方案：

1. 修正FMU仿真的标准流程顺序

你的初始代码里调用initialize()的顺序错了！按照FMU的官方规范，正确的流程应该是：

加载FMU → 设置实验（setup_experiment） → 初始化（initialize） → 执行仿真步（do_step）

你之前先调用了initialize()再setup_experiment()，这会导致FMU的初始状态没有被正确配置，第一次仿真可能侥幸运行，但后续重置时必然出问题。先把这个顺序改过来：

# 正确的初始化流程
model = load_fmu(r'path', kind="CS", log_level=4)
model.setup_experiment(start_time=start_time)  # 先设置实验
model.initialize()  # 再初始化

2. 每次仿真后重置FMU状态（而非仅重新初始化）

很多Dymola生成的FMU不会仅通过initialize()就完全重置内部状态（比如离散状态、代数变量的残留值），需要调用标准的reset()方法来回到初始状态。修改你的循环代码：

model = load_fmu(r'path', kind="CS", log_level=4)
for run in range(2):
    model.setup_experiment(start_time=start_time)
    model.initialize()
    for step in steps:
        status = model.do_step([:], new_step=True)
    # 完成一轮仿真后，先重置再准备下一轮
    model.reset()

reset()方法会清除所有仿真过程中产生的状态变量值，将FMU恢复到刚加载后的初始状态，这样下一轮的setup_experiment和initialize就能正常执行。

3. 若reset仍无效，尝试每次循环重新加载FMU

如果某些特殊的Dymola FMU不支持reset()（比如模型中有自定义的非重置状态），可以在每次循环中重新加载FMU实例，彻底避免状态残留：

for run in range(2):
    # 每轮都重新加载FMU，确保完全干净的初始状态
    model = load_fmu(r'path', kind="CS", log_level=4)
    model.setup_experiment(start_time=start_time)
    model.initialize()
    for step in steps:
        status = model.do_step([:], new_step=True)
    # 仿真结束后可以调用terminate()释放资源（可选）
    model.terminate()

这种方法虽然会增加一点加载开销，但能100%避免状态残留问题，适合对稳定性要求高的场景。