在OpenModelica中调用CVXPy出现Segmentation Fault问题求助

关于调整OpenModelica内存的可行性 #

可以尝试调整OpenModelica的内存分配参数来缓解问题：

• 在OMEdit的仿真配置中，进入Simulation Setup → Simulation Flags，添加-memory <数值>参数（单位为MB，比如-memory 2048），增大仿真可用的堆内存上限。
• 如果使用命令行运行仿真，直接追加该参数即可，比如omc -memory 2048 your_model.mo。多次迭代后内存累积可能导致SCS求解器的C模块内存不足，增大内存配额可能避免触发段错误。

其他可能的原因及排查方向 #

1. 内存泄漏累积 #

• Python侧每次调用CVXPy优化器后，未正确释放优化问题实例、求解器对象等资源，在OpenModelica的Python环境中持续累积，到第97次迭代时触发内存溢出。建议在每次优化完成后显式清理：

  del prob, solver_instance  # 删除不再使用的变量
  import gc
  gc.collect()  # 强制触发垃圾回收
  

• SCS求解器的C底层存在内存泄漏，多次重复调用后问题显现。尝试升级SCS到最新版本：pip install --upgrade scs。

2. 数据传递的类型/内存布局问题 #

OpenModelica传递给Python的数据可能存在类型不匹配或内存布局异常，导致SCS处理矩阵时出错：

• 在Python侧接收Modelica数据后，显式转换为标准numpy数组格式：

  import numpy as np
  input_data = np.array(modelica_input, dtype=np.float64)
  

  确保数据类型为64位浮点，内存布局符合numpy的标准要求。

3. 求解器状态未重置 #

如果复用SCS求解器的暖启动状态（warm_start=True），多次迭代后状态可能出现异常，引发QDLDL分解崩溃：

• 每次调用求解器时创建新的实例，或者禁用暖启动：prob.solve(solver=SCS, warm_start=False)，强制每次从头开始优化。

4. 环境依赖版本不一致 #

OpenModelica调用的Python环境与你单独测试的Python 3.8环境可能存在依赖版本差异（比如CVXPy、SCS、numpy的版本）：

• 查看OpenModelica使用的Python解释器路径（OMEdit中Tools → Options → Python），对比该环境与本地测试环境的包版本（用pip list命令），确保关键依赖版本一致。

5. 数值稳定性问题 #

第97次迭代的输入数据可能导致矩阵奇异或数值不稳定，触发QDLDL分解的崩溃：

• 在Python侧添加日志，输出第97次迭代的输入矩阵数据，单独用这些数据测试CVXPy，确认是否能复现错误。
• 若为数值问题，可调整SCS求解器参数，比如增大eps_abs、eps_rel的阈值，或在优化目标中添加小的L2正则项（如0.0001 * sum(variables**2)），改善矩阵的数值条件。

内容的提问来源于stack exchange，提问作者Luis Enriquez-Contreras