基于FMPy实现无迹卡尔曼滤波前向算子的变量设置问题求助

报错原因 #

• 变量未被标记为可设置：Modelica模型编译为FMU时，默认仅暴露部分变量为可设置状态。若你的state_keys或param_keys对应变量在FMU中被标记为settable=false（比如Modelica代码中未添加可设置注解、变量为protected类型，或导出FMU时未勾选对应选项），调用simulate_fmu时会报错无法设置。
• 变量名不匹配：Modelica源码中的变量名在编译为FMU后可能被修改（比如添加模型路径前缀，如MyModel.x而非x），若state_keys使用的是源码中的原始名称，会因无法匹配FMU实际导出的变量名导致设置失败。
• 初始化约束冲突：若待设置的变量之间存在模型内部的代数约束或初始化方程，强行设置这些变量会破坏模型的初始化一致性，FMU会拒绝执行设置操作。

解决方法 #

1. 验证并修正变量名与可设置性 #

使用FMPy的工具导出FMU的完整变量列表，确认哪些变量支持设置：

from fmpy import read_model_description

model_description = read_model_description(FMU_PATH)

# 筛选可设置的连续/离散状态与参数
for var in model_description.modelVariables:
    if var.settable and var.variability in ['continuous', 'discrete', 'parameter']:
        print(f"可设置变量: {var.name} (类型: {var.variability})")

将输出的变量名替换你的state_keys和param_keys，确保完全匹配FMU导出的名称。

2. 调整Modelica模型与FMU导出设置 #

• 在Modelica源码中，为需要设置的变量添加可设置注解：

model MyModel
  Real x(start=0) annotation(Dialog(settable=true)); // 标记为可设置
  parameter Real k=1 annotation(Dialog(settable=true));
equation
  der(x) = -k*x;
end MyModel;

• 导出FMU时，在编译工具（如OpenModelica、Dymola）中勾选"导出可设置状态变量"或类似选项，确保目标变量被包含在可设置列表中。

3. 处理初始化约束冲突 #

避免直接设置存在约束依赖的变量，仅设置模型中的独立状态变量，让FMU自动计算依赖变量。若必须设置相关变量，需在Modelica模型中调整初始化策略（比如移除冲突的初始化方程，或使用fixed=true指定固定初始值）。

4. 使用FMPy低级API手动控制仿真流程 #

若simulate_fmu的封装层限制了变量设置的灵活性，可使用FMPy的低级API直接操作FMU实例，更精确地控制变量设置与仿真：

from fmpy import instantiate_fmu, free_fmu, setup_experiment, enter_initialization_mode, exit_initialization_mode, do_step

def forward_operator_low_level(x, p, tstart, tend, h, state_keys, param_keys, tol=1e-8):
    # 实例化ModelExchange模式的FMU
    fmu = instantiate_fmu(FMU_PATH, fmi_type='ModelExchange')
    
    # 设置参数
    for key, val in zip(param_keys, p):
        var_idx = fmu.variableNames[key]
        fmu.setReal([var_idx], [val])
    
    # 设置状态变量
    for key, val in zip(state_keys, x):
        var_idx = fmu.variableNames[key]
        fmu.setReal([var_idx], [val])
    
    # 配置实验与初始化
    setup_experiment(fmu, start_time=tstart, stop_time=tend)
    enter_initialization_mode(fmu)
    exit_initialization_mode(fmu)
    
    # 执行仿真并记录结果
    current_time = tstart
    results = {'time': []}
    for key in state_keys:
        results[key] = []
    
    while current_time < tend:
        do_step(fmu, current_time=current_time, step_size=h)
        current_time += h
        
        results['time'].append(current_time)
        # 读取并存储状态
        for key in state_keys:
            val = fmu.getReal([fmu.variableNames[key]])[0]
            results[key].append(val)
    
    # 释放FMU资源
    free_fmu(fmu)
    return results

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