OpenMDAO框架中子系统通用变量传递问题求助

这是OpenMDAO项目中常见的代码组织与参数传递问题，我给你几个实用的解决方案，按照推荐程度排序：

方案1：使用OpenMDAO官方推荐的Options机制 #

这是最符合OpenMDAO设计规范的做法，组件的options就是用来传递配置类参数的，完美适配你的场景：

首先在单独的somemodule.py脚本中定义子系统时，通过initialize()方法声明需要接收的参数：

import openmdao.api as om

class SomeModule(om.ExplicitComponent):
    def initialize(self):
        # 声明需要接收的输入参数字典，指定类型确保安全性
        self.options.declare('input_params', types=dict)
    
    def setup(self):
        # 在setup中通过self.options访问传递过来的参数
        d = self.options['input_params']
        # 比如你可以用d里的键值对来定义变量、设置初始值等
        self.add_input('x1', val=d.get('x1_initial', 0.0))
        self.add_input('x2', val=d.get('x2_initial', 0.0))
        self.add_output('y1')
        self.add_output('y2')
    
    def compute(self, inputs, outputs):
        # 计算逻辑中同样可以访问self.options['input_params']
        params = self.options['input_params']
        outputs['y1'] = inputs['x1'] * params['scale_factor']
        outputs['y2'] = inputs['x2'] + params['offset']

然后在主脚本中，读取输入文件后，在添加子系统时通过参数传递input_params：

import openmdao.api as om
from Inertia import Inertia
from somemodule import SomeModule

# 读取输入文件
d = hf.read_input(fin)

class MDA(om.Group):
    class ObjCmp(om.ExplicitComponent):
        def setup(self):
            self.add_input('y1')
            self.add_output('obj')
        
        def compute(self, inputs, outputs):
            outputs['obj'] = inputs['y1'] ** 2
    
    def setup(self):
        # 添加子系统时，直接把读取到的参数字典传入
        self.add_subsystem('d1', SomeModule(input_params=d), 
                          promotes_inputs=['x1','x2'], promotes_outputs=['y1','y2'])
        self.add_subsystem('obj_cmp', self.ObjCmp(), promotes_inputs=['y1'], promotes_outputs=['obj'])

这个方法的优势在于参数传递清晰、符合框架规范，而且OpenMDAO会自动处理options的序列化等问题，后续扩展子系统时也能保持一致的代码风格。

方案2：使用全局配置类（适合简单场景） #

如果你的框架是单实例运行，且不想给每个子系统都手动传参，可以用一个全局配置类来存储参数：

首先在主脚本的最顶部定义配置类并赋值：

# 主脚本开头
class GlobalConfig:
    input_params = None

# 读取输入文件后赋值
d = hf.read_input(fin)
GlobalConfig.input_params = d

然后在子系统脚本中直接导入这个配置类使用：

# somemodule.py
import openmdao.api as om
from main_script import GlobalConfig

class SomeModule(om.ExplicitComponent):
    def setup(self):
        d = GlobalConfig.input_params
        # 后续逻辑直接用d里的变量即可
        self.add_input('x1', val=d['x1_initial'])
        # ... 其他代码 ...

这个方法实现简单，但要注意全局变量的副作用——如果你的框架需要同时运行多个实例，参数会互相干扰，所以仅推荐单实例的简单场景使用。

方案3：通过Group的Options传递给内部组件 #

如果你的MDA Group本身也需要访问输入参数，同时要传递给内部所有子组件，可以先在Group层面声明options，再向下传递：

# 主脚本
import openmdao.api as om
from somemodule import SomeModule

d = hf.read_input(fin)

class MDA(om.Group):
    def initialize(self):
        # Group层面声明需要接收的参数
        self.options.declare('input_params', types=dict)
    
    class ObjCmp(om.ExplicitComponent):
        def initialize(self):
            self.options.declare('input_params', types=dict)
        
        def setup(self):
            self.add_input('y1')
            self.add_output('obj')
        
        def compute(self, inputs, outputs):
            params = self.options['input_params']
            outputs['obj'] = inputs['y1'] * params['obj_weight']
    
    def setup(self):
        group_params = self.options['input_params']
        # 传递给子系统
        self.add_subsystem('d1', SomeModule(input_params=group_params), 
                          promotes_inputs=['x1','x2'], promotes_outputs=['y1','y2'])
        self.add_subsystem('obj_cmp', self.ObjCmp(input_params=group_params), 
                          promotes_inputs=['y1'], promotes_outputs=['obj'])

# 实例化MDA时传入参数
mda = MDA(input_params=d)

这个方法适合Group和内部子组件都依赖同一套配置的场景，结构更规整。

内容的提问来源于stack exchange，提问作者Kasia