OpenMDAO中DOE的Newton求解器奇异错误后续点失效问题咨询

问题背景 #

在OpenMDAO 3.25版本中，使用om.DOEDriver搭配om.UniformGenerator运行模型时，前几个DOE计算点正常，但某一节点出现RuntimeError: Factor is exactly singular错误后，后续所有DOE点均报相同错误，且该问题并非物理特性导致。

模型核心配置代码：

cycle1 = self.add_subsystem('cycle1', om.Group(), promotes_inputs=['T','Ch','Cg','M_Fm'],
                            promotes_outputs=['Ba','eta_avg','Cm','T_m_avg'])    

        
cycle1.add_subsystem('Equilibrium', Equilibrium(input_data=d, opt_data=a), promotes_inputs=['Ch','Cg','Fm','Ft','M_Fm'],
                            promotes_outputs=['eta_avg']) 
        
cycle1.add_subsystem('Aero', Aero(input_data=d, opt_data=a), promotes_inputs=['eta_avg'],
                            promotes_outputs=['Ba','Ft'])                    
                             
cycle1.add_subsystem('Mooring', Mooring(input_data=d, opt_data=a), promotes_inputs=['eta_avg','T'],
                            promotes_outputs=['Cm','T_m_avg','Fm']) 
        
cycle1.nonlinear_solver = om.NewtonSolver()
cycle1.linear_solver = om.DirectSolver()
cycle1.nonlinear_solver.options['iprint'] = 2
cycle1.nonlinear_solver.options['maxiter'] = 100
cycle1.nonlinear_solver.options['solve_subsystems'] = True
cycle1.nonlinear_solver.options['err_on_non_converge'] = False
cycle1.nonlinear_solver.options['reraise_child_analysiserror'] = True 

Equilibrium组件残差计算代码：

def apply_nonlinear(self, inputs, outputs, residuals):
      t = inputs['Ft']
      Fm = inputs['Fm']
      Ch = inputs['Ch']
      Cg = inputs['Cg']
      M_Fm = inputs['M_Fm'][0]
      eta_avg = outputs['eta_avg']
      
residuals['eta_avg'] = np.matmul((Ch + Cg), eta_avg) - (Ft + Fm - [0, 0, -9.81*M_Fm, 0,0,0])

可能原因 #

• 求解器状态未重置：NewtonSolver和DirectSolver在DOE迭代过程中会保留上一次计算的状态（如分解后的矩阵、迭代初始值），当某一次触发奇异矩阵错误后，后续迭代直接复用了错误的状态，导致全部失败。
• 初始值继承问题：DOE默认会将上一次迭代的输出作为下一个样本点的初始值，若上一次因奇异矩阵中断，初始值处于非合理状态，后续迭代的雅可比矩阵自然也会保持奇异。
• DirectSolver缓存机制：DirectSolver默认会缓存LU分解结果，当后续样本点的矩阵数值或结构变化时，缓存的失效分解结果未被清除，直接引发奇异错误。

解决建议 #

• 强制重置求解器状态：在每个DOE样本点运行前，手动重置求解器状态。可以在模型中添加自定义逻辑，每次迭代前调用cycle1.nonlinear_solver.reset()和cycle1.linear_solver.reset()，确保求解器从头开始计算。
• 独立初始化每个样本点：在DOEDriver中设置reset_model=True，强制每个样本点都从模型的默认初始值开始迭代，避免继承上一次的错误状态。也可以在组件的initialize方法中显式设置合理的初始值。
• 禁用矩阵缓存：修改DirectSolver配置，添加cycle1.linear_solver.options['cache_factorization'] = False，强制每次迭代重新进行矩阵分解，避免使用缓存的失效结果。
• 添加错误恢复逻辑：在模型中捕获RuntimeError异常，当检测到奇异矩阵错误时，重置求解器并重新初始化当前样本点，防止错误扩散到后续点。

内容的提问来源于stack exchange，提问作者Kasia