GEKKO秒级在线仿真场景下如何配置m.time及更新初始条件

你遇到的变量不更新问题核心是初始条件更新的时机错误，m.time的基础配置符合单步仿真需求，具体修正方法如下：

1. 核心逻辑修正 #

• m.time配置：单步跑1秒仿真的场景下，m.time = np.linspace(0,1,2)本身配置正确，两个点分别对应本次仿真的起始时刻和1秒后的结束时刻。如果需要更高的单步仿真精度，可以增加时间点数，比如np.linspace(0,1,11)代表1秒内分10个步长计算，不影响整体1秒的仿真周期。
• 初始值更新时机：原有代码在m.solve()执行后才更新变量值，本次求解用的还是上一轮的初始值，赋值结果仅对下一轮求解生效，因此看起来变量没有更新。必须把初始值更新逻辑放到m.solve()之前，且取上一轮仿真结果的最后一个点作为本轮初始值。
• 求解参数优化：添加remote=False本地求解、disp=False关闭求解日志，适配在线仿真的低延迟需求。

2. 修正后代码示例 #

import numpy as np
import time
from gekko import GEKKO

# 所有模型定义逻辑放到循环外，不要重复定义
m = GEKKO(remote=False)
# 1秒单步仿真时间配置
m.time = np.linspace(0, 1, 2)
# 变量定义，第一次仿真的初始值可以在这里设置
x1 = m.Var(value=0)
x2 = m.Var(value=0)
x3 = m.Var(value=0)
# 替换为你自己的系统方程
m.Equation(x1.dt() == -0.5 * x1 + x2)
m.Equation(x2.dt() == x1 - x2 + x3)
m.Equation(x3.dt() == -x2 - 2 * x3)
# 设置动态仿真模式
m.options.IMODE = 4

simulation_on = True
while simulation_on:
    # 先更新初始条件：取上一轮仿真的最后一个状态作为本轮初始值
    x1.value = x1.value[-1]
    x2.value = x2.value[-1]
    x3.value = x3.value[-1]
    # 执行求解
    m.solve(disp=False)
    # 此处添加你的结果处理、状态打印、业务逻辑代码
    print(f"仿真结果：x1={x1.value[-1]:.3f}, x2={x2.value[-1]:.3f}, x3={x3.value[-1]:.3f}")
    # 和真实时间对齐可选
    time.sleep(1)
    # 此处添加你的仿真停止条件，示例为跑20次后停止
    # if 停止条件触发:
    #     simulation_on = False

3. 注意事项 #

• 不要在循环内部重复定义模型、变量、方程，否则会导致模型重复叠加，运行速度越来越慢甚至报错。
• 如果不需要严格对齐真实时钟，可以去掉time.sleep(1)语句，仿真会以最快速度运行。

内容的提问来源于stack exchange，提问作者reyPanda