基于虚拟仪器技术的运行环境仿真系统的开发研究

摘要： 本文主要关注于运行环境仿真系统的开发研究，介绍了基于案例的动态仿真模型库和基于虚拟仪器技术的硬件在环测试系统的开发方法。最后给出了一个洗衣机主控板测试系统的具体例子。 关键词： 仿真，虚拟仪器，测控，硬件在环 1.前言 现代工业面对了越来越多的挑战：激烈的市场竞争和环境保护方面政府的严格约束。针对这些挑战的主要策略是减少新产品的设计和测试时间，减少开发费用，减少产品投入市场的周期。解决这些问题的方法主要是产品开发和过程设计中CAD/CAE/CAM技术的有效利用。在两个最困扰机电产品设计和开发人员的主要问题中，第一是如何合理选择部件和子系统以满足系统需求，第二是如何在低成本条件下测试系统性能。仿真技术则成为了解决上述问题的答案。仿真实验分析技术对于利用实际部件和系统的实验数据获得深入的知识和了解非常有帮助。计算机仿真为在变条件和不同参数的情况下描述和分析系统行为提供了可能。同时，可以获得足够数量和质量的分析数据。它具有不需要实际工作环境，不需要复杂加载系统等许多优点，这些优点给技术开发人员指出了一条非常具有吸引力的方向。 过去，仿真技术的研究主要集中于仿真工具方面，而对于现代机电系统，则相对忽略了仿真模型的精度和功能准确度。不管仿真工具如何先进，不合适的仿真模型肯定会导致错误的仿真结果。这是现代仿真技术面对的主要问题。 虚拟仪器技术使用主流计算机技术，并结合了创新、灵活的软件模块，高性能的硬件技术创造了强大的以计算机为基础的仪器解决方法。虚拟仪器技术的领导者，国家仪器，发布了一整套软、硬件工具用于建立测控应用。他们为仿真系统和仿真模型的开发提供了一个良好的基础。 运行环境仿真系统的研究首先集中于仿真模型，精确建立一个针对机电部件和系统的动态案例仿真模型库。这个动态仿真模型库具有三个优点：a）它提供了一个基于案例推理技术的仿真模型分类结构，它可以动态调整模型数据库结构以满足实际系统需求；b）它具有测试仿真模型和真实系统匹配度的功能；c）它具有一个系统辩识工具，可以从实际的实验结果中提取精确模型，并重构动态模型库。这些优点可以有效解决以前静态模型库带给仿真实验的问题：动态仿真模型库具有动态和自适应的能力，可以满足更加广泛的需求。运行环境仿真系统另一个关注的是建立硬件在环测试系统。以虚拟仪器技术为基础，这项工作变的更加容易。具体的结构和开发方法将在后面介绍。 2.运行环境仿真系统的结构和开发方法 运行环境仿真系统包含两个部分：一是动态案例模型库，二是硬件在环测试系统。具体结构见图1。 图1 运行环境仿真系统结构图 动态案例模型库主要包括几个模块，索引引擎，数学模型库，数据描述库，其它数据库，动态辩识模块，模型测试和评价模块。 硬件在环测试系统可以分为软件和硬件部分。软件部分主要是测控软件模块；硬件部分包括全部硬件系统，如PXI总线系统，PCI总线系统，Compact-RIO系统等。 1）动态案例模型库 动态案例模型库的开发主要以NI LabVIEW 仿真模块，Matlab，和其它仿真工具包为基础进行。这些工具为建立机电系统的模型库提供了一个完整的平台。动态案例模型库包含三个主要部分：案例模型库（索引引擎，数学模型库，数据描述库，其它数据库），系统辩识软件模块，模型测试和评价模块，模型传输和修改模块。主要结构见图2。 图2 动态案例模型库的结构图 A.案例模型库 模型库采用案例推理技术实现，这项技术在80年代后期逐渐被越来越多的人工智能研究人员关注，它是一种利用过去案例和经验解决问题的类推方法。总的来说，案例推理技术采用以下的推理步骤： a）确认问题：输入需求，初始化条件和问题相关信息； b）获取案例：根据需求和初始条件，寻找与实际问题类似的案例； c）修改案例：从最类似的案例或案例组中提取目标解决方案，通过修改目标方案满足实际需求； d）存储案例：解决完问题后，将最新的解决方案存贮到案例库中。 案例推理技术最重要的部分是建立案例的索引引擎和设计索引算法。我们可以利用这个技术建立案例数据库。整个数据库将来可以建立成具有可重构特性的分布式网络结构。它最主要的优势在于能够根据用户需求重构分布式网络，并快速引导到合适的案例。这项技术具有很强的自适应能力。 在这个模型库中，机电系统和部件的模型可以分为几个主要部分，如机械，电子电气，液压等。这些分类组建成一个树型结构。例如，电子电气组件可以分为微处理器，执行器，驱动系统，传感器等。进一步，执行器还可按照不同的类型，功率，最大转速，驱动方式等再进行分类。图3给出了一个简化的电机分类的例子。其中案例i代表模型库中的一个原始模型。 图3 简化电机模型分类 根据以上的分类，我们可以对不同的模型获得多种快速，有效的索引方法。例如，如图3所示，现在在这个模型库中具有三个案例，每个代表一种类型的电机模型。如果现在我们需要得到功率大于1kW，最大速度大于3000rpm的交流电机模型，但目前在图3所示的库中没有匹配的模型。案例模型库将自动建立一个新的案例，并重构模型库，重构的模型库结构如图4所示，以上的例子解释了模型库重构的方法。上述方法对于动态案例模型库非常关键，因为它提供了一个办法来自适应调整模型测试，评价和辩识的索引和重构过程。人工神经网络，模糊逻辑，或其他人工智能理论可以应用于重构工作，从而进一步提高模型库的自适应能力。 图4 重构的简化电机模型库结构 B.模型测试和评价模块 模型测试和评价模块主要包括两个部分（见图2）。第一部分完成仿真实验结果和实际实验结果的对比，判定两者之间的差异；第二部分测试和评价仿真模型是否对应实际的部件和系统。在获得实验结果后，案例模型数据库会自动选择相关的模型和仿真实验结果提供给测试过程。模型测试和评价的两个功能描述如下： a）对比功能：对比仿真实验结果和真实实验结果的有效办法是计算两者输出数据的差异。我们同样可以对比两者系统参数，性能指标，动态特征图等方面的误差。经过对比，这些误差将提供到模型测试和评价模块； b）模型测试和评价功能：如果误差序列是具有零均值和非常小的方差的白噪声序列，可以判定仿真模型和实际系统非常接近，模型不需要修改或者重构。否则，必须修改仿真模型或重构来提高匹配精度。 C.动态辩识模块 如果模型测试和评价结果说明相关的模型必须进行修改或者重构，动态辩识模块就要进入工作。动态辩识模块将利用真实实验结果获得新的模型，并进行模型校准和修改。 现代系统辩识理论在这个模块中担负着重要的责任。系统辩识主要根据被辩识系统的输入输出获取等效的系统（数学模型）。通用的模型描述方法包括传递函数，状态方程和微分方程等。传递函数的辩识方法分为时域和频域方法。状态方程的辩识方法比较复杂，可以从微分方程或传递函数转化过来。微分方程的辩识主要是采用统计分析和参数预估，如最小二乘，最大似然等方法。非线性系统可以采用非线性微分方程，Volterra级数，双线性模型等来描述。 对于不同的部件和系统，我们需要选择不同的模型来描述。甚至对于同一个部件，都需要建立不同的描述方法以满足不同的需要。在系统辩识的开始阶段，首先要根据实际需求正确合适的数学模型的类型。然后，下一步是选择合适的辩识方法通过实际实验数据获得模型参数。举例说明，一个电机可以描述成一个线性模型，也可以描述成一个非线性模型。根据所需的仿真精度和功能，我们可以选择一个单入单出的传递函数，也可以使用最小二乘方法构建Volterra级数模型。在这里，许多现代人工智能理论可以采用进行辩识，如人工神经网络，模糊逻辑，H∞ ，遗传算法等。 系统辩识模块主要完成以下功能： a）根据所需的仿真精度和仿真器功能，选择合适的数学模型来描述实际系统； b）选择合适的系统辩识方法以获得所需的模型参数和其它描述； c）测试数学模型的精度。 经过以上的辩识工作，改进的或新的数学模型将进入案例模型库。案例模型库，模型测试和评价模块，动态辩识模块这三个部分的工作形成了一个闭环，从而保证了整个模型库的自适应性能，并组成了整个动态案例模型库。 2）硬件在环测试系统 硬件在环测试系统最初是被构思成一个单一功能的测试系统，在汽车行业中的应用最主要是用于发动机控制元件的测试。现在，越来越多的电子控制元件和其他通用的测试应用都逐渐采用了硬件在环技术来实现。工程技术人员面对的建立硬件在环测试系统的主要问题是如何将仿真系统和实际系统通过大量高速的I/O通道和信号调理通道同步运行起来，并保证功能和性能。随着现在计算机的功能和灵活性越来越强，工程师和科研人员更倾向于使用虚拟仪器来实现硬件在环测试系统。 通过使用虚拟仪器技术，硬件在环测试系统的实现变的越来越容易。图5是一个硬件在环测试实现的具体例子。这个程序采用LabVIEW实现，一个采用传递函数描述的数学模型嵌入了测试的过程，从而实现了实际系统和数学模型混合的硬件在环测试流程。 这种实现方法可以把许