-
公开(公告)号：CN112559153B
公开(公告)日：2024-05-28
申请号：CN202011517078.2
申请日：2020-12-21
Applicant: 北京仿真中心
Abstract: 本发明实施例公开一种多线程和多进程一体的仿真模型组件调度方法，包括仿真模型组件托管器向仿真模型组件监控器和仿真模型组件调度引擎上报分布式仿真节点的仿真模型组件的信息和状态；仿真模型组件监控器加载本地仿真模型组件配置文件，接收各个分布仿真模型组件托管器上报的仿真模型组件的信息和状态，并生成仿真模型组件调度配置文件；仿真模型组件调度引擎加载本地仿真模型组件配置文件，接收各个分布仿真模型组件托管器上报的仿真模型组件的信息和状态，加载仿真模型组件调度配置文件，初始化仿真模型组件的调度方式；所述调度引擎和所述托管器通过仿真模型组件应用接口创建仿真模型实例、调度仿真模型推进和收发仿真交互消息和事件。
-
Patent Agency Ranking
公开(公告)号：CN112818538B
公开(公告)日：2023-07-07
申请号：CN202110124558.0
申请日：2021-01-29
Applicant: 北京仿真中心
Abstract: 本发明的一个实施例公开了一种想定参数层次设计方法，该方法将场景设计拆分为数据定义、模型定义、型号定义和场景定义四个层次，经过场景分析与准备、模型参数化以及型号实例化三个阶段完成想定参数层次设计，每个层次采用不同的参数设计方法与不同的数据存储结构。所述方法支持以数据结构可嵌套、可变长和实体参数可组合、可继承的方式灵活定义场景中实体的部署参数与性能参数的数据格式与取值，为用户定义模型‑型号‑实体映射提供了灵活可扩展的解决方案，为用户定义任意格式的参数结构提供了便捷方法，提升了场景设计的可扩展性与工作效率。
-
公开(公告)号：CN112818538A
公开(公告)日：2021-05-18
申请号：CN202110124558.0
申请日：2021-01-29
Applicant: 北京仿真中心
Abstract: 本发明的一个实施例公开了一种想定参数层次设计方法，该方法将场景设计拆分为数据定义、模型定义、型号定义和场景定义四个层次，经过场景分析与准备、模型参数化以及型号实例化三个阶段完成想定参数层次设计，每个层次采用不同的参数设计方法与不同的数据存储结构。所述方法支持以数据结构可嵌套、可变长和实体参数可组合、可继承的方式灵活定义场景中实体的部署参数与性能参数的数据格式与取值，为用户定义模型‑型号‑实体映射提供了灵活可扩展的解决方案，为用户定义任意格式的参数结构提供了便捷方法，提升了场景设计的可扩展性与工作效率。
-
公开(公告)号：CN112559153A
公开(公告)日：2021-03-26
申请号：CN202011517078.2
申请日：2020-12-21
Applicant: 北京仿真中心
Abstract: 本发明实施例公开一种多线程和多进程一体的仿真模型组件调度方法，包括仿真模型组件托管器向仿真模型组件监控器和仿真模型组件调度引擎上报分布式仿真节点的仿真模型组件的信息和状态；仿真模型组件监控器加载本地仿真模型组件配置文件，接收各个分布仿真模型组件托管器上报的仿真模型组件的信息和状态，并生成仿真模型组件调度配置文件；仿真模型组件调度引擎加载本地仿真模型组件配置文件，接收各个分布仿真模型组件托管器上报的仿真模型组件的信息和状态，加载仿真模型组件调度配置文件，初始化仿真模型组件的调度方式；所述调度引擎和所述托管器通过仿真模型组件应用接口创建仿真模型实例、调度仿真模型推进和收发仿真交互消息和事件。
-
公开(公告)号：CN111624872B
公开(公告)日：2022-08-09
申请号：CN202010103628.X
申请日：2020-02-20
Applicant: 北京仿真中心
Abstract: 本申请实施例公开了一种基于自适应动态规划的PID控制器参数整定方法及系统，所述方法首先对系统状态、系统控制器与神经网络参数进行初始化，如在未达到最大采样次数之前系统失稳，应放弃当前状态更新过程，重新对控制器以及神经网络参数进行初始化，进行下一次迭代。如在未达到最大采样次数之前系统满足精度要求，则记录当前PID参数整定结果，并重新对控制器以及神经网络参数进行初始化，进行下一次迭代。能够对PID控制器的参数进行在线自动调节，确保系统满足给定的性能指标，有效提升系统总体性能。
-
公开(公告)号：CN111624872A
公开(公告)日：2020-09-04
申请号：CN202010103628.X
申请日：2020-02-20
Applicant: 北京仿真中心
Abstract: 本申请实施例公开了一种基于自适应动态规划的PID控制器参数整定方法及系统，所述方法首先对系统状态、系统控制器与神经网络参数进行初始化，如在未达到最大采样次数之前系统失稳，应放弃当前状态更新过程，重新对控制器以及神经网络参数进行初始化，进行下一次迭代。如在未达到最大采样次数之前系统满足精度要求，则记录当前PID参数整定结果，并重新对控制器以及神经网络参数进行初始化，进行下一次迭代。能够对PID控制器的参数进行在线自动调节，确保系统满足给定的性能指标，有效提升系统总体性能。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
