Автоматизация тестирования в реальном времени на КПМ РИТМ¶
Введение¶
В этом примере рассматривается рабочий процесс тестирования модели в реальном времени с несколькими подходами к автоматизации: программное параметрирование модели, управление моделированием в Engee, обработка результатов симуляции, управление моделированием на РИТМ, сбор данных тестирования в реальном времени. Большее внимание в примере такого подхода к автоматизации уделено работе с РИТМ из Engee посредством методов работы с внешним оборудованием.
Модель примера¶
Модель примера ritm_dcm_current_control воспроизводит контур регулирования тока двигателя постоянного тока (ДПТ) независимого возбуждения. Объект управления - электрическая цепь якоря ДПТ и тиристорный преобразователь (ТП), они представлены непрерывными передаточными функциями - апериодическими звеньями первого порядка. В обратной связи по току установлен датчик тока, который представлен пропорциональным звеном. Управляющее воздействие - ступенчатая функция. В начальный момент времени формируется пусковой ток ДПТ, в момент времени 0.5 с - формируется нулевой ток якоря.
Контур тока настроен на модульный оптимум, тип регулятора - ПИ. Это дискретная система, собранная в подсистему для последующей генерации кода.
Кроме блоков системы автоматического управления, в модели присутствуют блоки Си-функции (RITM-PLOT, RITM-PLOT-1) для вывода графиков переменных модели на экран РИТМа.
Моделирование в Engee¶
Параметры модели определены в функции предзагрузки обратных вызовов модели, дополнительно их можно определить в ячейке ниже:
# Напряжение двигателя и системы управления
Udc = 560; Uref = 10;
# Параметры двигателя
Lя = 0.00757; Rя = 0.203; Iн = 370; Imax = 2*Iн;
# Коэффициенты передаточной функции электрической цепи двигателя
Kя = 1/0.203; Tя = Lя/Rя;
# Коэффициенты передаточной функции тиристорного преобразователя
Kтп = Udc/Uref; Tтп = 0.01;
# Коэффициент обратной связи по току
Kос = Uref/Imax;
# Коэффициенты ПИ-регулятора тока
Kp = Tя/(2*Tтп*Kтп*Kос/Rя); Ti = Tя/Kp;
Определим имя модели для автоматизации моделирования при помощи программного управления:
name = "ritm_dcm_current_control";
Следующая пользовательская функция используется для запуска моделирования.
"""
Function by @mikhailpetrov
"""
function start_model_engee(name::String)
try
engee.close(name, force=true) # закрытие модели
catch err # в случае, если нет модели, которую нужно закрыть и engee.close() не выполняется, то будет выполнена её загрузка после catch
m = engee.load(joinpath(@__DIR__, "$name.engee")) # загрузка модели
end;
try
engee.run(m) # запуск модели
catch err # в случае, если модель не загружена и engee.run() не выполняется, то будут выполнены две нижние строки после catch
m = engee.load(joinpath(@__DIR__, "$name.engee")) # загрузка модели
engee.run(m) # запуск модели
end
end
Запустим моделирование, после чего проведём программную обработку результатов симуляции:
start_model_engee(name)
data = collect(simout);
t = collect(data[1].time)[:,1];
Iref = collect(data[1].value)[:,1];
Ep = collect(data[2].value)[:,1];
I = collect(data[3].value)[:,1];
Выведем на график полученные сигналы:
gr()
plot(t, [Iref.*(Imax/Uref), I, Ep],
label = ["I*, А" "I, А" "Ep, В"], legend = :topright,
title = "Моделирование контура тока ДПТ",
xlabel = "Время, с", ylabel = "Ток, А; эдс, В")
Здесь, I* - сигнал заданного тока якоря, I - фактического тока якоря, Ep - фактического эдс ТП. По виду графика тока можно визуально предположить, что переходный процесс соответствует настройке на модульный оптимум. Требуется дополнительная аналитика переходного процесса, выходящая за рамки текущего примера.
Автоматизация тестирования в реальном времени на РИТМ¶
Перейдём к выполнению модели на РИТМ в реальном времени. Такой шаг предваряет перенос модели системы управления на целевое устройство (микроконтроллер) и полноценное полунатурное тестирование (HIL).
Подготовка к работе¶
Включим КПМ РИТМ и подготовимся к работе с ним. Все необходимые шаги для подготовки описаны в соответствующем примере.
Установим пакет поддержки для работы с внешним оборудованием при необходимости. Подробную, пошаговую справку по подключению Engee к низкоуровневым интерфейсам можно получить из соответствующего примера.
# Engee.Package.install("Engee-Device-Manager")
Подключим необходимые модули для программного управления КПМ РИТМ:
using Main.EngeeDeviceManager.Targets
using Main.EngeeDeviceManager.Targets.RITM_API
Создадим объект целевой платформы:
ritm = Targets.RITM.Ritm()
Подключение к КПМ РИТМ¶
Зададим IP-адрес и номер порта целевой платформы, передав команде EngeeDeviceManager.Targets.RITM.set_url 🔗 созданный объект ritm.
Targets.RITM_API.setUrl(ritm, "http://192.168.56.3:8000/")
При успешном подключении к РИТМу команда EngeeDeviceManager.Targets.RITM_API.isConnected 🔗 вернёт true:
RITM_API.isConnected(ritm)
Соединение Engee с КПМ РИТМ установлено, перейдём к автоматизации тестирования в реальном времени.
Управление моделированием¶
Сначала загрузим модель в Engee, после чего загрузим её при помощи команды EngeeDeviceManager.Targets.RITM.upload_model 🔗 на КПМ РИТМ.
model = engee.load(joinpath(@__DIR__, "$name.engee"))
Targets.upload_model(ritm, model)
Загрузка прошла успешно, перейдём к генерации исполняемого кода из модели при помощи команды EngeeDeviceManager.Targets.RITM.generate_executable_code 🔗.
Модель будет выполняться в независимом режиме (Standalone), поэтому третий атрибут команды принимает значение false.
Targets.generate_executable_code(ritm, model, false)
Генерация кода прошла успешно, соберём модель для выполнения на РИТМ командой EngeeDeviceManager.Targets.RITM.compile_model 🔗.
Targets.compile_model(ritm, model)
Согласно полученному сообщению, сборка проекта прошла успешно, перейдём к выполнению модели в независимом режиме. Программный запуск моделирования на РИТМ осуществляется командой EngeeDeviceManager.Targets.RITM.start_model 🔗.
Targets.start_model(ritm, model)
В случае успешного выполнения, как видно, отсутствует вывод ошибок из модели. Перейдём к сбору и анализу данных выполнения модели на РИТМ.
Получение результатов моделирования¶
Команда EngeeDeviceManager.Targets.RITM_API.getLog 🔗 возвратит нам заданное число строк лога:
println(RITM_API.getLog(ritm, 13))
В выводе команды мы видим сообщения, сопровождавшие выполнение модели.
Те же логи можно наблюдать на экране, подключенном к РИТМу. При помощи команды EngeeDeviceManager.Targets.RITM_API.getScreenshot 🔗 сделаем скриншот экрана:
RITM_API.getScreenshot(ritm, "model.png")
Скриншот с заданным именем сохраняется в папке временных файлов в памяти РИТМа. Скачанный из памяти РИТМа файл скриншота приведён ниже
В RITM.Monitor отображается текущая версия ОСРВ РИТМ.Реальное время, IP-адрес КПМ РИТМ, имя и статус модели, а также шаг расчёта и время выполнения шага расчёта, текущее и конечное время симуляции. Графики соотетствуют тем, что были получены при моделировании в Engee.
RITM_API.readFile(ritm, "install_manifest.txt"; path = "/home/ritm/build/$name/build/")
RITM_API.getFile(ritm, "install_manifest.txt"; from = "/home/ritm/build/$name/build/", to = @__DIR__)
Также, при помощи команды EngeeDeviceManager.Targets.RITM_API.getData 🔗 есть возможность получить данные из памяти КПМ РИТМ, например - данные профилирования модели. Сохраним их в файл:
RITM_API.getData(ritm, "$name", @__DIR__, true)
Полученные данные профилирования модели обработаем и выведем на график:
profiling = parse.(Int64, split(strip(read(joinpath(@__DIR__, "$name.txt"), String)), '\n')).*1e-9;
gr()
plot(profiling;
title = "Время выполнения шага расчёта", label = :none,
xlabel = "Шаг моделирования", ylabel = "Время выполнения, с")
По полученным данным мы можем судить о поддержании режима жёсткого реального времени при выполнении модели.
Заключение¶
В этом примере мы рассмотрели последовательно шаги для автоматизации тестирования модели Engee на РИТМ. Непосредственно в скрипте Engee можно рассчитать параметры модели, провести моделирование в Engee и на КПМ РИТМ, обработать результаты симуляции и данные работы машины реального времени.