如何将复杂模型分解为组件+自定义“驱动程序”？

Question

我有一个复杂的模型（A），可以很容易地将其写入具有输入和输出的单个组件。但是，在模型A中，有两个“物理”学科A1和A2重复调用。 我想将模型A分成两个子组件（A1和A2），并有一个根据某些规则调用A1和A2的代码。 问题是，我应该把这个“胶水代码”写成一个调用其中的组件吗？或者我应该写我自己的“驱动程序”，用我的规则调用A1和A2？ 或者我必须将大型模型保存在单个组件中吗？

另一个类似的情况是，必须在不同情况下（输入值）评估（理想情况下）单个组件。如何重复调用它？或者让一个组件在计算方法中循环？ 谢谢。

Answer 1

您在这里有几个选项，并根据您为什么重复调用A1和A2的细节，我建议更改哪一个。

我几乎总是建议将更大的模型分成更小的组件，因为它使计算分析派生更容易，并提供更多的模块化代码库。假设你确实打破了A，重复呼叫的特征是什么？

A1和A2是否需要在多个不同的操作点重复进行某种分析？例如多重载荷情况或空气动力学强迫？也许你平均在他们之间计算A的最终输出？如果是这样的话，我会建议将A1和A2作为向量化函数来写入，这些向量函数可以接收输入数据的数组（数组的每个条目代表不同的点），然后输出一个数组，并在每个元素上完成计算。以这种方式使用numpy数组既快又有效地利用OpenMDAO中的内存。这绝对是我如何建议你处理你最后一个问题，关于重复运行不同的输入。如果你不能对函数进行矢量化，那么相反，你可以删除你的模型的多个实例（每个输入实例一个实例），但是取决于你有多少个输入实例可能效率较低。

您是否正在通过A1/A2迭代某种收敛过程？如果是这样，你应该使用求解器来处理这种循环。 GaussSeidel或牛顿应该这样做。如果你的规则由某种启发式迭代构成以达到收敛，那么你可以将它编码到自定义解算器中，但对于新手用户来说这肯定会有些困难。相反，如果您的规则相当于某种算法，您以某种固定顺序执行A1/A2并按固定次数调用每个算法，我会回到我的建议，即您只是实例化A1和A2的多个副本，然后将它们连接起来一起为你的问题制作你想要的序列。