[发明专利]复杂关联系统框图模型自动推导处理方法、装置、终端及存储介质

权利要求书

1.一种复杂关联系统框图模型自动推导处理方法，其特征在于，包括：

对系统框图模型进行模型元素和连线关系的识别，基于识别结果将所述系统框图模型等效转化为Mason信号流图；

对Mason信号流图进行方程系统转换，再将转换所得的系统方程组转化为矩阵方程，基于Python对所述矩阵方程中的各个矩阵进行定义；

通过Python符号计算执行矩阵运算，对运算后得到的结果表达式进行符号多项式处理，基于处理结果构造得到整体系统的传递函数。

2.根据权利要求1所述的复杂关联系统框图模型自动推导处理方法，其特征在于，所述对系统框图模型进行模型元素和连线关系的识别，基于识别结果将所述系统框图模型等效转化为Mason信号流图，包括：

对由Modelica.Blocks构造而成的系统框图模型进行模型元素识别及连线关系识别，所述模型元素识别为依据所述系统框图模型代码中的组件类名称进行关键词识别，所述连线关系识别为依据所述系统框图模型代码中的连接词进行关键词识别；

基于识别结果对所述系统框图模型进行等效转化，将所述系统框图模型中的方框等效为Mason信号流图中的支路，将所述系统框图模型中输入、输出信号的点等效为Mason信号流图中的节点，得到Mason信号流图。

3.根据权利要求1所述的复杂关联系统框图模型自动推导处理方法，其特征在于，所述对Mason信号流图进行方程系统转换，将转换所得的系统方程组进一步转化为矩阵方程，基于Python对所述矩阵方程中的各个矩阵进行定义，包括：

对所述Mason信号流图中的各个节点进行变量定义，根据各个节点的流向关系，得到由各个节点变量与环节构成的等式关系、形成由所定义的变量构成的系统方程组；

将所述系统方程组转化为矩阵方程的形式，基于Python对所述矩阵方程中的各个矩阵进行定义，得到各个矩阵的符号表达。

4.根据权利要求3所述的复杂关联系统框图模型自动推导处理方法，其特征在于，所述通过Python符号计算执行符号矩阵运算，对运算后得到的结果表达式进行符号多项式处理，基于处理结果构造得到整体系统的传递函数，包括：

通过Python符号计算执行符号矩阵运算，所述符号矩阵运算包括符号矩阵间的乘法、幂及除法运算，基于符号矩阵运算结果推导所述Mason信号流图中各个节点与输入之间的关系表达式，所述Mason信号流图中最后一个节点与输入之间的关系表达式即为整体系统的输出与输入之间的关系表达式；

对整体系统的关系表达式进行符号多项式处理，在提取分子、分母多项式的基础上再提取分子、分母多项式由高次至低次的系数；

基于分解所得到的整体系统的分子、分母多项式系数，构造得到整体系统的传递函数。

5.根据权利要求1所述的复杂关联系统框图模型自动推导处理方法，其特征在于，在所述通过Python符号计算执行符号矩阵运算，对运算后得到的结果表达式进行符号多项式处理，基于处理结果构造得到整体系统的传递函数之后，还包括：

对所得到的整体系统的传递函数进行线性分析，所述线性分析包括时域分析和频域分析，再通过坐标系图示对线性分析结果进行可视化呈现，所述坐标系图示至少包括对数坐标系图和极坐标系图。

6.一种复杂关联系统框图模型自动推导处理装置，其特征在于，包括：

信号流图转化模块，被配置为对系统框图模型进行模型元素和连线关系的识别，基于识别结果将所述系统框图模型等效转化为Mason信号流图；

矩阵方程生成模块，被配置为对Mason信号流图进行方程系统转换，再将转换所得的系统方程组转化为矩阵方程，基于Python对所述矩阵方程中的各个矩阵进行定义；

传递函数推导模块，被配置为通过Python符号计算执行矩阵运算，对运算后得到的结果表达式进行符号多项式处理，基于处理结果构造得到整体系统的传递函数。