ЛАДУГА ru en Начало PRADIS Модули

PRADIS

 

НАПИСАНИЕ ПЛАГИН-ОБЪЕКТОВ НА ЯЗЫКЕ PYTHON

 

ПРОГРАММНЫЙ КОМПЛЕКС ДЛЯ АВТОМАТИЗАЦИИ МОДЕЛИРОВАНИЯ НЕСТАЦИОНАРНЫХ ПРОЦЕССОВ В МЕХАНИЧЕСКИХ СИСТЕМАХ И СИСТЕМАХ ИНОЙ ФИЗИЧЕСКОЙ ПРИРОДЫ

 

ВЕРСИЯ 4.3


Содержание

 

Содержание. 2

1.     Введение. 3

2.     Структура кода. 4

3.     Детали кода. 5

3.1       Параметры метода Execute. 5

3.1.1        Модели. 5

3.1.2        ПРВП. 5

3.2       Функции библиотеки S000J. 5

3.3       Вывод ошибок моделей. 7

4.     Примеры. 8

 


1.               Введение.

В этом документе говориться о правилах написания плагин объектов (моделей и првп) на языке Питон. О том, как их потом подключать к системному каталогу PRADIS, говориться в документе "Использование утилиты PARM". В нём так же упоминается, что непосредственному коду на питоне должны предшествовать некоторые комментарии, но здесь о них речь не пойдёт.

 


2.               Структура кода.

 

Первая строка должна быть следующего вида:

 

from pradis.ppl.model import *

 

Если Вы пишете првп, то "model" нужно заменить на "ovp".

Далее должен быть объявлен класс. Его название и будет именем Вашего объекта. Этот класс должен наследоваться от класса model (если Вы пишете модель) или ovp (если Вы пишете првп). Например:

 

class MyOVP (ovp):

 

Далее должен быть переопределён метод Execute. Он имеет входные параметры. Для моделей и првп они разные. Определение метода для модели должно выглядеть так:

 

def Execute(COMMON, I, Y, X, V, A, PAR, NEW, OLD, WRK):

 

А для ПРВП так:

 

def Execute(COMMON, XOUT, PAR, WRK, DOF):

 

Далее Вы пишете сам код, который реализует логику работы Вашего объекта. Тут пользователь имеет полную свободу пользоваться всеми средствами языка Питон.

Выход из метода Execute должен быть строго определённым. Для моделей он выглядит так:

 

res = return_result(COMMON, I, Y, X, V, A, NEW, OLD, WRK)

return res

 

Для ПРВП так:

 

res = return_result(COMMON, XOUT, WRK)

return res

 


3.               Детали кода.

 

Эта секция посвящена объяснению некоторых деталей написания кода, правил и возможностей.

 

3.1           Параметры метода Execute.

 

Здесь мы дадим краткое пояснение параметрам метода Execute.

 

3.1.1      Модели.

 

Объявление метода для моделей выглядит так:

 

def Execute(COMMON, I, Y, X, V, A, PAR, NEW, OLD, WRK):

 

Здесь параметры имеют следующие значения:

·        COMMON: структура, содержащая значения непоименованной комон-области фортрана.

·        I: вектор сил (моментов) для элемента.

·        Y: якобиан модели элемента.

·        X: вектор перемещений узлов размерности EXT+ENT. Не используется при ADR=2, ADR=3.

·        V: вектор скоростей узлов размерности EXT+ENT. Не используется при ADR=3.

·        A: вектор ускорений узлов размерности EXT+ENT.

·        PAR: массив параметров модели.

·        NEW: вектор "нового состояния" модели.

·        OLD: вектор "старого состояния" модели.

·        WRK: рабочий массив для модели элемента.

 

3.1.2      ПРВП.

 

Объявление метода для ПРВП выглядит так:

 

def Execute(COMMON, XOUT, PAR, WRK, DOF):

 

Здесь параметры имеют следующие значения:

·        COMMON: структура, содержащая значения непоименованной комон-области фортрана.

·        XOUT: рассчитываемая выходная переменная или вектор рассчитываемых выходных переменных.

·        PAR: массив параметров ПРВП.

·        WRK: рабочий массив для ПРВП.

·        DOF: массив со значениями степеней свобод.

 

3.2           Функции библиотеки S000J.

 

При написании плагин объектов на питоне пользователю доступны функции библиотеки S000J, которые часто используются, например, в моделях на фортране. Все функции, которые были доступны на фортране, теперь доступны из питона. В этом разделе мы подробно расскажем, как ими пользоваться.

Прежде всего надо подключить необходимую библиотеку к Вашему питон-файлу:

 

from s000j import *

 

После этого создать объект соответствующего класса:

 

sj = S000J()

 

Теперь Вам будут доступны методы этого класса, которые называются как раз по названиям нужных функций (S0001, S0002, ...). И тут есть один важный момент, на который стоит обратить внимание. Он связан с передачей параметров в методы и получением результатов из них.

В фортране в функции передавался набор переменных, одни из которых служили передачи данных в функцию, а другие из неё. Вызов этих функций из питона отличается тем, что выходные параметры и массивы в них нужно передавать в виде списков, предварительно занесенных в массивы специально разработанными для этого функциями. Приведём пример.

 

Вот одна из таких функций на фортране:

 

C       Программа выдает значение функции и ее производной

C       при заданном значении аргумента.

C

C                   Дата создания программы        03/10/95 08:42am

C                   Дата последней корректировки   09/14/95 11:51am

C

C       X    - заданное  значение аргумента

C       F    - значение  функции при заданном значении арумента

C       DFDX - значение  производной  функции при  заданном

C              значении аргумента

C       TABL - таблица значений  функции (попарно - значение

C              аргумента/ значение  функции)

C       N    - длина таблицы.

C       NPNT - массив номеров точек, между которыми

C              находится текущая точка

C       Если значение  аргумента меньше  минимально определенного

C       или  больше  максимально  определенного в таблице, то

C       значение  функции вычисляется экстраполяцией.

C

        SUBROUTINE S0008 (F, DFDX, X, TABL, N,   NPNT )

C     

        REAL       * 8   X,        F,       DFDX,        TABL (1)

        INTEGER    * 4   N,        NPOINT,  J,           NPNT (1)

 

Ее вызов из модели на Питоне будет выглядеть следующим образом:

 

        F_a = CreateDoubleArrayFromList([0.])

        DFDX_a = CreateDoubleArrayFromList([0.])

        l = []

        for i in range(REZPAR+1,len(PAR)):

              l.append(PAR[i])

        TABL_a = CreateDoubleArrayFromList(l)

        NPNT_a = CreateIntArrayFromList([0,0])

        sj.S0008(F_a, DFDX_a, DX, TABL_a, NPOINT, NPNT_a)

        l = CreateListFromDoubleArray(F_a, 1)

        F = l[0]

        l = CreateListFromDoubleArray(DFDX_a, 1)

        DFDX = l[0]

        NPNT = CreateListFromIntArray(NPNT_a, 2)

        DeleteArray(F_a)

        DeleteArray(DFDX_a)

        DeleteArray(TABL_a)

        DeleteArray(NPNT_a)

 

Сдесь F_a и DFDX_a будут массивами, содержащими по одной выходной переменной. TABL_a будет содержать входной массив, сформированный из списка PAR. NPNT_a будет выходной массив состоящий из двух целых переменных. DX и NPOINT являются простыми входными параметрами и следовательно не нуждаются в каких либо преобразованиях. Далее идет вызов функции S0008:

 

sj.S0008(F_a, DFDX_a, DX, TABL_a, NPOINT, NPNT_a)

 

После этого, выходные параметры и массивы надо снова преобразовать в питоновский формат.

 

Например из массива F_a мы сначала создаем список используя функцию CreateListFromDoubleArray:

 

l = CreateListFromDoubleArray(F_a, 1)

 

      А затем берем первый элемент этого списка, что бы получить значение рассчитанной переменой F:

 

F = l[0]

 

      Так же точно мы поступаем с переменной DXDF:

 

l = CreateListFromDoubleArray(DFDX_a, 1)

DFDX = l[0]

 

А массив целочисленных выходных значений NPNT_a преобразовываем в список NPNT:

 

NPNT = CreateListFromIntArray(NPNT_a, 2)

 

Следует обратить внимание, что для преобразований реальных и целых массивов используются различные функции. Для реальных используются функции:

 

CreateDoubleArrayFromList

CreateListFromDoubleArray

 

А для целых используются функции:

 

CreateIntArrayFromList

CreateListFromIntArray

 

 

В конце всего разработчик модели обязательно должен освободить память, отведенную под массивы функцией DeleteArray:

 

        DeleteArray(F_a)

        DeleteArray(DFDX_a)

        DeleteArray(TABL_a)

        DeleteArray(NPNT_a)

 

 

 

 

 

3.3            Вывод ошибок моделей.

 

При написании плагин моделей на питоне пользователь может использовать доступный набор шаблонов для сообщений об ошибках. Полный список шаблонов можно увидеть в документе "Доступные ошибки моделей". Здесь мы расскажем, как пользоваться доступными шаблонами.

 

Допустим, Вы захотели вывести ошибку, используя шаблон 1003:

 

1003 08 E (M 004)(/T4,'Некорректное значение параметра:',/,T8,'параметр ',F6.0,' должен быть >= ',G11.5,/,T8,'параметр ',F6.0,' = ',G11.5)

 

Как видите, этот шаблон требует 4 числа: 2 целых и 2 действительных (встречающиеся F6.0 - это целые числа, G11.5 - действительные). Если задать эти числа значениями 1, 2.2, 1, 1.1, то на экране это будет выглядеть так:

 

Некорректное значение параметра:

    параметр     1. должен быть >=  2.2000   

    параметр     1. = 1.1000   

 

Чтобы использовать шаблон, в питон-файле Вашей модели нужно сделать следующее.

Подключить необходимые библиотеки:

 

from PradisLog import *

from array import *

 

Библиотека PradisLog поставляется с комплексом PRADIS, а array является стандартной питоновской библиотекой. Далее нужно создать объект нужного класса:

 

pl = PradisLog()

 

Теперь в том месте, где Вам нужно вывести ошибку, надо написать следующее:

 

a = array ('d', [1, 2.2, 1, 1.1])

pl.perr (1003, 4, a.buffer_info()[0])

 

При выполнении этих строк на экране появится именно то, что указывалось выше. Первая строка создаёт массив действительных чисел, который заполняется теми числами, которые Вы хотите видеть в шаблоне при выводе сообщения. Количество этих чисел должно строго совпадать с количеством требуемых в шаблоне. Вторая строка использует метод perr класса PradisLog. В его параметрах следует указывать номер шаблона, количество чисел в шаблоне и адрес начала массива параметров.

В примере мы назвали переменные "a" и "pl", но пользователь, конечно, может называть их по-своему.

 

4.               Примеры.

 

Здесь приведём пример питон модели. Это уже имеющаяся в библиотеке комплекса модель MD. Вот как она могла бы выглядеть на питоне:

 

# Библиотека нужная для написания модели

from pradis.ppl.model import *

 

# Библиотеки для вывода ошибок

from PradisLog import *

from array import *

 

# Библиотека для использования функций S000J

from s000j import *

 

# Объявляем класс MD и указываем, что это модель

class MD (model):

 

      # Переопределяем метод Execute (обязательно)

      def Execute(COMMON, I, Y, X, V, A, PAR, NEW, OLD, WRK):

 

            # Далее пишем суть модели

            # Первый проход

            if COMMON.NEWINT == 1:

 

                  # Создаём объект для использования функций S000J

                  sj = S000J()

 

                  # Используем нужную функцию

                  d = sj.S0005 (0.1, 0.2, 0.3, 0.4, 0.5, 1)

                  print d

                    

                  # Создаём объект для вывода ошибок

                  pl = PradisLog()

                  ERR = 0

 

                  if PAR[1] < 0.:

                        ERR = 1

                        if COMMON.SYSPRN > 0.:

                             # Выводим ошибку по шаблону 1003

                             a = array ('d', [1, 0, 1, PAR[1]])

                             pl.perr (1003, 4, a.buffer_info()[0])

 

                  if PAR[2] < 0.:

                        ERR = 1

                        if COMMON.SYSPRN > 0.:

                             # Выводим ошибку по шаблону 1003

                             a = array ('d', [2, 0, 2, PAR[2]])

                             pl.perr (1003, 4, a.buffer_info()[0])

 

                  if ERR == 1:

                        if COMMON.CODE < 100.:

                             COMMON.CODE = 100.

 

                        # Выходим из модели

                        res = return_result(COMMON, I, Y, X, V, A, NEW, OLD, WRK)

                        return res

 

 

            I[1]  =  A[1] * PAR[1]

            I[2]  =  A[2] * PAR[1]

            I[3]  =  A[3] * PAR[2]

 

            Y[1]  =  PAR[1]

            Y[2]  =  0. 

            Y[3]  =  0. 

            Y[4]  =  0. 

            Y[5]  =  PAR[1]

            Y[6]  =  0. 

            Y[7]  =  0. 

            Y[8]  =  0. 

            Y[9]  =  PAR[2]

 

            # Выходим из модели

            res = return_result(COMMON, I, Y, X, V, A, NEW, OLD, WRK)

            return res

 

5.               Особенности программирования моделей и ПРВП на Питоне.

 

 

Необходимо обратить внимание на то, что тип переменных в Питоне определяется при их инициализации. Поэтому если вы хотите работать с реальной переменной, а присвоите ей целое значение, например:

 

R = 2

 

То R у вас будет целой, а не реальной переменной. Для правильной работы, задавая реальную переменную ее надо обязательно инициализировать реальной константой, т.е. константой, содержащей в себе десятичную точку, или другой реальной переменной. Например:

 

R = 2.

 

Эти моменты очень важно учитывать при формировании списков выходных значений. Так как в моделях все входные параметры передаются в виде списков реальных чисел, то и возвращаться из моделей должны списки реальных чисел. Поскольку Питон позволяет в один и тот же список заносить элементы разных типов, то разработчик по ошибке может занести в выходной список целочисленную константу или переменную, что неминумо приведет к ошибке.