关于Modelica的一点笔记

如何使用Modelica

1. 在开始使用Modelica进行建模前要先在草稿纸上画出要构建的系统的样子，否则很容易在完成模型的过程中忘掉最开始设计的样子。同时写下认为必要的内容，例如物体的形状、元素之间的相互联系、想要纳入模型的物理现象、想实现的数学公式等。
2. 如果已经存在具有类似配置的模型，可以直接复制它并进行添加和更改，因为这样可以节省时间。
3. 在Modelica中，当放置组件时，会出现一个带有默认名称的实例命名窗口。可以保留默认名称，也可以为其指定一个其他的容易理解的名称。
4. 有些参数无法单独使用GUI操作进行配置，因此必须直接编写源代码。
5. 使用源代码检查可以检查是否存在变量数量和方程不匹配等致命错误，或者仿真模型是否存在故障等。
6. 在仿真设置窗口中，配置仿真时间、结果记录间隔和求解器等各种设置并运行仿真（也可以使用默认设置）。
7. Modelica语言被转换为C/C++/Fortran（默认为C），编译成exe，立即执行仿真。此过程大部分时间花费在编译上，仿真会在很短的时间内完成（如果仿真执行时间长度设置得很长或者模型很复杂，仿真执行也会花费一段时间，甚至很久）。
8. 仿真时有时并不需要关注瞬态响应或瞬态响应期间变量之间的相关性，而只需要查看静态稳态下的计算结果，而变量窗口会显示最后时刻每个变量的值。
9. 每次重新计算时，写入参数设置的数据文件（.xml格式）和记录结果的.mat/.csv都会被覆盖，因此在每次改值的时候需要小心更改值并记录。
10. 自己创建组件时，最好重用标准化部件，例如来自MSL和其他现有库的端口，这样可以省去重新“造轮子”的麻烦，并确保与现有库的兼容性。
11. 建模时不要试图从一开始就直接着手完成目标系统，而是创建各个零件并逐步将其组合。例如，假设最终要实现一个涡轮喷气发动机瞬态模型，可以选择创建“仅压缩机”和“仅排气喷嘴”等多个部分模型。

其他笔记

1. 遗传算法：遗传算法入门详解 - 知乎
2. 模拟退火算法：模拟退火算法详解 - 知乎
3. 粒子群优化算法：粒子群优化算法(Particle Swarm Optimization, PSO)的详细解读 - 知乎
4. 蜂群算法：人工蜂群算法详解 - 知乎
5. 北方苍鹰算法：智能优化算法：北方苍鹰优化算法-附代码-CSDN博客
6. 花授粉算法：花授粉优化算法及代码实现_花朵授粉算法-CSDN博客
7. 萤火虫算法：萤火虫算法（Firefly Algorithm）-CSDN博客
8. 小波去噪：小波去噪基本概念-CSDN博客
9. 莱维飞行等：柯西飞行，瑞利飞行，莱维飞行，重尾分布、随机游走_莱维分布-CSDN博客