王力霆 唐 兆 黎 榮 辜 錚 胡玉煒 李岳洪 張繼業(yè)

1.西南交通大學(xué)牽引動力國家重點(diǎn)實(shí)驗(yàn)室,成都, 6100312.西南交通大學(xué)機(jī)械工程學(xué)院,成都, 610031

0 引言

在高速列車動力學(xué)研究中,數(shù)值仿真發(fā)揮著關(guān)鍵作用,研究如何對列車動力學(xué)仿真方案進(jìn)行有效分析對中國鐵路穩(wěn)健發(fā)展具有重要意義[1-2]。隨著網(wǎng)絡(luò)信息技術(shù)的發(fā)展,軌道交通裝備研發(fā)與云計(jì)算、人工智能等新興技術(shù)融合,逐漸走向數(shù)字化、智能化的發(fā)展道路[3]。然而,車輛運(yùn)行速度、載重量、路網(wǎng)規(guī)模等指標(biāo)的逐年提高導(dǎo)致了列車產(chǎn)品設(shè)計(jì)過程中需考慮的要素日益復(fù)雜,部門協(xié)同更頻繁,多學(xué)科知識交叉更深入,計(jì)算規(guī)模擴(kuò)大等現(xiàn)象。這些現(xiàn)象對傳統(tǒng)列車動力學(xué)仿真分析流程提出了諸多挑戰(zhàn),主要表現(xiàn)為可視化手段單一且動態(tài)交互低效、異地協(xié)作困難、客戶端硬件設(shè)備昂貴、人為因素多、分析時(shí)效性差等[4-5]。為了更好地應(yīng)對上述困難,列車動力學(xué)仿真分析環(huán)境亟需向著集成化、平臺化的方向演進(jìn)。

云仿真概念是在2009年由李伯虎等[6]提出,并被認(rèn)為是仿真工程領(lǐng)域特別值得關(guān)注的方向之一[7],在技術(shù)上深度融合了網(wǎng)絡(luò)通信、虛擬化、生命周期管理、仿真分析、云計(jì)算等技術(shù),通過仿真資源虛擬化以及服務(wù)云池的構(gòu)建為用戶提供可靠靈活的云端仿真服務(wù)。

近年來,國內(nèi)外研究人員已逐漸將云仿真技術(shù)運(yùn)用于復(fù)雜產(chǎn)品研發(fā),如何越等[8]在既有核電仿真系統(tǒng)基礎(chǔ)上構(gòu)建云仿真平臺,實(shí)現(xiàn)了高效、敏捷的仿真服務(wù)以及系統(tǒng)的模塊化部署;張彬橋[9]將水電站復(fù)雜大系統(tǒng)仿真與云計(jì)算、消息隊(duì)列、鯰魚粒子群算法結(jié)合實(shí)現(xiàn)了“互聯(lián)網(wǎng)+水電仿真”的服務(wù)模式并滿足了大規(guī)模仿真的需求;TAYLOR等[10]針對計(jì)算流體動力學(xué)(CFD)的遠(yuǎn)程高性能計(jì)算需求構(gòu)建了PaaS平臺,實(shí)現(xiàn)了工作流高效管理與跨平臺資源調(diào)度。云端仿真技術(shù)允許用戶通過互聯(lián)網(wǎng)遠(yuǎn)程訪問高性能計(jì)算機(jī)和數(shù)據(jù)存儲資源進(jìn)行各種類型的仿真模擬,從而在無需購買昂貴硬件設(shè)備的情況下進(jìn)行大規(guī)模和高性能仿真計(jì)算,還可以實(shí)現(xiàn)多用戶共享和協(xié)作[11]。

在列車動力學(xué)仿真可視化分析領(lǐng)域,仿真分析相關(guān)研究工作還是以單機(jī)軟件系統(tǒng)為主導(dǎo),如SIMPACK[12]、UM[13]、Vampire[14]、TTISIM[15]等軟件,云仿真相關(guān)應(yīng)用案例較少。因此,本文從可視化與模塊集成化角度出發(fā),結(jié)合列車動力學(xué)仿真、云渲染、云計(jì)算等技術(shù)構(gòu)建了云仿真驅(qū)動的列車動力學(xué)協(xié)同可視化分析框架,并對可視化分析場景搭建、多用戶協(xié)同的遠(yuǎn)程可視化交互、求解器集成等關(guān)鍵技術(shù)進(jìn)行研究,然后依據(jù)該框架搭建軟件系統(tǒng),最后對系統(tǒng)進(jìn)行功能、精度、性能方面的驗(yàn)證。

1 框架結(jié)構(gòu)

列車動力學(xué)協(xié)同可視化分析框架及應(yīng)用系統(tǒng)在云仿真理論及方法指導(dǎo)下,在網(wǎng)絡(luò)通信及虛擬化技術(shù)支持下,以列車動力學(xué)性能分析需求作為牽引,為多角色構(gòu)成的研究人員群體提供一體化、開放協(xié)同的可視化仿真分析環(huán)境?？蚣茏裱謱蛹墶⒛K化思想進(jìn)行設(shè)計(jì),從下到上分為四層(基礎(chǔ)設(shè)施層、服務(wù)支撐層、云仿真服務(wù)層與應(yīng)用交互層),如圖1所示。

圖1 云仿真驅(qū)動的列車動力學(xué)協(xié)同可視化分析框架層級Fig.1 Hierarchy of cloud simulation-driven train dynamics collaborative visualization analysis framework

基礎(chǔ)設(shè)施層為云仿真平臺提供運(yùn)行環(huán)境以及基礎(chǔ)仿真能力,主要包括經(jīng)虛擬化技術(shù)封裝的物理資源(存儲資源、計(jì)算資源等),形成多元的虛擬資源池,屏蔽異地、異質(zhì)性因素,向上具備虛擬資源管理接口,具有提供資源申請、資源釋放等能力。

服務(wù)支撐層由基礎(chǔ)設(shè)施層驅(qū)動,在內(nèi)部數(shù)據(jù)平面的支持下通過多個(gè)模塊對上層的列車動力學(xué)仿真分析業(yè)務(wù)起支撐作用。該層包含的三種支撐模塊分別對應(yīng)仿真建模、云端渲染、仿真求解三個(gè)方面。其中仿真建模支撐模塊為模型參數(shù)可視化配置功能提供支持,如模型預(yù)處理、仿真元數(shù)據(jù)管理等;云端渲染支撐模塊則是為多用戶協(xié)同可視化分析提供基礎(chǔ)能力,包括復(fù)雜信令邏輯處理、網(wǎng)絡(luò)穿透、媒體數(shù)據(jù)中轉(zhuǎn)等;仿真求解支撐模塊從求解器集成角度出發(fā),通過求解器通信組件打通參數(shù)配置、結(jié)果采集與上傳、異步并發(fā)求解調(diào)用等流程,并提供異步消息隊(duì)列、負(fù)載均衡等功能為任務(wù)執(zhí)行增效。

云仿真服務(wù)層在服務(wù)支撐層的通信、集成、增效功能基礎(chǔ)上構(gòu)建覆蓋仿真全生命周期的核心服務(wù),包括方案管理、方案配置、資源組合、任務(wù)監(jiān)控與管理、可視化分析與驗(yàn)證等完整流程,為多角色研究人員提供高效能仿真分析服務(wù)。

應(yīng)用交互層則提供列車動力學(xué)仿真建模平臺與列車動力學(xué)實(shí)時(shí)可視化分析平臺,包含項(xiàng)目管理、任務(wù)監(jiān)控、仿真建模、可視化分析等服務(wù)界面與功能接口,支持多組多角色用戶通過多終端、跨平臺的方式進(jìn)行列車動力學(xué)協(xié)同可視化分析。

2 關(guān)鍵技術(shù)研究

2.1 列車動力學(xué)仿真可視化分析場景搭建

為了更好地將列車動力學(xué)仿真數(shù)據(jù)三維映射服務(wù)化,設(shè)計(jì)列車動力學(xué)仿真分析場景搭建框架如圖2所示,包含如下4個(gè)部分:①基礎(chǔ)場景模型是動力學(xué)研究主體的“承載體”,承擔(dān)著軌道參數(shù)等仿真方案參數(shù)的三維實(shí)體映射任務(wù),由松耦合的異構(gòu)模型生成器以及基礎(chǔ)模型資源構(gòu)成;②研究主體模型是研究人員在仿真分析中的主要觀測體,包括車輛參數(shù)等仿真方案參數(shù)、三維仿真模型(輪對、構(gòu)架、車廂等)及其動態(tài)信息,其中動態(tài)信息由時(shí)間序列主導(dǎo),與其他關(guān)鍵性能指標(biāo)相互映射,并預(yù)留控制接口實(shí)現(xiàn)細(xì)粒度場景回溯;③分析方法集是研究人員與研究主體間的“橋梁”,聯(lián)通人機(jī)交互流程,具有多維度、高自由度、直觀等特點(diǎn);④驅(qū)動數(shù)據(jù)是框架運(yùn)轉(zhuǎn)的“發(fā)動器”,承擔(dān)著驅(qū)動可視化場景構(gòu)建、研究主體模型引入、仿真分析流程運(yùn)轉(zhuǎn)等任務(wù),分為仿真結(jié)果數(shù)據(jù)與仿真參數(shù)數(shù)據(jù)。

圖2 列車動力學(xué)仿真分析場景搭建框架Fig.2 Framework for train dynamics simulation analysis scene building

在基礎(chǔ)場景模型特別是鐵路線路構(gòu)建過程中,以“點(diǎn)線面體”順序按層次建模,提供參數(shù)化建模方案與關(guān)鍵建模算法并輔以網(wǎng)絡(luò)通信技術(shù)構(gòu)建在線基礎(chǔ)場景建模服務(wù)。算法模塊獲取曲線長度、曲線半徑、坡道長度、坡度角等參數(shù)生成特征點(diǎn),并以三階貝塞爾插值得到線路曲線,再通過掃掠與離散單元生成獲得初步模型,最后進(jìn)行線路超高的映射以及軌道連接處不連貫問題的修正。

在研究主體模型的驅(qū)動方面,為平衡映射完成度與計(jì)算精度,對列車自由度進(jìn)行簡化。保留了車體、轉(zhuǎn)向架、車鉤、輪對等部件自由度以模擬浮沉運(yùn)動、搖頭運(yùn)動以及部件的旋轉(zhuǎn)或偏移情況,最終每節(jié)車廂包含24個(gè)自由度,可以較準(zhǔn)確地對仿真結(jié)果進(jìn)行三維映射。

另外,為減少插值算法對線路模型精確度的影響,軌道的底層設(shè)計(jì)為多段短軌道拼接而成的長軌道。該情況下,簡單使用車輛定距計(jì)算轉(zhuǎn)向架及輪對的位置,會出現(xiàn)轉(zhuǎn)向架與車體不處于一條軌道上的時(shí)刻,從而造成兩者在沿線路方向上分離的現(xiàn)象。因此,在驅(qū)動研究主體模型的過程中,需對列車模型各部件的位姿進(jìn)行狀態(tài)分類與修正。

輸入:

Tw=Ti∥初始化車廂軌道為Ti

While(列車開始運(yùn)行)

Tw=Ti∥更新車體軌道

Tb=Ti-1∥更新后轉(zhuǎn)向架軌道

Else

Tb=Tw∥更新后轉(zhuǎn)向架軌道

End if

Tw=Ti

Tf=Ti+1

Else

Tf=Tw

End while

圖3為多節(jié)編組高速列車在控制腳本作用下的運(yùn)行模擬示意圖,其中圖3a、圖3b、圖3c分別為直線、曲線、隧道工況下的運(yùn)行場景。

(a)直線工況

分析方法集包括二維數(shù)據(jù)展示方法集、三維數(shù)據(jù)映射方法集及細(xì)粒度場景回溯方法。在傳統(tǒng)后處理模塊中,通常以多層級列表的形式對各項(xiàng)指標(biāo)進(jìn)行索引,過多的數(shù)據(jù)從屬關(guān)系造成了用戶較重的認(rèn)知負(fù)擔(dān),因此,本文構(gòu)建了二維數(shù)據(jù)展示方法集,為輪對、車廂、轉(zhuǎn)向架、車鉤、減振器等列車部件級模型綁定相應(yīng)動力學(xué)性能指標(biāo)面板,由點(diǎn)擊事件觸發(fā)彈窗,實(shí)現(xiàn)了輪軸橫向力、輪對橫移、輪軌接觸力、車體加速度、輪重減載率、脫軌系數(shù)等指標(biāo)的靈活、直觀展示,從而將可視化場景與仿真數(shù)據(jù)實(shí)時(shí)聯(lián)系起來,使得用戶能夠更容易地挖掘列車動力學(xué)響應(yīng)規(guī)律。

三維數(shù)據(jù)映射方法集包含云仿真結(jié)果驅(qū)動的輪對位移、車體點(diǎn)頭角、車鉤位移、車鉤垂向擺角等映射動畫,同時(shí)采用自適應(yīng)的三向箭頭模型對輪軌接觸力、車體加速度等有向指標(biāo)進(jìn)行表征。自適應(yīng)指可以自動通過控制算法保證不同的數(shù)值區(qū)間與波動幅度都能夠合理地映射到三維箭頭上,保證三維箭頭不超出畫面且能夠反映微小的數(shù)值波動。

細(xì)粒度場景回溯是針對時(shí)間維度的分析方法。列車動力學(xué)性能指標(biāo)在時(shí)間屬性上具有連續(xù)性,無躍遷現(xiàn)象,因此以時(shí)間序列作為主導(dǎo)設(shè)計(jì)細(xì)粒度場景回溯功能,建立虛擬三維空間中時(shí)間與動力學(xué)指標(biāo)結(jié)果映射關(guān)系,可以滿足跨時(shí)空評估列車運(yùn)行情況的需求。時(shí)序數(shù)據(jù)通?？擅枋鰹?/p>

Data.T={(t1,ST1,SA1,RQ1),(t2,ST2,SA2,RQ2),…,(tn,STn,SAn,RQn)}

(1)

式中,t代表數(shù)據(jù)對象的時(shí)間屬性;ST代表穩(wěn)定性指標(biāo)結(jié)果數(shù)據(jù);SA代表安全性指標(biāo)結(jié)果數(shù)據(jù);RQ代表平穩(wěn)性指標(biāo)結(jié)果數(shù)據(jù)。

研究人員可通過拖拽進(jìn)度條觸發(fā)事件回調(diào)從而操作Data.T控制接口,對t進(jìn)行復(fù)雜查詢,再通過映射算法實(shí)現(xiàn)細(xì)粒度的場景回溯功能,從而在時(shí)間尺度上對動力學(xué)性能進(jìn)行三維可視化分析。其中時(shí)間粒度的粗細(xì)通過方案中的采樣頻率確定。某次場景回溯案例如圖4所示,其中圖4a、圖4b、圖4c分別代表運(yùn)行時(shí)間在2.52 s、9.15 s、12.42 s下的駕駛室視景。

(a)t=2.52 s (b)t=9.15 s (c)t=12.42 s圖4 場景回溯案例Fig.4 The case of scene retraction

2.2 基于云渲染的遠(yuǎn)程三維可視化交互

云渲染將“云應(yīng)用”與渲染結(jié)合,實(shí)現(xiàn)了在線三維可視化,廣泛適用于在線視頻游戲領(lǐng)域[16]。在傳統(tǒng)列車運(yùn)行可視化中,由于場景復(fù)雜度高、三維模型精細(xì)、交互頻繁等原因,系統(tǒng)對客戶端硬件要求苛刻,因此借助云渲染思路,針對跨平臺、“瘦客戶端”等需求,將渲染資源中心化并按需提供,避免了研究人員在動力學(xué)分析過程中受到時(shí)空、終端類型、硬件水平等限制。WebRTC(web real-time communication)是一項(xiàng)開源實(shí)時(shí)通信技術(shù),可基于瀏覽器建立對等實(shí)時(shí)通信,具有低延遲、高質(zhì)量、跨平臺等特點(diǎn)[17],因此框架選用WebRTC作為云渲染支撐技術(shù)。

為建立靈活分組、多角色混合、高效實(shí)時(shí)、可交互的列車動力學(xué)分析在線可視化服務(wù),提出遠(yuǎn)程可視化交互框架如圖5所示,分為以下4個(gè)部分:

圖5 遠(yuǎn)程可視化交互框架Fig.5 Framework for remote visual interaction

(1)混合角色驅(qū)動的邏輯組接入。一次仿真前后處理流程可能需要多種角色參與,分別在不同任務(wù)流程發(fā)揮相應(yīng)關(guān)鍵作用。角色職責(zé)上分為設(shè)計(jì)、分析、建模、管理四類,組群混合時(shí)可靈活形成多元能力分布的邏輯組,在資源組合模塊中根據(jù)能力分布按需分配仿真資源,提高集群資源利用率。例如可視化分析過程中,為分析人員分配更高帶寬以滿足實(shí)時(shí)交互需求,而其他人員則分配較少的帶寬,只傳輸媒體信息。

(2)信令邏輯處理。作為遠(yuǎn)程交互可視化的樞紐,向下對Web接入請求進(jìn)行認(rèn)證、檢驗(yàn)、分配等處理,向上為各Web頁面配對渲染源實(shí)例。消息轉(zhuǎn)發(fā)模塊負(fù)責(zé)WebRTC對等連接建立之前的媒體協(xié)商、Candidate收集等流程;邏輯組管理模塊則為組業(yè)務(wù)提供支持,包括組成員管理、組異常分析與處理、交互權(quán)轉(zhuǎn)移等。

(3)渲染源數(shù)據(jù)準(zhǔn)備。渲染源在后臺邏輯、渲染池管理中間件的加持下實(shí)現(xiàn)池化,按需取用,滿足不同類型的可視化分析需求?；诿嫦?qū)ο蠹夹g(shù)在WebRTC原始接口上建立CamSender、AudioSender類,對Unity3D場景中的音視頻數(shù)據(jù)進(jìn)行采集、加工、編碼等處理完成數(shù)據(jù)準(zhǔn)備。另外,建立InputReceiver類并通過基于SCTP(stream control transmission protocol)的RTCDataChannel接收數(shù)據(jù),依據(jù)表1中交互協(xié)議解析數(shù)據(jù),再按需構(gòu)建遠(yuǎn)程虛擬設(shè)備集合,最終實(shí)現(xiàn)實(shí)時(shí)交互數(shù)據(jù)在渲染實(shí)例中的精確映射。

表1 交互協(xié)議

(4)對等連接建立與數(shù)據(jù)傳輸?；赪ebRTC 會話層實(shí)現(xiàn)雙端的媒體協(xié)商、Candidate收集任務(wù)后,建立對等連接,通過MediaStream、RTCDataChannel模塊實(shí)現(xiàn)流傳輸。由于某些情況下對稱型NAT(symmetric NAT)策略的存在,基于公有云建立STUN/TURN(session traversal utilities for NAT/traversal using relays around NAT) Server并搭建中轉(zhuǎn)鏈路,最終為研究人員提供穩(wěn)定、靈敏、實(shí)時(shí)的遠(yuǎn)程交互可視化功能。

2.3 面向列車動力學(xué)實(shí)時(shí)分析的求解器集成模型

由于研究人員需通過可視化場景實(shí)時(shí)觀測指標(biāo)結(jié)果并即時(shí)定位仿真方案缺陷,因此可視化分析功能在時(shí)效性上需達(dá)到秒級響應(yīng),即指標(biāo)結(jié)果分片映射至可視化系統(tǒng)的時(shí)間跨度應(yīng)處于秒級。然而列車動力學(xué)仿真求解器因缺失模塊間通信功能而無法獨(dú)立進(jìn)行任務(wù)狀態(tài)感知、結(jié)果數(shù)據(jù)采集、驅(qū)動數(shù)據(jù)配置等工作,因此亟需設(shè)計(jì)一種求解器集成模型以在實(shí)現(xiàn)求解器模塊通信的基礎(chǔ)上充分降低數(shù)據(jù)在系統(tǒng)各模塊間的流通耗時(shí)。

仿真任務(wù)到達(dá)計(jì)算中心時(shí)刻Tsubmit至第一份指標(biāo)結(jié)果數(shù)據(jù)分片被可視化映射的時(shí)刻Tfirst形成的區(qū)段Psubmit→first構(gòu)成可表達(dá)為

Psubmit→first=Pconfig→Psolve→Pcollect→Ptransfer→Pmapping

(2)

式中,Pconfig為驅(qū)動數(shù)據(jù)配置流程;Psolve為仿真求解流程;Pcollect為數(shù)據(jù)采集流程;Ptransfer為數(shù)據(jù)傳輸流程;Pmapping為可視化映射流程;→為流程銜接符。

針對求解器Pconfig與Ptransfer的缺失,本文基于Golang語言開發(fā)了求解服務(wù)中間件。Golang通過原生特性Goroutine及Channel實(shí)現(xiàn)基于通信順序過程(communicating sequential process,CSP)模型的松耦合、安全的并發(fā)編程,符合多用戶并發(fā)模型特點(diǎn)[18]。中間件實(shí)現(xiàn)過程中針對Pconfig中并發(fā)驅(qū)動數(shù)據(jù)寫入時(shí)鎖粒度大的缺點(diǎn),借鑒Linux RCU(read copy, update)思想,通過復(fù)制并更新驅(qū)動數(shù)據(jù)原件后再進(jìn)行原子覆蓋的方式降低鎖粒度,在驅(qū)動數(shù)據(jù)配置并發(fā)量為20的情況下使得并發(fā)參數(shù)配置效率提高了42.1%。針對Pcollect采集不及時(shí)的問題,基于生產(chǎn)者-消費(fèi)者模型建立接口Collecter、Consumer分別完成結(jié)果監(jiān)聽與上傳,并通過具有動態(tài)緩沖區(qū)的數(shù)據(jù)通道進(jìn)行高性能線程間通信,實(shí)現(xiàn)指標(biāo)結(jié)果封裝、映射與交換流程異步,避免串行帶來的時(shí)間損耗。完整集成模型示意如圖6所示。

圖6 求解器集成模型Fig.6 Integrated model of solver

列車動力學(xué)仿真任務(wù)為CPU密集型任務(wù),訪問量突增對動力學(xué)分析時(shí)效性產(chǎn)生的消極影響會很嚴(yán)重。針對此問題,采用了基于Docker的虛擬化技術(shù)將中間件與算法程序封裝為具備一定隔離性的容器,并通過Kubernetes進(jìn)行統(tǒng)一編排和管理。部署好集群后,Kubernetes中默認(rèn)調(diào)度器會將新創(chuàng)建的Pod通過Predicates以及Priorities兩個(gè)調(diào)度算法自動調(diào)度到最合適的節(jié)點(diǎn)上,初步實(shí)現(xiàn)集群的負(fù)載均衡及彈性擴(kuò)展。

3 應(yīng)用驗(yàn)證

3.1 驗(yàn)證準(zhǔn)備

依據(jù)上述研究成果,分布式系統(tǒng)基于B/S架構(gòu)設(shè)計(jì),后臺基礎(chǔ)服務(wù)基于ABP Framework開發(fā),并以PostgreSQL作為結(jié)構(gòu)化數(shù)據(jù)庫系統(tǒng),Redis作為緩存系統(tǒng),列車動力學(xué)分析可視化場景由Unity3D驅(qū)動,云渲染模塊基于Node.js、Render Streaming、Unity WebRTC搭建,物理架構(gòu)如圖7所示,具體硬件配置如表2所示。

表2 硬件配置

圖7 系統(tǒng)物理架構(gòu)Fig.7 Physical architecture of the system

圖8為一次協(xié)同分析案例的運(yùn)行過程示意圖,邏輯組由四個(gè)不同角色(設(shè)計(jì)、建模、分析、管理)的用戶組成,分別主導(dǎo)總體方案設(shè)計(jì)、仿真建模、可視化分析、邏輯組管理四種工作,多組之間可以共享可視化內(nèi)容。然而,并非每項(xiàng)工作都只由一個(gè)用戶完成,比如在可視化分析過程中,所有用戶皆可獲取云渲染畫面,但是只有分析人員具有交互權(quán),其他角色的用戶只做輔助分析,若需進(jìn)行交互需先向管理人員申請交互權(quán)。

圖8 系統(tǒng)運(yùn)行案例Fig.8 Cases of system operation

3.2 精度驗(yàn)證

云仿真系統(tǒng)與商業(yè)動力學(xué)軟件SIMPACK按以下工況進(jìn)行計(jì)算:列車時(shí)速為80 km/h,曲線半徑為2000 m,曲線長度為340 m,緩和曲線長度為25 m,超高0.1 m。選取脫軌系數(shù)、輪軸橫向力、輪重減載率三個(gè)性能指標(biāo)的最大值進(jìn)行對比。由表3可知,兩個(gè)軟件系統(tǒng)的求解結(jié)果具有良好的一致性。

表3 指標(biāo)對比結(jié)果

在另一工況(曲線半徑為1000 m,緩和曲線長度為45 m,超高為0.075 m)下以輪軌橫向力、輪軌垂向力兩個(gè)性能指標(biāo)作為對象進(jìn)行對比驗(yàn)證,結(jié)果如圖9所示。兩者在量值以及變化趨勢上總體吻合,但存在一定差異,差異來自于兩者動力學(xué)建模過程中輪軌接觸、線路平縱斷面、軌道結(jié)構(gòu)等細(xì)節(jié)。

圖9 輪軌力指標(biāo)對比結(jié)果Fig.9 Results of wheel-track force index comparison

總的來說,云仿真系統(tǒng)在關(guān)鍵動力學(xué)性能指標(biāo)結(jié)果上能與SIMPACK取得較好的一致性,在平穩(wěn)性、安全性分析中能夠部分替代商業(yè)動力學(xué)軟件。

3.3 性能分析

在系統(tǒng)實(shí)現(xiàn)前期,可視化模塊采用Unity WebGL技術(shù)進(jìn)行發(fā)布,導(dǎo)致運(yùn)行時(shí)大量渲染工作在客戶端進(jìn)行。為體現(xiàn)云渲染技術(shù)在列車動力學(xué)實(shí)時(shí)可視化分析應(yīng)用中的優(yōu)勢,將基于WebRTC的云渲染技術(shù)與項(xiàng)目前期使用的Unity WebGL技術(shù)進(jìn)行性能對比。對比采用的三維場景信息如下:軌道全長1340 m,包含扣件5360個(gè)(間隔0.5 m),支柱54個(gè)(間隔50 m),場景總體三角面片數(shù)為1143萬。具體指標(biāo)為平均加載時(shí)間、平均交互時(shí)間、平均畫面幀率,分別代表了時(shí)效性性能、交互靈敏性與畫面流暢度。根據(jù)圖10結(jié)果,云渲染方案在交互靈敏性與畫面流暢度方面略低,但仍然滿足高質(zhì)量可視化交互需求。在時(shí)效性方面,由于云渲染方案中用戶無需加載大量靜態(tài)資源,平均加載時(shí)間為7.2 s,遠(yuǎn)遠(yuǎn)低于WebGL方案的平均加載時(shí)間356.8 s,且不會隨場景復(fù)雜度變化,滿足后續(xù)可視化場景擴(kuò)展需求。

圖10 可視化性能分析結(jié)果Fig.10 Results of the visualization performance analysis

為了對比本系統(tǒng)求解器與SIMPACK在單節(jié)點(diǎn)上的并發(fā)求解能力,本文以相同計(jì)算節(jié)點(diǎn)上的最大并發(fā)量為指標(biāo),用兩個(gè)軟件分別執(zhí)行相同參數(shù)的單節(jié)列車動力學(xué)仿真任務(wù)。當(dāng)CPU利用率達(dá)到100%時(shí)認(rèn)為節(jié)點(diǎn)已達(dá)性能極限,記錄達(dá)到性能極限時(shí)的運(yùn)行軟件數(shù)量。經(jīng)過多組試驗(yàn),SIMPACK平均最大并發(fā)量為7.31,本系統(tǒng)求解器平均最大并發(fā)量為11.23,比SIMPACK平均最大并發(fā)量約高出53.7%。造成該結(jié)果的主要原因是本系統(tǒng)中求解器與前后處理模塊的解耦,軟件資源粒度更小,而SIMPACK架構(gòu)耦合性更強(qiáng)。

4 結(jié)論

(1)本文針對傳統(tǒng)列車動力學(xué)仿真流程中多用戶協(xié)同不便、硬件要求苛刻、自動化水平不足等問題,將列車動力學(xué)仿真分析技術(shù)與云計(jì)算、云渲染、求解器集成技術(shù)相結(jié)合,提出了一種云仿真驅(qū)動的列車動力學(xué)協(xié)同可視化分析框架。

(2)本文細(xì)化了列車動力學(xué)可視化分析場景搭建流程,并設(shè)計(jì)了一種相應(yīng)框架。通過基礎(chǔ)場景構(gòu)建、研究主體模型驅(qū)動、分析方法集構(gòu)建三個(gè)步驟實(shí)現(xiàn)對列車動力學(xué)分析可視化場景的搭建自動化與服務(wù)化。

(3)本文在云渲染架構(gòu)的基礎(chǔ)上進(jìn)一步基于WebRTC提出了一種多組多角色協(xié)同的遠(yuǎn)程可視化交互框架,提高了仿真的協(xié)作性和分析效率,同時(shí)減少了傳統(tǒng)渲染架構(gòu)中大量的客戶端渲染工作。

(4)本文提出了一種面向列車動力學(xué)實(shí)時(shí)分析的求解器集成模型,將原本緊密關(guān)聯(lián)的模塊解耦,結(jié)合Linux RCU思路、容器編排等技術(shù)實(shí)現(xiàn)了模塊間高效通信以及彈性擴(kuò)容。

(5)本文在實(shí)際項(xiàng)目中對框架及系統(tǒng)進(jìn)行了精度與系統(tǒng)性能的驗(yàn)證,結(jié)果表明:該框架及系統(tǒng)可滿足研究團(tuán)隊(duì)在列車動力學(xué)仿真分析中的需求,同時(shí)對其他復(fù)雜系統(tǒng)的云端可視化分析模塊構(gòu)建具有借鑒意義。未來的工作中將構(gòu)建云渲染服務(wù)質(zhì)量評估模型,從多維度進(jìn)行遠(yuǎn)程實(shí)時(shí)可視化交互優(yōu)化,提高列車動力學(xué)仿真分析效率。