1. 课程导入与全景认知
在工程系统研发中，一个越来越常见的矛盾是：模型越建越细，仿真却越来越跑不动。以新能源汽车热管理为例，一套包含电池包液冷板、冷却回路、压缩机、换热器与 cabin 空调的 Modelica 模型，若按 1D 流网加集总参数建模，可能包含数百个状态变量；当控制策略需要以 1 ms 步长做硬件在环（HIL）测试时，原始模型的实时因子（real-time factor）往往只有 0.05～0.2，即仿真 1 s 需要 5～20 s 计算，完全无法满足实时约束。Modelica 模型降阶（Model Order Reduction, MOR）与实时仿真，正是为解决这一矛盾而存在的一对工程方法。
一、为什么需要降阶：从“能算”到“算得快且准”
Modelica 基于方程建模，天然适合多物理域耦合，但这也带来两个后果：一是系统规模随组件数量快速增长，二是 DAE（微分代数方程）指标较高，数值求解代价大。降阶的目标不是“简化到失真”，而是在保留关键输入输出动态特性的前提下，把高阶模型压缩为低阶模型。工程上常用的判断依据是：在关注频段内，降阶模型与原模型的 Bode 幅频/相频误差小于 3 dB 与 5°，或时域阶跃响应峰值误差小于 5%。
降阶方法大致分三类：物理降阶（如把分布参数换热器离散为 3～5 个控制体）、数学降阶（如平衡截断、Krylov 子空间、POD/DEIM）、以及数据驱动降阶（用仿真数据训练低阶状态空间或神经网络代理模型）。实际项目中，三者常组合使用：先物理降阶把 200 阶降到 40 阶，再用平衡截断降到 8～12 阶，最后做实时化处理。
二、实时仿真的工程约束
实时仿真不是“跑得快一点”，而是要求每个通信步内必须完成一次求解并输出，超时即失败。典型约束包括：固定步长（如 1 ms）、单步计算时间小于步长、无迭代或迭代次数受限、I/O 延迟确定。为满足这些约束，除了降阶，还需要做求解器适配（显式或半隐式）、代数环消除、状态初始化与代码生成。例如，将 Modelica 模型导出为 C 代码并编译为实时可执行文件，是 HIL 与快速控制原型（RCP）的标准路径。
三、典型应用场景
降阶与实时仿真的需求集中在“模型必须跟着真实时间走”的场合。第一类是汽车电控 HIL：电池管理系统（BMS）测试需要电池包电热耦合模型实时运行，原始 200 阶模型经物理降阶到 12 阶后，可在 1 ms 步长下稳定运行。第二类是航空发动机控制系统验证：燃油计量装置与执行机构模型需与真实 ECU 闭环，降阶后用于 RCP。第三类是建筑能源与暖通空调：整栋楼的热网络模型用于模型预测控制（MPC），降阶可把优化求解时间从分钟级压到秒级。第四类是数字孪生在线状态估计：用降阶模型做卡尔曼滤波，实时估计电池内部温度等不可测变量。
四、学习路径与工具链概览
本课程按“建模—降阶—实时化—验证”的主线展开。前期需要掌握 Modelica 方程建模、状态空间表达与线性化；中期学习平衡截断、Krylov 子空间、POD/DEIM 等降阶算法，并理解误差判据；后期进入固定步长求解器、FMU 导出、C 代码生成与实时部署。工具链方面，Dymola 与 OpenModelica 用于建模与线性化，Python（NumPy/SciPy）用于降阶算法验证，FMI/FMU 用于模型交换，实时目标机与 RTOS 用于最终运行。
五、一个可复现的入门示例
下面给出一个最小可运行的降阶验证流程，用于建立直观感受。假设已有一个线性化后的状态空间模型 (A, B, C, D)，阶数 n=40，输入为冷却液入口温度，输出为电池表面温度。
import numpy as np
from scipy.linalg import solve_continuous_lyapunov, svd
# 1. 可控/可观 Gramian
P = solve_continuous_lyapunov(A, -B @ B.T)
Q = solve_continuous_lyapunov(A.T, -C.T @ C)
# 2. 平衡变换
U, s, Vh = svd(P @ Q)
T = U @ np.diag(s ** -0.25)
Tinv = np.diag(s ** 0.25) @ U.T
# 3. 截断到 r=10 阶
r = 10
Ar = Tinv[:r, :] @ A @ T[:, :r]
Br = Tinv[:r, :] @ B
Cr = C @ T[:, :r]
# 4. 验证：阶跃响应峰值误差
# 若误差 < 5%，且单步耗时 < 1 ms，则可用于实时仿真
运行后应观察两个量：降阶前后阶跃响应的峰值误差，以及单步求解耗时。若误差超标，可增大 r 或改用 Krylov 方法；若耗时超标，则需进一步降低阶数或改用显式求解器。这个“误差—耗时”权衡，正是本课程后续每一章都会反复面对的核心问题。