openmdao - 在 Dymos 中保存数据会更改优化和仿真结果

Question

我有一个类似的问题，正如这个问题所表达的那样。我遵循了Rob Flack的回答，但遇到了问题。如果有人可以帮助我，我将不胜感激。

我使用了答案中建议的代码，但有一个问题：它改变了模拟结果。我在脚本中为 min_time_climb 示例添加了一行，如下所示：

phase.add_timeseries_output('aero.mach', units=None, shape=(1,), output_name = "recorded_mach")

我使用了“recorded_mach”这个名字，以免覆盖 Dymos 可能已经录制或未录制的任何其他内容。问题是默认的高度 (h) 与时间图实际上发生了变化，离散点和模拟曲线都发生了变化。我最终记录了 4 个具有与我刚刚展示的命令相似的命令的变量，并且通过图表上的离散优化点以某种方式使模拟跟踪更好。当我在此基础上再记录 4 个变量时，情况变得更糟。我觉得这很奇怪，因为我不明白为什么记录模拟应该改变它的输出。

你有没有遇到过这个？您可以就该问题提供的任何见解将不胜感激。

笔记：

在实现上述代码之前，我对示例进行了一些修改，以适应不同的情况（不同的推力和燃料燃烧数据、不同的升力和阻力极地、不同的高度和速度目标）。但是，它仍然可以正常工作。

标签： openmdao

Answer 1

没有什么例子可以看，我只能做出有根据的猜测。因此，请对我的回答持保留态度。

一些优化问题具有非常病态的雅可比矩阵和/或 KKT 矩阵（您作为用户通常不会看到，但仍然可能有问题）。这种病态的潜在原因有很多，但一些常见的原因是非常大的导数（即接近无穷大）或不同导数之间的幅度范围非常大。另一个常见的原因是引入了一个鞍点，在那里你有无数个同样好的答案。有时您可以通过缩放来解决问题，有时您需要重新制定问题公式。

病态条件对优化器有两个不好的影响。首先，它使得里面的数字很难计算出计算步长所需的逆。它会得到答案，但可能会受到数字噪声的高度影响。其次，它可能会阻止某些近似值（如 BFGS）一开始就表现良好。

在这些情况下，执行顺序的微小变化或额外的步骤（例如案例重新编码）可能会导致优化器采用不同的路径。如果您发现该路径最终导致一个案例工作而另一个案例失败，那么您可能会遇到一个稍微稳定的问题，您有一次很幸运，而另一次则没有。

在你的雅可比中仔细寻找任何奇异的东西。0行/列？如果您在添加约束时忘记添加额外的自由度，那么恰好满足但仍然有 0 行的约束是在 Dymos 案例中出现的问题。如果您对目标谨慎，也会出现鞍点。