from pyfmi import load_fmuimport pandas as pdimport matplotlib.pyplot as pltimport numpy as npfrom sklearn.tree import DecisionTreeRegressor # 决策树算法from sklearn.metrics import r2_score# 全局 FMU

1、背景： 当前Star CCM+的逻辑控制功能并不强大，当需要仿真复杂多变的工况时往往力不从心。为了解决该问题，当前有两个方案可以尝试，分别如下： 方案1：利用AMEsim与Star CCM+联合仿真，通过tcp传输模块来实现两者的实时耦合。 方案2：利用AMEsim导出FMU文件，然后将FMU文件导入Star CCM+中，全程由Star自行计算，AMEsim不参与计算。 以上两个方案均

01.TSN简介 互联网的快速发展和各种新兴应用的产生，极大改变了人们的生活和工作方式，诸多行业需要毫秒级甚至更低的确定低时延网络连接，其应用对时间尤为敏感。 ▲典型行业应用的流量特征和QoS（Quality of Service，服务质量）需求 为了满足确定有界低时延传输需求，工业界做出了诸多尝试与努力，如TTEthernet、FlexRay等，但都仅限于特定的应用场景，不

具体操作步骤如下（适用于MATLAB2020b版本后） 第一步：在MATLAB/Simulink中打开模型（MATLABA的工作路径应与此模型路径一致，根据所需建立接口数量，路径中不可包含中文或数字开头路径） 图1  在Simulink中打开模型 第二步：对模型进行设置（固定步长“”，设置对应所需的求解器） 注：必须设置为固定步长（定步长），否则导出的FMU模块在其他软件中仿真会报错。