Skip to content
CPD Online

核心仿真服务逻辑

simulation_service.py 是系统从“Web 应用”转向“科学计算”的转折点。它负责调用高度复杂的物理模型引擎，并将产生的原始高维矩阵通过 optimize_calculation_data 进行压缩和归一化，以确保前端渲染的流畅度。

⚙️ 引擎分发架构

Section titled “⚙️ 引擎分发架构”

系统内置了两套不同维度的仿真引擎，分别应对标准模拟与带参数反馈的深度模拟。

基础 CPD 模拟逻辑

Section titled “基础 CPD 模拟逻辑”

调用 run_simulation_final 执行标准的煤热解动力学计算。

  • 输入：经过预处理的 params 字典（包含煤结构参数、升温速率等）。
  • 输出：物理量表头 (headers) 与时间序列矩阵 (data_rows)。
  • 应用场景：常规热解产物产率预测。

🛠️ 核心处理流程

Section titled “🛠️ 核心处理流程”

仿真任务在 Service 层的执行路径如下：

  1. 引擎调用：通过 Calculate_module 的入口函数触发 Fortran/C++ 驱动或高性能 Python 数值解算器。
  2. 数据压缩 (Optimization)： 调用 optimize_calculation_data。由于求解器通常采用自适应步长，会产生极高密度的点。该函数负责在不损失物理特征的前提下，对矩阵进行等间隔采样或显著性过滤。
  3. 结构标准化：将结果封装为包含 status, headers, results 的标准 Service 对象，便于上层 tasks 模块进行持久化操作。

💻 源码深度解析

Section titled “💻 源码深度解析”

1. 结果优化逻辑

Section titled “1. 结果优化逻辑”
# 关键步骤：数据量精简
optimized_data = optimize_calculation_data(data_rows)

设计意图：原始仿真可能产生数百万行数据，直接返回会导致浏览器崩溃。该步骤确保传输给前端的数据量控制在 1MB 以内，平衡了模拟精度与 UI 性能。

2. 引擎适配器函数

Section titled “2. 引擎适配器函数”
def run_engine_2_logic(params):
    # 多返回值适配：headers, rows, 加上关键的反馈字典 data_front
    headers, data_rows, data_front = run_simulation_final2(params)


    return {
        "status": "success",
        "headers": headers,
        "results": optimized_data,
        "data_front": data_front # 这里的 data_front 是 SIM2 模式的灵魂
    }