# RNG 参数化随机数生成 — 设计规格 ## 概述 将 RNG 从硬编码的信号→数据源映射重构为配置驱动的参数化模型架构，使随机数/仿真数据的生成完全由外部配置控制，无需修改 C++ 代码即可定义新的信号行为。 ## 核心设计决策 - **模型模板与信号绑定分离**：模型模板定义在 `rng_models.json`，每个信号通过 DB2 表 `T_LOV_FDAAITEM` 的 `tables[1]` 字段引用模型名 - **每个信号独立实例化**：即使 100 个信号用同一个模型模板，各自创建独立实例，状态不共享 - **基值参数取自 defaultValue**：`TeleItem.defaultValue` 天然作为 `c`(constant)、`b`(linear)、`offset`(sine)、`base`(spike/drift)、`mean`(normal) 的默认值 - **纯 JSON 参数透传**：模型构造函数直接解析 JSON params key-value，工厂不关心具体参数内容 ## 模型模式 ### 模拟量模式 | mode | 函数 | 从 defaultValue 取的基值 | 模板 params | |------|------|------------------------|------------| | `constant` | y = c | c | — | | `linear` | y = k·t + b | b | k | | `sine` | y = A·sin(ω·t + φ) + offset | offset | A, ω, φ | | `normal` | y = μ + σ·N(0,1) | μ | σ | | `uniform` | y = random(−Δ, +Δ) + center | center | Δ | | `spike` | y = base + spike(t) | base | amplitude, probability | | `drift` | y = base + rate·t | base | drift_rate | | `csv` | y = csv(t, col) | — | file, column | | `composite` | y = base(t) + noise(t) | — | base_model, noise_model | t 为时间索引，从进程启动起每周期（~20ms）递增。 ### 布尔量模式 | mode | 行为 | 模板 params | |------|------|------------| | `bool_random` | 随机 0/1，可配置为 1 的概率 | prob_true (default 0.5) | | `bool_toggle` | 固定周期 0/1 翻转 | period_ms | | `bool_csv` | CSV 数据回放（int 列） | file, column | | `valve_pair` | 跟随另一个信号，加延迟/闪断/抖动/超时 | on_delay_ms, off_delay_ms, delay_jitter_ms, flash_prob, delay_over_prob, delay_over_ms | ### spike 毛刺行为 - 每个周期以 `probability` 概率触发毛刺 - 触发时 y = base ± amplitude（符号随机） - 毛刺持续 1 个周期后恢复 ### drift 漂移行为 - y = base + drift_rate × t - 漂移累加无上限，模拟传感器退化趋势 ### valve_pair 时序模型 不模拟动作信号本身，而是通过模型名引用另一个信号（如 `bool_toggle`）的当前值，模拟传感器对动作的响应延迟。 参数说明： | 参数 | 含义 | 默认值 | |------|------|--------| | `on_delay_ms` | 阀开到位延迟（ms），信号 0→1 后传感器多久变 1 | 必填 | | `off_delay_ms` | 阀关到位延迟（ms），信号 1→0 后传感器多久变 0 | 必填 | | `delay_jitter_ms` | 延迟抖动范围，实际延迟 = delay ± random(0, jitter) | 0 | | `flash_prob` | 高电平期间每周期出现闪断的概率 | 0 | | `delay_over_prob` | 每次阀动作时触发超时的概率（on/off 独立判断） | 0 | | `delay_over_ms` | 超时时的延迟值，替代正常延迟 | 0 | 正常时序（无超时，有抖动）： ``` 动作信号 A: ────────────┐ ┌──────────────── │ │ ├── on_delay ──→ ├── off_delay ──→ 传感器 B: │ ±jitter │ ±jitter ────────────┘ └──────────────── └─ 阀芯移动 ──→ └─ 阀芯复位 ──→ ``` 超时场景（delay_over_prob 触发时）： ``` 动作信号 A: ────────────┐ │ ├──────── on_delay_over (4000ms) ────────→ 正常 off_delay 传感器 B: │ ┌────── ... ────────────┘ │ └── 超时! 远超正常范围 ``` - 每次 A 跳变时（0→1 或 1→0），以 `delay_over_prob` 概率独立判断是否超时 - 超时时延迟 = `delay_over_ms`，未超时时延迟 = `delay_ms` ± random(0, `delay_jitter_ms`) - 闪断：高电平期间以 `flash_prob` 概率单周期归零后自动恢复 - `delay_over_prob = 0` = 永不超时；`delay_jitter_ms = 0` = 无抖动 - on 和 off 方向各自由各自概率独立触发超时 配对方式：B 的 `tables[1]` = `valve_px_std:toggle_2s`，其中 `toggle_2s` 是 A 的模型名。运行时通过模型名查找动作信号的 IModel 实例。 一对多自然支持：同一个动作信号可被多个 valve_pair 传感器跟随，各自维护独立的延迟/闪断状态。 ## JSON 配置格式 文件路径：`/users/dsc/code/TestProject/RNG/json/rng_models.json`（Linux 运行环境固定路径） ```json { "models": { "normal_tiny": { "mode": "normal", "params": { "sigma": 0.01 } }, "normal_med": { "mode": "normal", "params": { "sigma": 0.5 } }, "linear_slow": { "mode": "linear", "params": { "k": 0.001 } }, "linear_fast": { "mode": "linear", "params": { "k": 0.05 } }, "sine_ecc1": { "mode": "sine", "params": { "A": 5.0, "omega": 0.314, "phi": 0 } }, "sine_ecc2": { "mode": "sine", "params": { "A": 3.0, "omega": 0.628, "phi": 1.57 } }, "spike_sharp": { "mode": "spike", "params": { "amplitude": 50, "probability": 0.05 } }, "spike_mild": { "mode": "spike", "params": { "amplitude": 10, "probability": 0.15 } }, "drift_slow": { "mode": "drift", "params": { "drift_rate": 0.0001 } }, "drift_fast": { "mode": "drift", "params": { "drift_rate": 0.005 } }, "toggle_2s": { "mode": "bool_toggle", "params": { "period_ms": 2000 } }, "toggle_5s": { "mode": "bool_toggle", "params": { "period_ms": 5000 } }, "toggle_10s": { "mode": "bool_toggle", "params": { "period_ms": 10000 } }, "valve_px_std": { "mode": "valve_pair", "params": { "on_delay_ms": 200, "off_delay_ms": 150, "delay_jitter_ms": 20, "flash_prob": 0.02, "delay_over_prob": 0.0001, "delay_over_ms": 4000 } }, "valve_px_fast": { "mode": "valve_pair", "params": { "on_delay_ms": 80, "off_delay_ms": 60, "delay_jitter_ms": 10, "flash_prob": 0.01, "delay_over_prob": 0, "delay_over_ms": 0 } } } } ``` ## DB2 信号绑定 每个信号在 `T_LOV_FDAAITEM` 表中通过 `tables[1]` 字段指定模型引用。 ### tables[1] 语法 | 格式 | 含义 | 示例 | |------|------|------| | `model_name` | JSON 中定义的模型 | `normal_tiny` | | `csv:file_name:col` | CSV 文件回放（内联简写） | `csv:C308速度毛刺仿真.csv:1` | | `base_model+noise_model` | 组合模型 | `linear_slow+normal_tiny` | | `pair_model:action_model` | 布尔配对模型（仅 valve_pair） | `valve_px_std:toggle_2s` | | 空 / `default` | 默认模型 `normal_tiny` | — | ### 示例数据行 | item | defaultValue | tables[1] | 说明 | |------|-------------|-----------|------| | BR1_1_V_act | 100.0 | `normal_tiny` | 均值100的正态噪声 | | BR1_2_V_act | 120.0 | `normal_tiny` | 同上模板，独立实例 | | BR2_2_I_act | 0.0 | `csv:spbdata:1` | CSV第1列回放 | | TCM-4-82-BD-1-101 | 80.0 | `sine_ecc1` | 幅值5周期0.314的正弦 | | TCM-72-150-BD-5-117 | 75.0 | `sine_ecc1` | 同上模板，独立实例 | | RW_o_Drv_SpdErr | 0.0 | `linear_slow+spike_mild` | 线性爬升叠加毛刺 | | 3G-DSA-B01-01B | 0 | `toggle_2s` | 2秒周期翻转（动作阀） | | 3G-PX-B01-01 | 0 | `valve_px_std:toggle_2s` | 跟随动作阀的到位传感器 | ## 软件架构 ### 文件结构 ``` TestProject/RNG/ ├── model/ │ ├── IModel.h # 统一接口 │ ├── ModelRegistry.h/cc # 工厂 + tables[1] 解析 │ ├── NormalModel.h │ ├── LinearModel.h │ ├── SineModel.h │ ├── UniformModel.h │ ├── SpikeModel.h │ ├── DriftModel.h │ ├── CsvReplayModel.h │ ├── BoolRandomModel.h │ ├── BoolToggleModel.h │ ├── BoolCsvModel.h │ ├── ValvePairModel.h │ └── CompositeModel.h ├── json/ # nlohmann_json (已有) ├── Generator.h/cc # 重构：去掉硬编码，走 ModelRegistry ├── RNG_icei.h/cc # 不变 ├── RNG.h/cc # 启动时加载 rng_models.json ├── RandT.h # 保留，底层数学工具 ├── read_csv.hpp # 保留，CsvReplayModel 内部使用 └── CMakeLists.txt # 新增 model/ 源文件 ``` ### 关键接口 ```cpp // IModel.h — 所有模型的基类 class IModel { public: virtual ~IModel() = default; virtual float evaluate(size_t t_index); // 模拟量，默认返回0 virtual bool evaluateBool(size_t t_index); // 布尔量，默认返回false virtual void linkPeers(ModelRegistry& reg); // 配对信号关联，默认空 virtual void reset(); // 重置内部状态 }; // ModelRegistry — 单例 class ModelRegistry { public: using Ctor = std::function(const json& params, float defaultVal)>; void loadModels(const std::string& jsonPath); // 加载 rng_models.json IModel* getOrCreate(const std::string& tables1Spec, // 解析并创建实例 float defaultValue); // 按模型名查找所有使用该模型的信号实例（valve_pair 查询动作信号用） std::vector findByModelName(const std::string& modelName); void registerMode(const std::string& mode, Ctor ctor); // 注册新模型类型 }; ``` ### 数据流（每周期 TimeNotify） ``` TimeNotify(eventNo) → BinaryTele.ReBuild(eventNo) → for i in 0..BinaryTele.size(): item = BinaryTele[i] spec = item.tables[1] model = ModelRegistry::getOrCreate(spec, atof(item.defaultValue)) if item.type[0] == 'b': item = model->evaluateBool(timeIndex) else: item = model->evaluate(timeIndex) (float) → BinaryTele.GetTeleData() → m_mapfix[eventNo]->push(buff) ``` ### 启动流程 ``` RNG::start() → con_mag_->dbLogin() → ModelRegistry::instance().loadModels("/users/dsc/code/TestProject/RNG/json/rng_models.json") → RNG_server = new RNGICEI() → PACE 服务注册 ``` ## 扩展流程 新增一个模型模式（如指数衰减 `exponential`）只需要： 1. 新建 `model/ExponentialModel.h`，实现 `IModel::evaluate(t)` 2. 在 `ModelRegistry` 构造函数中注册一行：`reg("exponential", ExponentialModel::create)` 3. 在 `rng_models.json` 中添加模板：`"exp_decay": { "mode": "exponential", "params": { "lambda": 0.01 } }` JSON params 以通用 map 形式透传给模型构造函数，工厂不需要理解新参数。 ## 存量兼容 - `RandT.h` 保留，底层随机数工具被各 Model 内部使用 - `read_csv.hpp` 保留，`CsvReplayModel` 内部使用 - `Generator.cc` 中所有硬编码的 if-else 信号映射删除 - `BinaryTele` + `CMemFix` 共享内存写入逻辑保持不变 - ICE 接口 `RNGICEI` 不变 - DB2 中已有的 `tables[1]` 为空的行走默认模型 `normal_tiny`，保持向后兼容 ## 约束 - `tables[1]` 字段长度 40 字符（`name_type` = `char[40]`），模型名 + 引用语法需控制在此范围内 - 时间索引 `t_index` 从进程启动起单调递增，每周期（~20ms）加 1，不持久化