从零搭建工业控制系统(十四):配置系统基础——INI + JSON 怎么管

配置系统基础:INI + JSON 怎么管

这是「从零搭建工业控制系统」系列第14篇。前面几篇一直在说"从配置读取",这篇终于讲配置系统本身——INI管全局参数,JSON管命令定义。下一篇讲热加载。


配置文件的三座大山

项目里的配置分三类,各管各的:

类型文件管什么格式
全局参数Config.iniIP地址、超时、开关INI
命令定义*.jsonc阀门/伺服/设备命令JSONC
工艺参数*.jsonPPS阈值、报警参数JSON

为什么不全用JSON?因为INI对操作员友好。车间的人用记事本打开Config.ini,改个IP改个超时,一目了然。JSON的嵌套结构对非技术人员不友好。

图1:配置文件三座大山


ConfigReader:单例读取器

ConfigReaderini-parser 库封装了INI文件的读写。单例模式,线程安全:

public class ConfigReader
{
    private static readonly object _lockObject = new object();
    private static ConfigReader _instance;

    private readonly FileIniDataParser _parser;
    private readonly string _configFilePath;

    public static ConfigReader Instance
    {
        get
        {
            if (_instance == null)
            {
                lock (_lockObject)
                {
                    if (_instance == null)
                    {
                        _instance = new ConfigReader(Paths.WorkingConfigIni);
                    }
                }
            }
            return _instance;
        }
    }

    private ConfigReader(string configFilePath)
    {
        _configFilePath = configFilePath;
        _parser = new FileIniDataParser();
        _parser.Parser.Configuration.CommentString = ";";
    }
}

注释符改成 ; 而不是默认的 #,因为Windows用户习惯分号注释。

图2:ConfigReader 单例读取流程


AppConfig:配置数据模型

AppConfig 是一个纯数据类,所有属性都有默认值。配置文件缺失某项时不报错,用默认值:

[Obfuscation(Exclude = true, ApplyToMembers = true)]
public class AppConfig
{
    public bool AutoStart { get; set; }
    public bool ShowUILog { get; set; } = true;
    public bool ShowCallerInfoInUILog { get; set; } = false;

    // 设备通信参数
    public string DigitalIOIp { get; set; }
    public int DigitalIOPort { get; set; }
    public int DigitalIOReadTimeout { get; set; } = 5000;

    public string ValveModuleIp { get; set; }
    public int ValveModulePort { get; set; }
    public int ValveModuleReadTimeout { get; set; } = 5000;

    public string AnalogIOIp { get; set; }
    public int AnalogIOPort { get; set; }
    public int AnalogIOReadTimeout { get; set; } = 5000;

    // 灯塔配置
    public bool TowerLightServiceEnable { get; set; } = true;
    public int BuzzerDurationSeconds { get; set; } = 5;

    // Chamber控制
    public bool AutoAllowControl { get; set; } = true;
    public bool ManualAllowControl { get; set; } = true;
}

Obfuscation(Exclude=true) 保护属性名不被混淆——因为这些属性在XAML里通过 {x:Static} 引用。


读取配置的坑

读取INI配置有个容易忽略的坑:新增配置项后,旧配置文件没有这个key

// 读取ChamberControl节
if (data.Sections.ContainsSection("ChamberControl"))
{
    var chamberControl = data["ChamberControl"];
    config.AutoAllowControl = GetBoolValue(chamberControl, "AutoAllowControl", true);
    config.ManualAllowControl = GetBoolValue(chamberControl, "ManualAllowControl", true);
}

GetBoolValue 第三个参数是默认值。旧配置文件没有 AutoAllowControl 这个key时,返回默认值 true

踩过的坑:之前 DevicePanelViewModel 里初始值设为 false,但 AppConfig 默认 true。程序启动后配置文件还没读取就用了ViewModel的初始值,导致UI显示未勾选但实际逻辑按true执行。后来统一了默认值才解决。


JSONC配置:命令定义

命令配置用JSONC格式(带注释的JSON)。CommandRegistry 加载这些文件:

Configs/
├── ValveCommands.jsonc      # 阀门命令
├── ServoCommands.jsonc      # 伺服命令
├── DeviceCommands.jsonc     # 设备命令
├── ProcessCommands.jsonc    # 工艺流程命令

IO配置的disabled字段

JSON配置支持 disabled 字段控制IO是否加载:

{
  "address": "0xXX",
  "name": "DI_XX",
  "disabled": true
}

不配置 disabled 就是启用,只有需要禁用才加这个字段。读取时过滤掉:

public List<DeviceIO> GetInputDevicesByJsonOrder()
{
    return _inputDevices
        .Where(d => !d.Disabled)
        .ToList();
}

比删掉配置项更安全——配置还在,只是不加载。哪天需要启用改回 false 就行。


配置保存的完整流程

操作员在设置界面修改参数后点保存:

// 1. ViewModel收集UI值
config.AutoAllowControl = AutoAllowControl;
config.ManualAllowControl = ManualAllowControl;
config.TowerLightServiceEnable = TowerLightServiceEnable;

// 2. 调用ConfigReader写入文件
ConfigReader.Instance.WriteConfig(config);

// 3. 触发配置变更通知
WeakReferenceMessenger.Default.Send(new ConfigChangedMessage());

// 4. 安全服务收到消息后响应

写文件和发消息是两步。写完文件不发消息,其他服务不知道配置变了。发消息但不写文件,重启后配置丢失。两步缺一不可。

图3:配置保存完整流程


配置踩坑清单

现象解决
默认值不一致UI和逻辑用的默认值不同统一在AppConfig里定义
旧文件缺key读取报错GetBoolValue带默认值参数
多次Changed热加载触发多次500ms防抖Timer
混淆后属性名变了XAML绑定失效Obfuscation排除
配置改了不生效服务不知道配置变了消息机制通知

本篇小结

知识点关键做法
INI vs JSONINI给操作员,JSON给开发
默认值AppConfig属性全带默认值
调试覆盖OnlyDebug目录覆盖主配置
IO禁用disabled字段过滤,不删配置
配置变更写文件 + 发消息,缺一不可

配置系统的核心:操作员改了能生效,程序重启不丢失,默认值保证安全。


下期预告

第15篇:配置热重载机制

配置基础说完了,下篇讲热加载——FileSystemWatcher监听文件变化、防抖处理、注册表热更新,改配置不用重启程序。

内容概要:本文系统研究了Picard迭代法在非线性常微分方程参数估计中的应用,深入阐述了该方法的数学原理及其在参数辨识中的收敛性与稳定性优势。通过构建最小化误差的目标函数,并结合数值积分技术,采用迭代方式逐步逼近系统的真实参数值,有效解决了非线性动态系统中因缺乏解析解而难以进行精确建模的问题。文中提供了完整的Matlab代码实现,涵盖模型定义、迭代求解、参数更新与结果可视化等关键环节,增强了方法的可操作性与工程实用性。研究通过典型非线性系统案例验证了算法的有效性,展示了其在科学计算与工程建模中的良好适应性与推广潜力。; 适合人群:具备常微分方程理论、数值分析基础及Matlab编程能力,从事系统建模、参数辨识、动力学仿真等相关方向的研究生、科研人员和工程技术开发者。; 使用场景及目标:①解决实际工程中非线性微分方程模型的未知参数估计问题;②深入理解Picard迭代法在科学计算中的实现机制与数值特性;③为学术论文复现、科研项目开发或课程设计提供可运行、易调试的技术方案与代码参考。; 阅读建议:建议读者结合文中的数学推导与Matlab代码逐行分析,重点关注迭代流程、目标函数构造与数值积分的耦合实现,通过修改模型结构或噪声条件进行扩展实验,以深化对算法鲁棒性与适用边界的理解。配套资源可通过指定公众号和网盘链接获取,推荐同步学习以加速科研进程。
内容概要:本文详细介绍了一种基于多尺度集成极限学习机(Extreme Learning Machine, ELM)的回归方法,并提供了完整的Matlab代码实现。该方法通过构建多尺度特征表示与集成学习机制,有效提升了ELM在处理非线性、高维复杂数据时的预测精度与模型鲁棒性,特别适用于时间序列回归任务。文档不仅阐述了算法的核心原理与技术流程,还系统展示了其在风电功率预测等工程场景中的应用潜力。同时,文中附带了丰富的科研仿真案例集合,涵盖智能优化算法、深度学习、信号处理、电力系统调度等多个前沿方向,体现了多学科交叉融合的技术优势与实践价值。; 适合人群:具备一定Matlab编程能力,从事科学研究或工程应用的研究生、科研人员及工程技术开发者,尤其适合专注于机器学习、智能算法优化、新能源预测与电力系统建模等相关领域的专业人员。; 使用场景及目标:①用于风电、光伏、负荷等时间序列数据的高精度回归预测任务;②为科研工作者提供可复现的多尺度集成ELM模型代码框架,支持快速算法验证与二次开发;③满足实际工程项目中对高效建模、实时预测与智能决策的技术需求。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,深入理解多尺度特征构造与集成策略的设计思想,同时可参考文档中其他相关算法案例进行横向比较与综合应用,以提升整体科研创新能力。
内容概要:本文详细介绍了一种基于Simulink的Ćuk转换器仿真方法,该转换器能够将输入的直流电压高效地转换为极性相反的输出直流电压,具备优异的升降压能力与系统稳定性。文章深入剖析了Ćuk转换器的核心工作原理、电路拓扑结构(包含开关管、电感、电容、二极管等关键元件)及其在能量存储与传递过程中的动态行为。通过构建精确的Simulink仿真模型,验证了系统在不同输入条件下的稳态与暂态响应特性,充分展示了其输出电压反相、纹波小、效率高的优势,适用于对负压电源有严苛要求的应用场景。此外,文档还整合了大量基于Matlab/Simulink和Python的科研仿真资源,涵盖风电预测、微电网优化、GAN场景生成、电力电子系统建模等多个前沿方向,凸显了其在现代电力电子与系统仿真研究中的重要价值。; 适合人群:电气工程、自动化、电力电子及相关专业的本科生、研究生、科研人员及具备电路理论基础和Simulink仿真经验的工程技术人员。; 使用场景及目标:①深入理解Ćuk转换器的工作机理及其在直流-直流变换中的独特优势;②利用Simulink平台开展电力电子电路的建模、仿真与性能分析;③为需要稳定负压输出的电源系统设计提供理论依据和技术验证方案。; 阅读建议:建议结合Simulink软件动手实践,重点掌握电路拓扑搭建、关键参数配置及仿真结果解读技巧,同时可延伸学习文中提供的其他科研案例,以拓宽技术视野并提升综合仿真能力。
内容概要:本文提出并实现了一种基于角蜥蜴优化算法(HLOA)优化BP神经网络的风电功率预测模型,旨在解决传统BP神经网络在处理高随机性、强波动性风电数据时存在的收敛速度慢、易陷入局部最优等问题。通过HLOA对BP神经网络的初始权重和阈值进行全局寻优,有效提升了模型的预测精度与稳定性。研究详细阐述了HLOA的搜索机制及其与BP网络的集成方法,并提供了完整的Matlab代码实现,便于复现与验证。实验结果表明,相较于传统BP、GWO-BP、PSO-BP等模型,HLOA-BP在均方根误差(RMSE)、平均绝对误差(MAE)等指标上表现更优,具备更强的泛化能力和鲁棒性,适用于风电场短期功率预测的实际工程场景。; 适合人群:具备一定机器学习理论基础和电力系统知识,熟悉Matlab编程的研究生、科研人员及能源领域的工程技术人员,尤其适合从事新能源发电预测、智能优化算法开发与应用的相关研究人员。; 使用场景及目标:①应用于风电场功率预测系统,提升电网调度的可靠性与运行效率;②作为智能优化算法与神经网络融合的典型范例,用于教学演示、科研复现与模型拓展;③为撰写高水平学术论文提供可验证的技术路线与实验支撑。; 阅读建议:建议读者结合所提供的Matlab代码逐模块分析算法实现细节,重点理解HLOA的个体更新机制与BP网络参数的耦合方式,并可通过更换实际风电数据集或对比其他优化算法(如WOA、SCA等)进一步开展消融实验与性能评估。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值