某些测试要求可能需要在模拟中生成数据。目前，您可以通过调用指令或编写自己的程序来生成这些随机数据。
以下是一些生成随机数的方法，以博客为例：
一、读取系统时间的纳秒作为随机数
定期将系统时间的纳秒直接输出到相应的变量。
系统时间中的纳秒是UDINT类型，转换为INT会丢弃高字部分。
监控实时系统时间并获取纳秒（NANOSECOND，1秒=10^9纳秒）
监控生成的随机数范围：-32258-32751（5分钟）
您可以稍后继续处理该数据并将其缩放到所需的范围。
二、由LGF库(官方提供的通用函数库)内的随机数程序生成
该命令的原理同样采用纳秒，但处理过程更加详细和完善。
LGF 库
随机数生成程序如下（仅示出密钥计算过程）。
REGION 随机数计算//将纳秒转换为双字以进行单字节寻址#tempNanoSecondInDWord :=UDINT_TO_DWORD(#tempTime.NANOSECOND); //片段访问中的字节交换纳秒#tempRandomValue.% B3 :=#tempNanoSecondInDWord.%B0;%B2 :=#tempNanoSecondInDWord.%B1; #tempRandomValue.%B2; #tempRandomValue.%B0 :=#tempNormReal :=UDINT _TO_REAL omValue))/UDINT_TO_REAL (#MAX_UDINT); //随机数缩放#LGF_RandomRange_Real 3336 0=（ (#tempNormReal * (#maxValue - #minValue) + (#minValue)); # 错误：=#STATUS_FINISHED_NO_ERROR; #subfunctionStatus :=#SUB_STATUS_NO_ERROR ; //未使用ENO 机制ENO :=TRUE;END_REGION 主程序中调用设置上下限
三、线性同余法(LCG，Linear Congruential Method)
这个方法的核心是下面的递归表达式：
随机数=(A * 随机数+ B)% M
A、B、M均为常数，A为乘数，B为增量，M为系数，RandNum为初始值。 A、C、M的值生成高质量的随机数。
您可以看到生成的每个新随机数都与最后一个数字相关。随机数序列的初始值通常称为种子。必须设置种子来生成随机数。否则，每次运行的随机数结果都将相同。通常使用纳秒的系统时间作为种子（有时这是默认设置）。这为种子的唯一性提供了一定的保证。
由于计算过程以余数M结束，因此余数的范围是0-(M-1)，这决定了生成的随机数是周期性的。 M的大小决定了最大周期长度，通常取值范围中的最大值，并且A和B也会影响周期。 A、B、M有多种选择，只要生成的随机数具有良好的均匀性和随机性即可。
在FC 块中，变量被定义为双精度整数。模数M的最大值范围为2^32。
种子可以使用系统时间或自己设置
随机数曲线
一旦线性同余法的初始值确定，输出序列就固定了。一旦获得随机数序列，其初始值A、B、M也逆向计算。
针对这个缺点的一个可能的改进是，每次生成n个数字时，使用从当前时钟值MOD M获得的余数作为新的种子。
四、平方取中法
中值法由冯·诺依曼提出。原理是先得到一个2位整数（种子），将其平方得到一个4位整数，然后得到4位整数的中间2位，如下：下一步操作的种子。重复此过程即可获得一系列随机数。 （序列中的每个数字都缩放到0.0 到1.0 的范围）
例如，取种子365，平方得到133225，高位补0，得到中间1332，平方得到1774224，高位补0，得到7742。
#RandInt :=SQR(#Seed);#Seed :=(#RandInt MOD 1000000 - #RandInt MOD 100)/100;#RandReal :=DINT_TO_REAL(#Seed)/9999.0; 509个随机数测试结果
在实践中，这种方法效果不是很好。很难知道要消耗哪些种子才能确保足够长的周期。以种子123为例，经过40个周期后，种子的最后一位退化为00，之后的随机数将是某个固定值，使得周期非常短。算法也有改进的空间。
梅森旋转算法_Mersenne Twister
梅森旋转算法可以高效地生成高质量的伪随机数，弥补了上述伪随机数生成器的缺陷和不足。用于C++、Python等编程语言。
在了解该算法之前，您需要了解许多带前缀的名词，例如线性反馈移位寄存器、阶段、反馈函数、抽头序列和本原多项式。如果你真的有兴趣，就去搜索一下吧。我放弃。
浅谈梅森旋转：算法及其爆发- 知乎
伪随机数生成算法——Mersenne Twister/MT算法介绍_秦岭熊猫博客-CSDN博客_Mersenne Twister算法
当我们想到随机数时，我们不禁会想起因果律。也就是说，果是因产生的，一切都是有依据的，事情都是需要去做的。
所谓“随机性”无非就是个体对事物发展的感知受到有偏见的信息的限制。
版权声明：本文由今日头条转载，如有侵犯您的版权，请联系本站编辑删除。