Der Reduced Order Modeler for MATLAB bietet eine App zur Erstellung von Modellen mit reduzierter Ordnung (ROMs) aus in Simulink modellierten Subsystemen, einschließlich realitätsgetreuer Drittpartei-Simulationsmodelle hoher Ordnung. Modelle mit reduzierter Ordnung können bei der Desktop-Simulation auf Systemebene, bei Hardware-in-the-Loop-Tests (HIL), beim Reglerentwurf und bei der Modellierung virtueller Sensoren zum Einsatz kommen.
Mit der Reduced Order Modeler-App können Sie:
- Die statistische Versuchsplanung einrichten, um Ein-/Ausgabe-Trainingsdaten zu generieren, oder vorab gesammelte Daten aus einem realitätsgetreuen Subsystem hoher Ordnung importieren.
- KI-basierte ROMs mithilfe vorgefertigter Vorlagen trainieren und vergleichen.
- KI-basierte Ersatzmodelle nach Simulink exportieren und bei Simulationen auf Systemebene, beim Reglerentwurf und bei HIL-Tests einsetzen
- Modelle mit reduzierter Ordnung als Functional Mockup Units (FMUs) exportieren, um sie außerhalb von MATLAB und Simulink zu verwenden (mit Simulink Compiler)
Anordnung von Versuchen
Wählen Sie Simulink-Signale und Blockparameter als ROM-Eingaben, -Ausgaben und -Parameter. Entwerfen Sie interaktiv Simulationsexperimente mithilfe integrierter Signalanregungstypen oder durch explizite Angabe von Parameterwerten oder über Verteilungen. Legen Sie Grenzen für Signal- und Parameterwerte fest, um den machbaren Entwurfsraum zu definieren und dessen Abdeckung zu visualisieren.
Daten für das Training importieren
Importieren Sie vorhandene zeitliche Daten, die aus einem hochpräzisen Simulationsmodell gesammelt wurden, in die Reduced Order Modeler-App, um Modelle reduzierter Ordnung zu trainieren. Verwenden Sie Daten, die in Matrizen, Timetables oder Zellarrays von Timetables und Matrizen gespeichert sind.
Ausführung von Versuchen
Führen Sie Experimente sequenziell oder parallel mit der Parallel Computing Toolbox durch und initiieren Sie Modellsimulationen. Visualisieren Sie Simulationsergebnisse für relevante Signale und Parameter mithilfe integrierter Visualisierungsdiagramme.
Trainieren von Modellen mit reduzierter Ordnung
Erstellen Sie statische oder dynamische Modelle reduzierter Ordnung mithilfe verschiedener Netzwerke. Automatisches Trainieren und Vergleichen aller verfügbaren Modelle, einschließlich Neural State Space, LSTM, MLP und nichtlinearer ARX-Modelle. Optimieren Sie Hyperparameter sequenziell oder parallel mit der Parallel Computing Toolbox, um die Modellpassung zu verbessern. Vergleichen Sie die Genauigkeitsmetriken für trainierte Modelle, um das optimale Modell für Ihre Anwendung auszuwählen.
Verwenden von Modellen mit reduzierter Ordnung in Simulink
Importieren Sie trainierte ROMs in Simulink, um sie bei der Simulation auf Systemebene, beim Reglerentwurf und bei HIL-Tests zu verwenden. Kombinieren Sie ROMs mit auf wissenschaftlichen Grundprinzipien basierenden Komponentenmodellen.
Bereitstellung und Export von Modellen mit reduzierter Ordnung
Stellen Sie ROMs durch automatische Codegenerierung in Embedded-Systemen bereit. Exportieren Sie ROMs als FMUs (mit Simulink Compiler), um sie außerhalb von MATLAB und Simulink zu verwenden.
Support-Paket herunterladen
Beginnen Sie mit der Verwendung des Reduced Order Modeler for MATLAB.
Haben Sie Fragen?
Sprechen Sie mit unseren Technik-Experten.
