KI mit Model-Based Design

Anwendung von KI-Techniken auf den Entwurf technischer Systeme

„Wir sind zwar keine Spezialisten für Deep Learning, doch mithilfe von MATLAB und der Deep Learning Toolbox ist es uns gelungen, ein Netzwerk zu erstellen und zu trainieren, das die NOX-Emissionen mit einer Genauigkeit von fast 90% prognostiziert.“

Modellierung virtueller Sensoren

Systemidentifikation und
Modellierung mit reduzierter Ordnung (ROM)

Reinforcement Learning

Kostenlose Testversion anfordern

Modellierung virtueller Sensoren

Schätzen Sie relevante Signale, die ein physischer Sensor nicht unmittelbar messen kann, bzw. in Fällen, in denen ein physischer Sensor den Entwurf zu teuer und komplex machen würde.

Erstellen und vergleichen Sie virtuelle Sensormodelle mithilfe verschiedener Deep-Learning- und Machine-Learning-Architekturen wie vollständig verbundenen Ebenen, LSTM-Ebenen (Long Short-Term Memory) und Support-Vektor-Maschinen
Importieren Sie KI-Modelle, die in TensorFlow™ oder PyTorch^® erstellt wurden, für die Simulation und Bereitstellung mit Simulink
Integrieren, simulieren und testen Sie KI-basierte virtuelle Sensoren zusammen mit dem restlichen System
Komprimieren Sie KI-basierte virtuelle Sensormodelle und stellen Sie sie mithilfe bibliotheksfreier Codegenerierung in C auf Mikrocontrollern und ECUs bereit
Passen Sie virtuelle Sensormodelle an, um Daten mithilfe von inkrementellem Lernen in Echtzeit zu verarbeiten

Anwenderberichte und Fallstudien

Videos

Beispiele

Systemidentifikation und ROM

Erstellen Sie KI-basierte Modelle von nichtlinearen dynamischen Systemen anhand von gemessenen oder generierten Daten.

Erstellen Sie mithilfe der System Identification-App KI-basierte dynamische Modelle aus gemessenen Daten
Verbessern Sie die Modellqualität, indem Sie Einblicke in die physikalischen Merkmale des Systems mithilfe nichtlinearer Modellidentifikation wie beispielsweise dem neuronalen Zustandsraum, nichtlinearem ARX und weiteren Modellarchitekturen mit KI-Techniken kombinieren
Verwenden Sie externe FEM-, FEA- und CFD-Modelle für den Reglerentwurf und die Systementwicklung in Simulink wieder, indem Sie KI-basierte Modelle reduzierter Ordnung erstellen
Nutzen Sie die Reduced Order Modeler-App zur Einrichtung der Versuchsplanung (DoE), zur Generierung von Trainingsdaten und um vorkonfigurierte Vorlagen für das Training und die Bewertung geeigneter KI-Modelle heranziehen zu können
Öffnen Sie das reduzierte Modell in Simulink, um Desktop-Simulationen und Hardware-in-the-Loop-Tests durchzuführen, oder exportieren Sie Modelle reduzierter Ordnung mithilfe von Functional Mock-up Units (FMUs) für die Verwendung außerhalb von Simulink

Anwenderberichte und Fallstudien

Videos

Beispiele

Modellierung mit reduzierter Ordnung

Reinforcement Learning

Trainieren Sie intelligente Agenten durch wiederholte Trial-and-Error-Interaktionen mit dynamischen Umgebungen, die in Simulink modelliert wurden.

Wählen Sie vorgefertigte Algorithmen und integrieren Sie sie mit dem RL Agent-Block zum Training in Simulink
Nutzen Sie Reinforcement Learning Designer zum interaktiven Entwerfen, Trainieren und Simulieren von Agenten
Führen Sie Tests auf Systemebene durch und stellen Sie trainierte Agenten auf eingebetteten Systemen bereit

Anwenderberichte und Fallstudien

Videos

Beispiele

Humanoider Roboter

Warum MATLAB und Simulink für die Integration von KI in technische Systeme?

Integration und Simulation von KI-Modellen
zusammen mit dem restlichen System

Integrieren Sie KI-Modelle zu Simulationszwecken direkt in Ihr Modell auf Systemebene.
Simulieren Sie das Systemverhalten, indem Sie KI-Algorithmen mit anderen Komponenten des Systems ausführen, darunter physikalische Systeme, Umgebungsmodelle, Regelungsalgorithmen in geschlossenen Regelkreisen und Überwachungslogik.

Weitere Informationen

Deep-Learning-Blöcke, Machine-Learning-Blöcke, Reinforcement-Learning-Blöcke und nichtlineare Modellidentifikationsblöcke in Simulink
E-Book: Integration von KI in Entwürfe auf Systemebene

Sicherheit und Zuverlässigkeit
KI-fähiger Systeme im Betrieb

Kombinieren Sie datenorientierte, simulationsbasierte Tests mit formalen Verifikationstechniken für neuronale Netze.
Gewährleisten Sie die Gleichartigkeit des Verhaltens durch Back-to-Back-Tests.
Wahren Sie die Rückverfolgbarkeit zwischen Anforderungen, Entwurf und Tests.

Weitere Informationen

Codegenerierung aus KI-Modellen
für verschiedene Zielhardware

Generieren Sie C/C++, CUDA^®- und HDL-Code aus Deep-Learning- oder Maschinenmodellen und stellen Sie ihn auf unterstützter Zielhardware bereit.

Weitere Informationen

Handhabung der Zielkonflikte
bei der Bereitstellung eingebetteter KI

Profilieren Sie die Größe, Geschwindigkeit und Genauigkeit von Modellen in Simulationen und in Code.
Vergleichen Sie die Leistungsunterschiede zwischen verschiedenen KI-Modellen sowie zwischen Modellen mit und ohne KI.
Bewerten Sie die Auswirkungen der Modellkomprimierung.
Nutzen Sie die Analyseergebnisse, um die richtigen Modelle auszuwählen, Entwurfsentscheidungen zu treffen und das Modellverhalten abzustimmen.

Weitere Informationen

Produkte

Informieren Sie sich über die Produkte, die mit KI mit Model-Based Design verwendet werden.

Haben Sie noch Fragen?

Kontaktieren Sie die MathWorks Experten für KI und Model-Based Design

Arkadiy

Tianyi

E-Mail senden

30-tägige kostenlose Testversion

Testen Sie MATLAB, Simulink und vieles mehr.

Jetzt loslegen

KI-Onramps

Erkunden Sie Onramps, die Ihnen KI-Workflows näherbringen.

Kurse anzeigen

Künstliche Intelligenz

KI mit Model-Based Design

Anwendung von KI-Techniken auf den Entwurf technischer Systeme

Modellierung virtueller Sensoren

Systemidentifikation und Modellierung mit reduzierter Ordnung (ROM)

Reinforcement Learning

Modellierung virtueller Sensoren

Systemidentifikation und ROM

Reinforcement Learning

Warum MATLAB und Simulink für die Integration von KI in technische Systeme?

Integration und Simulation von KI-Modellen zusammen mit dem restlichen System

Sicherheit und Zuverlässigkeit KI-fähiger Systeme im Betrieb

Codegenerierung aus KI-Modellen für verschiedene Zielhardware

Handhabung der Zielkonflikte bei der Bereitstellung eingebetteter KI

Produkte

Haben Sie noch Fragen?

Systemidentifikation und
Modellierung mit reduzierter Ordnung (ROM)

Integration und Simulation von KI-Modellen
zusammen mit dem restlichen System

Sicherheit und Zuverlässigkeit
KI-fähiger Systeme im Betrieb

Codegenerierung aus KI-Modellen
für verschiedene Zielhardware

Handhabung der Zielkonflikte
bei der Bereitstellung eingebetteter KI