차수 축소 모델링
차수 축소 모델링 작업에 Deep Learning Toolbox™를 사용합니다.
차수 축소 모델링은 모델의 충실도를 허용 가능한 오차 범위 내에서 유지하면서 계산 복잡도나 저장공간 요구 사항을 줄이는 기법입니다. 차수 축소 모델을 사용하면 제어 설계 및 분석을 단순화할 수 있습니다. 예를 들어, Simulink® 모델에서 연산량이 많은 서브시스템을 현실적 예측을 수행하는 훈련된 신경망으로 대체할 수 있습니다.
전차수(full-order) 모델, 고충실도 모델, 타사 시뮬레이션 모델 등을 비롯하여 Simulink에서 모델링된 서브시스템의 ROM(차수 축소 모델)을 만들 수 있습니다. 기존 시간 영역 데이터를 사용하여 ROM을 만들 수도 있습니다.
Reduced Order Modeler 앱은 ROM을 만들기 위한 UI 워크플로를 제공합니다. 이 앱을 사용하려면 애드온을 받고 관리하기의 지침에 따라 Reduced Order Modeler for MATLAB® 지원 패키지를 설치하십시오.
앱
| Reduced Order Modeler | Create reduced order models based on Simulink models, subsystems within models, or simulation data (R2025b 이후) |
함수
exportNetworkToSimulink | Generate Simulink model that contains deep learning layer blocks and subsystems that correspond to deep learning layer objects (R2024b 이후) |
블록
| Predict | 훈련된 딥러닝 신경망을 사용하여 응답 변수 예측 |
| Stateful Predict | Predict responses using a trained recurrent neural network |
도움말 항목
- Reduced Order Model of a Jet Engine Turbine Blade (System Identification Toolbox)
Create a ROM of a jet engine turbine blade, using the long short-term memory (LSTM) and NSS model types.
- Physical System Modeling Using LSTM Network in Simulink
This example shows how to create a reduced order model (ROM) that acts as a virtual sensor in a Simulink® model using a long short-term memory (LSTM) neural network.
- Reduced Order Modeling Using Continuous-Time Echo State Network
This example shows how to train a continuous-time echo state network (CTESN) model to solve Robertson's equation.
- Generate Deep Learning SI Engine Model (Powertrain Blockset)
Generate a deep learning SI engine model from measured transient engine data.
- Implement Unsupported Deep Learning Layer Blocks
Learn how to implement unsupported deep learning layer blocks.
관련 정보
- 차수 축소 모델링 (Simulink)
- 차수 축소 모델링 (System Identification Toolbox)
- MATLAB 및 Simulink를 사용한 차수 축소 모델링
추천 예제
Reduced Order Model of a Jet Engine Turbine Blade
Create a ROM of a jet engine turbine blade, using the long short-term memory (LSTM) and NSS model types.
Reduced Order Modeling of Electric Vehicle Battery System Using Neural State-Space Model
A reduced order modeling (ROM) workflow, where you use deep learning to obtain a low-order nonlinear state-space model that serves as a surrogate for a high-fidelity battery model. The low-order model takes the current (charge or discharge) and state of charge (SOC) as inputs and predicts voltage and temperature of an electric vehicle (EV) battery module while the battery is being cooled by an edge-cooled plate with a coolant at a constant flow rate. You train the low-order model and deploy it in Simulink® to compare it against the high-fidelity model.
