Reduced Order Modeler for MATLAB는 타사의 전체 차수 고충실도 시뮬레이션 모델을 비롯하여 Simulink에서 모델링된 서브시스템의 ROM(차수 축소 모델)을 생성할 수 있는 앱을 제공합니다. 사용자는 시스템 수준 데스크탑 시뮬레이션, HIL(Hardware-in-the-Loop) 테스트, 제어 설계 및 가상 센서 모델링에 차수 축소 모델을 사용할 수 있습니다.
Reduced Order Modeler 앱으로 다음과 같은 작업을 수행할 수 있습니다.
- 실험계획법을 설정해 전체 차수의 고충실도 서브시스템으로부터 입력-출력 훈련 데이터 생성 또는 미리 수집된 데이터 가져오기
- 사전 구성된 템플릿을 사용해 AI 기반 ROM 훈련 및 비교
- 시스템 수준 시뮬레이션, 제어 설계 및 HIL 테스트를 위해 Simulink로 AI 기반 대리 모델 내보내기
- MATLAB 및 Simulink 외부에서 사용할 목적으로 FMU(Functional Mockup Unit)로 ROM 내보내기 (Simulink Compiler 사용)
실험 설계
ROM 입력, 출력 및 파라미터로 사용할 Simulink 신호와 블록 파라미터를 선택할 수 있습니다. 내장 신호 가진 유형을 사용하거나 파라미터 값을 명시적으로 또는 분포를 통해 지정하여 시뮬레이션 실험을 대화형 방식으로 설계할 수 있습니다. 신호 및 파라미터 값의 경계를 지정해 실행 가능한 설계 공간을 정의하고 그 범위를 시각화할 수 있습니다.
훈련을 위한 데이터 가져오기
고충실도 시뮬레이션 모델로부터 수집된 기존 시간 영역 데이터를 Reduced Order Modeler 앱으로 가져와서 차수 축소 모델을 훈련할 수 있습니다. 행렬, timetable형 또는 timetable형 및 행렬로 구성된 셀형 배열에 저장된 데이터를 사용할 수 있습니다.
실험 실행
Parallel Computing Toolbox로 실험을 순차적으로 또는 병렬로 실행하고 모델 시뮬레이션을 시작할 수 있습니다. 내장된 시각화 플롯을 사용하여 관심 신호 및 파라미터의 시뮬레이션 결과를 시각화할 수 있습니다.
차수 축소 모델 훈련
다양한 신경망을 활용해 정적 또는 동적 차수 축소 모델을 생성할 수 있습니다. 신경 상태공간, LSTM, MLP 및 비선형 ARX 모델을 포함한 모든 사용 가능한 모델을 자동으로 훈련하고 비교할 수 있습니다. Parallel Computing Toolbox로 하이퍼파라미터를 순차적으로 또는 병렬로 최적화하여 모델 피팅을 개선할 수 있습니다. 훈련된 모델의 정확도 메트릭을 비교해 여러분의 응용 사례에 최적인 모델을 선택할 수 있습니다.
Simulink에서 차수 축소 모델 사용
시스템 수준 시뮬레이션, 제어 설계 및 HIL 테스트를 위해 훈련된 ROM을 Simulink로 가져올 수 있습니다. ROM을 제1원리 기반 컴포넌트 모델과 결합할 수 있습니다.
차수 축소 모델 배포 및 내보내기
자동 코드 생성을 통해 임베디드 시스템에 ROM을 배포할 수 있습니다. MATLAB 및 Simulink 외부에서 사용할 목적으로 ROM을 FMU로 내보낼 수 있습니다. (Simulink Compiler 사용)
지원 패키지 다운로드
Reduced Order Modeler for MATLAB 사용을 시작해 보세요.
질문이 있습니까?
기술 전문가와 상의해 보세요.
