AI를 사용한 모델 기반 설계
AI를 사용한 모델 기반 설계 엔지니어드 시스템의 설계에 AI(인공 지능) 기법 적용
“우리는 딥러닝 전문가가 아니지만, MATLAB 및 Deep Learning Toolbox를 사용하여 90%에 가까운 정확도로 질소산화물 배출량을 예측하는 신경망을 훈련시킬 수 있었습니다.”
가상 센서 모델링
물리적 센서가 직접 측정할 수 없거나 물리적 센서가 설계에 너무 많은 비용 및 복잡성을 가중시키는 경우에도 관심 신호를 추정할 수 있습니다.
- 완전 연결 계층, LSTM(장단기 기억) 계층, 서포트 벡터 머신과 같은 다양한 딥러닝 및 머신러닝 아키텍처를 사용한 가상 센서 모델 구축 및 비교
- Simulink를 사용한 시뮬레이션 및 배포를 위해 TensorFlow™ 또는 PyTorch®에서 생성된 AI 모델 가져오기
- AI 기반 가상 센서를 시스템의 나머지 부분과 통합, 시뮬레이션 및 테스트
- 라이브러리가 없는 C 코드 생성을 사용해 AI 기반 가상 센서 모델을 압축하고 마이크로컨트롤러 및 ECU에 배포
- 점진적 학습을 사용하여 실시간으로 데이터를 처리하도록 가상 센서 모델 조정
시스템 식별 및 ROM
측정된 데이터 또는 생성된 데이터를 사용하여 비선형 동적 시스템의 AI 기반 모델을 구축할 수 있습니다.
- 시스템 식별 앱을 사용하여 측정된 데이터로부터 AI 기반 동적 모델 구축
- 신경 상태공간, 비선형 ARX 및 기타 모델 아키텍처 등의 비선형 모델 식별을 사용하여 시스템의 물리적 특성에 대한 이해와 AI 기법의 결합을 통한 모델 품질 개선
- AI 기반 차수 축소 모델을 생성하여 Simulink에서 제어 설계 및 시스템 개발에 타사 FEM, FEA 및 CFD 모델 재사용
- Reduced Order Modeler 앱을 사용한 DoE(실험계획법) 설정, 훈련 데이터 생성, 사전 구성된 템플릿을 기반으로 적절한 AI 모델 훈련 및 평가
- 데스크탑 시뮬레이션 및 Hardware-in-the-Loop 테스트 실행을 위해 Simulink로 축소 모델 가져오기 또는 FMU(Functional Mock-Up Units)를 통해 Simulink 외부에서 사용을 위해 차수 축소 모델 내보내기
강화 학습
Simulink에서 모델링된 동적 환경과의 반복적인 시행착오를 거친 상호작용을 통해 지능형 에이전트를 훈련시킬 수 있습니다.
- 내장 알고리즘 중에서 선택하여 RL Agent 블록을 사용하여 훈련을 위해 Simulink에 통합
- 강화 학습 디자이너를 사용하여 대화형 방식으로 에이전트 설계, 훈련 및 시뮬레이션
- 시스템 수준 테스트 실행 및 임베디드 소자에 훈련된 에이전트 배포
엔지니어드 시스템의 AI 설계에 MATLAB 및 Simulink를 사용하는 이유
시스템의 나머지 부분에 AI 모델 통합 및 시뮬레이션
자세히 알아보기
- Simulink의 딥러닝 블록, 머신러닝 블록, 강화 학습 블록 및 비선형 모델 식별 블록
- 시스템 수준 설계에 AI 통합하기 — eBook
구동 중인 AI 탑재 시스템의 안전 및 신뢰성 성취
- 신경망을 위해 데이터 주도 시뮬레이션 기반 테스트를 정형 검증 기법과 결합할 수 있습니다.
- 백투백 테스트를 통해 거동의 동등성을 보장할 수 있습니다.
- 요구사항, 설계 및 테스트 간에 추적성을 유지할 수 있습니다.
AI 모델에서 코드를 생성하여 다양한 하드웨어 타겟팅
지원 타겟 하드웨어에서 실행되는 딥러닝 또는 머신 모델에서 C/C++, CUDA®, HDL 코드를 생성하고 배포할 수 있습니다.
자세히 알아보기
임베디드 AI 배포 관련
장단점 관리
자세히 알아보기
제품
AI를 사용한 모델 기반 설계에 사용되는 제품에 대해 자세히 알아볼 수 있습니다.
질문이 있습니까?
MathWorks AI 및 모델 기반 설계 전문가에게 문의
Arkadiy
Tianyi
AI 워크플로를 단계별로 안내하는 Onramp를 살펴볼 수 있습니다.
