Productos y servicios

Modelado de orden reducido con MATLAB y Simulink

Cree modelos de orden reducido basados en IA

El complemento Reduced Order Modeling de Simulink ofrece una app para crear modelos de orden reducido (ROM) de subsistemas modelados en Simulink, tales como modelos de simulación de terceros de orden completo y alta fidelidad. Puede utilizar modelos de orden reducido para simulación en escritorio en nivel de sistema, pruebas de hardware-in-the-loop (HIL), diseño de control y modelado de sensores virtuales.

Con el complemento Reduced Order Modeling de Simulink, puede:

  • Configurar diseños de experimentos y generar datos de entrenamiento de E/S a partir de un subsistema de orden completo y alta fidelidad
  • Entrenar y comparar modelos de orden reducido basados en IA con plantillas preconfiguradas
  • Exportar modelos sustitutos basados en IA a Simulink para simulación en nivel de sistema, diseño de control y pruebas de HIL
  • Exportar modelos de orden reducido como unidades de simulación funcional (FMU) para usarlos fuera de MATLAB y Simulink con Simulink Compiler
Diseño de experimentos con la app Reduced Order Modeler.

Diseñe experimentos

Seleccione señales de Simulink y parámetros de bloque para utilizarlos como entradas, salidas y parámetros de ROM. Diseñe experimentos de simulación interactivamente seleccionando tipos de excitación incorporados para reemplazar o perturbar entradas de ROM. Visualice la cobertura del espacio de diseño.

Ejecución de experimentos y visualización de resultados con la app Reduced Order Modeler.

Ejecute experimentos

Especifique la opción de ejecutar experimentos de uno en uno, o en paralelo con Parallel Computing Toolbox, e inicie simulaciones de modelos. Visualice resultados de simulación de señales y parámetros de interés utilizando gráficas de visualización incorporadas.

Detalles de experimento para entrenar modelos de orden reducido.

Entrene modelos de orden reducido

Entrene y compare diferentes tipos de modelos de orden reducido. Seleccione entre modelos de espacio de estados neuronal, LSTM y ARX no lineal. Optimice hiperparámetros secuencialmente o en paralelo con Parallel Computing Toolbox para mejorar el ajuste del modelo. Compare métricas de precisión de modelos entrenados para seleccionar el óptimo para una aplicación.

ROM entrenado cargado en Simulink para realizar diseño de control.

Use modelos de orden reducido en Simulink

Cargue ROM entrenados en Simulink para realizar simulación en nivel de sistema, diseño de control y pruebas de HIL. Combine ROM con modelos de componentes basados en primeros principios.

Diagrama de despliegue de ROM en hardware integrado y exportación como FMU.

Despliegue y exporte modelos de orden reducido

Despliegue ROM en sistemas integrados mediante generación automática de código. Exporte ROM como FMU con Simulink Compiler para utilizarlo fuera de MATLAB y Simulink.

Requisitos:

Simulink, Deep Learning Toolbox, Statistics and Machine Learning Toolbox, System Identification Toolbox

Compatibilidad con versiones de MATLAB:

Compatible con la versión R2023b y posteriores