Reduced Order Modeler for MATLAB は、Simulink でモデル化したサブシステムや、完全次数・高忠実度のサードパーティ製シミュレーションモデルの低次元化モデル (ROM) を作成できるアプリを提供します。低次元化モデルは、システムレベルのデスクトップ シミュレーション、ハードウェアインザループ (HIL) テスト、制御設計、バーチャルセンサー モデリングに活用できます。
Reduced Order Modeler アプリでは、次のことが可能です。
- 実験計画を設定して入出力の学習データを生成し、完全次数・高忠実度のサブシステムから事前に取得したデータをインポート
- 事前構成済みテンプレートを使った AI ベース ROM の学習と比較
- AI ベースのサロゲートモデルを Simulink にエクスポートして、システムレベルのシミュレーション、制御設計、HIL テストに活用
- ROM を Functional Mockup Unit (FMU) としてエクスポートして、MATLAB や Simulink 以外の環境で利用 (Simulink Compiler を使用)
実験の設計
ROM の入出力やパラメーターとして使用する Simulink 信号とブロックパラメーターを選択します。あらかじめ用意されている入力信号の励起パターンを使用するか、パラメーター値を明示的または確率分布として指定することで、シミュレーション実験を対話的に設計できます。信号とパラメーター値の範囲を指定すると、実現可能な設計空間を定義して、カバレッジを可視化できます。
学習用データのインポート
高忠実度シミュレーションモデルから取得した既存の時間領域データを Reduced Order Modeler アプリにインポートして、低次元化モデルの学習に利用できます。行列、timetable、または timetable と行列のセル配列に格納されたデータを使用します。
実験の実行
実験を逐次実行するか、Parallel Computing Toolbox で並列実行して、モデルのシミュレーションを開始します。組み込みの可視化プロットで、対象となる信号やパラメーターのシミュレーション結果を可視化できます。
低次元化モデルの学習
さまざまなネットワークを用いて、静的また動的な低次元化モデルを作成します。ニューラル状態空間、LSTM、MLP、非線形 ARX モデルなど、利用可能なすべてのモデルを自動的に学習させて比較します。ハイパーパラメーターを逐次的に、または Parallel Computing Toolbox を使用した並列処理で最適化し、モデルの適合度を高めることができます。学習済みモデルの精度メトリクスを比較し、用途に最適なモデルを選択します。
Simulink での低次元化モデルの活用
学習済みの ROM を Simulink に取り込み、システムレベルのシミュレーション、制御設計、HIL テストに活用できます。ROM は第一原理に基づくコンポーネントモデルと組み合わせて使用します。
低次元化モデルの展開とエクスポート
自動コード生成を通じて、組み込みシステムに ROM を展開します。ROM は、FMU としてエクスポートして MATLAB と Simulink 以外の環境で利用できます (Simulink Compiler を使用)。
サポートパッケージをダウンロード
Reduced Order Modeler for MATLAB の使用を開始
質問はありますか?
技術エキスパートにご質問ください。
