第 1 章
为什么要将人工智能用于仿真和基于模型的设计？
基于模型的设计，也就是在整个开发过程中始终使用 Simulink® 模型进行开发，是一种以较低风险高效开发复杂系统的成熟方法。在工作流中引入人工智能方法，可以帮助节省时间并改进设计，而您无需成为人工智能专家就能轻松实现。
使用人工智能进行仿真和基于模型的设计有下面四个主要原因：
- 提高准确度：利用高质量的训练数据构建人工智能算法，提高算法准确度。
- 控制复杂度：使用人工智能替代计算复杂度高或无法用其他方法建模的算法。
- 节省时间：使用人工智能来创建系统的降阶模型，以免依据第一原理获得的高保真模型需要太长时间构建或仿真。
- 协同工作：通过 Simulink 将使用开源框架或 MATLAB 开发的人工智能模型融入系统级设计中。
嵌入式算法开发：此用例包括最终部署到嵌入式系统上的基于人工智能的控制器、传感器、传感器融合技术、图像处理器和目标检测器。
降阶模型：利用人工智能创建复杂系统的降阶模型，供许多工程师用来完善和验证系统组件。
在许多情况下，都可以将人工智能模型用于这两种用例。另一个选择是将 Simulink 用作强化学习（机器学习 (ML) 的一个分支）的动态环境。
通过将人工智能融入基于模型的设计进行嵌入式算法开发，您可以完成以下任务：
- 试验一种算法的多个人工智能模型，并快速进行准确度和设备性能之间的权衡比较。
- 在部署人工智能算法模型之前，评估它们是否符合系统要求。
- 在仿真环境中运行您的人工智能模型和其他模型，以发现系统集成问题。
- 测试在硬件上或物理环境中运行起来困难、成本高或有危险的场景。
使用人工智能进行数据驱动的降阶建模，您可以完成以下任务：
- 加快之前缓慢的高保真模型仿真速度。
- 在设计流程的早期使用基于人工智能的降阶模型来加速设计，并在设计流程的后期使用高保真仿真模型来验证结果。
- 通过验证控制器设计，执行硬件在环测试，即使没有完整系统硬件也能如此。
- 有更多时间探索边缘情形，迭代设计，并评估备选方案。
在本例中，团队创建了基于人工智能的控制器，以实现闭环动力总成控制。
用于闭环动力总成控制的强化学习控制器。（图片所有权：Vitesco Technologies）
在本例中，团队创建了整个机队的 Simulink 模型，以降低生命周期成本并提高就绪性。该模型依赖于对机队表现和维护停机时间的准确预测。该团队开发了机队的高保真 Simulink 模型，然后使用各种场景下 Simulink 模型的输出数据训练人工智能模型，以实现快速分析。
准备飞行的飞机。（图片所有权：Lockheed Martin）
在本例中，团队打造了一个动态振动台，以帮助赛车队进行特定于赛道的赛前调整，从而提高赛车性能。人工智能模型是用于仿真振动台性能的复杂虚拟模型的一部分。
动态振动台可以帮助团队进行赛前性能调整。（图片所有权：Penske Technology Group）
在本例中，团队开发了一种算法，以使用人工智能在癫痫患者的视频数据中自动检测癫痫发作。医生通常使用脑电图和可视提示来监测患者，但这种方法需要耗费大量人力，对患者来说也不方便。
“我们希望，在不增加员工人数的情况下，处理的患者人数能高出两倍。当用于家庭监护时，新技术将有助于消除高成本的住院和临床观察，从而进一步降低成本。”
通过视频检测癫痫发作。（图片所有权：Dutch Epilepsy Clinics Foundation）
为了支持使用机器人系统（例如机器人焊接系统）的智能制造，团队开发了一种人工智能算法，用于估计待焊接工件的位置和方向。该算法与其他算法一起用于仿真，以创建机器人系统的数字孪生。
数字孪生可帮助设计、构建和验证机器人焊接系统。（图片所有权：香港应用科技研究院）
“基于模型的系统工程数字孪生方法将集成时间和开发时间分别缩短了 40% 和 30%。”
在本例中，人工智能模型可预测燃料电池系统的电力需求。团队将此算法和其他算法结合使用，以构建下一代燃油系统的系统级仿真。
“我们可以对想法进行仿真，找出错误或效率欠佳之处并予以纠正，然后在系统上测试算法。换句话说，MathWorks 工具能帮助我们采取预防措施。”
燃料电池系统。（图片所有权：Plug Power）
在本例中，团队使用人工智能分析智能电动拖拉机中的车载摄像头和传感器数据，以进行导航和农场管理决策。
“我们要研究移动方式、能源、液压、机械动力… 面对这么多非常复杂的系统，只靠现场测试或仿真测试是远远不够的。我们迫切需要让所有这些系统同步运作。”
驾驶员可选的智能电动拖拉机。（图片所有权：Monarch Tractor）
在本例中，团队创建并训练了一个神经网络，以在通信系统中实现数字预失真。他们还用系统的模拟部分对算法进行了仿真，以便在部署算法之前了解整体系统性能。
应用基于神经网络的数字预失真 (DPD) 来抵消功率放大器 (PA) 中的非线性效应。
