电子书

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：

  1. 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。
  2. 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。
  3. 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。
  4. 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。
小节

人工智能在仿真中的用例

在本电子书中，我们会介绍将经过训练的人工智能模型融入 Simulink 中的两个主要用例：

  • 为最终部署到嵌入式系统上的算法开发人工智能模型。要深入了解示例，请参阅第 2 章。
  • 使用人工智能进行数据驱动的被控对象或环境建模。用于训练人工智能模型的数据可能来自硬件，也可能来自对于系统级仿真来说计算量太大的高保真仿真模型。要深入了解如何使用人工智能创建高保真组件的降阶模型的示例，请参阅第 3 章。

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。

了解有关强化学习的更多信息

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。
小节

如何在系统级设计工作中使用人工智能？

各行各业的工程师不需要成为人工智能专家也可使用人工智能。MathWorks 提供了易用的界面、App 和示例，使人工智能不再遥不可及。

您可以在熟悉的垂直应用中使用人工智能方法进行机器学习和深度学习，并了解如何应用这些方法解决行业特定的问题。

小节

您想了解哪个用户成功案例？