本页面使用了机器翻译。
请花 1 分钟时间完成一个翻译质量的调查。
康明斯利用基于人工智能的降阶模型预测发动机性能和排放
该方法提高了发动机性能模型的速度和精度
“使用 MATLAB 有很多好处，例如几乎不需要任何编码经验，因此初学者也可以开发这些模型……我们可以从该平台中获得更多收益，而无需花费大量时间在代码开发工作上。”
关键成果
- 借助 MATLAB ，康明斯将发动机循环仿真运行时间缩短至实际时间的八分之一
- 低代码工具使技术专家能够专注于分析而不是编码
- 加速端到端 AI 模型开发工作流程，减少成本、工作量和内存占用
为了准确预测发动机效率和排放水平，建立模拟发动机循环的模型至关重要。然而，开发这些模型涉及各种三维到一维的仿真（通常使用第三方工具），与实时相比，这可能需要 20 倍以上的时间才能完成。
为了提高这些模型的速度和准确性，发动机开发领域的全球领导者康明斯使用了 MATLAB® 构建基于 LSTM 的神经网络。该团队使用 Deep Learning Toolbox™ 和 Statistics and Machine Learning Toolbox™ 仿真了 26 种不同的发动机响应，包括压力、温度和发动机制动扭矩。
使用 MATLAB 几乎不需要康明斯团队具有编码经验，并且有助于将模型速度提高到实时速度的八倍。未来，该团队计划将他们的模型与真实的硬件和控制组件相结合。
