数据驱动的动态系统建模—模型降阶之路

动态系统建模被各领域广泛应用，例如电动汽车，能源系统，航空航天。我们通常会针对被控对象建模，对被控对象进行建模是因为我们希望了解这个系统（被控对象）的物理特性以及接受一些外部输入（力，扭矩，电流等等）时会有什么样的动态响应，基于此从而可以更好的给出控制输入得到我们期望的系统的输出，以及理解系统的退化或最大化提升系统效率。这些动态系统的行为是由多物理场复杂的交互作用决定的，因此系统行为和系统响应建模通常需要复杂的第一原理支撑，仿真时也需要大量的计算(例如有限元模型)。这也是本此演讲的出发点，提供数据驱动（主要介绍深度学习和系统辨识）的模型降阶（reduced order modeling）提速的方法，通过数据得到具有一定保真度的数据模型，在捕捉到系统动态特性的同时也提升仿真速度。