מבוא

בעיות שליטה אופטיות הן בסיסיות בהנדסה ומדע, שבו המטרה היא לקבוע את הקלטים הטובים ביותר האפשריים להשגת התנהגויות מערכת הרצויות.עם זאת, פתרון בעיות אלה לעתים קרובות כרוך מודלים מתמטיים מורכבים - כגון משוואות שונות חלקית או מערכות דינמיות בקנה מידה גדול - אשר יכול להיות אינטנסיבי חישובי זמן סימולציה של שיטות בקרה שונות, המאפשרות פתרון זה זמן רב יותר, מחקרים מכוונים כדי להפחית את המודל (ROM) כדי להפחית את הטכניקות מתקדמות ללא דיוקים מדויקים.

מה זה הקטנת ההזמנה?

מודלים מופחתים מסדרה כוללים יצירת גרסאות פשוטות של מודלים של נאמנות גבוהה כי לשמור דינמיקות חיוניות.מודלים אלה בנויים על ידי זיהוי ומיצוי של מצבי השפעה או תכונות של המערכת - לעתים קרובות באמצעות טכניקות הפחתה מבוססת נתונים או פיזיקה.המערכת המתקבלת היא הרבה יותר קטנה במימד, לעתים קרובות על ידי פקודות של גודל, ומאפשרת לו לפתור יותר מהר. ROM הוא בעל ערך במיוחד בהקשרים שבהם סימולציות חוזרות ונשנות נדרשים, כגון מחקרים, או אופטימיזציה אמיתית, או בקרה.

הרעיון המרכזי מאחורי ROM הוא כי מערכות מורכבות רבות מציגות התנהגות נמוכה: מרחב הפתרון קרוב למניפול חד-ממדי נמוך. על ידי הקרנה של המודל המלא על פי רוב זה, העלות החישובית טיפות באופן דרמטי תוך שמירה על הדיוק בתוך סובלנות מקובלת. יישומים אופייניים כוללים דינמיקות נוזלים, מכניקה מבנית, תהליכים כימיים ומערכות כוח.

היתרונות של שימוש ROM בשליטה אופטית

  • (ב) ,0) מהירות: ההרחבה של דגמי ה- 1 (FLT:0Speed:00: ), מודלים מופחתים דורשים פחות כוח חישובי, המאפשרים זמני פתרון מהירים יותר - לעתים קרובות משעות למטה עד שניות.
  • (FLT:0) יעילות: 1FLT) הם להקל על סימולציות מהירות, אשר חיוניות ביישומים של בקרה בזמן אמת כגון כלי רכב אוטונומיים, רובוטיקה, ובקרת תהליכים.
  • (ב) חסכוניות:0 (FLT:103) משאבים חישוביים פחות מתכוונים לעלויות תפעוליות נמוכות יותר, במיוחד בסביבות ענן או מחשוב מוטבעות.
  • (ב) ROM (FLT:0) , ROM מאפשר טיפול במערכות גדולות ומורכבות יותר, אשר יהיו בלתי סבירים עם מודלים מסודרים.
  • (FLT:0) אופטימיזציה בזמן אמת: 1FLT 1 עם ROM, אלגוריתמי בקרה אופטימליים כגון בקרת מודלים (MPC) הופך מעשי עבור דינמיות מהירה.

שיטות לפיתוח מודלי הזמנה מופחתים

קיימות טכניקות רבות ליצירת ROMs, כל אחת מתאימה לסוגים שונים של מערכות.הבחירה תלויה בפיסיקה הבסיסית, בנתונים הזמינים, ובמסחר הדיוק הרצוי.

המונחים: Orthogonal Decomposition (POD)

POD, הידוע גם בשם Karhunen-Loève הרחבה, מפיץ מצבים דומיננטיים ממערך של תמונות נתונים שהתקבלו על ידי הפעלת מודל מסדר מלא בתנאים שונים.מצבים אלה יוצרים בסיס אורטוקונאלי כי באופן מיטבי ללכוד את האנרגיה של המערכת. משוואות מקוריות מוצפנות על בסיס זה, מניב מערכת תלת-ממדית נמוכה.

איזון Truncation (BT)

BT מתמקדת בשמירה על התנהגות הקלט- ⁇ של המערכת על ידי ניתוח יכולת שליטה ודקדוקיות צייתנות.זה מבטל מדינות שהן בעלות שליטה חלשה וחלשות מאוד.

פרויקט Galerkin

שיטה זו מבססת את המערכת המקורית של משוואות (למשל, PDE) על בסיס מופחת, לעתים קרובות נגזר מ- POD או שיטות דור בסיס אחרות.הצורה החלשה של PDE מאוכפית רק על המרחב המתקיים על ידי הבסיס.הפרויקט גלרקין פופולרי עבור מערכות parametric ולא לינאריות, אם כי יציבות יכולה להיות אתגר לבעיות מובנות-דו-מחלוקת.

Machine Learning Accesss

ההתקדמות האחרונה משתמשת ברשתות עצביות, autoencoders ואלגוריתמים אחרים המונעים על ידי נתונים כדי לגלות ייצוגים בשלהי-ממדיים ישירות מהנתונים. Autoencoders ללמוד קומפקטי של המדינה, בעוד מצב דינמי decomposition (DMD) וגרסאותיה (למשל, מפעיל Koopman) מספקים תשואות ליניאריות של דינמיקות לא לינאריות.

שיטות אחרות

  • (ב) ⁇ :0) ⁇ : ⁇ : ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (FLT:0) ,Reduced Basis (RB) Methodss:FLT) 1:1 שגיאות ריגאוריות ו un online Decompositions לבעיות parametric.
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

שימוש ב- Optimal control Problem

בשליטה אופטימלית, צוואר הבקבוק חישובי הוא לעתים קרובות הפתרון החוזר של הדינמיקה של המערכת בהערכה של פונקציות עלות ומגבלות. ROM להחליף את המודל המלא מסדרה עם אחד מופחת בתוך הלולאה אופטימיזציה, חיתוך דרסטי זמן חישוב. לדוגמה, בשליטה חיזוי מודל (MPC), בעיית הבקרה הפתוחה-loop אופטימלית יש לפתור בכל שלב.

עם זאת, יש לוודא כי המודל הצטמצם נשאר מדויק על כל אופק החיזוי, תחת קלטות שונות. תוכניות הסתגלות המעדינות את הבסיס באינטרנט הם אזור מחקר פעיל.

אתגרים ב-Dest-order Modeling

  • (FLT:0) דיוקנות על פני תנאי הפעלה: FIRLT:1 ROM שעובד היטב ליד קבוצה אחת של פרמטרים עשוי להיכשל כאשר פרמטרים או מדינות נסחפו.
  • (FLT:0) שימור יכולת: 1FLT) מבוסס ROMion יכול לערער את המערכת המקורית, במיוחד עבור זרימה מזוהמת של מזהמים.שיטות כמו שילוב סימפטקטי או פטרוב-ג'יר זקוקים לבחירה זהירה.
  • (FLT:0) תלויות נתונים: 1FLT:1 מונע נתונים דורש מספיק נתוני הכשרה, ותוספת מחוץ למשטר האימונים יכולה להוביל לתחזיות לא אמינות.
  • (FLT:0) אי-לינאריות: הפחתה של מערכות לא לינאריות מאתגרת יותר כי המודל הצטמצם עדיין דורש הערכה של התנאים הלא לינאריים המלאים, מה שמוביל לצורך בהפחתה.
  • (ב) יישום זמן אמת: 1FLT (הראשונה ל- ROM) מהיר עשוי להיות איטי מדי לשליטה ברמת מילימטר ללא חומרה מיוחדת או פשטות נוספת.

כיוונים עתידיים

חוקרים חוקרים חוקרים באופן פעיל מספר גבולות כדי להתגבר על האתגרים האלה:

  • (FLT:0) ROMIRECT: שיטות 1FLT אשר מעדינות את הבסיס הצטמצם על-פני-הפני ככל שהמערכת מתפתחת, שילוב של מכונת למידה גורם עם אינדיקטורים שגיאה.
  • (ב) ⁇ :0) גישות: FLT:1 שילוב של ROM מבוסס פיזיקה (כמו POD) עם תיקונים מונעים על ידי נתונים (למשל, סגירת רשת עצבית) כדי לשפר את הדיוק.
  • (ב) ⁇ :0) אי-וודאות של הקוונטים (UQ): ⁇ FLT:1) שילוב ROM לתוך הסטיות Bayesian ובקרת סטוצ'יסטיות, שם יש צורך בפתרונות קדימה רבים.
  • (FLT:0) תכונות שימור: ROM:03FLT:1) טכניקות שימור המילטון, לגראנגיאן, או תכונות חולפות, חיוני עבור שליטה סינתזה.
  • (ב) ,0) האצה: FLT:1 מינוף ROM על GPUs או FPGAs עבור שליטה אופטימלית בזמן אמת במחשוב קצה.

ככל שהכוח החישובי ממשיך לגדול, ROM ישחק תפקיד חיוני יותר במתן פתרונות בקרה מהירים ואמינים עבור מערכות מורכבות - מרחפנים אוטונומיים ועד לרשתות חכמות ומכשירים ביו-רפואיים.

מסקנה

מודלים מופחתים סדר הוא כלי רב עוצמה שהופכת חישובים אופטימליים מורכבים נשלטים על ידי דיסלקציה חיונית מודלים תלת-ממדיים, מהנדסים ומדענים יכולים להשיג ביצועים בזמן אמת מבלי להקריב נאמנות חיזויית.בעוד אתגרים נשארים - במיוחד סביב דיוק, יציבות, תלות בנתונים - התפתחויות מתישות והחזקה בהתאמתיות להרחבה את יכולתה עבור מתרגלי בקרה והבנה, שיטות מהירות לא רק עבור מערכות אקדמיות.