導入事例

最適な制御の問題は、エンジニアリングと科学の根本的であり、目標は、目的のシステム動作を達成するために可能な限りの制御入力を決定することです。しかし、これらの問題の解決には、部分的な差動や大規模の動的システムなどの複雑な数学モデルが含まれていることが多いです。これらは、計算を高速化するために、計算を最適化し、複雑な決定を下すことができ、時間がかかります。この課題に対処するためには、研究者は、決定を決定する計画を計画せずに、シミュレーションを高速化するために、より詳細なモデル化(ROM)技術を削減しました。この決定は、この決定を目的とする、この決定を計画的に実行し、その決定を計画的に実行することを可能にしました。

縮小された順序のモデリングは何ですか?

縮小された順序モデリングは、重要な動的を保持する高忠実度モデルの単純化されたバージョンを作成することを含みます。 これらのモデルは、データ駆動型または物理ベースの削減技術により、システムで最も影響力のあるモードまたは機能を特定し、抽出することによって構築されます。 結果システムは、多くの場合、拡大の順序によって、より迅速に解決することができます。 ROMは、繰り返しシミュレーションが要求されるコンテキストで特に価値があります。 パラメータ、またはリアルタイム制御などの分析、またはリアルタイム制御などの分析、最適化などの分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、

ROMの背後にあるコアの考え方は、低ランクの動作を示す多くの複雑なシステムです。ソリューションスペースは、低次元のマニホールドに近いものです。このマニホールドにフルオーダーモデルを投影することにより、許容許容許容許容許容許容許容許容範囲内の精度を維持しながら計算コストが劇的に低下します。典型的なアプリケーションには、流体力学、構造力学、化学プロセス、および電力システムが含まれます。

最適な制御でROMを使用する利点

  • スピード:]] 短縮モデルには、より少ない計算力が必要で、より速い解決時間から秒まで短縮できます。
  • 高効率:]]は、自動運転車、ロボット、プロセス制御などのリアルタイム制御アプリケーションで不可欠である、迅速なシミュレーションを容易にします。
  • Cost-Effectness:]] より少ない計算リソースは、特にクラウドまたは組み込みコンピューティング環境で、運用コストが削減されます。
  • ] スケール性:] ROM は、注文モデルで不当な、より大きな複雑なシステムを扱うことができます。
  • リアルタイムの最適化:]] ROM では、モデル予測制御(MPC)などの反復的な最適な制御アルゴリズムが高速な動的に実用化されます。

削減されたオーダーモデルの開発方法

ROMを作成するために複数の技術が存在します。各種類のシステムに適しています。選択は、基礎的な物理、利用可能なデータ、および目的の精度安定性のトレードオフによって異なります。

適切な正当性分解(POD)

PODは、カルフンンン・ローブの拡張とも呼ばれ、さまざまな条件下でフルオーダーモデルを実行することによって得られる一連のデータスナップショットからドミナントモードを抽出します。 これらのモードは、システムのエネルギーを最適に捉える、直角的な基礎を形成します。 元の式は、このベースに投影され、低次元システムをもたらします。 PODは、流体力学および構造力学で広く使用されています。 もっと読む] POD[FLT] [[FLT] [FLT] [FLT] [FLT]] [[FLT]]] [[FLT]]]] [[F]]]]] [[F]]]]]]] [[[[[[[[[[[[[[[[[[[[[[[[]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]] [[[[[[[[[

バランス調整(BT)

BTは、制御性および観察性グラマニアンを分析することにより、システムの入力出力動作を事前調整することに焦点を当てています。 それは、弱く制御可能で、弱く観察できる状態を排除します。 バランスの取れたトランカエーションは、リニアシステムに特に有効であり、安定性の保存を保証しますが、Lyapunovの式を解決する必要があるため、非常に大きなシステムにとっては不十分です。 参照:Antosula[:]:[Fal-システム]:[:]:]:[:]:[:]:]:[:]:[:]:]:[:]:]:[:]:]:[:]:]:[:]:[:]:[:[:]:[:[:]:]:[:]:]:[:[:]:[:[:]:[:]:]:[:[:]:]:[:[:[:[:[:[:][:]:]:]:]:[:[:]:[:[:]:]:[:][:]:[:

ゴールキンの投射

この方法は、PODや他の世代の技術を起源とする、多くの場合、削減された基礎に、等価(例えば、PDE)の元のシステムをプロジェクトします。 PDEの弱形は、基礎によってスパンするサブスペースのみで強化されます。 ガルエルキンの投影は、対流的な問題の課題であることができますが、パラメトリックおよび非線形系に人気があります。

機械学習のアプローチ

近年、ニューラルネットワーク、オートエンコード、およびその他のデータ駆動アルゴリズムを使用して、データから直接、低次元の潜在表現を検出します。オートエンコードは、動的モード分解(DMD)とその変異(例えば、コオプマンオペレータメソッド)が、状態のコンパクトなエンコーディングを学びます。これらの方法は、基礎的な物理が十分に知られていないときに特に役立ちます。 LT:Brunchal :1]: 流体力学:[FLT]:[FLT:]:[FLT]:[F]:[F]:[F]:[F]:[F]:]:[F]:]:]:[F]:]:[F]:]:[F]:[F]:[F]:[F]]:[F]:[F]:[F]:[F]]]]:[F]:[F]:[F]]]:[F]:[F]:[F]:[F]:[F]:[F]]:[F]:[F]]:[F]:[F]:[F]:[

その他の注目すべき方法

  • ハイパーリダクション:[ オリジナルのメッシュのスサンプリングでROMを結合し、非線形条件(例、DEIM、ECSW)のアセンブリコストを削減します。
  • [] 生成されたバシス (RB) メソッド:[[] の 厳格なエラー境界と パラメトリックの問題に対するオフラインの分解。
  • []Linear Quadratic Gaussian (LQG) バランスド・トリンカネーション:[]] BTをトッキサーシステムに拡張します。

ROM を最適な制御問題に適用

最適な制御では、計算式ネックは、コスト関数と制約の評価におけるシステム動的の繰り返しソリューションです。 ROMは、フルオーダーモデルを最適化ループ内の1つを削減し、大幅に計算時間を短縮します。 例えば、モデル予測制御(MPC)では、オープンループの最適な制御問題は、各時間ステップで解決する必要があります。 リニア化された削減モデルを使用すると、クォーダや反応器などの高速システムにMPCの実行可能になります。

しかし、予測全体でモデルが正確で、さまざまな入力下にあることを保証しなければなりません。オンラインでベースを更新する適応型ROMスキームは、アクティブな研究領域です。 []]]を参照してください:時間変動システム用の適応型ROM。

受注生産モデルの低減課題

  • [] 動作条件の全体で精度:[ パラメータや状態の漂流時に、パラメーターの1セット近くでうまく動作するROM。 グローバルエラー境界は取得するのが困難です。
  • [ 安定性保存:]] 投影ベースのROMは、特に対流分流のための元のシステムを、破壊することができます。 対流統合やガソリン - Galerkinなどの方法は、慎重に選択する必要があります。
  • データ依存性:]]データ駆動ROMは十分なトレーニングデータを必要とし、トレーニング体制の外に潜在的には、信頼性の低い予測につながることができます。
  • 非線形性:]]]の減少モデルがまだフルオーダー非線形条件の評価を要求するので、非線形システムを削減することは、高還元の必要性に導くより困難です。
  • リアルタイム実装:]。 速いROMでさえ、特殊なハードウェアやさらなる簡素化なしでミリ秒レベルの制御が余りに遅くなる可能性があります。

今後の方向性

研究者は、これらの課題を克服するために、いくつかのフロンティアを積極的に探しています。

  • 適応ROM:[]]システムが進化するにつれて、削減ベースオンザフライを更新するメソッド、マシン学習を組み合わせてエラーインジケータをトリガーします。
  • []ハイブリッドアプローチ:[] 物理ベースのROM(PODのような)をデータ主導の補正(例えば、ニューラルネットワーク閉鎖)と組み合わせて、精度を向上させます。
  • [不確実性定量化(UQ):[]]) ROMをベイジアン反転および確率制御に組み込むと、多くの前方解が必要とされる。
  • [ 構造保存ROM:[]] 制御合成のために重要なハミルトニア、ラグランジアン、または受動特性を保存する技術。
  • ハードウェアアクセラレーション:[ GPUやFPGAにROMをデプロイして、リアルタイムでエッジコンピューティングの最適制御を実現します。

計算力が成長し続けていくにつれて、ROMは自律的なドローンからスマートグリッドやバイオメディカルデバイスに至るまで、複雑なシステム向けの高速で信頼性の高い最適な制御ソリューションを可能にする上でますますます重要な役割を果たします。

コンテンツ

縮小された順序モデリングは、複雑な最適な制御計算を魅力的にする強力なツールです。 基本的な動的を低次元モデルに蒸留することにより、エンジニアと科学者は予測の忠実度を犠牲にすることなくリアルタイムのパフォーマンスを達成することができます。 特に、精度、安定性、データ依存性に関する課題は、適応型およびハイブリッドROMの開発を克服することで、その適用可能性を拡張することができます。 制御およびシミュレーションにおける実務家にとって、ROMメソッドを理解することは、単に学術的な学習にとどまりませんが、次世代のシステムが、より高まりやすい次世代のシステムに不可欠です。