E-Book

Kapitel 1

Was bedeutet KI für Simulationen und Model-Based Design?

Die Verwendung von Simulink®-Modellen während des gesamten Entwicklungsprozesses – ein Ansatz, der als Model-Based Design bezeichnet wird – ist eine bewährte Methode, um komplexe Systeme effizient und mit geringerem Risiko zu entwickeln. Durch die Integration von KI-Verfahren in Ihren Workflow können Sie nicht nur wertvolle Zeit sparen, sondern auch Ihre Entwicklungen verbessern – und dazu müssen Sie kein KI-Experte sein.

Für die Verwendung von KI in Simulationen und Model-Based Design gibt es vier Hauptgründe:

  1. Verbesserung der Genauigkeit: Verbessern Sie die Genauigkeit des Algorithmus indem Sie hochwertige Trainingsdaten verwenden, um einen KI-Algorithmus zu erstellen.
  2. Reduzierung der Komplexität: Der Einsatz von KI ersetzt Algorithmen, deren Modellierung mit anderen Methoden rechenintensiv oder gar unmöglich wäre.
  3. Zeitersparnis: Mithilfe von künstlicher Intelligenz können ordnungsreduzierte Modelle von Systemen erstellt werden, wenn die Erstellung oder Simulation von realitätsnahen Modellen, die auf den ersten Prinzipien beruhen, zu zeitaufwändig wäre.
  4. Zusammenarbeit: Mithilfe von Simulink lassen sich in Open Source Frameworks oder MATLAB entwickelte KI-Modelle in Entwürfe auf Systemebene integrieren.
Abschnitt

Anwendungsfälle von KI in Simulationen

In diesem E-Book gehen wir auf zwei zentrale Anwendungsfälle für die Integration von trainierten KI-Modellen in Simulink ein:

  • Entwicklung eines KI-Modells für einen Algorithmus, der später auf einem Embedded System bereitgestellt werden soll. Ein ausführliches Beispiel finden Sie in Kapitel 2.
  • Verwendung von KI für die datengesteuerte Modellierung von Anlagen oder Umgebungen Die Daten, die zum Trainieren des KI-Modells verwendet werden, können von der Hardware oder von einem realitätsgetreuen Simulationsmodell stammen, das für eine Simulation auf Systemebene zu rechenintensiv ist. Ein umfassendes Beispiel dafür, wie KI zur Erstellung eines Modells mit reduzierter Ordnung für eine realitätsnahe Komponente eingesetzt werden kann, ist in Kapitel 3 zu finden.

Entwicklung von eingebetteten Algorithmen: Dieser Anwendungsfall umfasst KI-basierte Regler, Sensoren, Sensorfusionen, Bildprozessoren und Objektdetektoren, die letztlich auf einem Embedded System bereitgestellt werden.

Modelle reduzierter Ordnung: Verwenden Sie KI, um ein Modell mit reduzierter Ordnung eines komplexen Systems zu erstellen, das von einer größeren Anzahl von Ingenieuren zur Optimierung und Validierung von Systemkomponenten verwendet werden kann.

In vielen Fällen kann ein KI-Modell für beide Anwendungsfälle genutzt werden. Eine weitere Option ist die Nutzung von Simulink als dynamische Umgebung für das Reinforcement Learning, einem Teilbereich des Machine Learning (ML).

Weitere Informationen über Reinforcement Learning

Die Integration von KI in Model-Based Design für die Entwicklung eingebetteter Algorithmen ermöglicht Folgendes:

  • Experimentieren Sie mit mehreren KI-Modellen eines Algorithmus und vergleichen Sie umgehend die Kompromisse in puncto Genauigkeit und Leistung des Geräts.
  • Evaluieren Sie KI-Modelle von Algorithmen im Hinblick auf ihre Übereinstimmung mit den Systemanforderungen, ehe sie bereitgestellt werden.
  • Lassen Sie Ihre KI-Modelle zusammen mit anderen Modellen in einer simulierten Umgebung laufen, um Probleme bei der Systemintegration zu ermitteln.
  • Testen Sie Szenarien, deren Ausführung auf Hardware oder in einer physischen Umgebung schwierig, teuer oder gefährlich wäre.

Mithilfe von KI für datengesteuerte Modellierungen mit reduzierter Ordnung können Sie:

  • Realitätsnahe aber langsame Modellsimulationen beschleunigen.
  • Den Entwurf mithilfe des KI-basierten Modells mit reduzierter Ordnung in einer frühen Phase des Entwurfsprozesses beschleunigen und ein realitätsnahes Simulationsmodell zu einem späteren Zeitpunkt im Entwurfsprozess verwenden, um die Ergebnisse zu validieren.
  • Hardware-in-the-Loop-Tests durchführen, indem Sie Ihren Reglerentwurf ohne die komplette Systemhardware verifizieren.
  • Mehr Zeit für die Untersuchung von Grenzfällen, die Iteration des Entwurfs und die Bewertung von Alternativlösungen investieren.
Abschnitt

Auf welche Weise werden Sie KI bei Ihrer Entwurfsarbeit auf Systemebene einsetzen?

In allen Branchen können Ingenieure die KI nutzen, ohne dabei selbst KI-Experten zu sein. MathWorks bietet benutzerfreundliche Oberflächen, Anwendungen und Beispiele, um KI für jedermann zugänglich zu machen.

Sie können KI-Techniken zum Machine Learning und Deep Learning in vertrauten vertikalen Anwendungen anwenden und dabei erfahren, wie Sie diese Techniken auf branchenspezifische Herausforderungen übertragen können.

Abschnitt

Welchen Anwenderbericht möchten Sie näher betrachten?