Simulink中的深度学习。万博1manbetx在大型复杂系统中模拟人工智能

发布的劳拉·马丁内斯·莫莱拉，2021年12月16日

54次观看(过去30天)|0喜欢|0评论

这篇文章来自产品营销的客座博主Kishen Mahadevan。Kishen帮助客户了解人工智能、深度学习和强化学习的概念和技术。在这篇文章中，Kishen解释了如何将深度学习集成到用Simulink设计的工程系统中。万博1manbetx

背景

深度学习是推动人工智能(AI)大趋势的关键技术。深度学习的热门应用包括自动驾驶、语音识别和缺陷检测。当深度学习应用于复杂系统时，需要注意的是，经过训练的深度学习模型只是一个较大系统的一小部分。例如，自动驾驶汽车的嵌入式软件除了执行特定任务(如车道检测)的深度学习模型外，还具有自适应巡航控制、车道保持辅助、传感器融合和激光雷达处理等组件。然后，如何将所有这些不同的组件集成、实现和测试在一起，同时最大限度地减少与实际车辆的昂贵测试?这就是基于MATLAB和Simulink的模型设计的适用之处。万博1manbetx

简介

当您为任何复杂系统创建Simulin万博1manbetxk模型时，通常有两个主要组件，如图1所示。第一个组件表示将在嵌入式系统中实现的算法集合，包括控制、计算机视觉和传感器融合。第二个组件表示我们要为其开发嵌入式软件的机器或进程的动态。该组件可以是车辆动力学模型、锂离子电池动力学模型或液压阀模型。

将这两个组件放在同一个Simulink模型中，您就可以在目标硬件上实现嵌入式算法之前，运万博1manbetx行仿真来验证和验证它们。经过训练的深度学习模型可以用于这两个组件。将深度学习用于算法开发的例子包括将深度学习用于目标检测和软感知或虚拟感知。在后一种情况下，深度学习模型被用于计算无法直接测量的信号，例如锂离子电池的充电状态。

深度学习模型也可以用于环境建模。这有时被称为降阶建模。详细的、高保真的机器或过程模型可以被更快的基于人工智能的模型所取代，该模型经过训练，可以捕捉原始模型的基本动态。

图1:将深度学习模型集成到Simulink万博1manbetx

在这篇博客中，我们将重点介绍一个示例，说明如何使用深度学习进行算法开发。该示例展示了如何将训练好的深度学习模型集成到Simulink中进行系统级仿真和代码生成。万博1manbetx

请注意:本博客中展示的特性和功能可以应用于算法开发和降阶建模。

Simulink中的深度学习示例万博1manbetx

深度学习工作流程包括四个主要阶段:

数据准备
人工智能建模
模拟与测试
部署

让我们以电池管理系统为例，其中使用深度学习来估计电池的荷电状态(SOC)。SOC是电池管理系统的重要信号，但在运行过程中无法直接测量。然而，只要在实验室收集了足够的数据，深度学习模型就可以通过常用的测量方法准确预测电池SOC。

让我们从深度学习网络所需的数据预测器或观察开始。这些预测指标包括测量电压、电流、温度、计算出的电压和电流的移动平均值。训练深度学习网络所需的数据还包括与每组这些测量相关联的响应电池SOC。

图2:深度学习网络训练数据(上)，深度学习网络输入和输出(下)

有了这些数据，深度学习模型被配置为接收5个输入，并提供电池的荷电状态(SOC)作为预测输出。

一旦数据经过预处理，您就可以使用以下方法训练深度学习模型深度学习工具箱．有时你可能已经在TensorFlow或其他深度学习框架中开发了一个AI模型。使用深度学习工具箱，您可以将这些模型导入MATLAB进行系统级仿真和代码生成。在这个例子中，我们使用了在TensorFlow中训练过的现有深度学习模型。