分布外檢測使人工智能系統能夠管理不熟悉的輸入,例如跑道上的煙霧狀況
趨勢三:基于人工智能的降階模型在工程領域的興起
隨著人工智能技術和計算能力的進步,使用基于人工智能的降階模型(ROM)的趨勢預計會增長。工程師利用這些模型將提高系統性能和可靠性,以及系統設計和模擬的效率和功效。
這種轉變背后的主要驅動力是工程師需要管理日益復雜的系統,同時保持高精度和速度。傳統的計算機輔助工程(CAE)和計算流體動力學(CFD)模型雖然準確,但計算量大且不適合實時應用?;?AI 的 ROM 通過減少計算需求同時保持準確性來解決這個問題。工程師可以使用這些模型更快地模擬復雜現象,從而實現更快的迭代和優(yōu)化。
此外,基于 AI 的 ROM 具有適應不同參數和條件的高度通用能力,增強了其在不同場景中的適用性。這種適應性在航空航天、汽車和能源領域尤其有價值,因為這些領域的工程系統通常涉及需要詳細建模和模擬的復雜物理現象。例如,設計和測試飛機部件(如機翼或發(fā)動機)的工程師可以更有效地模擬空氣動力學特性和應力因素,從而幫助工程師快速迭代和優(yōu)化設計。此外,基于 AI 的 ROM 可以適應各種飛行條件,使其成為使用同一模型測試多種場景的多功能工具。此功能可加速開發(fā)過程、降低成本并提高最終產品的可靠性。
降階建模通過簡化復雜的 CFD/CAE/FEA 模型來加速模擬,平衡保真度和速度,實現高效的工程設計
趨勢四:人工智能打破復雜系統控制的障礙
人工智能與控制設計的持續(xù)融合將改變該領域,特別是在管理復雜系統和嵌入式應用程序方面。傳統上,控制系統設計依賴于第一性原理建模,這需要對系統有豐富的知識和深入的了解。數據驅動建模僅限于在設計范圍內的一小部分中有效的線性模型。人工智能正在通過從數據中創(chuàng)建精確的非線性模型來改變這種狀況。這使得創(chuàng)建結合第一性原理和數據且在整個操作范圍內有效的高精度模型成為可能。這一進步使得人們能夠更好地控制復雜系統。
同時,微控制器不斷增強的計算能力也促進了人工智能算法直接嵌入到系統中。這種集成在消費電子和汽車行業(yè)尤其具有影響力,因為高響應系統正在成為常態(tài)。例如,人工智能嵌入電動工具中以監(jiān)測和應對環(huán)境變化,例如可能帶來安全風險的突然材料密度變化。這些工具使用嵌入式人工智能來自主調整其操作,從而提高安全性和性能。
人工智能與復雜系統控制和嵌入式系統的融合開創(chuàng)了更為穩(wěn)健、自適應和智能的控制設計時代。工程師現在可以創(chuàng)建實時學習和適應的系統,提供前所未有的精度和效率。這創(chuàng)造了一個環(huán)境,在其中,人工智能驅動的解決方案解決傳統控制問題的環(huán)境,并為在各個工程領域中建立更智能、更集成的系統鋪平了道路。
工程師應該對人工智能的持續(xù)成熟和進步感到興奮。物理見解與人工智能模型的融合將增強透明度和適應性,減少傳統方法的“黑箱”性質。人工智能工具的普及使工程師能夠更輕松地獲取和使用高級功能。這些進步將提升人工智能在工程中的作用,并使技術專業(yè)人員能夠更快、更有效地構建更好的工程系統。
將機械、電氣和控制系統與人工智能相結合,實現風力渦輪機的優(yōu)化
【本文作者:MathWorks 深度學習首席產品經理 Lucas Garcia 博士】