Modelado de orden reducido
El modelado de orden reducido es una técnica para reducir la complejidad computacional o los requisitos de almacenamiento de un modelo al tiempo que se mantiene su fidelidad dentro de un rango de error aceptable. Trabajar con un modelo de orden reducido puede simplificar el diseño de control y el análisis.
Puede crear modelos de orden reducido (ROM) de subsistemas modelados en Simulink®, incluidos modelos de orden completo, alta fiabilidad y simulación de terceros. También puede crear ROM usando datos del dominio del tiempo existentes.
Después de recopilar los datos requeridos de entrada y salida del ROM, puede entrenar un ROM de un tipo de modelo disponible en System Identification Toolbox, como los tipos de modelo ARX no lineales, Hammerstein-Wiener y de espacio de estados neuronales (NSS). Puede utilizar el ROM creado para simulación de escritorio en nivel de sistema, pruebas de hardware-in-the-loop (HIL), diseño de control y modelado de sensores virtuales.
La app Reduced Order Modeler proporciona un flujo de trabajo de la interfaz de usuario para crear ROM. Para usar la app, instale el paquete de soporte Reduced Order Modeler for MATLAB® siguiendo las instrucciones que se encuentran en Obtener y administrar complementos.
Apps
| Reduced Order Modeler | Create reduced order models based on Simulink models, subsystems within models, or simulation data (Desde R2025b) |
Temas
Conceptos básicos del modelado de orden reducido
- Reduced Order Modeling Overview
Reduce computational complexity of models by creating accurate surrogates.
Métodos basados en datos mediante el flujo de trabajo de la interfaz de usuario
- Reduced Order Model of a Jet Engine Turbine Blade
Create a ROM of a jet engine turbine blade, using the long short-term memory (LSTM) and NSS model types. - Reduced Order Model of an Airframe
Create a ROM of an airframe modeled in Simulink, using the NSS model type. - Reduced Order Modeling of Battery Electric Vehicle Thermal Management System
Create a static ROM of an electric vehicle thermal management system, using the multilayer perceptron (MLP) model type. - Reduced Order Modeling of Subsystems in Engine Model
Create a ROM of the Induction and Combustion subsystems in the Simulink modelenginespeed, using the nonlinear ARX model type. - Reduced Order Model of a Jet Engine Turbine Blade from Data
Create a ROM from data generated by a high-fidelity model, using the NSS model type.
Métodos basados en datos mediante el flujo de trabajo de la línea de comandos
- Nonlinear ARX Model of SI Engine Torque Dynamics
This example describes modeling the nonlinear torque dynamics of a spark-ignition (SI) engine as a nonlinear ARX model. - Hammerstein-Wiener Model of SI Engine Torque Dynamics
This example describes modeling the nonlinear torque dynamics of a spark-ignition (SI) engine as a Hammerstein-Wiener model. - Neural State-Space Model of SI Engine Torque Dynamics
This example describes reduced order modeling (ROM) of the nonlinear torque dynamics of a spark-ignition (SI) engine using a neural state-space model. - Reduced Order Modeling of Electric Vehicle Battery System Using Neural State-Space Model
This example shows a reduced order modeling (ROM) workflow, where you use deep learning to obtain a low-order nonlinear state-space model that serves as a surrogate for a high-fidelity battery model. - Surrogate Modeling Using Gaussian Process-Based NLARX Model
In this example, you replace a hydraulic cavitation cycle model in Simulink with a surrogate nonlinear ARX (NLARX) model to facilitate faster simulation.
Métodos basados en linealización
- Specify Linearization for Model Components Using System Identification (Simulink Control Design)
You can use System Identification Toolbox software to identify a linear system for a model component that does not linearize well, and use the identified system to specify its linearization. - Reduced Order Modeling of a Nonlinear Dynamical System as an Identified Linear Parameter Varying Model
Identify a linear parameter varying reduced order model of a cascade of nonlinear mass-spring-damper systems.
