மாதிரி அடிப்படையிலான வடிவமைப்பு மற்றும் உருவகப்படுத்துதல்

ஆதாயங்கள்:

• AI உடன் ஒரு அமைப்பின் வேறுபட்ட சமன்பாடு மாதிரியை உருவாக்கி அதை பைத்தானில் உருவகப்படுத்தும் திறன்
• AI இன் உதவியுடன் உருவகப்படுத்துதல் முடிவுகளை (படி பதில், நிலைத்தன்மை) விளக்கும் திறன்
• மாதிரி அனுமானங்களின் வரம்புகள் மற்றும் உண்மையான அமைப்புடன் அவற்றின் இணக்கத்தன்மையை சரிபார்க்கும் ஒழுக்கத்தைப் பயன்படுத்துவதற்கான திறன்

ஒரு மெகாட்ரானிக் அமைப்பை உடல் ரீதியாக உருவாக்குவதற்கு முன், நீங்கள் அதை ஒரு மாதிரியில் புரிந்துகொண்டு, வடிவமைக்கலாம் மற்றும் சோதிக்கலாம். மாதிரி அடிப்படையிலான வடிவமைப்பு; இது வேறுபட்ட சமன்பாடுகள் அல்லது தொகுதி வரைபடங்களைக் கொண்ட ஒரு அமைப்பின் நடத்தையைப் பிரதிநிதித்துவப்படுத்துவது, அதை உருவகப்படுத்துதல், வடிவமைத்தல் மற்றும் கட்டுப்படுத்தியைச் சரிபார்ப்பது போன்ற அணுகுமுறையாகும். இது பெரிய மதிப்பைக் கொண்டுள்ளது: நீங்கள் நூற்றுக்கணக்கான காட்சிகளை முயற்சி செய்யலாம், நிலைத்தன்மையைக் கணிக்கலாம், வன்பொருளைப் பணயம் வைக்காமல் கட்டுப்படுத்தி ஆதாயங்களைப் பாதுகாப்பாக சரிசெய்யலாம். இந்த செயல்பாட்டில் செயற்கை நுண்ணறிவு ஒரு சக்திவாய்ந்த உதவியாளர்: இது ஒரு அமைப்பின் சமன்பாட்டை உருவாக்குகிறது, பைத்தானில் அதன் உருவகப்படுத்துதலை எழுதுகிறது, முடிவுகளை விளக்குகிறது. ஆனால் மாதிரி ஒரு வரைபடம், ஒரு நிலப்பரப்பு அல்ல; மாடல் யதார்த்தத்தை (சரிபார்ப்பு) எவ்வளவு சிறப்பாக பிரதிபலிக்கிறது என்பதை தீர்மானிக்க பொறியாளரின் பொறுப்பு. இந்த யூனிட்டில், ஒரு மாதிரியை உருவாக்குவது, அதை உருவகப்படுத்துவது மற்றும் மாதிரியின் வரம்புகளை AI மூலம் சரிபார்க்கிறோம்.

ஒரு மாதிரி என்றால் என்ன, அது எதை புறக்கணிக்கிறது?

ஒரு மாதிரி என்பது யதார்த்தத்தின் நோக்கத்தால் கட்டமைக்கப்பட்ட எளிமைப்படுத்தப்பட்ட பிரதிநிதித்துவம் ஆகும். எடுத்துக்காட்டாக, DC மோட்டரின் எளிய மாதிரியானது மின் மற்றும் இயந்திர சமன்பாடுகளுடன் நிறுவப்பட்டுள்ளது, ஆனால் அது உராய்வு, கியர் பின்னடைவு மற்றும் வெப்பநிலை விளைவு ஆகியவற்றின் நேரியல் அல்லாத பகுதியை புறக்கணிக்க முடியும். இந்த குறைபாடுகள் மாதிரியை பயனுள்ளதாக ஆக்குகிறது ஆனால் அதன் செல்லுபடியாகும் வரம்பையும் அமைக்கிறது.

இது மாதிரியில் உள்ளது

அடிக்கடி புறக்கணிக்கப்படுகிறது

நிறை, மந்தநிலை, எதிர்ப்பு, தூண்டல்

நேரியல் அல்லாத உராய்வு, பின்னடைவு

அடிப்படை டைனமிக் சமன்பாடுகள்

செறிவு, இறந்த மண்டலம்

சிறந்த சென்சார்/ஆக்சுவேட்டர்

அளவீட்டு சத்தம், தாமதம்

நிலையான அளவுருக்கள்

வெப்பநிலையுடன் மாறும் அளவுருக்கள்

முக்கிய கொள்கை: "எல்லா மாதிரிகளும் தவறானவை, சில பயனுள்ளவை." மாதிரி செயல்படுகிறதா என்பது உங்கள் வேலை வரம்பில் அது தவிர்க்கும் விஷயங்கள் முக்கியமானதா என்பதைப் பொறுத்தது.

டிசி மோட்டார் மாடலை உருவாக்குதல் மற்றும் உருவகப்படுத்துதல்

DC மோட்டரின் எளிய நிலை-வெளி மாதிரியானது நிலைகளின் கோண வேகம் ω மற்றும் தற்போதைய i ஆகியவற்றுடன் எழுதப்பட்டுள்ளது. AI இந்த சமன்பாடுகளை அமைக்கலாம் மற்றும் பைத்தானில் scipy உடன் உருவகப்படுத்தலாம்:

nmpy ஐ npfrom scipy ஆக இறக்குமதி செய் (Nm/A மற்றும் V*s/rad)R = 1.0 # எதிர்ப்பு (ஓம்)L = 0.5 # தூண்டல் (H)def motor_dynamigi(t, x, V): """x = [omega, i]. V = பயன்படுத்தப்பட்ட மின்னழுத்தம்.""" ஒமேகா, i = x domega = (K * i - b * omega) ஒமேகா) / எல் # மின் சமன்பாடு ரிட்டர்ன் [domega, di # 12 சிமுலேஷன் வி ஸ்டெப் இன்புட் (சரிபார்ப்பு):omega_ss_theoretical = K * V / (R * b + K**2)print(f"Simulation final speed: {omega[-1]:.2f} rad/s")print (f") {omega_ss_theoretical:.2f} rad/s")

இங்கே சரிபார்ப்புக் கோடு முக்கியமானது: உருவகப்படுத்துதலால் அடையப்பட்ட நிலையான-நிலை வேகத்தை கையால் பெறப்பட்ட தத்துவார்த்த சூத்திரத்துடன் (K·V/(R·b+K²)) ஒப்பிடுகிறோம். இரண்டும் பொருந்தினால், உருவகப்படுத்துதலில் நமது நம்பிக்கை அதிகரிக்கிறது; அவை பொருந்தவில்லை என்றால், சமன்பாட்டில் அல்லது குறியீட்டில் பிழை உள்ளது. AI உருவாக்கும் ஒவ்வொரு உருவகப்படுத்துதலுக்கும் அத்தகைய ஒரு சுயாதீன ஹாஷ் புள்ளியைக் கண்டறியவும்.

உதவிக்குறிப்பு: உங்களிடம் AI சிம்யூலேட் சிஸ்டத்தை வைத்திருக்கும் போது, ​​"எனக்கு ஒரு கோட்பாட்டு/பகுப்பாய்வு சோதனைச் சாவடியையும் கொடுங்கள், அங்கு நான் முடிவைச் சரிபார்க்க முடியும்" என்று எப்போதும் கூறுங்கள். நிலையான-நிலை மதிப்பு, பாதுகாப்புச் சட்டம், ஆற்றல் சமநிலை, போன்ற ஒரு சுயாதீன சரிபார்ப்பு, குறியீடு பிழைகளைப் பிடிக்க விரைவான வழியாகும்.

படி பதில் மற்றும் நிலைத்தன்மை

உருவகப்படுத்துதலில் இருந்து நீங்கள் படிக்கும் அடிப்படை நடத்தைகள்:

• எழுச்சி நேரம்: வெளியீடு இலக்கின் குறிப்பிட்ட பகுதியை அடைய எடுக்கும் நேரம்.
• ஓவர்ஷூட்: இது இலக்கை எவ்வளவு மீறுகிறது.
• தீர்வு நேரம்: இலக்கு குழுவில் நிரந்தரமாக மாற எடுக்கும் நேரம்.
• நிலைப்புத்தன்மை: பதில் வரம்பிற்குட்பட்டதா அல்லது முடிவிலிக்கு வளருமா?

நிலைத்தன்மை என்பது மாதிரி அடிப்படையிலான வடிவமைப்பின் மிக முக்கியமான விளைவு ஆகும். ஒரு அமைப்பின் துருவங்கள் (பரிமாற்ற செயல்பாட்டின் வகுப்பின் வேர்கள்) இடது பாதி விமானத்தில் இருந்தால், கணினி நிலையானது; வலது அரை விமானத்திற்கு நகரும் ஒரு துருவமானது உறுதியற்ற தன்மையைக் குறிக்கிறது. AI ஒரு அமைப்பின் துருவமுனைப்பைக் கணக்கிடலாம் மற்றும் அதன் நிலைத்தன்மையை விளக்கலாம்:

எண்பியை np# ஆக இறக்குமதி செய்க எடுத்துக்காட்டு: பண்பு பல்லுறுப்புக்கோவை குணகங்கள் [1, a2, a1, a0] குணகங்கள் = [1, 3, 3, 1] வேர்கள் = np.roots(குணங்கள்)அச்சு("துருவங்கள்:", வேர்கள்)நிலையான = np.all(np.real) <I(roots the system) நிலையானது) # அனைத்தும் உண்மையான பாகங்கள் எதிர்மறையானதா?

மாதிரி சரிபார்ப்பு (சரிபார்ப்பு)

ஒரு மாதிரியை உருவாக்கி அதை உருவகப்படுத்தினால் மட்டும் போதாது; மாதிரி யதார்த்தத்தை பிரதிபலிக்கிறது என்பதை நீங்கள் நிரூபிக்க வேண்டும். சரிபார்ப்பு படிகள்:

1. பகுப்பாய்வுகளை வழங்கவும்: நிலையான நிலை, பாதுகாப்புச் சட்டங்கள் போன்ற சுயாதீனமான கட்டுப்பாடுகளுடன் ஒப்பிடவும்.
2. அளவுரு ஆதாரம்: மாதிரி அளவுருக்கள் (J, K, R...) உண்மையில் அளவிடப்பட்டதா/தரவுத்தாள் அல்லது மதிப்பீடா?
3. சோதனை ஒப்பீடு: முடிந்தால், உண்மையான அமைப்பின் படி பதிலை அளந்து, அதை மாதிரியுடன் மேலடுக்கு.
4. உணர்திறன்: அளவுருக்களை ± 20% (மாதிரி எவ்வளவு உணர்திறன் கொண்டது) மாற்றும்போது முடிவு எவ்வளவு மாறும்?
5. செல்லுபடியாகும் வரம்பு: எந்த வேகம்/சுமை/வெப்பநிலை வரம்பில் மாதிரி செல்லுபடியாகும், அது எங்கே உடைகிறது?

எச்சரிக்கை: AI ஆல் கொடுக்கப்பட்ட மாதிரி அளவுருக்கள் (நிலைமை, உராய்வு, மோட்டார் மாறிலி) கிட்டத்தட்ட எப்போதும் மாதிரி/பிளேஸ்ஹோல்டர் மதிப்புகள். உருவகப்படுத்துதல் முடிவுகளை தரவுத்தாள் அல்லது உங்கள் உண்மையான அமைப்பின் அளவீடுகளுடன் மாற்றாமல் "உண்மைக்கு" கொண்டு வர வேண்டாம். "உருவாக்கத்தில் வேலை" மற்றும் "புலத்தில் வேலை" ஆகியவற்றுக்கு இடையேயான பாலம் அளவுரு துல்லியம் மற்றும் சரிபார்ப்பு ஆகும்.

பலவீனமான ப்ராம்ட் / ஸ்ட்ராங் ப்ராம்ட்

பலவீனம்:"மோட்டார் உருவகப்படுத்துதலை எழுதவும்."(எந்த மாதிரி? அளவுருக்கள்? சரிபார்ப்பு? அர்த்தமற்ற கிராஃபிக் தோன்றும்.)STRONG:"DC மோட்டாரின் நிலை-வெளி மாதிரியை (நிலைகள்: கோண வேகம் மற்றும் மின்னோட்டம்) உருவாக்கவும். 12 V படி பதிலை vescipy solve_ivp ஐ உருவகப்படுத்தவும். தொடக்கத்தில், RJ அளவுருக்கள் என வரையறுக்கவும், RJ என மாறுபடும் அளவுருக்கள் எனது உண்மையான மதிப்புகளை நான் நிலையான-நிலை வேகத்திற்கான கோட்பாட்டு சூத்திரத்தையும் எழுத முடியும், அதனால் நான் உருவகப்படுத்துதலை சரிபார்க்க முடியும். படி பதிலில் இருந்து எழுச்சி நேரம், ஓவர்ஷூட் மற்றும் நேரத்தைக் கணக்கிடுங்கள்."

மினி கேஸ்

R&D பொறியாளர் Nil ஒரு புதிய பொருத்துதல் அச்சுக்கு ஒரு கட்டுப்படுத்தியை வடிவமைக்கும் முன் கணினியை மாதிரியாக்குகிறார். AI ஆனது DC மோட்டார் மாடலை உருவாக்கி, PID கன்ட்ரோலரைச் சேர்க்கிறது; உருவகப்படுத்துதல் ஒரு நல்ல, மிகைப்படுத்தப்படாத பதிலை அளிக்கிறது. ஆனால் நில் நிலையான-நிலை வேகத்தை கோட்பாட்டு சூத்திரத்துடன் ஒப்பிடும்போது, ​​அவர் 15% வித்தியாசத்தைக் காண்கிறார்: AI ஆல் பயன்படுத்தப்படும் மாதிரி இயந்திர மாறிலி K உண்மையான இயந்திரத்திலிருந்து வேறுபட்டது. நீங்கள் தரவுத்தாள் மதிப்புகளை வைக்கும்போது, ​​உருவகப்படுத்துதல் கோட்பாட்டுடன் பொருந்துகிறது. இது உண்மையான இயந்திரத்தின் படி பதிலை அளவிடுகிறது மற்றும் மாதிரி வெளியீட்டில் மேலெழுகிறது; மாடல் வேகமான பகுதியில் நன்றாகப் பொருந்துகிறது, ஆனால் குறைந்த வேகத்தில் விலகுகிறது-ஏனெனில் மாடல் நிலையான உராய்வை புறக்கணிக்கிறது. Nil இந்த வரம்பைக் குறிப்பிடுகிறார்: மாடல் அதிக வேகத்தில் நம்பகமானது, மிகக் குறைந்த வேகத்தில் அல்ல. அதற்கேற்ப கட்டுப்படுத்தியை வடிவமைக்கிறது. AI மாதிரி மற்றும் உருவகப்படுத்துதல் விரைவாக நிறுவப்பட்டது; ஆனால் அளவுரு சரிபார்ப்பு மற்றும் சோதனை ஒப்பீடு பொறியாளருக்கு மாதிரியின் செல்லுபடியாகும் உண்மையான வரம்பை வெளிப்படுத்தியது.

பொதுவான தவறுகள்

• AI இன் மாதிரி/பிளேஸ்ஹோல்டர் அளவுருக்களுடன் உருவகப்படுத்துதல் மற்றும் முடிவை யதார்த்தத்திற்கு கொண்டு வருவது.
• ஒரு சுயாதீனமான பகுப்பாய்வு சோதனைச் சாவடியுடன் உருவகப்படுத்துதலைச் சரிபார்க்கவில்லை.
• மாதிரி புறக்கணிக்கும் விளைவுகளை மறந்து (உராய்வு, பின்னடைவு, தாமதம்) மற்றும் எல்லா நிலைகளிலும் அதை நம்புதல்.
• உண்மையான அளவீட்டுடன் ஒப்பிடாமல் "சரிபார்க்கப்பட்ட" மாதிரியைக் கருத்தில் கொள்வது.
• நிலைப்புத்தன்மை பகுப்பாய்வை (துருவங்கள்) தவிர்த்துவிட்டு, "வரைபடம் அழகாக இருக்கிறது" என்று மட்டும் கூறவும்.
• செல்லுபடியாகும் வரம்பை நிர்ணயிக்காமல் முழு ஆய்வுப் பகுதியிலும் மாதிரியைப் பயன்படுத்துதல்.

சுருக்கமாக

• மாதிரியானது யதார்த்தத்தை நோக்கமாக எளிமையாக்குகிறது மற்றும் எப்போதும் எதையாவது விட்டுவிடுகிறது.
• உருவகப்படுத்துதல் வன்பொருளுக்கு ஆபத்து இல்லாமல் வடிவமைப்பு மற்றும் கட்டுப்படுத்தி டியூனிங்கை செயல்படுத்துகிறது.
• ஒவ்வொரு உருவகப்படுத்துதலும் ஒரு சுயாதீன பகுப்பாய்வு ஹாஷ் புள்ளிக்கு எதிராக சரிபார்க்கப்பட வேண்டும்.
• மாதிரி அளவுருக்கள் உண்மையான அளவீடு/டேட்டாஷீட்டிலிருந்து வர வேண்டும், AI இன் மாதிரி மதிப்புடன் விடப்படக்கூடாது.
• துருவ இடங்களை (இடது அரை விமானம்) பார்த்து நிலைப்புத்தன்மை மதிப்பிடப்படுகிறது.
• சரிபார்ப்பு பொறியாளருக்கு மாதிரியின் செல்லுபடியாகும் வரம்பு மற்றும் வரம்புகளைக் காட்டுகிறது.

விண்ணப்ப பணி

ஒரு எளிய டைனமிக் அமைப்பைத் தேர்வு செய்யவும் (டிசி மோட்டார், மாஸ்-ஸ்பிரிங்-டேம்பர், ஆர்சி சர்க்யூட்). AI ஒரு நிலை-வெளி அல்லது வேறுபட்ட சமன்பாடு மாதிரியை உருவாக்கி, பைத்தானில் படி பதிலை உருவகப்படுத்தவும், மேலும் ஒரு கோட்பாட்டு நிலையான-நிலை/பகுப்பாய்வு ஹாஷ் புள்ளியைக் கேட்க மறக்காதீர்கள். பிறகு: (1) உருவகப்படுத்துதல் முடிவை அது ஒப்புக்கொள்கிறதா என்பதைப் பார்க்க கோட்பாட்டு மதிப்புடன் ஒப்பிடவும், (2) ஒரு அளவுருவை ± 20% மாற்றவும் மற்றும் முடிவு எவ்வளவு மாறுகிறது என்பதைப் பார்க்கவும் (உணர்திறன்), (3) மாதிரி புறக்கணிக்கும் குறைந்தபட்சம் இரண்டு இயற்பியல் விளைவுகள் மற்றும் அவை எந்த இயக்கப் பகுதியில் முக்கியமானவை என்பதை எழுதவும். உங்கள் மாதிரியின் செல்லுபடியாகும் வரம்பை ஒரு வாக்கியத்தில் விவரிக்கவும்.