Суррогатное моделирование в последнее время стало набирать обороты в сфере математического моделирования динамических систем.
Сложные технические системы могут быть описаны разными способами, как через дифференциальные уравнения, что сильно замедляет процесс расчета, так и через специфические модели для их симуляции, или даже через экспериментальные данные. При этом любое упрощение системы уравнений ведёт к серьезной потере точности.
Суррогатные модели решают две проблемы: ускоряют расчеты и позволяют сохранить точность упрощенных моделей при наличии нескольких экспериментальных точек данных.
В докладе будут представлены суррогатные аналоги модели механизма элерона самолета в Simulink на базе рекуррентных нейронных сетей и адаптивных алгоритмов с подробным сравнением результатов моделирования.
Инженер ЦИТМ Экспонента. В 2022 году закончил Университет ИТМО по специальности “Цифровые системы управления”. Область интересов: обучение алгоритмов искусственного интеллекта и адаптивные системы управления
Сферы применения: Глубокое и машинное обучение(ИИ)