Controllo basato sui dati con MATLAB e Simulink

Progettazione e implementazione di algoritmi di controllo basati sull’IA e sui dati

Gli ingegneri usano algoritmi di controllo basati sui dati in scenari in cui i metodi di controllo tradizionali potrebbero non essere sufficientemente efficaci. Tali scenari possono verificarsi quando modellare la dinamica di impianti usando i principi primi risulta difficile o non funzionale, oppure quando è necessario il controllo adattivo.

Con MATLAB e Simulink, è possibile:

Progettare, simulare e implementare tecniche di controllo basate sui dati usando l’IA e metodi non basati sull’IA
Identificare la dinamica dei sistemi o apprendere i parametri dei controller direttamente a partire dai dati usando tecniche offline sul proprio desktop
Aggiornare i parametri dei controller in tempo reale nell’ambito di sistemi embedded usando tecniche online

	Tecniche offline	Tecniche online
Basate sull’IA	Controllo predittivo basato su modelli (MPC) con spazio degli stati neurali Reinforcement Learning offline Per saperne di più	Reinforcement Learning online Controllo adattivo di riferimento dei modelli con un modello di disturbo basato sull’IA Per saperne di più
Non basate sull’IA	Metodi tradizionali con identificazione dei sistemi Sincronizzazione dei sistemi di inferenza fuzzy (FIS) Per saperne di più	Controllo di reiezione dei disturbi attivi Controllo adattivo di riferimento dei modelli con un modello di disturbo non basato sull’IA Extremum Seeking Control Closed-Loop PID Autotuner MPC adattativo con identificazione dei sistemi online Per saperne di più

Perché MATLAB e Simulink?

Confronto e abbinamento di varie tecniche di controllo tradizionali e basate sui dati

Progetta, simula e implementa il controllo adattivo di riferimento dei modelli (MRAC), il controllo di reiezione dei disturbi attivi (ADRC), il Reinforcement Learning (RL), il controllo predittivo basato sui modelli (MPC) e altri metodi di controllo tradizionali e basati sui dati nell’ambito di un unico ambiente.

Progettazione di controlli adattivi in Simulink

Closed-Loop PID Autotuner

Deep Reinforcement Learning per applicazioni di controllo e decisionali

Tech Talk sui controlli basati sui dati (3 video)

Controllo di un sistema di riscaldamento domestico tramite MPC non lineare con un modello predittivo nello spazio degli stati neurali

Integrazione con Simulink e la progettazione Model-Based

Implementa e testa algoritmi di controllo basati sui dati in Simulink usando i blocchi Simulink predefiniti. Genera codice automaticamente a partire dal tuo algoritmo di controllo per la distribuzione diretta su hardware embedded.

Implementazione del controllo della velocità di un PMSM mediante controllo di reiezione dei disturbi attivi

Distribuzione delle politiche di Reinforcement Learning addestrate

Inizia con esempi di riferimento

Utilizza esempi e riferimenti documentati per il controllo di volo, la robotica, la gestione dell’energia e altre applicazioni per implementare le tecniche di controllo basate sui dati senza dover partire da zero.

Esempi di progettazione di controlli adattivi

Applicazioni per la guida autonoma del controllo predittivo basato su modelli

Gestione dell'energia con MPC basato sul Deep Learning (8:09)

Progettazione di un controller per pancreas artificiale mediante la logica fuzzy

Funzionalità per la progettazione di sistemi di controllo in retroazione

Scopri ciò che è possibile realizzare con MATLAB e Simulink.

Per saperne di più

Ulteriori informazioni sulle tecniche di controllo basate sui dati

Scopri come i clienti applicano le tecniche di controllo basate sui dati e l’IA per la progettazione dei sistemi di controllo

Krones AG Builds Reinforcement Learning–Based Process Control in the Blow Molder Contiloop AI for PET and rPET Bottles

In evidenza: Krones AG realizza un controllo dei processi basato su Reinforcement Learning per la soffiatrice Contiloop AI per bottiglie in PET e rPET

Visualizza altri casi dei clienti

Scopri la ricerca IA

Prodotti

Scopri i prodotti compatibili con le tecniche di controllo basate sui dati e l’IA per le applicazioni relative alla progettazione di sistemi di controllo.

Richiedi una versione di prova gratuita

30 giorni di prova a tua disposizione.

Scarica ora

Reinforcement Learning Onramp

Apprendi le nozioni base con un tutorial interattivo gratuito.

Per iniziare

Oltre il PID

Scopri delle strategie di controllo alternative per i controller Field-Oriented.

Leggi il white paper