Сквозной процесс создания виртуальных датчиков на базе ИИ
MATLAB и Simulink предлагают комплексный рабочий процесс для разработки виртуальных сенсоров с использованием искусственного интеллекта. Он включает все этапы: проектирование, обучение, валидацию, верификацию, сжатие и развёртывание моделей на встраиваемых процессорах — в единой среде.
Интеграция ИИ-моделей в Simulink
Нейросетевые модели можно встраивать непосредственно в Simulink для системного моделирования, формальной верификации и симуляционного тестирования. Это даёт возможность оценить поведение виртуального датчика в составе всей системы на ранних стадиях разработки.
Формальная верификация нейронных сетей
Инструменты MATLAB позволяют применять формальные методы для проверки корректности работы нейросетей. Так инженеры могут гарантировать, что обученная модель будет предсказуемо реагировать в заданных условиях.
Сжатие и генерация кода
После обучения ИИ-модель можно сжать: уменьшить объём занимаемой памяти и повысить скорость выполнения. Затем из неё генерируется компактный код на C, не привязанный к сторонним библиотекам. Сгенерированный код проходит проверку с помощью процессорно-ориентированного тестирования (PIL).
Анализ производительности и выбор модели
Профилирование кода на целевом процессоре помогает оценить быстродействие и найти баланс между точностью модели и потребляемыми ресурсами. Это облегчает принятие решений о том, какой вариант нейросети лучше подходит для конкретного проекта.
Итоги
Описанный подход даёт инженерам возможность быстро прототипировать виртуальные датчики на базе ИИ, используя возможности MATLAB и Simulink, и разворачивать их на встраиваемых устройствах без необходимости привлекать сторонние инструменты.