Taiwan Database

在 设计优化、基于模型的预测控制或数字孪生等领域，运行模型所需的时间通常是一个问题。在许多情况下，这个问题可以通过使用精度较低但速度更快的近似模型来解决。在本博客中，我们将对这些技术进行非常基本的介绍，并描述 VORtech 的两名实习生Floris Roodenburg和Abinash Mishra进行的一些实验。他们可以将多个工业问题的计算速度提高十倍以上。

它可用于解决设计优化、基于模型的预测控制或数字孪生等应用中的性能 最近的手机号码数据 问题。在本篇博文中，我们将对这些技术进行简单的介绍，并描述 VORtech 的两名实习生 Floris Roodenburg 和 Abinash Mishra 进行的一些实验。这些实验可以将计算速度提高十倍以上。

用于构建近似模型的术语是模型降阶或降阶建模。这两个术语通常可以互换使用，但在本文中，我们将使用前者，因为它意味着我们从一个模型开始，然后对其进行降阶。术语“降阶建模”可能暗示你首先构建一个降阶模型。但这并不是我们在这里所做的。

在这种情况下使用的另一个术语是替代模型，它在某种程度上扩大了模型的范畴，因为它表明该模型可以被与完整模型不密切相关的其他模型所替代。不过，替代模型通常也由完整、详细的模型生成的数据构成。

何时（不）使用模型降阶
模型降阶会丢弃模型中的一些细节。因此，只有当这些细节不那么重要时才应该使用它。例如，对于高灵敏度过程的基于模型的预测控制，就不应该使用它。