汽车热管理系统仿真分析与实例解析 课件 06 AI 技术与汽车热管理.pptx

第六章：AI技术与汽车热管理《汽车热管理系统仿真分析与实例解析》

导读本章主要介绍AI技术理论、AI技术在汽车热管理中的应用场景及相关案例分析。

1.6?AI技术理论1.6.1?流场预测前沿技术1、流形假设的意义：我们可以用较低维度的数据来表示高维数据，而不会失去太多信息。因此我们在做流场或者其他物理场预测任务时，可以先利用降维技术将高维数据映射到低维的流形子空间上，再利用其低维表示来建立流场预测模型，即建立一个低维模型来近似原来复杂的高维问题。三维数值模拟的复杂度比较高，在实际应用中一些高精度或者大规模的模拟，其网格数量可能达到百万级甚至千万级，流场解的维度更是网格维度的数倍。但在实际问题中，这些高维数据往往都存在于某些低维流形上；也就是说，它们可能只是高维空间中的一部分，并不占据整个空间。这种现象被称为“流形假设”。2、高维数据降维：通常来说，降维问题都可以看作是一类特征学习问题，或者转化为优化问题。具体来说，即根据一系列高维数据，找到一组最优的低维子空间，使其最大程度地保留原高维数据的信息。3、模型降阶：通过高效的降维技术，我们可以将原来高维的流场数据投影到低维的线性或者非线性空间，然后在低维空间建立轻量化的预测模型，从而达到快速预测的目的。一般来说，这种轻量化的模型可以通过将物理控制方程投影到低维流形上获得，也可以通过数据驱动的方式在低维流形上直接建立启发式的模型。前