当前位置: 首页 » 新闻资讯 » 技术前沿 » 正文

模型为什么常常是融合的?

放大字体  缩小字体 发布日期:2021-01-28  来源:互联网  浏览次数:492
核心提示:现实中的工业模型,往往是机理与数据的融合。
        现在有种流行的做法,把数学模型分成机理模型和数据模型。我一直认为:对于工业应用来说,这种分类不妥。因为现实的模型往往是两者融合在一起的,只是程度的差异。
        所谓的“机理模型”,本质是理想状态下的模型(或者说抽象的模型)。当模型可以准确地描述现实对象时(或者说误差足够小时),模型的计算结果能够与实际结果高度吻合,用起来就很方便。如果模型主要从事纯粹算数或逻辑计算、几何对象的变换等,计算结果确实能与现实高度融合。所以,在离散制造业,3D的设计模型能极大地推进研发效率。
        但抽象模型总归不等于现实对象。比如,欧几里得几何学中的“线”是没有宽度的,而现实中的线都是有宽度的。牛顿力学中的质点是没有体积的,而现实世界中有质量的物质都是有体积的。
        实际的工业对象,都是具体的。
        把理论模型应用到具体对象时(比如针对具体的设备和工厂),问题就会来了:机理模型忽略的干扰,现实可能不能忽视;机理模型需要测量的参数,现实无法测量或者测不准。进一步的问题是:当这些误差大到无法忽视时,应该怎么办?
        解决的办法大体有三种:1、充分考虑各种干扰。但这样做,模型的复杂度会大增,不一定实用;2、准确测量相关参数。但是,这往往又要花费大量的成本、甚至会影响实施效率,实用性也差。3、更现实的办法就是用实际的数据来矫正。于是,机理就和数据模型融合起来了。现实中,第三种做法是最常用的。
        我们知道:非线性对象在局部往往可以简化成线性模型。这是自然界中普遍存在的现象。但在工业场景下,除了在局部使用的线性回归模型,很少有纯粹的数据模型。因为用纯粹的数据模型建立非线性、时变模型时,可靠度往往很难保证,不适合工业应用。
        所以,工业界实用的数学模型,往往是机理与数据的融合。
 
 
[ 新闻资讯搜索 ]  [ 加入收藏 [ 打印本文 ]  [ 违规举报 ]  [ 关闭窗口 ]

 
0条 [查看全部]  相关评论

 
推荐图文
推荐新闻资讯
点击排行
网站首页 | 关于我们| 联系方式| 免责声明| 版权隐私| 模架问答| 会员特权| 网站特色| 会员公约| 网站地图| 排名推广 | 广告服务 | 网站留言 | RSS订阅 | 苏ICP备16022765号 |

苏公网安备 32058302001128号