Raamwerk voor het integreren en interpreteren van multischaal-, multisnelheids- en multimodale gegevens in mechatronische systemen
Deadline
Uitdaging
In dit project leggen we de behoefte van de industrie vast om gegevens te integreren op verschillende schalen, waaronder temporele (multirate), ruimtelijke (multiscale) en verschillende soorten (multimodaal).
- Bedrijven beschikken over modellen en uitgebreide gegevens die verschillende tijdschalen beslaan (multirate/multiscale), zoals de 10kHz PWM-cycli van een omvormer, 50Hz motorgolfvormen of versnellings- en vertragingscijfers van auto's. Vaak is er interactie tussen deze tijdschalen. Helaas leiden interacties tussen deze tijdschalen tot oversimplificatie, waardoor extra modelleerinspanning nodig is om in real-time te kunnen werken. Dit gaat ten koste van de nauwkeurigheid en bemoeilijkt de interpreteerbaarheid van afwijkingen tussen waarnemingen en gemodelleerd gedrag.
- Modellen, of ze nu gebaseerd zijn op fysica of op gegevens, zijn vaak niet flexibel bij het verwerken van heterogene gegevens (multimodaal). Sensordata vereisen vaak aanzienlijke inspanningen voor preprocessing en synchronisatie om te voldoen aan de vereisten van een modeltype.
- Op fysica gebaseerde modellen kunnen gegevensgestuurde modelleertechnieken op meerdere niveaus ondersteunen, met snellere leersnelheden, hogere betrouwbaarheid en betere interpreteerbaarheid (als het fenomeen ook gemodelleerd is). Er zijn echter geen duidelijke mechanismen om eenvoudig de oorsprong van discrepanties tussen het model en waargenomen gedrag te identificeren.
Project doelstelling
Transformatormodellen hebben onlangs een revolutie teweeggebracht in het landschap van op machinaal leren gebaseerde vision en forecasting, en overtreffen gevestigde methoden zoals LSTM-technieken (long short-term memory) en CNN-technieken (convolutional neural network). Transformers blinken uit in het verwerken van verschillende gegevenstypen (multimodaal), waaronder vision, en het verwerken van gegevens op significant verschillende tijdschalen (multirate/multischaal). Bovendien heeft de integratie van fysica-gebaseerde modellen bewezen effectief te zijn in het verminderen van de geheugenvereisten en trainingstijd voor transformatoren. Het "aandachtsmechanisme" in transformatoren stelt ze in staat om de prestaties van opgenomen modellen te interpreteren.
In de proof-of-conceptfase heeft het toepassen van transformatoren om dynamische mechatronische systemen te beschrijven veelbelovende resultaten laten zien. Dit project wil de state-of-the-art bevorderen door een uitgebreid, op transformatoren gebaseerd raamwerk voor mechatronische systemen te bouwen. Dit raamwerk streeft naar vereenvoudiging:
- Het verbinden van multiscale/multirate gegevens,
- het samenvoegen van multimodale sensorgegevens in een enkel model, en
- waarnemingen terug te interpreteren naar de modellen op hun respectievelijke tijdschalen.
In essentie beoogt het project:
- Verminder de afhankelijkheid van vereenvoudigde modellen op meerdere schalen van dezelfde component, wat het modelleringsproces versnelt en multischaal/multisnelheidsvoorspellingen en -analyse stroomlijnt.
- De noodzaak voor intensieve voorbewerking van gegevensbronnen (zoals vision) minimaliseren voordat deze worden toegepast in een vooraf bepaald, inflexibel model.
- Discrepanties in modellen opsporen (zowel fysisch gebaseerd als data-gedreven) voor meerdere tijdschalen, waardoor ze eenvoudiger te interpreteren zijn op hun respectievelijke tijdschalen.
Interesse om deel te nemen aan dit project?
MULTISCALE_SBO is een Strategisch Basis Onderzoek (SBO) project. Wij zijn op zoek naar bedrijven die lid willen worden van de Gebruikersgroep en met ons willen werken aan de valorisatie van het project.
Interesse? Vul onderstaand formulier in en wij nemen zo spoedig mogelijk contact met u op.
