结合基于热力学的离心压缩机模型与主动机器学习以增强工业设计优化
机器学习
2023-09-07 v1 人工智能
摘要
离心压缩机的设计过程需要应用优化流程,由于压缩机动力学方程背后的复杂解析方程,该过程计算代价高昂。尽管回归代理模型可大幅降低此类流程的计算成本,但主要挑战在于用于训练代理模型的标注数据稀缺。为战略性地利用标注样本,我们提出了 Active-CompDesign 框架,其中我们将基于热力学的压缩机模型(即我们的压缩机设计内部软件)与基于高斯过程的代理模型结合在一个可部署的主动学习(AL)设置中。我们首先在离线设置中进行实验,并进一步将其扩展至在线 AL 框架,其中与基于热力学的压缩机模型的实时交互允许在生产中部署。ActiveCompDesign 通过利用 AL 框架中基于不确定性的样本查询函数相对于随机数据点选择,在代理建模上显示出显著的性能提升。此外,我们的生产框架将压缩机设计优化的总计算时间缩减至比依赖内部基于热力学的模拟器快约 46%,同时达到相同性能。
引用
@article{arxiv.2309.02818,
title = {Combining Thermodynamics-based Model of the Centrifugal Compressors and Active Machine Learning for Enhanced Industrial Design Optimization},
author = {Shadi Ghiasi and Guido Pazzi and Concettina Del Grosso and Giovanni De Magistris and Giacomo Veneri},
journal= {arXiv preprint arXiv:2309.02818},
year = {2023}
}
备注
Accepted after peer-review at the 1st workshop on Synergy of Scientific and Machine Learning Modeling, SynS & ML ICML, Honolulu, Hawaii, USA. July, 2023. Copyright 2023 by the author(s)