NeuralFMU：将 FMU 结构性集成至神经网络
机器学习
2022-09-09 v1
摘要
本文涵盖两个主要主题：首先，介绍一个名为 FMI.jl 的新型开源库，它通过提供加载、参数化和模拟 FMU 的功能，将 FMI 集成到 Julia 编程环境中。其次，介绍了该库的一个名为 FMIFlux.jl 的扩展，它允许将 FMU 集成到神经网络拓扑中以构建 NeuralFMU。这种将工业界典型的黑盒模型与数据驱动的机器学习模型进行结构性结合的方法，在单一开发环境中融合了两种建模方法的不同优势。这使得对于那些难以基于第一性原理进行建模的物理效应，可以使用先进的数据驱动建模技术。
引用
@article{arxiv.2109.04351,
title = {NeuralFMU: Towards Structural Integration of FMUs into Neural Networks},
author = {Tobias Thummerer and Josef Kircher and Lars Mikelsons},
journal= {arXiv preprint arXiv:2109.04351},
year = {2022}
}