西莫电机圈

 找回密码
 立即注册

QQ登录

只需一步,快速开始

手机号码,快捷登录

手机号码,快捷登录

查看: 524|回复: 4

[原创] 如何证明 AI 给出的电机设计方案是最优方案?

[复制链接]

签到天数: 21 天

连续签到: 2 天

[LV.4]偶尔看看III

发表于 2024-9-23 16:04 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。

您需要 登录 才可以下载或查看,没有账号?立即注册

x
本帖最后由 katawong 于 2024-9-23 16:23 编辑

前几天,有朋友问我这个问题,他觉得,用 AI 设计出满足要求的电机方案是可以理解的,也是可行的。但是,凭什么说,AI 设计出来的方案就是最优方案呢?

相信各位同仁也有相同的问题,在此专门发帖作一个说明。

事实上,所谓的最优方案,是指在当前的技术条件和AI 算法下,找到的最好方案。随着技术的发展,电机原理的进步,可能会有更好的方案。这个不在今天的讨论范围之内。

朋友提出的这个问题,其实是个数学证明问题,要从数学的角度来证明。

假设,我们的 AI 设计过程符合马尔科夫决策过程,以及满足 贝尔曼方程。这是前置条件。在满足这两个条件的基础上,AI 会找到奖励值最大的方案。

这个时候,找到最优解,就变成了找到奖励值最大。

这就需要我们来进行奖励值的设计了。

根据电机行业的特点,我们把最优方案定义为,在满足技术要求的同时,方案所需材料(硅钢片,铜线,铝材)成本最低。

我们现在来设计奖励值,这个很关键。我们把奖励设置为三大类。

第一类是性能奖励值。比如效率奖励,功率因数奖励,电流倍数奖励,等等。只要满足条件要求,奖励值就为 0 ,否则就为 -100 。
第二类是约束奖励。比如齿宽最小不能小于3mm,磁密最大不能大于 2, 等等。同样的,满足约束条件,奖励值为0 , 否则为 -100。
第三类是成本奖励。将电机所消耗的铜 、 铁、 铝重量,分别计算其成本,再给出其成本负值 , 即为成本奖励。成本越低,成本奖励值越高。

很显然,当第一类和第二类奖励值满足要求时,其和为零。相应的,当这两类奖励相加为零时,我们就知道,这个方案是满足技术要求,约束条件或工艺条件的。

这个时候就可以把注意力放在成本奖励了。

如前所述,AI 总是在不断的进行学习和进化,不断的寻找奖励值最大的方案。也就是说,AI 会不断的寻找成本最低的满足技术要求的方案。

总结来说,由于 AI 本身具有不断寻找最高奖励值的能力,那么我们就设计一个奖励值,使得 AI 可以寻找到满足技术要求的同时,最低成本的方案。


=================================我是华丽的分割线=======================================

有同仁要问了,AI为什么会找到奖励值最高的方案呢?

这个就是AI学习过程的设计了。它涉及到两个算法,一个是梯度下降算法,我们有一个AI,它会对设计方案进行打分,梯度下降算法的作用是提高对设计方案的打分准确度,另一个是策略梯度算法,我们还有一个
AI, 它会进行方案更改,而策略梯度算法的作用,是使得更改后的方案的得分更高。此处的“打分或得分”,就是上面所说的获得的奖励值。

================================================================================

不知上述说明,有没有解开同仁心中的疑惑?欢迎提问。




西莫电机论坛微信公众平台正式上线!★详情请点击★ 西莫电机论坛会员交流专用群欢迎您西莫电机论坛加群请注明论坛用户名及所从事专业,否则不予通过

签到天数: 32 天

连续签到: 12 天

[LV.5]常住居民I

发表于 2024-9-25 09:31 | 显示全部楼层
我感觉这个工具的使用,标准还是不太好定。
有一些指标是到达不等式约束范围内就可以接受了,而且无论是大了还是小了都不再影响最终评分。分值的赋予有非线性性质。
再比如对成本的评分,制造商对于不同的甲方可能有不同的标准,对有的甲方那就是成本权重低一点,哪怕不计成本的去做好一台电机,而有的甲方成本权重就会高一些,要以盈利为目的的去做电机。
所以我个人觉得这套工具,最终还是需要人为的去调控权重来使用,甚至对于不等式约束上,也可以调整边界范围,和分值与指标的非线性分值曲线。
并且对各个指标的权重赋予,也需要看公司风格,完全黑箱的话,上手虽然简单了一些,但是可操作性差一些。。

评分

参与人数 1西莫币 +6 收起 理由
titi27v + 6 感谢您的参与

查看全部评分

西莫电机论坛微信公众平台正式上线!★详情请点击★ 西莫电机论坛会员交流专用群欢迎您西莫电机论坛加群请注明论坛用户名及所从事专业,否则不予通过
回复

使用道具 举报

签到天数: 21 天

连续签到: 2 天

[LV.4]偶尔看看III

 楼主| 发表于 2024-9-25 11:08 | 显示全部楼层
本帖最后由 katawong 于 2024-9-25 11:15 编辑

谢谢您的回复。
您讲得非常对。
事实上,在进行AI训练时,奖励的设计是一件很重要的工作。必须根据不同的需要来设计奖励值。奖励值的设计对AI程序的收敛有很大的影响,对方案的影响也很大。
有些指标,我们确实是给定约束范围的。满足约束范围即可。下图中,您可以看到,转子端环电密实际上小于最小值,转子轭磁密也是如此,但方案是可行的。所以这两个指标我们后来是小于最大值就可。定子电密也是如此。
但我们也在考虑,以定子齿磁密为例,AI应该会努力的使它偏向最大值,因为这样的话,会使得成本最低,而如果值偏向最小值的话,成本其实是会变大的,AI的算法设计会自动将它调大,使得成本变低。

屏幕截图 2024-09-25 110522.png

评分

参与人数 1西莫币 +3 收起 理由
titi27v + 3 感谢分享

查看全部评分

西莫电机论坛微信公众平台正式上线!★详情请点击★ 西莫电机论坛会员交流专用群欢迎您西莫电机论坛加群请注明论坛用户名及所从事专业,否则不予通过
回复

使用道具 举报

签到天数: 17 天

连续签到: 4 天

[LV.4]偶尔看看III

发表于 2024-9-25 16:07 | 显示全部楼层
多目标函数的最优求解,权重的分配难。前提还得是电磁、热、NVH的仿真与实测误差(精度)不影响寻优过程,算法加上专家系统的约束是不是能更快地收敛和准确实用?
西莫电机论坛微信公众平台正式上线!★详情请点击★ 西莫电机论坛会员交流专用群欢迎您西莫电机论坛加群请注明论坛用户名及所从事专业,否则不予通过
回复

使用道具 举报

签到天数: 21 天

连续签到: 2 天

[LV.4]偶尔看看III

 楼主| 发表于 2024-9-25 20:23 | 显示全部楼层
本帖最后由 katawong 于 2024-9-25 20:29 编辑
Daixx 发表于 2024-9-25 16:07
多目标函数的最优求解,权重的分配难。前提还得是电磁、热、NVH的仿真与实测误差(精度)不影响寻优过程, ...


谢谢您的回复。
以下是我个人的观点,不妥之处还请指正。

我们采用的AI 算法是强化学习算法,与其他的优化算法不同之处在于,强化学习算法是通过奖励机制,自主学习并得到提升的。

因此,对于强化学习,最关键的地方在于以下几点: 1) 奖励的设计 2 )动作的设计 3) 状态的设计。

通过强化学习,训练的最终目标,是一个具备丰富经验的设计工程师。

当给他指定的技术参数时,它立刻知道,应该给出什么样的设计方案。

在我们设计的AI中, 并没有专门刻意给出权重系数,所有的权重都隐含在深度神经网络中,由AI自行算出。

此外,我们设计的这个AI并不是一个仅用于设计电机的AI,事实上,它独立于电机之外,也可用于设计其它产品。当它调用 ansysEM,或者MotorCAD,Speed软件时,可以设计电机产品。当它调用kissSoft软件时,就可以设计齿轮产品。

因此,AI设计的准确度,依赖于ansysEM,MotorCAD或者Speed软件的计算精度和准确性。

另外,我们设计的AI,并没有一个专门的专家系统。当然,可能对专家系统这个名称的理解,我们可能与您的意思有所不同。但是就我们实际经验来说,我们主要是训练AI的学习能力和进化能力,并没有设计专门的专家系统。

从强化学习的角度来说,专家系统也是不必须的。

以齿轮为例,很多人很难理解,问我们说,你们并不是设计齿轮的专业技术人员,为什么可以这么自信,认为能够设计出比有丰富经验的工程师还要好的方案呢? 事实上,只要正确设计了在齿轮设计过程中的奖励,动作,状态,AI就可以开始学习齿轮的设计并不断提升自己设计齿轮的能力和水平,最终设计出超过人类水平的方案。

再次感谢您的回复。









评分

参与人数 1西莫币 +3 收起 理由
titi27v + 3 感谢分享

查看全部评分

西莫电机论坛微信公众平台正式上线!★详情请点击★ 西莫电机论坛会员交流专用群欢迎您西莫电机论坛加群请注明论坛用户名及所从事专业,否则不予通过
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|小黑屋|手机版|Archiver|西莫电机圈 ( 浙ICP备10025899号-3 浙公网安备:33028202000436号

GMT+8, 2024-11-22 06:04 , Processed in 0.088085 second(s), 31 queries .

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表