介紹如何使用 Simcenter RomAI 結合 Simcenter PSIM 的模擬數據來訓練神經網路，藉此取代傳統的電力電子轉換器模型（以 DC/AC 轉換器為例），在保持模擬精度的同時，大幅縮短動態模擬的時間。

人工智慧在工程領域的應用日益增加，不僅能簡化流程，還能保持高精度。隨著向電氣化的邁進，找到高效的多電壓轉換器模擬解決方案變得尤為重要。人工智慧可以幫助我們實現這一目標，顯著縮短模擬時間，同時保持準確性。因此，我們嘗試使用 Simcenter RomAI 模擬一個直流/交流轉換器，旨在取代 Simcenter PSIM 轉換器模型。Simcenter RomAI 將映射直流/交流轉換器的 d 軸與 q 軸電流。

圖片1：試圖用 RomAI 區塊取代的電路圖

因此，本文將探討一個逐步的神經網路訓練方法， 利用 Simcenter RomAI 進行。

圖片2：Simcenter RomAI 的工作流程

步驟一：資料產生

為了訓練神經網路，產生或取得適當的訓練資料至關重要。一個有效的資料產生方法是利用Simcenter Hyperstudy，尤其是在從 Simcenter PSIM、Simcenter Simlab、Simcenter Feko 等其他軟體生成資料時。如果您不熟悉 Simcenter Hyperstudy，可以參考本文了解其相較於手動透過腳本建立資料的優勢。

資料生成後，會存放在各個資料夾中，並分成多個 CSV 檔案。為了整合這些檔案，請使用提供的 'Find_n_Copy.oml' 腳本，將所有 CSV 檔案複製到同一個目錄中。接著，執行 'romAI_data_append.oml' 腳本以合併所有檔案。

圖片3：產生訓練資料時，避免包含不必要的變數和資料， 因為這會使處理變得複雜，並大幅降低系統速度

步驟二：前置處理

要使用 Simcenter RomAI 工具訓練神經網路， 首先打開 Simcenter Twin Activate 軟體。 導航至「Tools」標籤，即可找到 RomAI Director。

圖片4：導航至「Tools」標籤，即可找到 RomAI Director

一個獨立的視窗將會出現， 在「Pre-Processor」標籤內， 您可以匯入您的訓練資料。

圖片5：在「Pre-Processor」標籤內，可以匯入您的訓練資料

將資料載入到 Pre-Processor 標籤中。 如果您打算訓練一個動態系統， 請確保資料已經適當過濾。 您可以從 RomAI Director 內應用濾波器。

圖片6：RomAI Director 內應用濾波器

如圖所示，經過濾波的波形（綠色） 比原始波形更平滑。 在此範例中，截止頻率設定為 5kHz， 但此數值可能會根據您的系統而有所不同。

建議您嘗試不同的數值， 以觀察訓練結束後的結果。 一旦您選擇了所有相關且經過濾波的資料， 請點擊「Export to Builder」按鈕。

步驟三：神經網路設定

在 Builder 標籤中， 您可以配置隱藏層、 每個隱藏層的神經元數量、 訓練次數（epochs） 以及測試集比例。

如果您不確定最佳設定，Simcenter RomAI 提供自動探索功能。 此功能會訓練多個具有不同隱藏層數量 和每層神經元數量的神經網路， 幫助您找出最佳配置。

圖片7：配置隱藏層、每個隱藏層的神經元數量、訓練次數

在「Advanced Settings」標籤中， 有一個名為 Regularization Coefficient 的變數， 指的是目標函數上的正則化項。

這有助於避免過擬合， 並可能提升泛化能力。 由於電力電子系統的特性， 建議將此變數設為 1e-6。

圖片8：正則化設定

在開始訓練過程之前， 建議為神經網路命名一個具有意義 且能反映所選參數的名稱。

例如， 可以將神經網路命名為： 「Iq_prediction_epochs_100_TSR_0_2」。

這種命名規則可以讓您輕鬆回憶 該網路是在使用 100 個 epoch 和 0.2 的測試集比例下訓練的。

您不需要擔心指定隱藏層數量和神經元數， 因為 Simcenter RomAI 會自動將這些資訊附加到定義的名稱中， 形成像是： 「Iq_prediction_100_epochs_TSR_0_2_relu_30_30」的名稱。

圖片9：為神經網路命名一個具有意義且能反映所選參數的名稱

步驟四：後處理

在後處理階段，評估使一個神經網路優於另一個的原因非常重要。 兩個關鍵指標用來衡量預測模型的可靠性， 以及其預測出與實際數據相似的波形的能力：

• Average Root Mean Square Error (Avg RMSE)

• Test Loss

這兩個指標都應盡可能地降低。 值得注意的是，這些數值不應該在不同系統之間進行比較。 比較應該僅限於同一系統內， 但參數不同的情況下。

圖片10：在後處理中評估 Avg RMSE 與 Test Loss

無論這些變數的值為何， 驗證預測波形與實際波形都是至關重要的。 可以透過選擇「Time Simulation」 單選按鈕來完成此操作。

圖片11：驗證預測波形與實際波形

步驟五：Simcenter Twin Activate 部署

Simcenter RomAI 的一個獨特特點是它可以部署在一維模擬環境中。 完成訓練後， 我們可以在 Palette Browser 中插入一個 RomAI 區塊到 Simcenter Twin Activate 模型中。

圖片12：插入一個 RomAI 區塊到 Simcenter Twin Activate 模型中

將區塊拖放到模型中。 點擊該區塊後， 您需要載入包含剛訓練完成的神經網路的資料夾。

圖片13：載入包含剛訓練完成的神經網路的資料夾

一旦您點擊「OK」， 所有的輸入與輸出將會顯示出來。

接著，您可以用信號和示波器將它們連接起來，並且將它們與其他模型（例如 Simcenter PSIM、Simcenter Simlab）整合。

圖片14：與 PSIM 模型整合