洛·马公司建立离散事件模型预测F-35舰队性能
挑战
解决方案
利用Simulink和SimEvents建立舰队离散事件模型，利用MATLAB并行服务器加速数千次仿真，并利用深度学习工具箱对结果进行插值
结果
- 模拟设置时间从几个月减少到几个小时
- 开发工作减少
- 模拟时间缩短了几个月
“通过使用Simulink和SimEvents建立模型，并在计算机集群上运行离散事件模拟，我们迅速找到了许多机会，以最大化F-35机队性能，同时最小化开发和执行工作。”
贾斯汀·比尔斯，洛克希德·马丁公司
洛·马公司F-35“闪电II”维持项目通过减少停机时间、支持飞行员培训、确保零部件的可用性、避免不必要的库存，降低了F-35机队的生命周期成本，提高了任务准备能力。为了实现这些目标，该项目依赖于对机队性能的准确预测，包括对飞机停飞服役时间的预测。
洛克希德·马丁公司的工程师使用了Simulink®, SimEvents®，深度学习工具箱™，以及MATLAB并行服务器™来建模车队性能，并基于一个256人计算集群上的数万次模拟做出预测。
洛克希德·马丁公司的项目工程师贾斯汀·比尔斯说:“通过Simulink和SimEvents，我们创建了一个模型，该模型集成了整个F-35项目的数据，并模拟了数千架每天运行的飞机，每架飞机有数千个部件，在多年的时间里在数百个地点运行。”“在我们的集群上加速成千上万的蒙特卡洛模拟，然后用深度学习工具箱插值结果，这将为我们节省多年的处理时间。”
挑战
模拟F-35机队的性能是极具挑战性的，因为飞机的复杂性和支持它所需的全球后勤系统。洛克希德·马丁公司最初试图使用现有工具进行预测，但事实证明这些工具增加了问题的复杂性。
洛克希德·马丁公司的团队想要开发一个详细的，易于配置的模型，他们可以使用它来快速模拟数以千计的参数组合和场景。他们需要应用先进的技术来生成和分析结果，包括实验设计、机器学习和其他统计和概率方法。
解决方案
洛克希德·马丁公司的工程师开发了一个复杂的F-35机群的Simulink模型，并使用SimEvents离散事件模拟引擎对该模型进行了模拟。
他们使用SimEvents创建实体来构建模型的核心，并在MATLAB中使用属性函数块实现系统逻辑®代码。该模型包含了部件和飞机性能数据，以及飞机改装、异常维护事件、部件可用性和飞机活动的数据。
他们使用测试用例和国防部的验证、验证和认证指南来验证模型。
工程师们在蒙特卡洛模拟中进行了数千次试验，其中既有随机事件，也有基于实验设计的参数变化。为了更快地生成结果，团队使用了并行计算工具箱™和MATLAB并行服务器在256个工作人员的集群上并行运行多个模拟。
他们利用深度学习工具箱对仿真结果进行神经网络训练，使他们能够插值仿真数据。
在模拟过程中，Simulink记录并存储了所有发生的事件。为了后期处理这些数据，该团队开发了MATLAB脚本来计算性能指标，生成带注释的MATLAB图，并创建Microsoft®供其他分析师使用的Excel文件。
洛·马公司已经使用该模型来预测舰队性能，以支持F-35维持项目。该团队目前正在探索将该模型用于其他项目的方法。
结果
模拟设置时间从几个月减少到几个小时．“将数据输入到旧系统需要花费数月时间，”比尔斯说。“相比之下，我们可以在一天内用新的数据集建立并运行我们的Simulink和SimEvents模型。”
开发工作减少．“Simulink和SimEvents极大地扩展了我们的船队性能预测能力，同时最小化了开发工作，”Beales说。
模拟时间缩短了几个月．“通过在集群上并行运行我们的模拟，而不是在我们的12核桌面计算机上，我们完成它们的速度快了20多倍，”Beales说。“此外，我们使用深度学习工具箱执行的插值大大减少了我们需要执行的模拟数量，节省了额外的CPU时间。”
2022世界杯八强谁会赢？产品使用
展示你的成功
加入客户参考计划
您也可以从以下列表中选择网站: