洛克希德·马丁公司建立了离散事件模型来预测F-35的性能

挑战

预测F-35机群性能,以最大限度地降低生命周期成本和最大限度地完成任务准备

解决方案

建立与Simulink和SimEvents舰队的离散事件模型,使用MATLAB并行服务器加速成金宝app千上万的模拟,并用内插深度学习工具箱结果

结果

  • 模拟设置时间从几个月减少到几个小时
  • 发展努力减轻
  • 模拟时间缩短了几个月

“通过使用Simulink和SimEvents建立模金宝app型,并在计算机集群上运行离散事件模拟,我们很快发现了许多机会,可以在最大限度地提高F-35机群性能的同时,最大限度地减少开发和执行工作。”

贾斯汀·比尔斯,洛克希德·马丁公司
f -35准备起飞。

洛克希德·马丁公司的F-35闪电II维持计划通过减少停机时间、支持飞行员培训和确保零部件的可用性,同时避免不必要的库存,降低了F-35舰队的生命周期成本,并提高了F-35舰队的任务准备能力。金宝app为了实现这些目标,该计划依赖于对机队性能的准确预测,包括对飞机将停飞多长时间的预测。

洛克希德·马丁公司的工程师使用Simulink金宝app®,SimEvents®、深度学习工具箱,以及MATLAB并行服务器™,对机队性能进行建模,并基于一个256个工作人员的计算集群上的数万次模拟进行预测。

洛克希德·马金宝app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,该模型整合了来自整个F-35项目的数据,并在多年的时间里,在数百个地点模拟每天运行的数千架飞机,每架飞机都有数千个部件。”“在我们的集群上加速数千次蒙特卡罗模拟,然后用深度学习工具箱对结果进行插值,将为我们节省数年的处理时间。”

挑战

模拟F-35机队的表现是非常具有挑战性的,由于飞机的复杂性,并支持它所需的全球物流系统。金宝app洛克希德·马丁公司最初试图生成使用现有工具的预测,但他们证明的复杂性增加的问题。

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,他们可以用来快速模拟成千上万的参数组合和场景。他们需要使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·马丁公司的工程师为F-35机群开发了一个复杂的Simulink模型,并使用SimEvents离金宝app散事件仿真引擎对该模型进行了仿真。

他们建造使用SimEvents创建实体模型的核心,并使用用MATLAB属性功能模块来实现系统逻辑®代码。该模型包含了部件和飞机性能数据,以及关于飞机修改、异常维护事件、部件可用性和飞机活动的数据。

他们证实使用测试用例和国防部验证,确认和认证准则模型。

工程师跑了Monte Carlo模拟成千上万的试验版本根据实验设计都随机事件和参数的变化。为了产生更快的结果,研究小组利用并行计算工具箱以及MATLAB并行服务器,在一个256个工作集群上并行运行多个仿真。

他们使用Deep Learning Toolbox对仿真结果进行神经网络训练,使仿真数据能够插值。

在模拟期间,Simulink记录并存储了金宝app所有发生的事件。为了后期处理这些数据,团队开发了MATLAB脚本来计算性能指标,生成带注释的MATLAB绘图,并创建Microsoft®供其他分析师使用的Excel文件。

洛克希德·马丁公司已经在使用该模型来预测舰队性能,以支持F-35维持计划。金宝app该团队目前正在探索在其他程序中使用该模型的方法。

结果

  • 模拟设置时间从几个月减少到几个小时。“为旧系统设置数据输入需要几个月的时间,”Beales说。“相比之下,我们可以在一天之内用一个新的数据集建立和运行我们的Simulink和金宝appSimEvents模型。”

  • 发展努力减轻。“金宝appSimulink和SimEvents极大地扩展了我们的车队性能预测能力,同时最大限度地减少开发工作量,”比尔斯说。

  • 模拟时间缩短了几个月。“通过在集群上,而不是我们的12核台式计算机上运行我们的模拟并行,我们完成了他们快20倍以上,”比尔斯说。“另外,我们与深学习工具箱进行插值大大降低,我们需要执行,节省了额外的CPU时间的模拟次数。”