CANN/mat-chem-sim-pred PID残差诊断算法

PidResidualDiagnostics 算法说明【免费下载链接】mat-chem-sim-pred面向工业领域聚焦计算仿真、预测两大核心场景构建面向流程工业机理数据双轮驱动的领域计算层推动AI for Science在材料化学领域的深度应用。项目地址: https://gitcode.com/cann/mat-chem-sim-pred背景PID 模型辨识完成后不能只看最小 SSE 或最优参数还需要判断模型残差是否接近白噪声。如果残差仍存在明显自相关说明模型没有解释掉过程动态后续 PID 参数整定可能基于不可靠模型。PidResidualDiagnostics面向多回路模型验证场景对actual[B, N]和predicted[B, N]批量计算残差质量指标和多 lag 自相关residual[b, i] actual[b, i] - predicted[b, i] metrics[B, 8], autocorr[B, max_lag]该算子适合作为 FOPDT/IPDT/SOPDT 模型辨识或 NPU 侧预测流水线后的后处理步骤。指标对每条回路b先计算残差均值和中心化残差mean_residual mean(residual) centered_residual[i] residual[i] - mean_residual residual_energy sum(centered_residual[i]^2) sse sum(residual[i]^2)输出指标顺序0 mean_residual 1 std_residual 2 mae 3 rmse 4 max_abs_residual 5 fit_percent 6 durbin_watson 7 ljung_box_q其中std_residual sqrt(residual_energy / (N - 1)) mae mean(abs(residual)) rmse sqrt(sse / N) fit_percent 100 * (1 - sqrt(sse) / sqrt(sum((actual - mean(actual))^2))) durbin_watson sum((residual[i] - residual[i - 1])^2) / sse多 lag 自相关autocorr[lag] sum((residual[i] - mean_residual) * (residual[i - lag] - mean_residual)) / residual_energyLjung-Box 风格统计量ljung_box_q N * (N 2) * sum(autocorr[lag]^2 / (N - lag))NPU 映射当前第一阶段原型采用每条回路一个逻辑工作单元block - one or more batch rows for each row: scan actual/predicted once for means and residual energy scan once for scalar residual metrics scan per lag for autocorr and Q该实现的主要计算量为B * N * max_lag输出只有B * (8 max_lag)个 float适合上游数据已在 Device 的模型验证流水线。输出取舍当前版本固定输出 8 个残差诊断指标并使用fit_percent作为拟合优度指标。fit_percent与工业 PID 工具中常见的模型拟合百分比一致便于直接判断模型是否解释了主要过程变化。适用场景PID 模型辨识后的残差白噪声检查。大批量控制回路模型质量巡检。NPU 侧 FOPDT/IPDT/SOPDT fit pipeline 后处理。对比多个建模方法时的残差结构化诊断。【免费下载链接】mat-chem-sim-pred面向工业领域聚焦计算仿真、预测两大核心场景构建面向流程工业机理数据双轮驱动的领域计算层推动AI for Science在材料化学领域的深度应用。项目地址: https://gitcode.com/cann/mat-chem-sim-pred创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考