동역학을 위한 데이터 기반 모델링

DoE는 최소한의 측정 노력으로 최고의 모델 정확도를 달성할 수 있도록 합니다. DoE 실험 설계 모듈(ExpeDesDynamic)을 사용하면 기초 측정값을 쉽게 계획할 수 있으며, 상이한 기울기의 상이한 최종값에 체계적이고 space-filling 방식으로 접근할 수 있도록 조정 변수의 시간 곡선을 설정할 수 있습니다. 이를 통해 매개변수의 변동 범위를 조정하고, 정적 점 및 실제 주행 사이클의 일부를 발췌하여 추가하고, 엔진 테스트 벤치에서 수행되는 동적 측정의 특징 및 특이점을 고려할 수 있습니다. 모든 차원의 곡선(궤적)을 그래픽으로 표시하여 DoE 계획을 직관적으로 검증 및 평가할 수 있습니다.

ASCMO-DYNAMIC은 시간에 따른 범주 보기 화면을 통해 모델에 기초한 시스템 거동을 표시합니다. ASCMO-DYNAMIC은 산점도 표시 등 다양한 옵션을 통해 의존도 및 영향도를 시각화합니다. 광범위한 분석 옵션으로 평균값, 극한값, 평균 제곱근 오차(RMSE) 등의 통계 정보를 표시합니다. 또한 모델 예측값과 실제 측정값을 비교하여 시간에 따른 곡선 그래프의 정확도를 확인할 수 있습니다. ASCMO-DYNAMIC 은 측정 과정의 적절한 샘플링 비율 도달을 위해 다운샘플링을 통해 데이터량을 감축할 수 있습니다. 이를 통해 모델의 품질은 향상되면서 모델 학습에 소요되는 시간은 단축됩니다.

ASCMO-DYNAMIC 모델링의 핵심 기능은 시스템의 동적/과도 거동을 정확하고 확실하게 예측하는 것입니다. 미숙련 사용자도 이러한 예측에 필요한 고급 모델링 방식을 쉽게 이용할 수 있습니다. 동시에 전문가는 자유자재로 모델 매개변수를 유연하게 조정할 수 있습니다. ASCMO-DYNAMIC은 가우시안(Gaussian) 프로세스 모델, 순환신경망(recurrent neural networks) 또는 합성곱신경망(convolutional neural networks), 앙상블 모델(ensemble model), 이상 감지를 위한 오토인코더(autoencoder) 등 다양한 모델링 접근법을 제공합니다. 또한 자동화된 머신러닝 기능을 통해 실제 시스템 거동을 가장 잘 나타내는 수학적 함수를 자동으로 도출합니다. Simulink, C-code, FMU/FMI 등의 포맷으로 내보낼 수 있어 ASCMO 밖에서도 사용할 수 있습니다.

ASCMO-DYNAMIC을 통해 사용자는 모델을 가상 측정 도구로 사용할 수 있습니다. 예를 들어, 사용자는 전체 주행 사이클 동안 입력 변수에 따른 시간별 배출량 예측값을 파악할 수 있습니다. 사용자가 원하는 입력 변수의 매개변수 조합에 기초하여 해당 산출 변수를 계산합니다. 사용자는 이처럼 인공적으로 측정된 값을 엔진 테스트 벤치 등에서 실제 측정된 값처럼 활용하고, 그래프로 분석하며, CSV 파일로 내보내기 하여 Excel에서 추가적으로 처리할 수 있습니다.