정적 거동을 위한 데이터 기반 모델링

DoE는 최소한의 측정 노력으로 최고의 모델 정확도를 달성할 수 있도록 합니다. DoE 실험계획모듈(ExpeDes)을 사용하면 기초 측정값을 쉽게 계획할 수 있으며, 측정점을 체계적이고 space-filling 방식으로 설정할 수 있습니다. 매개변수의 조정 범위, 측정에 필요한 시간과 노력, 측정점의 순서 및 측정점 압축을 조정할 수 있고 테스트 벤치 자동화 요건을 통합할 수 있습니다. 모든 차원에서 점을 그래프로 표시할 수 있기 때문에 DoE 계획의 직관적인 검증 및 평가가 가능합니다.

시스템 거동의 정확하고 확실한 예측은 ASCMO-STATIC 모델링의 핵심 기능입니다. 미숙련 사용자도 이러한 예측이 필요한 고급 모델링 방식을 쉽게 이용할 수 있습니다. 동시에 전문가는 자유자재로 모델 매개변수를 유연하게 조정할 수 있습니다. ASCMO-STATIC의 모델링은 가우시안(Gaussian) 프로세스 모델을 기반으로 합니다. 이를 통해 실제 시스템 거동을 가장 잘 나타내는 수학적 함수가 자동으로 결정됩니다.

이러한 모델을 모델을 만드는 것은 간단합니다. 시스템의 관련 입력(영향을 주는 변수) 및 출력(목표값)을 선택한 후 추가 매개변수화 없이 즉시 모델 학습을 시작할 수 있습니다. 이 툴은 분류 모델, 복잡성 저감 모델 등과 같이 특정 작업에 필요한 기타 알고리즘을 제공합니다. 모든 모델을 Simulink, C Code, FMU/FMI 등 여러 포맷으로 내보내기 할 수 있습니다.

ASCMO-STATIC은 모델링된 시스템의 거동을 분석하고 시각화하기 위한 다양한 옵션을 제공합니다. 표준 화면 중 하나는 다차원 의존도를 직관적으로 표시하는 교차 도표입니다. 입력값이 출력값에 미치는 영향을 보여주고, 모델 예측값의 신뢰도를 표시합니다. 이외에도 ASCMO-STATIC은 캘리브레이션 맵이나 산점도와 같이 의존도와 영향도를 시각화하기 위한 여러 옵션을 제공합니다.

엔진을 예로 들면, ASCMO-STATIC를 통해 최소/최대화, 최저/최고값, 출력 변수의 목표값 등 다양한 기준을 정의하여 엔진 제어를 위한 입력 변수를 최적화할 수 있습니다. 이 기준에 가중치를 부여하거나 전체 트레이드 오프 곡선을 계산하여 적절한 절충점을 선택할 수 있습니다. 엔진 애플리케이션의 경우 전체 작동 범위에 대해 글로벌 최적화를 수행할 수 있고, 짧은 시간에 모든 입력 변수에 대해 최적의 캘리브레이션을 받을 수 있습니다. 최적화 작업 결과를 DCM, CDFX, Excel, and CSV 등 다양한 포맷으로 내보낼 수도 있습니다.

ASCMO-STATIC에서 모델은 대량의 측정 데이터를 인위적으로 생성하기 위한 가상 측정 도구로 사용할 수 있습니다. 이를 위해 툴에서 직접 또는 Excel에서 목록을 가져와 스텝 사이즈, 스텝 번호, 자유 중단점 측면에서 입력 변수의 격자 크기를 정의할 수 있습니다. 그러면 모델은 입력 변수의 원하는 모든 매개변수 조합에 대해 해당 출력을 계산합니다. 실제 측정(예: 엔진 테스트 벤치에서)과 마찬가지로 이 인공 데이터를 사용하거나, 그래픽으로 분석하거나, Excel에서 추가 처리를 위한 CSV 파일로 내보낼 수 있습니다.