基于数据的动态行为建模

实验设计（DoE）元素使您能够以最小的测量工作量获得最大的模型精度。通过 DoE 实验设计模块（ExpeDesDynamic），您可以轻松规划基础测量，并提出调整变量的时间曲线，在该曲线中，不同梯度的最终值将以填补空间的方式有条不紊地呈现。您可以调整参数的变化范围，添加静止点和实际驾驶循环的摘录，并考虑在发动机试验台上进行动态测量的具体方面和特殊性。各维度曲线（轨迹）的图形表示便于直接验证您的 DoE 计划。

ASCMO-DYNAMIC 使用基于时间的范围视图来显示基于模型的系统行为。它还提供其他几种可视化依赖关系和影响因素的选项，包括散点图。广泛的分析选项包括平均值、极值和均方根模型误差 (RMSE) 等统计信息。此外，还可以将模型预测与实际测量结果进行比较，以评估曲线随时间变化的准确性。为了在测量过程中达到合适的采样率，ASCMO-DYNAMIC 允许您通过降低采样率来减少数据量。这不仅能提高模型质量，还能缩短模型训练所需的时间。

ASCMO-DYNAMIC 可让经验不足的用户轻松应用先进的建模方法，准确、稳健地预测动态/瞬态系统行为。同时，它还为专家提供了高度灵活调整模型参数的自由。ASCMO-DYNAMIC 提供多种建模方法，如高斯过程模型、递归或卷积神经网络、集合模型以及用于异常检测的自动编码器。利用 ASCMO-DYNAMIC 自动机器学习功能，该工具可自动确定最能代表真实系统行为的特定数学函数。所有模型都可以 Simulink、C 代码和 FMU/FMI 等格式导出，以便在 ASCMO 之外使用。

ASCMO-DYNAMIC 允许您将模型用作虚拟测量仪器。例如，根据输入变量的时间序列预测整个驾驶周期内的排放量。对于输入变量的所有所需参数组合，模型会计算出相应的输出变量。就像实际测量一样（例如发动机试验台），这种人工数据可以使用、进行图形分析，并以 CSV 文件形式导出，以便在 Excel 中进行进一步处理。