基于数据的固定行为建模

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。实验设计（DoE）模块（ExpeDes）可以轻松规划基础测量，并有条不紊地提出测量点位置。通过该模块，您可以调整参数的变化范围、测量所需的时间和精力、测量点的顺序和压缩，并将测试台自动化要求纳入其中。所有维度的测量点图形显示便于直接验证您的 DoE 计划。

ASCMO-STATIC 使经验不足的用户也能轻松应用先进的建模方法，准确、稳健地预测系统行为。同时，它还能让专家自由调整模型参数，灵活性极高。在 ASCMO-STATIC 中，建模基于高斯过程模型。这样，该工具就能自动确定最能代表实际系统行为的特定数学函数。

创建这样的模型非常简单。选择系统的相关输入（影响变量）和输出（目标值）后，您就可以立即开始训练模型，而无需进一步的参数设置。该工具还为分类和降低复杂性等特殊任务提供了其他算法。所有模型都可以多种格式导出，包括 Simulink、C 代码和 FMU/FMI。

ASCMO-STATIC 为您提供了多种分析和可视化建模系统行为的选项。标准视图之一是所谓的 "交叉图"，它可以直接显示多维依赖关系。它显示了输入的变化如何影响输出，同时还显示了模型预测的可靠性。此外，ASCMO-STATIC 还提供了其他几种可视化依赖关系和影响的方法，如校准图或散点图。

通过 ASCMO-STATIC，您可以定义各种标准，如最小化/最大化、上限/下限和输出变量的目标值，从而优化输入变量，例如控制发动机。可以对这些标准进行加权，也可以计算出完整的权衡曲线，然后从中选择适当的折衷方案。对于发动机应用，您可以在整个工作范围内执行全局优化，并在很短的时间内获得所有输入变量的最佳标定值。结果可以多种格式导出，包括 DCM、CDFX、Excel 和 CSV。

ASCMO-STATIC 可将模型用作虚拟测量仪器，人为生成大量测量数据。您可以直接在工具中或通过导入 Excel 列表为输入变量定义任何网格大小，包括步长、步数和自由断点。然后，模型会根据输入变量的所有所需参数组合计算相应的输出。与实际测量结果（如发动机测试台）一样，这种人工数据也可以使用、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。