ASCMO-STATIC

이타스 ASCMO-STATIC는 다양한 환경에서의 사용을 지원하고 적절한 시각화와 모델 평가 툴들을 포함한 폭넓은 기능과 강력한 최적화 알고리즘을 제공합니다. 이는 이용자가 신속하고 편리하게 데이터 기반 모델링을 수행하고 모델 기반 애플리케이션들을 실행 할 수 있도록 해줍니다.

범례

직접 분사 가솔린 엔진의 거동 디스플레이

블랙 라인: 모델 예측
레드 라인: 모델의 정확도
Y축, 하향식: 출력 파라미터 '연료 소비량', 'running smoothness', 'soot'및 'NOx배출량'의 예측
X축, 왼쪽에서 오른쪽으로: 토크 및 부하 포인트와 관련 캘리브레이션 파라미터의 상호간 조정 (파란색 라인)

특성맵의 자동 최적화. 해당 예제에서의 최적화 기준은 연료 소모량 최소화와 배기가스 규제 만족, 그리고 한계점까지 얼마나 순조롭게 도달하는가 이다.

이타스 ASCMO-STATIC 모델은 자동 및 수동으로 이루어지는 최적화와 엔진 스피드, 엔진 부하와 같은 제어된 엔진 변수들에 의한 내연기관의 연료소비량, 배기가스 배출량을 정확하게 하는 것이 가능합니다. 배출가스와 연비 간 가장 최적의 조건으로 절충하기 위해, 관련 엔진 제어 특성 맵들은 다양한 파라미터들을 측정하는 과정을 통하여, 엔진이 구동하는 동안 미리 캘리브레이션 할 수 있습니다.

Design of Experiments (DoE, 실험계획법)

DoE(Design of Experiments, 실험계획법)는 이타스 ASCMO-STATIC의 필수요소 중 하나로, 최소의 시간과 비용으로 최고의 모델 정확도를 달성할 수 있습니다.

이타스 ASCMO-STATIC의 모델은 실제 시스템 환경에서 테스트 벤치에서 수집한 측정 결과에 기초하여 파라미터화됩니다. DoE 계획 모듈은 기본 측정이 간단하게 계획될 수 있게 하며, DoE 기법은 측정하고자 하는 위치와 그 지점의 수를 사전에 준비할 수 있도록 하는데 사용됩니다. 측정 지점의 편차 범위는 3차원 그래픽화 또는 수식화로 감소시킬 수 있으며, 수식 편집기를 사용하여 임의의 차원으로 제한하는 방법을 통해 측정 개수를 줄일 수 있습니다. 작동 지점 설정과 같은 테스트 자동화의 요건들은 실제상황에 기반하여 고려됩니다. 설계된 실험의 블록으로의 지능형 분할은 원하는 정확도 만큼의 측정 노력을 기울일 수 있도록 조정해줍니다. 이타스 ASCMO-STATIC의 DoE 모듈은 최소의 측정노력으로 최대의 모델 정확도를 확보할 수 있는 방법을 통해 모델 생성을 위한 측정 지점의 위치를 선택합니다.

모델링

가우시안 프로세스 기반의 측정 데이터를 이용하여 통계적 학습 과정이 자동으로 구체적인 수학적 기능을 결정하고 이를 바탕으로 최상의 실제 시스템 거동으로 매핑을 합니다. Overfitting을 피하기 위해, 측정 노이즈는 암시적으로 고려됩니다. 이 방법은 outliers 측정에 강력합니다. 해결 모델의 분산은 사용자에게 모델 예측의 신뢰성 척도를 제공합니다. 모델 품질은 그래프와 수치를 통해 이해하기 쉽게 표시 됩니다.

시각화 및 시스템 분석

상호 교차 플롯은 다차원 의존성을 간단하게 보여주는 것이 가능합니다. 이것은 입력 변수의 영향과 상호 작용을 쉽게 분석할 수 있습니다. 이타스 ASCMO-STATIC의 강력한 최적화 알고리즘으로, 사용자는 서로 대립되는 캘리브레이션 타겟의 균형을 유지시켜 주며, 드라이빙 사이클에서 연료 소비와 배출 가스를 감소시킬 수 있습니다.

최적화

엔진 입력측 변수들의 최적화를 위해서는, 예를 들어 최소화/최대화, 낮은 한계와 높은 한계 및 출력 변수에 대한 대상 값과 같은 부분에 대해 다른 기준을 정의할 수 있습니다. 최적화하는 동안 이 기준은 가중치를 줄 수도 있고 또는 전체 트레이드 오프 (또는 파레토) 곡선을 계산할 수도 있습니다. 트레이드 오프 곡선에서 사용자가 적절한 타협을 선택할 수 있습니다. 엔진 캘리브레이션의 경우, 전체 작동 범위 이상의 글로벌 최적화를 수행할 수 있습니다. 그 결과 입력 변수와 관련된 특성 맵의 최적의 캘리브레이션이 즉시 이루어집니다. 특성 맵을 수동으로도 변경할 수 있습니다. 여기에서 사용자는 출력 특성 값 변화의 영향을 볼 수 있습니다. 이것은 현재 동작하고 있는 지점에서 개별 출력 값과 전체 드라이빙 사이클과 연관된 전체 값 모두에 마찬가지입니다.

캘리브레이션

이타스 INCA와 유사하게 working 과 reference page개념은 비교를 위한 대체 캘리브레이션을 제공합니다. 모델 기반 캘리브레이션의 결과는 DCM 또는 CSV export format으로 export 할 수 있고 INCA에서 읽을 수 있습니다

가상 테스트 벤치

이타스 ASCMO-STATIC 모델에선 몇 초 이내에 수십 만개의 측정을 인위적으로 생성할 수 있습니다. 이를 위하여 입력 변수에 대한 격자 크기가 스텝 사이즈, 스텝 번호 및 도구 또는 Excel에서 목록을 가져와 직접 자유 node로도 정의할 수 있습니다. 모델에 의해 생성된 측정 데이터는 실제 테스트 벤치 측정처럼 사용할 그래픽으로 분석하거나 Excel에서 추가 처리를 위한 CSV 파일로 내보낼 수 있습니다

개방성 및 유연성

이타스 ASCMO-STATIC은 개방적이고 유연합니다. 도구는 테스트 벤치 및 어플리케이션 기능과 관련된 모든 데이터 형식을 지원합니다. 이타스 ASCMO-STATIC는 다양한 포맷으로 기존 모델을 export할 수 있습니다. MATLAB ® 인터페이스의 도움으로 고객의 특정 기능과 모델을 쉽게 통합될 수 있고 스크립트 기반의 시퀀스를 자동화합니다. 테스트 벤치 자동화 시스템에 연결하는 것도 가능합니다.