Modélisation du comportement dynamique basée sur les données

L'élément "plan d'expériences" (DoE) vous permet d'obtenir une précision maximale du modèle avec un effort de mesure minimal. Le module de conception expérimentale DoE (ExpeDesDynamic) facilite la planification des mesures sous-jacentes et propose une courbe temporelle des variables d'ajustement dans laquelle différentes valeurs finales avec différents gradients sont approchées méthodiquement et de manière à remplir l'espace. Il permet d'ajuster la plage de variation des paramètres, d'ajouter des points stationnaires et des extraits de cycles de conduite réels, et de prendre en compte les aspects spécifiques et les particularités des mesures dynamiques effectuées sur les bancs d'essai des moteurs. Les représentations graphiques des courbes (trajectoires) dans toutes les dimensions facilitent la validation de votre plan DoE.

ASCMO-DYNAMIC utilise des vues temporelles pour afficher le comportement du système en fonction du modèle. Il offre également plusieurs autres options pour visualiser les dépendances et les influences, y compris le diagramme de dispersion. Les options d'analyse étendues comprennent des informations statistiques telles que la moyenne, les valeurs extrêmes et l'erreur quadratique moyenne du modèle (RMSE). En outre, les prédictions du modèle peuvent être comparées à des mesures réelles afin d'évaluer la précision de la courbe dans le temps. Pour obtenir un taux d'échantillonnage approprié pendant la mesure, ASCMO-DYNAMIC vous permet de réduire la quantité de données en procédant à un sous-échantillonnage. Cela permet d'améliorer la qualité du modèle et de réduire le temps nécessaire à l'apprentissage du modèle.

ASCMO-DYNAMIC permet aux utilisateurs moins expérimentés d'appliquer facilement les méthodes de modélisation avancées requises pour une prédiction précise et robuste du comportement dynamique/transitoire du système. En même temps, il donne aux experts la liberté d'ajuster les paramètres du modèle avec un haut degré de flexibilité. ASCMO-DYNAMIC offre une grande variété d'approches de modélisation telles que les modèles de processus gaussiens, les réseaux neuronaux récurrents ou convolutifs, les modèles d'ensemble, ainsi que l'autoencodeur pour la détection d'anomalies. Grâce à l'apprentissage automatique d'ASCMO-DYNAMIC, l'outil détermine automatiquement la fonction mathématique spécifique qui représente le mieux le comportement réel du système. Tous les modèles peuvent être exportés dans des formats tels que Simulink, le code C et FMU/FMI pour une utilisation en dehors d'ASCMO.

ASCMO-DYNAMIC vous permet d'utiliser les modèles comme un instrument de mesure virtuel. Un exemple est la prédiction des émissions sur un cycle de conduite complet sur la base de séries temporelles de variables d'entrée. Pour toutes les combinaisons de paramètres souhaitées des variables d'entrée, le modèle calcule ensuite les variables de sortie correspondantes. Tout comme les mesures réelles (par exemple au banc d'essai du moteur), ces données artificielles peuvent être utilisées, analysées graphiquement et exportées sous forme de fichier CSV pour un traitement ultérieur dans Excel.