基于模型的标定工具箱
建模和校准复杂的动力系统
基于模型的校准工具箱™提供了用于建模和校准复杂非线性系统的应用程序和设计工具。它的应用范围很广，包括发动机、电机、泵和风扇等动力系统，以及喷气发动机、船舶水翼和钻井设备等非汽车系统。您可以定义最佳的测试计划，自动拟合统计模型，并为需要使用传统方法进行详尽测试的高自由度系统生成校准和查找表。使用工具箱应用程序或MATLAB®功能，可以自动进行模型拟合和校准过程。
使用基于模型校准工具箱创建的模型可以导出到Simulink金宝app®支持控金宝app制设计，灵敏度分析，硬件在环测试和其他仿真活动。校准表可以出口到ETAS INCA和ATI VISION。
开始:
实验设计
基于模型校准工具箱™使您能够基于实验设计设计测试计划，这种方法允许您仅执行确定系统响应形状所需的测试，从而节省了测试时间。这个工具箱提供了一系列经过验证的实验设计，包括空间填充设计、优化设计和经典设计。
定义一个填充空间的设计，并使用设计编辑器研究该设计的属性。
为选定的模型类型分配本地/全局变量。
优化发动机的性能
基于模型校准工具箱中的MBC优化应用程序允许您为控制发动机功能(如火花点火、燃油喷射和进排气门正时)的查找表生成最佳校准。这些特性的校准通常涉及发动机性能、经济性、可靠性和排放之间的权衡。您可以:
- 在相互竞争的设计目标之间做出权衡
- 执行多目标约束优化
- 执行基于典型驾驶周期的加权优化
- 出口校准到ETAS INCA和ATI VISION
马自达的SKYACTIVE-D引擎。
校准估计量的特性
控制器软件通常包含一些特性，用于估计在生产中难以测量或成本过高的状态，如发动机扭矩或空气充气。使用MBC优化应用程序，您可以用图形化方法描述估计器特性金宝app®框图，填充这些特性的查找表，然后将估计量与由测量数据制成的经验模型进行比较。
为估计发动机扭矩的子系统校准、填充和验证特征表的过程。
工厂建模与优化
使用工具箱中开发的统计模型来捕获难以使用传统数学和物理建模的现实世界复杂物理现象。例如，您可以将扭矩、油耗和发动机输出排放的模型输出到Simulink，并进行动力系统匹配、燃油经济性、性能和排放模拟。金宝app然后统计代理可以替换Simulink中长时间运行的子系统，以加快模拟时间。金宝app
参考应用程序从动力总成Blockset。
半实物测试
导出到Simulink的基于模型的校准工具箱模型可以与硬件一起用于实时仿真，为传感器和执行器线束提供快金宝app速、准确的工厂模型仿真。由于在工具箱中开发模型利用了一个有方法的过程，您可以减少与当前HIL植物模型开发技术相关的瓶颈，从而更早地验证算法设计。
完成Speedgoat机架设置。这个设置被用于自动测试牵引车控制器与硬件在环测试台。
查找表
简化了填充断点、平滑数据和访问常见任务的工作流程
回归模型
使用CAGE导入并优化统计学和机器学习工具箱回归模型
实验设计
在操作边界增加发动机校准点
例子
用于发动机校准，实验设计和发动机建模的现场脚本
看到发布说明有关这些特性和相应功能的详细信息。
