ETAS ASCMO支持各种使用情况，具备包括适当可视化和模型评价工具在内的多种功能，并提供强大的优化算法。ETAS ASCMO允许用户进行数据建模，并轻松迅速地运行模型应用。


直喷汽油机的行为演示
说明

黑线：模型预测
红线：模型准确性
Y轴，上-下：输出参数预测，“燃料消耗量”，“运转平稳性”“烟度”，“氮氧化物排放”
X轴，左-右：扭矩负荷及相关标定参数点的调整（蓝线）.
Automated optimization of characteristic maps.
典型示意图的自动优化。此例中的优化标准是最低油耗，遵守排放与行驶平顺性标准。
例如，按照发动机速度、负载或任何受控发动机变量，ETAS ASCMO模型可自动或手动优化并准确预测复杂内燃机的油耗和排放值。然后，根据操纵变量进程，可预标定相关发动机控制指标图，使发动机运行期间的排放量和油耗达到最佳平衡。

实验设计（DoE）
实验设计（DoE）是ETAS ASCMO的基本要素，能在测量工作量最小的情况下达到最大模型精度。

根据真实系统环境中测试平台所收集到的测量结果，对ETAS ASCMO模型进行参数化。DoE试验规划模型允许按照简单的方式对基础测量进行规划，DoE法用于确定测量点的数量和位置。测量点的变化范围在图形或数字方面最多可缩减三个维度，而且利于公式编辑器可限制在任何维度范围内。按照实践性方式考虑操作点设置等试验自动化要求。设计实验的智能型分块能够将测量调节为所需精度。ETAS ASCMO的经验设计模块选择创建模型所需要的测量点位置，以确保在测量工作量最小的情况下达到最大模型精度。

建模
利用以高斯过程为基础的测量数据，统计学习过程自动确定最佳映射真实系统行为的具体数学函数。为避免出现过拟合，须隐式考虑测量噪声。这种方法足以测量异常值。空间分辨模型方差是用户预测模型可靠性的一种方法。模型质量用易于理解的图形和数据表示。

可视化和系统分析
互动交互图表能简单显示多维度依赖关系，便于简单分析输入变量的影响和交互作用。利用强大的ETAS ASCMO优化算法，用户可解决标定目标冲突，并减少驱动循环中的油耗和排放量。

多维度优化
为优化控制发动机的输入变量，例如，可以定义最小化/最大化、上限/下限和输出变量目标值等不同标准。优化期间，可对这些标准或计算全选择曲线（或帕累托曲线）进行加权计算。用户可从选择曲线中选择合适的折中曲线。发动机标定时，可通过整个操作范围进行全局优化。因此，能立刻实现与输入变量相关的指标图的最佳标定。指标图还能进行手动更改。此时，用户总能直接观察到其更改输入值的影响。对于电流运行点的单个输出值和整个驱动循环相关总值而言，这都是正确的。

标定
与ETAS INCA类似，工作和参考页概念使备用标定比较变为可能。模型标定结果可采用DCM或CSV输出格式进行输出，并读入INCA。

虚拟测试平台
在几秒钟内，从ETAS ASCMO模型中人为地生成成千上万个测量值。为此，可按照步长、步号和自由节点直接在工具内或通过输入Excel列表定义任何输入变量的网格大小。模型生成的测量数据正如真实测试平台测量值一样使用，以图形方式进行分析，然后作为CSV文件输出，有待进一步在Excel中进行处理。

开放和灵活
ETAS ASCMO是开放和灵活的。此工具支持与测试平台和标定功能相关的所有数据格式。ETAS ASCMO能够以不同格式输出现有模型。在MATLAB®界面的帮助下，客户专用功能和模型可轻松地实现集成，并实现脚本序列自动化。还有可能链接测试平台自动化系统。

提示1：包含软件安装的产品CD与所需的软件许可证分开发放。