ASCMO-MOCA（模型标定）
ETAS ASCMO-MOCA能够优化物理动机模型中的参数，例如ECU和仿真环境中使用的模型。出于该目的，可以加载、连接各种被控对象模型和控制器模型或对其建模。此外，还可以加载测量数据，导入和导出模型参数，并定义优化任务。ASCMO-MOCA为可视化和分析数据以及所使用的模型提供了丰富的功能和选项。强大的算法能够同时优化大量的自由参数，同时考虑到平滑度或单调性等约束条件。
ASCMO-MOCA的一个非常普遍的用途是优化扭矩或废气温度等ECU模型（虚拟传感器）的预测质量。通过该功能，所有测量点的模型预测与发动机测试平台或车内实际测量的偏差实现了最小化。
另一项应用是优化复杂内燃机在动态/瞬态驾驶周期中的排放和油耗。这需要将各种基于ASCMO数据的典型模型链接到ECU软件的各个部分。在ASCMO-MOCA中，这种链接和不同子组件的联合优化非常简单。
由于ASCMO-MOCA中使用的方法不限于内燃机，因此该工具还用于电动汽车（例如充电策略）和组件开发等领域。
优点
- 方便使用，无需专业知识
- 支持常见的模型格式，例如ASCET、Simulink和FMI/FMU。
- 具有灵活的选项，可自由复制函数作为公式并可链接模型。
- 数据和结果的交互式图形表示
- 强大的优化方法
- MATLAB®和COM接口，用于远程控制和整合客户专用功能。
特点和功能
ASCMO-MOCA可以读取各种常见的文件格式。可以将多个数据集加载到工具中，并对其进行不同的加权，以便进行后续优化。测量文件中使用的各个通道名称均可以各自分配给模型中使用的名称。这意味着一旦创建了一个项目，就可以与包含不同名称的新数据集一起重复使用该项目，而无需予以修改。测量通道可以方便地进行转换，以便处理不同的单元。
ASCMO-MOCA为检查数据和结果的合理性提供了广泛的可视化选项。它们可以采取交互式散点图或基于时间的范围视图的形式。一旦选择了视图，就可以将其存储为模板，在以后再用于新的数据集和分析。
ASCMO-MOCA的一个重要步骤是为工具提供相关的模型。
原则上，模型是作为纯被控对象模型还是作为包含将要调整和优化的参数的控制器模型使用是没有区别的。ASCMO-MOCA支持以下常见的模型格式：Simulink、FMU、ASCET、TSim Plugin、COSYM Simulation和ASCMO-STATIC / ASCMO-DYNAMIC。借助于ASCMO-MOCA的自动模型分析提供的支持，每种模型都可以单独配置，因此可以访问相应的输入和输出以及内部参数（如果有）。对于Simulink模型来说，一个重要的方面是这些模型直接在Simulink环境中执行。因此，在Simulink中，与所使用的版本和功能有着高度的独立性。
ASCMO-MOCA可以使用自由定义的公式将上述几个模型相互连接起来。此外，公式语言为用户提供了一种通用的方法来直接重建他们想要的模型结构。特别是在没有最终模型或无法访问最终模型的情况下，尤其需要这样做。这个基于公式的选项提供的另一个显著优势是极高的优化速度。通过向用户提供（例如）所有现有的测量通道、参数和模型输出以及标准算术运算，公式编辑器简化了输入公式的任务。
ASCMO-MOCA使模型参数的创建、管理和编辑变得容易，这些参数通常以特征图、特征曲线和标量值的形式存在。用户可以导入或导出常见格式的参数，也可以创建全新的参数。每个参数都以适当的形式（例如特征图）显示。可以使用鼠标或使用键盘在表格中输入数值，以图形方式对其进行更改。该工具还允许定义每个参数的上限/下限值和参考值。
ASCMO-MOCA提供了一种管理各种参数集的便捷方法。这些参数集始终包括一个所谓的当前工作集和一个参考集。 除此以外，用户还可以定义和命名更多参数集。
此外，在优化过程中会自动保存多个参数集。每一次迭代以及优化前后的每个版本都会被保存为一个附加参数集。
ASCMO-MOCA的主要任务是优化模型参数。这通常涉及将模型的计算输出与实际测量值进行比较。 然后，将每个单独的测量点与模型预测之间的偏差用作判断相关程度的衡量标准。出于该目的，计算并显示模型的均方根误差（RMSE）。然后，优化器通过改变所有自由参数来最小化均方根误差。
此外，在优化过程中可以考虑多种自由定义的边界条件：
- 某个参数可以调整的范围定义
- 特征图或曲线的平滑度或其梯度和单调性
- 同时使用多个优化标准，包括它们的权重
- 从优化中排除个别特征图或曲线值
出于多种原因，将优化分为多个分步（排序）可能很有用。 这可能导致更快地达到优化目标，或者导致模型的参数化（参数值的组合）受到影响，从而更好地与预期的物理依赖性相对应。与此相关的典型功能包括：
- 选择需要优化的参数
- 更改特征图和曲线的断点数
- 更改数据集或优化标准的权重
- 调整上限/下限和平滑度
- 选择测量数据的子集
ASCMO-MOCA为详细分析优化结果提供了一系列统计分析和可视化。优化前后的误差分布可以以（例如）直方图或点云的任意组合的形式显示。此外，该工具还提供敏感性和相关性分析。
兼容性
ASCMO-MOCA具有开放性和灵活性。该工具支持所有相关的数据格式，例如，在ECU软件和标定中使用的数据格式。使用MATLAB®接口，可以轻松地整合客户专用功能和改编，并用脚本自动执行操作。
