这里使用了机器学习领域的人工智能方法，可以让用户准确地对复杂的关系进行建模，而不需要关于后台算法的精确知识。因此，该软件的用户范围非常广，既有经验较少的用户——他们喜欢无参数、自动化的模型创建，也有专家——由于提供了广泛的配置选项，他们可以获得所需的所有自由。
ASCMO-STATIC的一个典型应用是将复杂内燃机的油耗和污染物排放作为发动机转速、负载和所有发动机控制变量的函数进行建模。可以做出准确的预测，并且可以基于这些模型进行手动和自动优化。这使得在发动机运行期间，污染物排放和油耗以及其他边界条件之间实现最佳折衷成为可能。
优点
- 方便使用，无需专业知识
- 来自机器学习领域的强大AI方法
- 多维度依赖关系的交互式图形表示
- 够使用标准格式共享模型和数据
- 降低时间关键型应用的模型复杂程度，如在ECU中部署
- 强大的MATLAB®和COM接口，用于整合客户专用功能和工具，并连接到测试平台自动化系统
特点和功能
由于ASCMO-STATIC中使用了基于数据的建模，因此这些数据通常必须通过实际系统上的测量获得。其中一个基本要素是实验设计（DoE），它能够以最小的测量工作量获得最大的模型精度。
通过DoE实验设计模块（ExpeDes），可以轻松计划基础测量。通过实验设计方法，有条理地并以空间填充的方式提出了获得测量值的测量点的位置。在每种情况下，最多可以在四个维度上以图形或数字方式限制要调整的参数的变化范围。使用公式编辑器，这可以在任何数量的维度上实现。由于将实验设计智能划分为若干块，因此可以调整测量所需的时间和精力，使其与所需的准确度相称。此外，还可以设置测量点的排序顺序以及在实验空间的某些区域对点的压缩。有关测试平台自动化的要求（如操作点的排序和排列）也以高度实用的方式考虑在内。所有维度上的点的图形表示有助于DoE计划的直接验证和评估。
ASCMO-STATIC中建模的主要功能是能够准确、直接、可靠地预测系统行为。该工具使经验较少的用户更容易使用所需的高级建模方法，但同时也使专家可以自由地调整模型参数，具有很高的灵活性。在ASCMO-STATIC中，建模是基于高斯过程模型。这包括使用基于高斯过程的测量数据的统计学习方法，该方法已多次证明其价值。通过这种方法，可以自动确定最能代表实际系统行为的具体数学函数。
创建这样的模型非常容易。在选择系统的相关输入（影响变量）和输出（目标值）后，用户可以立即启动模型训练，而无需进一步进行参数设置。
模型训练所需的时间取决于测量点和输入的数量，通常需要几秒钟到几分钟的时间。有经验的用户可以激活专家模式，这使他们能够访问所有模型选项和参数，从而在需要时进行特定的调整，这些调整会对模型训练产生影响。模型质量由易于理解的图表和关键数字表示。
高斯过程模型的其他优点：
- 考虑了测量噪声，因此可以避免过拟合
- 对测量异常值的鲁棒性
- 局部解析的模型方差为用户提供了模型预测可靠性的度量
除了标准的建模方法外，该工具还为特殊任务提供了其他算法。这包括用于分类和降低复杂性的模型。所有模型也可以以不同的格式导出，并作为所谓的被控对象模型在ASCMO之外自由使用。可能格式的常见示例有Simulink、C代码和FMU/FMI。
有一种特殊的格式可用于创建在博世AMU（高级建模单元硬件加速器）上使用的导出。AMU是Bosch MDG1 ECU上的一个特殊模块，用于评估量产车中存储在其上的 ASCMO 模型。
用于可视化模型的标准视图之一是所谓的交点图。这些交互式交点图允许以一种直接的方式显示多维的依赖关系。x轴显示系统的输入，y轴显示输出。
在每个子图中，黑线（模型预测）显示输入（x轴）对相应输出（y轴）的影响。换句话说，如果输入发生变化，实际系统将以黑线所示的方式影响输出——只要所有其他输入没有调整。一旦调整了另一个输入，这种依赖关系就会改变。这显示了输入的相互作用是如何对输出产生影响的。在黑线的上方和下方还显示了一条红色虚线，表示模型预测的可靠性。它越靠近黑线，模型就越确定预测能够可靠地计算出来。
除了ASCMO-STATIC中的主视图外，还有各种其他选项可用于可视化依赖关系和影响。例如，这还包括显示标定图或散点图的能力，这些标定图或散点图可以以任意数量的不同组合将数据显示为点云。
因此，用户拥有一系列选项来分析和可视化建模系统的行为。它提供了一种直接的方法来执行验证任务并建立对系统的理解，而无需对实际系统执行复杂而耗时的测量。
为了优化用于控制（例如，控制发动机）的输入变量，可以定义各种标准，例如输出变量的最小化/最大化、上限值/下限值和目标值。在优化过程中，可以对这些标准进行加权，也可以计算出完整的取舍曲线（帕累托曲线）。然后用户可以从取舍曲线中选择适当的折衷方案。对于发动机应用，可以在整个工作范围内进行全局优化。然后，用户在很短的时间内收到对所有输入变量特征图的最佳标定。特征图也可以手动调整或锁定。用户始终能够立即看到更改对输出值的影响。对于当前操作点的单个值以及整个驾驶周期的累计值都是如此。
优化得到的结果可以导出为各种格式。当涉及到发动机管理标定时，通常采用的格式是DCM或CDFX。也支持Excel的XLS和XLSX格式以及CSV格式。
在ASCMO-STATIC中，模型可以作为虚拟测量仪器，用于人工生成大量的测量数据。为此，用户可以直接在工具中或通过导入Excel列表来定义步长、步数和自由断点等方面输入变量的网格大小。对于输入变量的所有预期参数组合，模型将计算相应的输出变量。就像真实的测量（例如，从发动机测试平台上）一样，可以使用这些人工测量数据，对其进行图形化分析，并导出为CSV文件，以便在Excel中进一步处理。
兼容性
ASCMO-STATIC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，在测试平台上和标定中使用的数据格式。ASCMO-STATIC可以将创建的模型导出为各种格式以在其他环境中使用。使用MATLAB®接口，用户可以轻松地整合客户专用功能和模型，用脚本自动操作，或合并测试平台自动化。也可以通过COM接口连接测试平台自动化。
