Одноэтапная модель подходит для модели со всеми данными в одном процессе. Если ваши входы данных не имеют иерархической структуры, и все входы модели являются глобальными на одном уровне, то подбирайте одностадийную модель.
Если ваши данные имеют локальные и глобальные входы, где некоторые переменные фиксированы, изменяя другие, выберите вместо этого двухэтапную или двухточечную модель.
Двухэтапная модель подходит для модели с данными с иерархической структурой. Если ваши данные имеют локальные и глобальные входы, где некоторые переменные фиксированы, изменяя другие, выберите двухэтапную модель. Например, данные, собранные в форме искровых свипов, подходят для двухэтапной модели. Каждый тест охватывает область значений углов искры с фиксированными скоростью вращения двигателя, нагрузкой и отношением воздух/топливо в каждом тесте.
Если ваши входы данных не имеют иерархической структуры, и все входы модели являются глобальными, на том же уровне, то вместо этого подбирайте одноэтапную модель.
Для двухэтапных моделей задайте только одну локальную переменную. Если вам нужно больше локальных входов, используйте вместо этого одноэтапную или двухточечную модель.
Точечное моделирование позволяет вам создавать модель в каждой рабочей точке двигателя с необходимой точностью, чтобы получить оптимальную калибровку. Часто нужны точечные модели для нескольких инъекционных дизельных двигателей и бензиновых двигателей прямого впрыска.
С моделями «точка за точкой» никакие предсказания не доступны между рабочими точками. Если вам нужны предсказания между рабочими точками, используйте вместо этого одноэтапную модель.
| Тип модели | Модели по умолчанию | Настройки больших данных |
|---|---|---|
| Одноэтапный | Модель отклика: Гауссовская модель процесса (GPM) | Для > 2000 точек использует поведение больших данных для моделей Гауссовых процессов из Toolbox™ статистики и машинного обучения. |
| Контур модель: Выпуклая оболочка подгонки к входам | Для > 2000 точек переключается на попарную выпуклую оболочку (по одному на каждую пару входов). Переключаться при ≥ 8 входах, даже когда < 2000 точек. | |
| Двухэтапный | Локальная модель: Квадратичная Глобальная модель: Гибридная радиально-базовая функция (RBF) | Для > 2000 тестов глобальная модель переключается на квадратичную. |
| Краевая модель: Выпуклая оболочка соответствует глобальным входам и двухэтапная краевая модель для локального входа. | Для > 2000 испытаний глобальная краевая модель переключается на парную выпуклую оболочку. Переключаться при ≥ 8 входах, даже когда < 2000 точек. | |
| Point-by-point | Тулбокс подбирает эти типы модели к каждой рабочей точке и выбирает лучшую модель:
| Для любой рабочей точки > 2000 точек или > 100 рабочих точек переключается на подбор кривой одного GPM на рабочую точку (нет гибридного RBF или полинома). |
| Краевая модель: Модель контура точка за точкой с одной Выпуклой оболочки, подгонки всем входам в каждой рабочей точке. | Если какая-либо рабочая точка имеет > 2000 точек, то модель контура точка за точкой переключается на парную выпуклую оболочку. Переключаться при ≥ 8 входах, даже когда < 2000 точек. |
Если вы используете созданный шаблон, можно переопределить модели по умолчанию, когда вы подбираете модель. В диалоговом окне «Подгонка моделей» очистите Use default models for large data опции.
В следующей таблице показаны типы модели, доступные для одноэтапного и двухэтапного моделирования.
| Тип модели | Одноэтапный и двухэтапный глобальный | Двухэтапный: Локальный |
|---|---|---|
| Линейная модель | Да | Да |
| Функция радиального базиса (RBF) | Да | |
| Гибридный RBF | Да | |
| Интерполяция RBF | Да | |
| Несколько линейных моделей | Да | |
| Сплайн свободного узла | Да, только один фактор | Да, только один фактор |
| Нейронная сеть (требует Deep Learning Toolbox™ программного обеспечения) | Да | |
| Средняя подгонка | Да | |
| Модели «точка за точкой» * | Да | |
| Модели роста | Да, только один фактор | |
| Полином * * | Да, только один фактор | |
| Полиномиальный сплайн * * | Да, только один фактор | |
| Усечённая степень | Да, только один фактор | |
| Определяемый пользователем # | Да (пример является только одним фактором) | Да |
| Переходный # | Да (пример только для двух факторов) | Да |
* Модели «точка за точкой» дают вам доступ к типам глобальных моделей для вашей локальной модели.
* * Полином и полином сплайн являются двумя линейными моделями особых случаев для локальных моделей с одним входным фактором. Можно использовать полиномиальные и полиномиальные модели сплайна (с большим количеством настроек) для локальных моделей с большим количеством факторов путем выбора Линейных моделей.
# Пользовательские и переходные модели необходимо сдать на хранение в тулбокс, прежде чем использовать их. Они доступны только для заданного количества факторов. Существует пример пользовательской модели для одного фактора, предварительно зарегистрированного с помощью тулбокса. Приведенная в качестве примера переходная модель должна иметь ровно два фактора, один из которых должен быть временем.
