Amesim之DOE数据分析
实验设计允许确定哪些参数影响模型的某些性能标准，该模块可以比较不同控制参数对一个或多个目标(或响应)函数的影响。DOE模型的目的是对模型进行更深入的物理分析，允许简化模型或执行分层优化以减少计算时间:只优化有影响的一阶参数，然后在必要时优化二阶参数(保持其他参数不变)。这样，当某些参数对性能没有显著影响时，我们可以避免同时对所有参数进行代价高昂的优化。最后，利用DOE得到了一个价值的目标函数的替代数学模型——多项式响应面(RSM)。如果响应面是一个多项式函数，则参数的影响反映在其系数值上。
在这个实例中，将有以下内容:
定义DOE，优化和蒙特卡罗研究。
运行这些研究。
设计探索工具的图表。
设计探索进行后期处理。
系统如下图所示：
设计探索的第一步包括选择要研究的输入(模型参数)和输出(模型变量)，这个模型由被动悬架和主动悬架两种车型的汽车悬架组成，我们将使用符号PS表示被动悬挂和AS表示主动悬挂。我们考虑每个悬架模型的两个输出量:
车身的垂直加速度；
轮胎模型弹簧的压缩量；
车身的高垂直加速度对汽车乘客来说是非常不舒服的。加速度应小于1 g = 9.81 m/s/s。第二个量模拟轮胎的压缩。负压缩意味着轮胎不再与路面接触。
这引出了两个标准:
如果可能，使轮胎的压缩系数为正；
尽量减小车身的加速度；
默认除了允许阻尼率变化外，所有的参数都是固定的。
原始设置模拟出以下结果：
被动悬架主体的加速度：
被动悬架车型的轮胎压缩量
主动悬架具有与被动悬架相同的初值
打开优化管理器
设置输入输出，在输出里有简单输出和复合输出两种，在简单输出中可以用拖拉的方式定义，在复合输出的过程中需要自定义其函数形式，在这个模型中复合输出中是要找出最大值与最小值。参数定义界面如下 ：
参数设置完成后就可以运行计算，然后进行数据分析。具体DOE数据分析处理的操作过程可参考视频课程第二期：参数分析和系统优化专题里的第31讲：DOE与数据分析处理。
