DMA 数字样机适配代理工具

DMA 数字样机适配代理工具提供复杂大规模系统模型等效代理、基于数据学习训练的模型代理、多物理场分析模型的降阶代理，形成高效运行的黑盒模型。以数据模型生成为基础，用于将复杂的三维仿真模型转化为简化的一维或零维模型以及机理数据模型的系统模型生成，提高系统仿真的效率的精度，同时保留模型的关键动态特性，最大限度的发挥数据在数字孪生工程中的作用。工具箱生成的系统模型可与其他的系统模型组件在统一建模仿真环境中高效联合仿真，实现对复杂装备的整体性能分析和优化。DMA 数字样机适配代理工具打通了三维场仿真与系统仿真、数据模型仿真与系统机理模型仿真的壁垒，广泛适用于航空、航天、船舶、核工业、智能制造、智能家电等领域。
DMA 数字样机适配代理工具将根据技术发展持续进行更新，敬请关注后续动态。

复杂大规模系统模型等效代理

复杂系统模型中通常存在大量的非线性计算和事件机制，在进行迭代求解时，迭代次数不可控，导致无法在固定的时间步内完成仿真，且目前大部分平台不支持复杂非线性模型的实时化处理，可以使用DMA 数字样机适配代理工具，对系统模型的仿真结果进行训练，形成代理模型，以实现大规模系统模型的快速运行。

基于数据学习训练的模型代理

将海量、高采样率的系统地面试验数据或历史运行数据，通过数据预处理和模型训练，降阶为简洁、高保真的状态空间模型或传递函数模型。生成的模型体积小、仿真速度快，可直接用于状态预测、故障诊断，甚至可封装后嵌入控制器设备，实现机理与数据融合建模。

多物理场分析模型的降阶代理

面向三维场模型面临着计算机算力及数据存储能力与求解模型的计算量不匹配的问题，支持直接读取三维场数据，内置超大规模场数据降阶算法，形成多物理场降阶模型，并且接入多学科系统功能模型进行统一仿求解，实现高效计算与高精度仿真的平衡，实现多专业、多层次、多物理、多尺度等多要素模型的有机融合，建立多物理场耦合模型，满足实际工程中复杂系统综合仿真、虚实融合仿真等仿真需求，支持高效高精度数字孪生仿真。

向导式模型训练与代理模型生成

1）输入训练数据管理，支持输入输出变量选择、训练集验证集合划分，常见的数据预处理操作：绝对值、倒数、相反数、数据平移、缩放、均值平滑、符号函数、加法、减法、乘法、除法。2）DMA 模
型训练，支持两种仿真架构，即静态模型和动态模型，支持模型选择、自定义数据架构、模型信息显示，并且支持训练后直接显示模型置信度，在训练的过程中实时显示残差信息与残差曲线。3）模型检验与评价指标，对 DMA 数字样机的拟合和预测的效果分别给出直观的曲线图结果和量化的统计结果，帮助用户确定当前训练结果的置信度水平，决定是否继续优化。4）支持将系统模型或者场模型直接生成轻量化的 C 架构 DMA 数字样机，在保证精度的同时，进一步提高了仿真效率，达到毫秒级，支持生成 PMU。