# 基于模型的设计优化
设计优化工具提供用于分析和调整模型参数的一套 APP，包含模型试验设计、敏感度分析、参数估计、响应优化。
# 工作流程
此工作流旨在提供一套完整的解决方案，用于分析和调整复杂系统的模型参数。通过使用设计优化工具箱，用户可以高效地进行多方案试验设计、敏感度分析、参数估计和响应优化，从而提升模型的准确性和系统性能。该工具箱支持以下功能：
- 支持用户进行系统组件多方案试验设计和多参数矩阵模型试验设计，并通过并行批量仿真验证对比；
- 支持用户对 Modelica 模型参数进行敏感度分析和量化，获得模型中参数灵敏度较高的参数，确定优化方向；
- 支持用户根据测量数据进行未知模型参数估计，提高模型仿真的准确性；
- 支持用户改善系统设计特性，对模型参数进行单目标、多目标响应优化以满足设计需求。
# 模型参数分析和优化工作流如下：
# 工具箱使用介绍
模型试验设计
模型试验设计工具箱包含参数矩阵和组件选型两大功能。参数矩阵通过试验设计方法分析不同参数组合对系统性能的影响；组件选型则通过替换组件探究不同组合的输出特性。两者均基于批量仿真，旨在提升仿真效率，减少重复劳动。
敏感度分析
敏感度分析评估模型参数变化对输出的影响，识别关键参数，帮助理解模型稳定性和可靠性，指导数据收集与模型优化。它能量化参数微小变动对输出的显著影响，评估模型对不确定性的敏感度，为模型验证和决策提供依据。
参数估计
对于一个输入已知、输出可测，但系统中某些参数无法准确判断的系统。可以利用仿真软件搭建相应系统的仿真模型，通过参数估计相关的算法对参数进行调节，以使系统的仿真输出与真实系统的测量数据吻合，最终计算出参数的准确数值，这就是参数估计的一般过程。
响应优化
响应优化是一种通过调整和选择可观测的调节参数来改变系统行为和性能的过程。它涉及参数估计，目的是找到那些对模型输出或性能有显著影响的关键参数。在优化过程中，需要确保所选参数既可观测，又能显著影响模型结果，以便通过调整这些参数来优化系统响应。
# 工程应用
此案例通过一个Sysplorer实际案例，介绍车辆在零百加速工况分析优化过程中，设计优化工具的使用。
# 典型应用示例
# 模型试验
批量仿真使用参数矩阵，对同一模型进行批量仿真，快速获得多种不同条件下的仿真结果，找到最优参数。
试验设计使用参数矩阵，通过合理地挑选试验条件进行试验，建立响应与因子之间的函数关系或找出最优的改进方案。
蒙特卡洛分析对多维输入参数的模型进行蒙特卡洛分析。
组件设计介绍在工程开发过程中，针对设计早期存在多系统设计方案的现状，通过组件选型功能，生成不同系统模型，找到最优方案。
# 敏感度分析
前庭-眼反射模型此示例演示如何使用敏感度分析工具箱对前庭-眼反射系统进行敏感度分析，缩小拟合模型时需要估计的参数数量。
连续搅拌槽反应器此示例演示如何使用敏感度分析工具箱对连续搅拌槽反应器（CSTR）的设计进行采样和探索，以在同时考虑反应器输入端温度和浓度的不确定性的前提下，最小化产品浓度变化和生产成本。
# 参数估计
肌肉反射模型本示例演示如何使用参数估计工具箱对一个膝盖肌肉反射模型的参数进行估计。
蒸发器模型本示例将介绍如何使用参数估计工具箱对含有多种工况的蒸发器模型进行参数估计。
简易小汽车模型介绍如何使用参数估计工具箱对简易小汽车模型中的关键参数进行估计。
# 响应优化
矩形面积优化模型此示例演示使用一个简单的矩形面积优化模型，来利用响应优化工具箱设计一个变量属性需求，以实现单目标优化。
多目标优化模型通过一个多维度的函数来介绍如何使用响应优化工具箱实现多目标优化。
单容水箱优化模型此示例演示如何利用响应优化工具箱来优化控制系统中的控制参数，以满足系统的阶跃响应性能指标的设计要求。
简单减震系统优化模型此示例演示如何利用响应优化工具箱来优化控制系统中的控制参数，以满足系统的响应边界范围设计要求。
简单小汽车模型本文将使用简单小汽车模型，来介绍如何使用响应优化工具箱设计一个变量追踪需求，以实现对变量进行简单线性拟合。