1～6 件を表示 ／ 全 6 件
欧州、国内メーカーで多数導入実績あり！短期間で簡単にHEV/EVパワートレインや車両のモデリングができます！
●シミュレーションしたいモデルを直観的に短期間でモデリングできます ●面倒な運動方程式の組立て不要です ●Modelica言語をフルサポートしています。Moldeica言語で数式を記述すればそのままDymolaでシミュレーションすることができます。 ●ユーザーに用途に合わせてカスタマイズできます ●無料で評価版使用できます ●無料体験セミナー実施中
モデル作成からRCP・HILS構築・評価まで、全てをサポート
近年、皆様の身近にある電化製品を始め、輸送・医療・産業機器など様々な分野で、「組み込みシステム」が今日の社会を支えるコアなテクノロジーになっています。さらに数年間で組み込みシステムの大規模化にともない、以前の5~10倍以上のソフトウェア規模となり、とても複雑になっています。この現状を解決するための手法の一つにモデルベース開発が挙げられます。モデルベース開発とは、様々な分野における組み込みシステム開発プロセスの一つです。 ●モデルによる仕様の表現・定義 ●モデルのシミュレーションによる設計の詳細化、妥当性検証 ●モデルからの自動コード生成による実装 ●テスト・検証におけるモデルの再利用 弊社では、モデルベース開発に対するお客様のお声にお力添え出来るサービスを展開しております。 下記の内容でお困りのお客様に・・・ ●対象とするモデルの開発経験がない ●人手不足でモデル作成が困難 ●解析結果の妥当性について相談したい ●モデルベース開発プロセスのサポートが欲しい さらに、株式会社NEAT様と協力して、実装からフィールド計測までのサポートにも力を入れております。
欧州、国内メーカーで多数導入実績あり！短期間で簡単にプラントモデルを作成できるのでモデルベース開発(MBD)を高速化します。
●シミュレーションしたいモデルを直観的に短期間でモデリングできます ●面倒な運動方程式の組立て不要です ●Modelica言語をフルサポートしています。Moldeica言語で数式を記述すればそのままDymolaでシミュレーションすることができます。 ●ユーザーに用途に合わせてカスタマイズできます ●無料で評価版使用できます ●無料体験セミナー実施中
メカニクス、電気回路等が複合する解析対象のモデリング＆シミュレーションに！
◆◇◆「人とくるまのテクノロジー展2015」に共同出展決定！(5/20～5/22)◆◇◆ 『Dymola』は、あらゆる物理現象を数式ベース記述できる 「Modelica言語」に対応した物理モデリングツール。 ライブラリの部品アイコンを組み合わせるだけでモデル化可能。 机上で模型を作成するような感覚でモデル化してシミュレーションできます。 【追加されたオプションライブラリ】 ■Engine Dynamics Library(エンジン系) ■Liquid Cooling Library(冷却系) ■Hydro Power Library(水力発電系) ■Electric Power library(電力発電系) ■Thermal Power Library(火力発電系) ■Heat Exchanger Library(熱交換器系) ■Vapor Cycle Library(蒸気圧縮系) ■Fuel Cell Library(燃料電池系) ■Flight Dynamics Library(航空宇宙系) ※詳しくはカタログダウンロード、もしくはお問い合わせください。
モーター制御の設計/開発/検証にかかる工数を削減！物理モデリングツールDymolaを使ったモーター制御開発事例を紹介します。
今日では、モータはキーテクノロジーとして様々な分野で技術が確立され、幅広く普及しておりますが、近年、環境問題や高効率性（経済性）などにより自動車業界をはじめ再びモータ技術の開発が盛んに行われております。Dymolaにはモデルベースによるモーター制御開発において必要な部品モデルを用意しており、時間をかけず簡単にモーターモデルを作成することができます。その結果、モーター制御設計・開発・検証にかかる工数を大幅に削減することが可能です。 本資料では、DCモーターモデルを使用したカスケード制御による外乱抑制の事例のご紹介や、ACモータ（PMSMモータとIMモータ）のベクトル制御とセンサレス制御の手法を紹介しております。Dymolaのモーターモデルの紹介もしております。 詳しくはお問い合わせ、もしくはカタログをご覧ください。
PIDに代わるAI制御を、強化学習で設計してみませんか？
本ソリューションは、強化学習（Reinforcement Learning）を活用した次世代制御系の設計を支援します。従来のPID制御では対応が難しい非線形・高次遅れ系や、多自由度の制御対象に対して、学習により最適な制御戦略を自動獲得するアプローチです。エージェントが報酬に基づいて動作を選択し、性能を最大化する制御器を構築できます。MATLAB/SimulinkのReinforcement Learning ToolboxやPython環境を用いたモデルベース設計にも対応し、既存のモデル資産の活用も可能です。従来の数理モデル駆動型設計に加え、データ駆動型AIとの融合を実現します。
