Discover IDX-TUNE
BUILD CONFIDENCE BEFORE YOU PREDICT.신뢰할 수 있는 계산은, 신뢰할 수 있는 모델에서 시작합니다.
IDX-TUNE은 해석 모델과 시험 데이터를 비교·보정하여 모델의 동특성과 응답을 실제 시험 결과에 맞추고, 후속 해석에 사용할 수 있는 기준 모델을 준비합니다.
모델이 충분하지 않은 경우에는 시험 응답 데이터에서 시스템의 동특성을 식별해 상태공간 모델이나 등가 모델을 생성할 수 있으며, 열 영역에서는 시험 데이터를 기반으로 열전달계수와 열 파라미터를 식별합니다.
-
CAE / FEM해석 모델
-
Test FRF주파수 응답 데이터
-
Response Data힘-응답 / 응답 데이터
-
Thermal Test Data온도 / 전력 / 유량 데이터
DOMAIN pLSCF · SEMM
DOMAIN ERA · System ID
-
Corrected Dynamics / FRF보정된 모델 / 응답 -
Identified Model / ROM식별된 등가 모델 -
Thermal Parameters식별된 열 파라미터
Core Capabilities
VALIDATE, CORRECT, AND IDENTIFY.시험 데이터를 기준으로 모델을 검증하고, 필요한 특성을 보정·식별합니다.
IDX-TUNE은 주파수, 시간, 열 영역의 서로 다른 데이터를 활용해 모델의 신뢰성을 확보합니다.
보정되거나 식별된 결과는 단순한 분석 결과로 끝나지 않고, IDX의 조립 · 소스 식별 · 최적화 등 후속 계산에 사용되는 기준 모델이 됩니다.
Frequency-Domain Model Correlation & Updating
시험 데이터와 해석 모델을 비교·보정해 실제 동특성에 맞춥니다.
측정 FRF에서 고유진동수, 감쇠, 모드형상 등의 동특성을 식별하고, 해석 결과와의 차이를 바탕으로 FE 모델을 보정합니다.
또한 SEMM을 통해 시험 FRF와 해석 모델을 결합하여 시험 데이터가 반영된 Hybrid Dynamic Model을 구성합니다.
Time-Domain System Identification
시험 응답 데이터에서 시스템의 동특성을 식별합니다.
힘-응답 또는 응답 데이터를 기반으로 ERA / System ID를 수행해 상태공간 모델을 식별합니다.
생성된 A, B, C, D 또는 ROM은 이후 LINK, OPT, META의 후속 계산에 활용할 수 있습니다.
Thermal Parameter Identification
시험 데이터를 기반으로 열 모델의 주요 파라미터를 식별합니다.
온도, 전력, 유량 데이터를 이용해 열전달계수, 열저항, 열용량, 경계조건 등 열 모델에 필요한 파라미터를 식별합니다.
보정된 열 모델은 LINK의 1D-ROM Integrated Model과 SOURCE의 Heat Source ID, OPT의 냉각·효율 최적화에 활용됩니다.
Works with IDX
CONFIDENCE BEFORE EVERY CALCULATION.신뢰할 수 있는 기준 모델이, 다음 계산의 출발점이 됩니다.
IDX-TUNE은 시험 데이터와 해석 모델을 비교·보정하거나, 시험 데이터에서 시스템의 동특성과 필요한 파라미터를 식별합니다.
이렇게 준비된 모델과 파라미터는 LINK, SOURCE, OPT, META의 후속 계산에 연결되어 시스템 조립, 소스 식별, 최적화 및 데이터 기반 모델링의 기준으로 활용됩니다.
보정·식별된 모델을 시스템 조립에 활용
TUNE에서 보정한 FRF와 동특성 모델, 시험 데이터에서 식별한 상태공간 모델이나 ROM을 컴포넌트 모델로 활용해 시스템을 구성합니다.
보정된 전달 특성을 기반으로 운전 소스를 식별
TUNE에서 시험 결과를 반영해 보정한 모델을 기반으로 SOURCE에서 Force, Blocked Force, Heat Source 등 실제 운전 조건의 소스를 식별합니다.
보정된 모델을 기반으로 설계안을 반복 평가
TUNE에서 준비한 기준 모델과 식별된 ROM을 활용해 설계변수 변경에 따른 응답을 반복 계산하고, OPT의 최적화 과정에 활용합니다.
식별 모델을 학습 모델의 검증 기준으로 활용
TUNE에서 식별한 상태공간 모델을 META 학습
모델의 검증 기준으로 활용할 수 있습니다.
What You Can Do
FROM RAW DATA TO VALIDATED MODELS.시험과 해석의 차이를 확인하고, 후속 계산에 사용할 모델을 준비합니다.
IDX-TUNE은 모델이 있는 경우에는 시험 데이터와 비교해 필요한 특성을 보정하고, 모델이 부족한 경우에는 측정 데이터에서 시스템의 동특성을 식별합니다.
열 영역에서는 주요 열 파라미터를 시험 데이터에 맞춰 조정하여, 다양한 후속 엔지니어링 계산에 사용할 수 있는 기준 모델을 구성합니다.
시험-해석 상관 및 보정
시험 결과와 해석 모델의 차이를 확인합니다.
FRF, 고유진동수, 감쇠, 모드형상 등의 동특성을 비교해 모델과 시험 사이의 차이를 확인하고 모델 보정의
기준을 마련합니다.
FRF 및 동특성 보정
시험 응답이 반영된 컴포넌트 모델을 구성합니다.
측정 데이터와 해석 모델을 결합해 시험 특성이 반영된 FRF와 동특성 모델을 구성하고 후속 시스템 해석에
활용합니다.
데이터 기반 등가 모델 생성
상세 모델이 부족한 시스템도 시험 데이터로 모델화합니다.
시간 응답 데이터를 기반으로 상태공간 모델이나 ROM을 식별해, 상세 FE 모델이 없는 컴포넌트도 조립 또는 반복 계산에 사용할 수 있도록 준비합니다.
열 파라미터 보정
시험 결과에 맞춰 열 모델의 주요 파라미터를 식별합니다.
열전달계수, 열저항, 열용량과 같은 주요 파라미터를 시험 데이터에 맞춰 식별해 1D-ROM 기반 열 모델의
기준을 마련합니다.
Applications
PUT IDX-TUNE TO WORK시험과 해석을 결합한 Hybrid Dynamic Model
“해석 모델과 실제 시험 결과가 다를 때, 시험 데이터를 반영해 해석 모델의 차이를 줄일 수 있을까요?”
FE MODEL FRF
전체 / 센서 위치 FRF
MODAL TEST FRF
시험 측정 FRF
SEMM
시험·해석 데이터 결합
HYBRID DYNAMIC MODEL
시험 데이터가 반영된 동적 모델
SEMM을 통해 시험 데이터와 해석 모델을 결합합니다.
해석 모델의 FRF와 시험에서 측정한 FRF를 이용해 시험과 해석 간의 차이를 보정합니다. SEMM(System Equivalent Model Mixing)을 적용하여 특정 부분의 오차를 직접 보정하면서 모델의 물리적 의미와 희소성을 유지한 Hybrid Dynamic Model을 구성합니다.
시험과 해석 간 특정 부분의 오차를 직접 보정하면서 모델의 물리적 의미와 희소성을 유지하고, 시험·해석 결합 Hybrid Dynamic Model을 통해 해석 모델의 효율을 개선합니다.
Start with a Model You Can Trust.
시험과 해석 데이터를 연결하여
IDX-TUNE으로 후속 계산에 사용할
신뢰 가능한 기준 모델을 준비하세요.