CN114254430A - 处理与技术系统方面的仿真模型关联的数据的方法和设备 - Google Patents
处理与技术系统方面的仿真模型关联的数据的方法和设备 Download PDFInfo
- Publication number
- CN114254430A CN114254430A CN202111115239.XA CN202111115239A CN114254430A CN 114254430 A CN114254430 A CN 114254430A CN 202111115239 A CN202111115239 A CN 202111115239A CN 114254430 A CN114254430 A CN 114254430A
- Authority
- CN
- China
- Prior art keywords
- simulation
- model
- quality
- parameter
- predeterminable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及处理与技术系统方面的仿真模型关联的数据的方法和设备。用于处理与仿真模型关联的数据的方法、例如计算机实施的方法,其中仿真模型构造用于仿真技术系统的至少一个方面,其中该方法具有:确定仿真模型的参数的第一参数组,该第一参数组的灵敏度超过可预先给定的灵敏度极限值;基于第一参数组确定针对仿真模型的替代模型;评价替代模型的品质,其中获得表征替代模型的品质的品质量度。
Description
技术领域
本公开涉及一种用于处理与仿真模型关联的数据的方法。
此外,本公开还涉及一种用于处理与仿真模型关联的数据的设备。
背景技术
示例性实施形式涉及一种用于处理与仿真模型关联的数据的方法、例如计算机实施的方法,其中该仿真模型构造用于仿真技术系统的至少一个方面,其中该方法具有:确定仿真模型的参数的第一参数组,所述第一参数组的灵敏度超过可预先给定的灵敏度极限值;基于第一参数组确定仿真模型的替代模型;评价替代模型的品质,其中获得表征替代模型的品质的品质量度(Guetemass)。这使得能够提供如下替代模型作为仿真模型本身:该替代模型在其他示例性实施形式中例如可以更高效地被评估。
在其他示例性实施形式中,可以例如基于仿真模型的参数的总数目来确定可预先给定的灵敏度极限值,例如使得第一参数组的参数的数目关于参数的总数目形成可预先给定的份额(Anteil)。
在其他示例性实施形式中,下列元素中的至少一个被用作替代模型:a)混沌多项式(Chaos-Polynome),b)高斯过程,c)例如人工神经网络。
在其他示例性实施形式中,替代模型被训练为使得,与(在其他示例性实施形式中必要时计算密集得多的)仿真模型(“原始模型”)相比,所述替代模型具有可预先给定的(例如足够高的)品质。
在其他示例性实施形式中设置了,技术系统具有下列元素中的至少一个:a)硬件,b)软件,c)由硬件和软件构成的组合、例如具有可以执行计算机程序的微控制器的嵌入式系统(英语:embedded system)。
在其他示例性实施形式中设置了,硬件具有下列元素中的至少一个:a)传感器,b)执行元件,c)硬件电路,d)电和/或电子和/或机电器件,e)电机、例如旋转电机、例如电动机,f)计算装置、例如微处理器和/或微控制器和/或嵌入式系统。
在其他示例性实施形式中,硬件例如具有如例如锤钻之类的电手工工具,或者具有电驱动器,例如用于例如机动车的车窗玻璃升降器或者玻璃刮水器。
在其他示例性实施形式中,前面描述的由硬件和软件构成的组合例如也可以通过车辆(例如机动车)来形成,由此在其他示例性实施形式中,可借助仿真模型或替代模型来执行例如对整个车辆的仿真(“整车仿真”)。
在其他示例性实施形式中设置了,软件具有下列元素中的至少一个:a)用于运行或用于操控硬件、例如根据权利要求3所述的至少一个元素a)至f)的计算机程序,b)用于仿真技术系统的至少一个组件的计算机程序,例如用于仿真至少一个组件的运行的计算机程序,c)用于例如嵌入式系统的计算装置的操作系统。
在其他示例性实施形式中设置了,针对下列元素中的至少一个构造所述仿真模型:a)技术系统的仿真、例如计算机实施的仿真,b)用于研究和/或开发技术系统的仿真、例如计算机实施的仿真,c)用于找到技术系统的错误或在技术系统中的错误或与技术系统有关联的例如可能由技术系统造成的错误的仿真、例如计算机实施的仿真,d)用于验证和/或检验技术系统的安全性(例如功能安全性)的仿真。
在其他示例性实施形式中设置了,本方法进一步具有:例如基于仿真,a)改变可能影响技术系统和/或仿真模型的至少一个参数,b)排除错误,c)释放(Freigeben)技术系统。
在其他示例性实施形式中设置了,本方法进一步具有:例如基于对仿真模型的可预先给定数目的(例如已经存在的)仿真评估,执行灵敏度分析;并且可选地,基于灵敏度分析来确定第一参数组,其中例如第一参数组具有至少一个参数。
在其他示例性实施形式中设置了,本方法进一步具有:确定仿真模型的参数的第二参数组,所述第二参数组的灵敏度没有超过可预先给定的灵敏度极限值;并且可选地,将第二参数组的参数固定到例如可预先给定的值(例如标称值)。
在其他示例性实施形式中设置了,确定针对仿真模型的替代模型具有:基于通过参数空间中的预给定对仿真模型进行的(例如有针对性的)评估,简化仿真模型,所述参数空间可例如通过第一参数组来表征。在其他示例性实施形式中,“有针对性”被理解为:例如使用或充分利用与第一参数组关联的参数空间GP1的特性。例如,为了训练替代模型,仅评估少量代表性的仿真点。在其他示例性实施形式中,这些仿真点可以是例如极限值(例如上限和下限)和/或统计矩(例如平均值)和/或专家点。
在其他示例性实施形式中设置了,基于对仿真模型的一个数目或可预先给定数目的(例如已经存在的)仿真评估,执行对替代模型的品质的评价。
在其他示例性实施形式中设置了,本方法进一步具有:确定(例如标识出)第三参数组,所述第三参数组的参数影响对替代模型的品质的评价的质量;并且可选地,基于第三参数组的至少一个参数,例如基于针对第三参数组的至少一个参数对仿真模型进行的至少一个评估,扩展替代模型。
在其他示例性实施形式中设置了,本方法进一步具有:重复下列步骤中的至少一个,例如直至达到可预先给定的中止标准:a)评价替代模型的品质,b)确定第三参数组,c)基于第三参数组中的至少一个参数,扩展替代模型,其中可预先给定的中止标准具有下列元素中的至少一个:a)品质量度的值的变化未超出可预先给定的阈值,b)达到针对品质量度的预给定值。
在其他示例性实施形式中设置了,至少一些(优选地所有)步骤自动化地被执行,亦即没有与人员交互地被执行。
在其他示例性实施形式中设置了,确定针对仿真模型的替代模型具有:至少暂时存储第一参数组的参数,并且例如分配至第一分级层次(例如可与第一迭代相比);基于第一参数组来执行灵敏度分析;基于灵敏度分析来确定修改后的第一参数组,其中例如修改后的第一参数组对应于第二分级层次(或迭代);并且可选地重复至少暂时存储、执行灵敏度分析和确定以及可选地增加分级层次这些步骤,直至达到可预先给定的中止标准,其中例如与分级层次的当前值对应地,例如可预先给定的中止标准具有可预先给定数目的重复。
在其他示例性实施形式中设置了,本方法进一步具有:基于当前分级层次的修改后的第一参数组或重复,执行下列步骤中的至少一个步骤:a)简化仿真模型;b)评价替代模型的品质;c)确定(例如标识出)第三参数组;d)基于第三参数组的至少一个参数扩展替代模型;e)重复下列步骤中的至少一个,例如直至达到可预先给定的中止标准:aa)评价替代模型的品质,bb)确定第三参数组,cc)基于第三参数组的至少一个参数来扩展替代模型;其中可预先给定的中止标准具有下列元素中的至少一个:a')品质量度的值的变化未超出可预先给定的阈值,b')达到针对品质量度的预给定值。
在其他示例性实施形式中设置了,本方法进一步具有:例如基于至少一个较低分级层次的信息或数据或结果,变动至在前的较高分级层次,并且可选地重复执行和变动至在前的较高分级层次的步骤。
其他示例性实施形式涉及一种用于执行根据实施形式的方法的设备。
其他示例性实施形式涉及一种计算机可读存储介质,所述计算机可读存储介质包括指令,所述指令在通过计算机执行时促使该计算机,执行根据所述实施形式的方法。
其他示例性实施形式涉及一种计算机程序,所述计算机程序包括指令,所述指令在通过计算机执行程序时促使该计算机,执行根据所述实施形式的方法。
其他示例性实施形式涉及一种数据载体信号,所述数据载体信号传输和/或表征根据所述实施形式的计算机程序。
其他示例性实施形式涉及根据所述实施形式的方法和/或根据所述实施形式的设备和/或根据所述实施形式的计算机可读存储介质和/或根据所述实施形式的计算机程序和/或根据所述实施形式的数据载体信号针对下列元素中的至少一个元素的应用:a)确定相对于仿真模型被简化的(例如利用较少计算资源或能量可评估的)针对仿真模型的替代模型,b)使用于评价替代模型或所述替代模型的品质的工作步骤自动化,c)例如通过使用替代模型,加速在仿真模型处的品质确定,d)例如基于在先前未考虑的参数区域中对替代模型的评估,对针对替代模型的品质评价进行质量提高,e)能够实现(例如经改进地和/或及早地)预测与技术系统关联的或对应的产品的质量特性,f)升高在与技术系统关联的或对应的产品的生产中的故障安全性,g)提高与技术系统关联的或对应的产品的产品质量,h)缩短与技术系统关联的或对应的产品的开发持续时间。
附图说明
本发明的其他特征、应用可能性和优点从随后对本发明的实施例的描述中得出,所述实施例在附图的图中示出。在此,所有所描述的或者所呈现的特征本身或者以任意组合形成本发明的主题,而与这些特征在权利要求中的概述或者其回引无关,以及与这些特征在说明书中的表述或在附图中的图示无关。
在附图中:
图1根据示例性实施形式示意性地示出了简化框图,
图2根据其他示例性实施形式示意性地示出了简化框图,
图3根据其他示例性实施形式示意性地示出了简化框图,
图4A根据其他示例性实施形式示意性地示出了简化框图,
图4B根据其他示例性实施形式示意性地示出了简化框图,
图5根据其他示例性实施形式示意性地示出了简化流程图,
图6根据其他示例性实施形式示意性地示出了简化流程图,
图7根据其他示例性实施形式示意性地示出了简化流程图,
图8根据其他示例性实施形式示意性地示出了简化流程图,
图9根据其他示例性实施形式示意性地示出了简化流程图,
图10根据其他示例性实施形式示意性地示出了简化框图,和
图11根据其他示例性实施形式示意性地示出了应用的方面。
具体实施方式
示例性实施形式(参见图1和图5)涉及一种用于处理与仿真模型SM(图1)关联的数据DAT-SM的方法、例如计算机实施的方法,其中该仿真模型SM构造用于仿真技术系统TS的至少一个方面,参见根据图1的双箭头A1。所述方法(图5)具有:确定100仿真模型SM的参数的第一参数组GP1,所述第一参数组GP1的灵敏度超过可预先给定的灵敏度极限值;基于第一参数组GP1,确定102针对仿真模型SM的替代模型EM;评价104替代模型EM的品质,其中获得表征替代模型EM的品质的品质量度GM-EM。这能够实现提供替代模型EM作为仿真模型EM本身,该替代模型EM在其他示例性实施形式中例如可以更高效地被评估。
在其他示例性实施形式中,可以例如基于仿真模型SM的参数的总数来确定可预先给定的灵敏度极限值,例如使得第一参数组GP1的参数的数目关于参数的总数形成可预先给定的份额。
在其他示例性实施形式中,下列元素中的至少一个被用作替代模型EM:a)混沌多项式,b)高斯过程,c)例如人工神经网络。
在其他示例性实施形式中,替代模型EM被训练为使得,与(在其他示例性实施形式中必要时计算密集得多的)仿真模型SM(“原始模型”)相比,所述替代模型EM具有可预先给定的(例如足够高的)品质。
在其他示例性实施形式中设置了,技术系统TS(图1)具有下列元素中的至少一个:a)硬件HW,b)软件SW,c)由硬件HW和软件SW构成的组合,例如具有可以执行计算机程序的微控制器的嵌入式系统(英语:embedded system)。
在其他示例性实施形式(图2)中设置了,硬件HW 具有下列元素中的至少一个:a)传感器10,b)执行元件12,c)硬件电路14(例如分立电子电路),d)电和/或电子和/或机电器件16,e)电机18、例如旋转电机、例如电动机,f)计算装置19、例如微处理器和/或微控制器和/或嵌入式系统。
在其他示例性实施形式中,硬件HW例如具有如例如锤钻之类的电手工工具,或者具有电驱动器,例如用于例如机动车的车窗玻璃升降器或者玻璃刮水器。
在其他示例性实施形式中,前面描述的由硬件HW和软件SW构成的组合例如也可以通过车辆(例如机动车)形成,由此在其他示例性实施形式中,借助仿真模型SM(图1)或替代模型EM(图5)可执行例如对整个车辆的仿真(“整车仿真”)。
在其他示例性实施形式(图3)中设置了,软件SW具有下列元素中的至少一个:a)用于运行或用于操控硬件HW(例如根据权利要求3所述的至少一个元素a)至f),参见根据图2的附图标记10-19)的计算机程序PRG1,b)用于仿真技术系统TS的至少一个组件的计算机程序PRG2,例如用于仿真至少一个组件的运行的计算机程序PRG2,c)用于例如嵌入式系统的计算装置的操作系统OS。
在其他示例性实施形式(图4A)中设置了,针对下列元素SM'中的至少一个构造仿真模型SM(图1):a)技术系统TS的仿真SM1、例如计算机实施的仿真,b)用于研究和/或开发技术系统TS的仿真SM2、例如计算机实施的仿真,c)用于找到技术系统TS的错误或在技术系统TS中的错误或与技术系统有关联的例如可能由技术系统TS造成的错误的仿真SM3、例如计算机实施的仿真,d)用于验证和/或检验技术系统TS的安全性、例如功能安全性的仿真SM4。
在其他示例性实施形式(图4B)中设置了,所述方法进一步具有:例如基于仿真SM1、SM2、SM3、SM4,a)改变80可能影响技术系统TS和/或仿真模型SM的至少一个参数,b)排除82错误,c)释放84技术系统TS。
在其他示例性实施形式(图6)中设置了,所述方法进一步具有:例如基于对仿真模型SM的可预先给定数目的(例如已经存在的)仿真评估,执行110灵敏度分析;并且可选地,基于灵敏度分析110,确定112第一参数组GP1,其中例如第一参数组GP1具有至少一个参数。
在其他示例性实施形式(图7)中设置了,所述方法进一步具有:确定114仿真模型SM的参数的第二参数组GP2,所述第二参数组GP2的灵敏度没有超过可预先给定的灵敏度极限值,(例如“非(足够)灵敏的参数”);并且可选地,将第二参数组GP2的参数固定116(固定地预先给定)到例如可预先给定的值(例如标称值)上。
在其他示例性实施形式中设置了,确定102(图5)针对仿真模型SM的替代模型EM具有:基于通过参数空间中的预给定来(例如有针对性地)评估仿真模型SM,简化102a仿真模型SM。
在其他示例性实施形式中设置了,基于对仿真模型SM的一个数目或所述可预先给定数目的(例如已经存在的)仿真评估,执行对替代模型EM的品质的评价104(图5)。
在其他示例性实施形式(图8)中设置了,所述方法进一步具有:确定120(例如标识出)第三参数组GP3,该第三参数组GP3的参数影响对替代模型EM的品质的评价的质量;并且可选地,基于第三参数组GP3的至少一个参数,例如基于针对第三参数组的至少一个参数对仿真模型SM进行的至少一个评估,扩展122替代模型EM,其中例如获得被扩展的替代模型EM′。
在其他示例性实施形式(图8)中设置了,所述方法进一步具有:重复124下列步骤中的至少一个,例如直至达到可预先给定的中止标准:a)评价104替代模型EM的品质,b)确定120第三参数组GP3,c)基于第三参数组GP3的至少一个参数,扩展122替代模型EM(或必要时已经在先前被扩展的替代模型EM′),其中可预先给定的中止标准具有下列元素中的至少一个:a)品质量度GM-EM的值的(例如从一个重复124至另一重复124的)变化未超出可预先给定的阈值,b)达到针对品质量度GM-EM的预给定值。
在其他示例性实施形式中设置了,根据所述实施形式的方法的至少一些(优选地所有)步骤自动化地被执行,亦即没有与人员交互地被执行。
在其他示例性实施形式(图9)中设置了,确定102(图5)针对仿真模型SM的替代模型EM具有:至少暂时存储1020(图9)第一参数组GP1的参数,并且例如分配至第一分级层次(例如可与第一迭代相比);基于第一参数组GP1执行1022灵敏度分析(例如类似根据图6的步骤110);基于灵敏度分析1022确定1024修改后的第一参数组GP1′,其中例如修改后的第一参数组GP1′对应于第二分级层次(或迭代);并且可选地重复1026至少暂时存储1020、执行1022灵敏度分析和确定1024以及可选地增加分级层次这些步骤,直至达到可预先给定的中止标准,其中例如与分级层次的当前值对应地,例如可预先给定的中止标准具有可预先给定数目的重复1026。
在其他示例性实施形式中设置了,所述方法进一步具有:基于当前分级层次的修改后的第一参数组GP1′或重复1026,执行1028下列步骤中的至少一个:a)简化102a(图5)仿真模型SM,b)评价104替代模型EM的品质,c)确定120(图8)、例如标识出第三参数组GP3,d)基于第三参数组GP3的至少一个参数来扩展122替代模型EM,e)重复124下列步骤中的至少一个,例如直至达到可预先给定的中止标准:aa)评价104替代模型EM的品质,bb)确定120第三参数组GP3,cc)基于第三参数组GP3的至少一个参数来扩展122替代模型EM,其中可预先给定的中止标准具有下列元素中的至少一个:a')品质量度GM-EM的值的变化未超出可预先给定的阈值,b')达到针对品质量度GM-EM的预给定值。
在其他示例性实施形式(图9)中设置了,所述方法进一步具有:例如基于至少一个较低分级层次的信息或数据或结果,变动1030至在前的较高分级层次,并且可选地重复1032执行1028和变动1030至在前的较高分级层次的步骤。由此,在其他示例性实施形式中,能够实现对替代模型EM或被扩展的替代模型EM′的迭代式精细化。
其他示例性实施形式(图10)涉及一种用于执行根据实施形式的方法的设备200。设备200例如具有:具有至少一个计算核202a的计算装置(“计算机”)202,分配给计算装置202的存储装置204,用于至少暂时存储下列元素中的至少一个:a)数据DAT(例如与仿真模型SM(图1)关联的数据DAT-SM,和/或组GP1、GP2、GP3的参数),b)计算机程序PRG,尤其是用于执行根据所述实施形式的方法。
在其他优选实施形式中,存储装置204具有易失性存储器204a(例如工作存储器(RAM))和/或非易失性存储器204b(例如闪存EEPROM)。
在其他示例性实施形式中,计算装置202具有下列元素中的至少一个,或构造为这些元素中的至少一个:微处理器(μP)、微控制器(μC)、专用集成电路(ASIC)、片上系统(SoC)、可编程逻辑模块(例如FPGA、现场可编程门阵列(field programmable gatearray))、硬件电路、图形处理器(GPU)或者由此构成的任意组合。
其他示例性实施形式涉及一种计算机可读存储介质SM,所述计算机可读存储介质SM包括指令PRG′,所述指令PRG′在通过计算机202执行时促使计算机202,执行根据所述实施形式的方法。
其他示例性实施形式涉及一种计算机程序PRG,所述计算机程序PRG包括指令,所述指令在通过计算机202执行程序时促使计算机202,执行根据所述实施形式的方法。
其他示例性实施形式涉及一种数据载体信号DCS,所述数据载体信号DCS表征和/或传输根据所述实施形式的计算机程序PRG、PRG′。数据载体信号DCS例如可经由设备200的可选的数据接口206来传输。
其他示例性实施形式(图11)涉及根据这些实施形式的方法和/或根据这些实施形式的设备200和/或根据这些实施形式的计算机可读存储介质SM和/或根据这些实施形式的计算机程序PRG、PRG′和/或根据这些实施形式的数据载体信号DCS针对下列元素中的至少一个元素的应用300:a)确定302相对于仿真模型SM被简化的(例如利用较少计算资源或能量可评估的)针对仿真模型SM的替代模型EM,b)使用于评价替代模型EM或所述替代模型EM的品质的工作步骤自动化304,c)例如通过使用替代模型EM,加速306在仿真模型SM处的品质确定,d)例如基于在先前未考虑的参数区域中对替代模型EM的评估,对针对替代模型EM的品质评价进行质量提高308,e)能够实现310(例如经改进地和/或及早地)预测与技术系统TS(图1)关联的或对应的产品的质量特性,f)升高312(图11)在与技术系统TS关联或对应的产品的生产中的故障安全性,g)提高314与技术系统TS关联或对应的产品的产品质量,h)缩短316与技术系统TS关联或对应的产品的开发持续时间。
示例性实施形式能够实现至少暂时消除或不考虑仿真模型SM的对于例如技术系统TS的精确建模不太重要或不相关的参数。由此,例如与对例如静态和动态状态或者对高频和低频区域的区分有关联地,例如可以降低模型复杂度。
其他示例性实施形式能够实现,例如依据少量仿真结果,至少暂时省去通过专家进行似然性检查(Plausibilisierung),以便给出关于仿真结果的品质的陈述。
Claims (21)
1.用于处理与仿真模型(SM)关联的数据(DAT-SM)的方法、例如计算机实施的方法,其中所述仿真模型(SM)构造用于仿真技术系统(TS)的至少一个方面,其中所述方法具有:确定(100)所述仿真模型(SM)的参数的第一参数组(GP1),所述第一参数组(GP1)的灵敏度超过可预先给定的灵敏度极限值;基于所述第一参数组(GP1),确定(102)针对所述仿真模型(SM)的替代模型(EM);评价(104)所述替代模型(EM)的品质,其中获得表征所述替代模型(EM)的所述品质的品质量度(GM-EM)。
2.根据权利要求1所述的方法,其中,所述技术系统(TS)具有下列元素中的至少一个:a)硬件(HW),b)软件(SW),c)由硬件(HW)和软件(SW)构成的组合。
3.根据上述权利要求中至少一项所述的方法,其中,所述硬件(HW)具有下列元素中的至少一个:a)传感器(10),b)执行元件(12),c)硬件电路(14),d)电和/或电子和/或机电器件(16),e)电机(18)、例如旋转电机、例如电动机,f)计算装置(19)、例如微处理器和/或微控制器和/或嵌入式系统。
4.根据上述权利要求中至少一项所述的方法,其中,所述软件(SW)具有下列元素中的至少一个:a)用于运行或用于操控硬件(HW)、例如根据权利要求3所述的至少一个元素a)至f)的计算机程序(PRG1),b)用于仿真所述技术系统(TS)的至少一个组件的计算机程序(PRG2),例如用于仿真所述至少一个组件的运行的计算机程序(PRG2),c)用于例如嵌入式系统的计算装置(19)的操作系统(OS)。
5.根据上述权利要求中至少一项所述的方法,其中,针对下列元素中的至少一个构造所述仿真模型(SM):a)所述技术系统(TS)的仿真(SM1)、例如计算机实施的仿真,b)用于研究和/或开发所述技术系统(TS)的仿真(SM2)、例如计算机实施的仿真,c)用于找到所述技术系统(TS)的错误或在所述技术系统(TS)中的错误或与所述技术系统(TS)有关联的例如能由所述技术系统(TS)造成的错误的仿真(SM3)、例如计算机实施的仿真,d)用于验证和/或检验所述技术系统(TS)的安全性、例如功能安全性的仿真(SM4)。
6.根据上述权利要求中至少一项所述的方法,进一步具有:例如基于所述仿真(SM1、SM2、SM3、SM4),a)改变(80)能够影响所述技术系统(TS)和/或所述仿真模型(SM)的至少一个参数,b)排除(82)错误,c)释放(84)所述技术系统(TS)。
7.根据上述权利要求中至少一项所述的方法,进一步具有:例如基于对所述仿真模型(SM)的可预先给定数目的例如已经存在的仿真评估,执行(110)灵敏度分析;并且可选地,基于所述灵敏度分析(110),确定(112)所述第一参数组(GP1),其中例如所述第一参数组(GP1)具有至少一个参数。
8.根据权利要求7所述的方法,进一步具有:确定(114)所述仿真模型(SM)的参数的第二参数组(GP2),所述第二参数组(GP2)的灵敏度没有超过所述可预先给定的灵敏度极限值;并且可选地,将所述第二参数组(GP2)的所述参数固定(116)到例如可预先给定的值、例如标称值上。
9.根据上述权利要求中至少一项所述的方法,其中,所述确定(102)针对所述仿真模型(SM)的替代模型(EM)具有:基于通过在参数空间、例如与所述第一参数组(GP1)关联的参数空间中的预给定对所述仿真模型(SM)进行的例如有针对性的评估,简化(102a)所述仿真模型(SM)。
10.根据上述权利要求中至少一项所述的方法,其中,基于对所述仿真模型(SM)的一个数目或所述可预先给定数目的例如已经存在的仿真评估,执行所述评价(104)所述替代模型(EM)的品质。
11.根据上述权利要求中至少一项所述的方法,进一步具有:确定(120)、例如标识出第三参数组(GP3),所述第三参数组(GP3)的参数影响对所述替代模型(EM)的所述品质进行的所述评价(104)的质量;并且可选地,基于所述第三参数组(GP3)的至少一个参数,例如基于针对所述第三参数组(GP3)的所述至少一个参数对所述仿真模型(SM)的至少一个评估,扩展(122)所述替代模型(EM)。
12.根据上述权利要求中至少一项所述的方法,进一步具有:重复(124)下列步骤中的至少一个,例如直至达到可预先给定的中止标准:a)评价(104)所述替代模型(EM)的所述品质,b)确定(120)所述第三参数组(GP3),c)基于所述第三参数组(GP3)的至少一个参数来扩展(122)所述替代模型(EM),其中所述可预先给定的中止标准具有下列元素中的至少一个:a)所述品质量度(GM-EM)的值的变化未超出可预先给定的阈值,b)达到针对所述品质量度的预给定值。
13.根据上述权利要求中至少一项所述的方法,其中,自动化地、亦即没有与人员交互地执行至少一些、优选地所有步骤。
14.根据上述权利要求中至少一项所述的方法,其中,所述确定(102)针对所述仿真模型(SM)的替代模型(EM)具有:至少暂时存储(1020)所述第一参数组(GP1)的参数,并且例如分配至第一分级层次;基于所述第一参数组(GP1)执行(1022)灵敏度分析;基于所述灵敏度分析(1022)确定(1024)修改后的第一参数组(GP1′),其中例如所述修改后的第一参数组(GP1′)对应于第二分级层次;并且可选地重复(1026)所述至少暂时存储(1020)、所述执行(1022)灵敏度分析和所述确定(1024)以及可选地增加所述分级层次的步骤,直至达到可预先给定的中止标准,其中例如与所述分级层次的当前值对应地,例如所述可预先给定的中止标准具有可预先给定数目的重复(1026)。
15.根据权利要求14所述的方法,进一步具有:基于当前分级层次的所述修改后的第一参数组(GP1′)或重复(1026),执行(1028)下列步骤中的至少一个:a)简化(102a)所述仿真模型(SM),b)评价(104)所述替代模型(EM)的品质,c)确定(120)、例如标识出所述第三参数组(GP3),d)基于所述第三参数组(GP3)的至少一个参数来扩展(122)所述替代模型(EM),e)重复(124)下列步骤中的至少一个,例如直至达到可预先给定的中止标准:aa)评价(104)所述替代模型(EM)的所述品质,bb)确定(120)所述第三参数组(GP3),cc)基于所述第三参数组(GP3)的至少一个参数来扩展(122)所述替代模型(EM),其中所述可预先给定的中止标准具有下列元素中的至少一个:a')所述品质量度(GM-EM)的值的变化未超出可预先给定的阈值,b')达到针对所述品质量度的预给定值。
16.根据权利要求15所述的方法,进一步具有:例如基于至少一个较低分级层次的信息或数据或结果,变动(1030)至在前的较高分级层次,并且可选地重复(1032)所述执行(1028)和所述变动(1030)至在前的较高分级层次的步骤。
17.一种设备(200),其用于执行根据上述权利要求中至少一项所述的方法。
18.一种计算机可读存储介质(SM),其包括指令(PRG),所述指令(PRG)在通过计算机(202)执行时促使所述计算机(202),执行根据权利要求1至16中至少一项所述的方法。
19.一种计算机程序(PRG),其包括指令,所述指令在通过计算机(202)执行所述程序(PRG)时促使所述计算机(202),执行根据权利要求1至16中至少一项所述的方法。
20.一种数据载体信号(DCS),其传输和/或表征根据权利要求19所述的计算机程序(PRG)。
21.根据权利要求1至16中至少一项所述的方法和/或根据权利要求17所述的设备(200)和/或根据权利要求18所述的计算机可读存储介质(SM)和/或根据权利要求19所述的计算机程序(PRG)和/或根据权利要求20所述的数据载体信号(DCS)针对下列元素中的至少一个的应用(300):a)确定(302)针对仿真模型(SM)的相对于所述仿真模型(SM)被简化的替代模型(EM),b)使用于评价替代模型(EM)或所述替代模型(EM)的品质的工作步骤自动化(304),c)例如通过使用所述替代模型(EM),加速(306)在仿真模型(SM)处的品质确定,d)例如基于在先前未考虑的参数区域中对所述替代模型(EM)的评估,对针对替代模型(EM)的品质评价进行质量提高(308),e)能够实现(310)例如经改进地和/或及早地预测与所述技术系统(TS)关联的或对应的产品的质量特性,f)升高(312)在与所述技术系统(TS)关联的或对应的产品的生产中的故障安全性,g)提高(314)与所述技术系统(TS)关联的或对应的产品的产品质量,h)缩短(316)与所述技术系统(TS)关联的或对应的产品的开发持续时间。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020211992.9A DE102020211992A1 (de) | 2020-09-24 | 2020-09-24 | Verfahren und Vorrichtung zum Verarbeiten von mit einem Simulationsmodell für wenigstens einen Aspekt eines technischen Systems assoziierten Daten |
DE102020211992.9 | 2020-09-24 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114254430A true CN114254430A (zh) | 2022-03-29 |
Family
ID=80473720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111115239.XA Pending CN114254430A (zh) | 2020-09-24 | 2021-09-23 | 处理与技术系统方面的仿真模型关联的数据的方法和设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220092237A1 (zh) |
CN (1) | CN114254430A (zh) |
DE (1) | DE102020211992A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102021210393A1 (de) | 2021-09-20 | 2023-03-23 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Vorrichtung zum Betreiben eines technischen Systems |
EP4332703A1 (de) * | 2022-08-30 | 2024-03-06 | Siemens Aktiengesellschaft | Verfahren zum simulieren eines bauteils mittels einer elektronischen recheneinrichtung, computerprogrammprodukt, computerlesbares speichermedium sowie elektronische recheneinrichtung |
-
2020
- 2020-09-24 DE DE102020211992.9A patent/DE102020211992A1/de active Pending
-
2021
- 2021-09-17 US US17/477,952 patent/US20220092237A1/en active Pending
- 2021-09-23 CN CN202111115239.XA patent/CN114254430A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220092237A1 (en) | 2022-03-24 |
DE102020211992A1 (de) | 2022-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114254430A (zh) | 处理与技术系统方面的仿真模型关联的数据的方法和设备 | |
CN112088383A (zh) | 神经网络构筑装置、信息处理装置、神经网络构筑方法及程序 | |
JP5411057B2 (ja) | 有限要素解析法におけるビーム−面接触をシミュレートする改善方法およびシステム | |
CN113590456A (zh) | 用于检查技术系统的方法和设备 | |
US20210148967A1 (en) | System and methods for analyzing and estimating susceptibility of circuits to radiation-induced single-event-effects | |
CN112896373B (zh) | 汽车发动机罩变形预测方法、装置、设备及存储介质 | |
CN111753868A (zh) | 对黑盒对象检测算法的对抗攻击 | |
CN115099051A (zh) | 自动驾驶的仿真测试场景生成方法、装置、车辆及存储介质 | |
JP7018993B2 (ja) | コンピュータベースのシミュレーションのための高速方法 | |
CN117724982A (zh) | 仿真测评方法、装置、电子设备及存储介质 | |
US11640581B2 (en) | Methods for improved delta velocity determination using machine learning and devices thereof | |
CN109743200B (zh) | 基于资源特征的云计算平台计算任务成本预测方法及系统 | |
US11237931B2 (en) | Method and device for testing a technical system | |
CN113704085A (zh) | 用于检查技术系统的方法和设备 | |
CN112989352A (zh) | 用于基于模型的分析的方法和设备 | |
Lauber et al. | Virtual test method for complex and variant-rich automotive systems | |
CN114026562A (zh) | 用于技术单元的安全性检查的方法 | |
CN113704009A (zh) | 用于测试技术系统的计算机实现的方法 | |
CN105468805B (zh) | 一种表征数字模拟结果的图形表示的方法 | |
US20140310212A1 (en) | Method and device for creating a nonparametric, data-based function model | |
US20240078437A1 (en) | Method for training a generative adversarial network | |
CN113806990B (zh) | 一种氮气弹簧仿真分析方法及系统 | |
JP7268731B2 (ja) | 学習データ生成装置、学習装置、学習データ生成方法、及び学習データ生成プログラム | |
JP2024077723A (ja) | タイヤ周囲空間モデルの生成装置及び生成方法、並びにプログラム | |
EP4191462A1 (en) | Method and system for quantifying vehicle requirement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |