DE102010050708A1 - Method for transforming complex model into map, involves calculating optimum vector based on optimization equation - Google Patents

Method for transforming complex model into map, involves calculating optimum vector based on optimization equation Download PDF

Info

Publication number
DE102010050708A1
DE102010050708A1 DE201010050708 DE102010050708A DE102010050708A1 DE 102010050708 A1 DE102010050708 A1 DE 102010050708A1 DE 201010050708 DE201010050708 DE 201010050708 DE 102010050708 A DE102010050708 A DE 102010050708A DE 102010050708 A1 DE102010050708 A1 DE 102010050708A1
Authority
DE
Germany
Prior art keywords
map
values
vector
model
characteristic
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.)
Withdrawn
Application number
DE201010050708
Other languages
German (de)
Inventor
Dr. Baumann Wolf
Dr. Köhler Bert-Uwe
Steffen Schaum
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IAV GmbH Ingenieurgesellschaft Auto und Verkehr
Original Assignee
IAV GmbH Ingenieurgesellschaft Auto und Verkehr
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by IAV GmbH Ingenieurgesellschaft Auto und Verkehr filed Critical IAV GmbH Ingenieurgesellschaft Auto und Verkehr
Priority to DE201010050708 priority Critical patent/DE102010050708A1/en
Publication of DE102010050708A1 publication Critical patent/DE102010050708A1/en
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

The method involves creating a vector with specific combination of discrete input values from the model values. Another vector is created with specific combination of discrete input values from a map value corresponding to the created model value. A link is formed between the vectors of map and model values. An optimum vector is calculated based on the optimization equation.

Description

Technisches GebietTechnical area

Die vorliegende Erfindung betrifft ein Verfahren zur Transformation von komplexen Modellen in Kennfelder für elektronische Motorsteuerungen von Verbrennungsmotoren.The present invention relates to a method for transforming complex models into maps for electronic engine controls of internal combustion engines.

Stand der TechnikState of the art

In der Patentschrift AT 501 209 B1 wird ein Verfahren beschrieben, bei dem das Verhalten von komplexen, technischen Systemen untersucht wird. Ziel des beschriebenen Verfahrens ist, ausgehend von einem Basismodell, die Verbesserung der Qualität des Basismodells durch eine Verknüpfung neuer Messwerte mit rechnerischen Ergebnissen des Basismodells. Dazu werden mathematische Operationen und deren Ausführung, zum Beispiel multivariate Regressionsmodelle, beschrieben.In the patent AT 501 209 B1 A method is described in which the behavior of complex, technical systems is investigated. The aim of the described method, starting from a basic model, is to improve the quality of the basic model by linking new measured values with theoretical results of the basic model. For this purpose mathematical operations and their execution, for example multivariate regression models, are described.

In der Offenlegungsschrift DE 199 10 035 A1 wird ein Verfahren zur automatischen Erstellung von geglätteten Kennfeldern beschrieben. Der Schwerpunkt der Offenlegungsschrift liegt auf der Glättung der Kennfelder, also der Vermeidung und Beseitigung starker Sprünge von Kalibrierdaten benachbarter Betriebspunkte. Die Vorgehensweise kombiniert die Bedatung der Kennfelder und die Glättung durch Vorgabe eines Gütefunktionals ergänzt durch Strafterme, die eine starke Abweichung von Nachbarpunkten im Kennfeld mit hohen Kosten belegen. Es geht also bei dieser Offenlegungsschrift um die Optimalbedatung von Kennfeldern unter Berücksichtigung von Glattheitskriterien. Ferner bezieht sich die Offenlegungsschrift auf das Finden von optimalen Eingangsgrößen bei gegebener Abbildung der Zielgröße in Abhängigkeit der Eingangsgrößen.In the published patent application DE 199 10 035 A1 A method for the automatic generation of smooth maps is described. The focus of the disclosure is on the smoothing of the maps, so avoiding and eliminating strong jumps of calibration data of adjacent operating points. The procedure combines the mapping of the maps and the smoothing by specifying a quality function complemented by penalty terms, which prove a strong deviation from neighboring points in the map with high costs. Thus, this publication is concerned with the optimal definition of characteristic maps taking into account smoothness criteria. Furthermore, the publication relates to the finding of optimal input variables given a mapping of the target variable as a function of the input variables.

Eine Kennfeldstruktur ist einfach zu implementieren, besitzt klare Abhängigkeiten und ist gut kalibrierbar. Sind die zugrundegelegten physikalischen oder datengetriebenen Modelle, wie zum Beispiel Regelstreckenmodelle oder Emissionsmodelle, zu komplex, das heißt verfügen über eine Vielzahl von Eingangsgrößen, die auf komplizierte Weise miteinander verknüpft sind, um eine Ausgangsgröße zu berechnen, wird eine Implementierung in elektronische Motorsteuerungen in Form von einfachen Kennfeldern sehr aufwändig oder sogar unmöglich. Komplexe Modelle werden jedoch für den Betrieb moderner, sparsamer und effizienter Verbrennungsmotoren immer wichtiger. Die Überführung komplexer Modelle in eine in Steuergeräte implementierbare Form wird in Zukunft an Bedeutung gewinnen.A map structure is easy to implement, has clear dependencies and is easy to calibrate. If the underlying physical or data-driven models, such as controlled-system models or emission models, are too complex, that is, have a large number of input variables that are intricately linked together to calculate an output, then an implementation in electronic engine control systems will take the form of simple maps very complex or even impossible. However, complex models are becoming increasingly important for the operation of modern, economical and efficient combustion engines. The transfer of complex models into a form that can be implemented in ECUs will become increasingly important in the future.

Aufgabe der ErfindungObject of the invention

Die Aufgabe der Erfindung besteht darin, ein Verfahren bereitzustellen, mit dem sich komplizierte physikalische oder datengetriebene Modelle mit Hilfe einfacher Kennfelder darstellen lassen.The object of the invention is to provide a method with which complex physical or data-driven models can be represented using simple maps.

Lösung der AufgabeSolution of the task

Die Aufgabe wird durch ein Verfahren nach den Merkmalen des Patentanspruches 1 gelöst.The object is achieved by a method according to the features of claim 1.

Beschreibung der ErfindungDescription of the invention

Die Erfindung beschreibt ein Verfahren, mit dem sich ein komplexes Modell, zum Beispiel ein Polynommodell, radiale Basisfunktionen oder ähnliche Modelle und Funktionen durch eine Kennfeldstruktur approximieren und darstellen lässt. Erfindungsgemäß vorteilhaft wird aus dem Modell mit Hilfe des Verfahrens eine geeignete Kennfeldstruktur identifiziert und mit Werten befüllt. Das Verfahren wird zunächst am Beispiel eines einzelnen zu befüllenden Kennfeldes erläutert.The invention describes a method with which a complex model, for example a polynomial model, radial basis functions or similar models and functions can be approximated and represented by a characteristic diagram structure. According to the invention, a suitable map structure is identified from the model with the aid of the method and filled with values. The method will first be explained using the example of a single characteristic map to be filled.

Ein Kennfeld gleicht strukturell einer Matrix. Die gespeicherten Elemente werden durch Zeilennummer und Spaltennummer referenziert. Die Matrix- beziehungsweise Kennfeldwerte können bei Auswahl der entsprechenden Zeile und Spalte abgerufen werden. Dazu wird mit der ersten Kennfeldeingangsgröße die Zeile und mit der zweiten Kennfeldeingangsgröße die Spalte der Matrix selektiert, wobei die Zeilennummer und Spaltennummer einem quantisierten Wert, einer sogenannten Stützstelle, der jeweiligen Eingangsgröße entspricht. Kennfeldwerte für Eingangsgrößenkombinationen, die nicht auf den vorgegebenen Stützstellen liegen, werden entsprechend interpoliert.A map structurally resembles a matrix. The stored elements are referenced by line number and column number. The matrix or map values can be retrieved by selecting the appropriate row and column. For this purpose, the line with the first characteristic input variable and the column of the matrix with the second characteristic input variable are selected, the line number and column number corresponding to a quantized value, a so-called interpolation point, of the respective input variable. Kennfeldwerte for input variable combinations that are not on the specified support points are interpolated accordingly.

Ein Kennfeld MAP mit N Zeilen und M Spalten kann dementsprechend dargestellt werden als:

Figure 00030001
A map MAP with N rows and M columns can be represented as:
Figure 00030001

Es wird angenommen, dass das Modell K > 2 Eingangsgrößen q besitzt, da die Problemstellung andernfalls trivial wäre. Somit ergibt sich der Ausgang b des Modells mit der Modellfunktion f() zu: b = f(q1, q2, ... qK) It is assumed that the model K> 2 has input q, otherwise the problem would be trivial. Thus, the output b of the model with the model function f () results in: b = f (q1, q2, ... q K)

Beim Übertrag der Modellwerte auf die Kennfeldstruktur genügt es, nur die diskreten Punkte der Kennfeldstützstellen zu berücksichtigen. Es muss sichergestellt sein, dass nur gültige Eingangswertkombinationen berücksichtigt werden, die innerhalb des Definitionsbereiches des Modells liegen. Dafür werden die Eingangswertkombinationen zum Beispiel gegen eine Hülle geprüft oder mit vorhandenen Messdaten verglichen. Punkte zwischen den Kennfeldstützstellen könnten ebenfalls berücksichtigt werden, wenn Annahmen über die Art der Interpolation getroffen werden. Die Nutzung von Zwischenpunkten kann als vorteilhafte alternative Ausgestaltung des Verfahrens zur Erhöhung der Genauigkeit herangezogen werden. Nachfolgend wird zur Vereinfachung stets von der Beschränkung auf Kennfeldstützstellen ausgegangen.When transferring the model values to the map structure, it is sufficient to consider only the discrete points of the map support points. It must be ensured that only valid input value combinations that are within the definition range of the model are taken into account. For this purpose, the input value combinations are checked, for example against a shell or compared with existing measurement data. Points between the engine maps could also be taken into account when making assumptions about the nature of the interpolation. The use of intermediate points can be used as an advantageous alternative embodiment of the method for increasing the accuracy. The simplification is always based on the restriction to map support points.

Es wird der Index i eingeführt, um eine konkrete Kombination der diskreten Eingangswerte zu kennzeichnen. Die Eingangswerte q1, q2, ..., qK werden durch konkrete Werte vorgegeben, so dass man einen konkreten Modellwert bi auf Basis einer konkreten Kombination i der Eingangsgrößen q1, q2, ..., qK berechnen kann. Ein Modellwert bi hängt damit von den Modelleingängen q1, q2, ..., qK und der spezifischen Kombination i dieser Eingangsgrößen ab, d. h.: bi = f({q1, q2, ... qK}i) The index i is introduced to identify a concrete combination of the discrete input values. The input values of q 1, q 2, ..., K q are defined by specific values, so that b i q a specific model value on the basis of a specific combination of input variables i 1, q 2, ..., q can calculate K , A model value b i thus depends on the model inputs q 1 , q 2 , ..., q K and the specific combination i of these input variables, ie: b i = f ({q 1 , q 2 , ... q K } i )

Da das Modell mehr Eingänge als das zweidimensionale Kennfeld hat, ist die Darstellung durch ein einzelnes Kennfeld im Allgemeinen nicht exakt. Vielmehr ist diese Darstellung eine Projektion eines höherdimensionalen Modells auf das zweidimensionale Kennfeld. Die optimalen Kennfeldwerte lassen sich dann durch die Minimierung des Projektionsfehlers bezüglich eines Gütekriteriums bestimmen. Dazu werden alle L gültigen Eingangsgrößenkombinationen des Modelldefinitionsbereiches im Quantisierungsraster ermittelt und die zugehörigen Modellwerte berechnet und in einen Vektor b geschrieben:

Figure 00040001
Since the model has more inputs than the two-dimensional map, the representation by a single map is generally not exact. Rather, this representation is a projection of a higher-dimensional model onto the two-dimensional map. The optimum map values can then be determined by minimizing the projection error with respect to a quality criterion. For this purpose, all L valid input quantity combinations of the model definition area in the quantization grid are determined and the associated model values are calculated and written into a vector b:
Figure 00040001

Dieser Vektor b wird also aus Modellwerten mit konkreten Kombinationen diskreter Eingangswerte erstellt. Nimmt man beispielhaft an, dass das Kennfeld MAP mit M Spalten und N Zeilen durch die Eingangsgrößen q1 und q2 aufgespannt wird, dann existieren höchstens M·N mögliche Kombinationen für q1 und q2. Durch einen eingeschränkten Definitionsbereich können sich die möglichen Kombinationen reduzieren.This vector b is thus created from model values with concrete combinations of discrete input values. Assuming, by way of example, that the map MAP with M columns and N rows is spanned by the input variables q 1 and q 2 , there are at most M × N possible combinations for q 1 and q 2 . A limited domain of definition can reduce the possible combinations.

Die L Modellwerte der möglichen Kombinationen aller Eingangsgrößen sollen nun auf die Kennfeldwerte der möglichen Kombinationen von q1 und q2 projiziert werden. L muss dazu größer oder gleich der Anzahl der möglichen Kombination von q1 und q2 sein. Für eine konkrete Kombination j der Eingangsgrößen q1 und q2 erhält man im Verbund mit verschiedenen Kombinationen der Größen q3, ... qK im Allgemeinen mehrere Einträge im Vektor b. Die Einträge im Vektor b auf Basis der Kombination j sollen nun aufgabengemäß durch denselben zugehörigen Kennfeldwert wj dargestellt beziehungsweise approximiert werden. Die Zielsetzung ist nun, die optimalen Kennfeldwerte wj zu berechnen. Die zu berechnenden Kennfeldwerte wj werden deshalb in einem Vektor w so zusammengestellt, dass sie mit Hilfe einer Projektionsmatrix die zugehörigen Modellwerte im Vektor b approximieren. Die erfindungsgemäße Verknüpfung zwischen den Modell- und Kennfeldwerten, also zwischen den Einträgen des Vektors b und den Einträgen des Vektors w, ergibt sich dann beispielhaft mit:

Figure 00050001
The L model values of the possible combinations of all input quantities are now to be projected onto the map values of the possible combinations of q 1 and q 2 . L must be greater than or equal to the number of possible combinations of q 1 and q 2 . For a particular combination j of the input quantities q 1 and q 2 are obtained in conjunction with various combinations of the variables q 3, ..., q K in general multiple entries in the vector b. The entries in the vector b based on the combination j should now be represented or approximated according to the task by the same associated map value w j . The objective is now to calculate the optimal map values w j . The map values w j to be calculated are therefore combined in a vector w in such a way that they use a projection matrix to form the associated model values approximate in vector b. The link according to the invention between the model and map values, ie between the entries of the vector b and the entries of the vector w, is then given by way of example with:
Figure 00050001

Auf diese Art und Weise kann der Vektor b für alle Kennfeldstützstellen dargestellt werden als:

Figure 00050002
In this way, the vector b for all map support points can be represented as:
Figure 00050002

Dementsprechend ergibt sich beispielhaft für eine Zeile die Gleichung: bi ≈ ... + 0·wj + 0·wj + 1·wj + 0·wj+1 + 0·wj+1 + ... Accordingly, the following equation results for one line: b i ≈ ... + 0 · w j + 0 · w j + 1 · w j + 0 · w j + 1 + 0 · w j + 1 + ...

Um den Fehler zwischen b und X·w zu minimieren, also die optimalen Kennfeldwerte wj zu berechnen, wird in vorteilhafter Weise eine Optimierungsgleichung bezüglich des Vektors w aufgestellt und ein Regressionsproblem mit dem Kriterium des kleinsten mittleren quadratischen Fehlers formuliert. Als Zielgröße der Regression dienen die Werte des Modells, die auf einem vorgegebenen Raster berechnet werden. Ein optimaler Vektor wopt berechnet sich somit aus der Minimierung des mittleren quadratischen Fehlers: (b – X·w)T·(b – X·w) → min, wobei (b – X·w) den Fehler zwischen den Modellwerten bi und den Kennfeldwerten wj beschreibt. Die Lösung ist aufgrund der Struktur des Problems analytisch möglich: wopt = (XT·X)–1·XT·b. In order to minimize the error between b and X · w, ie to calculate the optimal map values w j , an optimization equation with respect to the vector w is advantageously set up and a regression problem with the criterion of the least mean square error is formulated. The regression parameters are the values of the model, which are calculated on a given grid. An optimal vector w opt is thus calculated from the minimization of the mean square error: (b - X · w) T · (b - X · w) → min, where (b - X · w) describes the error between the model values b i and the map values w j . The solution is analytically possible due to the structure of the problem: w opt = (X T × X) -1 × X T × b.

Das Kennfeld MAP wird durch Zurückschreiben des Vektors wopt befüllt. Das Kennfeld entsteht durch sequentielles Auslesen des Vektors und gleichzeitiges sequentielles spaltenweises Eintragen der ausgelesenen Werte in die Kennfeldmatrix.The map MAP is filled by writing back the vector w opt. The map is produced by sequential read-out of the vector and simultaneous sequential column-wise entry of the read-out values into the map matrix.

Das für ein Kennfeld beschriebene Verfahren wird nun auf eine additive Struktur bestehend aus mehreren Kennfeldern erweitert.The method described for a map is now extended to an additive structure consisting of several maps.

Für gewöhnlich reicht ein einzelnes Kennfeld nicht aus, um ein kompliziertes Modell in akzeptabler Qualität abzubilden. Daher müssen im Allgemeinen mehrere Kennfelder miteinander verknüpft werden. Die additive Verknüpfung mehrerer Kennfelder ist mit dem vorgeschlagenen Verfahren möglich, indem man alle Kennfelder in den Vektor w schreibt und das oben gezeigte Gleichungssystem auf die gleiche Art und Weise löst. In jeder Zeile der Projektionsmatrix X ergeben sich dann im Allgemeinen mehrere von Null verschiedene Einträge. Die Projektionsmatrix X ist also für die Verknüpfung der Eingangsgrößen des Modells und des Kennfeldes sowie für die Verknüpfung mehrer Kennfelder entscheidend. Durch Logarithmierung der Modellfunktion kann der Algorithmus zur additiven Kennfeldverknüpfung auch auf die multiplikative Kennfeldverknüpfung angewendet werden.Usually, a single map is not enough to map an intricate model of acceptable quality. Therefore, several maps generally need to be linked together. The additive combination of multiple maps is possible with the proposed method by writing all maps in the vector w and solves the system of equations shown above in the same manner. In each line of the projection matrix X, there are then generally several entries other than zero. The projection matrix X is thus decisive for the linking of the input variables of the model and the characteristic diagram as well as for the linking of several characteristic diagrams. By logarithmizing the model function, the additive mapping algorithm can also be applied to the multiplicative mapping.

Aufgrund der schnellen Berechnung der optimalen Kennfelder ist es somit möglich, systematisch sequentiell nach der besten Kennfeldstruktur zu suchen. Für eine gegebene Anzahl Modelleingänge K gibt es Z = (K2 – K)/2 verschiedene Möglichkeiten, zweidimensionale Kennfelder zu bilden. Diese Z verschiedenen Kennfelder können auf C k / Z = Z! / k!·(Z – k)! verschiedene Arten additiv kombiniert werden, wobei k die Anzahl der Kennfelder in der Kennfeldstruktur angibt. So gibt es z. B. im Fall von k = 1 und drei Eingangsgrößen [q1q2q3] drei Kombinationsmöglichkeiten [q1q2], [q1q3] und [q2q3]. Jede dieser Varianten kann auf mit dem gezeigten Verfahren mit optimalen Werten befüllt werden. Die Auswahl einer geeigneten Strukturvariante beschränkt sich dann auf die Auswertung des mit der jeweiligen Variante erreichten Fehlers, also der Abweichung zwischen Werten des Modells und der Kennfeldstruktur. Due to the rapid calculation of the optimal maps, it is thus possible to search systematically sequentially for the best map structure. For a given number of model inputs K there are Z = (K 2 -K) / 2 different ways to form two-dimensional maps. These Z different maps can be up C k / Z = Z! / k! · (Z - k)! various types are combined additively, where k indicates the number of maps in the map structure. So there are z. For example, in the case of k = 1 and three input quantities [q 1 q 2 q 3 ], there are three combinations [q 1 q 2 ], [q 1 q 3 ] and [q 2 q 3 ]. Each of these variants can be filled with the method shown with optimal values. The selection of a suitable structural variant is then limited to the evaluation of the error achieved with the respective variant, that is to say the deviation between values of the model and the characteristic diagram structure.

Die beste Kennfeldstruktur wird dann so ausgewählt, dass ein vom Anwender definiertes Fehlermaß erfüllt wird. Dabei ist man nicht auf den mittleren quadratischen Fehler angewiesen, sondern kann zum Beispiel auch nach kleinstem maximalen Fehler auswählen. Die Fehlerbetrachtung kann darüber hinaus auf anderen Eingangswerten, die nicht auf den Stützstellen des Kennfeldraster liegen, durchgeführt werden. Das Verfahren, das hier für zweidimensionale Kennfelder beschrieben wurde, kann auf die gleiche Art und Weise auch für drei- oder höherdimensionale Kennfelder angewendet werden.The best map structure is then selected to satisfy a user defined error measure. It is not dependent on the mean square error, but can, for example, even after the smallest maximum error select. The error analysis can also be performed on other input values that are not on the grid points of the map grid. The method described here for two-dimensional maps can be applied in the same way also for three- or higher-dimensional maps.

Über die Bestimmung der geeignetsten Kennfeldstruktur hinaus können auf diesem Wege auch, z. B. durch Variation, optimale Kennfeldstützstellen bestimmt werden.Beyond the determination of the most suitable characteristic map structure, it is also possible in this way, for. B. by variation, optimal Kennfeldstützstellen be determined.

ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte PatentliteraturCited patent literature

  • AT 501209 B1 [0002] AT 501209 B1 [0002]
  • DE 19910035 A1 [0003] DE 19910035 A1 [0003]

Claims (7)

Verfahren zur Transformation von komplexen Modellen bi = f({q1, q2, ... qK}i) in Kennfelder MAP, wobei eine geeignete Kennfeldstruktur mit Werten befüllt wird, dadurch gekennzeichnet, dass folgende Verfahrensschritte durchgeführt werden: – Erstellung eines Vektors b aus Modellwerten bi mit konkreter Kombination i diskreter Eingangswerte q1, q2, ..., qK – Erstellung eines Vektors w aus zu berechnenden Kennfeldwerten wj mit konkreter Kombination j diskreter Eingangswerte q1, q2, ..., qK zum entsprechenden Modellwert bi des Vektors b – Verknüpfung des Vektors b aus Modellwerten bi und des Vektors w aus Kennfeldwerten wj in einem Gleichungssystem – Berechnung eines optimalen Vektors wopt mit Hilfe eines Gütekriteriums anhand einer OptimierungsgleichungMethod for the transformation of complex models b i = f ({q 1 , q 2 ,... Q K } i ) into characteristic maps MAP, wherein a suitable map structure is filled with values, characterized in that the following method steps are carried out: of a vector b from model values b i with concrete combination i of discrete input values q 1 , q 2 ,..., q K - generation of a vector w from characteristic map values w j to be calculated with concrete combination j of discrete input values q 1 , q 2 ,. ., q K to the corresponding model value b i of the vector b - Linking the vector b from model values b i and the vector w from characteristic values w j in a system of equations - Calculation of an optimal vector w opt by means of a quality criterion using an optimization equation Verfahren zur Transformation nach Patentanspruch 1, dadurch gekennzeichnet, dass mindestens ein Kennfeld MAP mit den Werten des optimalen Vektors wopt gefüllt wird.Method for transformation according to Patent Claim 1, characterized in that at least one characteristic map MAP is filled with the values of the optimum vector w opt . Verfahren zur Transformation nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass wenigstens eine additive oder multiplikative Kennfeldverknüpfung in das Gleichungssystem integriert wird.Method for transformation according to one of the preceding claims, characterized in that at least one additive or multiplicative map connection is integrated into the system of equations. Verfahren zur Transformation nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass im Gleichungssystem wenigstens eine Projektionsmatrix X integriert ist.Method for transformation according to one of the preceding claims, characterized in that at least one projection matrix X is integrated in the equation system. Verfahren zur Transformation nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass wenigstens eine geeignete Kennfeldstruktur automatisch identifiziert wird, indem eine sequenzielle Bestimmung wenigstens eines Kennfeldes erfolgt und mit Hilfe eines Gütekriteriums ausgewählt wird.Method for transformation according to one of the preceding claims, characterized in that at least one suitable characteristic map structure is automatically identified by a sequential determination of at least one characteristic field and is selected with the aid of a quality criterion. Verfahren zur Transformation nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass als Gütekriterium das Kriterium des kleinsten mittleren quadratischen Fehlers oder des kleinsten maximalen Fehlers verwendet wird.Method for transformation according to one of the preceding claims, characterized in that the criterion of the least mean square error or of the smallest maximum error is used as the quality criterion. Verfahren zur Transformation nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass geeignete Kennfeldstützstellen wenigstens eines Kennfelds automatisch ermittelt werden.Method for transformation according to one of the preceding claims, characterized in that suitable map support points of at least one characteristic map are automatically determined.
DE201010050708 2010-11-04 2010-11-04 Method for transforming complex model into map, involves calculating optimum vector based on optimization equation Withdrawn DE102010050708A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE201010050708 DE102010050708A1 (en) 2010-11-04 2010-11-04 Method for transforming complex model into map, involves calculating optimum vector based on optimization equation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE201010050708 DE102010050708A1 (en) 2010-11-04 2010-11-04 Method for transforming complex model into map, involves calculating optimum vector based on optimization equation

Publications (1)

Publication Number Publication Date
DE102010050708A1 true DE102010050708A1 (en) 2012-05-10

Family

ID=45971081

Family Applications (1)

Application Number Title Priority Date Filing Date
DE201010050708 Withdrawn DE102010050708A1 (en) 2010-11-04 2010-11-04 Method for transforming complex model into map, involves calculating optimum vector based on optimization equation

Country Status (1)

Country Link
DE (1) DE102010050708A1 (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19910035A1 (en) 1999-03-08 2000-09-14 Fev Motorentech Gmbh Process for the automatic creation of smoothed maps for an electronic engine control of a piston internal combustion engine
AT501209B1 (en) 2004-07-22 2007-06-15 Avl List Gmbh behavior analysis method for analysing the behaviour of complex systems especially combustion engines, by modelling using interpolation of principle influential parameters for all feasible constellations of input variables

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19910035A1 (en) 1999-03-08 2000-09-14 Fev Motorentech Gmbh Process for the automatic creation of smoothed maps for an electronic engine control of a piston internal combustion engine
AT501209B1 (en) 2004-07-22 2007-06-15 Avl List Gmbh behavior analysis method for analysing the behaviour of complex systems especially combustion engines, by modelling using interpolation of principle influential parameters for all feasible constellations of input variables

Similar Documents

Publication Publication Date Title
AT512977B1 (en) Method for determining a model of an output of a technical system
WO2019206775A1 (en) Method and device for determining a network configuration of a neural network
DE102020003428A1 (en) Method for creating a simulation model, use of a simulation model, computer program product, method for calibrating a control device
DE102017213510A1 (en) Method and apparatus for generating a machine learning system, and virtual sensor device
DE102013225997A1 (en) A method of determining a model value from a random forest model
EP2088486A1 (en) Method for measuring a non-linear dynamic real system using design of experiment
EP3812949A1 (en) Configurable digital twin
WO2021213996A1 (en) Method for operating a controller for a motor vehicle, and corresponding controller
DE102020111206A1 (en) Method for operating a control device for a motor vehicle and a corresponding control device
DE102010009994A1 (en) Method for optimizing a control program for actuators
DE102019212912A1 (en) Compressing a deep neural network
DE102013206291A1 (en) Method and apparatus for creating a non-parametric, data-based function model
DE102010050708A1 (en) Method for transforming complex model into map, involves calculating optimum vector based on optimization equation
DE102013206274A1 (en) Method and apparatus for adapting a non-parametric function model
DE102015218589A1 (en) Method and apparatus for operating a many-core system
DE19624614C2 (en) Process for designing or adapting a fuzzy controller or a system of linked fuzzy controllers
DE102019201045A1 (en) Method, device and computer program for determining an action or trajectory of a robot
DE102022112606B3 (en) Computer-implemented method for calibrating a technical system
DE102021133881A1 (en) Method for determining a status development of a power grid
WO2000026786A1 (en) Method and array for evaluating a markov chain modeling a technical system
DE102022131760A1 (en) MODEL GENERATION METHOD, MODEL GENERATION PROGRAM, MODEL GENERATION DEVICE AND DATA PROCESSING DEVICE
DE102004031007A1 (en) Method for generating artificial neural network e.g. for data processing of motor vehicle diesel engine pressure signals and engine control devices
DE102022209080A1 (en) Method for calibrating a sensor, computing unit and sensor system
DE102022201574A1 (en) Reinforcement learning apparatus and reinforcement learning method and program
DE102023202270A1 (en) Method for matching a digital road map

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R120 Application withdrawn or ip right abandoned