DE102015200295A1 - Method and apparatus for determining training data points for creating a model for a physical system - Google Patents
Method and apparatus for determining training data points for creating a model for a physical system Download PDFInfo
- Publication number
- DE102015200295A1 DE102015200295A1 DE102015200295.0A DE102015200295A DE102015200295A1 DE 102015200295 A1 DE102015200295 A1 DE 102015200295A1 DE 102015200295 A DE102015200295 A DE 102015200295A DE 102015200295 A1 DE102015200295 A1 DE 102015200295A1
- Authority
- DE
- Germany
- Prior art keywords
- training data
- data points
- points
- input
- test
- 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- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Abstract
Die Erfindung betrifft Verfahren zum Ermitteln eines Bewertungsmaßes (G) für einen mithilfe eines Testverfahrens ermittelten Trainingsdatensatz aus Trainingsdatenpunkten, wobei der Trainingsdatensatz durch aufeinander folgendes Anlegen von Eingangswerten von Eingangsgrößen (E, E1, E2) einer Anzahl (s) von Messpunkten an ein physikalisches System (2) ermittelt wird, wobei das Bewertungsmaß (G) von einer Anzahl von aus dem Trainingsdatensatz ausgewählten Trainingsdatenpunkten abhängt oder dieser entspricht, wobei die Trainingsdatenpunkte ausgewählt werden, so dass in keinem Bereich eines durch die Eingangswerte der Eingangsgrößen (E, E1, E2) definierten Eingangsgrößenraumes eine vorgegebene maximale Punktdichte überschritten wird.The invention relates to methods for determining a rating measure (G) for a training data set determined by a test method from training data points, wherein the training data record is created by sequentially applying input values of input quantities (E, E1, E2) of a number (s) of measurement points to a physical system (2) is determined, wherein the evaluation measure (G) depends on or corresponds to a number of training data points selected from the training data set, wherein the training data points are selected such that in no area of one of the input values of the input quantities (E, E1, E2) defined input space is exceeded a predetermined maximum point density.
Description
Technisches GebietTechnical area
Die Erfindung betrifft das Gebiet von Verfahren zum Vermessen von physikalischen Systemen und Erstellen von Modellen, mit denen das Verhalten des physikalischen Systems mathematisch abgebildet werden kann.The invention relates to the field of methods for measuring physical systems and creating models with which the behavior of the physical system can be mapped mathematically.
Stand der TechnikState of the art
Zum Erstellen von mathematisch-physikalischen Modellen zum Abbilden des Verhaltens von physikalischen Systemen können verschiedenartige Modellierungsverfahren verwendet werden. Insbesondere die Verwendung von nicht-parametrischen, datenbasierten Funktionsmodellen, wie beispielsweise einer Gauß-Prozess-Regression, verwendet zur Modellbildung Trainingsdaten. Solche Trainingsdaten werden üblicherweise auf einem Prüfstand erfasst und bilden das Verhalten des physikalischen Modells ab. Dafür werden Ausgangswerte für mindestens eine Ausgangsgröße bei einer Anzahl von vorgegebenen Messpunkten ermittelt, wobei die Messpunkte jeweils einer Kombination von Eingangswerten von einer oder mehreren Eingangsgrößen entsprechen. Da physikalische Systeme in der Regel auch durch das dynamische Verhalten der Eingangsgrößen beeinflusst sind, können die Trainingsdaten auch die Gradienten einer oder mehrerer der Eingangsgrößen berücksichtigen, d.h. die Eingangsgrößen und ihre Gradienten bilden den Eingangsdatenraum für die Trainingsdatenpunkte.Various modeling techniques can be used to create mathematical-physical models for mapping the behavior of physical systems. In particular, the use of non-parametric, data-based function models, such as Gaussian process regression, uses training data for modeling. Such training data are usually recorded on a test bench and depict the behavior of the physical model. For this purpose, output values for at least one output variable at a number of predetermined measuring points are determined, wherein the measuring points each correspond to a combination of input values of one or more input variables. Since physical systems are usually also influenced by the dynamic behavior of the input variables, the training data can also take into account the gradients of one or more of the input quantities, i. the input quantities and their gradients form the input data space for the training data points.
Damit ein aus den Trainingsdatenpunkten modelliertes Funktionsmodell das reale Verhalten des physikalischen Systems bestmöglich abbildet, sollten die Trainingsdatenpunkte möglichst gleichförmig den gesamten für das physikalische System zulässigen Eingangsgrößenbereich ausfüllen. In order for a function model modeled from the training data points to best represent the real behavior of the physical system, the training data points should as uniformly as possible fill in the entire input variable range permissible for the physical system.
Zum Durchmessen des physikalischen Systems auf dem Prüfstand müssen daher Messpunkte ausgewählt werden, die den Eingangsgrößendatenraum möglichst vollständig und gleichmäßig ausfüllen. Zueinander versetzte so genannte "Shifted Chirp"-Signale oder Sobol-Rampen-Signale können beispielsweise für eine Anregung des physikalischen Systems verwendet werden.For measuring the physical system on the test bench, measurement points must therefore be selected which fill the input data data space as completely and uniformly as possible. Staggered so-called "shifted chirp" signals or Sobol ramp signals can be used, for example, for excitation of the physical system.
Obwohl die bekannten Verfahren nahezu gleichmäßig über den Eingangsdatenraum verteilte Messpunkte erzeugen, können sich je nach Verfahren Trainingsdatenpunkte mit ungleichen Verteilungen ergeben. Zur Auswahl eines geeigneten Verfahrens, mit dem Eingangsgrößendaten ermittelt werden, ist es daher notwendig, ein Kriterium zur Verfügung zu stellen, das es ermöglicht, die Messverfahren zum Durchmessen des physikalischen Systems miteinander zu vergleichen.Although the known methods generate measurement points distributed almost evenly over the input data space, training data points with unequal distributions may result depending on the method. In order to select a suitable method by which input quantity data is determined, it is therefore necessary to provide a criterion which makes it possible to compare the measuring methods for measuring the physical system with one another.
Da im Prüfstand Abweichungen zwischen den durch Vorgabe der Messpunkte bereitgestellten Eingangswerten der Eingangsgrößen und den sich tatsächlich an dem physikalischen System ergebenden Eingangswerte auftreten, kann die raumfüllende Eigenschaft der Messpunkte nicht unbedingt während des Durchführens des Testverfahrens beibehalten werden. Die Gründe hierfür können beispielsweise darin liegen, dass die Anregungsgeschwindigkeit, d.h. die Gradienten der Eingangsgrößen, nicht durch die betreffenden Stellgeber des physikalischen Systems umgesetzt werden können, da diese nur ein beschränktes Ansprechverhalten aufweisen. Weiterhin können Kommunikationsverzögerungen zwischen der Testeinrichtung und dem physikalischen System zu Fehlabbildungen des Verhaltens des physikalischen Systems in den vermessenen Trainingsdatenpunkten führen.Since deviations occur in the test bench between the input values of the input variables provided by specifying the measuring points and the actual values resulting from the physical system, the room-filling property of the measuring points can not necessarily be maintained during the execution of the test method. The reasons for this may be, for example, that the excitation rate, i. The gradients of the input variables, can not be implemented by the respective positioner of the physical system, since they have only a limited response. Furthermore, communication delays between the tester and the physical system may result in misrepresentations of the physical system's behavior in the measured training data points.
Offenbarung der ErfindungDisclosure of the invention
Erfindungsgemäß sind ein Verfahren zum Bewerten von Testverfahren zum Generieren von Trainingsdaten gemäß Anspruch 1 sowie eine entsprechende Vorrichtung gemäß dem nebengeordneten Anspruch vorgesehen.According to the invention, a method for evaluating test methods for generating training data according to
Weitere Ausgestaltungen sind in den abhängigen Ansprüchen angegeben. Gemäß einem ersten Aspekt ist ein Verfahren zum Ermitteln eines Bewertungsmaßes für einen mithilfe eines Testverfahrens ermittelten Trainingsdatensatz aus Trainingsdatenpunkten vorgesehen, wobei der Trainingsdatensatz durch aufeinander folgendes Anlegen von Eingangswerten von Eingangsgrößen von Messpunkten an ein physikalisches System ermittelt wird, wobei das Bewertungsmaß von einer Anzahl von aus dem Trainingsdatensatz ausgewählten Trainingsdatenpunkte abhängt oder dieser entspricht. Die Trainingsdatenpunkte werden als diejenigen Trainingsdatenpunkte ausgewählt, sodass in keinem Bereich eines durch die Eingangswerte der Eingangsgrößen definierten Eingangsgrößenraumes eine vorgegebene maximale Punktdichte überschritten wird. Further embodiments are specified in the dependent claims. According to a first aspect, a method for determining a score for a training data set from training data points determined by a test method is provided, wherein the training data set is determined by successively applying input values of input values of measuring points to a physical system, wherein the score of a number of the training data set selected training data points depends on or corresponds to. The training data points are selected as those training data points, such that a given maximum point density is not exceeded in any area of an input size space defined by the input values of the input variables.
Testverfahren basieren auf einer Menge an vorgegebenen Messpunkten, die nacheinander an ein physikalisches System angelegt werden, wobei in dem physikalischen System entsprechende resultierende Ausgangswerte einer Ausgangsgröße erfasst werden. Die Kombination eines Messpunkts, d.h. jeweils eines Eingangswertes der Eingangsgrößen und/oder deren Gradienten mit dem zugeordneten vom physikalischen System gelieferten Ausgangswert der Ausgangsgröße bildet einen erfassten Trainingsdatenpunkt. Die so ermittelten Trainingsdatenpunkte dienen dann dazu, ein mathematisches Modell zu erstellen, das das Verhalten des physikalischen Systems hinsichtlich der Ausgangsgröße beschreibt.Test methods are based on a set of predefined measurement points that are successively applied to a physical system, wherein corresponding output values of an output variable are detected in the physical system. The combination of a measuring point, ie in each case one input value of the input variables and / or their gradient with the associated output value of the output variable supplied by the physical system forms a recorded training data point. The training data points determined in this way then serve as a mathematical To create a model that describes the behavior of the physical system in terms of output.
Eine Idee des obigen Verfahrens besteht darin, die mit Hilfe eines Testverfahrens erfassten Trainingsdatenpunkte so zu bewerten, dass ein Vergleich mit anderen Testverfahren bzw. Testverfahren, die auf Mengen anderer Messpunkte basieren, möglich ist. Insbesondere basiert das Bewertungsverfahren auf einer Bestimmung der maximalen Menge von erfassten Trainingsdatenpunkten, die so in dem Eingangsgrößenraum verteilt sind, dass in keinem Bereich des Eingangsgrößenraums eine maximal vorgesehene Punktdichte von Trainingsdatenpunkten überschritten wird. Die maximal vorgegebene Punktdichte kann vorgegeben sein oder sich aus der Größe des Eingangsdatenraums und einer vorgegebenen Anzahl von maximal erfassbaren Datenpunkten ergeben. One idea of the above method is to evaluate the training data points acquired with the aid of a test method such that a comparison with other test methods or test methods based on sets of other measurement points is possible. In particular, the evaluation method is based on a determination of the maximum amount of acquired training data points that are distributed in the input size space so that no maximum point density of training data points is exceeded in any range of the input size space. The maximum predetermined point density may be predetermined or result from the size of the input data space and a predetermined number of maximum detectable data points.
Je nach verwendetem Testverfahren kann die Punktdichte der Trainingsdatenpunkte in Bereichen im Eingangsdatenraum die maximal vorgesehene Punktdichte übersteigen. Die in diesem Bereich liegenden Trainingsdatenpunkte sind für die Erstellung des physikalischen Modells weniger geeignet. Es ist daher vorgesehen, bei der Bestimmung eines Bewertungsmaßes für das Testverfahren, die die Punktdichte der Trainingsdatenpunkte über die maximale Punktdichte hinaus erhöhenden Trainingsdatenpunkte nicht zu berücksichtigen. Die verbleibenden Trainingsdatenpunkte bestimmen durch ihre Anzahl das Bewertungsmaß für das verwendete Testverfahren bzw. die Güte des verwendeten Testverfahrens.Depending on the test method used, the point density of the training data points in areas in the input data space may exceed the maximum point density provided. The training data points in this area are less suitable for creating the physical model. It is therefore envisaged, when determining an evaluation measure for the test method, not to consider the training data points which increase the point density of the training data points beyond the maximum point density. The remaining training data points determine by their number the evaluation measure for the test method used or the quality of the test method used.
Durch die Möglichkeit, ein Bewertungsmaß für ein Testverfahren bzw. eine in dem Testverfahren verwendeten Menge an Messpunkten zu ermitteln, können Testverfahren bzw. die verwendete Menge an Messpunkten miteinander verglichen werden, so dass eine Auswahl des Trainingsdatensatzes des Testverfahrens mit dem höchsten Bewertungsmaß für eine Verwendung für die Modellbildung möglich ist.By being able to determine an evaluation measure for a test method or a set of measurement points used in the test method, test methods or the used set of measurement points can be compared with each other, such that a selection of the training data record of the test method with the highest evaluation measure for use is possible for modeling.
Weiterhin kann die maximale Punktdichte aus einer vorgegebenen maximalen Anzahl von Messpunkten abhängig von einem Größenmaß für den Eingangsgrößenraum bestimmt werden.Furthermore, the maximum point density can be determined from a predetermined maximum number of measuring points depending on a size measure for the input size space.
Es kann vorgesehen sein, dass das Bewertungsmaß als Verhältnis der Anzahl der ausgewählten Trainingsdatenpunkte und der maximalen Anzahl von Messpunkten angegeben wird. It can be provided that the evaluation measure is specified as the ratio of the number of selected training data points and the maximum number of measurement points.
Gemäß einer Ausführungsform können die Trainingsdatenpunkte als diejenigen Trainingsdatenpunkte ausgewählt werden, die zu allen übrigen Trainingsdatenpunkten einen vorgegebenen Mindestabstand einhalten, wobei das Auswählen der Trainingsdatenpunkte so durchgeführt wird, dass die Anzahl der ausgewählten Trainingsdatenpunkte maximal wird. According to one embodiment, the training data points may be selected as those training data points that maintain a predetermined minimum distance to all other training data points, wherein the selection of the training data points is performed to maximize the number of selected training data points.
Insbesondere können die ausgewählten Trainingsdatenpunkte bestimmt werden, indem iterativ jeweils der- bzw. diejenigen Trainingsdatenpunkte aus dem ermittelten Trainingsdatensatz entfernt werden, für die die Anzahl von Trainingsdatenpunkten, die mit einem geringeren Abstand als dem vorgegebenen Mindestabstand beabstandet sind, maximal ist. In particular, the selected training data points can be determined by iteratively removing respectively the training data points from the determined training data record for which the number of training data points spaced a smaller distance than the predetermined minimum distance is the maximum.
Gemäß einem weiteren Aspekt kann ein Verfahren zum Vergleichen von mehreren Testverfahren mit jeweils unterschiedlichen Mengen von Messpunkten von Trainingsdatensätzen, wobei die Testverfahren gemäß dem obigen Verfahren mit einem Bewertungsmaß bewertet werden und das- bzw. diejenigen Testverfahren mit dem bzw. den größten Bewertungsmaßen für ein Erstellen eines das physikalische System abbildenden Modells ausgewählt werden. Auf diese Weise können die Trainingsdatensätze, die den Testverfahren zugrunde liegen, hinsichtlich ihrer tauglichkeit für das physikalische Modell verglichen werden, und das am besten geeignete zur Modellbildung verwendet werden.According to a further aspect, a method for comparing a plurality of test methods with respectively different sets of measurement points of training data sets, wherein the test methods are evaluated according to the above method with a weighting measure and those or those test method with the or the largest weighting for a creation of a model mapping the physical system. In this way, the training data sets underlying the testing method can be compared in terms of their fitness for the physical model, and the most suitable for modeling.
Weiterhin können die ausgewählten Trainingsdatensätze der Testverfahren mit den größten Bewertungsmaßen kombiniert werden, um einen gemeinsamen Trainingsdatensatz für ein Erstellen des das physikalische System abbildenden Modells zu erhalten. Furthermore, the selected training data sets of the test methods with the largest weighting measures can be combined to obtain a common training data record for creating the physical system mapping model.
Gemäß einem weiteren Aspekt ist ein Prüfstand mit einer Testeinrichtung zum Vermessen eines physikalischen Systems mithilfe eines Testverfahrens vorgesehen, wobei die Testeinrichtung ausgebildet ist, um ein Bewertungsmaß über eine Brauchbarkeit von einer dem Testverfahren zugrundeliegenden Menge an Messpunkten gemäß dem obigen Verfahren zu ermitteln.According to a further aspect, a test stand having a test device for measuring a physical system by means of a test method is provided, wherein the test device is designed to determine a measure of the usability of an amount of measurement points underlying the test method according to the above method.
Kurzbeschreibung der ZeichnungenBrief description of the drawings
Ausführungsformen werden nachfolgend anhand der beigefügten Zeichnungen näher erläutert. Es zeigen:Embodiments are explained below with reference to the accompanying drawings. Show it:
Beschreibung von AusführungsformenDescription of embodiments
Zum Vermessen des physikalischen Systems
Die zur Ermittlung der Trainingsdatenpunkte bereitgestellten Messpunkte, die einer Kombination von Eingangswerten der Eingangsgrößen entsprechen, können offline ermittelt und der Testeinrichtung
Die Menge der Messpunkte kann durch verschiedene Verfahren zur Generierung erstellt werden. In
Jedoch sind auch andere Verfahren zum Bereitstellen von Testdatenpunkten zur Durchführung des Testverfahrens denkbar, wie beispielsweise mithilfe von Sobolrampen und dergleichen.However, other methods of providing test data points for carrying out the test method are also conceivable, such as using Sobol ramps and the like.
Die Menge der Messpunkte des Trainingsdatensatzes ist vorzugsweise so gewählt, dass der Eingangsdatenraum möglichst gleichförmig ausgefüllt ist. Weiterhin sollen die Eingangsgrößen an den Messpunkten das physikalische System
Die Verarbeitungslogik
In Schritt S1 werden die Messpunkte generiert oder bereitgestellt und an das physikalische System
Der Ausgangswert der Ausgangsgröße y entspricht einer Reaktion des physikalischen Systems auf das Anlegen des Messpunktes und bei dynamischen Systemen auf zuvor angelegte Messpunkte. Aus den jeweils zeitlich einander zugeordneten Werten der angelegten Eingangsgrößen und der resultierenden Ausgangsgrößen werden Trainingsdatenpunkte wie oben beschrieben ermittelt. Insgesamt wird im Schritt S2 ein Trainingsdatensatz mit einer Anzahl von Trainingsdatenpunkten ermittelt und bereitgestellt.The output value of the output quantity y corresponds to a reaction of the physical system to the application of the measuring point and, in the case of dynamic systems, to previously applied measuring points. Training data points are determined as described above from the values of the applied input variables and the resulting output quantities which are assigned to one another in each case temporally. Overall, a training data set with a number of training data points is determined and provided in step S2.
Die bereitgestellten Trainingsdatenpunkte können nun aufgrund von Begrenzungen der Eingangsgrößen und/oder deren Gradienten oder aufgrund von systembedingten Einflüssen und Störungen in dem gesamten Eingangsgrößendatenraum zu Bereichen variierender Punktdichten führen. Da die Anzahl von Trainingsdatenpunkten, die zum Erstellen eines Funktionsmodells verarbeitet werden können, insbesondere aus Gründen der Rechenzeit begrenzt ist, können sich für die Verteilung der Trainingsdatenpunkte in den Eingangsdatenraum einer oder mehrerer Bereiche, in denen die maximale Punktdichte überschritten wird, und Bereiche, in denen nur eine sehr geringe Punktdichte vorliegt, ergeben. Die maximale Punktdichte ergibt sich aus einem Verhältnis der maximalen Anzahl s erfassbarer Trainingsdatenpunkte und einem Raummaß für den durch die Messpunkte abzudeckenden Eingangsgrößenraum. The provided training data points can now due to limitations of the input variables and / or their gradients or due to systemic influences and Disturbances in the entire input data space lead to regions of varying point densities. Since the number of training data points that can be processed to create a function model is limited, in particular for reasons of computation time, the distribution of the training data points into the input data space of one or more areas where the maximum point density is exceeded and areas in which only a very low point density is present. The maximum point density results from a ratio of the maximum number of s of recordable training data points and a volume measure for the input space to be covered by the measurement points.
Da die Bereiche, in denen die maximale Punktdichte überschritten wird, nicht zur Verbesserung des zu erstellenden Funktionsmodells beitragen, bestehen dort überzählige Trainingsdatenpunkte, die zur Qualität des durchgeführten Testverfahrens nicht beitragen. Es ist vorgesehen, ein Bewertungsmaß bereitzustellen, das auf der Anzahl der brauchbaren Trainingsdatenpunkte beruht, dieser entspricht oder von der Anzahl der brauchbaren Trainingsdatenpunkte abhängt. Since the areas in which the maximum point density is exceeded do not contribute to the improvement of the functional model to be created, there are surplus training data points which do not contribute to the quality of the test procedure performed. It is envisaged to provide a score based on the number of usable training data points that corresponds to or depends on the number of useful training data points.
Die brauchbaren Trainingsdatenpunkte ergeben sich als diejenigen Trainingsdatenpunkte, die so in dem Eingangsdatenraum verteilt sind, dass in keinem Bereich des Eingangsdatenraums die maximale Punktdichte überschritten wird. eine entsprechende Vorgehensweise ist schematisch in den
Aus der maximalen Punktdichte ergibt sich ein Mindestabstand, den zwei benachbarte Trainingsdatenpunkte im Trainingsdatenraum haben sollten, so dass die maximale Punktdichte in einem beliebig großen Bereich innerhalb des Eingangsdatenraumes nicht überschritten wird. Beispielsweise kann der Mindestabstand von zwei Trainingsdatenpunkten mit von 1/s angegeben sein.The maximum point density results in a minimum distance which two adjacent training data points should have in the training data space so that the maximum point density in an arbitrarily large area within the input data space is not exceeded. For example, the minimum distance of two training data points may be specified as 1 / s.
In Schritt S4 wird, wie in
Wird in Schritt S5 festgestellt, dass Trainingsdatenpunkte vorhanden sind, die einen Abstand zu benachbarten Trainingsdatenpunkten aufweisen, der geringer ist als der vorgegebene Mindestabstand, so werden für jeden der betreffenden Trainingsdatenpunkte die Anzahl der benachbarten Trainingsdatenpunkte gezählt, deren Abstand kleiner ist als der vorgegebene Mindestabstand. Diejenigen Trainingsdatenpunkte, die die höchste Anzahl an zu nah beabstandeten Trainingsdatenpunkte aufweisen, werden entsprechend aus dem Trainingsdatensatz entfernt. Dies ist in
Insbesondere können in Schritt S5 einer oder mehrere derjenigen Trainingsdatenpunkte aus dem Trainingsdatensatz entfernt werden, bei denen die Anzahl von zu nah benachbarten weiteren Trainingsdatenpunkten größer ist als ein vorgegebener Schwellenwert. In particular, in step S5, one or more of those training data points may be removed from the training data set in which the number of further training data points that are too close is greater than a predefined threshold value.
In Schritt S6 wird überprüft, ob in Schritt S5 Trainingsdatenpunkte entfernt worden sind. Ist dies der Fall (Alternative: Ja), so wird das Verfahren mit Schritt S4 fortgesetzt, wobei die Ermittlung derjenigen benachbarten Trainingsdatenpunkte, zu denen der Mindestabstand unterschritten wird, nun für die verbliebenen Trainingsdatenpunkte ausgeführt wird. Andernfalls (Alternative: Nein), d.h. wenn sich in dem verbleibenden Trainingsdatensatz keine Trainingsdatenpunkte befinden, die einen zu geringen Abstand (kleiner als der Mindestabstand) zueinander aufweisen, wird das Verfahren mit Schritt S7 fortgesetzt. In step S6, it is checked if training data items have been removed in step S5. If this is the case (alternative: yes), the method is continued with step S4, wherein the determination of those adjacent training data points, to which the minimum distance is fallen below, is now carried out for the remaining training data points. Otherwise (alternative: no), i. If there are no training data points in the remaining training data set which are too close to one another (smaller than the minimum distance), the method continues with step S7.
Der sich aus dem Verfahren der Schritte S4 bis S6 ergebende reduzierte Trainingsdatensatz wird in Schritt S7 nun als Menge von Trainingsdatenpunkten verwendet, die bewertet wird. Die Trainingsdatenpunkte des reduzierten Trainingsdatensatzes entsprechen nun wieder den Kriterien der Gleichverteilung innerhalb des Eingangsdatenraumes. The reduced training data set resulting from the method of steps S4 to S6 is now used in step S7 as a set of training data points that is evaluated. The training data points of the reduced training data set now again correspond to the criteria of equal distribution within the input data space.
Als Bewertungsmaß G dient nun die Anzahl a der verbliebenen Trainingsdatenpunkte des reduzierten Trainingsdatensatzes, die als absoluter Wert oder relativ zur sich theoretisch ergebenden maximalen Anzahl s der Trainingsdatenpunkte als G = a/s bestimmt werden kann. Die maximale Anzahl von Trainingsdatenpunkten ist vorgegeben oder ergibt sich aus der maximalen Punktdichte und der Größe des Eingangsdatenraumes.The evaluation measure G is now the number a of the remaining training data points of the reduced training data set, which can be determined as an absolute value or relative to the theoretically resulting maximum number s of training data points as G = a / s. The maximum number of training data points is given or results from the maximum point density and the size of the input data space.
Für ein Vergleichen von mehreren Testverfahren mit jeweils unterschiedlichen Mengen von Messpunkten können nun nach dem obigen Verfahren reduzierte bzw. ausgewählte Trainingsdatensätze erstellt und bewertet werden. Dabei wird für die Erstellung eines mathematischen Modells, das das physikalische Modell beschreibt, nur der ausgewählte Trainingsdatensatz des Testverfahrens mit dem größten Bewertungsmaß oder die ausgewählten Trainingsdatensätze der Testverfahren mit den größten Bewertungsmaßen für ein Erstellen eines das physikalische System abbildenden Modells verwendet. Insbesondere können die ausgewählten Trainingsdatensätze der Testverfahren mit den größten Bewertungsmaßen in geeigneter Weise kombiniert werden, um einen gemeinsamen Trainingsdatensatz für ein Erstellen des das physikalische System abbildenden Modells zu erhalten. For comparison of several test methods, each with different sets of measuring points, reduced or selected training data records can now be created and evaluated according to the above method. In doing so, for creating a mathematical model describing the physical model, only the selected training dataset of the largest score test method or the selected training datasets of the largest scoring test methods are used for constructing a physical system mapping model. In particular, the selected training data sets of the largest scoring test methods may be suitably combined to obtain a common training data set for constructing the physical system mapping model.
In
Man erkennt, dass, obwohl das physikalische System
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102015200295.0A DE102015200295A1 (en) | 2015-01-13 | 2015-01-13 | Method and apparatus for determining training data points for creating a model for a physical system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102015200295.0A DE102015200295A1 (en) | 2015-01-13 | 2015-01-13 | Method and apparatus for determining training data points for creating a model for a physical system |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102015200295A1 true DE102015200295A1 (en) | 2016-07-14 |
Family
ID=56233799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102015200295.0A Withdrawn DE102015200295A1 (en) | 2015-01-13 | 2015-01-13 | Method and apparatus for determining training data points for creating a model for a physical system |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102015200295A1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108733880A (en) * | 2017-04-13 | 2018-11-02 | 罗伯特·博世有限公司 | System and method, computer program and device for adjusting measuring apparatus |
-
2015
- 2015-01-13 DE DE102015200295.0A patent/DE102015200295A1/en not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108733880A (en) * | 2017-04-13 | 2018-11-02 | 罗伯特·博世有限公司 | System and method, computer program and device for adjusting measuring apparatus |
CN108733880B (en) * | 2017-04-13 | 2024-04-23 | 罗伯特·博世有限公司 | System, method, computer program and device for adjusting a measuring device |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2999998B1 (en) | Methods for ascertaining a model of an output variable of a technical system | |
EP3268713A1 (en) | Method for generating a model ensemble for calibrating a control device | |
WO2004102291A1 (en) | Configuration of tools and processes for metal forming | |
DE102016201559A1 (en) | Method and device for measuring a system to be tested | |
DE102013206264A1 (en) | Method and apparatus for performing a calculation of a data-based function model | |
WO2015082107A2 (en) | Method and device for determining a data-based functional model | |
EP2088486B1 (en) | Method for measuring a non-linear dynamic real system using design of experiment | |
DE102013211616A1 (en) | Method and apparatus for defect size evaluation | |
DE102015200295A1 (en) | Method and apparatus for determining training data points for creating a model for a physical system | |
EP3708945B1 (en) | Evaluation of measurement data from a measurement of a plurality of workpieces | |
DE102013206276A1 (en) | Method and device for creating a functional model for a control unit of an engine system | |
DE102015206194B4 (en) | Method for checking test specimens and device therefor | |
DE102013206291A1 (en) | Method and apparatus for creating a non-parametric, data-based function model | |
DE102016206627A1 (en) | Method and device for measuring a system to be tested | |
DE102020215136A1 (en) | Procedure for the automated evaluation of a simulation model | |
DE102013225768A1 (en) | Method and apparatus for determining a LOLIMOT model | |
DE102013206297A1 (en) | Method for providing input signals for a test bench and device for this purpose | |
DE102019217758A1 (en) | METHOD OF ESTIMATING A CLAMPING FORCE OF A BOLT | |
DE102020205131A1 (en) | Method and device for simulating a technical system | |
DE112020003599T5 (en) | TEST DEVICE, TEST PROCEDURE, TEST PROGRAM, TEACHING DEVICE, TRAINING METHOD AND TEACHING PROGRAM | |
DE102015223790B3 (en) | Method and apparatus for model selection in object tracking with projecting measurements | |
DE102018222801A1 (en) | Method and device for measuring a system to be tested | |
DE102019207016A1 (en) | Method for determining a system model for a technical system | |
DE102013206258A1 (en) | Method and apparatus for generating allowable input data trajectories for a test system | |
EP4130656B1 (en) | Preparation of the evaluation of samples of measured values from a measurement of a plurality of workpieces by one or more coordinate measuring devices |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |