DE102021201878A1 - Optimization of test procedures - Google Patents
Optimization of test procedures Download PDFInfo
- Publication number
- DE102021201878A1 DE102021201878A1 DE102021201878.5A DE102021201878A DE102021201878A1 DE 102021201878 A1 DE102021201878 A1 DE 102021201878A1 DE 102021201878 A DE102021201878 A DE 102021201878A DE 102021201878 A1 DE102021201878 A1 DE 102021201878A1
- Authority
- DE
- Germany
- Prior art keywords
- test
- parameter space
- test points
- points
- distribution
- 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.)
- Ceased
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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Die Erfindung betrifft eine computerimplementierte Methode zur numerischen Optimierung der Auswahl und Verteilung von Testpunkten innerhalb eines Parameterraums zum Ausführen eines Tests in einer Testvorrichtung, wobei der Test durch ein Modell mit zumindest zwei Eingangsparametern und einem Zustandsvektor als Ausgabeparameter beschrieben wird, der Parameterraum von den zumindest zwei Eingangsparametern des Models des Tests aufgespannt wird und wobei der Parameterraum Randbedingungen umfasst, die gewisse Kombinationen von Eingangsparametern ausschließen und vorbekannte Informationen über den Parameterraum vorliegen, so dass zumindest ein fixer Testpunkt erzeugt werden kann. Die Optimierung der Auswahl und Verteilung der Testpunkte innerhalb des Parameterraums wird durch folgende Schritte erzeugt: Initialisierung, Bewegung, Reibung, Kraftberechnung, Beschleunigung, Konvergenzüberprüfung und Modifikation.The invention relates to a computer-implemented method for numerically optimizing the selection and distribution of test points within a parameter space for executing a test in a test device, the test being described by a model with at least two input parameters and a state vector as the output parameter, the parameter space being described by the at least two Input parameters of the model of the test is spanned and the parameter space includes boundary conditions that exclude certain combinations of input parameters and previously known information about the parameter space is available, so that at least one fixed test point can be generated. The optimization of the selection and distribution of the test points within the parameter space is generated by the following steps: initialization, movement, friction, force calculation, acceleration, convergence check and modification.
Description
Die Erfindung betrifft eine computerimplementierte Methode zur numerischen Optimierung der Auswahl und Verteilung von Testpunkten innerhalb eines Parameterraums zum Ausführen eines Tests in einer Testvorrichtung.The invention relates to a computer-implemented method for numerically optimizing the selection and distribution of test points within a parameter space for executing a test in a test device.
Parameterräume werden insbesondere auch für das Trainieren von künstlicher Intelligenz und zum Testen des Verhaltens von elektronischen und/oder mechanischen Komponenten benutzt. Dabei sind die Auswahl von Punkten innerhalb eines Parameterraumes und die Optimierung der Punkte wichtige Kriterien, um die Trainings- und Testverfahren effizient und ressourcenschonend ablaufen zu lassen.Parameter spaces are also used in particular for training artificial intelligence and for testing the behavior of electronic and/or mechanical components. The selection of points within a parameter space and the optimization of the points are important criteria in order to run the training and test procedures efficiently and in a way that conserves resources.
In der Optimierung physikalischer Parameter von elektrischen oder mechanischen Bauteilen oder komplexen Regel- und Steuerungssystemen kommen häufig Verfahren zur Anwendung, die eine initiale Abdeckung des Parameterraums durch Versuchspunkte erfordern, bevor der eigentlich Optimierungsprozess gestartet werden kann. Eine effiziente Abdeckung des Parameterraums verhindert zum einem die Funktionsevaluation an nicht-informativen Punkten und hat zum anderen entscheidenden Einfluss auf die Konvergenzgeschwindigkeit der Optimierung.In the optimization of physical parameters of electrical or mechanical components or complex regulation and control systems, methods are often used that require the parameter space to be initially covered by test points before the actual optimization process can be started. Efficient coverage of the parameter space on the one hand prevents function evaluation at non-informative points and on the other hand has a decisive influence on the convergence speed of the optimization.
Latin-Hypercube Sampling (LHS) ist seit fast 40 Jahren der akzeptierte Stand der Technik um raumfüllende Stichproben auch in hoch-dimensionalen Räumen zu erzeugen und ist nachgewiesenermaßen einer zufälligen Stichprobenverteilung deutlich überlegen. LHS Stichproben lassen sich nach verschiedenen Kriterien optimieren, z.B. dem max-min Kriterium, bei dem der Mindestabstand zweier Punkte im Raum voneinander maximiert wird. Weiterhin kann vorgegeben werden, dass die Dichteverteilung in jeder einzelnen Dimension einer vorgegebenen Verteilung folgen soll.Latin-Hypercube Sampling (LHS) has been the accepted state of the art for almost 40 years to generate space-filling samples even in high-dimensional spaces and has been proven to be clearly superior to random sampling. LHS random samples can be optimized according to various criteria, e.g. the max-min criterion, in which the minimum distance between two points in space is maximized. Furthermore, it can be specified that the density distribution should follow a specified distribution in each individual dimension.
In der Praxis unterliegen viele Optimierungsprobleme Randbedingungen, die gewisse Kombinationen von Parametern apriori ausschließen.
LHS Stichproben können solche Randbedingungen nur für den Fall einfacher Ungleichheitsbedingungen erfüllen. Komplexere Abhängigkeiten von Parametern untereinander können nicht berücksichtigt werden. Explizites Vorwissen über Funktionswerte bei gegebenen Werten, das z.B. durch Expertenwissen oder bereits durchgeführte Experimente vorliegen kann, kann in der Erstellung von LHS Stichproben nicht berücksichtigt werden. Die explizite Auswahl interessanter Punkte zerstört die raumfüllenden Eigenschaften des experimentellen Designs.In practice, many optimization problems are subject to boundary conditions that exclude certain combinations of parameters a priori.
LHS samples can only satisfy such boundary conditions in the case of simple inequality conditions. More complex interdependencies between parameters cannot be taken into account. Explicit previous knowledge about function values for given values, which may be available, for example, through expert knowledge or experiments that have already been carried out, cannot be taken into account when creating LHS samples. The explicit selection of points of interest destroys the space-filling properties of the experimental design.
Es wäre wünschenswert, diese Nachteile zu überwinden.It would be desirable to overcome these disadvantages.
Eine erfindungsgemäße computerimplementierte Methode umfasst dabei, dass
- a) der Test wird durch ein Modell mit zumindest zwei Eingangsparametern und einem Zustandsvektor als Ausgabeparameter beschrieben;
- b) der Parameterraum wird von den zumindest zwei Eingangsparametern des Models des Tests aufgespannt und wobei der Parameterraum Randbedingungen umfasst, die gewisse Kombinationen von Eingangsparametern ausschließen;
- c) Vorbekannte Informationen über den Parameterraum vorliegen, so dass zumindest ein fixer Testpunkt erzeugt werden kann;
und wobei die Optimierung der Auswahl und Verteilung der Testpunkte innerhalb des Parameterraums durch folgende Schritte erzeugt wird:
- 1) Erstellen von n zufällig im Parameterraum verteilten beweglichen Testpunkten, die die Randbedingungen erfüllen und zuweisen von einem zufälligen Geschwindigkeitsvektor und einer Masse an die zufällig im Parameterraum verteilten beweglichen Testpunkten; und Zuweisen von m fixen Testpunkten, deren Position im Parameterraum durch die vorbekannten Informationen bestimmt sind und zuweisen von einem Geschwindigkeitsvektor und einer Masse, wobei der Geschwindigkeitsvektor der Nullvektor ist;
- 2) Ausführen eines zeitlichen Integrationsschritt, wobei sich alle Testpunkte gemäß ihrer Geschwindigkeit unter der Berücksichtigung periodischer Randbedingungen an den Grenzen des Parameterraums fortbewegen und wobei sich Testpunkte, deren neue Position die Randbedingungen verletzen würden, sich nicht weiterbewegen;
- 3) Setzen der Geschwindigkeitsvektoren aller Testpunkte auf null;
- 4) Berechnen von abstoßenden Kräften für alle N=n+m Testpunkte proportional zu den Massen der Testpunkte nach einem inversen Quadratgesetz, wobei die Berechnung der abstoßenden Kräfte den Randbedingungen des Parameterraums gehorcht;
- 5) Zuweisen eines neuen Geschwindigkeitsvektors an die n beweglichen Testpunkte basierend auf den berechneten abstoßenden Kräften;
- 6) Überprüfen eines Konvergenzkriteriums und wiederholen der Schritte 2 bis 5, wenn das Konvergenzkriteriums nicht erfüllt ist;
- 7) Modifikation der erzeugten Testpunkteverteilung im Parameterraum unter Verwendung von vorbekannten Informationen, wobei gegebenenfalls weitere fixe Testpunkte hinzugefügt und bewegliche Testpunkte entfernt oder umpositioniert werden können;
- 8) Wiederholen der Schritte 2 bis 7, bis erneut Konvergenz erreicht ist und keine weiteren Modifikationen in Schritt 7 durchgeführt werden.
- a) the test is described by a model with at least two input parameters and a state vector as the output parameter;
- b) the parameter space is spanned by the at least two input parameters of the model of the test and the parameter space includes boundary conditions that exclude certain combinations of input parameters;
- c) Previously known information about the parameter space is available, so that at least one fixed test point can be generated; and wherein the optimization of the selection and distribution of the test points within the parameter space is generated by the following steps:
- 1) creating n randomly distributed in parameter space moving test points that satisfy the boundary conditions and assigning a random velocity vector and a mass to the randomly distributed in parameter space moving test points; and assigning m fixed test points whose position in the parameter space is determined by the previously known information and assigning a velocity vector and a mass, the velocity vector being the zero vector;
- 2) performing a time integration step, where all test points move according to their speed considering periodic constraints at the boundaries of the parameter space and where test points whose new position would violate the constraints do not move any further;
- 3) set the velocity vectors of all test points to zero;
- 4) calculating repulsive forces for all N=n+m test points proportional to the masses of the test points according to an inverse square law, the calculation of the repulsive forces obeying the boundary conditions of the parameter space;
- 5) assigning a new velocity vector to the n moving test points based on the calculated repulsive forces;
- 6) checking a convergence criterion and repeating steps 2 to 5 if the convergence criterion is not met;
- 7) modification of the generated test point distribution in the parameter space using previously known information, it being possible for further fixed test points to be added and movable test points to be removed or repositioned;
- 8) Repeat steps 2 through 7 until convergence is again achieved and no further modifications are made in step 7.
Weiterhin kann die Testvorrichtung dazu ausgelegt sein, mit einem elektrischen Bauteil in Verbindung gebracht zu werden, oder die Testvorrichtung kann dazu ausgelegt sein, mit einem mechanischen Bauteil in Verbindung gebracht zu werden, oder die Testvorrichtung kann dazu ausgelegt sein, mit einem elektromechanischen Bauteil in Verbindung gebracht zu werden, oder die Testvorrichtung kann dazu ausgelegt sein, eine künstliche Intelligenz zu trainieren.Furthermore, the test device can be configured to be connected to an electrical component, or the test device can be configured to be connected to a mechanical component, or the test device can be configured to be connected to an electromechanical component to be brought, or the test device can be designed to train an artificial intelligence.
Außerdem können die den Testpunkten zugeordneten Massen Einheitsmassen sein.In addition, the masses associated with the test points can be unit masses.
Bevorzugt wird bei der Modifikation in Schritt 7 ein Bereich, der eine höhere Dichte an Testpunkten aufweisen soll, einen fixen Testpunkt zugewiesen wird, dessen Masse kleiner als die Massen der umgebenden Testpunkte ist.In the modification in step 7, an area that is intended to have a higher density of test points is preferably assigned a fixed test point whose mass is smaller than the masses of the surrounding test points.
Ein erfindungsgemäßes Testsystem umfasst dabei ein zu testendes Bauteil, eine Aufnahmeeinheit für das zu testende Bauteil, Rechnereinheit und eine Steuerungseinheit.A test system according to the invention comprises a component to be tested, a recording unit for the component to be tested, a computer unit and a control unit.
Die beschrieben Vorgehensweise erzeugt raumfüllende Verteilungen, die dem max-min Kriterium entsprechen, wenn nicht durch eine Änderung der Teilchenmasse gewünscht davon abgewichen wird, die aber
- 1. Vordefinierten Randbedingungen gehorchen können
- 2. Vorwissen, das auf evtl. nicht raumfüllenden Verteilungen gewonnen wurde, optimal integrieren
- 3. Vielfältig justierbar sind.
- 1. Being able to obey predefined boundary conditions
- 2. Optimally integrate prior knowledge gained from distributions that may not fill space
- 3. Can be adjusted in many ways.
Damit ist das beschriebene Verfahren dem Stand der Technik, bei dem beispielsweise Randbedingungen beachtet werden, indem zufällig gezogene Punkte, die diese verletzen, verworfen werden, überlegen, weil diese Verfahren keine raumfüllenden Verteilungen erzeugen, dafür aber Punkte mit niedrigem Informationsgehalt beinhalten.The method described is superior to the prior art, in which, for example, boundary conditions are observed by discarding randomly drawn points that violate them, because these methods do not generate space-filling distributions, but instead contain points with low information content.
Weitere Merkmale, Eigenschaften und Vorteile der vorliegenden Erfindung ergeben sich aus der nachfolgenden Beschreibung unter Bezugnahme auf die beiliegenden Figuren. Darin zeigen schematisch:
-
1 : ein Ablaufdiagramm eines erfindungsgemäßen Verfahrens; -
2 : eine beispielhafte Punktverteilung in einem Parameterraum; -
3 : eine beispielhafte Konvergenz des erfindungsgemäßen Verfahrens; -
4 : eine beispielhafte Punktverteilung nach Erreichen der Konvergenz; -
5 : eine beispielhafte Punktverteilung im Parameterraum nach zusätzlicher Modifikation; und -
6 : eine beispielhafte Punktverteilung nach Modifikation und erneuter Konvergenz.
-
1 : a flowchart of a method according to the invention; -
2 : an exemplary point distribution in a parameter space; -
3 : an exemplary convergence of the method according to the invention; -
4 : an example point distribution after reaching convergence; -
5 : an exemplary point distribution in the parameter space after additional modification; and -
6 : an exemplary point distribution after modification and re-convergence.
Eine konkrete Ausgestaltung des erfindungsgemäßen Verfahrens weißt dabei die Schritte Initialisierung S1, Bewegung S2, Reibung S3, Kraftberechnung S4, Beschleunigung S5, Konvergenzüberprüfung S6 und Modifikation S7 auf, wie in
Der Parameterraum soll durch eine Funktion mit zwei Parametern x1 und x2 erzeugt werden, wobei die Parameter hier beispielhaft auf das Einheitsintervall [0,1] skaliert wurden. Dabei existieren Randbedingungen, die die Kombination mancher Parameterwerte verbieten. Diese verbotenen Bereiche sind in den Figuren schraffiert dargestellt. Das beschränkte Budget und die hohen Kosten der Funktionsevaluierung machen es notwendig, eine maximale Anzahl an Versuchsdurchführungen (hier z.B. N =20) zu spezifizieren, für die man möglichst optimale Punkte im Parameterraum finden muss.The parameter space is to be generated by a function with two parameters x1 and x2, with the parameters here being scaled to the unit interval [0,1] as an example. There are boundary conditions that prohibit the combination of some parameter values. These prohibited areas are shown hatched in the figures. The limited budget and the high costs of function evaluation make it necessary to specify a maximum number of test runs (here e.g. N = 20) for which the best possible points in the parameter space must be found.
Im ersten Schritt Initialisierung S1 werden n zufällig im erlaubten Parameterraum verteilte Positionen ausgewählt und Punkte (runde Punkte) zugeordnet, wie in
Im zweiten Schritt Bewegung S2 werden nun alle beweglichen Punkte für eine feste Zeit dt anhand ihrer Geschwindigkeitsvektoren bewegt. Die Zeit dt liegt entweder bereits als Information vor oder kann auch anhand von Optimierungen ermittelt werden. Dabei werden folgende Bedingungen beachtet:
- 1. Bewegungen, die einen Punkt in einen nicht erlaubten Bereich des Parameterraums führen würden, werden nicht ausgeführt. Der Punkt verbleibt an seinem Ort.
- 2. Periodische Randbedingungen werden beachtet, d.h. allen neuen Ortsvektorkomponenten xi wird der Wert xi mod 1 zugewiesen, wobei mod die Modulo-Funktion darstellt.
- 1. Movements that would lead a point into a non-permissible area of the parameter space are not executed. The point stays in place.
- 2. Periodic boundary conditions are observed, ie all new position vector components xi are assigned the value xi mod 1, where mod represents the modulo function.
Im Schritt S3 werden alle Geschwindigkeiten auf Null gesetzt.In step S3, all speeds are set to zero.
Im Schritt S4 werden für alle Punkte abstoßende Kräfte anhand eines Algorithmus berechnet. Hier wird zum Beispiel die auf einen Punkt i einwirkende Kraft Fi in Abhängigkeit zu der Richtung und dem Abstand rij=xi-xj zu den anderen Punkten j gesetzt:
Dabei kann man ausnutzen, dass
- 1. diese Kräfte auch als Gradient des Potentials der Dichteverteilung der Masse berechnet werden können;
- 2. das Potential über eine Poissongleichung mit der Dichteverteilung verbunden ist;
- 3. Poissongleichungen sich numerisch effizient über Fourier Transformationen lösen lassen.
- 1. these forces can also be calculated as the gradient of the potential of the density distribution of the mass;
- 2. the potential is related to the density distribution by a Poisson equation;
- 3. Poisson equations can be solved numerically efficiently using Fourier transformations.
Praktisch wird die Dichteverteilung auf einem regelmäßigen Gitter erzeugt, indem man den Punktmassen Gitterpunkten zuweist. Die Fouriertransformierte der so diskretisierten Dichteverteilung wird durch eine schnelle Fourier Transformation (FFT) berechnet. Dieser Algorithmus erzeugt natürlicherweise periodische Randbedingungen. Die Fouriertransformierte des Potentials erhält man aus dem Zusammenhang mit der Poissongleichung. Das Potential wird dann durch eine inverse FFT berechnet. Das Kraftfeld erhält man nun, indem man den Gradienten des Potentials als finite Differenz unter Berücksichtung der periodischen Randbedingungen berechnet. Nach dem gleichen Diskretisierungsschema, das zur Erzeugung der Dichteverteilung benutzt wurde, werden nun den Punkten Kräfte zugewiesen.In practice, the density distribution is generated on a regular grid by assigning grid points to the point masses. The Fourier transform of the density distribution discretized in this way is calculated by a fast Fourier transform (FFT). This algorithm naturally creates periodic boundary conditions. The Fourier transform of the potential is obtained from the connection with the Poisson equation. The potential is then calculated by an inverse FFT. The force field is now obtained by calculating the gradient of the potential as a finite difference, taking into account the periodic boundary conditions. Forces are now assigned to the points using the same discretization scheme that was used to generate the density distribution.
Im Schritt S5 erhält man einen neuen Geschwindigkeitsvektor aus den auf alle Punkte wirkenden Kräften ergebenen Beschleunigung, die für einen festen Zeitraum dt ausschließlich auf die n beweglichen Punkte wirkt.In step S5, a new velocity vector is obtained from the forces acting on all points resulting in acceleration, which acts exclusively on the n moving points for a fixed period of time dt.
Beim Schritt S6 Konvergenzkriterium wird überprüft, ob eine Konvergenz erzielt wurde. Als Konvergenzkriterium kann zum Beispiel dienen, dass sich die mittlere Punktgeschwindigkeit nicht mehr verringert. In
Sind weitere Informationen über eine vorteilhafte Verteilung der Punkte bekannt oder die Abstände zwischen einzelnen Punkten zu klein, können weitere Fixpunkte im Austausch für andere Punkte ersetzt werden oder einzelne Punkte versetzt werden. Dies wird im Schritt S7 Modifikation durchgeführt und ist beispielhaft in
Ergibt sich in Schritt S7 eine veränderte Verteilung, wird die Feinabstimmung durchgeführt, indem das Verfahren mit Schritt S2 beginnend weiter ausgeführt wird, bis wieder eine Konvergenz in Schritt S6 erreicht wird und keine Modifikationen in Schritt S7 durchgeführt werden. Beispielhaft ist die endgültige Verteilung nach der Modifikation und dem erneuten Durchlaufen der Schritte S2 bis S6 bis zur Konvergenz in
Die Position der Punkte entspricht nun den Punkten im Parameterraum, um die Trainings- und Testverfahren effizient und ressourcenschonend ablaufen zu lassen.The position of the points now corresponds to the points in the parameter space in order to run the training and test procedures efficiently and in a way that conserves resources.
Die Optimierung aufwändig zu evaluierender Funktionen ist ein weites Feld. Im Automotive Bereich gängige Probleme, die auf Testsystemen getestet werden, sind:
- • Motorbetriebene bewegliche Elemente wie Heckklappen, Schiebetüren und -dächer, Fenster oder Sitze
- • Antriebsaggregate und Einspritzsysteme
- • Abgas Regulationssysteme
- • Getriebe
- • Herstellungs- oder Produktionsprozesse
- • Darüber hinaus lässt sich das beschriebene Verfahren auch zur Initialisierung evolutionärer Algorithmen einsetzen, sowie für destruktivere Versuche (Material- und CrashTests), die sich nicht beliebig oft wiederholen lassen und mit beschränkter Versuchszahl den Parameterraum optimal abdecken müssen.
- • Motorized moving elements such as tailgates, sliding doors and roofs, windows or seats
- • Power units and injection systems
- • Exhaust gas regulation systems
- • Transmission
- • Manufacturing or production processes
- • In addition, the method described can also be used to initialize evolutionary algorithms, as well as for more destructive tests (material and crash tests) that cannot be repeated any number of times and must optimally cover the parameter space with a limited number of tests.
Obwohl die Erfindung im Detail durch die bevorzugten Ausführungsbeispiele näher illustriert und beschrieben wurde, ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt. Variationen hiervon können vom Fachmann abgeleitet werden, ohne den Schutzumfang der Erfindung, wie er durch die nachfolgenden Patentansprüche definiert wird, zu verlassen.Although the invention has been illustrated and described in detail by the preferred embodiments, the invention is not limited by the disclosed examples. Variations may be devised by those skilled in the art without departing from the scope of the invention as defined by the following claims.
Claims (4)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021201878.5A DE102021201878A1 (en) | 2021-02-26 | 2021-02-26 | Optimization of test procedures |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021201878.5A DE102021201878A1 (en) | 2021-02-26 | 2021-02-26 | Optimization of test procedures |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102021201878A1 true DE102021201878A1 (en) | 2022-03-17 |
Family
ID=80351547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102021201878.5A Ceased DE102021201878A1 (en) | 2021-02-26 | 2021-02-26 | Optimization of test procedures |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102021201878A1 (en) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014213866A1 (en) | 2014-07-16 | 2016-01-21 | Man Diesel & Turbo Se | Coordination of an internal combustion engine in development by map optimization of high-dimensional parameter spaces |
-
2021
- 2021-02-26 DE DE102021201878.5A patent/DE102021201878A1/en not_active Ceased
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014213866A1 (en) | 2014-07-16 | 2016-01-21 | Man Diesel & Turbo Se | Coordination of an internal combustion engine in development by map optimization of high-dimensional parameter spaces |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2106576B1 (en) | Method for the computer-assisted control and/or regulation of a technical system | |
EP2999998B1 (en) | Methods for ascertaining a model of an output variable of a technical system | |
DE102007001026A1 (en) | Technical system e.g. gas turbine, controlling and/or regulating method, involves executing learning and/or optimizing procedure based on concealed states in state space to control and/or regulate system | |
DE102016108991A1 (en) | Method and device for characterizing a component | |
EP2088486B1 (en) | Method for measuring a non-linear dynamic real system using design of experiment | |
DE102021201878A1 (en) | Optimization of test procedures | |
DE102020111204A1 (en) | Method for operating a control device for a motor vehicle and a corresponding control device | |
DE102020105783A1 (en) | Method of creating a reduced neural network | |
DE102006003156A1 (en) | Automatic production data processing forecast unit method, has sample, where main component analysis is applied for computation and has main components, where number of selected main components remains smaller than number of scanning times | |
DE102022209555A1 (en) | Method and control unit for controlling a mechatronic system | |
EP4320542A1 (en) | System for ascertaining internal load states of a mechanical component | |
DE69911066T2 (en) | METHOD FOR MODELING THE FORMATION OF AN ANISOTROPIC MATERIAL | |
DE102019207016A1 (en) | Method for determining a system model for a technical system | |
DE102020205962B3 (en) | Device and method for operating a test bench | |
DE102020215136A1 (en) | Procedure for the automated evaluation of a simulation model | |
DE19917045A1 (en) | Procedure for determining the deformations and stresses of an overall structure consisting of substructures | |
DE102016206627A1 (en) | Method and device for measuring a system to be tested | |
WO2016198588A1 (en) | Method for generating characteristic maps of a physical technical system or process | |
DE102019214526A1 (en) | Virtual product qualification by aligning virtual component models | |
DE102020205963B3 (en) | Device and computer-implemented method for operating a test bench | |
EP3811162B1 (en) | Method for calibrating a technical system | |
DE102020205964B3 (en) | Device and method for operating a test bench | |
EP4009216A1 (en) | Method for modelling a collision of two vehicles | |
DE102017215420A1 (en) | Model calculation unit and control unit for calculating an RBF model | |
EP0978444A2 (en) | Method for determining deformations and stresses in a construction consisting of component structures |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R230 | Request for early publication | ||
R081 | Change of applicant/patentee |
Owner name: CONTINENTAL AUTOMOTIVE TECHNOLOGIES GMBH, DE Free format text: FORMER OWNER: CONTINENTAL AUTOMOTIVE GMBH, 30165 HANNOVER, DE |
|
R002 | Refusal decision in examination/registration proceedings | ||
R003 | Refusal decision now final |