DE102021210393A1 - Verfahren und Vorrichtung zum Betreiben eines technischen Systems - Google Patents

Verfahren und Vorrichtung zum Betreiben eines technischen Systems Download PDF

Info

Publication number
DE102021210393A1
DE102021210393A1 DE102021210393.6A DE102021210393A DE102021210393A1 DE 102021210393 A1 DE102021210393 A1 DE 102021210393A1 DE 102021210393 A DE102021210393 A DE 102021210393A DE 102021210393 A1 DE102021210393 A1 DE 102021210393A1
Authority
DE
Germany
Prior art keywords
variables
input
variable
input variables
output
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102021210393.6A
Other languages
English (en)
Inventor
Martin Lustfeld
Andreas Michalowski
Michael Schaenzel
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102021210393.6A priority Critical patent/DE102021210393A1/de
Priority to CN202211135312.4A priority patent/CN115840864A/zh
Publication of DE102021210393A1 publication Critical patent/DE102021210393A1/de
Pending legal-status Critical Current

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
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Abstract

Verfahren zum Ermitteln der Funktionsweise eines technischen Systems (1), wobei ein Computersystem konfiguriert wird, abhängig von mindestens einer Eingangsgröße (E) des technischen Systems (1) mindesten eine Ausgangsgröße (A) des technischen Systems (1) zu ermitteln, wobei die mindestens eine Eingangsgröße (E) aus einer Mehrzahl von Kandidaten-Eingangsgrößen (K) ausgewählt wird, wobei ein maschinelles Lernsystem (60) trainiert wird, aus der Mehrzahl der Kandidaten-Eingangsgrößen (K) die mindestens eine Ausgangsgröße (A) zu ermitteln, wobei das Auswählen der mindestens einen Eingangsgröße (E) abhängig davon geschieht, wie stark eine Veränderung der Werte der mindestens einen Eingangsgröße (E) in einem Testdatensatz eine Fitgüte (Q) des trainierten maschinellen Lernsystems (60) beeinflusst.

Description

  • Die Erfindung betrifft ein Verfahren zum Ermitteln der Funktionsweise eines technischen Systems, ein Computerprogramm, ein maschinenlesbares Speichermedium, eine Messvorrichtung und eine Steuervorrichtung.
  • Stand der Technik
  • Aus der nicht vorveröffentlichten DE 10 2020 215 138 ist ein Verfahren zum Erstellen einer mathematischen Gleichung bekannt, die eine Abhängigkeit mindestens einer Ausgangsgröße eines technischen Systems von mindestens einer Eingangsgröße des technischen Systems beschreibt, wobei jeder der Eingangsgrößen und jeder der Ausgangsgrößen ihre jeweilige physikalische Dimension zugeordnet ist, wobei mittels physikalisch dimensionsloser Π-Faktoren, die den Eingangsgröße und Ausgangsgröße zugeordnet sind, Kandidatenfunktionen für die mathematische Gleichung bereitgestellt werden und abhängig davon, wie gut die Kandidatenfunktionen an eine bereitgestellte Folge von Messwerten anpassbar sind, die mathematische Gleichung abhängig von einer dieser Kandidatenfunktionen ermittelt wird.
  • Vorteile der Erfindung
  • In vielen Fällen sind bei diesem Ansatz die eigentlich relevanten Eingangsgrößen, welche in der physikalischen Modellfunktion vorkommen müssen, nicht bekannt. Falls für relevante Eingangsgrößen keine Daten zur Verfügung stehen, kann es schwierig sein, anhand der Dateien ein vorhersagefähiges Modell zu erstellen. Daher beinhalten Datensätze typischerweise Daten für eine große Vielzahl an verschiedenen Eingangsgrößen, von denen sehr viele im realen System keinen Einfluss auf die Ausgangsgrößen haben. Um das Modell mit dem oben genannten Ansatz zu erzeugen steht daher im ersten Schritt die Identifikation der eigentlich relevanten Eingangsgrößen.
  • Die Erfindung mit den Merkmalen des unabhängigen Anspruch 1 erlaubt es daher, in automatisierter Weise eine besonders einfache Systembeschreibung eines technischen Systems, also ein Modell, das Ausgangsgrößen des technischen Systems abhängig von Eingangsgrößen des technischen Systems beschreibt, zu ermitteln, und zudem eine besonders einfache Struktur aufweist, die in nachvollziehbarer Weise die Auswirkung der Eingangsgrößen auf die Ausgangsgrößen beschreibt, sodass es möglich ist, eine Steuerung für das technische System zu ermitteln, die auch für sicherheitskritische Anwendungen abgesichert werden kann. Ein weiterer Vorteil ist die zu erwartende bessere Extrapolationsfähigkeit.
  • Weiterbildungen sind Gegenstand der abhängigen Ansprüche. Weitere Aspekte sind Gegenstand der nebengeordneten Ansprüche.
  • Offenbarung der Erfindung
  • In einem ersten Aspekt betrifft die Erfindung ein Verfahren zum Ermitteln der Funktionsweise eines technischen Systems (1), wobei ein Computersystem konfiguriert wird, abhängig von mindestens einer Eingangsgröße (E) des technischen Systems (1) mindesten eine Ausgangsgröße (A) des technischen Systems (1) zu ermitteln, wobei die mindestens eine Eingangsgröße (E) aus einer Mehrzahl von Kandidaten-Eingangsgrößen (K) ausgewählt wird, wobei ein maschinelles Lernsystem (60), insbesondere ein künstliches neuronales Netz, trainiert wird, aus der Mehrzahl der Kandidaten-Eingangsgrößen (K) die mindestens eine Ausgangsgröße (A) zu ermitteln, wobei das Auswählen der mindestens einen Eingangsgröße (E) abhängig davon geschieht, wie stark eine Veränderung der Werte der mindestens einen Eingangsgröße (E) in einem Testdatensatz eine Fitgüte (Q) des trainierten maschinellen Lernsystems (60) beeinflusst, insbesondere verschlechtert.
  • Insbesondere kann vorgesehen sein, dass aus der Mehrzahl der Kandidaten-Eingangsgrößen diejenige mindestens eine Eingangsgröße (E) ausgewählt wird, deren Veränderung die Fitgüte am meisten verschlechtert. Alternativ oder zusätzlich kann vorgesehen sein, dass aus der Mehrzahl der Kandidaten-Eingangsgrößen diejenigen Eingangsgrößen (E) ausgewählt werden, die die Fitgüte am meisten verschlechtern. Das Computersystem wird also dahingehend ausgebildet, abhängig von der ausgewählten mindestens einen Eingangsgröße die mindestens eine Ausgangsgröße zu ermitteln.
  • Die Fitgüte (Q) kann hierbei mittels folgender Schritte ermittelt werden:
    • - Bereitstellen in einem Testdatensatz von zugeordneten Paaren von Eingangsgrößen (E) und zugehörigen Soll-Ausgangsgrößen (AS)
    • - Modifizieren der Werte der im Trainingsdatensatz enthaltenen Werte der mindestens einen Eingangsgröße (E), insbesondere nur die Werte der mindestens einen Eingangsgröße,
    • - Ermitteln von Ausgangsgrößen (A) mittels des maschinellen Lernsystems (60) aus den nach dem Modifizieren erhaltenen Eingangsgrößen (E) und
    • - Ermitteln der Fitgüte (Q) abhängig davon, wie gut die ermittelten Ausgangsgrößen (A) und Soll-Ausgangsgrößen (AS) übereinstimmen.
  • Hierbei kann vorsehen sein, dass die Eingangsgrößen (E) und zugehörigen Soll-Ausgangsgrößen (AS) des Trainingsdatensatzes durch Vermessen der Reaktion des technischen Systems (1) bei den jeweiligen Eingangsgrößen (E) ermittelt wurden. Die modifizierten Eingangsgrößen entsprechen somit nicht den tatsächlichen physikalischen Werten der Eingangsgrößen.
  • Insbesondere kann vorgesehen sein, dass beim Modifizieren die Eingangsgrößen (E) derart transformiert werden, dass die so modifizierten Eingangsgrößen mit den Eingangsgrößen (E) nicht positiv korrelieren. Es hat sich nämlich gezeigt, dass all jene modifizierenden Funktionen besonders treffend zu einer treffenden Auswahl der Eingangsgrößen führen, die zu einem nicht positiv korrelierten Ergebnis mit den tatsächlichen Werten der Eingangsgröße führen.
  • Dies kann beispielsweise durch Transformation mittels eines negativen Polynoms erfolgen, sodass bei der Modifikation die Eingangsgrößen (E) ihr Vorzeichen ändern. D.h. bei einem negativen Polynom ist das Vorzeichen des Terms höchster Ordnung, vorzugsweise die Vorzeichen aller Terme, negativ. Vorzugsweise ist das Polynom ungerader Ordnung.
  • Alternativ oder zusätzlich kann vorgesehen sein, dass beim Verändern die Eingangsgrößen (E) mittels einer Exponentialfunktion transformiert werden.
  • Alternativ oder zusätzlich kann beim Verändern die Eingangsgrößen (E) mittels einer periodischen Funktion, insbesondere einer trigonometrischen Funktion, transformiert werden.
  • Alternativ kann vorgesehen sein, dass beim Verändern die Eingangsgrößen (E) durch Zufallszahlen ersetzt werden. Dies führt besonders wirkungsvoll zu einem Verlust an Korrelation zwischen modifizierten und tatsächlichen Eingangsgrößen (E), was die Identifikation des Einflusses der so modifizierten Eingangsgrößen (E) besonders effektiv macht.
  • Nachfolgend werden Ausführungsformen der Erfindung unter Bezugnahme auf die beiliegenden Zeichnungen näher erläutert. In den Zeichnungen zeigen:
    • 1 in einem Flussdiagramm eine bevorzugte Ausführungsform des erfindungsgemäßen Verfahrens;
    • 2 in einem Flussdiagramm eine bevorzugte Ausführungsform eines zusätzlichen Aspekts zum Ermitteln einer Gleichung;
    • 3 eine Illustration, wie ein nächster einzustellender Wert der Eingangsgrößen des technischen Systems ermittelt wird;
    • 4 eine Illustration eines Zusammenhang zwischen Eingangsgrößen, Ausgangsgrößen und technischem System;
    • 5 eine Illustration einer Ausführungsform einer Vorrichtung zum Durchführen eines Aspekts des erfindungsgemäßen Verfahrens;
    • 6 eine Ausführungsform eines Aufbaus der Messvorrichtung.
    • 7 illustriert ein Ausführungsbeispiel einer Steuervorrichtung zum Ansteuern des technischen Systems.
  • Beschreibung der Ausführungsbeispiele
  • 1 zeigt in einem Flussdiagramm eine bevorzugte Ausführungsform des erfindungsgemäßen Verfahrens. Zunächst (210) wird ein maschinelles Lernsystem, im einem Ausführungsbeispiel ein künstliches neuronales Netz, in alternativen Ausführungsbeispielen ein Boosted-Tree-Modell, oder ein Gaußprozess-Modell, mit einem Trainings-Datensatz trainiert. Der Trainings-Datensatz umfasst Paare (E,A) aus jeweiligen dem zu untersuchenden technischen System zugeführten Eingangsgrößen (E) und den ermittelten entsprechenden Ausgangsgrößen (A). Diese Ausgangsgrößen (A) werden auch Soll-Ausgangsgrößen (AS) genannt.
  • Das maschinelle Lernsystem wird derart trainiert, dass es möglichst gut das Eingangs-Ausgangs-Verhalten des technischen Systems wiedergibt.
  • Dann wird die Menge der im Trainingsdatensatz vorhandenen Eingangsgrößen (E) als eine Menge (K) von Kandidaten-Eingangsgrößen bereitgestellt. Sind die Eingangsgrößen (E) also z.B. durch einen n-dimensionalen Vektor gegeben, umfasst die Menge (K) n viele Kandidaten-Eingangsgrößen (Ei), also E = (E1, E2, ...,En). Ebenso werden im Folgenden zu untersuchende Teilmengen dieser Menge (K) bereitgestellt, wobei jede dieser Teilmengen zumindest eine der Eingangsgrößen (Ei) umfasst. Beispielsweise können im Beispiel n-vielen Eingangsgrößen (Ei) n viele Teilmengen mit jeweils einer der Eingangsgrößen (Ei) vorgegeben werden, wobei keine zwei der Teilmengen die gleiche der Eingangsgrößen (Ei) umfassen. Allgemeiner können die Teilmengen jeweils gleich viele Eingangsgrößen umfassen, wobei sich zumindest je zwei der Teilmengen mindestens in einer Eingangsgröße voneinander unterscheiden.
  • Die folgenden Kombinationen von Schritten (220), (230) bzw. (221), (231), bzw. (222), (232) etc. werden jeweils für eine der zu untersuchenden Teilmengen durchgeführt, d.h. die Schritte (220), (230) für eine erste Teilmenge, die Schritte (221), (231) für eine zweite Teilmenge, die Schritte (222), (232) für eine dritte Teilmenge, usw. Im Folgenden werden nur Schritte (220), (230) für die erste Teilmenge beschrieben, die Schritte (221), (231) für die zweite Teilmenge, die Schritte (222), (232) für die dritte Teilmenge etc. laufen analog ab.
  • In Schritt (220) wird ein Test-Datensatz umfassend Paare (E,A) aus Eingangsgrößen (E) und zugehörigen Soll-Ausgangsgrößen (A) bereitgestellt, der beispielsweise gemeinsam mit dem Trainings-Datensatz durch Teilen eines Datensatzes gewonnen wurde. Für alle Samples des Trainings-Datensatzes werden diejenigen der Eingangsgrößen (Ei), die in der ersten Teilmenge enthalten sind, werden mit einer vorgebbaren Funktion modifiziert, im Ausführungsbeispiel mit einem Faktor (-1), multipliziert. Die übrigen der Eingangsgrößen (Ei) werden nicht modifiziert.
  • In Schritt (221) werden für alle Samples des Test-Datensatzes die jeweiligen modifizierten bzw. nicht-modifizierten Eingangsgrößen (E) dem maschinellen Lernsystem zugeführt, und die sich hierbei ergebende Ausgangsgröße (A) ermittelt. Aus den Abweichungen der so ermittelten Ausgangsgrößen (A) von den jeweiligen Soll-Ausgangsgrößen (AS) wird ein Qualitätsmaß (Q) für diese Teilmenge ermittelt, beispielsweise als mittlere quadratische Abweichung.
  • Nach Abschluss der Schritte (230), (231), (232) etc. für alle Teilmengen wird in Schritt (240) abhängig von den ermittelten Qualitätsmaßen (Q) eine Menge der relevantesten Eingangsgrößen (Ei) ermittelt. Im Ausführungsbeispiel wird diejenige der Eingangsgrößen (Ei) als ausgewählte Eingangsgröße (Ei) ausgewählt, die in derjenigen Teilmenge enthalten ist, deren zugehöriges ermitteltes Qualitätsmaß(Q) anzeigt, dass die zugehörigen Abweichungen zwischen Ausgangsgrößen (A) und Soll-Ausgangsgrößen (AS) am größten ist. Anschließend (250) kann abhängig von dieser ausgewählten Eingangsgröße (Ei) eine mathematische Gleichung bestimmt werden, die den Zusammenhang zwischen der oder den ausgewählten Eingangsgrößen (Ei) und zugehörigen Ausgangsgrößen des technischen Systems beschreibt. Eine Ausführungsform dieses Teils des Verfahrens ist in 2 illustriert.
  • 2 zeigt in einem Flussdiagramm eine beispielhafte Ausführungsform eines Verfahrens zum Bestimmen der mathematischen Gleichung. Das Verfahren startet mit Schritt (100). Vorgebbare Funktionsblöcke und vorgebbare mathematische Operationen zur Verkettung der Funktionsblöcke werden bereitgestellt. Ebenso werden die physikalischen Dimensionen der ausgewählten Eingangsgrößen und Ausgangsgrößen des technischen Systems bereitgestellt, vorzugsweise als Produkte von Potenzen von physikalischen Dimensionen oder als Produkte von Basiseinheiten eines vorgebbaren physikalischen Basiseinheitensystems, beispielsweise des SI-Basiseinheitensystems oder des cgs-Basiseinheitensystems. Danach folgt Schritt (110).
  • In Schritt (110) werden Sätze von Π-Faktoren, die zu den Eingangsgrößen und Ausgangsgrößen gehören, bereitgestellt. Dies geschieht beispielsweise durch Identifikation der physikalischen Dimensionen oder physikalischen Basiseinheiten mit jeweils einer Dimension eines Vektorraums und Identifikation der jeweiligen Exponenten der physikalischen Dimensionen der Eingangsgrößen und Ausgangsgrößen mit Einträgen der Vektoren dieses Vektorraums. Das Auffinden von Π-Faktoren entspricht dann der Suche nach Nullvektoren ergebenden Linearkombinationen in diesem Vektorraum.
  • Anschließend werden Kandidatenfunktionen bereitgestellt, die die Abhängigkeit eines der bereitgestellten Π-Faktoren von den übrigen Π-Faktoren charakterisieren. Diese Kandidatenfunktionen sind solche, vorzugsweise alle, Kandidatenfunktionen in dem von den bereitgestellten Funktionsblöcken der bereitgestellten Π-Faktoren und den vorgebbaren mathematischen Operationen zur Verkettung zwischen den bereitgestellten Funktionsblöcken. Eine Kandidatenfunktion ist also eine alternierende Folge aus Funktionsblöcken und Operationen, d.h. mittels dieser Operationen verkettete Funktionsblöcke, schematisch Functionsblock  − Operation  − Functionsblock  − Operation  − … − Functionsblock
    Figure DE102021210393A1_0001
  • Jeder Funktionsblock empfängt hierbei als Argumente Π-Faktoren, und/oder weitere Funktionsblöcke.
  • Die bereitgestellten Kandidatenfunktionen sind im Ausführungsbeispiel all jene derartigen Kombinationen bis zu einer vorgebbaren maximalen Komplexität, d.h. die Anzahl der Operationen ist nicht größer als die vorgebbare maximale Komplexität. Diese Kandidatenfunktionen können beispielsweise mittels eines Backtracking-Algorithmus ermittelt werden. Danach folgt Schritt (120).
  • In Schritt (120) werden Folgen von Messwerten bereitgestellt, die für jeden der Messpunkte jeweils die im Schritt 240 identifizierten relevantesten Eingangsgrößen und Ausgangsgrößen des technischen Systems umfassen. Diese Folgen von Messwerten werden in Folgen der entsprechenden Π-Faktoren umgerechnet und bereitgestellt. Danach folgt Schritt (130).
  • In Schritt (130) werden die Kandidatenfunktionen an die Folgen von Messwerten angefittet, d.h. freie Parameter, die die Funktionsblöcke parametrieren, werden jeweils derart angepasst, dass die jeweilige Kandidatenfunktion bestmöglich zur Folge von Messwerten passt. Für jede der Kandidatenfunktionen wird eine jeweilige Passgenauigkeit der Kandidatenfunktion zu der Folgen von Messwerten ermittelt, beispielsweise eine x2-Fitgüte.
  • Es werden im Ausführungsbeispiel dann die am schlechtesten passenden Kandidatenfunktionen eliminiert, beispielsweise, all jene, deren ermittelte x2-Fitgüte einen vorgebbaren Schwellenwert überschreitet (je höher der Wert der x2-Fitgüte desto schlechter die Passgenauigkeit). Dieser vorgebbare Schwellenwert kann beispielsweise abhängig von einer Fitgüte, die beim Trainieren des maschinellen Lernsystems in Schritt (210) ermittelt wurde, ermittelt werden, beispielsweise kann der vorgebbare Schwellenwert um einen vorgebbaren Faktor höher sein als die dort ermittelte beste Fitgüte. Es folgt Schritt (140).
  • In Schritt (140) wird überprüft, ob die Anzahl der verbleibenden Kandidatenfunktionen kleiner oder gleich eins ist. Ist dies der Fall, folgt Schritt (150), andernfalls Schritt (160).
  • In Schritt (150) wird die verbleibende Kandidatenfunktion als ermittelte Kandidatenfunktion bereitgestellt, sofern eine Kandidatenfunktion verblieben ist. Verbleibt keine Kandidatenfunktion, bricht das Verfahren mit einer Fehlermeldung ab und kann beispielsweise mit einer erhöhten vorgebbaren maximalen Komplexität oder einem erhöhten vorgebbaren Schwellenwert erneut gestartet werden. Damit endet das Verfahren.
  • In Schritt (160) wird wie in 3 illustriert ein nächster einzustellender Wert der Eingangsgrößen des technischen Systems ermittelt. Es folgt Schritt (170).
  • In Schritt (170) wird mittels der Messvorrichtung das technische System mit dem ermittelten nächsten einzustellenden Wert der Eingangsgröße angesteuert und die zugehörigen Ausgangsgrößen werden ermittelt. Dieser Messpunkt wird der Folge von Messwerten hinzugefügt. Anschließend wird zurückverzweigt zu Schritt (130).
  • 3 illustriert beispielhaft die Wahl des nächsten einzustellenden Werts (E0) der Eingangsgrößen des technischen Systems aus Schritt (160). Dargestellt ist eindimensional eine Ausgangsgröße (A) über einer Eingangsgröße (E). Messwerte (300) zeigen bereits ermittelte Paare von Eingangsgröße (E) und Ausgangsgröße (A). Eingangsgröße (E) ist einstellbar in einem Bereich (B), hier beispielhaft gegeben durch den Bereich zwischen einer unteren Schranke (B0) und einer oberen Schranke (B1).
  • Eine erste Kandidatenfunktion f1 (310) (strichliniert dargestellt), eine zweite Kandidatenfunktion f2 (320) (mit gestrichelter Linie dargestellt) und eine dritte Kandidatenfunktion f3 (330) (mit durchgezogener Linie dargestellt) sind an den Verlauf der Messpunkte (300) angefittet. Die erste Kandidatenfunktion f1 hat eine assoziierte erste Ungenauigkeit σ1 (nicht dargestellt), die zweite Kandidatenfunktion f2 hat eine assoziierte zweite Ungenauigkeit σ2 (nicht dargestellt), und die dritte Kandidatenfunktion f3 hat eine assoziierte dritte Ungenauigkeit σ3 (nicht dargestellt). Der nächste einzustellende Wert (E0) wird nun im Ausführungsbeispiel so ermittelt, dass möglichst zuverlässig möglichst viele der Kandidatenfunktionen f1,f2,f3 als nicht zu den Messdaten passend ausgeschlossen werden können.
  • Dies kann beispielsweise dadurch erfolgen, dass die Summe der paarweisen Abstände der Kandidatenfunktionen, also z.B. |f1(E) - f2(E)|, |f1(E) - f3(E)|, |f3(E) - f2(E)| maximiert werden sollen, beispielsweise normiert durch die zugehörigen Ungenauigkeiten, also | ƒ 1 ( E ) − ƒ 2 ( E ) | σ 1 ( E ) + σ 2 ( E ) ,   | ƒ 1 ( E ) − ƒ 2 ( E ) | σ 1 ( E ) + σ 3 ( E ) ,   | ƒ 3 ( E ) − ƒ 2 ( E ) | σ 3 ( E ) + σ 2 ( E ) .
    Figure DE102021210393A1_0002
    Im Ausführungsbeispiel wird der nächste einzustellende Wert E0 so gewählt, dass er die Summe dieser drei Terme maximiert.
  • 4 illustriert beispielhaft den Zusammenhang zwischen Eingangsgröße (E) und Ausgangsgröße (A) des technischen Systems (1). Die Eingangsgröße (E) wird dem technischen System (1) zugeführt, wobei sich die zugehörige Ausgangsgröße (A) einstellt.
  • Das technische System (1) kann beispielsweise eine Fertigungsmaschine sein, wie beispielsweise eine Lasermaterialbearbeitungsmaschine (z.B. eine Laserbohrmaschine oder eine Laserschneidmaschine oder eine Laserschweißmaschine) oder Maschine zur mechanischen (z.B. zerspanenden) Bearbeitung von Bauteilen, oder Maschine zum mechanischen Fügen von Bauteilen, z.B. Verschrauben.
  • Alternativ kann das technische System (1) ein Roboter sein, beispielsweise ein mobiler Roboter oder ein Greifroboter.
  • Alternativ kann das technische System (1) ein Teilsystem z.B. eines Kraftfahrzeugs sein, beispielsweise eine rotierende Maschine (etwa ein Elektromotor oder ein Verbrennungsmotor), oder auch ein Aktuator (etwa ein Magnetaktuator oder ein Piezoaktor), oder eine elektrochemische Einheit zur Bereitstellung elektrischen Stroms, z.B. eine Brennstoffzelle.
  • 5 zeigt beispielhaft einen schematischen Aufbau eines Trainingssystems (140) zum Trainieren des maschinellen Lernsystems (60) bzw. zum Ermitteln der Fitgüte (Q). Trainingsdatensatz bzw. Testdatensatz sind in einem Datenspeicher (P) hinterlegt und werden paarweise einem Block (150) zugeführt. Block (150) führt jeweils eine Eingangsgröße dem maschinellem Lernsystem (60) zu, woraus die Ausgangsgröße (A) ermittelt wird. Diese wird einem Vergleichsblock (180) zugeführt. Block (150) führt die zur Eingangsgröße (E) zugehörige Soll-Ausgangsgröße (AS) ebenfalls dem Vergleichsblock (180) zu. Abhängig von Ausgangsgrößen (A) und Soll-Ausgangsgrößen (AS) werden Parameter des maschinellen Lernsystems (60) beim Training wie beschrieben angepasst.
  • Zum Ermitteln der Fitgüte (Q) verbleiben die Parameter des maschinellen Lernsystems (60) unverändert. In Block (150) werden die Eingangsgrößen (E) jeweils entsprechend der Schritte (220, 221, 222, ...) modifiziert, bevor sie dem maschinellen Lernsystem (60) zugeführt werden. Im Vergleichsblock (180) wird die Fitgüte (Q) ermittelt. Die jeweiligen Verfahren sind vorzugsweise als Computerprogramme ausgeführt, die auf einem maschinenlesbaren Speichermedium (145) gespeichert sind, und von einem Prozessor (146) ausgeführt werden. Das Trainingssystem (140) umfasst das maschinenlesbare Speichermedium (145) und den Prozessor (146).
  • 6 zeigt ein Ausführungsbeispiel eines Aufbaus einer Messvorrichtung (3) zum Ausführen des in 1 illustrierten Verfahrens. Die Messvorrichtung (3) umfasst ein maschinenlesbares Speichermedium (45), auf dem ein Computerprogramm gespeichert ist, das eingerichtet ist, das in 1 illustrierte Verfahren auszuführen. Sie umfasst ferner einen Prozessor (46), der das Computerprogramm ausführt.
  • Ein Sensor (30) erfasst eine Sensorgröße (S), die einen Zustand des technischen Systems (1) charakterisiert. Eine Eingangsschnittstelle (50) wandelt die Sensorgröße (50) in die Ausgangsgröße (A) um, und führt sie einem Steuerblock (61) zu, der die nächste einzustellende Eingangsgröße (E0) ermittelt und als die ermittelte ausgewählte Eingangsgröße (E) an eine Ausgangsschnittstelle (40) übermittelt, die hieraus ein Ansteuersignal (x) bereitstellt, mit dem das technische System (1) angesteuert wird. Bisher eingestellte Eingangsgrößen (E) und Ausgangsgrößen (A) werden in einem Speicher (P) hinterlegt und von dort dem Steuerblock (61) zur Verfügung gestellt.
  • Steuerblock (61) ist eingerichtet, optional durch Vorgabe entsprechender Eingangsgrößen (E) und Aufnahme entsprechender Ausgangsgrößen (A) Trainings- bzw. Testdatensatz zu ermitteln, mittels der in 5 dargestellten Trainingsvorrichtung (140) das maschinelle Lernsystem zu trainieren, die mindestens eine Eingangsgröße aus den Kandidatenausgangsgrößen abhängig von den von der Trainingsvorrichtung (140) ermittelten Testgüten (Q) die relevantesten Eingangsgrößen auszuwählen, mittels des in 2 und 3 illustrieren Verfahrens ein Computersystem durch Bereitstellen einer parametrierbaren Repräsentation der so hergeleiteten mathematischen Gleichung zu konfigurieren, Parameter dieser Repräsentation abhängig von den Eingangsgrößen (E) und zugehörigen Ausgangsgrößen (A) zu ermitteln.
  • 7 illustriert ein Ausführungsbeispiel einer Steuervorrichtung (10) zum Steuern des technischen Systems (1), die eine Repräsentation der mathematischen Gleichung umfasst, die mit dem in 1 illustrierten Verfahren ermittelt wurde, wobei die Steuervorrichtung (10) eingerichtet ist, ein Ansteuersignal (x) zum Ansteuern des technischen Systems (1) mittels der so ermittelten mathematischen Gleichung bereitzustellen. Beispielsweise umfasst die Steuervorrichtung (10) eine modellprädiktive Regelung zum Ermitteln des Ansteuersignals (x), wobei die mathematische Gleichung als Vorwärtsmodell des technischen Systems (1) zum Einsatz kommt. Alternativ umfasst die Steuervorrichtung (10) eine Vorgabe eines Sollwerts, der mittels der ermittelten mathematischen Gleichung bereitgestellt wird, wobei das Ansteuersignal (x) durch Regelung auf diesen Sollwert bereitgestellt wird.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • 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.
  • Zitierte Patentliteratur
    • DE 102020215138 [0002]

Claims (15)

  1. Verfahren zum Ermitteln der Funktionsweise eines technischen Systems (1), wobei ein Computersystem konfiguriert wird, abhängig von mindestens einer Eingangsgröße (E) des technischen Systems (1) mindesten eine Ausgangsgröße (A) des technischen Systems (1) zu ermitteln, wobei die mindestens eine Eingangsgröße (E) aus einer Mehrzahl von Kandidaten-Eingangsgrößen (K) ausgewählt wird, wobei ein maschinelles Lernsystem (60) trainiert wird, aus der Mehrzahl der Kandidaten-Eingangsgrößen (K) die mindestens eine Ausgangsgröße (A) zu ermitteln, wobei das Auswählen der mindestens einen Eingangsgröße (E) abhängig davon geschieht, wie stark eine Veränderung der Werte der mindestens einen Eingangsgröße (E) in einem Testdatensatz eine Fitgüte (Q) des trainierten maschinellen Lernsystems (60) beeinflusst.
  2. Verfahren nach Anspruch 1, wobei die Fitgüte (Q) ermittelt wird durch: - Bereitstellen in einem Testdatensatz von zugeordneten Paaren von Eingangsgrößen (E) und zugehörigen Soll-Ausgangsgrößen (AS) - Modifizieren der Werte der im Trainingsdatensatz enthaltenen Werte der mindestens einen Eingangsgröße (E), - Ermitteln von Ausgangsgrößen (A) mittels des maschinellen Lernsystems (60) aus den nach dem Modifizieren erhaltenen Eingangsgrößen (E) und - Ermitteln der Fitgüte (Q) abhängig davon, wie gut die ermittelten Ausgangsgrößen (A) und Soll-Ausgangsgrößen (AS) übereinstimmen.
  3. Verfahren nach Anspruch 2, wobei Eingangsgrößen (E) und zugehörigen Soll-Ausgangsgrößen (AS) des Trainingsdatensatzes durch Vermessen der Reaktion des technischen Systems (1) bei den jeweiligen Eingangsgrößen (E) ermittelt wurden.
  4. Verfahren nach einem der Ansprüche 1 bis 3, wobei beim Verändern die Eingangsgrößen (E) mittels eines negativen Polynoms transformiert werden.
  5. Verfahren nach Anspruch 4, wobei beim Verändern ein Vorzeichen der Eingangsgrößen (E) geändert wird.
  6. Verfahren nach einem der Ansprüche 1 bis 5, wobei beim Verändern die Eingangsgrößen (E) mittels einer Exponentialfunktion transformiert werden.
  7. Verfahren nach einem der Ansprüche 1 bis 6, wobei beim Verändern die Eingangsgrößen (E) mittels einer periodischen Funktion, insbesondere einer trigonometrischen Funktion, transformiert werden.
  8. Verfahren nach einem der Ansprüche 1 bis 3, wobei beim Verändern die Eingangsgrößen (E) durch Zufallszahlen ersetzt werden.
  9. Verfahren nach einem der Ansprüche 1 bis 8, wobei das Computersystem eigerichtet ist, abhängig von einer parametrierbaren mathematischen Gleichung die mindestens eine Ausgangsgröße (A) in Abhängig von der ausgewählten mindestens einen Eingangsgröße (E) zu ermitteln, wobei das Konfigurieren des Computersystems das Konfigurieren von Parametern umfasst, die ein Verknüpfen vorgebbarer mathematischen Funktionsblöcke mittels vorgebbarer mathematischer Operationen zu einer parametrierbaren mathematischen Gleichung charakterisieren.
  10. Verfahren nach Anspruch 9, wobei die parametrierbare mathematische Gleichung des Computersystems mittels ermittelter zugeordneter Wertepaare der ausgewählten mindestens einen Eingangsgröße (E) und zugehöriger Ausgangsgröße (A) parametriert wird, aus der mindestens einen Eingangsgröße (E) möglichst gut die Ausganggröße (A) zu ermitteln.
  11. Verfahren zum automatisierten Ansteuern einer Messvorrichtung (3) umfassend das Verfahren nach einem der Ansprüche 1 bis 10, wobei die Messapparatur (3) eingerichtet ist, sich einstellende Ausgangsgrößen (A) des bei entsprechenden Werten der mindestens einen Eingangsgröße (E) angesteuerten technischen Systems (1) zu erfassen.
  12. Computerprogramm, das eingerichtet ist, das Verfahren nach einem der Ansprüche 1 bis 11 auszuführen.
  13. Maschinenlesbares Speichermedium (45), auf dem das Computerprogramm nach Anspruch 12 gespeichert ist.
  14. Messvorrichtung (3), die eingerichtet ist, das Verfahren nach einem der Anspruch 11 auszuführen.
  15. Steuervorrichtung (10) zum Steuern des technischen Systems (1), umfassend das Computersystem, das mit dem Verfahren nach einem der Ansprüche 1 bis 10 konfiguriert wurde, wobei die Steuervorrichtung (10) eingerichtet ist, ein Ansteuersignal (x) zum Ansteuern des technischen Systems (1) mittels des konfigurierten Computersystems bereitzustellen.
DE102021210393.6A 2021-09-20 2021-09-20 Verfahren und Vorrichtung zum Betreiben eines technischen Systems Pending DE102021210393A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE102021210393.6A DE102021210393A1 (de) 2021-09-20 2021-09-20 Verfahren und Vorrichtung zum Betreiben eines technischen Systems
CN202211135312.4A CN115840864A (zh) 2021-09-20 2022-09-19 用于运行技术系统的方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102021210393.6A DE102021210393A1 (de) 2021-09-20 2021-09-20 Verfahren und Vorrichtung zum Betreiben eines technischen Systems

Publications (1)

Publication Number Publication Date
DE102021210393A1 true DE102021210393A1 (de) 2023-03-23

Family

ID=85383892

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102021210393.6A Pending DE102021210393A1 (de) 2021-09-20 2021-09-20 Verfahren und Vorrichtung zum Betreiben eines technischen Systems

Country Status (2)

Country Link
CN (1) CN115840864A (de)
DE (1) DE102021210393A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102023206978A1 (de) 2023-07-21 2024-04-11 Zf Friedrichshafen Ag Evaluieren eines Modells für einen physikalischen Zustand

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3489773A1 (de) 2017-11-24 2019-05-29 Siemens Aktiengesellschaft Verfahren zum rechnergestützten steuern eines technischen systems, insbesondere einer energieerzeugungsanlage
DE102020211992A1 (de) 2020-09-24 2022-03-24 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Verarbeiten von mit einem Simulationsmodell für wenigstens einen Aspekt eines technischen Systems assoziierten Daten
DE102020215138A1 (de) 2020-12-01 2022-06-02 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Betreiben eines technischen Systems

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3489773A1 (de) 2017-11-24 2019-05-29 Siemens Aktiengesellschaft Verfahren zum rechnergestützten steuern eines technischen systems, insbesondere einer energieerzeugungsanlage
DE102020211992A1 (de) 2020-09-24 2022-03-24 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Verarbeiten von mit einem Simulationsmodell für wenigstens einen Aspekt eines technischen Systems assoziierten Daten
DE102020215138A1 (de) 2020-12-01 2022-06-02 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Betreiben eines technischen Systems

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BASTIAN, Andreas; GASÓS, Jorge. Modeling using regularity criterion based constructed neural networks. Computers & industrial engineering, 1994, 27. Jg., Nr. 1-4, S. 441-444.
GUYON, Isabelle; ELISSEEFF, André. An introduction to variable and feature selection. Journal of machine learning research, 2003, 3. Jg., Nr. Mar, S. 1157-1182
ISERMANN, Rolf. Mechatronische Systeme: Grundlagen. 2. Aufl. Springer, Berlin, Heidelberg, 2008. S. 349 - 363

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102023206978A1 (de) 2023-07-21 2024-04-11 Zf Friedrichshafen Ag Evaluieren eines Modells für einen physikalischen Zustand

Also Published As

Publication number Publication date
CN115840864A (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
DE102018128158A1 (de) Vorrichtung zur inspektion des erscheinungsbilds
DE102019126195A1 (de) Verfahren zur effizienten, simulativen Applikation automatisierter Fahrfunktionen
DE102016108991A1 (de) Verfahren und Vorrichtung zur Charakterisierung eines Bauteils
DE112019004928T5 (de) System zur verschlechterungserfassung
DE102021002682A1 (de) Verfahren zur Qualitätsüberwachung beim Schweißen
DE102021210393A1 (de) Verfahren und Vorrichtung zum Betreiben eines technischen Systems
WO2018077745A1 (de) Analyseverfahren für objektmarkierungen in bildern auf basis von modellen
EP2088486A1 (de) Verfahren zur Vermessung eines nichtlinearen dynamischen realen Systems mittels Versuchsplanung
WO2022117424A2 (de) Verfahren und vorrichtung zum betreiben eines technischen systems
EP1248095B1 (de) Verfahren zur Ermittlung von Spannungs-Dehnungs-Kurven mittels Splineinterpolation auf Basis charakterischer Punkte und unter dem Einsatz neuronaler Netze
DE102020205962B3 (de) Vorrichtung und Verfahren zum Betreiben eines Prüfstands
EP3942372B1 (de) Verfahren zur validierung von systemparametern eines energiesystems, verfahren zum betrieb eines energiesystems sowie energiemanagementsystem für ein energiesystem
DE102021204550A1 (de) Verfahren zum Erzeugen wenigstens eines Datensatzes zum Trainieren eines Algorithmus maschinellen Lernens
DE102020200849A1 (de) Verfahren und Vorrichtung zur Prozessoptimierung einer Fertigungsprozesskette
DE102020205131A1 (de) Verfahren und Vorrichtung zum Simulieren eines technischen Systems
DE102020205964B3 (de) Vorrichtung und Verfahren zum Betreiben eines Prüfstands
DE102018207933A1 (de) Verfahren sowie Überprüfungssystem zur Überprüfung einer hergestellten Getriebebaugruppe
DE102022200285B3 (de) Verfahren und Vorrichtung zum Bereitstellen eines datenbasierten Systemmodells und zum Überprüfen eines Trainingszustands des Systemmodells
EP4130656B1 (de) Vorbereitung der auswertung von stichproben von messwerten einer messgrösse aus einer vermessung einer vielzahl von werkstücken durch ein oder mehrere koordinatenmessgeräte
DE102020006071A1 (de) Verfahren zur verbesserten Ermittlung von Material- bzw. Werkstoffmodellen
DE102021202335A1 (de) Verfahren und Vorrichtung zum Prüfen eines technischen Systems
DE102022201967A1 (de) Unsicherheitsabschätzung einer Positionsrekonstruktion von Halbleiterbauteilen auf einem Wafer
DE102020119579A1 (de) Verfahren zum Zuordnen von Zuständen zu Bauteilen, Vorrichtung, Computerprogrammprodukt und computerlesbares Speichermedium
DE102020214098A1 (de) Verfahren zum Validieren von Simulationsmodellen
DE102020111204A1 (de) Verfahren zum Betreiben eines Steuergeräts für ein Kraftfahrzeug sowie entsprechendes Steuergerät

Legal Events

Date Code Title Description
R163 Identified publications notified