-
Technisches Gebiet
-
Die Erfindung betrifft ein datenbasiertes Funktionsmodell in einem Steuergerät zur Unterstützung oder Realisierung der Funktion in einem technischen System durch Auswertung eines Auswertungspunktes. Die Erfindung betrifft weiterhin Maßnahmen zur Angabe einer Gültigkeit des Auswertungsdatenpunktes für die Auswertung in dem datenbasierten Funktionsmodell.
-
Technischer Hintergrund
-
Technische Systeme werden häufig mit Steuergeräten betrieben, in denen ein Microcontroller einen in Hardware und/oder Software implementierten Algorithmus ausführt. Dieser Algorithmus kann datenbasierte Funktionsmodelle nutzen, die an einem jeweils abgefragten Auswertungsdatenpunkt ausgewertet werden. Derartige Funktionsmodelle können parameterfreie Modelle, wie beispielsweise RBF-Netze, neuronale Netze und dergleichen umfassen.
-
Datenbasierte Funktionsmodelle müssen vor Inbetriebnahme des technischen Systems hinreichend basierend auf Trainingsdatensätzen trainiert werden. Dies erfolgt auf der Basis von Trainingsdatensätzen, die zuvor beispielsweise auf einem Prüfstand erfasst worden sind. Beispielsweise können technische Systeme auf einem Prüfstand mit Trajektorien von Eingangsdatenpunkten betrieben werden und eine resultierende Größe als Label erfasst werden, so dass sich die Trainingsdatensätze über die abgefahrenen Eingangsdatenpunkte der Trajektorie und die erfasste resultierende Größe als Label ergeben.
-
Die zuvor ausgewählten oder bestimmten Eingangsdatenpunkte definieren eine Eingangsdatenregion, in dem eine Auswertung des damit trainierten datenbasierten Funktionsmodells gültig ist. Ein Funktionsmodell zur Auswertung eines Auswertungsdatenpunktes ist jedoch nur in dem Bereich der Eingangsdatenregion zuverlässig und zulässig und liefert außerhalb der Eingangsdatenregion eine in der Regel nicht nutzbare Modellausgabe.
-
Während bei Gauß-Prozessen oder anderen probabilistischen Modellen als Funktionsmodelle sich das Gültigkeitsgebiet mit einer berechenbaren Modellunsicherheit ermitteln lässt, kann bei anderen datenbasierten Modellen eine Angabe zu einer Modellierungsunsicherheit der Modellausgabe nicht berechnet werden.
-
Es ist in der Regel nicht ausreichend, die Eingangsdatenregion lediglich als Bounding Box der Eingangsdatenpunkte zu definieren, also das Hyperrechteck, das sich aus den Minima und Maxima der Eingangsdatenpunkte bezüglich der Achsenrichtungen ergibt. Insbesondere bei Punktewolken mit konvexen oder konkaven Grenzen kann dies zu Bereichen der Eingangsdatenregion führen, in denen keine Eingangsdatenpunkte vorliegen und somit die Modellvorhersage entsprechend unzuverlässig ist.
-
Die Grenze der Eingangsdatenregion ist nicht ohne Weiteres mit dem trainierten Funktionsmodell oder basierend auf den für das Training genutzten Eingangsdatenpunkten bestimmbar, da allein aus den Daten heraus nicht bestimmt werden kann, wie nahe die Grenze der Eingangsdatenregion an der Punktewolke der Eingangsdatenpunkte der Trainingsdatensätze liegt. Die Grenze der Eingangsdatenregion ist somit ein schwierig einzustellender Designparameter, da in der Regel außerhalb der Eingangsdatenregion der Eingangsdatenpunkte keine Negativdatenpunkte vorliegen, die angeben, dass an dem betreffenden Negativdatenpunkt keine gültige Modellauswertung vorliegen kann. Somit kann ein Klassifikationsmodell, das lediglich basierend auf den existierenden Eingangsdatenpunkten der Trainingsdatensätze trainiert ist, keine zuverlässige Angabe über die Gültigkeit einer Modellausgabe durch das datenbasierte Funktionsmodell außerhalb des Bereichs der für das Training genutzten Eingangsdatenpunkte liefern.
-
Offenbarung der Erfindung
-
Erfindungsgemäß sind ein Verfahren zum Betreiben eines technischen Systems mit einem datenbasierten Funktionsmodell und einem entsprechenden Gültigkeitsmodell gemäß Anspruch 1, ein Verfahren zum Trainieren eines Gültigkeitsmodells für ein datenbasiertes Funktionsmodell, das die Gültigkeit eines Auswertungspunktes für das datenbasierte Funktionsmodell angibt, und eine entsprechende Vorrichtung gemäß den nebengeordneten Ansprüchen vorgesehen.
-
Weitere Ausgestaltungen sind in den abhängigen Ansprüchen angegeben.
-
Gemäß einem ersten Aspekt ist ein Verfahren zum Betreiben eines technischen Systems mit einer Sensorik, einer technischen Einrichtung und einer Aktuatorik basierend auf einem trainierten datenbasierten Funktionsmodell vorgesehen, wobei ein von einer Messung mit der Sensorik abhängiger Auswertungspunkt bestimmt wird, durch das trainierte datenbasierte Funktionsmodell ausgewertet wird und abhängig von der Modellausgabe die Aktuatorik zum Betreiben der technischen Einrichtung angesteuert wird, wobei mit dem Auswertungspunkt ein Gültigkeitsmodell ausgewertet wird, das trainiert ist, um anzugeben, ob die Modellauswertung mit dem Funktionsmodell gültig ist, wobei abhängig von dem Ergebnis der Auswertung mit dem Gültigkeitsmodell die technische Einrichtung betrieben wird.
-
Weiterhin kann das Funktionsmodell mit Trainingsdatensätzen trainiert sein, die jeweils Eingangsdatenpunkte einem Label zuordnen, wobei das Gültigkeitsmodell basierend auf den Eingangsdatenpunkten trainiert ist.
-
Es kann vorgesehen sein, dass die Modellausgabe des Funktionsmodells verworfen wird, wenn das Gültigkeitsmodell einen ungültigen Auswertungspunkt angibt.
-
Gemäß einem weiteren Aspekt ist ein computer-implementiertes Verfahren zum Trainieren eines datenbasierten Gültigkeitsmodells, insbesondere zur Verwendung mit dem obigen Verfahren, vorgesehen, wobei das Gültigkeitsmodell eine Gültigkeit einer Modellauswertung eines mit Trainingsdatensätzen trainierten Funktionsmodells angibt, mit folgenden Schritten:
- - Bereitstellen von Trainingsdatensätzen, die jeweils einen Eingangsdatenpunkt einem Label zuordnen;
- - Bereitstellen einer Anzahl von Abfragepunkten, die in einer Datenregion gleichverteilt sind, wobei die Grenzen der Datenregion der Abfragepunkte außerhalb der Grenzen der Eingangsdatenregion liegen,
- - Bilden von Punktepaaren von Eingangsdatenpunkten und Abfragepunkten,
- - Trainieren des Gültigkeitsmodells basierend auf als gültig gelabelten Eingangsdatenpunkten der Punktepaare und basierend auf den als ungültig gelabelten Abfragepunkten, die keinem Punktepaar zugeordnet sind.
-
Der Kern des oben vorgeschlagenen Verfahrens zum Trainieren des Gültigkeitsmodells besteht darin, eine Eingangsdatenregion aus Eingangsdatenpunkten zu benutzen, um für ein Gültigkeitsmodell, das als Klassifikationsmodell ausgebildet ist, gültige und nicht gültige Auswertungspunkte zu definieren. Während die Eingangsdatenpunkte der Trainingsdatensätze zum Trainieren eines datenbasierten Funktionsmodells in der Regel gültige Bereiche angeben, in denen die Auswertung des Funktionsmodells erlaubt ist, ist die Zuverlässigkeit einer Modellausgabe für einen Auswertungspunkt außerhalb des Rands der Punktewolke der Eingangsgrößenpunkte nicht klar bestimmbar. Daher sieht das obige Verfahren vor, weitere Datenpunkte zu generieren, die eindeutig nicht gültige Betriebspunkte definieren, um weitere Trainingsdatensätze zu bilden. Somit lässt sich der Grenzbereich der Klassifikation zwischen gültigen und nicht gültigen Auswertungspunkten in einem Klassifikationsmodell als datenbasiertes Gültigkeitsmodell zuverlässiger modellieren. Das Verfahren geht aus von den Eingangsdatenpunkten der Trainingsdatensätze für das datenbasierte Funktionsmodell.
-
Dazu werden innerhalb der Eingangsdatenregion bzw. innerhalb der durch die Eingangsdatenpunkte bestimmten Bounding Box raumfüllend eine Menge von Abfragepunkten erzeugt. Die Abfragepunkte können beispielsweise auf einem multidimensionalen Gitter der Dimension des Eingangsdatenpunkts liegen. Alternativ können die Abfragepunkte generiert werden aus einer Pseudo-Random-Sequenz, wie z. B. einer Sobol-Sequenz. Diese pseudozufällig erzeugten Abfragepunkte sind gleichmäßiger im Raum verteilt als Zufallszahlen, bilden aber kein regelmäßiges Gitter.
-
Es kann vorgesehen sein, dass die Punktepaare gebildet werden, indem für jeden Abfragepunkt der nächstliegende Eingangsdatenpunkt bestimmt wird, wobei das Punktepaar aus dem Abfragepunkt und dem Eingangsdatenpunkt gebildet wird, wenn der zu dem bestimmten nächstliegenden Eingangsdatenpunkt nächstliegende Abfragepunkt dem ursprünglichen Abfragepunkt entspricht.
-
Alternativ kann vorgesehen sein, dass die Punktepaare gebildet werden, indem für jeden Eingangsdatenpunkt der nächstliegende Abfragepunkt bestimmt wird, wobei das Punktepaar aus dem Abfragepunkt und dem Eingangsdatenpunkt gebildet wird, wenn der zu dem bestimmten nächstliegenden Abfragepunkt nächstliegende Eingangsdatenpunkt dem ursprünglichen Eingangsdatenpunkt entspricht.
-
Zu Beginn wird also für jeden der Abfragepunkte der jeweils nächstgelegene Eingangsdatenpunkt bestimmt. „Nächstgelegen“ kann im Sinne eines euklidischen Abstands verstanden werden, der den Wertebereich der jeweiligen Eingangsdimension berücksichtigt. Vorzugsweise sind die Dimensionen der Eingangsdatenpunkte auf Werte zwischen 0 und 1 normiert, es können jedoch die euklidischen Abstände auch auf nicht normierte Datenpunkte unter Berücksichtigung einer entsprechenden Längenskala berücksichtigt werden.
-
Für die so aufgefundenen Eingangsdatenpunkte, die mit einem entsprechenden Abfragepunkt ein Paar bilden, wird nun ermittelt, welches der nächstgelegene Abfragepunkt ist. Ist der nun gefundene nächstgelegene Abfragepunkt mit dem zuvor betrachteten Abfragepunkt identisch, bilden der Eingangspunkt und der entsprechende Abfragepunkt ein Punktepaar. Auf diese Weise kann jeder Eingangsdatenpunkt und jeder Abfragepunkt nur genau zu einem Punktepaar gehören.
-
Es kann vorgesehen sein, dass Punktepaare nicht gebildet werden oder wieder aufgelöst werden, wenn der Abstand zwischen einem Abfragepunkt und einem Eingangsdatenpunkt einen Abstandsschwellenwert übersteigt, wobei der Abstandsschwellenwert von der Verteilung aller Abstände der Eingangsdatenpunkte und Abfragepunkte der Punktepaare abhängt, wobei insbesondere sich der Abstandsschwellenwert als ein Quantilwert eines vorgegebenen Quantils der Verteilung aller Abstände der Eingangsdatenpunkte und Abfragepunkte der Punktepaare ergibt.
-
Somit können aus der Menge von Abfragepunkten die Menge der Abfragepunkte entfernt werden, die einem Punktepaar zugeordnet werden. Die verbleibende Menge von diesen ungepaarten Abfragepunkten sind repräsentative raumfüllende Out-of-Distribution-Datenpunkte, von denen angenommen wird, dass diese außerhalb des Bereichs der Punkteregion liegen, der durch die Eingangsdatenpunkte definiert ist.
-
Im Bereich des Randes des Datenpunktgebiets werden unter Umständen Punktepaare gebildet, bei denen ein Abfragepunkt außerhalb der Eingangsdatenregion liegt, d.h. es werden Punktepaare gebildet, die nicht zustande kommen würden, wenn die Punkteregion der Eingangsdatenpunkte größer wäre. Denn dann hätte der entsprechende Abfragepunkt einen nähergelegenen Eingangsdatenpunkt als Partner. Dies zeugt von einer zu geringen Dichte von Eingangsdatenpunkten im Bereich des Randes des Bereichs aus Eingangsdatenpunkten. Daher werden Punktepaare, bei denen der Abstand (euklidische Distanz, siehe oben) des betreffenden Abfragepunkts und des betreffenden Eingangsdatenpunkts größer als ein vorgegebener Abstandsschwellenwert ist, aus der Menge der Punktepaare entfernt und die betreffenden Abfragepunkte als ungepaarte Abfragepunkte betrachtet.
-
Der Abstandsschwellenwert ergibt sich anhand einer Verteilung aller Abstände zwischen dem Abfragepunkt und dem Eingangsdatenpunkt aller Punktepaare, so dass durch Vorgabe eines Quantilwerts ein Abstandsschwellenwert für die Abstände bestimmt werden kann. Nun werden alle ungepaarten Abfragepunkte, d.h. Abfragepunkte, die keinem Punktepaar zugeordnet sind, als Trainingsdatensatz für das Training des Gültigkeitsmodells verwendet, wobei die Labels entsprechend eine Ungültigkeit des Funktionsmodells an den ungepaarten Abfragepunkten angeben. Weiterhin werden alle Eingangsdatenpunkte, die mit einem Abfragepunkt gepaart sind, ebenfalls als Trainingsdatensatz verwendet, wobei die Labels entsprechend eine Gültigkeit des Funktionsmodells an den gepaarten Eingangsdatenpunkten angeben.
-
Weiterhin kann die Anzahl der Abfragepunkte bestimmt werden, so dass ein Anteil der Anzahl der ungepaarten Abfragepunkte zur Anzahl der Punktepaare kleiner ist als ein vorgegebener Schwellenwert. Um sicherzustellen, dass die Anzahl der Eingangsdatenpunkte für die gegebene Anzahl an Abfragepunkten ausreichend groß ist, kann aus der Verteilung der Abstände in den Punktepaaren ein Bereich typischer Abstände bestimmt werden, wie beispielsweise das ±-3 - Sigma-Intervall eines mittleren Abstands. Es werden die ungepaarten Abfragepunkte bestimmt, die zum nächstgelegenen Eingangsdatenpunkt einen Abstand aufweisen, der unterhalb der Obergrenze der typischen Abstände liegt und deren Anzahl bestimmt. Ein Verhältnis zwischen der so bestimmten Anzahl der ungepaarten Abfragepunkte bezogen auf die Anzahl der gepaarten Eingangsdatenpunkte sollte einen vorgegebenen Schwellenwert nicht überschreiten, wie beispielsweise einen Schwellenwert von 1 % der Anzahl der gepaarten Eingangsdatenpunkte. Die Anzahl der Abfragepunkte wird entsprechend so festgelegt, dass die Anzahl der sich ergebenden gepaarten Eingangsdatenpunkte größer ist als eine vorgegebene Zielanzahl von gepaarten Eingangsdatenpunkten, die angestrebt ist, und die Anzahl der ungepaarten Abfragepunkte geringer ist als der obige Schwellenwert.
-
Kurzbeschreibung der Zeichnungen
-
Ausführungsformen werden nachfolgend anhand der beigefügten Zeichnungen näher erläutert. Es zeigen:
- 1 eine schematische Darstellung eines technischen Systems mit einem Steuergerät, in dem ein datenbasiertes Funktionsmodell implementiert ist;
- 2 ein Flussdiagramm zur Veranschaulichung eines Verfahrens zum Betreiben des technischen Systems der 1;
- 3 ein Flussdiagramm zur Veranschaulichung eines Verfahrens zum Erstellen eines Gültigkeitsmodells zur Verwendung in dem Steuergerät der 1;
- 4 ein Diagramm zur Veranschaulichung eines Verfahrens zur Paarbildung zur Bestimmung von Punktepaaren.
-
Beschreibung von Ausführungsformen
-
1 zeigt schematisch ein technisches System 1 mit einem Aktuator 2 in Form eines oder mehrerer Stellgeber, beispielsweise elektromechanische Stellgeber und dergleichen. Der Aktuator 2 wirkt auf eine technische Einrichtung 5 und steuert diese dadurch direkt an. Weiterhin ist eine Sensorik 3 vorgesehen, um Zustandsgrößen der technischen Einrichtung 5 zu erfassen und die entsprechenden Zustandsgrößen an ein Steuergerät 4 zu übermitteln.
-
Das technische System 1 kann beispielsweise eine Werkzeugmaschine, eine Robotikanwendung oder dergleichen sein, in denen beispielsweise elektromechanische Stellgeber vorgesehen sind, die abhängig von Zustandsgrößen des Systems 1 eine Bewegung ausführen. Weiterhin kann das technische System 1 einen virtuellen Sensor umfassen, z.B. zur Temperaturbestimmung, um abhängig von einer so modellierten Temperatur Abläufe zu steuern oder eine Übertemperaturabschaltung zu realisieren.
-
Das Steuergerät 4 umfasst ein datenbasiertes Funktionsmodell 41, das im Betrieb des technischen Systems 1 einen vorgegebenen Auswertungspunkt auswertet und eine entsprechende Modellausgabe bereitstellt. Die Modellausgabe kann beispielsweise einen Wert eines mit dem Funktionsmodell 41 realisierten virtuellen Sensors repräsentieren und/oder direkt oder indirekt zur Ansteuerung des Aktuators 2 verwendet werden. Der Auswertungspunkt kann beispielsweise aus einer oder mehreren Vorgabegrößen und/oder einer oder mehreren Zustandsgrößen, beispielsweise sensorisch erfasst, gebildet werden.
-
Das Funktionsmodell 41 kann als neuronales Netz, RBF-Netz oder dergleichen ausgebildet sein und mit Trainingsdatensätzen trainiert sein, die gelabelten Eingangsdatenpunkten entsprechen.
-
Das Steuergerät 4 betreibt das technische System 1 abhängig von einem datenbasierten Gültigkeitsmodell 42, das für einen Auswertungspunkt angibt, ob an dem Auswertungspunkt das datenbasierte Funktionsmodell 41 zur Bestimmung einer entsprechenden Modellausgabe genutzt werden darf. Das Gültigkeitsmodell 42 gibt somit die Gültigkeit der Modellausgabe des datenbasierten Funktionsmodells 41 an.
-
2 zeigt schematisch anhand eines Flussdiagramms eine beispielhafte Funktionsweise des technischen Systems 1 der 1. Das Verfahren kann in dem Steuergerät 4 als Hardware und/oder Software implementiert sein.
-
In Schritt S1 werden zunächst eine oder mehrere der Zustandsgrößen des technischen Systems 1 ermittelt. Diese werden beispielsweise sensorisch erfasst. Weiterhin wird z.B. von extern eine Vorgabegröße erhalten, die beispielsweise im Falle eines elektromechanischen Aktuators einer Sollposition, einer Solldrehzahl oder dergleichen entsprechen kann.
-
Wird das datenbasierte Funktionsmodell als virtueller Sensor betrieben, kann beispielsweise die Modellausgabe zur Überwachung verwendet werden, wie beispielsweise ein datenbasiertes Funktionsmodell 41 zum Modellieren einer Statortemperatur einer elektrischen Maschine, die hinsichtlich eines vorgegebenen Maximalwerts überwacht wird. Wird der Maximalwert überschritten, so wird eine entsprechende Warnung generiert. In einer weiteren Ausführungsform kann anstatt der Statortemperatur eine Rotortemperatur der elektrischen Maschine die Modellausgabe sein.
-
In Schritt S2 wird aus der einen oder mehreren Vorgabegrößen und der einen oder mehreren Zustandsgrößen ein Auswertungspunkt ermittelt.
-
In Schritt S3 wird der Auswertungspunkt in einem trainierten datenbasierten Gültigkeitsmodell 42 ausgewertet. Das datenbasierte Gültigkeitsmodell 42 gibt nun an, ob der Auswertungspunkt mithilfe des datenbasierten Funktionsmodells 41 ausgewertet werden darf bzw. die Modellausgabe des datenbasierten Funktionsmodells 41 verwendet werden darf.
-
Das datenbasierte Gültigkeitsmodell 42 kann dazu ein Klassifikationsmodell darstellen, das angibt, ob der Auswertungspunkt in dem Gültigkeitsbereich oder einem Nichtgültigkeitsbereich für die Auswertung des Funktionsmodells 41 liegt.
-
In Schritt S4 wird überprüft, ob der Auswertungspunkt gültig ist. Wird festgestellt, dass der Auswertungspunkt gültig ist (Alternative: Ja), wird der Auswertungspunkt mit dem datenbasierten Funktionsmodell 41 in Schritt S5 ausgewertet und die Modellausgabe des datenbasierten Funktionsmodells 41 in Schritt S6 zur Ansteuerung des Aktuators und/oder zur Überwachung einer ordnungsgemäßen Funktion des technischen Systems 1 verwendet.
-
Wird dagegen festgestellt (Alternativ: Nein), dass der Auswertungspunkt nicht gültig ist (Alternative: Nein), wird in Schritt S7 die Modellausgabe nicht vorgenommen oder verworfen und zur Auswertung des Auswertungspunkts ein alternatives Modell verwendet oder eine zuvor mit einem gültigen Auswertungspunkt ermittelten Modellausgabe verwendet.
-
In 3 ist ein Flussdiagramm zur Veranschaulichung eines Verfahrens zum Bereitstellen des datenbasierten Gültigkeitsmodells 42 näher beschrieben.
-
In Schritt S11 werden dazu Trainingsdatensätze auf einem Prüfstand ermittelt. Die Trainingsdatensätze basieren auf Eingangsdatenpunkten, denen vorzugsweise eine gewünschte Modellausgabe als Label zugeordnet wird. Die Modellausgabe kann durch Vermessung des technischen Systems 1 auf einem Prüfstand ermittelt werden. Beispielsweise kann bei einem Funktionsmodell 41 als Überwachungsmodell die Statortemperatur einer elektrischen Maschine als Label gemessen werden, so dass das datenbasierte Funktionsmodell 41 basierend auf einem Eingangsdatenpunkt eine Statortemperatur zuordnen kann.
-
In Schritt S12 werden eine Anzahl von Abfragepunkten generiert, die raumfüllend über die Punktewolke der Eingangsdatenpunkte gelegt wird. Die Abfragepunkte können als Gitter gleich verteilt vorgesehen sein. Alternativ können die Abfragepunkte auch entsprechend einer pseudozufälligen Sequenz, wie beispielsweise einer Sobol-Sequenz, verteilt ermittelt werden.
-
Es werden nun in Schritt S13 Punktepaare aus jeweils einem Abfragepunkt und einem Eingangsdatenpunkt ermittelt. Die Punktepaare entsprechen einem Paar aus einem Abfragepunkt und einem Eingangsdatenpunkt, die bestimmt werden, indem für einen Abfragepunkt der nächstgelegene Eingangsdatenpunkt ermittelt wird. „Nächstgelegen“ entspricht einem minimalen euklidischen Abstand, insbesondere basierend auf einem normierten Wertebereich der Eingangsdimensionen. Für jeden so gefundenen Eingangsdatenpunkt wird umgekehrt ermittelt, welches der nächstgelegene Abfragepunkt ist. Ist der ursprüngliche Abfragepunkt mit dem aufgefundenen Abfragepunkt identisch, bilden der Abfragepunkt und der zugehörigen Eingangsdatenpunkt ein Punktepaar. Das Punktepaar weist daher einen gepaarten Abfragepunkt und einen gepaarten Eingangsdatenpunkt auf.
-
Anschließend wird in Schritt S14 für jedes Punktepaar überprüft, ob der Abstand zwischen den Punkten jedes Punktepaares unter einem vorgegebenen Abstandsschwellenwert liegt. Liegt der Abstand unter dem Abstandsschwellenwert (Alternative: Ja), so wird das Punktepaar beibehalten. Liegt der Abstand über dem vorgegebenen Abstandsschwellenwert (Alternative: Nein), so wird in Schritt S15 das Punktepaar verworfen und der betreffende Abfragepunkt und der betreffende Eingangsdatenpunkt gelten wieder als ungepaart.
-
Der Abstandsschwellenwert kann sich durch Auswertung aller Abstände der Punktepaare ergeben, und es kann beispielsweise basierend auf einer Auswertung einer Verteilung der Abstände der Abstandsschwellenwert bestimmt werden. Der Abstandsschwellenwert kann sich beispielsweise als vorgegebenes oberes Quantil, wie beispielsweise ein 95%-Quantil, der Abstandswerte ergeben.
-
Es werden nun alle ungepaarten Abfragepunkte als Datenpunkte angenommen, die außerhalb der gültigen Eingangsdatenregion liegen.
-
Anschließend wird in Schritt S16 das Klassifikationsmodell, d.h. das Gültigkeitsmodell, trainiert, mit den gepaarten Eingangsdatenpunkten aus den Punktepaaren als gültige Datenpunkte und den ungepaarten Abfragepunkten als ungültige Datenpunkte.
-
4 veranschaulicht anhand einer zweidimensionalen Eingangsdatenregion (mit Merkmal 1 und Merkmal 2) die Lage von Eingangsdatenpunkten M (als Kreuze dargestellt). Die Abfragepunkte Q entsprechen den als Kreis dargestellten Punkten. Punktepaare P werden durch gestrichte Verbindungslinien angedeutet. Man erkennt, dass die Verteilung der Datenpunkte durch die Vorgabe der raumfüllenden Verteilung der Abfragepunkte im gesamten dargestellten Bereich, der die Punktewolke des Eingangsdatenpunkte vollständig umgibt, gleichmäßig verteilt ist und den Randbereich der Punktewolke einschließt. Dies ermöglicht ein Trainieren des Gültigkeitsmodells mit gleichverteilten Trainingsdatensätzen, die sowohl gültige als auch ungültige Datenpunkte umfassen.
-
Zusammenfassend liegt damit eine Methode vor, um raumfüllende Trainingsdatensätze aus einer Anzahl von gelabelten Eingangsdatenpunkten zu generieren, die sowohl raumfüllend einen Gültigkeitsbereich abdecken als auch Datenpunkte außerhalb des Gültigkeitsbereichs als Nicht-Gültig-Bereiche umfassen.
-
Damit können Methoden der Zwei-Klassen-Klassifikation angewendet werden, da Labels für zwei Klassen, nämlich gültige und ungültige Auswertungspunkte, vorliegen. Vorteilhafterweise kann das Gültigkeitsmodell 42 als ein RBF-Netz trainiert werden. Dies ermöglicht eine Implementierung des Gültigkeitsmodell auf einer dedizierten Hardware.
-
Die Anzahl der anfänglich angenommenen Abfragepunkte kann in einem iterativen Verfahren bestimmt werden. Dieses iterative Verfahren basiert darauf, dass eine Schwellenanzahl von ungepaarten Abfragepunkten, die außerhalb der Punktewolke der Eingangsdatenpunkte liegt, bezogen auf die Anzahl der gepaarten Eingangsdatenpunkte unter einem Schwellenwert liegen sollte. Wenn beispielsweise festgestellt wird, dass die Anzahl der ungepaarten Abfragepunkte zu hoch bezogen auf die Anzahl der gepaarten Eingangsdatenpunkte ist und die Anzahl der gepaarten Eingangsdatenpunkte geringer ist als die gewünschte Anzahl von zum Training des datenbasierten Funktionsmodells 41 bereitstehenden Eingangsdatenpunkten, so ist das obige Verfahren nicht anwendbar. Solange jedoch die Anzahl ungepaarter Abfragepunkte unter der vorgegebenen Schwellenanzahl liegt, die von der Anzahl der ausgewählten Eingangsdatenpunkte abhängt, kann die Anzahl der Abfragepunkte für die Durchführung des Verfahrens so weit erhöht werden, bis die Anzahl der gepaarten Eingangsdatenpunkte erreicht ist.
