JP2017220043A - 入力データ生成装置、方法、及びプログラム - Google Patents
入力データ生成装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP2017220043A JP2017220043A JP2016114177A JP2016114177A JP2017220043A JP 2017220043 A JP2017220043 A JP 2017220043A JP 2016114177 A JP2016114177 A JP 2016114177A JP 2016114177 A JP2016114177 A JP 2016114177A JP 2017220043 A JP2017220043 A JP 2017220043A
- Authority
- JP
- Japan
- Prior art keywords
- input data
- frequency
- input
- value
- solution
- 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
Links
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
【課題】過渡モデルのブラックボックスモデリングにおいて、周波数の網羅性が高い入力データを生成することを目的とする。
【解決手段】ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する入力データ生成装置21は、周波数が周期的に変動する関数の周波数変動に関する前提条件を元に最適化問題を作成し、前記最適化問題の解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、数値化された、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定して、各入力データの入力値を生成する。
【選択図】図11
【解決手段】ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する入力データ生成装置21は、周波数が周期的に変動する関数の周波数変動に関する前提条件を元に最適化問題を作成し、前記最適化問題の解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、数値化された、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定して、各入力データの入力値を生成する。
【選択図】図11
Description
本発明は、入力データ生成装置、方法、及びプログラムに関する。
各種装置の開発期間及び開発コストを削減するために、モデルベース開発が行われている。モデルベース開発では、開発対象(または、モデル化対象)である実装置を再現するモデルを用いる。例えば、自動車のエンジンのECU(Engine Control Unit)を開発する場合、エンジンのモデルを用いる。
モデルの種類には、開発対象の定常状態を表現する定常モデルと、開発対象の過渡応答を表現する過渡モデルとがある。また、モデルの作成方法には、ホワイトボックスモデリングと、ブラックボックスモデリングと、グレーボックスモデリングとがある。ホワイトボックスモデリングは、開発対象の挙動を表現する物理式に基づいてモデル化を行う。ブラックボックスモデリングは、開発対象の実データ、即ち、入出力データに基づいてモデル化を行う。グレーボックスモデリングは、ホワイトボックスモデリングとブラックボックスモデリングの組み合わせでモデル化を行う。
ブラックボックスモデリングは、システムの全体または一部の構造が不明の場合などに、実測された入出力データからモデルを推定(「システム同定」とも言う)するのに用いられる。例えば、過渡モデルのブラックボックスモデリングの場合、複数の時系列の入出力データを用いてモデルを作成する。この場合、入力データの網羅性が低いと、精度の低いモデルが作成される可能性があるため、入力データの網羅性は高い方が望ましい。精度の低いモデルとは、実装置を正確に再現できていないモデルのことを言う。従って、網羅性が高くなるように入力データ(「実験計画」とも言う)を決定することが望ましい。
開発対象がディーゼルエンジンの場合を例にとると、周波数が時間変化する正弦波を用いた実験計画が知られている。チャープ信号(Chirp)は、周波数が時間変化する正弦波の一例であり、角周波数をω、時間をtで表すと、例えばc=sinωt2で表される。角周波数ωを入力データ毎に異なる値に設定することで、入力データの入力値の網羅性を確保できる。つまり、各時刻の各入力データの入力値の組み合わせについて、組み合わせが多様であれば網羅性を高くすることができる。
また、各時刻の各入力データの周波数の組み合わせについても、組み合わせが多様であれば網羅性を高くすることができる。しかし、従来の、チャープ信号を用いた過渡モデルのブラックボックスモデリングの場合、入力データの周波数が単調増加するため、周波数の網羅性を高くすることは難しい。
Nobuyuki Sakushima et al., "Transient Modeling of Diesel Engine Emissions", International Journal of Automotive Engineering 4 (2013), pp. 63-68
過渡モデルのブラックボックスモデリングにおいて、従来の入力データ生成方法では、周波数の網羅性が高い入力データを生成することは難しい。
そこで、1つの側面では、過渡モデルのブラックボックスモデリングにおいて、周波数の網羅性が高い入力データを生成可能な入力データ生成装置、方法、及びプログラムを提供することを目的とする。
1つの案によれば、ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する入力データ生成装置であって、周波数が周期的に変動する関数の周波数変動に関する前提条件を元に最適化問題を作成する作成手段と、前記最適化問題の解を用いて、各入力データの入力値を、前記関数に基づいて生成する生成手段と、を備え、前記生成手段は、前記解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、数値化された、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定する入力データ生成装置が提供される。
一態様によれば、過渡モデルのブラックボックスモデリングにおいて、周波数の網羅性が高い入力データを生成することができる。
開示の入力データ生成装置、方法、及びプログラムは、ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する。具体的には、周波数が周期的に変動する関数の周波数変動に関する前提条件を元に最適化問題を作成し、最適化問題の解を用いて、各入力データの入力値を、前記関数に基づいて生成する。解に含まれる、前記関数の周波数変動の周期と位相のうち少なくとも一方を、数値化された、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定する。
以下に、開示の入力データ生成装置、方法、及びプログラムの各実施例を図面と共に説明する。
図1は、ブラックボックスモデリングの一例を説明する模式図である。この例では、開発対象(または、モデル化対象)である実装置1は、例えばディーゼルエンジンである。例えば、過渡モデルのブラックボックスモデリングの場合、複数の時系列の入力データIn1, In2, In3, ...及び出力データOut1, Out2, ...を用いて、実装置1の入出力関係を再現可能なモデル2を作成する。この場合、入力データの網羅性が低いと精度の低いモデル2が作成される可能性があるため、入力データの網羅性は高い方が望ましい。従って、網羅性が高くなるように入力データ(または、「実験計画」)を決定することが望ましい。
チャープ信号(Chirp)は、周波数が時間変化する正弦波の一例であり、角周波数をω、時間をtで表すと、例えばc=sinωt2で表される。角周波数ωを入力データ毎に異なる値に設定することで、入力データの入力値の網羅性を確保できる。つまり、各時刻の各入力データの入力値の組み合わせについて、組み合わせが多様であれば網羅性を高くすることができる。図2は、モデル2への入力データの入力値と時間との関係の一例を示す図である。図2中、実線は第1の入力データの入力値、破線は第2の入力データの入力値を示す。
また、各時刻の各入力データの周波数の組み合わせについても、組み合わせが多様であれば網羅性を高くすることができる。しかし、従来の、チャープ信号を用いた過渡モデルのブラックボックスモデリングの場合、入力データの周波数が単調増加するため、周波数の網羅性を高くすることは難しい。図3は、モデル2への入力データの周波数と時間との関係の一例を示す図である。図3中、実線は、複数の時系列の入力データのうち、第1の入力データの周波数を示し、破線は、複数の時系列の入力データのうち、第2の入力データの周波数を示す。第1及び第2の入力データの周波数は、図3に示すように単調増加することがわかる。
そこで、一実施例では、過渡モデルのブラックボックスモデリングにおいて、周波数が周期的に変動する関数を用い、当該関数の周波数変動の角周波数ωsと位相φのうち少なくとも一方を入力データ毎に異なる値に設定する。周波数が周期的に変動する関数の一例は、周波数変動の中心角周波数をω0、角周波数の変動幅をΔω、時間をt、周波数をω0+Δωcos(ωst+φ)で表すと、次式で表すことができる。なお、周波数が周期的に変動する関数は、周波数変動の角周波数ωsと位相φのうち少なくとも一方を入力データ毎に異なる値に設定可能な関数であれば、特に限定されない。
y=sin{ω0t+(Δω/ωs)sin(ωst+φ)}
図4は、入力データの周波数の時間変化の一例を示す図である。図4中、縦軸は1つの入力データの周波数を任意単位で示し、横軸は時間を任意単位で示す。図4において、(a)は基準となる入力データの周波数を示し、(b)は基準に対して周波数変動の角周波数ωsを変更した入力データの周波数を示し、(c)は基準に対して周波数変動の位相φを変更した入力データの周波数を示す。図4及び後述する図5において、周波数変動の周期は、2π/ωsで表される。
図4は、入力データの周波数の時間変化の一例を示す図である。図4中、縦軸は1つの入力データの周波数を任意単位で示し、横軸は時間を任意単位で示す。図4において、(a)は基準となる入力データの周波数を示し、(b)は基準に対して周波数変動の角周波数ωsを変更した入力データの周波数を示し、(c)は基準に対して周波数変動の位相φを変更した入力データの周波数を示す。図4及び後述する図5において、周波数変動の周期は、2π/ωsで表される。
図5は、入力データの入力値の時間変化の一例を示す図である。図5中、縦軸は1つの入力データの入力値を任意単位で示し、横軸は時間を任意単位で示す。図5において、(a)は基準となる入力値を示し、(b)は基準に対して周波数変動の角周波数ωsを変更した入力値を示し、(c)は基準に対して周波数変動の位相φを変更した入力値を示す。
次に、入力データの周波数の網羅性が高くなるような周波数変動の周期と位相の決定方法を説明する。周波数が周期的に変動する関数の、周波数変動の中心角周波数ωo,i及び角周波数の変動幅Δωiなどの関数パラメータ、周波数変動の角周波数ωs,iの最小値mini及び最大値maxiなどの角周波数ωsの制約、実験計画で用いる実験時間及び実験点のサンプル時間などの実験時間などが、前提条件として与えられている場合、これらの周波数変動に関する前提条件を元に次のような最適化問題を作成する。この最適化問題を解くことにより、入力データの周波数の網羅性が最高となるような周波数変動の角周波数ωs,iと位相φiを決定することができる。周波数変動の周期は、上記の如く2π/ωs,iであるため、周波数変動の角周波数ωs,iと位相φiを決定することは、周波数変動の周期と位相を決定することと同等である。
最適化問題
目的:網羅性指標の最大化
変数:ωs,i,φi
制約:mini≦ωs,i≦maxi
0≦φi<2π
i=1,2,...,N
Nは入力データ数
網羅性指標の第1の例では、入力データの周波数空間に対する入力データ(または、実験計画)の網羅性を数値化する。具体的には、入力データの周波数空間を適切な分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの周波数を示す実験点が配置された分割領域数の割合を網羅性指標値とする。また、入力データの周波数空間を1つの入力データについて分割する分割数を、領域分割数とする。
目的:網羅性指標の最大化
変数:ωs,i,φi
制約:mini≦ωs,i≦maxi
0≦φi<2π
i=1,2,...,N
Nは入力データ数
網羅性指標の第1の例では、入力データの周波数空間に対する入力データ(または、実験計画)の網羅性を数値化する。具体的には、入力データの周波数空間を適切な分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの周波数を示す実験点が配置された分割領域数の割合を網羅性指標値とする。また、入力データの周波数空間を1つの入力データについて分割する分割数を、領域分割数とする。
例えば、図6に示すように入力データの周波数空間を9個の分割領域に分割した場合、領域分割数は、
上記の最適化問題を周知の最適化ソルバなどの最適化部が解くことで、網羅性指標値が最大となるような周波数変動の角周波数ωs,iと位相φiを最適解として求める。各入力データは、求められた最適解(ωs,i,φiの最適値)を用いて、周波数が周期的に変動する上記の関数yに基づき生成するので、各入力データの周波数の網羅性を確保できる。これにより、過渡モデルのブラックボックスモデリングにおいて、周波数の網羅性が高い入力データを生成することが可能となる。
網羅性指標の第2の例では、入力データの周波数空間に対する入力データ(即ち、実験計画)の網羅性を数値化すると共に、入力データの入力値空間に対する入力データ(即ち、実験計画)の網羅性を数値化する。具体的には、上記網羅性指標の第1の例の場合と同様の方法で算出した、図7に示す如き入力データの周波数空間の第1の網羅性指標値と、同じく上記網羅性指標の第1の例の場合と同様の方法で算出した、図8に示す如き入力データの入力値空間の第2の網羅性指標値の平均を、網羅性指標値とする。図7において、縦軸は第2の入力データの周波数を示し、横軸は第1の入力データの周波数を示す。図8において、縦軸は第2の入力データの入力値を示し、横軸は第1の入力データの入力値を示す。図7及び図8において、各実験点は黒丸印で示し、×印は実験点が存在しない分割領域を示す。
網羅性指標の第2の例における網羅性指標値は、入力データの周波数空間の第1の網羅性指標値と入力データの入力値空間の周波数空間の第2の網羅性指標値の和の1/2から算出されるので、この例では、{(8/9)+(7/9)}/2≒0.83となる。
上記の最適化問題を周知の最適化ソルバなどの最適化部が解くことで、入力データの周波数空間の第1の網羅性指標値と入力データの入力値空間の第2の網羅性指標値とが最大(または、これら第1及び第2の網羅性指標値の平均が最大)となるような周波数変動の角周波数ωs,iと位相φiを最適解として求める。各入力データは、求められた最適解(ωs,i,φi)を用いて、周波数が周期的に変動する上記の関数yに基づき生成するので、各入力データの周波数の網羅性及び各入力データの入力値の網羅性の両方を確保できる。これにより、過渡モデルのブラックボックスモデリングにおいて、周波数の網羅性が高く、且つ、入力値の網羅性が高い入力データを生成することが可能となる。
なお、上記の場合の関数yは、周波数をω0+Δωcos(ωs,it+φi)で表すと、次式で表すことができる。
y=sin{ω0t+(Δω/ωs,i)sin(ωs,it+φi)}
図9は、コンピュータの一例を示すブロック図である。図9に示すコンピュータ100は、バス120を介して互いに接続されたプロセッサ121と、メモリ122と、入力装置123と、表示装置124と、インタフェース(または、通信装置)125とを有する。プロセッサ121は、例えば中央処理装置(CPU:Central Processing Unit)などで形成可能であり、メモリ122に記憶されたプログラムを実行して、コンピュータ100全体の制御を司る。メモリ122は、例えば半導体記憶装置、磁気記録媒体、光記録媒体、光磁気記録媒体などにより形成可能である。メモリ122は、プロセッサ121が実行する入力データ生成プログラムを含む各種プログラム、各種データなどを記憶可能である。
図9は、コンピュータの一例を示すブロック図である。図9に示すコンピュータ100は、バス120を介して互いに接続されたプロセッサ121と、メモリ122と、入力装置123と、表示装置124と、インタフェース(または、通信装置)125とを有する。プロセッサ121は、例えば中央処理装置(CPU:Central Processing Unit)などで形成可能であり、メモリ122に記憶されたプログラムを実行して、コンピュータ100全体の制御を司る。メモリ122は、例えば半導体記憶装置、磁気記録媒体、光記録媒体、光磁気記録媒体などにより形成可能である。メモリ122は、プロセッサ121が実行する入力データ生成プログラムを含む各種プログラム、各種データなどを記憶可能である。
プロセッサ121は、例えばメモリ122に記憶された入力データ生成プログラムを実行することで、後述する図10に示す入力データ生成処理を実行可能であり、また、後述する図11に示す入力データ生成装置21の各部の機能を実行可能である。
入力装置123は、ユーザ(または、オペレータ)により操作される例えばキーボードなどで形成可能であり、プロセッサ121にコマンド及びデータを入力するのに用いられる。表示装置124は、ユーザに対するメッセージ、入力データ生成処理により生成された入力データなどを表示する。インタフェース125は、コンピュータ100と、外部の最適化部などの外部装置との間の通信を司る。コンピュータ100と外部装置との間の通信は、有線で行っても、無線で行っても、有線と無線の組み合わせで行っても良い。
プロセッサ121及びインタフェース125は、最適化問題を解く外部の最適化部(例えば、外部の最適化ソルバ)をアクセスして解を取得する手段の一例を形成可能である。
なお、コンピュータ100は、当該コンピュータ100の各部がバス120を介して接続されたハードウェア構成に限定されるものではない。
図10は、入力データ生成処理の一例を説明するフローチャートである。図10に示す入力データ生成処理は、例えば図9に示すプロセッサ121により実行可能である。図10において、ステップS11では、プロセッサ121が、与えられた周波数変動に関する上記の前提条件を元に、網羅性指標を最大化する上記の最適化問題を作成する。ステップS12では、プロセッサ121が、網羅性指標を最大化する最適化問題を最適化ソルバで解く。最適化ソルバは、例えば周知のソルバであっても良い。また、最適化ソルバは、コンピュータ100内に設けられていても、コンピュータ100の外部に設けられていても良い。つまり、最適化ソルバの機能は、コンピュータ100のプロセッサ121により実行しても、入力データ生成プログラムによりアクセス可能な、コンピュータ100の外部の最適化部の一例である、外部のソルバを形成する外部装置により実行しても良い。
ステップS13では、プロセッサ121が、最適化ソルバが解いた最適化問題の最適解(ωs,φiの最適値)を用いて入力データ(または、「実験計画」)を作成し、入力データ生成処理は終了する。つまり、ステップS13では、プロセッサ121が、求められた最適解(ωs,φi)を用いて、周波数が周期的に変動する上記の関数yに基づき、ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する。
図11は、入力データ生成装置の一例を示す機能ブロック図である。図11に示す入力データ生成装置21は、制御部22と、最適化問題を解く最適化部の一例である最適化ソルバ23と、網羅性指標算出部24と、周波数算出部25と、入力値算出部26とを有する。上記の如く、入力データ生成装置21の各部の機能は、図9に示すプロセッサ121により実行可能である。また、最適化ソルバ23の代わりに、外部の最適化ソルバを用いても良い。
制御部22には、図11の上部に示すように、関数パラメータ(または、被最適化対象)と、周波数変動の角周波数ωsの制約と、実験時間とを含む前提条件が入力される。関数パラメータは、この例では、複数の入力データの一例である第1の入力データ及び第2の入力データの夫々に対する周波数変動の中心角周波数ω0と角周波数の変動幅Δωとを含む。周波数変動の角周波数ωsの制約は、この例では、第1の入力データ及び第2の入力データの夫々に対する周波数変動の角周波数ωsの最大値maxと最小値minとを含む。実験時間は、この例では、例えば1000秒(s)などの、実験計画で用いる実験時間と、例えば0.5(s)などの実験点のサンプル時間とを含む。制御部22は、周波数変動に関する前提条件を元に最適化問題を作成する作成手段の一例を形成可能である。
制御部22は、周波数が周期的に変動する関数の周波数変動に関する前提条件を元に、網羅性指標を最大化する最適化問題を作成して最適化ソルバ23に供給する。また、制御部22は、時刻及び関数パラメータを、網羅性指標算出部24及び入力値算出部26に供給する。時刻は、実験時間とサンプル時間から生成する。例えば、実験時間が1000(s)、サンプル時間が0.5(s)の場合、時刻は0,0.5,1,...,999.5,1000(s)と生成される。
周波数算出部25は、網羅性指標算出部24を介して入力される時刻及び関数パラメータに基づいて、ω0+Δωcos(ωs,it+φi)で表される周波数を算出して、網羅性指標算出部24及び制御部22に供給する。上記網羅性指標の第1の例を用いる場合、網羅性指標算出部24は、各入力データの周波数空間を、実験時間と実験点のサンプル時間とで決まる実験点数から求められる領域分割数の、複数の分割領域に分割し、最適化ソルバ23が最適化問題を解く過程で要求するωs,i,φiについて算出した実験点が存在する分割領域数と全分割領域数とで決まる網羅性指標値を算出して最適化ソルバ23に供給する。一方、入力値算出部26は、制御部22から入力される時刻及び関数パラメータに基づいて、各入力データの入力値を算出して制御部22に供給する。
さらに、入力値算出部26は、上記網羅性指標の第2の例を用いる場合、網羅性指標算出部24を介して入力される時刻及び関数パラメータに基づいて、各入力データの入力値を算出して制御部22及び網羅性指標算出部24に供給する。上記網羅性指標の第2の例を用いる場合、網羅性指標算出部24は、各入力データの周波数空間を、実験時間と実験点のサンプル時間とで決まる実験点数から求められる領域分割数の、複数の分割領域に分割すると共に、各入力データの入力値空間を、実験時間と実験点のサンプル時間とで決まる実験点数から求められる領域分割数の、複数の分割領域に分割する。また、網羅性指標算出部24は、上記網羅性指標の第2の例を用いる場合、最適化ソルバ23が最適化問題を解く過程で要求するωs,i,φiについて算出した実験点が存在する分割領域数と全分割領域数とで決まる網羅性指標値を、各入力データの周波数空間及び各入力データの入力値空間について算出し、算出した2つの網羅性指標値の平均を網羅性指標値として最適化ソルバ23に供給する。
従って、図11中、★印で示すように、入力値算出部26から網羅性指標算出部24に供給される入力値の供給パス及び網羅性指標算出部24から入力値算出部26に供給される時刻及び関数パラメータの供給パスは、上記網羅性指標の第2の例を用いる場合に使用されるが、上記網羅性指標の第1の例を用いる場合には省略可能である。
最適化ソルバ23は、最適化問題を解く過程で要求するωs,i,φiを網羅性指標算出部24に供給するので、周波数算出部25及び網羅性指標算出部24による処理(上記網羅性指標の第1の例を用いる場合)、または、周波数算出部25、入力値算出部26及び網羅性指標算出部24による処理(上記網羅性指標の第2の例を用いる場合)を繰り返すことで、最適化ソルバ23は、網羅性指標値が一定以上となるように最適化問題を解くことができる。網羅性指標値を最大化する最適化問題の最適解(ωs,i,φiの最適値)が求まると、最適化ソルバ23は最適解(ωs,i,φiの最適値)を制御部22に供給する。
これにより、制御部22は、前記最適化問題の最適解(ωs,i,φiの最適値)を用いて、実験計画、即ち、複数の時系列の入力データの入力値を、周波数が周期的に変動する関数に基づいて生成して出力する。この例では、複数の時系列の入力データの入力値は、第1の入力データの入力値と第2の入力データの入力値とを含む。
制御部22、網羅性指標算出部24、周波数算出部25及び入力値算出部26は、最適化ソルバ23が解いた最適化問題の解を用いて、各入力データの入力値を、周波数が周期的に変動する関数に基づいて生成する生成手段の一例を形成可能である。生成手段は、前記解に含まれる、関数の周波数変動の周期と位相のうち少なくとも一方を、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定する。生成手段は、入力データ生成装置21内の最適化ソルバ23から最適化問題の最適解を取得しても、入力データ生成装置21の外部の最適化ソルバから最適化問題の最適解を取得しても良い。
網羅性指標算出部24は、各入力データの周波数空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの周波数を示す実験点が配置された分割領域数の割合から算出した第1の網羅性指標値を、最適化問題の解を求める最適化部23に入力する算出部の一例を形成可能である。また、網羅性指標算出部24は、上記第1の網羅性指標値と、各入力データの入力値空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの入力値を示す実験点が配置された分割領域数の割合から算出した第2の網羅性指標値との平均から求めた網羅性指標値を、最適化問題の解を求める最適化部23に入力する算出部の一例を形成可能である。前者が上記網羅性指標の第1の例を用いる場合に相当し、後者が上記網羅性指標の第2の例を用いる場合に相当する。
図10に示す入力データ生成処理中、ステップS11の処理は制御部22の機能により実行可能であり、ステップS12の処理は最適化ソルバ23の機能により実行可能であり、ステップS13の処理は制御部22及び入力値算出部26の機能により実行可能である。
図12は、網羅性指標算出処理の一例を説明するフローチャートである。図12に示す網羅性指標算出処理は、例えば図11に示す入力データ生成装置21の各部の機能により実行可能である。従って、図12に示す網羅性指標算出処理は、例えば図9に示すプロセッサ121により実行可能である。
図12において、ステップS1では、網羅性指標算出部24、周波数算出部25及び入力値算出部26が、例えば最適化ソルバ23から与えられた周波数変動の角周波数ωs,iと位相φiについて実験点を算出する。具体的には、プロセッサ121が、周波数変動の角周波数ωs,iと位相φiについて少なくとも入力データの周波数の時間変化を算出する。つまり、網羅性指標の第1の例を用いる場合、プロセッサ121(即ち、網羅性指標算出部24及び周波数算出部25)が、周波数変動の角周波数ωs,iと位相φiについて各入力データの周波数の時間変化を算出する。また、網羅性指標の第2の例を用いる場合、プロセッサ121(即ち、網羅性指標算出部24、周波数算出部25及び入力値算出部26)が、周波数変動の角周波数ωs,iと位相φiについて各入力データの周波数の時間変化と各入力データの入力値の時間変化とを算出する。
ステップS2では、網羅性指標算出部24が、少なくとも入力データの周波数空間を実験点と入力データ数に応じて、例えば図6に示すような分割領域に分割する。つまり、網羅性指標の第1の例を用いる場合、プロセッサ121が、入力データの周波数空間を実験点と入力データ数に応じて、例えば図6に示すような分割領域に分割する。また、網羅性指標の第2の例を用いる場合、プロセッサ121が、入力データの周波数空間を実験点と入力データ数に応じて、例えば図7に示すような分割領域に分割すると共に、入力データの入力値空間を実験点と入力データ数に応じて、例えば図8に示すような分割領域に分割する。
ステップS3では、網羅性指標算出部24が、各分割領域に配置された実験点数をカウントする。網羅性指標の第1の例を用いる、入力データの周波数空間が例えば図6に示すような分割領域に分割されている場合は、プロセッサ121が、周波数空間の各分割領域に配置された実験点数をカウントする。また、網羅性指標の第2の例を用いる、入力データの周波数空間が例えば図7に示すような分割領域に分割されると共に、入力データの入力値空間が例えば図8に示すような分割領域に分割されている場合は、プロセッサ121が、周波数空間の各分割領域に配置された実験点数をカウントすると共に、入力値空間の各分割領域に配置された実験点数をカウントする。
ステップS4では、網羅性指標算出部24が、全分割領域数に対して実験点が配置された分割領域数の割合から網羅性指標値を算出し、処理は終了する。網羅性指標の第1の例を用いる、入力データの周波数空間が例えば図6に示すような分割領域に分割されている場合は、プロセッサ121が、全分割領域数に対して、各時刻の各入力データの周波数を示す実験点が配置された分割領域数の割合から網羅性指標値を算出する。また、網羅性指標の第2の例を用いる、入力データの周波数空間が例えば図7に示すような分割領域に分割されると共に、入力データの入力値空間が例えば図8に示すような分割領域に分割されている場合は、プロセッサ121が、入力データの周波数空間の網羅性指標値と入力データの入力値空間の網羅性指標値の和の1/2(即ち、2つの網羅性指標値の平均)から網羅性指標値を算出する。
上記の実施例によれば、周波数が周期的に変動する関数を用いて、当該関数の周波数変動の角周波数と位相(または、周波数変動の周期と位相)のうち少なくとも一方を各入力データ毎に異なる値に設定可能にすることで、周波数変動の多様性を実現できる。周波数変動の角周波数と位相(または、周波数変動の周期と位相)のうち少なくとも一方の設定値は、数値化された網羅性を最大化する最適化問題を解くことで容易に導出できる。
以上の実施例を含む実施形態に関し、更に以下の付記を開示する。
(付記1)
ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する入力データ生成装置であって、
周波数が周期的に変動する関数の周波数変動に関する前提条件を元に最適化問題を作成する作成手段と、
前記最適化問題の解を用いて、各入力データの入力値を、前記関数に基づいて生成する生成手段と、
を備え、
前記生成手段は、前記解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、数値化された、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定することを特徴とする、入力データ生成装置。
(付記2)
前記生成手段は、各入力データの周波数空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの周波数を示す実験点が配置された分割領域数の割合から算出した第1の網羅性指標値を、前記解を求める最適化部に入力する算出部を有することを特徴とする、付記1記載の入力データ生成装置。
(付記3)
前記算出部は、前記第1の網羅性指標値と、各入力データの入力値空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの入力値を示す実験点が配置された分割領域数の割合から算出した第2の網羅性指標値との平均から求めた網羅性指標値を、前記解を求める前記最適化部に入力することを特徴とする、付記2記載の入力データ生成装置。
(付記4)
前記最適化問題を解いて前記解を求める最適化部をさらに備えたことを特徴とする、付記1乃至3のいずれか1項記載の入力データ生成装置。
(付記5)
前記入力データ生成装置の外部の、前記最適化問題を解く最適化部をアクセスして前記解を取得する手段をさらに備えたことを特徴とする、付記1乃至3のいずれか1項記載の入力データ生成装置。
(付記6)
前記生成手段は、前記最適化部から前記最適化問題の最適解を取得し、前記最適解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、各入力データの周波数の網羅性が最高となる、各入力データ毎に異なる値に設定することを特徴とする、請求項4または5記載の入力データ生成装置。
(付記7)
ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する入力データ生成方法であって、
周波数が周期的に変動する関数の周波数変動に関する前提条件を元に最適化問題を作成し、
前記最適化問題の解を用いて、各入力データの入力値を、前記関数に基づいて生成する、
処理をコンピュータが実行し、
前記生成は、前記解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、数値化された、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定することを特徴とする、入力データ生成方法。
(付記8)
前記生成は、各入力データの周波数空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの周波数を示す実験点が配置された分割領域数の割合から算出した網羅性指標値を、前記解を求める最適化部に入力することを特徴とする、付記7記載の入力データ生成方法。
(付記9)
前記生成は、前記網羅性指標値と、各入力データの入力値空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの入力値を示す実験点が配置された分割領域数の割合から算出した網羅性指標値との平均から求めた網羅性指標値を、前記解を求める前記最適化部に入力することを特徴とする、付記8記載の入力データ生成方法。
(付記10)
前記最適化問題を前記コンピュータの最適化部で解く、
処理を前記コンピュータが実行することを特徴とする、付記7乃至9のいずれか1項記載の入力データ生成方法。
(付記11)
前記コンピュータの外部の、前記最適化問題を解く最適化部をアクセスして前記解を取得する、
処理を前記コンピュータが実行することを特徴とする、付記7乃至9のいずれか1項記載の入力データ生成方法。
(付記12)
前記生成は、前記最適化部から前記最適化問題の最適解を取得し、前記最適解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、各入力データの周波数の網羅性が最高となる、各入力データ毎に異なる値に設定することを特徴とする、請求項10または11記載の入力データ生成方法。
(付記13)
コンピュータに、ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する入力データ生成処理を実行させるプログラムであって、
周波数が周期的に変動する関数の周波数変動に関する前提条件を元に最適化問題を作成し、
前記最適化問題の解を用いて、各入力データの入力値を、前記関数に基づいて生成する、
処理を前記コンピュータに実行させ、
前記生成は、前記解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、数値化された、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定することを特徴とする、プログラム。
(付記14)
前記生成は、各入力データの周波数空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの周波数を示す実験点が配置された分割領域数の割合から算出した網羅性指標値を、前記解を求める最適化部に入力することを特徴とする、付記13記載のプログラム。
(付記15)
前記生成は、前記網羅性指標値と、各入力データの入力値空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの入力値を示す実験点が配置された分割領域数の割合から算出した網羅性指標値との平均から求めた網羅性指標値を、前記解を求める前記最適化部に入力することを特徴とする、付記14記載のプログラム。
(付記16)
前記最適化問題を前記コンピュータの最適化部が解く
処理を前記コンピュータにさらに実行させることを特徴とする、付記13乃至15のいずれか1項記載のプログラム。
(付記17)
前記コンピュータの外部の、前記最適化問題を解く最適化部をアクセスして前記解を取得する、
処理を前記コンピュータにさらに実行させることを特徴とする、付記13乃至15のいずれか1項記載のプログラム。
(付記18)
前記生成は、前記最適化部から前記最適化問題の最適解を取得し、前記最適解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、各入力データの周波数の網羅性が最高となる、各入力データ毎に異なる値に設定することを特徴とする、付記16または17記載のプログラム。
(付記1)
ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する入力データ生成装置であって、
周波数が周期的に変動する関数の周波数変動に関する前提条件を元に最適化問題を作成する作成手段と、
前記最適化問題の解を用いて、各入力データの入力値を、前記関数に基づいて生成する生成手段と、
を備え、
前記生成手段は、前記解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、数値化された、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定することを特徴とする、入力データ生成装置。
(付記2)
前記生成手段は、各入力データの周波数空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの周波数を示す実験点が配置された分割領域数の割合から算出した第1の網羅性指標値を、前記解を求める最適化部に入力する算出部を有することを特徴とする、付記1記載の入力データ生成装置。
(付記3)
前記算出部は、前記第1の網羅性指標値と、各入力データの入力値空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの入力値を示す実験点が配置された分割領域数の割合から算出した第2の網羅性指標値との平均から求めた網羅性指標値を、前記解を求める前記最適化部に入力することを特徴とする、付記2記載の入力データ生成装置。
(付記4)
前記最適化問題を解いて前記解を求める最適化部をさらに備えたことを特徴とする、付記1乃至3のいずれか1項記載の入力データ生成装置。
(付記5)
前記入力データ生成装置の外部の、前記最適化問題を解く最適化部をアクセスして前記解を取得する手段をさらに備えたことを特徴とする、付記1乃至3のいずれか1項記載の入力データ生成装置。
(付記6)
前記生成手段は、前記最適化部から前記最適化問題の最適解を取得し、前記最適解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、各入力データの周波数の網羅性が最高となる、各入力データ毎に異なる値に設定することを特徴とする、請求項4または5記載の入力データ生成装置。
(付記7)
ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する入力データ生成方法であって、
周波数が周期的に変動する関数の周波数変動に関する前提条件を元に最適化問題を作成し、
前記最適化問題の解を用いて、各入力データの入力値を、前記関数に基づいて生成する、
処理をコンピュータが実行し、
前記生成は、前記解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、数値化された、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定することを特徴とする、入力データ生成方法。
(付記8)
前記生成は、各入力データの周波数空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの周波数を示す実験点が配置された分割領域数の割合から算出した網羅性指標値を、前記解を求める最適化部に入力することを特徴とする、付記7記載の入力データ生成方法。
(付記9)
前記生成は、前記網羅性指標値と、各入力データの入力値空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの入力値を示す実験点が配置された分割領域数の割合から算出した網羅性指標値との平均から求めた網羅性指標値を、前記解を求める前記最適化部に入力することを特徴とする、付記8記載の入力データ生成方法。
(付記10)
前記最適化問題を前記コンピュータの最適化部で解く、
処理を前記コンピュータが実行することを特徴とする、付記7乃至9のいずれか1項記載の入力データ生成方法。
(付記11)
前記コンピュータの外部の、前記最適化問題を解く最適化部をアクセスして前記解を取得する、
処理を前記コンピュータが実行することを特徴とする、付記7乃至9のいずれか1項記載の入力データ生成方法。
(付記12)
前記生成は、前記最適化部から前記最適化問題の最適解を取得し、前記最適解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、各入力データの周波数の網羅性が最高となる、各入力データ毎に異なる値に設定することを特徴とする、請求項10または11記載の入力データ生成方法。
(付記13)
コンピュータに、ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する入力データ生成処理を実行させるプログラムであって、
周波数が周期的に変動する関数の周波数変動に関する前提条件を元に最適化問題を作成し、
前記最適化問題の解を用いて、各入力データの入力値を、前記関数に基づいて生成する、
処理を前記コンピュータに実行させ、
前記生成は、前記解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、数値化された、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定することを特徴とする、プログラム。
(付記14)
前記生成は、各入力データの周波数空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの周波数を示す実験点が配置された分割領域数の割合から算出した網羅性指標値を、前記解を求める最適化部に入力することを特徴とする、付記13記載のプログラム。
(付記15)
前記生成は、前記網羅性指標値と、各入力データの入力値空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの入力値を示す実験点が配置された分割領域数の割合から算出した網羅性指標値との平均から求めた網羅性指標値を、前記解を求める前記最適化部に入力することを特徴とする、付記14記載のプログラム。
(付記16)
前記最適化問題を前記コンピュータの最適化部が解く
処理を前記コンピュータにさらに実行させることを特徴とする、付記13乃至15のいずれか1項記載のプログラム。
(付記17)
前記コンピュータの外部の、前記最適化問題を解く最適化部をアクセスして前記解を取得する、
処理を前記コンピュータにさらに実行させることを特徴とする、付記13乃至15のいずれか1項記載のプログラム。
(付記18)
前記生成は、前記最適化部から前記最適化問題の最適解を取得し、前記最適解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、各入力データの周波数の網羅性が最高となる、各入力データ毎に異なる値に設定することを特徴とする、付記16または17記載のプログラム。
以上、開示の入力データ生成装置、方法、及びプログラムを実施例により説明したが、本発明は上記実施例に限定されるものではなく、本発明の範囲内で種々の変形及び改良が可能であることは言うまでもない。
1 実装置
2 モデル
21 入力データ生成装置
22 制御部
23 最適化ソルバ
24 網羅性指標算出部
25 周波数算出部
26 入力値算出部
100 コンピュータ
120 バス
121 プロセッサ
122 メモリ
123 入力装置
124 表示装置
125 インタフェース
2 モデル
21 入力データ生成装置
22 制御部
23 最適化ソルバ
24 網羅性指標算出部
25 周波数算出部
26 入力値算出部
100 コンピュータ
120 バス
121 プロセッサ
122 メモリ
123 入力装置
124 表示装置
125 インタフェース
Claims (5)
- ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する入力データ生成装置であって、
周波数が周期的に変動する関数の周波数変動に関する前提条件を元に最適化問題を作成する作成手段と、
前記最適化問題の解を用いて、各入力データの入力値を、前記関数に基づいて生成する生成手段と、
を備え、
前記生成手段は、前記解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、数値化された、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定することを特徴とする、入力データ生成装置。 - 前記生成手段は、各入力データの周波数空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの周波数を示す実験点が配置された分割領域数の割合から算出した網羅性指標値を、前記解を求める最適化部に入力する算出部を有することを特徴とする、請求項1記載の入力データ生成装置。
- 前記算出部は、前記網羅性指標値と、各入力データの入力値空間を複数の分割領域に分割し、分割された全分割領域数に対して、各時刻の各入力データの入力値を示す実験点が配置された分割領域数の割合から算出した網羅性指標値との平均から求めた網羅性指標値を、前記解を求める前記最適化部に入力することを特徴とする、請求項2記載の入力データ生成装置。
- ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する入力データ生成方法であって、
周波数が周期的に変動する関数の周波数変動に関する前提条件を元に最適化問題を作成し、
最適化部が解いた前記最適化問題の解を用いて、各入力データの入力値を、前記関数に基づいて生成する、
処理をコンピュータが実行し、
前記生成は、前記解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、数値化された、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定することを特徴とする、入力データ生成方法。 - コンピュータに、ブラックボックスモデリングで過渡モデルの複数の時系列の入力データを生成する入力データ生成処理を実行させるプログラムであって、
周波数が周期的に変動する関数の周波数変動に関する前提条件を元に最適化問題を作成し、
前記最適化問題の解を用いて、各入力データの入力値を、前記関数に基づいて生成する、
処理を前記コンピュータに実行させ、
前記生成は、前記解に含まれる、前記関数の前記周波数変動の周期と位相のうち少なくとも一方を、数値化された、各入力データの周波数の網羅性が一定以上となる、各入力データ毎に異なる値に設定することを特徴とする、プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016114177A JP2017220043A (ja) | 2016-06-08 | 2016-06-08 | 入力データ生成装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016114177A JP2017220043A (ja) | 2016-06-08 | 2016-06-08 | 入力データ生成装置、方法、及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017220043A true JP2017220043A (ja) | 2017-12-14 |
Family
ID=60656102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016114177A Pending JP2017220043A (ja) | 2016-06-08 | 2016-06-08 | 入力データ生成装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2017220043A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7444732B2 (ja) | 2020-08-14 | 2024-03-06 | 株式会社トランストロン | エンジンモデル構築方法、プログラム、および装置 |
JP7444731B2 (ja) | 2020-08-14 | 2024-03-06 | 株式会社トランストロン | エンジン試験方法、プログラム、および装置 |
-
2016
- 2016-06-08 JP JP2016114177A patent/JP2017220043A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7444732B2 (ja) | 2020-08-14 | 2024-03-06 | 株式会社トランストロン | エンジンモデル構築方法、プログラム、および装置 |
JP7444731B2 (ja) | 2020-08-14 | 2024-03-06 | 株式会社トランストロン | エンジン試験方法、プログラム、および装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6922945B2 (ja) | 情報処理方法 | |
US11836576B2 (en) | Distributed machine learning at edge nodes | |
JP5768834B2 (ja) | プラントモデル管理装置及び方法 | |
US20150317563A1 (en) | Predicting application performance on hardware accelerators | |
Cheng et al. | Efficient performance prediction for apache spark | |
Farajpour et al. | Error and uncertainty analysis of inexact and imprecise computer models | |
Mueller et al. | An integrated computational approach for creative conceptual structural design | |
WO2021224720A1 (en) | Determining multivariate time series data dependencies | |
Frank et al. | Parallelization, modeling, and performance prediction in the multi-/many core area: A systematic literature review | |
JP2014132419A (ja) | 仮想化システムの性能予測装置、性能予測方法およびコンピュータ・プログラム | |
JP2017220043A (ja) | 入力データ生成装置、方法、及びプログラム | |
JP4973296B2 (ja) | 振動対策支援システム、振動対策支援方法、振動対策支援プログラム | |
US20230222385A1 (en) | Evaluation method, evaluation apparatus, and non-transitory computer-readable recording medium storing evaluation program | |
Núñez et al. | CloudExpert: An intelligent system for selecting cloud system simulators | |
Pothukuchi et al. | A guide to design mimo controllers for architectures | |
Chang et al. | Quantile-based simulation optimization with inequality constraints: Methodology and applications | |
CN117242457A (zh) | 定位神经网络性能热点 | |
US9619594B1 (en) | Configuration of large scale advection diffusion models with predetermined rules | |
JP5871018B2 (ja) | 性能予測装置、性能モデル生成方法およびプログラム | |
JP6822281B2 (ja) | 入力データ生成装置、方法及びプログラム | |
JP7310884B2 (ja) | パラメータ推定装置、パラメータ推定方法、及びパラメータ推定プログラム | |
Metz et al. | Fast and Accurate: Machine Learning Techniques for Performance Estimation of CNNs for GPGPUs | |
JP6183359B2 (ja) | 設計支援装置、設計支援方法及びプログラム | |
US11811862B1 (en) | System and method for management of workload distribution | |
US11782704B1 (en) | Application refactoring with explainability |