WO2016198046A1 - Verfahren für die auswahl eines simulationsmodells zur abbildung wenigstens eines funktionalen prozesses einer antriebsstrangkomponente aus einer optimierten modellmenge - Google Patents

Verfahren für die auswahl eines simulationsmodells zur abbildung wenigstens eines funktionalen prozesses einer antriebsstrangkomponente aus einer optimierten modellmenge Download PDF

Info

Publication number
WO2016198046A1
WO2016198046A1 PCT/DE2016/100262 DE2016100262W WO2016198046A1 WO 2016198046 A1 WO2016198046 A1 WO 2016198046A1 DE 2016100262 W DE2016100262 W DE 2016100262W WO 2016198046 A1 WO2016198046 A1 WO 2016198046A1
Authority
WO
WIPO (PCT)
Prior art keywords
model
simulation
models
evaluation
selection
Prior art date
Application number
PCT/DE2016/100262
Other languages
English (en)
French (fr)
Inventor
Silja THEWES
Markus LANGE-HEGERMANN
Christoph REUBER
Original Assignee
Fev 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 Fev Gmbh filed Critical Fev Gmbh
Priority to DE112016002594.7T priority Critical patent/DE112016002594A5/de
Publication of WO2016198046A1 publication Critical patent/WO2016198046A1/de

Links

Classifications

    • 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"

Definitions

  • the present invention relates to a method for the selection of a simulation model for mapping at least one functional process of a drivetrain component from an optimized model set and to a corresponding computer program product for carrying out such a method.
  • test benches and their use are associated with a high expenditure of time and correspondingly high costs during operation. Therefore, there is currently a desire to significantly reduce the time for the use of test benches.
  • One way of reducing test bench occupancy times is to use a so-called “Design of Experiment”, also called DoE, for the test bench trials, and then to create simulation models from the test bench data that allow a mathematical description of the real functional process of the powertrain components , Accordingly, such simulation models calculate the relationship between input values and output values, so that a calculation or a simulation for at least parts of the functional process of the real drive train components on a computer can be computationally determined.
  • a disadvantage of the known solutions for simulation models is to choose the most suitable simulation model.
  • mathematical methods are used to create simulation models from basic models on which a basic function space is based, and to adapt them to corresponding relationships between input variables and output variables.
  • a multiplicity of possible simulation models are validated and usually evaluated manually with regard to their qualitative evaluation with reference to the real test bench or the real internal combustion engine.
  • the actual selection and assessment in qualitative terms for the individual simulation models is still based to a degree on the experience and previous knowledge of an associated test engineer or user.
  • the disadvantage here is that sufficient experience is necessary in order to be able to make a targeted selection of the simulation models.
  • a method for selecting a simulation model for the simulation of at least one functional process of an internal combustion engine from an optimized model set. Such a method comprises the following steps: Selecting at least one selection criterion for the qualitative assessment of the simulation models of the model set,
  • a process is provided upstream, which provides a model set with optimized simulation models.
  • data models are conceivable, which can be used as a simulation model.
  • data-based regression methods which in particular undergo an optimization step are preferred.
  • the result of such optimization steps is usually a plurality of optimized simulation models, so that, accordingly, the optimized model set forms as an input situation for a method according to the invention.
  • consistently at least one selection criterion is selected for the qualitative evaluation of the simulation models of the model set. Possibilities for such qualitative selection criteria will be explained later. In particular, it is about evaluating the individual models in terms of their usability for the later use of the simulation model.
  • the desired correlation accuracy with actual measurement data of functional processes of a component of a drive train, in particular an internal combustion engine can be used.
  • a reduction of uncertainty bands around a corresponding function course of a simulation model can provide a selection criterion.
  • the complexity of individual simulation models can be used to provide a qualitative assessment option for the simulation models.
  • the step of selection can be done manually, for example, by the respective user of a method according to the invention. In principle, however, it is also conceivable to automate or partially automate these and / or further steps.
  • the selection of a grading series for carrying out an efficient method according to the present invention is follow a crucial role.
  • the evaluation sequence is decisive for how long a corresponding evaluation and selection process takes with a method according to the invention.
  • simply the corresponding total optimized model set and thus all simulation models, accordingly in the evaluation process with the at least one selected selection criterion can be used.
  • more complex sequential orders are also conceivable as evaluation order within the meaning of the present invention in order to be able to achieve optimizations, for example with regard to the computing time or the quality of the overall result.
  • At least the last two steps of the method according to the invention ie the performance of the qualitative evaluation and the selection of the simulation model, are carried out in an automatic manner.
  • the selection of the at least one selection criterion as well as the selection of the evaluation order can be carried out both manually and also automatically or semi-automatically.
  • the subsequent steps of the qualitative assessment and the selection of the simulation model with the best qualitative evaluation are automated and essentially carried out directly in time.
  • a functional process which is to be imaged by the simulation model in the sense of the present invention, is in particular a process which correlates input parameters of a component of a drive train, in particular of an internal combustion engine, with output parameters.
  • input parameters may be an air mixture, a temperature ratio, an accelerator pedal position or a load change number.
  • a fuel consumption of the internal combustion engine or the gas composition of the exhaust gas can be used as output parameters.
  • the simulation models can now be used again in order to avoid or significantly reduce actual test bench time.
  • the selection possibility of a possibly optimized simulation model of a broader set of users is now opposite.
  • the version of the simulation model with the best qualitative rating selected at the end can be used in a variety of ways. be set. For example, at this time the selected simulation model is being used to set up a corresponding virtual test bench. It is also possible to condition or partially condition vehicle control units using the selected simulation model.
  • a simulation model is optimally available for the user with regard to an ideal qualitative evaluation.
  • a method according to the invention can be carried out offline and thus independently of a test stand.
  • an online application is performed.
  • a test stand is in action, so for example an internal combustion engine is operated in different modes.
  • the method according to the invention for generating a simulation model is running, wherein the data from the current test bench trial are introduced into the optimization runs.
  • a feedback from an optimization run in the current experiment is also conceivable, for example, to re-use areas with high uncertainties with current measured values from the ongoing test bench test.
  • a method according to the invention or the simulation model produced can also be used directly in a vehicle, for example in a control unit, for example engine control unit or transmission control unit of a vehicle.
  • the selection of the selection criterion is carried out from a plurality of at least two selection criteria, in particular from at least two of the following selection criteria: - Data to fit
  • a selection criterion also includes an approximation to the selection criterion.
  • data to fit is understood to mean that a simulation model according to this selection criterion is considered particularly good if the correlation between input measurement points as the basis for the optimization of the simulation model with the optimized simulation model is as appropriate. In other words, a corresponding function curve of the simulation model runs as accurately as possible by measuring points which underlie an optimization run of the simulation model.
  • the complexity of the simulation model can preferably be included in a corresponding combinatorial for the selection criterion as a mathematical penalty term.
  • the complexity of a simulation model the number of parameters / hyperparameters or the size of the basis function space of the base model can be used.
  • quality parameters can be determined in an abstract manner, which are preferably co-determined during the optimization runs for the individual simulation models. Thus, these quality parameters already exist at the time of the presence of the model set of all simulation models, so that a pure comparison can carry out the method according to the invention.
  • Such quality parameters also allow individual selection criteria to be combined from a technical point of view in a mathematical term.
  • An uncertainty of the simulation model is to be understood both punctually and globally.
  • stochastic variances are to be determined for the individual simulation models and their functional relationships, which reflect the uncertainty of this simulation model on the basis of the measured values made available.
  • Another advantage is when the least number of local optima of the simulation model than at least a selection criterion is used. This leads to an increased uniqueness, which area of a functional relationship should actually be made available later for the control of a control unit as a local optimum for the control specification of a desired-actual loop.
  • the data volumes used for the selection criterion are not used to create the optimized simulation models. These are so-called validation data. These are also measured at the test bench but are not included in the training of the models. That They check the prediction accuracy of the models by comparing the output variables determined by the simulation model with the actual measured output variables.
  • the model set has at least two models, wherein as evaluation order first the model shares are qualitatively evaluated, after this evaluation the best quality model set is selected, and then from the selected model set the best quality simulation model is selected .
  • This is a possibility of an evaluation sequence, which is used in particular when the model set is already designed on the basis of different optimization runs in multiple parts and thus in particular with at least two model shares.
  • optimization runs can be used to generate a model set of a multiplicity of simulation models for each optimization run.
  • the set of models is composed of a plurality of sets of models, which in turn contain a plurality of simulation models.
  • a selection in a first step can be made roughly, which has a significantly lower computational requirement than the qualitative evaluation of all existing simulation models of all model families.
  • the best-in-class model has been assessed and the selection made, then the best quality simulation model will be selected from this selected set of models. This is preferably exclusively in the selected model set a corresponding qualitative assessment of the simulation models contained therein performed.
  • this two-step process can use different selection criteria for each stage.
  • the reduction of the computational effort may lead to a situation in which individual simulation models in a few qualitative sets of models rather than singular simulation models would have a high quality, which would be discarded by the negative evaluation of the model population.
  • an embodiment according to this paragraph provides an advantage in terms of the correlation between the evaluation time and the quality of the selection made.
  • the model set has at least two model shares, wherein all simulation models of all model shares are qualitatively evaluated as the evaluation sequence, and then the simulation model with the best qualitative evaluation is selected from the model set of all model shares.
  • a total quantity is formed from all simulation models of all model shares, which is completely fed into the evaluation process.
  • the model shares are brought together in the common model set and thus the qualitative assessment is actually carried out for each individual simulation model which is present in all model sets.
  • the increased computational effort achieved in this way is justified by the fact that an optimized selection option for the best-quality simulation model of all existing simulation models of all model shares can now actually be carried out.
  • a further advantage may be that, in a method according to the invention, the model set has at least two model shares, the evaluation order chosen being the best-quality family of models from each model family, and then the best quality simulation model being selected from all family simulation models.
  • This is preferably a combination of the embodiment of the two preceding paragraphs.
  • a qualitative evaluation is carried out for each model family and thus also for all simulation models of the entire model set.
  • a two-stage process is also provided here, so that, in particular, a time-parallel processing can take place. If, for example, a first model family is provided and generated in a first optimization run, then the second optimization run for generating a second model family is then started. tet.
  • the selection of the at least one selection criterion and / or the selection of the evaluation sequence is based on at least one base parameter, in particular designed as hyperparameter, of the basic model of the model model simulation models.
  • this is an automatic or semi-automatic selection.
  • a corresponding basic parameter can take into account possible disadvantages or uncertainties of the corresponding function.
  • Such basic parameters can thus lead to eliminate or reduce possible disadvantages in the selection of the corresponding function in an automated manner by skillful selection of the selection criterion.
  • this correlation takes place in an automated manner, so that no dependence on a potentially existing level of knowledge of the user is more necessary.
  • At least one selection criterion is switched on and / or off before selecting at least one selection criterion.
  • the pre-switching of a purely manual selection step in the form of a switch-on and a switch-off makes it possible, despite a high degree of automation of the procedure to provide manual adaptability. This combines high flexibility in the use of a method according to the invention with the advantages described by the degree of automation.
  • the simulation models of the model set are data-based regression models, in particular using Bayes regression methods, preferably Gaussian process models.
  • data-based regression methods it is possible to significantly reduce the necessary measurement data for the optimization runs and thus to minimize the necessary test bench time before the optimization runs are carried out.
  • the use of data-based regression methods is also simple and inexpensive in the actual implementation of a method according to the invention.
  • At least two different optimization runs for a basic model of a simulation model are carried out for generating the model set, wherein each optimization run generates a model family of optimized simulation models.
  • at least a double optimization is carried out, preferably a multi-stage optimization, it being possible to use a very wide variety of basic models and / or a wide variety of transformation functions explained below, as well as combinations thereof.
  • a further advantage of the present invention is that these transformation functions are now not created separately before the optimization runs for the simulation model, rather, the optimization run is adapted to a combination of the base model with the respective transformation function.
  • At least one input transformation function for input values of the simulation model and / or one output transformation function for output values of the simulation model are taken into account in at least one combined optimization run of the base model of the simulation model and the respective transformation .
  • the use of an input transformation function in a combined optimization run can basically be referred to as a "manifold" basic model or "manifold” Gaussian process.
  • the output transformation function may be understood as a "warped” functionality for a corresponding base model and, in particular, a Gaussian process.
  • the optimization run then runs over the total combination of the corresponding transformation functions and the base model.
  • a combinatorics takes into account all possible combinations, ie in particular four optimization runs are carried out.
  • a first optimization run will optimize the base model alone, a second combined basic model and input transformation function optimization, a third combined basic model and output transformation function optimization, and a final, fourth combined optimization model basic model and input transformation function and output transformation function .
  • the four model families which now yield the model set with a large number of simulation models, now provide the basis on which the evaluation and selection steps according to the invention are carried out.
  • a computer program product stored on a computer-readable medium for the selection of a simulation model for imaging at least one functional process of a drivetrain component from an optimized model set, comprising:
  • computer readable program means for causing a computational unit to automatically select the simulation model from the model set with the best qualitative score.
  • the computer program product is preferably provided with computer readable program means for causing a computing unit to perform the steps according to a method having the features of claims 1 to 12.
  • a computer program product according to the invention brings the same advantages as have been explained in detail with reference to a method according to the invention.
  • FIG. 1 shows a representation of a simulation model
  • FIG. 2 shows a possibility of an optimization run for the generation of a model family
  • FIG. 3 shows another possibility for generating a model family
  • FIG. 4 shows another possibility for generating a model crowd
  • FIG. 5 shows a further possibility for generating a model family
  • FIG. 6 shows a possibility of an evaluation sequence
  • Figure 7 shows another possibility of an evaluation order
  • Figure 8 shows another possibility of an evaluation order.
  • 1 shows schematically how a number of input values E can be correlated with an arbitrary number of output values A by means of a simulation model 10.
  • This simulation model is preferably a data-based regression method based on stochastic fundamentals.
  • a Gaussian process model is used here.
  • FIGS. 2 to 5 show ways in which a corresponding training can be carried out by optimizing the basic model 14 on the basis of data measured at a test bench or also data from a computer experiment.
  • a basic model 14 is given as a Gaussian process model, as shown in FIG. 5. With a corresponding optimization run O, it becomes possible to optimize this basic model 14 and to provide a model family 22 with a multiplicity of optimized simulation models 10.
  • FIG. 6 shows a possibility in which, in a first step, the individual model shares 22 are qualitatively evaluated from the model set 20.
  • the result is a model family 22, which is regarded as the best-quality model family 22.
  • the selection of the simulation model 10 with the best qualitative evaluation now ensues from this selected model family 22.
  • the entire model set 20 can also be evaluated with regard to all model shares 22, so that the best high-quality simulation model 10 can be made available directly following this now one-step process with the aid of the selection criterion 30.
  • the entire model set 20 is already evaluated with regard to the individual model shares 22.
  • the best simulation model 10 is selected.
  • the corresponding selection criterion 30 can be selected specifically for the individual model shares 22.
  • the evaluation and selection for this last model family 22 is now carried out, so that in the second step, in turn, a significantly lower number of four simulation models 10 in this example is used to select the best quality simulation model 10.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Die Erfindung betrifft ein Verfahren für die Auswahl eines Simulationsmodells (10) zur Abbildung wenigstens eines funktionalen Prozesses einer Antriebsstrangkomponente aus einer optimierten Modellmenge (20), aufweisend die folgenden Schritte: - Auswählen wenigstens eines Auswahlkriteriums (30) für die qualitative Bewertung der Simulationsmodelle (10) der Modellmenge (20), - Auswählen einer Bewertungsreihenfolge (40) für die sequentielle Reihenfolge der Bewertung der Simulationsmodelle (10) der Modellmenge (20), - Automatisches Durchführen der qualitativen Bewertung der Simulationsmodelle (10) auf Basis der ausgewählten Bewertungsreihenfolge (40) und des ausgewählten wenigstens einen Auswahlkriteriums (30), - Automatisches Auswählen des Simulationsmodells (10) aus der Modellmenge (20) mit der besten qualitativen Bewertung. Ferner betrifft die Erfindung ein Computerprogrammprodukt, gespeichert auf einem computerlesbaren Medium für die Auswahl eines Simulationsmodells (10) zur Abbildung wenigstens eines funktionalen Prozesses einer Antriebsstrangkomponente aus einer optimierten Modellmenge (20).

Description

Verfahren für die Auswahl eines Simulationsmodells zur Abbildung wenigstens eines funktionalen Prozesses einer Antriebsstrangkomponente aus einer optimierten Modellmenge
B e s c h r e i b u n g
Die vorliegende Erfindung betrifft ein Verfahren für die Auswahl eines Simulationsmodells zur Abbildung wenigstens eines funktionalen Prozesses einer Antriebsstrangkomponente aus einer optimierten Modellmenge sowie ein entspre- chendes Computerprogrammprodukt zur Ausführung eines derartigen Verfahrens.
Es ist bekannt, dass bei der Entwicklung von Antriebstrangkomponenten die Verwendung von Prüfstandsuntersuchungen mit realen Komponenten einen gro- ßen Anteil hat. Prüfstände und deren Einsatz sind mit einem hohen Zeitaufwand und entsprechend hohen Kosten im Betrieb verbunden. Daher besteht aktuell das Bestreben, die Zeit für die Nutzung von Prüfständen deutlich zu reduzieren. Eine Möglichkeit, um Prüfstandbelegungsdauern zu reduzieren, ist, für die Prüf- standsversuche ein sogenanntes "Design of Experiment", auch DoE genannt, zu verwenden und anschließend aus den gewonnenen Prüfstandsdaten Simulationsmodelle zu erstellen, welche eine mathematische Beschreibung des realen funktionalen Prozesses der Antriebsstrangkomponenten erlauben. Solche Simulationsmodelle berechnen dementsprechend den Zusammenhang zwischen Eingangswerten und Ausgangswerten, so dass durch eine Abbildung bzw. eine Si- mulation für zumindest Teile des funktionalen Prozesses der realen Antriebsstrangkomponenten an einem Computer rechnerisch ermittelt werden können. In ähnlicher Weise kann durch Einsatz von DoE bei aufwändigen computerunterstützten Berechnungen zur Auslegung von Antriebstrangkomponenten Zeit eingespart werden. Nachteilhaft bei den bekannten Lösungen für Simulationsmodelle ist es, das möglichst passende Simulationsmodell auszusuchen. Üblicherweise werden mathematische Methoden verwendet, um Simulationsmodelle aus Basismodellen, denen ein Basisfunktionenraum zugrunde liegt, zu erstellen und an entsprechende Zusammenhänge zwischen Eingangsgrö- ßen und Ausgangsgrößen anzupassen. Anschließend wird eine Vielzahl von möglichen Simulationsmodellen validiert und üblicherweise manuell hinsichtlich ihrer qualitativen Bewertung mit Bezug auf den realen Prüfstand bzw. die reale Brennkraftmaschine bewertet. Die tatsächliche Auswahl und Bewertung in qualitativer Hinsicht für die einzelnen Simulationsmodelle beruht dabei immer noch zu einem Anteil auf der Erfahrung und den bisherigen Kenntnissen eines zugehörigen Versuchsingenieurs oder Anwenders. Nachteilhaft dabei ist es, dass eine ausreichende Erfahrung notwendig ist, um eine zielgerichtete Auswahl der Simulationsmodelle vornehmen zu können. Selbst bei Vorliegen ausreichender Erfahrung ist ein hoher Zeitaufwand notwendig, um die qualitative Bewertung der einzelnen Simulationsmodelle vorzunehmen. Bei automatisierten oder teilautomatisierten Verfahren besteht der Nachteil darin, dass es dabei weder möglich ist ein Bewertungskriterium durch den Anwender noch eine Bewertungsreihenfolge festzulegen.
Es ist Aufgabe der vorliegenden Erfindung, in kostengünstiger und einfacher Weise die voranstehend beschriebenen Nachteile zumindest teilweise zu beheben. Insbesondere ist es Aufgabe der vorliegenden Erfindung, in kostengünstiger und einfacher Weise die Erstellung und die Auswahl eines Simulationsmodells, insbesondere in automatisierter Weise, zu vereinfachen.
Voranstehende Aufgabe wird gelöst durch ein Verfahren mit den Merkmalen des An- spruchs 1 sowie ein Computerprogrammprodukt mit den Merkmalen des Anspruchs 13. Weitere Merkmale und Details der Erfindung ergeben sich aus den Unteransprüchen, der Beschreibung und den Zeichnungen. Dabei gelten Merkmale und Details, die im Zusammenhang mit dem erfindungsgemäßen Verfahren erläutert sind, selbstverständlich auch im Zusammenhang mit dem erfindungsgemäßen Computerprogrammprodukt und jeweils umge- kehrt, so dass bezüglich der Offenbarung zu den einzelnen Erfindungsaspekten stets wechselseitig Bezug genommen wird bzw. werden kann.
Erfindungsgemäß ist ein Verfahren vorgesehen für die Auswahl eines Simulationsmodells für die Simulation wenigstens eines funktionalen Prozesses einer Brennkraftmaschine aus einer optimierten Modellmenge. Ein solches Verfahren weist die folgenden Schritte auf: Auswählen wenigstens eines Auswahlkriteriums für die qualitative Bewertung der Simulationsmodelle der Modellmenge,
Auswählen der Bewertungsreihenfolge für die sequentielle Reihenfolge der Bewertung der Simulationsmodelle der Modellmenge,
- automatisches Durchführen der qualitativen Bewertung der Simulationsmodelle auf
Basis der ausgewählten Bewertungsreihenfolge und des ausgewählten wenigstens einen Auswahlkriteriums,
automatisches Auswählen des Simulationsmodells aus der Modellmenge mit der besten qualitativen Bewertung.
Für ein erfindungsgemäßes Verfahren ist vorgelagert vorzugsweise ein Prozess vorgesehen, welcher eine Modellmenge mit optimierten Simulationsmodellen zur Verfügung stellt. So sind unterschiedlichste Datenmodelle denkbar, welche als Simulationsmodell eingesetzt werden können. Bevorzugt werden im Rahmen der vorliegenden Erfindung datenbasierte Regressi- onsverfahren, welche insbesondere einen Optimierungsschritt durchlaufen. Im Ergebnis solcher Optimierungsschritte steht üblicherweise eine Vielzahl von optimierten Simulationsmodellen, so dass sich dementsprechend die optimierte Modellmenge als Eingangssituation für ein erfindungsgemäßes Verfahren ausbildet. Ein Kerngedanke der vorliegenden Erfindung ist es nun, dass konsequent wenigstens ein Auswahlkriterium ausgewählt wird für die qualitative Bewertung der Simulationsmodelle der Modellmenge. Möglichkeiten für solche qualitativen Auswahlkriterien werden später noch näher erläutert. Insbesondere geht es dabei darum, für die spätere Nutzung des Simulationsmodells die Einzelmodelle hinsichtlich ihrer Nutzbarkeit zu bewerten. Darunter kann zum Beispiel die gewünschte Korrelationsgenauigkeit mit tatsächlichen Messdaten funktionaler Prozesse einer Komponente eines Antriebsstrangs, insbesondere einer Brennkraftmaschine, herangezogen werden. Auch kann eine Reduktion von Unsicherheitsbändern um einen entsprechenden Funktionsverlauf eines Simulationsmodells ein Auswahlkriterium zur Verfügung stellen. Nicht zuletzt kann auch die Komplexität einzelner Simulationsmodelle herangezogen werden, um eine qualitative Bewertungsmöglichkeit für die Simulationsmodelle zur Verfügung zu stellen. Der Schritt der Auswahl kann dabei zum Beispiel durch den jeweiligen Nutzer eines erfindungsgemäßen Verfahrens manuell erfolgen. Grundsätzlich ist es jedoch auch denkbar, diesen und/oder weitere Schritte zu automatisieren oder zu teilautomatisieren. Neben der Auswahl wenigstens eines Auswahlkriteriums ist für die Durchführung eines effizienten Verfahrens gemäß der vorliegenden Erfindung die Auswahl einer Bewertungsreihen- folge von entscheidender Bedeutung. So ist insbesondere bei einer komplexen Gestaltung von unterschiedlichen Modellscharen innerhalb der Modellmenge die Bewertungsreihenfolge mitentscheidend dafür, wie lange ein entsprechender Bewertungs- und Auswahlprozess mit einem erfindungsgemäßen Verfahren dauert. So kann beispielsweise einfach die entspre- chende gesamtoptimierte Modellmenge und damit sämtliche Simulationsmodelle, dementsprechend im Bewertungsprozess mit dem wenigstens einen ausgewählten Auswahlkriterium zugrunde gelegt werden. Jedoch sind auch komplexere sequentielle Reihenfolgen als Bewertungsreihenfolge im Sinne der vorliegenden Erfindung denkbar, um Optimierungen zum Beispiel in Bezug auf die Rechenzeit oder die Qualität des Gesamtergebnisses erzielen zu können.
Zumindest die beiden letzten Schritte des erfindungsgemäßen Verfahrens, also die Durchführung der qualitativen Bewertung sowie die Auswahl des Simulationsmodells, erfolgen in automatischer Weise. Mit anderen Worten kann also die Auswahl des wenigstens einen Auswahlkriteriums sowie die Auswahl der Bewertungsreihenfolge sowohl in manueller Weise als auch ebenfalls automatisiert oder teilautomatisiert erfolgen. Sobald Auswahlkriterien und Bewertungsreihenfolge feststehen, werden die anschließenden Schritte der qualitativen Bewertung und der Auswahl des Simulationsmodells mit der besten qualitativen Bewertung automatisiert und im Wesentlichen im direkten zeitlichen Anschluss durchgeführt.
Ein funktionaler Prozess, welcher im Sinne der vorliegenden Erfindung durch das Simulationsmodell abgebildet werden soll, ist dabei insbesondere ein Prozess, welcher Eingangsparameter einer Komponente eines Antriebsstrangs, insbesondere einer Brennkraftmaschine, mit Ausgangsparametern korreliert. So können Eingangsparameter zum Beispiel ein Luftge- misch, ein Temperaturverhältnis, eine Gaspedalstellung oder eine Lastwechselzahl sein. Als Ausgangparameter können dementsprechend ein Kraftstoffverbrauch der Brennkraftmaschine oder die Gaszusammensetzung des Abgases herangezogen werden.
Durch ein erfindungsgemäßes Verfahren können nun die Simulationsmodelle wieder heran- gezogen werden, um tatsächliche Prüfstandszeit zu vermeiden oder deutlich zu reduzieren. Dadurch, dass nun zumindest teilautomatisiert die qualitative Bewertung und die Auswahl des Simulationsmodells erfolgt, ist die Abhängigkeit vom tatsächlichen Wissen und Kenntnisstand des Anwenders deutlich reduziert. Somit steht nun durch ein erfindungsgemäßes Verfahren die Auswahlmöglichkeit eines möglichst optimierten Simulationsmodells einer brei- teren Anwenderschar gegenüber. Die am Schluss ausgewählte Version des Simulationsmodells mit der besten qualitativen Bewertung kann dabei in unterschiedlichster Weise einge- setzt werden. So ist zu diesem Zeitpunkt das ausgewählte Simulationsmodell zum Beispiel im Einsatz, um einen entsprechenden virtuellen Prüfstand aufzubauen. Auch eine Bedatung oder Teilbedatung von Steuergeräten eines Fahrzeugs ist mithilfe des ausgewählten Simulationsmodells möglich. Nicht zuletzt wird neben einer Verringerung des notwendigen Kennt- nisstandes für die Auswahl von Simulationsmodellen der notwendige Zeitbedarf deutlich reduziert. Dabei kann insbesondere davon ausgegangen werden, dass zumindest Teile der Verfahrensschritte vorzugsweise sogar parallel, insbesondere zeitlich parallel ausgeführt werden können. Dies führt dazu, dass in kurzer Zeit nach der Bestimmung der optimierten Modellmengen ein Simulationsmodell in optimierter Weise hinsichtlich einer idealen qualitati- ven Bewertung für den Nutzer zur Verfügung steht.
Bei einem erfindungsgemäßen Verfahren ist es denkbar, dass auch das tatsächlich betrachtete Problem durch Einbringen von Vorwissen des technischen Systems berücksichtigt wird. So gibt es beispielsweise neben der mathematischen Bedeutung in der Optimierung auch Überlegungen in welchen Bereichen und/oder für welche Eingangsgrößen und/oder Ausgangsgrößen ein Modell besonders genau sein soll, da sich zum Beispiel in diesem Bereich möglichweise ein Hauptteil der Betriebszeit abspielt. Auch eine solche Information kann beim Auswählen des Auswahlkriteriums und/oder bei weiteren Schritten des Verfahrens Berücksichtigung finden.
Ein erfindungsgemäßes Verfahren kann Offline und damit unabhängig von einem Prüfstand durchgeführt werden. Jedoch ist es auch denkbar, dass eine Online Anwendung durchgeführt wird. Das bedeutet, dass ein Prüfstand sich in Aktion befindet, also beispielsweise eine Brennkraftmaschine in unterschiedlichen Betriebsweisen betrieben wird. Gleichzeit läuft das erfindungsgemäß Verfahren zur Erstellung eines Simulationsmodells ab, wobei die Daten aus dem laufenden Prüfstandsversuch in die Optimierungsläufe eingebracht werden. Auch eine Rückkopplung aus einem Optimierungslauf in den laufenden Versuch ist denkbar, um zum Beispiel Bereiche mit hohen Unsicherheiten neu mit aktuellen Messwerten aus dem laufenden Versuch am Prüfstand zu bedaten. Weiter kann ein erfindungsgemäßes Verfahren oder das erstellte Simulationsmodell auch direkt in einem Fahrzeug, zum Beispiel in einem Steuergerät, zum Beispiel Motorsteuergerät oder Getriebesteuergerät eines Fahrzeugs eingesetzt werden.
Es kann von Vorteil sein, wenn bei einem erfindungsgemäßen Verfahren die Auswahl des Auswahlkriteriums aus einer Mehrzahl von wenigstens zwei Auswahlkriterien erfolgt, insbesondere aus wenigstens zwei der folgenden Auswahlkriterien: - Data to fit
geringste Komplexität des Simulationsmodells
likelihood
bester Qualitätsparameter
- geringste Unsicherheit des Simulationsmodells, insbesondere aufgrund des Wertes einzelner Parameter/Hyperparameter
geringe Anzahl an lokalen Optima des Simulationsmodells
Robustheit des Optimierungsschrittes Bei der voranstehenden Aufzählung handelt es sich um eine nicht abschließende Liste. Insbesondere kann aus dieser Liste eine beliebige Kombination der Auswahlkriterien zu einem neuen Auswahlkriterium zusammengefasst werden. Weiterhin umfasst ein Auswahlkriterium auch eine Annäherung an das Auswahlkriterium. Unter der Begrifflichkeit Data to fit ist zu verstehen, dass ein Simulationsmodell nach diesem Auswahlkriterium dann als besonders gut angesehen wird, wenn die Korrelation zwischen eingegebenen Messpunkten als Basis für die Optimierung des Simulationsmodells mit dem optimierten Simulationsmodell möglichst passend ist. Mit anderen Worten verläuft eine entsprechende Funktionskurve des Simulationsmodells möglichst exakt durch Messpunkte, welche einem Optimierungslauf des Simulationsmodells zugrunde liegen. Die Komplexität des Simulationsmodells kann in einer entsprechenden Kombinatorik für das Auswahlkriterium vorzugsweise als mathematischer Strafterm mit eingehen. Als Maß für die Komplexität eines Simulationsmodells kann die Anzahl der Parameter/Hyperparameter herangezogen werden oder auch die Größe des Basisfunktionenraums des Basismodells. Dies führt dazu, dass für den späteren Einsatz des Simulationsmodells durch die reduzierte Komplexität ebenfalls ein reduzierter Berechnungs- aufwand und eine reduzierte Rechenzeit möglich werden. Auch ist es möglich, dass Qualitätsparameter in abstrakter Weise bestimmt werden können, welche vorzugsweise bereits während der Optimierungsläufe für die einzelnen Simulationsmodelle mitbestimmt werden. Somit bestehen bereits zum Zeitpunkt des Vorhandenseins der Modellmenge aller Simulationsmodelle diese Qualitätsparameter mit, so dass ein reiner Vergleich das erfindungsgemä- ße Verfahren durchführen kann. Solche Qualitätsparameter erlauben es auch, einzelne Auswahlkriterien aus technischer Sicht in einem mathematischen Term miteinander zu kombinieren. Eine Unsicherheit des Simulationsmodells ist sowohl punktuell als auch global zu verstehen. So sind für die einzelnen Simulationsmodelle und deren funktionelle Zusammenhänge stochastische Varianzen zu bestimmen, welche die Unsicherheit dieses Simulations- modells auf Basis der zur Verfügung gestellten Messwerte wiedergeben. Ein weiterer Vorteil ist es, wenn die geringste Anzahl an lokalen Optima des Simulationsmodells als wenigstens ein Auswahlkriterium herangezogen wird. Dies führt zu einer verstärkten Eineindeutigkeit, welcher Bereich eines funktionellen Zusammenhangs später bei der Bedatung eines Steuergerätes als lokales Optimum tatsächlich für die Regelungsvorgabe einer Soll-Ist-Schleife zur Verfügung gestellt werden soll. Unter der Robustheit des Optimierungsschrittes können zum Beispiel eine geringe Anzahl an lokalen Optima beim Optimierungsschritt des Simulationsmodells, eine gute Unterscheidbarkeit des lokales Optimums von umgebenden Parame- tern/Hyperparametern beim Optimierungsschritt des Simulationsmodells, eine geringer Rechenaufwand beim Optimierungsschritt des Simulationsmodells oder die numerische Stabilität des Optimierungsschritt des Simulationsmodells verstanden werden.
Ebenfalls vorteilhaft ist es, wenn bei einem erfindungsgemäßen Verfahren die Datenmengen, die für das Auswahlkriterium verwendet werden, nicht zur Erstellung der optimierten Simulationsmodelle verwendet werden. Hierbei handelt es sich dann um sogenannte Validierungsdaten. Diese werden zusätzlich am Prüfstand gemessen, gehen aber nicht mit in das Training der Modelle ein. D.h. sie prüfen die Vorhersagegenauigkeit der Modelle durch den Abgleich der vom Simulationsmodell bestimmten Ausgangsgrößen mit den real vermessenen Ausgangsgrößen.
Ein weiterer Vorteil ist es, wenn bei einem erfindungsgemäßen Verfahren die Modellmenge wenigstens zwei Modelscharen aufweist, wobei als Bewertungsreihenfolge zuerst die Modelscharen qualitativ bewertet werden, nach dieser Bewertung die qualitative beste Modellschar ausgewählt wird, und anschließend aus der ausgewählten Modellschar das qualitativ beste Simulationsmodell ausgewählt wird. Dabei handelt es sich um eine Möglichkeit einer Bewertungsreihenfolge, welche insbesondere dann eingesetzt wird, wenn die Modellmenge bereits auf Basis unterschiedlicher Optimierungsläufe mehrteilig und damit insbesondere mit wenigstens zwei Modellscharen ausgebildet ist. Wie später noch erläutert wird, kann mithilfe von Optimierungsläufen für jeden Optimierungslauf eine Modellschar einer Vielzahl von Simulationsmodellen erzeugt werden. Sind somit zwei oder mehr Modellscharen vorhanden, so setzt sich die Modellmenge aus einer Mehrzahl von Modellscharen zusammen, welche wiederum eine Mehrzahl von Simulationsmodellen enthalten. Wird gemäß dieser Ausführungsform in einem ersten Schritt die gesamte Modellschar qualitativ bewertet, so kann eine Auswahl in einem ersten Schritt grob erfolgen, welche einen deutlich geringeren Rechenbedarf aufweist, als die qualitative Bewertung aller vorhandenen Simulationsmodelle sämtlicher Modellscharen. Sobald die Bewertung der qualitativ besten Modellschar erfolgt ist und die Auswahl durchgeführt wurde, wird anschließend aus dieser ausgewählten Modellschar das qualitativ beste Simulationsmodell ausgewählt. Hierfür wird vorzugsweise ausschließlich in der ausgewählten Modellschar eine entsprechende qualitative Bewertung der darin enthaltenen Simulationsmodelle durchgeführt. Dieser zweistufige Prozess kann selbstverständlich für jede Stufe unterschiedliche Auswahlkriterien verwenden. Die Reduktion des Rechenaufwandes kann jedoch dazu führen, dass möglicherweise einzelne Simulationsmodelle in we- niger qualitativen Modellscharen als singuläre Simulationsmodelle jedoch eine hohe Qualität aufweisen würden, welche durch die negative Bewertung der Modellschar verworfen werden würde. Nicht zuletzt ist jedoch auch trotz dieses Verfahrensmerkmals durch eine Ausführungsform gemäß diesem Absatz ein Vorteil hinsichtlich der Korrelation zwischen Bewertungszeit und Qualität der erzielten Auswahl erreichbar.
Vorteilhaft ist es weiter, wenn bei einem erfindungsgemäßen Verfahren die Modellmenge wenigstens zwei Modellscharen aufweist, wobei als Bewertungsreihenfolge alle Simulationsmodelle aller Modellscharen qualitativ bewertet werden und anschließend das Simulationsmodell mit der besten qualitativen Bewertung aus der Modellmenge aller Modellscharen ausgewählt wird. Das bedeutet, dass sozusagen aus allen Simulationsmodellen aller Modellscharen eine Gesamtmenge gebildet wird, welche komplett dem Bewertungsprozess zugeführt wird. Das bedeutet wiederum, dass die Modellscharen in der gemeinsamen Modellmenge zusammengeführt sind und damit für jedes einzelne Simulationsmodell, welches in allen Modellscharen vorliegt, die qualitative Bewertung auch tatsächlich durchgeführt wird. Der auf diese Weise erzielte erhöhte Rechenaufwand rechtfertigt sich jedoch dadurch, dass nunmehr tatsächlich eine optimierte Auswahlmöglichkeit für das bestqualitative Simulationsmodell sämtlicher vorhandenen Simulationsmodelle aller Modellscharen durchgeführt werden kann. Darüber hinaus ist es möglich, eine Bewertung und Auswahl in einem einzigen Schritt durchzuführen. Damit wird eine Gesamtoptimierung einer Gesamtauswahl ermöglicht.
Ein weiterer Vorteil kann es sein, wenn bei einem erfindungsgemäßen Verfahren die Modellmenge wenigstens zwei Modellscharen aufweist, wobei als Bewertungsreihenfolge aus jeder Modellschar das qualitativ beste Schar-Simulationsmodell ausgewählt wird und anschließend aus allen Schar-Simulationsmodellen das qualitativ beste Simulationsmodell ausgewählt wird. Dabei handelt es sich vorzugsweise um eine Kombination der Ausführungsform der beiden voranstehenden Absätze. Für jede Modellschar und damit auch für sämtliche Simulationsmodelle der gesamten Modellmenge wird damit eine qualitative Bewertung durchgeführt. Jedoch ist auch hier ein zweistufiger Prozess vorgesehen, so dass insbesondere ein zeitlich paralleles Abarbeiten erfolgen kann. Wird beispielsweise in einem ersten Optimierungslauf eine erste Modellschar zur Verfügung gestellt und erzeugt, so wird anschließend der zweite Optimierungslauf für das Erzeugen einer zweiten Modellschar gestar- tet. Sobald jedoch die erste Modellschar besteht, kann parallel zum zweiten Optimierungslauf eine Bewertung und Auswahl dieser ersten Modellschar erfolgen. Dies führt dazu, dass zumindest teilweise zeitlich parallel gerechnet werden kann, um auf diese Weise trotz einer Bewertung sämtlicher Simulationsmodelle aller Modellscharen ein möglichst frühzeitiges und schnelles Ergebnis des besten Simulationsmodells zur Verfügung zu stellen. Während bei anderen Verfahren die Bewertung und die Auswahl erst starten kann, wenn sämtliche Simulationsmodelle aller Modellscharen vorliegen, kann bei dieser Ausführungsform, sobald der letzte Optimierungslauf beendet ist, eine Reduktion der Bewertung der Simulationsmodelle dieser letzten Modellschar ausreichen, um abschließend aus einer sehr geringen Anzahl von Simulationsmodellen, nämlich exakt einem Simulationsmodell pro Modellschar, das aus dieser sehr geringen Menge beste Simulationsmodell aus qualitativer Sicht auszuwählen.
Vorteilhaft ist es weiter, wenn bei einem erfindungsgemäßen Verfahren die Auswahl des wenigstens einen Auswahlkriteriums und/oder die Auswahl der Bewertungsreihenfolge auf Basis wenigstens eines Basisparameters, insbesondere ausgebildet als Hyperparameter, des Basismodells der Simulationsmodelle der Modellmenge erfolgt. Insbesondere handelt es sich hier um eine automatische oder teilautomatische Auswahl. So kann je nachdem, welches Basismodell als Simulationsmodell gewählt wird, bzw. welche Transformationsfunktionen mit dem Basismodell kombiniert wurden, ein entsprechender Basisparameter mögliche Nachteile oder Unsicherheiten der entsprechenden Funktion berücksichtigen. Solche Basisparameter können also dazu führen, in automatisierter Weise durch geschickte Auswahl des Auswahlkriteriums mögliche Nachteile bei der Auswahl der entsprechenden Funktion zu beheben oder zu reduzieren. Durch die Implementierung einer Korrelation zwischen Auswahlkriterien und Basisparametern erfolgt diese Korrelation in automatisierter Weise, so dass keinerlei Abhängigkeit zu einem möglicherweise vorhandenen Kenntnisstand des Anwenders mehr notwendig ist.
Vorteilhaft ist es darüber hinaus, wenn bei einem erfindungsgemäßen Verfahren vor dem Auswählen wenigstens eines Auswahlkriteriums zumindest ein Auswahlkriterium eingeschal- tet und/oder ausgeschaltet wird. Damit wird dem Anwender die Möglichkeit gegeben, dass einzelne Auswahlkriterien aktiv zugeschaltet oder abgeschaltet werden können. So sind Situationen möglich, zum Beispiel in Abhängigkeit von funktionalen Prozessen der Brennkraftmaschine, bei welchen ganz bewusst einzelne Auswahlkriterien ausgeschaltet sein sollen, bzw. bei welchen eine Reduktion auf definierte Auswahlkriterien vorgegeben werden sollen. Das Vorschalten eines rein manuellen Auswahlschrittes in Form eines Einschaltens und eines Ausschaltens erlaubt es, trotz eines hohen Automatisierungsgrades des Verfah- rens eine manuelle Adaptionsfähigkeit zur Verfügung zu stellen. Dies vereint eine hohe Flexibilität im Einsatz eines erfindungsgemäßen Verfahrens mit den beschriebenen Vorteilen durch den Automatisierungsgrad. Weiter von Vorteil kann es sein, wenn bei einem erfindungsgemäßen Verfahren es sich bei den Simulationsmodellen der Modellmenge um datenbasierte Regressionsmodelle, insbesondere unter Verwendung von Bayes Regressionsverfahren, vorzugsweise Gaußprozess- modelle, handelt. Dabei handelt es sich jedoch nur um eine Möglichkeit einer Ausbildung der Simulationsmodelle, welche insbesondere als stochastische Simulationsmodelle ausbildbar sind. Durch die Verwendung datenbasierter Regressionsverfahren ist es möglich, die notwendigen Messdaten für die Optimierungsläufe deutlich zu reduzieren und auf diese Weise notwendige Prüfstandszeit vor der Durchführung der Optimierungsläufe zu minimieren. Nicht zuletzt ist die Verwendung von datenbasierten Regressionsverfahren auch einfach und kostengünstig in der tatsächlichen Umsetzung eines erfindungsgemäßen Verfahrens.
Vorteilhaft ist es ebenfalls, wenn bei einem erfindungsgemäßen Verfahren für die Erstellung der Modellmenge wenigstens zwei unterschiedliche Optimierungsläufe für ein Basismodell eines Simulationsmodells durchgeführt werden, wobei jeder Optimierungslauf eine Modellschar optimierter Simulationsmodelle erzeugt. Mit anderen Worten wird zumindest eine dop- pelte Optimierung durchgeführt, vorzugsweise eine mehrstufige Optimierung, wobei unterschiedlichste Basismodelle und/oder unterschiedlichste später noch erläuterte Transformationsfunktionen sowie deren Kombinationen eingesetzt werden können. Dies führt zu einer sehr hohen Anzahl von Simulationsmodellen, welche wiederum in entsprechenden Modellscharen angeordnet sind. Bei Methoden, welche auf einer manuellen Auswahl von Simulati- onsmodellen aus einer entsprechenden Modellmenge beruhen, sind solche komplexen Optimierungsmethodiken nicht durchführbar. Ansonsten würde sich der Aufwand für die tatsächliche Auswahl des gewünschten Simulationsmodells exponentiell vervielfachen, so dass solche großen Mengen an Simulationsmodellen manuell durch den bekannten Stand der Technik nicht mehr handhabbar werden. Insbesondere kann durch hohe Automatisierung auf diese Weise auch einen große Anzahl unterschiedlicher Optimierungsläufe durchgeführt werden, und trotzdem für das Bedienpersonal am Ende ein einziges ausgewähltes Simulationsmodell zur Verfügung gestellt werden.
Ein weiterer Vorteil der vorliegenden Erfindung ist es, dass diese Transformationsfunktionen nun nicht separat vor den Optimierungsläufen für das Simulationsmodell erstellt werden, sondern vielmehr der Optimierungslauf an eine Kombination des Basismodells mit der jeweiligen Transformationsfunktion angepasst wird.
Bei dem Verfahren gemäß dem voranstehenden Absatz kann es vorteilhaft sein, wenn zu- mindest eine Eingangs-Transformationsfunktion für Eingangswerte des Simulationsmodells und/oder eine Ausgangs-Transformationsfunktion für Ausgangswerte des Simulationsmodells in wenigstens einen kombinierten Optimierungslauf des Basismodells des Simulationsmodells und der jeweiligen Transformation berücksichtigt werden. Die Verwendung einer Eingangs-Transformationsfunktion in einem kombinierten Optimierungslauf kann grundsätz- lieh als„Manifold"-Basismodell bzw.„Manifold"-Gauß Prozess bezeichnet werden. In ähnlicher Weise kann die Ausgangs-Transformationsfunktion als„Warped'-Funktionalität für einen entsprechendes Basismodell und insbesondere Gauß-Prozess verstanden werden. Der Optimierungslauf läuft dann über die Gesamtkombination aus den entsprechenden Transformationsfunktionen und des Basismodells. Bevorzugt ist es, wenn eine Kombinatorik sämt- liehe Kombinationsmöglichkeiten berücksichtigt, also insbesondere vier Optimierungsläufe durchgeführt werden. Somit wird ein erster Optimierungslauf das Basismodell allein, ein zweiter kombinierter Optimierungslauf aus Basismodell und Eingangs- Transformationsfunktion, ein dritter kombinierter Optimierungslauf aus Basismodell und Aus- gangs-Transformationsfunktion und ein letzter, vierter kombinierter Optimierungslauf aus Basismodell und Eingangs-Transformationsfunktion und Ausgangs-Transformationsfunktion optimieren. Die vier Modellscharen, welche mit einer Vielzahl von Simulationsmodellen nun die Modellmenge ergeben, stellen nun die Basis zur Verfügung, auf welcher die erfindungsgemäßen Schritte der Bewertung und der Auswahl durchgeführt werden. Ebenfalls Gegenstand der vorliegenden Erfindung ist ein Computerprogrammprodukt, gespeichert auf einem computerlesbaren Medium für die Auswahl eines Simulationsmodells zur Abbildung wenigstens eines funktionalen Prozesses einer Antriebsstrangkomponente aus einer optimierten Modellmenge, aufweisend:
computerlesbare Programmmittel, um eine Recheneinheit zu veranlassen wenigs- tens ein Auswahlkriterium für die qualitative Bewertung der Simulationsmodelle der
Modellmenge auszuwählen,
computerlesbare Programmmittel, um die Recheneinheit zu veranlassen, eine Bewertungsreihenfolge für die sequentielle Reihenfolge der Bewertung der Simulationsmodelle der Modellmenge auszuwählen,
- computerlesbare Programmmittel, um die Recheneinheit zu veranlassen, eine qualitative Bewertung der Simulationsmodelle auf Basis der ausgewählten Bewertungs- reihenfolge und des ausgewählten wenigstens einen Auswahlkriteriums automatisch durchzuführen,
computerlesbare Programmmittel, um eine Recheneinheit zu veranlassen, das Simulationsmodell aus der Modellmenge mit der besten qualitativen Bewertung auto- matisch auszuwählen.
Das Computerprogrammprodukt ist vorzugsweise mit computerlesbaren Programmmitteln ausgestattet, um eine Recheneinheit zu veranlassen, die Schritte gemäß eines Verfahrens mit den Merkmalen der Ansprüche 1 bis 12 durchzuführen. Damit bringt ein erfindungsge- mäßes Computerprogrammprodukt die gleichen Vorteile mit sich, wie sie ausführlich mit Bezug auf ein erfindungsgemäßes Verfahren erläutert worden sind.
Weitere Vorteile, Merkmale und Einzelheiten der Erfindung ergeben sich aus der nachfolgenden Beschreibung, in der unter Bezugnahme auf die Zeichnungen Ausführungsbeispiele der Erfindung im Einzelnen beschrieben sind. Dabei können die in den Ansprüchen und in der Beschreibung erwähnten Merkmale jeweils einzeln für sich oder in beliebiger Kombination erfindungswesentlich sein. Es zeigen schematisch:
Figur 1 eine Darstellung eines Simulationsmodells,
Figur 2 eine Möglichkeit eines Optimierungslaufes für die Erzeugung einer Modellschar,
Figur 3 eine weitere Möglichkeit zur Erzeugung einer Modellschar,
Figur 4 eine weitere Möglichkeit zur Erzeugung einer Modellschar,
Figur 5 eine weitere Möglichkeit zur Erzeugung einer Modellschar, Figur 6 eine Möglichkeit einer Bewertungsreihenfolge,
Figur 7 eine weitere Möglichkeit einer Bewertungsreihenfolge und
Figur 8 eine weitere Möglichkeit einer Bewertungsreihenfolge. Fig. 1 zeigt schematisch, wie mithilfe eines Simulationsmodells 10 eine beliebige Anzahl von Eingangswerten E mit einer beliebigen Anzahl von Ausgangswerten A korreliert werden kann. Bei diesem Simulationsmodell handelt es sich vorzugsweise um ein datenbasiertes Regressionsverfahren, welches auf stochastischen Grundlagen beruht. Bevorzugt wird hier ein Gauß-Prozessmodell eingesetzt. Die Fig. 2 bis 5 zeigen Möglichkeiten, wie auf Basis von Daten, die an einem Prüfstand gemessen wurden oder auch Daten aus einem Computerexperiment, ein entsprechendes Training durch Optimierung des Basismodells 14 durchgeführt werden kann. Im einfachsten Fall ist ein Basismodell 14 als Gaußprozessmodell vorgegeben, wie es die Fig. 5 zeigt. Mit einem entsprechenden Optimierungslauf O wird es möglich, dieses Basismodell 14 zu optimieren und eine Modellschar 22 mit einer Vielzahl optimierter Simulationsmodelle 10 zur Verfügung zu stellen. Bereits aus dieser Modellschar 22, welche im einfachsten Fall bei einer einzigen Modellschar 22 eine entsprechende Modellmenge 20 darstellt, ist bereits ein Auswahlproblem gegeben, wie es das erfindungsgemäße Verfahren löst. So kann hier nach zur Verfügung stellen eines Auswahlkriteriums und einer Bewer- tungsreihenfolge eine Bewertung sämtlicher Simulationsmodelle 10 erfolgen, so dass abschließend das Simulationsmodell 10 mit der qualitativ besten Bewertung ausgewählt wird.
Bevorzugt ist es jedoch, wenn eine komplexe Optimierung stattfindet. Also wird zusätzlich zu der Optimierung des reinen Basismodells 14 noch eine Optimierung mit einer Kombination der Eingangs-Transformationsfunktion 16 gemäß Fig. 3 sowie eine Optimierung mit einer Kombination der Ausgangs-Transformationsfunktion 18 gemäß Fig. 4 durchgeführt. Zuletzt erfolgt noch ein Optimierungslauf O mit einer Kombination von der Eingangs-Transformation 16 und der Ausgangs-Transformation 18 gemäß Fig. 2. All diese einzelnen Optimierungsläufe O führen nun zu Modellscharen 22, welche als Modellmenge 20 den nachfolgenden Be- Wertungen gemäß den Fig. 6 bis 8 zugrunde gelegt werden. Hier erfolgt nun eine Auswahl eines Auswahlkriteriums 30 sowie einer Bewertungsreihenfolge 40. Die Auswahl des Auswahlkriteriums 30 und/oder die Auswahl der Bewertungsreihenfolge 40 kann dabei basieren auf entsprechenden Basisparametern 50 der einzelnen Funktionen 16, 18 und/oder des Basismodells 14.
Fig. 6 zeigt eine Möglichkeit, bei welcher in einem ersten Schritt aus der Modellmenge 20 die einzelnen Modellscharen 22 qualitativ bewertet werden. Im Ergebnis steht eine Modellschar 22, welche als qualitativ beste Modellschar 22 angesehen wird. Mit einem identischen oder unterschiedlichen Auswahlkriterium 30 erfolgt nun aus dieser ausgewählten Modellschar 22 die Auswahl des Simulationsmodells 10 mit der besten qualitativen Bewertung. Als Alternative zur Ausführungsform gemäß Fig. 6 kann auch die gesamte Modellmenge 20 hinsichtlich aller Modellscharen 22 bewertet werden, so dass direkt im Anschluss an diesen nun einstufigen Prozess mithilfe des Auswahlkriteriums 30 das beste qualitativ hochwertigste Simulationsmodell 10 zur Verfügung gestellt werden kann. Um in Bezug auf Rechenzeit, Parallelisierung und Verbesserung der Auswahlkriterien 20 eine verbesserte Kombination zur Verfügung stellen zu können, wird in Fig. 8 die gesamte Modellmenge 20 bereits hinsichtlich der einzelnen Modellscharen 22 bewertet. Somit wird für jede Modellschar 22, sobald diese vorliegt, das beste Simulationsmodell 10 ausgewählt. Das entsprechende Auswahlkriterium 30 kann dabei spezifisch für die einzelnen Modellscharen 22 gewählt werden. Sobald der letzte Optimierungslauf O erfolgt ist, erfolgt nun noch die Bewertung und Auswahl für diese letzte Modellschar 22, so dass im zweiten Schritt nun aus einer deutlich geringeren Anzahl von bei diesem Beispiel vier Simulationsmodellen 10 das wiederum qualitativ beste Simulationsmodell 10 ausgewählt wird. Die voranstehende Erläuterung der Ausführungsformen beschreibt die vorliegende Erfindung ausschließlich im Rahmen von Beispielen. Selbstverständlich können einzelne Merkmale der Ausführungsformen, sofern technisch sinnvoll, frei miteinander kombiniert werden, ohne den Rahmen der vorliegenden Erfindung zu verlassen.
Bez u g s ze i c h e n l i ste
10 Simulationsmodell
12 Schar-Simulationsmodell
14 Basismodell
16 Eingangs-Transformationsf unktion
18 Ausgangs-Transformationsf unktion
20 Modellmenge
22 Modellschar
30 Auswahlkriterium
40 Bewertungsreihenfolge
50 Basisparameter
E Eingangswerte
A Ausgangswerte
O Optimierungslauf

Claims

P a t e n t a n s p r ü c h e
1. Verfahren für die Auswahl eines Simulationsmodells (10) für die Simulation wenigstens eines funktionalen Prozesses einer Brennkraftmaschine aus einer optimierten Modellmenge (20), aufweisend die folgenden Schritte:
- Auswählen wenigstens eines Auswahlkriteriums (30) für die qualitative Bewertung der Simulationsmodelle (10) der Modellmenge (20),
- Auswählen einer Bewertungsreihenfolge (40) für die sequentielle Reihenfolge der Bewertung der Simulationsmodelle (10) der Modellmenge (20),
- Automatisches Durchführen der qualitativen Bewertung der Simulationsmodelle (10) auf Basis der ausgewählten Bewertungsreihenfolge (40) und des ausgewählten wenigstens einen Auswahlkriteriums (30),
- Automatisches Auswählen des Simulationsmodells (10) aus der Modellmenge (20) mit der besten qualitativen Bewertung.
2. Verfahren nach Anspruch 1 ,
dadurch gekennzeichnet, dass
die Auswahl des Auswahlkriteriums (30) aus einer Mehrzahl von wenigstens zwei Auswahlkriterien (30) erfolgt, insbesondere aus wenigstens zwei der folgenden Auswahlkriterien (30):
- Data to fit
- Geringste Komplexität des Simulationsmodells (10)
- likelihood
- Bester Qualitätsparameter
- Geringste Unsicherheit des Simulationsmodells (10), insbesondere aufgrund einzelner Parameter und/oder Hyperparameter
- Geringe Anzahl an lokalen Optima des Simulationsmodells (10)
- Robustheit des Optimierungsschrittes
3. Verfahren nach einem der voranstehenden Ansprüche,
dadurch gekennzeichnet, dass
sich das einzelne Auswahlkriterium nach Anspruch 2 dabei jeweils auf die gesamte Datenmenge oder Teildatenmengen bezieht.
4. Verfahren nach Anspruch 3,
dadurch gekennzeichnet, dass
die Datenmengen nicht zur Erstellung der optimierten Simulationsmodelle (10) verwendet wurden.
5. Verfahren nach einem der vorangegangenen Ansprüche,
dadurch gekennzeichnet, dass
die Modellmenge (20) wenigstens zwei Modellscharen (22) aufweist, wobei als Bewertungsreihenfolge (40) zuerst die Modellscharen (22) qualitativ bewertet werden, nach dieser Bewertung die qualitativ beste Modellschar (22) ausgewählt wird und anschließend aus der ausgewählten Modellschar (22) das qualitativ beste Simulationsmodell (10) ausgewählt wird.
6. Verfahren nach einem der Ansprüche 1 bis 4,
dadurch gekennzeichnet, dass
die Modellmenge (20) wenigstens zwei Modellscharen (22) aufweist, wobei als Bewertungsreihenfolge (40) alle Simulationsmodelle (10) aller Modellscharen (22) qualitativ bewertet werden und anschließend das Simulationsmodell (10) mit der besten qualitativen Bewertung aus der Modellmenge (20) aller Modellscharen (22) ausgewählt wird.
7. Verfahren nach einem der Ansprüche 1 oder 4,
dadurch gekennzeichnet, dass
die Modellmenge (20) wenigstens zwei Modellscharen (22) aufweist, wobei als Bewertungsreihenfolge (40) aus jeder Modellschar (22) das qualitativ beste Schar- Simulationsmodell (12) ausgewählt wird und anschließend aus allen Schar- Simulationsmodellen (12) das qualitativ beste Simulationsmodell (10) ausgewählt wird.
8. Verfahren nach einem der vorangegangenen Ansprüche,
dadurch gekennzeichnet, dass
die Auswahl des wenigstens einen Auswahlkriteriums (30) und/oder die Auswahl der Bewertungsreihenfolge (40) auf Basis wenigstens eines Basisparameters (50) des Basismodells (14) der Simulationsmodelle (10) der Modellmenge (20) erfolgt.
9. Verfahren nach einem der vorangegangenen Ansprüche,
dadurch gekennzeichnet, dass
vor dem Auswählen wenigstens eines Auswahlkriteriums (30) zumindest ein Auswahlkriterium (30) eingeschaltet und/oder ausgeschaltet wird.
10. Verfahren nach einem der vorangegangenen Ansprüche,
dadurch gekennzeichnet, dass
es sich bei den Simulationsmodellen (10) der Modellmenge (20) um datenbasierte Regressionsmodelle, insbesondere aufweisend Bayessche Regressionsmodelle, vorzugsweise Gaußprozessmodelle, handelt.
11. Verfahren nach einem der vorangegangenen Ansprüche,
dadurch gekennzeichnet, dass
für die Erstellung der Modellmenge (20) wenigstens zwei unterschiedliche Optimierungsläufe (O) für ein Basismodell (14) eines Simulationsmodells (10) durchgeführt werden, wobei jeder Optimierungslauf (O) eine Modellschar (22) optimierter Simulationsmodelle (10) erzeugt.
12. Verfahren nach Anspruch 11 ,
dadurch gekennzeichnet, dass
zumindest eine Eingangs-Transformationsfunktion (16) für Eingangswerte (E) des Simulationsmodells (10) und/oder eine Ausgangs-Transformationsfunktion (18) für Ausgangswerte (A) des Simulationsmodells (10) in wenigstens einen Optimierungslauf des Basismodells (14) des Simulationsmodells (10) integriert werden.
13. Computerprogrammprodukt, gespeichert auf einem computerlesbaren Medium für die Auswahl eines Simulationsmodells (10) zur Abbildung wenigstens eines funktionalen Prozesses einer Antriebsstrangkomponente aus einer optimierten Modellmenge (20), aufweisend:
- Computerlesbare Programmmittel, um eine Recheneinheit zu veranlassen, wenigstens ein Auswahlkriteriums (30) für die qualitative Bewertung der Simulationsmodelle (10) der Modellmenge (20) auszuwählen,
- Computerlesbare Programmmittel, um eine Recheneinheit zu veranlassen, eine Bewertungsreihenfolge (40) für die sequentielle Reihenfolge der Bewertung der Simulationsmodelle (10) der Modellmenge (20) auszuwählen, - Computerlesbare Programmmittel, um eine Recheneinheit zu veranlassen, eine qualitative Bewertung der Simulationsmodelle (10) auf Basis der ausgewählten Bewertungsreihenfolge (40) und des ausgewählten wenigstens einen Auswahlkriteriums (30) automatisch durchzuführen,
- Computerlesbare Programmmittel, um eine Recheneinheit zu veranlassen, das Simulationsmodell (10) aus der Modellmenge (20) mit der besten qualitativen Bewertung automatisch auszuwählen.
PCT/DE2016/100262 2015-06-10 2016-06-10 Verfahren für die auswahl eines simulationsmodells zur abbildung wenigstens eines funktionalen prozesses einer antriebsstrangkomponente aus einer optimierten modellmenge WO2016198046A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE112016002594.7T DE112016002594A5 (de) 2015-06-10 2016-06-10 Verfahren für die auswahl eines simulationsmodells zur abbildung wenigstens eines funktionalen prozesses einer antriebsstrangkomponente aus einer optimierten modellmenge

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102015109222.0 2015-06-10
DE102015109222 2015-06-10

Publications (1)

Publication Number Publication Date
WO2016198046A1 true WO2016198046A1 (de) 2016-12-15

Family

ID=56686599

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE2016/100262 WO2016198046A1 (de) 2015-06-10 2016-06-10 Verfahren für die auswahl eines simulationsmodells zur abbildung wenigstens eines funktionalen prozesses einer antriebsstrangkomponente aus einer optimierten modellmenge

Country Status (2)

Country Link
DE (1) DE112016002594A5 (de)
WO (1) WO2016198046A1 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016203073A1 (de) 2016-02-26 2017-08-31 Airbus Defence and Space GmbH Werkzeugsystem und Verfahren zur Herstellung eines Faserverbundhalbzeugs sowie Verfahren zur Herstellung eines Faserverbundbauteils
CN110263363A (zh) * 2019-04-25 2019-09-20 珠海格力电器股份有限公司 设备配管选型方法和装置
DE102021002319A1 (de) 2020-06-06 2021-12-09 FEV Europe GmbH Verfahren zum Auswählen eines Simulationsmodells, Computerprogrammprodukt und Verfahren zur Kalibrierung eines Steuergeräts

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012202802A1 (de) * 2012-02-23 2013-08-29 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren zum auswählen eines lösungsvorschlags für einen vorbestimmten prozess

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012202802A1 (de) * 2012-02-23 2013-08-29 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren zum auswählen eines lösungsvorschlags für einen vorbestimmten prozess

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016203073A1 (de) 2016-02-26 2017-08-31 Airbus Defence and Space GmbH Werkzeugsystem und Verfahren zur Herstellung eines Faserverbundhalbzeugs sowie Verfahren zur Herstellung eines Faserverbundbauteils
CN110263363A (zh) * 2019-04-25 2019-09-20 珠海格力电器股份有限公司 设备配管选型方法和装置
DE102021002319A1 (de) 2020-06-06 2021-12-09 FEV Europe GmbH Verfahren zum Auswählen eines Simulationsmodells, Computerprogrammprodukt und Verfahren zur Kalibrierung eines Steuergeräts

Also Published As

Publication number Publication date
DE112016002594A5 (de) 2018-05-24

Similar Documents

Publication Publication Date Title
AT512977B1 (de) Methode zur Ermittlung eines Modells einer Ausgangsgröße eines technischen Systems
WO2016198047A1 (de) Verfahren für die erstellung eines simulationsmodells zur abbildung zumindest eines funktionalen prozesses einer antriebstrangkomponente
DE102019124018A1 (de) Verfahren zum Optimieren von Tests von Regelsystemen für automatisierte Fahrdynamiksysteme
WO2017114883A1 (de) Verfahren zum konfigurieren einer co-simulation für ein gesamtsystem
DE102007006616B3 (de) Verfahren zur Optimierung eines elektronisch gesteuerten automatisch schaltenden Getriebes für ein Kraftfahrzeug
WO2016198046A1 (de) Verfahren für die auswahl eines simulationsmodells zur abbildung wenigstens eines funktionalen prozesses einer antriebsstrangkomponente aus einer optimierten modellmenge
DE102020003428A1 (de) Verfahren zur Erstellung eines Simulationsmodells, Verwendung eines Simulationsmodells, Computerprogrammprodukt, Verfahren zur Kalibrierung eines Steuergeräts
WO2004102291A1 (de) Auslegung von werkzeugen und prozessen für die umformtechnik
WO2021259980A1 (de) Training eines künstlichen neuronalen netzwerkes, künstliches neuronales netzwerk, verwendung, computerprogramm, speichermedium und vorrichtung
DE102020213888A1 (de) Computerimplementiertes Verfahren zum Bestimmen von Kritikalitätswerten eines technischen Systems
WO2020207789A1 (de) Verfahren und vorrichtung zum ansteuern einer technischen einrichtung
WO2011082908A1 (de) Verfahren zum ermitteln von funktionsparametern für ein steuergerät
DE10222699B4 (de) Computergestütztes Verfahren und Vorrichtung zur Optimierung von Fahrzeugstrukturen und -komponenten
DE102012102373A1 (de) Verfahren zur Abschätzung eines Ressourcenverbrauchs bei der Erzeugung eines Steuergeräteprogrammcodes
DE102022112606B3 (de) Computerimplementiertes Verfahren zur Kalibrierung eines technischen Systems
DE102019132624A1 (de) Verfahren, Vorrichtung, Computerprogramm und computerlesbares Speichermedium zum Erstellen eines Motion Cueing Algorithmus
DE10325513B4 (de) Verfahren und Vorrichtung zum Erstellen eines Verhaltensaspekts einer Schaltung zur formalen Verifikation
DE102018217139B4 (de) Verfahren und Vorrichtung zum Konfigurieren einer Kennfunktion eines Steuergeräts eines Kraftfahrzeugs
EP3575976A1 (de) Verfahren zum bestimmen einer physikalischen verbindungstopologie eines für die steuergerätentwicklung eingerichteten, echtzeitfähigen testgeräts
AT524858B1 (de) Erstellungsverfahren für eine Erstellung wenigstens eines System- Einzelmodells für ein Brennstoffzellensystem zur Modellierung von Zusammenhängen von System-Eingangsparametern und System-Ausgangsparametern
DE102020133654B3 (de) Computerimplementiertes Verfahren zur Modifizierung einer Komponente eines computergenerierten Modells eines Kraftfahrzeugs
EP3491517B1 (de) Signalflussbasiertes computerprogramm mit direct-feedthrough-schleifen
DE102006034018A1 (de) Verfahren und Vorrichtung zur Produktionsplanung
WO2022242812A1 (de) Computerimplementiertes verfahren und system zur bestimmung von optimierten systemparametern eines technischen systems mittels einer kostenfunktion
DE102018112803A1 (de) Verfahren zum Bestimmen einer physikalischen Verbindungstopologie eines für die Steuergerätentwicklung eingerichteten, echtzeitfähigen Testgeräts

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16751464

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 112016002594

Country of ref document: DE

REG Reference to national code

Ref country code: DE

Ref legal event code: R225

Ref document number: 112016002594

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16751464

Country of ref document: EP

Kind code of ref document: A1