1.本发明涉及一种计算机实现的方法、装置和计算机程序产品，用于生成用于制造或控制技术系统的优化参数集。
背景技术：
2.在制造或控制产品或技术系统之前，需要确定合适的生产、控制和/或构造参数。在例如设计阶段期间，计算机化优化方法通常用于优化用于制造产品或控制技术系统的参数设置。这样的优化过程通常以迭代的方式运行，并且因此可能是时间和/或资源消耗的，因为需要评估从优化中获得的参数值。通常通过使用产品或技术系统的计算机化模拟来执行评估，例如有限元分析(fea)或计算流体动力学(cfd)模拟。然而，典型的优化器通常没有关于这种计算机化模型的足够信息，使得优化器可以生成不能被评估和/或不满足系统或产品约束的参数，导致无用的参数集。
3.ep 3 246 769 a1描述了一种用于电厂的操作的模拟和优化的控制器，其中创建基于几何和操作数据的电厂的动态模型，并且生成基于该动态模型的特定性能指标的替代模型，其被并入优化过程中以针对特定性能指标优化电厂的操作。
技术实现要素：
4.因此，本发明的目的是改进用于制造或控制产品或技术系统的优化参数集的生成。
5.本发明的目的通过独立权利要求的特征来实现。从属权利要求包含本发明的进一步发展。
6.根据第一方面，本发明提供了一种用于制造或控制技术系统的计算机实现的方法，包括方法步骤：(a)输入适于制造或控制技术系统的参数集的样本，其中可行性标识符被分配给每个参数集，其中在制造或控制技术系统方面，可行性标识符将每个参数集标记为技术上可行，如果它满足技术系统的给定系统标准，或者技术上不可行，如果它不满足给定系统标准，或者错误的，如果使用计算机化模拟对参数集的评估导致错误，(b)借助于回归方法，基于样本的相应参数集，生成技术系统的计算机化替代模型，所述参数集被标记为技术上可行，但不是错误的并且不是不可行的参数集，(c)借助于计算机化的优化方法，基于替代模型确定优化参数集，和(d)输出用于制造或控制技术系统的优化参数集。
7.如果没有不同地指出，术语“运算”、“执行”、“计算机实现的”、“计算”、“确定”、“生成”、“配置”、“重建”等优选地涉及改变和/或生成数据的动作和/或过程和/或步骤，其中数据可以特别地呈现为物理数据，并且可以由计算机或处理器执行。术语“计算机”可以广义地解释，并且可以是个人计算机、服务器、移动计算设备或处理器，诸如中央处理单元(cpu)或微处理器。
8.本发明的一个重要优点是使用代表和/或近似技术系统的至少部分的替代模型。替代模型优选是计算机化的模型。优选地，替代模型没有技术系统的详细计算机化模拟模型（诸如cfd模拟模型）复杂。替代模型可以例如存储在数据结构中。它是借助于回归方法生成的，并且是根据用于制造或控制技术系统的参数集的输入样本生成的。基于至少一个技术上可行的参数集和该参数集的对应评估结果来生成替代模型。
9.参数集包括至少定义技术系统的属性或功能的参数值。参数集可以理解为数据集。参数集可以例如包括构造、生产、控制、操作和/或设计参数。构造参数集包括技术系统的至少组件的例如可以指定尺寸、重量、材料等的参数。此外，构造或控制参数集可以包括用于制造单元或机器的系统或产品特定的设置参数。控制参数集例如可以包括系统特定的控制参数，用于设置用于控制技术系统的技术系统的控制单元。
10.参数集可以例如用作制造单元的输入，其中制造单元被配置为根据相应的构造参数集来制造技术系统。因此，参数集的样本是多个参数集，其中每个参数集适合于制造技术系统。每个参数集被标记有可行性标识符，从而允许识别更合适的参数集。
11.基于替代模型确定优化的参数集，从而加速优化过程。因为替代模型优选地基于可行的而不是错误的并且优选地也不是不可行的参数集生成。然后在预先约束的模型上运行优化。换句话说，用于确定优化参数集的优化过程考虑了关于例如技术系统的系统约束的信息。因此，可以生成用于制造或控制技术系统的更合适的优化参数集。因此，与标准方法相比，加快了参数优化。
12.根据计算机实现的方法的实施例，可以借助于计算机化评估方法来确定优化参数集的可行性标识符。
13.计算机化评估方法可以例如基于机器学习方法来训练，使得它再现训练数据集的可行性标识符分布，其中训练数据集包括用相应的可行性标识符标记的参数集。计算机化评估方法例如是人工神经网络等。使用这种计算机化的评估方法，嵌入在数据中，即参数集中的信息可以用于识别参数集是可行的、不可行的还是错误的。
14.例如，输出的优化参数集可以借助于这种经训练的计算机化评估方法来评估，以确定在制造或控制技术系统方面它是技术上可行的还是技术上不可行的还是错误的。
15.根据计算机实现的方法的另外的实施例，可以借助于计算机化优化方法并根据其可行性标识符来确定优化参数集。
16.输出的优化参数集的相应可行性标识符的值，即技术上可行的或技术上不可行的或错误的，可以进一步由优化方法作为附加的优化约束来评估。利用这样的附加信息，优化方法允许生成避免特别错误的参数组合和/或不必要的计算迭代的参数集。
17.根据计算机实现的方法的另外的实施例，可以将优化参数集添加到参数集的样本，并且重复权利要求1的方法步骤(b)至(d)。
18.通过将输出的优化参数集添加到参数集的样本，可以生成优化的替代模型，从而进一步改进优化参数集的生成。
19.根据计算机实现的方法的另外的实施例，可以借助于第二计算机化优化方法来生成和输出参数集的输入样本，该第二计算机化优化方法被配置为确定适合于制造或控制技术系统的至少一个参数集。
20.参数集的输入样本优选地借助于第二计算机化优化方法来生成，并且使用技术系
统的计算机化模拟模型来评估，以便确定每个参数集的技术可行性。第二计算机化优化方法可以例如与前述优化方法相同。
21.根据计算机实现的方法的另外的实施例，回归方法可以是增量局部高斯回归方法。
22.为了生成替代模型，增量局部高斯回归算法(ilgr)可以适用于训练模型。该算法结合了局部加权回归(lwr)和高斯过程回归(gpr)的优点。它使用局部化函数基和近似推理技术来建立高斯过程回归算法，该算法具有越来越强的局部性和与lwr相似的计算复杂性。它允许例如流线化未知大小的数据集，使得它特别适合于在迭代优化过程期间生成替代模型。当新的参数集可用时，可以增量地完成模型生成。
23.根据计算机实现的方法的另外的实施例，可以使用输出的优化参数集来制造或控制技术系统。
24.输出的优化参数集可以例如被传送到制造单元或机器，用于根据该构造参数集制造技术系统。替代地，输出的优化参数集可以被传送到用于控制技术系统的控制单元。
25.根据第二方面，本发明提供了一种用于制造或控制技术系统的装置，包括：(a)输入单元，被配置成输入适于制造或控制技术系统的参数集的样本，其中可行性标识符被分配给每个参数集，其中在制造或控制技术系统方面，可行性标识符将每个参数集标记为技术上可行，如果它满足技术系统的给定系统标准，或者技术上不可行，如果它不满足给定系统标准，或者错误的，如果使用计算机化模拟对参数集的评估导致错误，(b)生成器，其被配置成借助于回归方法，基于参数集，生成技术系统的计算机化替代模型，所述参数集被标记为技术上可行，但不是错误的并且不是不可行的参数集，(c)优化器，其被配置成借助于计算机化优化方法，基于所生成的替代模型确定优化参数集，和(d)输出单元，其被配置成输出用于制造或控制技术系统的优化参数集。
26.该装置和/或其至少一个单元还可以包括至少一个处理器或计算机，以执行根据本发明的方法步骤。相应单元可以用硬件和/或软件来实现。如果所述单元以硬件实现，则它可以体现为设备，例如计算机或处理器或系统的一部分。如果所述单元以软件实现，则它可以体现为计算机程序产品、功能、例程、程序代码或可执行对象。输出单元优选地提供包括优化参数集的数据结构。这种数据结构可以例如被传送到制造单元或控制单元。
27.该装置还可以包括制造单元，该制造单元被配置为使用输出的优化参数集来制造技术系统。替代地，该装置可以例如经由网络连接到制造单元。
28.该装置还可以包括控制单元，该控制单元被配置为使用输出的优化参数集来控制技术系统。替代地，该装置可以例如经由网络连接到控制单元。
29.本发明还包括可直接加载到数字计算机的内部存储器中的计算机程序产品，包括当所述产品在计算机上运行时用于执行所述方法的步骤的软件代码部分。
30.诸如计算机程序装置的计算机程序产品可以体现为存储卡、usb棒、cd-rom、dvd或者可以从网络中的服务器下载的文件。
附图说明
31.将参照附图更详细地解释本发明。
32.图1示出了包括用于制造或控制技术系统的方法的实施例中涉及的方法步骤的流程图；图2示出了用于制造或控制技术系统的方法的实施例的示意性表示；以及图3示出了用于制造或控制技术系统的装置的实施例的示意性表示。
33.不同附图中的等同部分用相同的附图标记来标记。
具体实施方式
34.图1示出了图示用于使用优化参数集来制造或控制技术系统的根据本发明的计算机实现的方法的方法步骤的流程图。该技术系统例如可以是机器，如涡轮机或马达、机器的硬件组件、机械部件、产品等。此外，技术系统可以是包括多个单独部分的复杂系统，例如用于水、油、包装等的运输网络。
35.在第一步骤s1中，输入适于制造或控制技术系统的参数集的样本。取决于相应的应用，即例如制造或控制技术系统，参数集包括构造或生产参数或控制参数。
36.每个参数集标记有可行性标识符，所述可行性标识符在制造或控制技术系统方面将其标记为技术上可行或技术上不可行或错误的。相应的可行性标识符可以例如借助于分类或评估方法和/或借助于评估相应参数集的分析方法来确定，例如使用技术系统的计算机化模拟。
37.例如，如果参数集满足技术系统的给定系统标准，则该参数集被标记为技术上可行的。例如，如果参数集不满足给定系统标准，则该参数集被标记为技术上不可行。如果例如使用计算机化模拟对参数集的评估导致错误，则参数集例如被标记为错误的。因此，参数集是否被认为是技术上可行的是由形成的优化问题确定的。如果参数集违反了约束之一，则其不可行。如果参数集满足所有约束，则它被标记为可行的。可行或不可行之间的区分是错误情况。虽然前者已经通过优化确定，但是后者是错误评估的结果，例如来自评估软件工具的错误。
38.在下一步骤s2中，借助于回归方法生成技术系统的计算机化替代模型。优选地，使用增量局部高斯回归方法，该方法适于训练替代模型。相应的参数集优选地定义技术系统的功能或属性，诸如尺寸、质量、宽度、高度等。计算机化替代模型被配置为表示和/或近似技术系统。因此，可以基于技术上可行和/或技术上不可行的输入参数集来生成替代模型。优选地，只有技术上可行的参数集被用于替代模型生成。换句话说，对于替代模型生成，仅使用参数的样本的部分，优选地只有技术上可行的。
39.在下一步骤s3中，计算机化优化方法用于基于生成的计算机化替代模型来确定优化参数集。可以使用黑盒优化器。由于只有对变量值的目标和约束的评估，即相应的参数集是可用的，所以黑盒优化器可以用于提出变量值并对其进行评估。
40.输出优化参数集，步骤s4，用于制造或控制技术系统。优化构造参数集可以例如用作制造技术系统的制造机器的输入，或者用作用于生产产品的生产单元的输入。
41.替代地，借助于计算机化评估方法来确定优化参数集的可行性标识符，步骤s6。计算机化评估方法已经被训练来确定输入的参数集在制造或控制技术系统方面是技术上可行的、技术上不可行的还是错误的。因此，计算机化评估方法优选地被训练或配置为表示参数集的初始输入样本的可行性标识符分布。优化参数集的可行性标识符的值还可以在优化
期间使用，即步骤s3，作为进一步的优化约束。因此，当确定优化参数集时，优化方法可以适于附加地评估相应的可行性标识符。优选地，被评估为错误的优化参数集被挑选出来。
42.此外，优选地被评估为技术上可行的输出的优化参数集可以被添加到参数集的初始输入样本，并且可以重复方法步骤s1到s4，参见箭头rep。这样的迭代提供了改进的优化参数集，其可以被输出用于制造或控制技术系统。
43.图2示出本发明的实施例的示意性表示。用于使用优化参数集来制造或控制技术系统的计算机实现的方法可以包括两个方法部分10、20。
44.初始输入数据集，即参数集ps1的样本，可以例如由优化方法opt2提供。这种优化方法opt2可以例如生成用于制造技术系统的参数集ps1的样本。可行性标识符被分配给ps1参数集的样本的每一个，其将每个参数集标记为技术上可行、技术上不可行或错误。相应的可行性标识符可以例如使用基于模拟的评估来确定。换句话说，参数集ps1可以理解为带标签的数据集。
45.参数集ps1的该样本可以例如用作训练数据集，以便训练计算机化评估方法nn，例如人工神经网络。训练计算机化评估方法nn，使得它再现训练数据集的可行性标识符分布。所示方法的方法部分10代表这种数据分类。
46.带标签的数据集可以例如被分成训练数据集和测试数据集，使得计算机化评估方法nn可以用训练数据集来训练并且用测试数据集来验证。优选地，使用所有参数集，即技术上可行的、技术上不可行的或错误的参数集。然后，经训练的评估方法nn可以用于确定输出参数集的可行性标识符fi。
47.此外，计算机化评估方法nn的结果可以用作优化方法的附加约束，步骤s3，以确定优化参数集。这种约束可以向优化方法提供反馈，并且指导优化问题根据可行性标识符fi生成优化参数集，即优选地没有误差的参数集。
48.方法部分20包括用于目标和约束的替代模型sm生成以及基于替代模型的参数优化。优选地，仅使用参数集ps2的初始样本的一部分，其仅包括被分类为技术上可行的参数组，借助于回归方法生成技术系统的替代模型sm，步骤s2。
49.替代模型sm的生成优选地包括以下步骤。第一个主要步骤是训练过程。这里增量局部高斯回归算法(ilgr)适于训练替代模型sm，其结合了局部加权回归(lwr)和高斯过程回归(gpr)的优点。第二步骤是对生成的替代模型进行交叉验证。生成的替代模型sm由验证集（例如参数集ps2的部分样本的一部分）验证。用验证集来评估均方根误差(rmse)和r平方值，ilgr的子模型(也称为局部模型)的数量是第三步骤的输入：超参数优化。这三项构成了目标函数，并且优化问题由黑盒优化器来求解，诸如来自nlopt库中的bobyqa。然后，使用更新的超参数重新开始替代模型生成过程，直到满足停止标准。因此，通过最小化rmse和子模型的数量以及最大化r^2来确定ilgr的超参数。
50.部分10和部分20可以是两个独立的方法以加速优化。它们可以一起或分开应用。
51.基于替代模型sm，可以借助于优化方法来确定优化参数集ps_opt，步骤s3。借助于优化方法，修改替代模型sm的参数以便找到最优值。在制造的情况下，优化方法可以例如确定产品的优化参数集，从而产生产品的优化尺寸、重量或其他物理属性。换句话说，优化方法可以相对于给定的优化目标确定替代模型的优化参数。
52.如果应用方法部分10，则可以基于计算机化评估方法nn评估参数组，得到可行性
标识符fi。如果仅应用部分20，步骤s3中的优化方法将评估替代模型。如果两个部分10、20都被应用，步骤s3中的优化方法包括取决于可行性标识符fi的附加约束，并且评估生成的替代模型sm。考虑到这个附加约束，确定了优化参数集ps_opt。
53.图3示出了用于制造或控制技术系统的装置的实施例的示意性表示。用于制造或控制技术系统的装置100包括输入单元101、生成器102、优化器103和输出单元104。该装置和/或其至少一个单元还可以包括至少一个处理器或计算机，以执行根据本发明的方法步骤。
54.输入单元101被配置为输入适合于制造或控制技术系统的参数集的样本，其中可行性标识符被分配给每个参数集，其中可行性标识符将每个参数集标记为在制造或控制技术系统方面技术上可行或技术上不可行或错误的。
55.生成器102被配置为借助于回归方法基于参数集生成技术系统的计算机化替代模型，优选地，所述参数集被标记为技术上可行的。
56.优化器103被配置成借助于计算机化优化方法，基于所生成的替代模型确定优化参数集。
57.输出单元104被配置成输出用于制造或控制技术系统的优化参数集。
58.该装置优选地包括评估单元105，该评估单元105被配置成借助于计算机化评估方法，诸如人工神经网络或随机森林算法，来确定输入参数集的可行性标识符。
59.该装置进一步优选地进一步包括制造单元(未示出)或者与制造单元耦合，其中制造单元被配置为使用输出的优化参数集制造技术系统。附加地或替代地，该装置可以包括控制单元(未示出)或者与控制单元耦合，其中控制单元被配置为使用输出的优化参数集控制技术系统。
60.尽管已经参考有利实施例详细描述了本发明，但是应该理解，本发明不被所公开的示例限制，并且本领域技术人员可以在不脱离本发明的范围的情况下对其进行许多附加的修改和变化。