自动规划试验的方法和系统技术方案

本发明专利技术涉及自动规划试验的方法具有以下步骤：输入两个试验的相似性尺度，输入单个试验的评价尺度，在相似性尺度和评价尺度基础上确定质量尺度，找到质量尺度呈现极限值的试验数目。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及自动规划试验的方法以及相应的计算机程序产品和用于自动规划试验的系统。在现有技术水平中已知用于规划试验和实验的各种方法。下面将概念“试验”和“实验”作同义词使用。在现有技术水平中已知借助于统计学试验规划方法对试验进行规划。这种规划方法主要使用在用最少数目的试验求出用于在一个过程中调节量和干扰量与得到结果的特性和过程特性之间关系的经验过程模型。这种统计学的试验规划例如可以借助于计算机程序“STAVEX”(统计学的试验规划和试验系统)进行。商业可以买到的其他试验规划计算机程序是StatSoft(欧洲)有限责任公司的“Statistica”程序。在统计学的试验规划领域中现有技术水平的各种试验规划种类是不同的。特别是人们将它们区分为传统的，全因子型的方法和按照Taguchi或Shainin的现代方法。传统的，全因子型的方法是所有统计学试验规划方法的起源。它建立在根据变量分析将所有质量决定因子相互比较的基础上。在过去的数十年中掌握了非常多的改进方案并在研究实验室和开发试验室中得到了验证。然而由于成本原因，按照Taguchi或Shainin的现代方法得到了更多的应用。Shainin-DOE(DOE＝试验规划)是适用于过程最佳化的适宜方法，因为它将所谓的“强烈的”影响量分隔开并对它们进行重要性和依赖性的研究。Taguchi-DOE是建立在前面的，部分因子型的，正交的试验规划上。由于通过预先选出最重要的影响量有力地节省了试验过程，在这里涉及到试验规划和过程规划的快速和相对经济的方法。其他，已知统计学试验规划种类是部分因子型的试验规划(“fraction factorial”)，Plackett-Burmann试验规划，集中组合规划(“central composite”)，Box-Behnken试验规划，D-最佳化规划(“D-optimal Designs”)，混合规划，平衡块规划，拉丁平方，Desperado规划(为此还可以访问http//www.versuchsplanung.de)。已知其他的试验规划方法可参考Hans Bendemer，“最佳化试验规划”，德国手册系列丛书(DTB，23卷和ISBN3-87144-278-X)以及Wilhelm Kleppmann，试验规划手册“产品和过程最佳化”2，新增版，ISBN3-446-21615-4。此外在US 6,009,379中已知控制关于有效试验规划制造过程的一种方法。其中将试验点平均分布在多维的球面上，以便对单个制造参数平均地进行加权。本专利技术的任务是创建一种用于自动试验规划的改进方法，以及相应的计算机程序产品和系统。作为本专利技术基础的任务是用各独立权利要求解决的。本专利技术优异的实施例在从属权利要求中予以说明。本专利技术允许通过将试验均匀分布在离散的和可通过补充条件限制的参数空间进行预先规定试验数为M的试验规划。可以将相应的试验规划工具的用户专业知识输入其中，更确切地说是通过定义两个不同试验之间的相似性尺度和通过定义单个试验的评价尺度。因此在所进行的试验和从过程角度哪些试验可以看作是相似的或者不相似的问题的分类上可达到很高的灵活性。另外的优点是对于试验规划也可以考虑已经进行的试验。特别优异的是将本专利技术使用在训练具有严格模型部分的神经网络或混杂神经网络的用于数据获取试验规划上。特别是用本专利技术可以达到将试验规划均匀分布在关系重大的空间上，使得可以用相对比较少的试验数据数可以训练神经网络或混杂的神经网络。这使得进行试验以获取这样一种数据库非常显著地节省时间和成本成为可能，因为进行训练所要求的试验数可以通过本专利技术最佳化。与现有技术水平已知的试验规划程序相比较其特殊优点是，原则上可以对试验方式预先规定任意的边界条件。此外关于两种试验不同性的评价-例如关于需模型化过程的结构信息-已经可以在试验规划中考虑基本知识。本专利技术其他特殊的优点在于，评价试验组合和评价单个试验是借助相互不同的尺度进行的一方面定义代表两个试验相似性或者不相似性的数字数值的相似性尺度。其背景是应该选择尽可能不相似的需规划的试验。一个一定试验的相似性和不相似性意味着，关于相似性尺度的定义是可以由用户定义的。与此分开涉及评价单个试验的评价尺度是可以由用户预先规定的。在这个评价尺度中可以引入极不相同的判据，例如试验设备情况，进行试验的成本，进行试验所需要的时间等。一定参数组合例如同时高压和高温可能导致试验设备损坏，以致于为这种“被禁止”的参数组合安排一个相应的评价。将这样定义的相似性尺度和评价尺度引入到把相似性尺度和评价尺度相互组合的质量尺度。然后按照本专利技术用质量尺度确定其质量尺度呈现极限值的那些试验。各根据选择相似性尺度和评价尺度和选择各个符号这个极限值涉及质量尺度的最大值或最小值。按照本专利技术优异的实施形式，相似性尺度是以一个参数空间中两个试验的欧几里德距离为基础的。每个试验用一个矢量定义，该矢量包括对这个具体试验不同试验变量的参数值。这个参数空间优异的是离散的，也就是说该参数值只能取确定的离散值。于是得出两个试验的距离例如作为所观测试验的参数矢量的欧几里德距离。优异的是将两个试验之间倒数的欧几里德距离定义为相似性尺度。此外可以将指数函数定义为相似性尺度，这个指数函数有两个试验的倒数欧几里德距离作为指数。相似性尺度的其他定义有可能与有关试验对象(Szenario)有关。评价尺度也可以用公式形式定义。另可有选择地也可以用表格或类似形式确定评价尺度。按照本专利技术优异的实施形式，为了计算质量尺度将所有成对的参数矢量的相似性尺度进行计算和相加。此外对所有被观测的试验计算其评价尺度。然后将相加的相似性尺度和相加的评价尺度-根据相似性尺度和评价尺度的定义-相加或相减。于是从这种相加和相减中得出需最小化或最大化的质量尺度。按照本专利技术优异的其他实施形式，将已经进行的试验也引用在计算相似性尺度和评价尺度上。例如如果已经进行了N数个试验，则在离散的参数空间将寻找新的M个试验。于是在N个已经进行的试验和M个新的试验基础上计算出质量尺度，以便筛选出M个新的试验。按照其他优异的实施形式，借助于蒙特卡罗方法确定质量尺度的极限值。例如另可选择地可以使用遗传学(genetisch)算法或其他适合的数字优化方法。按照本专利技术其他优异的实施形式，将试验规划程序与设备控制装置联系在一起，于是可以将被找到的试验参数矢量直接传送给控制装置。下面在附图基础上详细叙述按照本专利技术优异的实施例附图说明图1用于自动规划试验方法的第一个实施例流程图，图2建立在蒙特卡罗优化方法基础上的第二个实施例，图3按照本专利技术自动规划系统与进行规划的计算机程序产品的图1表示了自动规划试验的流程图。应该在d-维参数空间对试验进行规划。对于单个坐标预先规定了离散化Xj(i)具有j∈(1..ni)i∈(1..d)。在这里ni是坐标i可能的位置数。在方法的步骤1中，将这个d-维参数空间用其离散化进行定义。在步骤2中输入准备规划的试验数目M。试验者因此有可能预先规定新的需进行试验的数目。在步骤3中输入两个试验的相似性尺度R。例如这样定义相似性尺度R，即相似性尺度越大两个试验越相似。下面说明定义两个试验x1和x2相似性尺度R的可能性 其中单调增长的函数f，例如为f(z)本文档来自技高网...

【技术保护点】
用于自动规划试验的方法具有以下步骤：－输入两个试验的相似性尺度，－输入单个试验的评价尺度，－在相似性尺度和评价尺度基础上确定质量尺度，－找到试验的数目，在这个数目上质量尺度呈现极限值。

【技术特征摘要】
【国外来华专利技术】DE 2002-3-1 10209146.31.用于自动规划试验的方法具有以下步骤-输入两个试验的相似性尺度，-输入单个试验的评价尺度，-在相似性尺度和评价尺度基础上确定质量尺度，-找到试验的数目，在这个数目上质量尺度呈现极限值。2.按照权利要求1的方法，其中可以从离散的参数空间中选择试验。3.按照权利要求1或2的方法，其中相似性尺度是建立在参数空间中两个试验的欧几里德距离基础上的。4.按照权利要求1，2或3的方法，其中相似性尺度是建立在参数空间中两个试验倒数的欧几里德距离基础上的。5.按照上述权利要求1至4之一的方法，其中相似性尺度是建立在具有两个试验倒数的欧几里德距离作为指数的指数函数基础上的。6.按照上述权利要求1至5之一的方法，其中评价尺度包括涉及一个试验的可进行性的和/或不可进行性的评价。7.按照上述权利要求1至6之一的方法，其中评价尺度包括涉及成本或进行试验所要求的时间的评价。8.按照上述权利要求1至7之一的方法，其中将评价尺度用一个函数的形式输入。9.按照上述权利要求1至8之一的方法，其中将评价尺度用表格形式输入。10.按照上述权利要求1至9之一的方法，其中质量尺度是建立在所有被观测试验所相加的相似性尺度和所有被观测试验所相加的评价尺度的基础上被确定的。11.按照权利要求10的方法，其中为了确定质量尺度对第一个数目的已经进行的试验和...

【专利技术属性】
技术研发人员：R博格豪斯，G莫克，T姆尔茨格洛德，P许布尔，
申请(专利权)人：拜尔技术服务有限责任公司，
类型：发明
国别省市：DE[德国]