用于针对技术系统生成计算机可读模型的方法和设备技术方案

本发明专利技术涉及一种用于在针对技术系统的基于文本的规范数据（D_spec）的基础上来针对技术系统生成计算机可读模型（M）的计算机实施的方法，其中基于文本的规范数据详细说明至少一个系统条件。提供多个模型组件（MK），用于以计算机辅助的方式对所述技术系统进行建模，其中给相应的模型组件（MK）分配有一个模型组件标志（MKK）。借助生成对抗网络，在基于文本的规范数据（D_spec）的基础上，依据它们的模型组件标志（MKK），从多个模型组件中选择模型组件（MKK），并且从所选择的模型组件来针对所述技术系统生成计算机可读模型（M），使得该计算机可读模型的模型数据（MD）满足至少一个在基于文本的规范数据中详细说明的系统条件。文本的规范数据中详细说明的系统条件。文本的规范数据中详细说明的系统条件。

【技术实现步骤摘要】
【国外来华专利技术】用于针对技术系统生成计算机可读模型的方法和设备


[0001]本专利技术涉及一种用于借助人工神经网络、尤其是借助生成对抗神经网络（Generative Adversarial Neural Network）来针对技术系统生成计算机可读模型的计算机实施的方法和设备。此外，本专利技术集中于一种用于执行根据本专利技术的方法的步骤的计算机程序产品。

技术介绍

[0002]计算机辅助仿真可被用作技术系统（例如设施或者工厂设施（Fabrikanlagen））的数字规划工具。例如，借助仿真，可以验证规划设计。此外，可以在设施的运行阶段期间采用计算机仿真，以便例如实现运行平滑的辅助系统。对于这两种类型的仿真而言，已知了如下仿真工具或者Simulationstools：利用所述仿真工具，仿真专家可能从现有的仿真组件库手动创建仿真模型。在通常情况下，基于可用的工厂计划和可用的工厂数据创建仿真模型要求仿真专家的高度专业知识，因为仿真专家首先必须确定和/或创建合适的仿真组件，用于映射真实的工厂组件。因而，仿真模型的创建可能是耗时的、易于出错的和/或质量上参差不齐的。
[0003]已知了其他所谓的生成对抗神经网络（英语“Generative Adversarial Networks”）、缩写GAN，所述生成对抗神经网络属于用于无监督学习的算法。生成对抗网络包括两个人工神经网络，它们被训练成使得这些神经网络之一（生成器（Generator））创建候选者，第二神经网络（判别器（Diskriminator））评估这些候选者。例如，生成对抗网络可被用于对相当逼真的图像、视频或者序列进行图像生成。

技术实现思路

[0004]本专利技术的任务是，使针对技术系统（如例如针对工厂设施）创建计算机辅助模型变得容易。
[0005]通过在独立权利要求中所描述的措施，解决该任务。在从属权利要求中，表示了本专利技术的有利的扩展方案。
[0006]根据第一方面，本专利技术涉及一种用于针对技术系统生成计算机可读模型的计算机实施的方法，该方法包括以下方法步骤：
‑ꢀ
获取（Erfassen）针对技术系统的基于文本的规范数据，其中基于文本的规范数据详细说明至少一个系统条件，
‑ꢀ
提供多个模型组件，用于以计算机辅助的方式对技术系统进行建模的，其中给相应的模型组件分配有一个模型组件标志，
‑ꢀ
提供第一神经网络，所述第一神经网络借助第二神经网络训练成，在针对技术系统的基于文本的规范数据的基础上，依据模型组件的模型组件标志，从多个模型组件中选择模型组件，并且从所选择的模型组件来针对该技术系统生成计算机可读模型，使得计算机可读模型的模型数据满足至少一个在基于文本的规范数据中详细说明的系统条件，
‑ꢀ
借助第一神经网络，根据所获取的基于文本的规范数据，从所提供的多个模型组件来针对该技术系统生成计算机可读模型。
[0007]只要在随后的描述中不另外说明，术语“执行”、“核算（berechnen）”、“提供”、“计算机辅助地”、“计算”、“查明”、“生成”、“配置”、“重建”、“提取”等优选地涉及通过计算机执行的并且改变和/或产生数据和/或将这些数据转化为另外的数据的行动和/或过程和/或处理步骤，其中这些数据尤其是可以被表示为物理变量或者作为物理变量存在，例如被表示为电脉冲或者作为电脉冲存在。尤其是，表达“计算机”应尽可能宽泛地被解释，以便尤其是覆盖具有数据处理特性的所有电子设备。因此，计算机例如可以是个人计算机（Personal Computer）、服务器（Server）、手持计算机系统（Handheld
‑
Computer
‑
Systeme）、掌上电脑设备（Pocket
‑
PC
‑
Geraete）、移动无线电设备和另外的能够以计算机辅助的方式处理数据的通信设备、处理器和另外的用于数据处理的电子设备。
[0008]与本专利技术有关地，“计算机辅助”或者“计算机实施”可以被理解为例如该方法的实施，其中尤其是处理器执行该方法的至少一个方法步骤。与本专利技术有关地，“计算机可读”可以被理解为例如如下数据集：取得所述数据集来使得，该数据集可以被计算机读取和/或解释。此外，尤其是“计算机可读模型”可以包括可由计算机读取和处理的数据。计算机可读模型例如可以是形式化模型或者计算机辅助的仿真模型。
[0009]本专利技术能够实现针对技术系统创建计算机可读模型，该计算机可读模型这样设立来以计算机辅助的方式映射和/或仿真真实技术系统。例如，计算机辅助仿真或计算机仿真用于映射和分析技术系统的物理过程。
[0010]例如，技术系统可以是设施或者工厂设施或者机器（如例如发电机或者电动机）或者机床等。技术系统包括多个组件。真实技术系统的组件可以是硬件和/或软件组件。模型组件是真实组件的相对应映射。模型组件尤其是可以被称为仿真组件，所述仿真组件优选地成形为使得，由此可以以计算机辅助的方式来映射真实组件的物理的和/或功能的过程和/或特性。
[0011]本专利技术的优点是：借助经过训练的第一人工神经网络、尤其是生成神经网络，从多个模型组件（例如从模型组件库）自动地针对技术系统产生计算机可读模型，所述计算机可读模型符合所输入的基于文本的规范数据。因此，依据技术系统的所读入的基于文本的规范，可以针对该技术系统生成模型。因此，从模型组件产生具有如下拓扑的模型：该拓扑对应于相对应的真实技术系统的拓扑。
[0012]此外，该方法能够实现，在针对技术系统创建计算机可读模型时，减少手动开销，因为可以自动执行模型生成和模型参数化。这尤其是能够实现模型的始终不变的质量。除此以外，这种基于数据的方案与例如基于规则的方案相比更稳健和更灵活，在所述基于规则的方案中，依据所规定的规则来产生模型。
[0013]依据特定的模型组件标志，选择模型组件，并且这些模型组件被并合成计算机可读模型。生成的计算机可读模型例如可以被用于仿真和/或控制和/或分析技术系统。尤其是，根据本专利技术的方法可被用于规划技术系统，也就是说，在建造真实技术系统之前，首先创建计算机可读模型。
[0014]在所获取的基于文本的规范数据的基础上进行模型生成。基于文本的规范数据例如可以呈技术系统要满足的文本要求（如例如设施的生产目标）的形式而存在。例如，基于
文本的规范数据可以仅包括对技术系统的边界条件和/或基本前提。所述基于文本的规范数据以后可以利用生成的模型的模型数据来校正（abgeglichen）。
[0015]在计算机实施的方法的有利实施形式中，依据针对技术系统的基于文本的规范数据，可以提取针对技术系统的和/或技术系统的组件的参数的参数值，并且生成的计算机可读模型可以根据所提取的参数值并借助第一神经网络而被参数化。
[0016]基于文本的规范数据可以包括例如如下参数值：在生成计算机可读模型时，可以考虑这些参数值。为此，例如借助用于处理来自基于文本的规范数据的文本数据和/或自然语音的方法，可以获本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于针对技术系统生成计算机可读模型的计算机实施的方法，其包括以下方法步骤：
‑ꢀ
获取（S1）针对所述技术系统的基于文本的规范数据（D_spec），其中所述基于文本的规范数据详细说明至少一个系统条件，
‑ꢀ
提供（S2）多个模型组件（MK），用于以计算机辅助的方式对所述技术系统进行建模，其中给相应的模型组件（MK）分配有一个模型组件标志（MKK），
‑ꢀ
提供（S3）第一神经网络（NN1），所述第一神经网络（NN1）借助第二神经网络（NN2）训练成，在针对技术系统的基于文本的规范数据的基础上，依据模型组件的模型组件标志，从多个模型组件中选择模型组件，并且从所选择的模型组件来针对所述技术系统生成计算机可读模型，使得所述计算机可读模型的模型数据（MD）满足至少一个在所述基于文本的规范数据中详细说明的系统条件，
‑ꢀ
借助所述第一神经网络（NN1），根据所获取的基于文本的规范数据（D_spec），从所提供的多个模型组件（MK）来针对所述技术系统生成（S4）计算机可读模型（M）。2.根据权利要求1所述的计算机实施的方法，其中，依据针对所述技术系统的所述基于文本的规范数据（D_spec），提取针对所述技术系统的参数的参数值，并且生成的计算机可读模型（M）根据所提取的参数值并借助所述第一神经网络（NN1）而被参数化。3.根据前述权利要求中任一项所述的计算机实施的方法，其中，借助第二神经网络（NN2）并依据训练数据来训练所述第一神经网络（NN1），
‑ꢀ
其中，所述训练数据至少包括技术系统的基于文本的规范数据（D_spec*）和/或技术系统的至少一...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：