【技术实现步骤摘要】
生成用于XiL系统的简化模型
[0001]本专利技术涉及一种用于生成在XiL系统中使用的简化模型的方法。本专利技术还涉及一种数据处理设备、一种计算机程序、一种用于对机动车辆(特别是自动驾驶机动车辆)的部件进行XiL测试的装置、一种用于执行XiL测试的方法、一种计算机可读存储介质、以及一种数据载波信号。
技术介绍
[0002]自动驾驶机动车辆(有时也被称为自主陆地车辆)是在没有人类驾驶员影响的情况下可以行驶、转向和停车(高度自动化驾驶或自主驾驶)的机动车辆。如果不需要任何驾驶员的手动控制，则也使用术语机器人汽车。驾驶员座椅可以保持未占用；可能没有方向盘、没有制动踏板并且没有油门踏板。自动驾驶机动车辆可以借助于不同传感器的帮助来捕捉它们的环境并且可以根据获得的信息来确定它们的位置以及其他道路用户的位置、可以与导航软件合作驶向目的地并且可以在去那里的路上避免碰撞。
[0003]智能移动解决方案和自动驾驶功能的出现在测试这样的系统时带来新的挑战。物理原型和/或密集的真实试驾极具挑战性。由于这个原因，近年来已经开发用于虚拟工程...
【技术保护点】
【技术特征摘要】
1.一种用于生成在XiL系统中使用的简化模型的方法，其中所述方法包括以下步骤：
‑
为至少一个起动模型确定定量地表征模型的复杂性的至少一个规定参数(1)，
‑
生成所述至少一个起动模型的输入数据和输出数据(2)，
‑
使用所述至少一个起动模型的生成的输入数据和输出数据的训练集来训练神经网络以便生成简化模型，所述简化模型具有比所述至少一个起动模型的复杂性低的复杂性并且在所述简化模型中超过定量地表征所述模型的可靠性的至少一个参数的规定的下限阈值(3)，
‑
使用经过训练的神经网络生成所述简化模型(4)，
‑
确定用于所述简化模型的表征复杂性的至少一个参数(5)，
‑
如果生成的所述简化模型的确定的复杂性低于所述起动模型的复杂性(6)，则使用所述至少一个起动模型的生成的输入数据和输出数据的测试集来测试生成的所述简化模型，所述测试集与所述训练集不同，并且确定表征可靠性的生成的简化模型的所述至少一个参数(7)，
‑
如果所述简化模型的确定的可靠性超过所述规定阈值(8)，则输出所述简化模型(9)。2.根据权利要求1所述的方法，其特征在于，定量地表征所述起动模型的复杂性的参数包含用于每个输入数据项的计算操作的次数和/或用于执行代表所述模型的算法的所需计算时间和/或用于执行代表所述模型的算法的所需存储空间需求。3.根据权利要求1或2所述的方法，其特征在于，定量地表征所述起动模型的可靠性的参数包含通过模型生成的输出数据与预期输出数据的偏差的测量。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述神经网络是以深度神经网络的形式。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述至少一个起动模型是以一系列多个模型的形式。6.根据权利要求1至5中任一项所述的方法，其特征在于，所述神经网络是以循环神经网络的形式。7.根据权利要求1至6中任一项所述的方法，其特征在于，所述方法设计用于生成用于仿真机动车辆的至少一个功能的模型。8.一种包含用于执行根据权利要求1至7中任一项所述的方法的装置的数据处理设备(22、32)。9.根据权利要求8所述的设备(22、32)，其特征在于，
所述设备是以硬件元件的形式，所述硬件元...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。