[发明专利]生成用于XiL系统的简化模型

权利要求书

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，所述硬件元件包含用于执行神经网络算法的计算单元并且设计用于连接至多个XiL单元。

10.一种包含指令的计算机程序，当通过计算机执行所述程序时，所述指令使所述计算机执行根据权利要求1至7中任一项所述的方法。

11.一种用于执行机动车辆的部件的XiL测试的装置(20、30)，所述装置包含彼此连接的用于传输数据的多个XiL模型(11-14、41-44)，

其特征在于，

所述装置(20、30)设计成用使用根据权利要求1至7中任一项所述的方法生成的简化的XiL模型(15、45)替换至少一个XiL模型(11-14、41-44)。

12.根据权利要求11所述的装置(20、30)，

其特征在于，

所述装置(20、30)设计成用使用根据权利要求1至7中任一项所述的方法生成的单个简化的XiL模型(45)替换多个XiL模型(42、43)。