[发明专利]用于对技术系统的计算机辅助设计的方法和装置

说明书

按照本发明，针对技术系统（TS）的相应的组件（K1、K2），读入组件（K1、K2）的组件名称（KB1、KB2）以及该组件的设计相关的特征参数的特征参数名称（KPB1、KPB2）并且借此来操控搜索引擎（SE）。读入由搜索引擎（SE）所找到的文档（D1、D2）并且从中提取组件资料（KA1、KA2）、例如关于相应的组件的产品信息。将所提取的组件资料（KA1、KA2）输送给机器学习例程（NN），该机器学习例程是依据多个预先给定的训练组件资料（TKA）和训练特征参数值（TKPW）有关依据预先给定的训练组件资料（TKA）再现预先给定的训练特征参数值（TKPW）方面来被训练的。机器学习例程（NN）的输出数据（OUT）被选择作为特征参数值（KPW1、KPW2）并且被嵌入到计划数据记录（PR1、PR2）中。接着，输出计划数据记录（PR1、PR2），用于对技术系统（TS）的设计。

背景技术

为了设计复杂的技术系统、例如制造设施、电网、风力涡轮机、燃气轮机、发电厂、机器人、工业设施或机动车，越来越多地使用计算机辅助的设计和计划工具。为了该目的，要将所要建造的系统组件映射为计划模型的形式化的计划组件。然而，倘若相应的组件常常由多个制造商提供并且以不同的、非形式化的方式来详细规定，则这一点尤其是在复杂系统的情况下可能被证明为花费很高。

发明内容

本发明的任务是：说明一种方法、装置、计算机程序产品以及计算机可读存储介质，通过该方法、该装置、该计算机程序产品以及该计算机可读存储介质可以减少在设计技术系统时的花费。

该任务通过具有专利权利要求1的特征的方法、通过具有专利权利要求13的特征的装置、通过具有专利权利要求14的特征的计算机程序产品以及通过具有专利权利要求15的特征的计算机可读存储介质来解决。

按照本发明，为了对技术系统的计算机辅助设计，针对该技术系统的相应的组件读入该组件的组件名称以及该组件的设计相关的特征参数的特征参数名称，利用所读入的组件名称和/或特征参数名称作为搜索词来操控搜索引擎并且读入由该搜索引擎所找到的文档。在这种情况下，相应的特征参数名称尤其可以说明：相应的组件的哪个特征参数应被规定用于该技术系统的具体设计。从所找到的文档中提取组件资料、例如关于相应的组件的产品信息，并且将这些组件资料输送给机器学习例程，该机器学习例程是依据多个预先给定的训练组件资料和训练特征参数值有关依据预先给定的训练组件资料再现预先给定的训练特征参数值方面来被训练的。还生成针对该技术系统的计划数据记录，其中机器学习例程的输出数据被选择作为特征参数值并且被嵌入到该计划数据记录中。接着，输出该计划数据记录，用于对该技术系统的设计。

为了执行按照本发明的方法，规定了一种用于对该技术系统的计算机辅助设计的装置、尤其是辅助系统，一种计算机程序产品以及一种计算机可读存储介质。

按照本发明的方法和按照本发明的装置例如可以借助于一个或多个处理器、专用集成电路（ASIC）、数字信号处理器（DSP）和/或所谓的“现场可编程门阵列”（FieldProgrammable Gate Arrays，FPGA）来实施或实现。

尤其能看到本发明的优点在于：计划数据记录可以尽可能自动地被参数化。接着，常常可以将这样的经参数化的计划数据记录直接纳入到自动化的计划方法的数据模型中。通过将搜索引擎包含在内，针对该设计还可以考虑关于可支配的组件及其特征参数的尽可能全面的信息。这通常增大了优化范围并且因此在很多情况下导致更好的计划结果。

本发明的有利的实施方式和扩展方案在从属权利要求中说明。

有利地，机器学习例程可以借助于人工神经网络、递归神经网络、卷积神经网络、自动编码器、深度学习（Deep-Learning）架构、支持向量机（Support-Vector-Machine）、数据驱动的可训练回归模型、k近邻分类器、物理模型和/或决策树来实现。为了训练这样被实现的机器学习例程，可以使用多种高效的标准方法。