Konzept für eine Datenvermehrung von Trainingsdatensätzen für ein Maschinenlern-Modell zur Vorhersage eines Zustands eines technischen Bauteils

Die vorliegende Erfindung bezieht sich auf Verfahren, Vorrichtungen und Computerprogrammen zum Erzeugen von Trainingsdatensätzen zum Trainieren eines Maschinenlern-Modells zur Vorhersage über einen Zustand eines technischen Bauteils, zum Trainieren eines solchen Maschinenlern-Modells, und zum Einsatz eines solchen Maschinenlern-Modells. Das Verfahren zum Erzeugen der Trainingsdatensätzen umfasst ein Erhalten (110) einer Mehrzahl von Messdatensätzen über das technische Bauteil, wobei jeder Messdatensatz zumindest ein oder mehrere Ausgangs-Messdaten umfasst. Das Verfahren umfasst ferner ein Ermitteln (120) von Modell-Parameterwerten von ein oder mehreren Modell-Parametern eines physikalischen Modells des technischen Bauteils basierend auf den ein oder mehreren Ausgangs-Messdaten der jeweiligen Messdatensätze. Das Verfahren umfasst ferner ein Bestimmen (140)einer ersten Mehrzahl von Trainingsdatensätzen, etwa durch Durchführen einer ersten Mehrzahl von Simulationen des physikalischen Modells, wobei basierend auf einer statistischen Verteilung der ermittelten Modell-Parameterwerte ein oder mehrere Modell-Parameterwerte für die jeweilige Simulation ausgewählt werden. Das Verfahren umfasst ferner ein Durchführen (150) einer zweiten Mehrzahl von Simulationen des physikalischen Modells, um eine zweite Mehrzahl von Trainingsdatensätzen zu generieren, wobei basierend auf der statistischen Verteilung der ermittelten Modell-Parameterwerte ein oder mehrere Modell-Parameterwerte für die jeweilige Simulation ausgewählt werden, wobei für jede Simulation zumindest ein Modell-Parameterwert außerhalb eines Hauptbereichs der statistischen Verteilung der ermittelten Modell-Parameterwerte ausgewählt wird.

This invention relates to methods, apparatuses, and computer programs for generating training data sets for training a machine-learning model to predict the condition of an technical component, for training such a machine-learning model, and for using such a machine-learning model. The method for generating the training data sets comprises obtaining (110) a plurality of measurement data sets of the technical component, where each measurement data set comprising at least one or more output measurement data. The method further comprises determining (120) model parameter values of one or more model parameters of a physical model of the technical component based on the one or more output measurement data of the associated measurement data sets. The method further comprises determining (140) a first plurality of training data sets, such as by performing a first plurality of simulations of the physical model, wherein based on a statistical distribution of the determined model parameter values, one or more model parameter values are selected for the associated simulation. The method further comprises performing (150) a second plurality of simulations of the physical model to generate a second plurality of training data sets, wherein based on the statistical distribution of the determined model parameter values, one or more model parameter values are selected for the associated simulation, wherein for each simulation at least one model parameter value is selected outside a main area of the statistical distribution of the determined model parameter values.