For the validation of safety-critical systems regarding safety and comfort, e.g., in the context of automated driving, engineers often have to cope with large (parametric) test spaces for which it is infeasible to test through all possible parameter configurations. At the same time, critical behavior of a well-engineered system with respect to prescribed safety and comfort requirements tends to be extremely rare, speaking of probabilities of order $10^{-6}$ or less, but clearly has to be examined carefully for valid argumentation. Hence, common approaches such as boundary value analysis are insufficient while methods based on random sampling from the parameter space (simple Monte Carlo) lack the ability to detect these rare critical events efficiently, i.e., with appropriate simulation budget. For this reason, a more sophisticated simulation-based approach is proposed which employs optimistic optimization on an objective function called "criticality" in order to identify effectively the set of critical parameter configurations. Within the scope of the ITEA 3 TESTOMAT project (http://www.testomatproject.eu/) the collaboration partners OFFIS e.V. and AKKA Germany GmbH conducted a case study on applying criticality-based rare event simulation to the charging process of an automotive battery management system given as a model. The present technical report documents the industrial use case, the approach, application and experimental results, as well as lessons learned from the case study.


翻译:为了验证安全和舒适方面的安全关键系统,例如,在自动化驾驶的情况下,工程师往往不得不应付无法通过所有可能的参数配置测试的大型(参数)测试空间。与此同时,一个设计良好的系统在规定的安全和舒适要求方面的关键行为往往极为罕见,说到10美元至6美元或10美元以下的概率,但显然必须仔细研究,以便进行合理的论证。因此,边界价值分析等共同方法是不够的,而基于参数空间(Sealy Monte Carlo)随机抽样抽样的方法缺乏有效检测这些罕见的关键事件的能力,即无法通过适当的模拟预算进行测试。为此,提议采用一个更精密的模拟方法,对称为“临界”的客观功能进行乐观的优化,以便有效地确定一套关键参数配置。在ITEA 3 TESTOMAT项目(http://www.steomatproject.eu/)的范围内,基于FIS e.V.和AKKINGING公司的合作伙伴们缺乏能力,无法有效地发现这些罕见的关键事件,即以适当的模拟预算应用方法,从目前的工业成果模型研究中,将目前作为案例的模型,用一个案例的模型,用一个案例报告,作为对关键工业成果的模型,作为案例的模型,对数据进行模拟的模拟,进行了案例研究。

0
下载
关闭预览

相关内容

专知会员服务
94+阅读 · 2021年8月28日
专知会员服务
31+阅读 · 2021年6月12日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关VIP内容
专知会员服务
94+阅读 · 2021年8月28日
专知会员服务
31+阅读 · 2021年6月12日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员