Verfahren zur Kalibirierung eines technischen Systems

Um die Kalibrierung eines technischen Systems (1) gegenüber stochastische Einflüsse im realen Betrieb des technischen Systems (1) zu machen ist vorgesehen, dass ein Belastungszyklus unter dem Einfluss zumindest einer Zufallseinflussgröße (Z) mehrmals ausgeführt wird, wobei sich bei jeder Realisierung des Belastungszyklus eine zufällige Abfolge (Tm) der Anzahl i von Betriebspunkten (xi) ergibt, eine Kostenfunktion c(θ,Z) definiert wird, die eine Zielfunktion y mit einem Modell f für eine Ausgangsgröße des technischen Systems (1) enthält, wobei das Modell f abhängig von der Anzahl der Steuervariablen (θ) des technischen Systems (1) und von der Anzahl i der zufälligen Betriebspunkte (xi) des technischen Systems ist, sodass der Wert der Kostenfunktion c(θ,Z) für jede Realisierung des Belastungszyklus selbst eine Zufallsvariable ist, die eine Wahrscheinlichkeitsverteilung P(c(θ,Z)) aufweist, ein Risikomaß ρ der Wahrscheinlichkeitsverteilung P(c(θ,Z)) definiert wird, mit dem die Wahrscheinlichkeitsverteilung P(c(θ,Z)) auf eine skalare Größe abgebildet wird, und das Risikomaß ρ durch Variation der Anzahl von Steuervariablen (θ) optimiert wird, um die optimalen Steuervariablen (θopt) zur Kalibrierung zu erhalten. Various aspects of the present disclosure are directed to methods for calibrating a technical system with respect to stochastic influences during real operation of the technical system. In one example embodiment of the present disclosure, the method includes the steps of: determining the values of a number of control variables, carrying out the calibration on the basis of a load cycle which results in a sequence of a number of operating points, executing the load cycle multiple times under the influence of at least one random influencing variable, with each realization of the load cycle resulting in a random sequence of the number i of operating points, defining a risk measure of the probability distribution, with which the probability distribution is mapped to a scalar variable, and optimizing the risk measure by varying the number of control variables in order to obtain optimal control variables for calibration.