【技术实现步骤摘要】
【国外来华专利技术】一种用于提供用于部署在目标现场设备上的自适应自学习控制程序的方法和装置
本专利技术涉及一种用于提供用于部署在目标现场设备上（特别是在工业控制器上）的自适应自学习控制程序的方法和装置。
技术介绍
诸如PLC之类的在工业自动化系统中使用的工业控制器需要能够感知其环境或关于其性能的原因，并且优化其控制参数。为了预测通过控制器控制干预的潜在后果，可以使用能够预测控制的效果和/或基于所期望的目标值来计算必要的控制步骤的模型。这些模型通常借助于需要被调整到真实系统属性的参数来进行配置。在传统的系统中，建立这些关系是繁琐的以及劳动密集性的。例如，需要精确地调整电动机控制的精确效果，其中该控制可以精确地控制机器人的步进电动机的角度。然而，终端效应器的改变取决于机器人的运动学，这也受相应机器人的关节的物理属性影响。由于制造公差，这些物理属性可以在不同的机器人之间变化。除了制造公差之外，其它组件的磨损也可能导致技术系统的去校准。例如，由于机器人关节中的松弛，机器人的机器人关节的位置可能随时间漂移。校准和重校准经常在其中人类操作者正在调整...
【技术保护点】
1.一种用于在目标现场设备（TFD）上部署和执行自优化函数的方法，/n所述方法包括以下步骤：/n（a）提供（S1）具有至少一个可调参数
【技术特征摘要】
【国外来华专利技术】20170714 EP 17181431.21.一种用于在目标现场设备（TFD）上部署和执行自优化函数的方法，
所述方法包括以下步骤：
（a）提供（S1）具有至少一个可调参数的函数集f；
（b）从所提供的函数集f自动导出（S2）用于优化所述可调参数的附加函数集；
（c）将两个函数集都转换（S3）成专用于所述目标现场设备（TFD）的机器可执行代码；以及
（d）在所述目标现场设备（TFD）上部署（S4）和执行经转换的机器可执行代码。
2.根据权利要求1所述的方法，其中所提供的函数集f形成了适于学习技术系统的特性的系统模型（SysMod）。
3.根据权利要求2所述的方法，其中所述系统模型是机器学习ML模型，所述ML模型包括神经网络，特别是深度学习神经网络，或者包括决策树、逻辑回归模型或方程系统。
4.根据前述权利要求1到3中任一项所述的方法，其中所述附加函数集包括相对于从所提供的原始函数集f自动导出的所述原始函数集f的可调参数的局部梯度。
5.根据权利要求4所述的方法，其中所述附加函数集表示随机梯度下降、小批量梯度下降和/或全梯度下降。
6.根据前述权利要求2到5中任一项所述的方法，其中基于由所提供的输入函数集f形成的系统模型（SysMod），由图生成软件组件（GGSC）自动生成计算图（CG）。
7.根据权利要求6所述的方法，其中所生成的计算图（CG）包括
正向计算子图（FCG），其表示原始函数集f，以及
反向计算子图（BCG），其表示用于训练原始函数集f的可调参数的导出的附加函数集。
8.根据权利要求6或7所述的方法，其中所生成的计算图（CG）描述要由目标现场设备（TFD）执行的以顺序次序的函数的操作。
9.根据前述权利要求6到8中任一项所述的方法，其中所生成的计算图（CG）被输出到模型变换模块（MTM），所述模型变换模块（MTM）将所接收到的计算图（CG）自动地转换成专用于所述目标现场设备（TFD）的二进制机器可执行代码（BMEC），并且被部署在所述目标现场设备（TFD）上。
10.根据权利要求9所述的方法，其中由模型变换模块（MTM）接收到的所生成的计算图（CG）被解析，以提供以低级编程语言的中间代码，所述中间代码被编译以生成专用于所述目标现场设备（TFD）的二进制机器可执行代码（BMEC），其被部署在所述目标现场设备（TFD）上。
11.根据前述权利要求7到10中任一项所述的方法，其中形成所生成的计算图（CG）的一部分的正向计算子图（FCG）被解析以提供第一中间代码，所述第一中间代码被编译以生成形成部署在所述目标现场设备（TFD）上的模型执行软件组件（MESC）的第一二进...
【专利技术属性】
技术研发人员：I托恩，J索勒加里多，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：德国;DE
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。