工业和/或技术过程模型的评估和/或适配制造技术

提供了一种用于评估和/或适配与工业和/或技术过程有关的一个或多个技术模型的方法以及对应的系统和计算机程序。该方法包括获得(S1)工业和/或技术过程的完全或部分非因果模块化参数化模型，该参数化模型包括至少一个物理子模型和至少一个神经网络子模型，包括获得该参数化模型的一个或多个参数。该方法进一步包括基于该参数化模型生成(S2)微分方程组，以及基于该微分方程组模拟(S3)该工业和/或技术过程的一个或多个状态随时间的动态性。该方法还包括在模拟该工业和/或技术过程时对该微分方程组应用(S4)反向模式自动微分，以生成表示对该工业和/或技术过程模型的评估的估计。对该工业和/或技术过程模型的评估的估计。对该工业和/或技术过程模型的评估的估计。

【技术实现步骤摘要】
【国外来华专利技术】工业和/或技术过程模型的评估和/或适配


[0001]本专利技术总体上涉及工业和/或技术过程和过程控制，并且更具体地涉及工业/技术建模和/或模型/控制参数优化的


技术介绍

[0002]工业和/或技术过程控制通常涉及从耦合到工业和/或技术系统的传感器收集技术数据，将该技术数据完善为一些技术知识(建模)并且使用这些知识来产生创建工业和/或技术过程的高效操作的控制信号。
[0003]出于这些目的，大多数行业采用某种类型的建模软件来帮助其创建可以与其数据交互的知识模型。这些模型通常以行业特定的面向对象的建模语言进行编码。在某些情况下，模型基于从理论推导出的物理方程，在其他情况下，模型基于比如回归分析等统计方法，并且在又其他情况下，模型基于所谓的遗传优化算法，这些遗传优化算法可以用于求解基于模拟生物进化的自然选择过程的有约束和无约束优化问题。
[0004]为了增加这种模型中知识的重用，人们往往采用比如Modelica或Modia等非因果陈述式建模语言，其中，模拟细节和处理顺序与物理模型明确分开。由于这种建模系统的复杂性增加，这些非本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种系统(20；30；100)，包括：
‑
一个或多个处理器(110)；
‑
存储器(120)，该存储器被配置为存储：工业和/或技术过程的完全或部分非因果模块化参数化模型，该模型包括至少一个物理子模型和用作通用函数逼近器的至少一个神经网络子模型，以用于至少部分地对该工业和/或技术过程进行建模，包括存储该完全或部分非因果模块化参数化模型的一个或多个模型参数；
‑
模拟器，该模拟器被配置为通过一个或多个处理器(110)基于该完全或部分非因果模块化参数化模型和对应的微分方程组来模拟该工业和/或技术过程；以及
‑
评估器，该评估器被配置为在模拟该工业和/或技术过程时通过该一个或多个处理器(110)对该微分方程组应用反向模式自动微分，以生成表示对该工业和/或技术过程模型的评估的评估估计；以及
‑
适配模块，该适配模块被配置为通过该一个或多个处理器(110)接收该评估估计以基于梯度下降或上升程序来更新该工业和/或技术过程的完全或部分非因果模块化参数化模型的至少一个模型参数。2.如权利要求1所述的系统，其中，该存储器(120)被配置为存储：技术传感器数据，比如源自监测该工业和/或技术过程的一个或多个数据收集系统的一个或多个时间序列参数，并且该评估器被配置为至少部分地基于该技术传感器数据生成该评估估计。3.如权利要求1或2所述的系统，其中，该系统(20；30；100)进一步包括以下各项作为该模拟器的一部分：
‑
编译器，该编译器被配置为通过该一个或多个处理器(110)接收该参数化过程模型并且创建该微分方程组；
‑
一个或多个微分方程求解器，该一个或多个微分方程求解器被配置为通过该一个或多个处理器(110)接收该微分方程组并且随时间模拟该工业和/或技术过程。4.如权利要求3所述的系统，其中，该(多个)微分方程求解器被配置为通过该一个或多个处理器(110)模拟该工业和/或技术过程的(多个)状态随时间的动态性，并且该评估器被配置为通过该一个或多个处理器(110)生成与从该(多个)微分方程求解器推导出的一个或多个状态有关的相对于至少一个损失函数的梯度的估计，以输出到模型适配模块。5.如权利要求4所述的系统，其中，所述至少一个损失函数表示该工业和/或技术过程建模中的模拟误差。6.如权利要求5所述的系统，其中，所述至少一个损失函数表示i)基于模型的模拟工业和/或技术过程与ii)至少部分地基于来自该一个或多个数据收集系统的技术传感器数据的工业和/或技术过程的真实世界表示之间的误差。7.如权利要求1所述的系统，其中，该适配模块包括：
‑
优化器，该优化器被配置为通过该一个或多个处理器(110)进行以下操作：从该存储器接收一个或多个模型参数；从该评估器接收该评估估计，并且基于梯度下降或上升程序来更新一个或多个模型参数，并且将更新的参数存储到该存储器。8.如权利要求7所述的系统，其中，该优化器被配置为通过该一个或多个处理器(110)从该评估器接收梯度估计，并且使用对该工业和/或技术过程建模中的模拟误差进行编码的损失函数上的梯度下降来更新一个或多个模型参数。
9.如权利要求7至8中任一项所述的系统，其中，该存储器(120)还被配置为存储：完全或部分非因果模块化参数化控制模型，该模型用于对由控制该工业和/或技术过程的至少一部分的控制系统(15)执行的控制过程进行建模，包括存储该参数化控制模型的一个或多个参数，其中，该完全或部分非因果模块化参数化控制模型被定义为与如由更新的模型参数优化的该工业和/或技术过程的完全或部分非因果模块化参数化模型的至少一部分进行交互，其中，该控制过程至少部分地由用作(多个)通用函数逼近器的一个或多个神经网络进行建模；其中，该系统进一步包括：
‑
控制模拟器，该控制模拟器被配置为通过一个或多个处理器(110)基于该完全或部分非因果模块化参数化控制模型和对应的微分方程组来模拟该控制过程；以及
‑
控制目标模块，该控制目标模块被配置为通过该一个或多个处理器(110)评估用于控制该工业和/或技术过程的控制系统的控制目标，该控制目标被定义为该控制模型的状态的控制目标函数；
‑
控制反向模式自动微分估计器，该控制反向模式自动微分估计器被配置为通过该一个或多个处理器(110)针对模拟该控制过程的微分方程组使用反向模式自动微分来估计控制模拟上的该控制目标相对于一个或多个控制参数的梯度；以及
‑
控制优化器，该控制优化器被配置为通过该一个或多个处理器(110)接收来自该控制反向模式自动微分估计器的梯度以及一个或多个控制参数，并且基于梯度下降或上升来更新这些控制参数并且将改进的控制参数存储到该存储器(120)。10.如权利要求9所述的系统，进一步包括控制系统(15)，该控制系统使用所述控制参数来控制该工业和/或技术过程。11.如权利要求10所述的系统，进一步包括工业和/或技术系统(10)，该工业和/或技术系统用于如由所述控制系统(15)控制的那样来执行该工业和/或技术过程。12.一种被配置为评估和/或适配与工业和/或技术过程有关的一个或多个技术模型的系统(20；30；100)，其中，该系统(20；30；100)被配置为获得该工业和/或技术过程的完全或部分非因果模块化参数化模型，包括获得该完全或部分非因果模块化参数化模型的一个或多个模型参数，其中，该完全或部分非因果模块化参数化模型被定义为使得该工业和/或技术过程至少部分地由用作(多个)通用函数逼近器的一个或多个神经网络进行建模；其中，该系统(20；30；100)被配置为基于该完全或部分非因果模块化参数化模型和对应的微分方程组来模拟该工业和/或技术过程，并且其中，该系统(20；30；100)被配置为对该微分方程组应用反向模式自动微分并且生成表示对该工业和/或技术过程的过程模型的评估的估计，并且其中，该系统(20；30；100)被配置为基于生成的评估估计并且基于梯度下降或上升程序来更新该工业和/或技术过程的完全或部分非因果模块化参数化模型的至少一个模型参数，并且将这些新参数存储到存储器。13.如权利要求12所述的系统，其中，该系统(20；30；100)被配置为在一个或多个时间实例处获得表示该工业和/或技术过程的一个或多个状态的技术传感器数据，并且该系统(20；30；100)被配置为至少部分地基于该技术传感器数据来生成该评估估计，
...

【专利技术属性】
技术研发人员：伦纳德，
申请(专利权)人：卡乐优工业智能有限公司，
类型：发明
国别省市：