压缩空气供应装置和方法制造方法及图纸

本发明专利技术涉及一种用于基于调节器参数（RP）执行调节、尤其是位置调节和/或压力调节的压缩空气供应装置（4），其中所述压缩空气供应装置（4）具有机器学习模型（55），并且被构造用于在使用所述机器学习模型（55）的情况下基于所输入的系统参数（SP）提供所述调节器参数（RP），所述系统参数描述系统（100）的物理属性，在所述系统中应该使用所述压缩空气供应装置（4）；并且基于所提供的调节器参数（RP）执行所述调节。节。节。

【技术实现步骤摘要】
压缩空气供应装置和方法


[0001]本专利技术涉及一种用于基于调节器参数执行调节、尤其是位置调节和/或压力调节的压缩空气供应装置。所述调节控制压缩空气的供应。

技术介绍

[0002]压缩空气供应装置包括例如阀岛（Ventilinsel）并且尤其是用于提供伺服气动力学、即气动位置调节。该调节尤其是非线性调节。进行调节所基于的调节器参数（Reglerparametern）例如是调节器增益。
[0003]为了获得良好的调节性能，调节器参数必须被适配于使用压缩空气供应装置的各自系统、即各自应用程序。
[0004]在对于使用压缩空气供应装置合适的系统、即应用程序中，存在物理特性（例如不同的质量和/或尺寸）的大的变化，所述物理特性在确定调节器参数时必须被考虑，以便获得良好的调节性能。
[0005]然而，压缩空气供应装置的用户通常不知道所述用户必须如何设定调节器参数来使调节适配于目前系统的物理特性。

技术实现思路

[0006]本专利技术的任务在于，提供一种压缩空气供应装置，所述压缩空气供应装置使得能够简单地使调节器参数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于基于调节器参数（RP）执行调节、尤其是位置调节和/或压力调节的压缩空气供应装置（4），其中所述压缩空气供应装置（4）具有机器学习模型（55），并且被构造用于在使用所述机器学习模型（55）的情况下基于所输入的系统参数（SP）提供所述调节器参数（RP），所述系统参数描述系统（100）的物理属性，在所述系统中应该使用所述压缩空气供应装置（4）；并且基于所提供的调节器参数（RP）执行所述调节。2.根据权利要求1所述的压缩空气供应装置（4），此外包括用于输入所述系统参数（SP）的用户接口（58）。3.根据权利要求1或2所述的压缩空气供应装置（4），其中所述调节器参数（RP）包括调节器增益。4.根据前述权利要求所述的压缩空气供应装置（4），其中所述系统参数（SP）包括尺寸、体积、质量、摩擦、角度和/或压力。5.根据前述权利要求中任一项所述的压缩空气供应装置（4），其中所述机器学习模型（55）包括回归方法、尤其是支持向量回归、回归树和/或人工神经网络。6.根据前述权利要求中所述的压缩空气供应装置（4），其中所述机器学习模型基于模拟数据（64）。7.根据前述权利要求所述的压缩空气供应装置（4），其中所述压缩空气供应装置（4）被构造用于在启动时适配所述机器学习模型（55）并且在使用经适配的机器学习模型（55）的情况下提供所述调节器参数（RP）用于调节。8.一种用于运行根据前述权利要求中任一项所述的压缩空气供应装置（4）的方法，所述方法包括步骤：在使用所述机器学习模型（55）的情况下基于所输入的系统参数（SP）提供调节器参数（RP）并且基于所提供的调节器参数（RP）执行调节。9.一种用于提供机器学习模型（55）的方法，所述方法包括步骤：
‑
针对由系统参数集（SPS）和调节器参数集组成的多个集组合，执行（S11）具有调节器（54）和调节对象（61）的系统（60）的多个模拟，其中每个系统参数集（SPS）都包括多个系统参数（SP），所述系统参数描述所述系统60的各自系统配置的物理特性，并且其中每个调节器参数集（RPS）都包括多个调节器参数（RP），其中在每个模拟时模拟所述调节器（54）如何基于各自调节器参数集（RPS）对所述调节对象（61）执行调节，并且其中针对由系统参数集（SPS）和调节器参数集（RPS）组成的各自集组合执行每个模拟，
‑
基于所述模拟，为每个集组合计算（S12）各自调节成本值（RKW），<...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：费斯托股份两合公司，
类型：发明
国别省市：