【技术实现步骤摘要】
【国外来华专利技术】
本公开总体上涉及用于控制复杂动态系统的控制器，并且具体地涉及一种用于针对动态系统产生基于显式规则的控制的技术。
技术介绍
1、为了控制复杂的系统(诸如电网、建筑系统、工厂、机动车辆、工厂机器人等)，复杂的控制是必要的。虽然可以合成用于控制这种复杂系统(诸如模型预测控制(mpc))的精妙控制，但是它们的实现通常受限于硬件限制。
2、利用mpc控制器，取决于输入变量，模拟要控制的系统的未来行为，以便确定优化系统行为的输出信号(控制动作)，通常具有限定的约束。mpc在数学意义上产生最优解。然而，这种控制需要在线求解数学程序以计算控制动作。线性mpc控制器是工业上目前最先进的控制器。考虑到具有许多约束或甚至离散变量/决策的高度非线性问题，mpc的实现可能相当具有挑战性。mpc需要很高的计算工作量，并且数学挑战与相应的非线性优化技术有关，例如，不保证收敛。
3、解决上述挑战的已知方法涉及显式模型预测控制(显式mpc)。通过针对感兴趣的操作条件的给定范围离线地求解优化问题并且利用多参数编程技术，显式mpc将最优控制动作离线地计算为状态和参考向量的“显式”函数，使得在线操作简化为简单的函数评估。然而，这些显式函数的“大小”随着系统状态和约束的数目而急剧增加，使得它们对于大型复杂的系统可能变得难以计算。
4、可替换地或附加地，可以在模拟的基础上训练数据驱动的机器学习模型，然后该模型补充或替换在线mpc计算。然而，由诸如神经网络之类的所训练的机器学习模型传达的控制特性，对于诸如技术员之类的用户或用于负责认证控制
技术实现思路
1、简而言之，本公开的各方面提供了一种用于针对动态系统生成基于显式规则的控制的技术，该技术解决了上述技术问题中的至少一些问题。
2、本专利技术的第一方面提供了一种用于配置动态系统的控制器的方法。方法包括读取多个状态信号，每个状态信号指定动态系统的状态并被映射到多维状态空间。方法进一步包括使用第一控制算法针对每个状态信号确定分配给该状态信号的控制信号。每个状态信号和所分配的控制信号表示关于动态系统的控制数据流形(manifold)中的相应的控制点。方法进一步包括通过标识控制数据流形上属于公共局部近似函数的控制点来检测控制数据流形上的区块(patch)。方法进一步包括训练分类器以将控制点分类为所检测到的区块之中的不同区块。方法进一步包括针对每个检测到的区块训练相应的回归模型，用于近似该区块中的状态信号和控制信号之间的关系。使用所训练的分类器和回归模型来创建基于显式规则的控制算法，控制算法被配置为通过根据所测量的状态信号标识活动区块并针对所标识的活动区块评估相应的回归模型来将从动态系统获得的所测量的状态信号转换成控制动作。
3、本公开的第二方面提供了用于控制动态系统的方法。方法包括根据上述方法创建基于显式规则的控制算法。方法进一步包括通过以下方式使用基于显式规则的控制算法来控制动态系统：从动态系统接收所测量的状态信号，根据所测量的状态信号的函数标识活动区块，以及通过评估所标识的活动区块的相应的回归模型，根据所测量的状态信号执行控制动作。
4、本公开的其他方面在控制器和计算机程序产品中实现上述方法的特征。
5、通过本公开的技术可以实现附加技术特征和益处。本公开的实施方案和方面在本文中详细描述并且被认为是所要求保护的主题的一部分。为了更好地理解，参考具体实施方式和附图。
本文档来自技高网...【技术保护点】
1.一种用于配置动态系统的控制器的方法，包括：
2.根据权利要求1所述的方法，其中，所述状态信号和所述控制信号表示时间序列数据，其中，对于每个时间步长，由所述第一控制算法基于针对此时间步长的更新的状态信号来生成相应的控制信号，并且其中，针对所述动态系统的各种初始状态和场景参数来生成关于状态信号和所述控制信号的时间序列数据。
3.根据权利要求1和2中任一项所述的方法，包括基于所述第一控制算法与所述动态系统的模拟模型的交互来模拟地生成状态信号和所述控制信号。
4.根据权利要求3所述的方法，其中，所述第一控制算法包括模型预测控制(MPC)算法，其中，所述方法包括：
5.根据权利要求1至3中任一项所述的方法，其中，所述第一控制算法包括基于策略的神经网络，所述策略被训练为将状态信号映射到所分配的控制信号。
6.根据权利要求1至5中任一项所述的方法，包括通过执行多个实验来生成状态信号和所述控制信号，所述多个实验涉及执行所述第一控制算法的现场控制器与所述动态系统的交互。
7.根据权利要求1至6中任一项所述的方法，其中，检测
8.根据权利要求1至7中任一项所述的方法，其中，每个区块包括嵌入有所述控制数据流形的空间中的超平面。
9.根据权利要求8所述的方法，其中，相应的回归模型各自包括线性回归模型。
10.根据权利要求8至9中任一项所述的方法，其中，所述控制数据流形包括非线性区域：
11.根据权利要求1至7中任一项所述的方法，其中，所述控制数据流形包括非线性区域，
12.根据权利要求11所述的方法，其中，针对所述一个或多个区块训练的所述回归模型包括相应的多项式回归模型。
13.根据权利要求1至12中任一项所述的方法，包括针对每个区块训练对应的支持向量机(SVM)，以将控制点分类成不同的区块，其中，所述活动区块能够通过使用所测量的状态信号标识，以评估与各个区块相关联的SVM指示符函数。
14.根据权利要求1至13中的任一项所述的方法，其中，所述基于显式规则的控制算法是在相对于所述动态系统的控制器的远程计算环境中创建的，其中，将随后部署所述基于显式规则的控制算法。
15.一种包括指令的非暂时性计算机可读存储介质，所述指令在由计算设备处理时，将所述计算设备配置为执行根据权利要求1至14中任一项所述的方法。
16.一种用于动态系统的控制器，包括：
17.一种用于控制动态系统的方法，包括：
18.根据权利要求17所述的方法，其中，针对每个区块训练相应的支持向量机(SVM)，以将控制点分类为不同的区块，所述方法包括通过使用所测量的状态信号来标识所述活动区块，以评估与各个区块相关联的SVM指示符。
19.根据权利要求17和18中任一项所述的方法，包括在离线过程中创建所述基于显式规则的控制算法，并且随后将所述基于显式规则的控制算法传送到控制器的存储器，以控制所述动态系统。
20.根据权利要求19所述的方法，其中，所述基于显式规则的控制算法的创建在云计算环境中执行。
...【技术特征摘要】
【国外来华专利技术】
1.一种用于配置动态系统的控制器的方法，包括：
2.根据权利要求1所述的方法，其中，所述状态信号和所述控制信号表示时间序列数据，其中，对于每个时间步长，由所述第一控制算法基于针对此时间步长的更新的状态信号来生成相应的控制信号，并且其中，针对所述动态系统的各种初始状态和场景参数来生成关于状态信号和所述控制信号的时间序列数据。
3.根据权利要求1和2中任一项所述的方法，包括基于所述第一控制算法与所述动态系统的模拟模型的交互来模拟地生成状态信号和所述控制信号。
4.根据权利要求3所述的方法，其中，所述第一控制算法包括模型预测控制(mpc)算法，其中，所述方法包括：
5.根据权利要求1至3中任一项所述的方法，其中，所述第一控制算法包括基于策略的神经网络，所述策略被训练为将状态信号映射到所分配的控制信号。
6.根据权利要求1至5中任一项所述的方法，包括通过执行多个实验来生成状态信号和所述控制信号，所述多个实验涉及执行所述第一控制算法的现场控制器与所述动态系统的交互。
7.根据权利要求1至6中任一项所述的方法，其中，检测所述控制数据流形上的区块包括以下无监督过程：
8.根据权利要求1至7中任一项所述的方法，其中，每个区块包括嵌入有所述控制数据流形的空间中的超平面。
9.根据权利要求8所述的方法，其中，相应的回归模型各自包括线性回归模型。
10.根据权利要求8至9中任一项所述的方法，其中，所述控制数据流形包括非线性区域：
11.根据权利要求1至7中...
【专利技术属性】
技术研发人员：迪克·哈特曼，阿米特·潘迪，苏阿特·古穆索伊，乌尔里赫·明茨，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：
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。