[發明專利]用于自適應基于數據的函數模型的方法和設備

有效

• 申請號: 201410367878.9
• 申請日: 2014-07-30
• 公開（公告）號: CN104345637B
• 公開（公告）日: 2021-07-02
• 發明（設計）人: T.D.阮-圖昂;H.馬科特;J.施賴特爾;M.漢澤爾曼
• 申請（專利權）人: 羅伯特·博世有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 李永波;李婷

本發明涉及用于自適應基于數據的函數模型的方法和設備，尤其涉及一種用于自適應基于數據的函數模型尤其是高斯過程模型的方法，其包括下列步驟：?提供取樣部位數據，通過取樣部位數據來定義基于數據的函數模型且取樣部位數據包括帶各一個運行點和目標參量的一個配屬于該運行點的目標值的取樣部位數據點；?提供測量點和在該測量點上檢測到的目標參量的值；?確定按照重要性函數具有最小的重要性的取樣部位數據點；以及?按照替換標準用測量點來替換確定的取樣部位數據點。

技術領域

本發明通常涉及發動機控制器，在發動機控制器中，函數模型作為基于數據的函數模型被執行或計算。本發明尤其涉及方法，以便在發動機控制器中在線也就是說節省資源地自適應基于數據的函數模型。

背景技術

為了執行在控制器中，尤其是在用于內燃機的發動機控制器中的函數模型，規定使用基于數據的函數模型。通常使用無參數的、基于數據的函數模型，因為它們無需專門的給定就可以用訓練數據，也就是說用一定量的訓練數據點建立。

用于基于數據的函數模型的一個示例就是所謂的高斯過程模型，其基于高斯過程回歸。高斯過程回歸是用于基于數據地模型化復雜的物理系統的一種全面的方法?；貧w分析基于通常大量的訓練數據，因此合理的是，使用能夠有效地被評估的近似的解決方法。

對高斯過程模型來說，存在稀疏的高斯過程回歸的可能性，在稀疏的高斯過程回歸中，為了建立基于數據的函數模型而僅利用代表性數量的取樣部位數據。為此，必須以恰當的方式從訓練數據中選出取樣部位數據。

文獻“稀疏在線高斯過程”（Csató，Lehel;Opper，Manfred，神經計算14: 641-668頁，2002）公開了一種用來求出針對稀疏高斯過程模型的取樣部位數據的方法。

其它用于操縱訓練數據或用于產生取樣部位數據的方法例如由“稀疏貪婪高斯過程回歸”（Smola，A.J.，Sch?lkopf，W.，神經信息處理系統的進展 13，619-625頁，2001）和“用于加速稀疏高斯過程回歸的快速前進選擇”（Seeger，M.，Williams，C.K.，Lawrence，N.D.，第九屆人工智能和統計學國際研討會的會議記錄，2003）公開。

發明內容

按照本發明，規定一種按權利要求1所述的用于自適應基于數據的函數模型的方法和按并列權利要求所述的一種設備、一種系統和一種計算機程序。

其它有利的設計方案在從屬權利要求中說明。

按照第一個方面，規定一種用于自適應基于數據的函數模型，尤其是高斯過程模型的方法，該方法包括下列步驟：

- 提供取樣部位數據，通過取樣部位數據來定義基于數據的函數模型且取樣部位數據包括帶各一個運行點和目標參量的一個配屬于該運行點的目標值的取樣部位數據點

- 提供測量點和在該測量點上檢測到的目標參量的值；

- 確定按照重要性函數具有最小的重要性的取樣部位數據點；以及

- 按照替換標準用測量點來替換確定的取樣部位數據點。

當有新的測量數據可供使用時，上述方法提供了一種可能性，以便自適應現有的基于數據的函數模型?；跀祿暮瘮的Ｐ陀绕淇梢员粯嬙斐筛咚惯^程模型以及通過超參數和一定量的取樣部位數據定義。基于數據的函數模型的函數值的計算在發動機控制器中通常在線地進行，而超參數和取樣部位數據則被事先計算以及在發動機控制器中的一個為此設置的存儲區域中被提供。

對許多應用領域來說，函數模型的在線自適應是必需的，以便確保有待運行的物理的系統的始終很高的效率。模型自適應的常見的應用在于在構件使用壽命期間修正構件公差或修正參數漂浮。