[發(fā)明專利]求得被測變量的時間曲線的方法、預(yù)測系統(tǒng)、致動器控制系統(tǒng)、訓(xùn)練致動器控制系統(tǒng)的方法、訓(xùn)練系統(tǒng)、計算機程序和機器可讀的存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201980010792.1
• 申請日: 2019-01-28
• 公開（公告）號: CN111971628A
• 公開（公告）日: 2020-11-20
• 發(fā)明（設(shè)計）人: 阮東·德義;克里斯廷·丹尼爾;塞巴斯蒂安·特里姆佩;馬丁·希格;安德烈亞斯·多爾
• 申請（專利權(quán)）人: 羅伯特·博世有限公司;馬克斯·普朗克科學(xué)促進協(xié)會
• 主分類號: G05B17/02
• 分類號: G05B17/02;G06N20/00
• 代理公司: 北京科龍寰宇知識產(chǎn)權(quán)代理有限責(zé)任公司 11139
• 代理人: 孫皓晨

一種求得可被致動器(20)調(diào)節(jié)的被測變量(y)的時間曲線的方法，其中對所述致動器(20)施加某個控制變量(u)的時間曲線，其中所述求得是借助所述致動器(20)的特性的高斯過程狀態(tài)模型來實施，其中根據(jù)可參數(shù)化的函數(shù)族(q(x_1:T,f_2:T,z))來求得所述致動器(20)的被測變量(y)的時間曲線，其中在所述可參數(shù)化的函數(shù)族(q(x_1:T,f_2:T,z))中，所述致動器(20)的特別是用過渡函數(shù)(f_t)求得的下一潛在狀態(tài)(x_t)與所述致動器(20)的前一潛在狀態(tài)(x_t?1)以及與所述致動器(20)的前一控制變量(u_t?1)的時間關(guān)聯(lián)，等于所述高斯過程狀態(tài)模型的相應(yīng)關(guān)聯(lián)。

背景技術(shù)

Roger Frigola、Yutian Chan和Carl E.Rasmussen所著《Variational GaussianProcess State-Space Models》(變分高斯過程狀態(tài)空間模型，arXiv preprint arXiv:1406.4905v2,2014)揭示一種借助稀疏高斯過程(英語：sparse Gaussian processes)來變分貝葉斯學(xué)習(xí)非線性狀態(tài)空間模型(英語：state-space model)的方法。

Thomas F.W.Nicholson、Marc Peter Deisenroth和James Hensman所著《Identification of Gaussian Process State Space Models》(高斯過程狀態(tài)空間模型的識別，arXiv preprint arXiv:1705.10888v2,2017)以及Andreas Svensson和Thomas B.所著《A flexible state space model for leaming nonlinear dynamicalSystems》(學(xué)習(xí)非線性動力學(xué)系統(tǒng)的柔性狀態(tài)空間模型，arXiv preprint arXiv:1603.05486v2,2017)揭示了學(xué)習(xí)狀態(tài)空間模型的其他方法。

本發(fā)明的優(yōu)點

與此相比，具有獨立權(quán)利要求1的特征的方法的優(yōu)點在于：一種特別有效且可靠的方法，即使在高維潛在狀態(tài)空間下也能學(xué)習(xí)非線性狀態(tài)空間模型。

有利改進方案參閱獨立權(quán)利要求。

發(fā)明內(nèi)容

在第一方面中，本發(fā)明涉及一種求得可被致動器調(diào)節(jié)的被測變量y的時間曲線的方法，其中對該致動器施加某個控制變量u的時間曲線。

借助高斯過程狀態(tài)模型(英語：Gaussian process state space model，簡稱GP-SSM)來求得，該高斯過程狀態(tài)模型描述致動器的特性。根據(jù)可參數(shù)化的函數(shù)族q(x_1:T,f_2:T,z)來求得致動器的控制變量。

狀態(tài)空間模型，也稱狀態(tài)模型，是在過渡模型f和過程噪聲(英語：process noise)ε_x下借助潛在變量x來描述系統(tǒng)的特性。根據(jù)潛在變量x，借助具有測量噪聲εy的觀察函數(shù)g來求得被測變量y借助下標“t”通常就能描述時間變化，在此情況下，狀態(tài)空間模型通過以下方式而產(chǎn)生，

用高斯過程就能通過函數(shù)來展示分布。從而將關(guān)于系統(tǒng)特性的先驗假設(shè)考慮在內(nèi)。針對一組觀察X＝[x₁,...,x_N]，將對應(yīng)的函數(shù)值f＝[f(x₁),...,f(x_N)]作為共同高斯分布，亦即