[發(fā)明專利]根據(jù)貝葉斯優(yōu)化方法確定物理或化學(xué)過程的魯棒最優(yōu)狀態(tài)的設(shè)備和方法

在審

• 申請?zhí)枺?/td>: 202010985585.2
• 申請日: 2020-09-18
• 公開（公告）號: CN112541297A
• 公開（公告）日: 2021-03-23
• 發(fā)明（設(shè)計）人: L·弗勒利希;E·克倫斯克;J·維諾格拉德思卡;M·蔡林格
• 申請（專利權(quán)）人: 羅伯特·博世有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G16C20/10;G16C20/50;G16C20/70;G06N7/00;G05B13/04;G05B13/02;G06F111/08
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 姬亞東;劉春元

本發(fā)明公開根據(jù)貝葉斯優(yōu)化方法確定物理或化學(xué)過程的魯棒最優(yōu)狀態(tài)的設(shè)備和方法，其中已知測量點中每個測量點具有物理或化學(xué)過程的輸入?yún)?shù)值和分配給輸入?yún)?shù)值的測量輸出參數(shù)值，其中第一統(tǒng)計模型描述物理或化學(xué)過程的輸入?yún)?shù)值與輸出參數(shù)值之間的關(guān)系，在方法中為第一統(tǒng)計模型確定第二統(tǒng)計模型，其中第二統(tǒng)計模型描述物理或化學(xué)過程的輸出參數(shù)值相對輸入?yún)?shù)值的變化的魯棒性，其中選擇新測量點使得物理或化學(xué)過程的由已知測量點描述的第一統(tǒng)計模型在新測量點處的熵與由已知測量點描述的第一統(tǒng)計模型在新測量點和第二統(tǒng)計模型的輸出參數(shù)在物理或化學(xué)過程的魯棒最優(yōu)狀態(tài)下的采取的最大值處的期望熵之差基本上最大或位于最大值的預(yù)定附近范圍內(nèi)。

技術(shù)領(lǐng)域

不同實施例普遍涉及一種用于根據(jù)貝葉斯優(yōu)化方法確定物理或化學(xué)過程的魯棒最優(yōu)狀態(tài)的設(shè)備和方法。

背景技術(shù)

在生產(chǎn)過程和加工過程中設(shè)定諸如過程溫度、過程時間、真空或氣體氣氛等的過程參數(shù)，以便獲得工件的期望特性，例如硬度、強(qiáng)度、導(dǎo)熱率、電導(dǎo)率等。可以通過基于模型的優(yōu)化方法（例如貝葉斯優(yōu)化方法）來確定所述過程參數(shù)。但是，過程參數(shù)可能遭受噪聲或干擾，使得所述過程參數(shù)可能偏離通過所述優(yōu)化方法確定的過程參數(shù)，并且因此所述工件的特性可能偏離期望的特性。因此，例如在生產(chǎn)過程和加工過程中需要確定魯棒最優(yōu)狀態(tài)，在該魯棒最優(yōu)狀態(tài)時所述工件具有所期望的特性。

可以使用不同的模型來確定在不同的物理或化學(xué)過程中材料的過程參數(shù)和/或與過程相關(guān)的特性，例如硬度、電導(dǎo)率、密度、微觀結(jié)構(gòu)、宏觀結(jié)構(gòu)、化學(xué)成分等，以便獲得期望的過程結(jié)果，其中所述過程參數(shù)或與過程相關(guān)的特性可能與用于設(shè)定（例如優(yōu)化）相應(yīng)過程的值偏離。因此，可能有必要提供一種能夠確定考慮到這些偏差的魯棒最優(yōu)狀態(tài)的模型。

在Nogueira等人的“Unscented Bayesian Optimization for Safe RobotGrasping（用于安全機(jī)器人抓取的無跡貝葉斯最優(yōu)化）”（arXiv：1603.02038，2016）中，描述了一種用于確定魯棒最優(yōu)狀態(tài)的方法，其中使用關(guān)于噪聲的期望值確定魯棒性標(biāo)準(zhǔn)。

在Beland等人的“Bayesian Optimization Under Uncertainty（不確定性下的貝葉斯優(yōu)化）”，Conference on Neural Information Processing Systems，2017年，中描述了一種用于確定魯棒最優(yōu)狀態(tài)的方法，其中魯棒性標(biāo)準(zhǔn)通過高斯過程回歸確定。

在Bogunovic等人的“Adversarially Bayesian Optimization with GaussianProcesses（具有高斯過程的對抗性貝葉斯優(yōu)化）”，Conference on Neural InformationProcessing Systems，2018年，中描述了一種確定魯棒最優(yōu)狀態(tài)的方法。

發(fā)明內(nèi)容

具有獨(dú)立權(quán)利要求1（第一示例）和權(quán)利要求5（第二十四示例）的特征的方法和設(shè)備使得可以通過模型根據(jù)輸入?yún)?shù)的偏差來確定過程窗口。

統(tǒng)計模型可以是描述物理或化學(xué)過程的輸入?yún)?shù)和輸出參數(shù)之間的關(guān)系并考慮概率分布的任何類型的數(shù)學(xué)表示。

該方法還可以具有：測量分配給新測量點的輸入?yún)?shù)值的輸出參數(shù)值。該方法可以具有使用所述新測量點來適配第一統(tǒng)計模型，其中，適配的第一統(tǒng)計模型可以描述已知測量點和新測量點處的物理或化學(xué)過程，并且該方法還可以具有確定適配的第一統(tǒng)計模型的魯棒最優(yōu)狀態(tài)。這具有以下優(yōu)點：可以確定一個或多個過程參數(shù)，對于這些過程參數(shù)而言，物理或化學(xué)過程對于過程參數(shù)的干擾或噪聲是魯棒的。在本段中描述的特征與第一示例結(jié)合形成第二示例。

確定所述第一統(tǒng)計模型的魯棒最優(yōu)狀態(tài)可以具有為所述適配的第一統(tǒng)計模型確定適配的第二統(tǒng)計模型，并且可以具有確定所述適配的第二統(tǒng)計模型的全局最大值，其中所述第二統(tǒng)計模型的全局最大值的輸入?yún)?shù)值對應(yīng)于所述第一統(tǒng)計模型的魯棒最優(yōu)狀態(tài)的輸入?yún)?shù)值。本段中描述的特征與第二示例結(jié)合形成第三示例。