-
Technisches Gebiet
-
Die Erfindung betrifft mathematische Modelle zur Nachbildung des Verhaltens von technischen Systemen, und insbesondere ein Verfahren zum Erstellen eines derartigen Systemmodells. Weiterhin betrifft die vorliegende Erfindung eine Modellstruktur zur Anpassung eines derartigen Systemmodells an das dynamische Verhalten von verschiedenartigen technischen Systemen.
-
Technischer Hintergrund
-
Die Modellierung von technischen Systemen erfordert in der Regel das Berücksichtigen von dynamischen Prozessen. Wird für die Systemmodellierung ein einfaches datenbasiertes Modell, wie beispielsweise ein Gauß-Prozess-Modell oder dergleichen, verwendet, so ist die Modellierung des dynamischen Verhaltens durch Berücksichtigung von historischen Werten der Eingangsgrößen und/oder Ausgangsgrößen möglich. Bei den für technische Systeme üblichen hohen Abtastraten und gegebenenfalls verwendeten Zeitkonstanten, wie es beispielsweise bei Temperatursignalen der Fall sein kann, müssten in einem solchen System Zeitreihen mit hoher Dimensionalität als Eingangsgrößen für das Systemmodell berücksichtigt werden. Dies führt zu sehr komplexen Systemmodellen, und insbesondere bei datenbasierten Modellen zu aufwendigen und langwierigen Trainingsphasen.
-
Diesbezüglich ist beispielsweise in der Druckschrift
DE 10 2017 213 510 A1 vorgesehen, aus den Zeitreihen der Eingangssignale nur eine Teilmenge der verfügbaren Werte der Eingangssignale zu verwenden, wobei die Teilmenge derart ausgewählt wird, dass deren Werte in einem vorgebbaren äquidistanten Auswahlraster innerhalb des vorgegebenen Zeitintervalls liegen.
-
Offenbarung der Erfindung
-
Erfindungsgemäß sind ein Verfahren zum Erstellen oder Konfigurieren eines Systemmodells, insbesondere zur mathematischen Abbildung des Verhaltens eines technischen Systems gemäß Anspruch 1 sowie eine entsprechende Vorrichtung und ein Verfahren zum Emulieren eines Ausgangssignals eines technischen Systems gemäß den nebengeordneten Ansprüchen vorgesehen.
-
Weitere Ausgestaltungen sind in den abhängigen Ansprüchen angegeben.
-
Gemäß einem ersten Aspekt ist ein computerimplementiertes Verfahren zum Erstellen oder Konfigurieren eines Systemmodells, insbesondere zur mathematischen Abbildung des physikalischen Verhaltens eines technischen Systems, vorgesehen, mit folgenden Schritten:
- - Bereitstellen eines Systemmodells zur Verarbeitung mindestens einer Eingangsgrößenzeitreihe mithilfe eines insbesondere datenbasierten Modells und zur Ausgabe mindestens einer Ausgangsgrößenzeitreihe, wobei das Systemmodell für die mindestens eine Eingangsgrößenzeitreihe jeweilig einen konfigurierbaren Tiefpassfilter und ein konfigurierbares Auswahlelement zur Vorverarbeitung der mindestens einen Eingangsgrößenzeitreihe umfasst, wobei der konfigurierbare Tiefpassfilter und das konfigurierbare Auswahlelement mithilfe von entsprechenden Modifikationsparametern konfigurierbar sind,
- - Ermittlung der Modifikationsparameter mithilfe eines multivariaten Optimierungsverfahrens, insbesondere mithilfe eines evolutionären Algorithmus.
-
Es kann vorgesehen sein, dass die mindestens eine Ausgangsgrößenzeitreihe auf den Eingang des Systemmodells rückgekoppelt ist, wobei das Systemmodell weiterhin für die mindestens eine Ausgangsgrößenzeitreihe jeweilig einen konfigurierbaren weiteren Tiefpassfilter und ein konfigurierbares weiteres Auswahlelement zur Vorverarbeitung der mindestens einen Ausgangsgrößenzeitreihe umfasst, wobei der konfigurierbare weitere Tiefpassfilter und das konfigurierbare weitere Auswahlelement mithilfe von entsprechenden Modifikationsparametern konfigurierbar sind.
-
Das obige Verfahren geht von einer Architektur eines Systemmodells aus, bei dem ein trainierbares datenbasiertes bzw. ein parametrisierbares lineares oder nicht-lineares Modell in einer konfigurierbaren NARX-Struktur (Nonlinear AutoRegressive Exogenous) eingebettet ist. Diese sieht vor, dass eine Zeitreihe von mindestens einer Eingangsgröße und eine Zeitreihe von mindestens einer Ausgangsgröße diskretisiert als Eingang des insbesondere datenbasierten Modells zur Verfügung gestellt werden. Die Zeitreihen werden durch eine Auswahl einer Teilmenge der Werte der entsprechenden Zeitreihe innerhalb eines Auswertungsintervalls mit einem Auswahlraster ausgewählt und dem insbesondere datenbasierten Modell bereitgestellt. Das Systemmodell wird zeitschrittweise ausgebildet, so dass die mindestens eine Eingangsgröße zu einem Zeitschritt die mindestens eine Ausgangsgröße für diesen Zeitschritt ausgegeben wird.
-
Das obige Verfahren basiert auf einer Architektur, bei der die mindestens eine Eingangsgrößenzeitreihe und/oder die mindestens eine Ausgangsgrößenzeitreihe tiefpassgefiltert werden, insbesondere mit einem diskreten Tiefpassfilter, bevor diese der konfigurierbaren NARX-Struktur zugeführt werden. Dadurch kann das Prädiktionsverhalten insbesondere von sich langsam ändernden Eingangsgrößen oder Ausgangsgrößen verbessert werden, insbesondere für den Fall, dass sich die Eingangsgröße nicht ändert, aber sich die Ausgangsgröße aufgrund des dynamischen Verhaltens des technischen Systems noch ändert.
-
Gemäß einer Ausführungsform können die Modifikationsparameter mindestens einen Auswahlparameter beinhalten und eine Auswahl angeben, welche der Werte der mindestens einen Eingangsgrößenzeitreihe und/oder der mindestens einen Ausgangsgrößenzeitreihe in dem datenbasierten Modell berücksichtigt werden und zum Anderen mindestens einen Filterparameter beinhalten und angeben, wie das Tiefpassfilter die mindestens eine Eingangsgrößenzeitreihe und/oder die mindestens eine Ausgangsgrößenzeitreihe filtert und/oder verzögert.
-
Insbesondere können die Auswahlparameter für die mindestens eine Eingangsgrößenzeitreihe und/oder die mindestens eine Ausgangsgrößenzeitreihe eine Anzahl der aus der Eingangsgrößenzeitreihe/ Ausgangsgrößenzeitreihe zu berücksichtigenden Werte, einen Offset zur Angabe der bezogen auf den aktuellen Zeitschritt jüngste Wert der Eingangsgrößenzeitreihe/ Ausgangsgrößenzeitreihe, der zu berücksichtigen ist, sowie einen Abstand der Anzahl der berücksichtigten Werte der Eingangsgrößenzeitreihe/ Ausgangsgrößenzeitreihe angeben.
-
Gemäß einer Ausführungsform kann der mindestens eine Filterparameter für die mindestens eine Eingangsgrößenzeitreihe und/oder die mindestens eine Ausgangsgrößenzeitreihe eine Zeitkonstante für den entsprechenden Tiefpassfilter angeben.
-
Die Konfiguration des Systemmodells erfolgt somit durch Modifikationsparameter, die zum Einen mindestens einen Auswahlparameter beinhalten und eine Auswahl angeben, welche der Werte der mindestens einen Eingangsgrößenzeitreihe und/oder der mindestens einen Ausgangsgrößenzeitreihe in dem datenbasierten Modell berücksichtigt werden und zum Anderen mindestens einen Filterparameter beinhalten und angeben, wie das Tiefpassfilter die mindestens eine Eingangsgrößenzeitreihe und/oder die mindestens eine Ausgangsgrößenzeitreihe filtert und/oder verzögert.
-
Insbesondere kann für mindestens einen Teil der mindestens einen Eingangsgrößenzeitreihe und/oder mindestens einen Teil der mindestens einen Ausgangsgrößenzeitreihe ein Modifikationsparametersatz von mehreren Modifikationsparametern vorgesehen werden.
-
Die Auswahlparameter für die mindestens eine Eingangsgrößenzeitreihe können die Anzahl der aus der Eingangsgrößenzeitreihe berücksichtigten Werte, der bezogen auf den aktuellen Zeitschritt jüngste Wert der Eingangsgrößenzeitreihe, der zu berücksichtigen ist, sowie einen Abstand der Anzahl der berücksichtigten Werte der Eingangsgrößenzeitreihe umfassen. Der mindestens eine Filterparameter kann als Zeitkonstante für die Tiefpassfilterung interpretiert angegeben werden.
-
Zur Erstellung des Systemmodells können die Modifikationsparameter für die mindestens eine Eingangsgrößenzeitreihe und/oder für die mindestens eine Ausgangsgrößenzeitreihe nun basierend auf einem multivariaten Optimierungsverfahren optimiert werden, beispielsweise mithilfe evolutionärer Algorithmen. Dazu kann ausgehend von mehreren Datensätzen von Modifikationsparametern und ausgehend von mindestens einem vorgegebenen Trainingsdatensatz, die das Verhalten des technischen Systems, das durch das Systemmodell abgebildet werden soll, charakterisieren, eine Optimierung der Modifikationsparameter vorgenommen werden.
-
Der mindestens eine Trainingsdatensatz ergibt sich aus einer Vermessung eines zu modellierenden realen technischen Systems, wobei die mindestens eine Eingangsgrößenzeitreihe und die mindestens eine Ausgangsgrößenzeitreihe erfasst wird, die die Trainingsdaten bilden. Die zeitliche Länge der mindestens einen Eingangsgrößenzeitreihe bzw. der mindestens einen Ausgangsgrößenzeitreihe ist frei wählbar sollte jedoch eine ausreichende hohe Anzahl von z.B. mehr als 1000 Zeitschritten betragen.
-
Für das Bestimmen der Modifikationsparameter durch das Optimierungsverfahren wird für die mehreren Datensätze an Modifikationsparametern das datenbasierte Modell entsprechend den Trainingsdatensätzen trainiert, insbesondere mit vergleichbaren Trainingsparametern, wie beispielsweise Trainingsdauer, Anzahl von Trainingszyklen und dergleichen, und anschließend die Güte des so erstellten Systemmodells im Vergleich zu dem mindestens einen Trainingsdatensatz oder entsprechenden gleichartigen Validierungsdatensätzen analysiert. Die Güte kann beispielsweise der (akkumulierte oder aggregierte) Fehler zwischen der modellierten Ausgangsgrößenzeitreihe und der Ausgangsgrößenzeitreihe des mindestens einen Trainingsdatensatz (bzw. Validierungsdatensatz) sein, der z.B. anhand eines Least-Square-Algorithmus ermittelt wird.
-
Durch das multivariate Optimierungsverfahren werden die Modifikationsparameter so gewählt, dass die Güte des dadurch konfigurierten Systemmodells möglichst gut wird.
-
Wird das Optimierungsverfahren als ein evolutionärer Optimierungsalgorithmus implementiert, können einzelne Modifikationsparameter von Datensätzen mit einer hohen Güte ausgetauscht oder modifiziert werden, und die Güte erneut bestimmt und bewertet werden, um so die Datensätze von Modifikationsparametern zu optimieren.
-
Weiterhin können einer der Modifikationsparameter für den Tiefpassfilter und einer der Modifikationsparameter für das Auswahlelement identisch sein oder voneinander abgeleitet werden.
-
Es kann vorgesehen sein, dass das Optimierungsverfahren die Modifikationsparameter für die mindestens eine Eingangsgrößenzeitreihe und/oder die mindestens eine Ausgangsgrößenzeitreihe durch Maximierung einer Güte der Modellierung des technischen Systems und insbesondere durch Minimierung der Dimension eines Eingangsgrößenpunkts eingangsseitig des datenbasierten Modells bestimmt, wobei die Güte die Abweichung zwischen der Modellausgabe des Systemmodells und Trainingsdaten oder Validierungsdaten, insbesondere in Form eines Abstandsmaßes, angibt.
-
Das datenbasierte Modell kann ein künstliches neuronales Netz oder ein Gaußprozessmodell umfassen. Alternativ kann das Modell auch ein lineares oder nicht-lineares Modell sein.
-
Gemäß einem weiteren Aspekt ist eine Vorrichtung zum Erstellen oder Konfigurieren eines Systemmodells, insbesondere zur mathematischen Abbildung des physikalischen Verhaltens eines technischen Systems, vorgesehen, wobei die Vorrichtung ausgebildet ist zum:
- - Ermitteln der Modifikationsparameter für ein Systemmodell mithilfe eines multivariaten Optimierungsverfahrens, insbesondere mithilfe eines evolutionären Algorithmus, wobei das Systemmodell zur Verarbeitung mindestens einer Eingangsgrößenzeitreihe mithilfe eines datenbasierten Modells und zur Ausgabe mindestens einer Ausgangsgrößenzeitreihe ausgebildet ist, wobei das Systemmodell für die mindestens eine Eingangsgrößenzeitreihe jeweilig einen konfigurierbaren Tiefpassfilter und ein konfigurierbares Auswahlelement zur Vorverarbeitung der mindestens einen Eingangsgrößenzeitreihe umfasst, wobei der konfigurierbare Tiefpassfilter und das konfigurierbare Auswahlelement mithilfe von entsprechenden Modifikationsparametern konfigurierbar sind;
- - Bereitstellen der Modifikationsparameter an das Systemmodell zur Verwendung in einem System.
-
Gemäß einem weiteren Aspekt ist ein Verfahren zum Emulieren eines Ausgangssignals eines technischen Systems basierend auf einem Systemmodell vorgesehen, das entsprechend einem der obigen Verfahren konfiguriert ist.
-
Figurenliste
-
Ausführungsformen werden nachfolgend anhand der beigefügten Zeichnungen näher erläutert. Es zeigen:
- 1 eine schematische Darstellung der Architektur eines Systemmodells; und
- 2 ein Flussdiagramm zur Veranschaulichung eines Verfahrens zum Parametrisieren des Systemmodells abhängig von Trainingsdaten, die ein physikalisches Verhalten des technischen Systems charakterisieren.
-
Beschreibung von Ausführungsformen
-
1 zeigt schematisch eine Architektur eines Systemmodells 1 mit einer NARX-Struktur für ein datenbasiertes Modell beispielhaft für eine Eingangsgröße x(t). Anstelle einer Eingangsgröße können auch mehrere Eingangsgrößen in vergleichbarer Weise berücksichtigt werden. Die Eingangsgröße wird als Zeitreihe von Eingangsgrößenwerten x0, ..., xt-2, xt-1, xt kontinuierlich bereitgestellt.
-
Das Systemmodell generiert eine Ausgangsgröße Y, die analog als Zeitreihe von Ausgangsgrößenwerten Y0, ..., Yt-2, Yt-1, Yt kontinuierlich ausgegeben wird.
-
Das Systemmodell 1 dient dazu, das physikalische Verhalten eines realen technischen Systems mathematisch nachzubilden. Beispielsweise kann das technische System einen Verbrennungsmotor umfassen, wobei die Eingangsgröße einer Stellung eines Fahrpedals und die Ausgangsgröße einer NOx-Konzentration im Verbrennungsabgas entsprechen kann.
-
Andere reale technische Systeme können ebenfalls durch das Systemmodell modelliert werden, wie aus der nachfolgenden Tabelle besser ersichtlich.
| Technisches System | Eingangsgrößen | Ausgangsgrößen |
| Verbrennungsmotor | - Drehzahl | - CO-Menge |
| - Last | - CO2-Menge |
| - Luft-Kraftstoffverhältnis | - HC-Menge |
| (Lambdawert) | - O2-Menge |
| - Zündwinkel | - NOx-Menge |
| - Öltemperatur | - Partikelkonzentration |
| - Anzahl an abgeschalteten | - Abgastemperatur |
| Zylindern | - Abgasmassenstrom |
| Brennstoffzelle | - Stack-Strom | - Durchschnittliche |
| - Wasserstoffkonzentration | Zellenspannung |
| - Anodenstöchiometrie | - Anodendruckabfall |
| - Kathodenstöchiometrie | - Kathodendruckabfall |
| - Kühlmittelvolumenstrom | - Kühlmitteldruckabfall |
| - Anodenauslassdruck | - Kühlmitteltemperatur- |
| - Kathodenauslassdruck | anstieg |
| - Kühlmitteleinlasstemperatur | |
| - Anodeneinlass-Taupunkttemperatur | |
| - Kathodeneinlass-Taupunkttemperatur | |
| Wärmepumpe | - kalendarische Zeitangabe | - Energiezufuhr |
| - Außentemperatur | |
| - Solarzellenleistung | |
| | - Tagesenergieeintrag | |
| - Solarenergietageseintrag | |
| Batterie | - Batteriestrom | Batteriespannung |
| - Ladezustand | |
-
Für die obigen technischen Systeme können auch nur Teilmengen der Eingangsgrößen x und/oder der Ausgangsgrößen Y verwendet werden.
-
Die Eingangsgröße x wird zunächst einem zeitdiskreten Tiefpassfilter 2 zugeführt, der in Form eines diskreten PT1-Glieds ausgebildet sein kann.
-
Am Ausgang des zeitdiskreten Tiefpassfilters 2 wird eine gefilterte Eingangsgrößenzeitreihe xf(t) ausgegeben, die in einem Schieberegister 3 zwischengespeichert wird. Das Schieberegister 3 weist eine Größe auf, die für das nachfolgend beschriebene Verfahren, d. h. für verschiedene Parametrierungen durch Modifikationsparameter, ausreichend groß ist. Beispielsweise kann das Schieberegister 3 zwischen 50 und 500 Eingangsgrößenwerte der Eingangsgrößenzeitreihe x zwischenspeichern.
-
Das Verhalten des zeitdiskreten Tiefpassfilters 2 als PT1-Glied wird diskret gemäß folgender Formel berechnet, wobei das in das Schieberegister 3 einzuspeichernde xf
t als aktueller gefilterter Eingangsgrößenwert der gefilterten Eingangsgrößenzeitreihe xf(t) sich aus dem vorangegangenen gefilterten Eingangsgrößenwert xf
t-1 und dem ungefiltert bereitgestellten Eingangsgrößenwert x
t ergibt.
α entspricht einem Filterfaktor, wobei bei α = 0,5 der neue gefilterte Eingangsgrößenwert xƒ
t je zur Hälfte aus dem zuletzt in dem letzten Zeitschritt ermittelten gefilterte Eingangsgrößenwert xf
t-1 und aktuellen neuen ungefilterten Eingangsgrößenwert x
t berechnet. Bei α = 1 wird nicht gefiltert, und bei α = 0 wird die Eingangsgröße x
t nicht berücksichtigt. Durch den Tiefpassfilter 2 wird die Eingangsgrößenzeitreihe geglättet und verzögert und die so gefilterten Eingangsgrößenwerte in dem Schieberegister 3 abgespeichert. Die Funktion des Tiefpassfilters wird durch Vorgabe des Filterparameters α variabel festgelegt.
-
Weiterhin werden in einem Auswahlelement 4 abhängig von Auswahlparametern diejenigen Eingangsgrößenwerte x0, ..., xt-2, xt-1, xt aus dem Schieberegister 3 ausgewählt, die in einem nachfolgenden datenbasierten Modell berücksichtigt werden sollen. Die Auswahl erfolgt in dem Auswahlelement 4, das die Auswahlparameter in eine entsprechende Auswahl der zwischengespeicherten Eingangsgrößenwerte x0, ..., xt-2, xt-1, xt umsetzt.
-
Die Auswahlparameter können umfassen:
- - eine Werteanzahl n, die die Anzahl der aus der Eingangsgrößenzeitreihe insgesamt in dem datenbasierten Modell zu berücksichtigenden Werte angibt,
- - einem Offset O, der die Anzahl der Zeitschritte in die Vergangenheit angibt, bis zu dem Eingangsgrößenwerte berücksichtigt werden sollen, d.h. den Index des jüngsten zurückliegenden Werts der Eingangsgrößenzeitreihe, und
- - einen Rasterwert δ, der die zeitlichen Abstände der Zeitschritte der auszuwählenden Eingangsgrößenwerten angibt.
-
Somit lassen sich für die Eingangsgröße mithilfe der Auswahlparameter aus der Eingangsgrößenzeitreihe x0, ..., xt-2, xt-1, xt geeignete zeitlich zueinander versetzte Eingangsgrößenwerte auswählen, die als Teil der Elemente eines Eingangsgrößenpunkt für das nachgelagerte datenbasierte Modell 5 verwendet werden sollen.
-
Somit lässt sich mithilfe der Modifikationsparameter die Dimensionalität des Beitrags der Eingangsgrößenzeitreihe für das datenbasierte Modell 5 bezüglich der betreffenden Eingangsgröße x bestimmen.
-
Zusätzlich kann der Eingangsgrößenpunkt auch gefilterte Ausgangsgrößenwerte der Ausgangsgrößenzeitreihe beinhalten. Dazu wird die Ausgangsgrößenzeitreihe auf die Eingangsseite des datenbasierten Modells 5 rückgekoppelt. Diese kann in einer der Eingangsgrößenzeitreihe entsprechenden Weise verarbeitet werden.
-
Somit wird die Ausgangsgrößenzeitreihe mithilfe eines weiteren Tiefpassfilters 12 gefiltert und anschließend die gefilterte Ausgangsgrößenzeitreihe einem weiteren Schieberegister 13 zugeführt, um die Ausgangsgrößenwerte zwischenzuspeichern. Mithilfe eines weiteren Auswahlelements 14 können dann die entsprechenden Ausgangsgrößenwerte für den Eingangsgrößenpunkt des datenbasierten Modells 5 ausgewählt werden.
-
Der weitere Tiefpassfilter 12, das weitere Schieberegister 13 und das weitere Auswahlelement 14 entsprechen dem Tiefpassfilter 2, dem Schieberegister 3 und dem Auswahlelement 4 und können durch entsprechende Modifikationsparameter (Auswahlparameter und Filterparameter) konfiguriert werden.
-
Das datenbasierte Modell 5 kann ein trainierbares datenbasiertes Modell sein, wie beispielsweise ein Gauß-Prozess-Modell, ein neuronales Netz oder dergleichen. Das datenbasiertes Modell 5 erhält einen Eingangsgrößenpunkt zur Auswertung und gibt mindestens eine Ausgangsgröße aus. Die Modifikationsparameter bestimmen die Dimensionalität des Eingangsgrößenpunkts, so dass das Datenbasierte Modell entsprechend daran angepasst ist.
-
Die oben beschriebene Modellstruktur ermöglicht es, das Systemmodell 1 durch Vorgabe der Modifikationsparameter für jede Eingangsgröße und jede der Ausgangsgrößen zu konfigurieren, so dass die Modellierung des zugrundeliegenden technischen Systems optimiert ist. Die Modifikationsparameter für jede der mindestens einen Eingangsgrößenzeitreihe und für die mindestens eine Ausgangsgrößenzeitreihe bestimmen somit die Architektur des Systemmodells 1 und können durch eine Parametervorgabeeinheit 10 bestimmt werden.
-
Die Auswahl der Eingangsgrößenwerte und der Ausgangsgrößenwerte erfolgt über deren Indexwert T, der den in der Vergangenheit liegenden Zeitschritt des zu berücksichtigenden Werts angibt. Der Indexwert ergibt sich entsprechend der Modifikationsparameter n, O und δ mit der Vorschrift
mit t:= aktueller Zeitschritt
-
In einer Ausführungsform kann der Modifikationsparameter (Filterparameter) α des Tiefpassfilters als Kehrwert des Modifikationsparameter δ angenommen oder als separater Modifikationsparameter bestimmt werden.
-
Weiterhin kann optional zumindest eine der Eingangsgrößen und/oder zumindest eine der Ausgangsgrößen auch mehrfach mithilfe der Struktur aus einem (weiteren) Tiefpassfilter 2, 12, eines (weiteren) Schieberegisters 3, 13 und eines (weiteren) Auswahlelements 4, 14 mithilfe der entsprechenden Modifikationsparameter in den Eingangsdatenpunkt des datenbasierten Modells eingehen.
-
Statt eines rekursiven Tiefpassfilters können auch andere Filterarten verwendet werden, wie z. B. ein Vorwärtsfilter, der einen gleitenden Mittelwert bereitstellt, bei dem sich der gefilterte Eingangsgrößenwert aus einer durch die Zeitkonstante ergebenden Anzahl von letzten Zeitschritten berechnet, wie beispielsweise:
-
Auch ein solcher Filter erfüllt die Funktion des Glättens und des Bereitstellens einer Phasenverschiebung, die größer ist als die Phasenverschiebung, die mit dem PT1 - Filer erreicht werden kann.
-
Somit stehen für jede der mindestens einen Eingangsgröße und gegebenenfalls für die mindestens eine rückgekoppelte Ausgangsgröße, die den Eingangsgrößenpunkt des datenbasierten Modells definieren, Modifikationsparameter für die Optimierung zur Verfügung.
-
In 2 ist ein Flussdiagramm zur Veranschaulichung des Verfahrens zur Optimierung der Architektur des Systemmodells 1 ausführlicher beschrieben. Das Verfahren wird als Hardware oder Software auf einem herkömmlichen Computersystem implementiert.
-
In Schritt S1 werden zunächst Trainingsdaten bereitgestellt, die das Verhalten des zu modellierenden technischen Systems 1 beschreiben. Zur Erfassung eines Trainingsdatensatzes werden Zeitreihen von einer oder mehreren Eingangsgrößen erfasst und diesen eine entsprechende Zeitreihen einer Ausgangsgröße zugeordnet.
-
Ziel des nachfolgenden Optimierungsverfahren ist das Konfigurieren des Systemmodells 1 mithilfe eines Parametersatzes aus Modifikationsparametern für die Berücksichtigung und Vorverarbeitung der mindestens einen Eingangsgrößenzeitreihe und der mindestens einen Ausgangsgrößenzeitreihe.
-
Das Optimierungsverfahren muss dazu die Modifikationsparameter in einer multivariaten Optimierung bestimmen und zur Nutzung des Systemmodells 1 der Parametervorgabeeinheit bereitstellen.
-
Dazu werden in Schritt S2 durch Zufallsauswahl oder Vorgaben eine Vielzahl von Parametersätzen aus Modifikationsparametern erstellt.
-
Anschließend wird in Schritt S3 für jeden Parametersatz ein Training des datenbasierten Modells 5 des Systemmodells 1 mit den Trainingsdaten durchgeführt, wobei die entsprechenden Trainingsdaten entsprechend des Tiefpassfilters und des Auswahlelements verarbeitet werden.
-
Die so trainierten und konfigurierte Systemmodelle 1 werden in Schritt S4 hinsichtlich ihrer Modellausgabe bewertet. Die Bewertung kann mit den Trainingsdatensätzen oder mit zusätzlichen Validierungsdatensätzen gleichen Formats erfolgen.
-
Die Bewertung der Güte kann mit einem Gütemaß erfolgen, das als Abstandsmaß, insbesondere als euklidisches Abstandsmaß über die betrachteten Zeitschritte, zwischen der Zeitreihe der Ausgangsgröße, die sich aus der Eingangsgrößenzeitreihe der Trainingsdaten/Validierungsdaten (reale Daten) und der Zeitreihe der Modellausgabe des Systemmodells 1 ergibt.
-
Ein weiterer Aspekt des Gütemaßes kann auch die Anzahl n der zu berücksichtigenden Werte jeder Eingangsgröße bzw. gegebenenfalls jeder Ausgangsgröße beinhalten. Dies ermöglicht es, auch dahingehend zu optimieren, dass die Dimensionalität des Eingangsgrößenpunktes für das datenbasierte Modell 5 möglichst reduziert wird.
-
In Schritt S5 kann der Parametersatz mit der höchsten Güte gespeichert werden.
-
In Schritt S6 wird überprüft, ob die erreichte Güte einer Abbruchbedingung genügt. Ist dies der Fall (Alternative: Ja), wird das Verfahren beendet und in Schritt S7 die Modifikationsparameter des gespeicherten Parametersatzes in die Parametervorgabeeinheit 10 gespeichert und das datenbasierte Modell 5 mit den Modellparametern, die sich für diese Modifikationsparameter ergeben haben, implementiert. Andernfalls (Alternative: Nein) wird das Verfahren mit Schritt S8 fortgesetzt.
-
In Schritt S8 werden entsprechend den an sich bekannten Verfahren von evolutionären Algorithmen durch Kreuzung und Mutationsoperationen aus den Parametersätzen mit den höchsten Gütemaßen neue Parametersätze generiert und das Optimierungsverfahren mit Rücksprung zu Schritt S2 fortgesetzt.
-
Das Optimierungsverfahren optimiert die Konfiguration des Systemmodells durch eine Bestimmung der mehreren Modifikationsparameter, so dass die Lösung des Optimierungsverfahrens üblicherweise als Pareto Front angegeben wird. Als mögliches Optimierungsverfahren kommt hier beispielsweise ein evolutionärer Algorithmus (genetischer Algorithmus), wie z. B. NSGA-II, zur Anwendung. Die Optimierung hat somit das Ziel, die Modifikationsparameter zu bestimmen, wodurch die historischen Werte der Eingangsgrößenzeitreihen bzw. Ausgangsgrößenzeitreihen zur Berücksichtigung durch das datenbasierte Modell 5 ausgewählt werden sollen, um ein qualitativ gutes Systemmodell zur Abbildung des dynamischen Verhaltens des zugrundeliegenden technischen Systems zu erhalten.
-
Durch die Parametrierung der Auswahl der geeigneten zeitlichen Bezüge der Eingangsgrößenwerte/Ausgangsgrößenwerte zueinander mithilfe der Modifikationsparameter kann das Optimierungsverfahren deutlich vereinfacht werden, so dass die Suche nach einer geeigneten Konfiguration des Systemmodells 1 erheblich erleichtert wird. Die Suche nach einer optimalen Lösung kann somit schneller erfolgen.
-
Das obige Verfahren zum Erstellen eines geeigneten Systemmodells für die Abbildung des Verhaltens eines technischen Systems kann auf vielfältige technische Systeme angewendet werden. Insbesondere kann das Systemmodell als virtueller Sensor oder als Beobachter in einer Regelung angewendet werden, um einen Erwartungswert eines technischen Systems vorausschauend zu berücksichtigen.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- DE 102017213510 A1 [0003]
