WO2009138429A2 - Verfahren und vorrichtung zur bestimmung von parametern zur steuerung eines technischen systems - Google Patents

Verfahren und vorrichtung zur bestimmung von parametern zur steuerung eines technischen systems Download PDF

Info

Publication number
WO2009138429A2
WO2009138429A2 PCT/EP2009/055778 EP2009055778W WO2009138429A2 WO 2009138429 A2 WO2009138429 A2 WO 2009138429A2 EP 2009055778 W EP2009055778 W EP 2009055778W WO 2009138429 A2 WO2009138429 A2 WO 2009138429A2
Authority
WO
WIPO (PCT)
Prior art keywords
parameters
technical system
determining
probability
variable
Prior art date
Application number
PCT/EP2009/055778
Other languages
English (en)
French (fr)
Other versions
WO2009138429A9 (de
Inventor
Adam Stanski
Original Assignee
Adam Stanski
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Adam Stanski filed Critical Adam Stanski
Priority to EP09745761A priority Critical patent/EP2300935A2/de
Publication of WO2009138429A2 publication Critical patent/WO2009138429A2/de
Publication of WO2009138429A9 publication Critical patent/WO2009138429A9/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data

Definitions

  • the invention relates to a method for determining parameters for controlling a technical system, wherein the technical system is represented by one or more variable input parameters and one or more variable output parameters.
  • the invention also relates to a program for execution by a data processing system, which performs the inventive method, a data carrier with the stored program for execution by a data processing system and a device for determining parameters for controlling a technical system.
  • control parameters are used, which are usually set and changed by appropriately trained operating personnel.
  • the control parameters used are often based on empirical values of the operating personnel.
  • the technical system is optimally adjusted to the respective requirements. Since it can not be guaranteed that the operator always has the same experience in the operation of the technical system, it can partially large deviations from the optimal settings of the technical system come.
  • the one-dimensional probability estimate should be completely automatic, i. Based on the pure training data, the probability of each individual section must be able to be estimated.
  • the implementation must be powerful enough to quickly make a probabilistic assessment regardless of the number of data points, 2 or a million.
  • the invention achieves the object by a method and a device for determining parameters, in particular control parameters, for a technical system, wherein the technical system is represented by one or more variable input parameters and one or more variable output parameters, the determination with the following Steps take place:
  • Determining a probability distribution of the detected input parameters wherein the probability distribution of the input parameters is determined by a combination of a variable kernel density estimation and the maximization of a weighting function;
  • the object is achieved by a density estimation which has a kernel estimator with a normalized one Likelihood evaluation for bandwidth selection and identification of discrete data combined.
  • the probability distribution of the input parameters is determined by means of a kernel density estimation.
  • the term "local density estimation” is used synonymously with the term “unparameterized density estimation” since all density estimation functions have parameters, the density estimation functions differing only in their definition of the local environment in which the relationship between occurring Events and possible events.
  • the technical systems to be controlled may be communication networks, lighting systems, power distribution systems, elevator controls, signal transmission systems, medical systems, etc.
  • the kernel density estimation has a variable bandwidth.
  • bandwidth variation also called model selection
  • N runs are started and their single-error values give as an average the total error rate.
  • the leave-one-out cross-validation is by means of
  • kernel density estimation is determined by maximizing a rating function based on the leave-one-out probability.
  • the kernel width is approximated with the standard deviation of the adjacent data points, the standard deviation remaining nearly constant in the vicinity of large density changes.
  • a q-function is used as criterion for the model selection.
  • the q function is a normalized leave-one-out probability that is defined as:
  • the q-function can be interpreted as an approximation of the predicative quality of a model relative to a uniform model. Unlike other methods, the q function can be applied equally to continuous patterns and discrete patterns. The expected value of q is independent of the pattern size or a linear scaling of the data.
  • the q function is an optimal selection criterion for a generic model. This applies equally to all probability-based model selections.
  • a Sample Scale Space is used which enables the efficient handling of large amounts of data.
  • the number of data points is halved. This is done by replacing adjacent points with their mean.
  • the iterative application generates a pyramid of patterns, each pattern representing the original data coarser, ie less accurately.
  • the sample scale space is calculated approximating the density of one stage using the half bandwidth of the next higher level
  • the leave-one-out estimate at level 0 (lowest level), on which the model choice depends, can be approximated by:
  • the kernel density estimate with the bandwidth k at the point i is determined by means of
  • the bandwidth is determined by k times the kernel range ⁇ , where k is an integer greater than 0.
  • at least one corresponding output parameter can be detected for an input parameter. This makes it possible to correlate the input parameters and the output parameters with each other.
  • the input parameters can be detected over a predetermined period of time.
  • the invention solves the problem by means of a device for determining parameters, in particular control parameters, for a technical system, wherein the technical system is represented by one or more variable input parameters and one or more variable output parameters
  • a time allocation unit that assigns a time to an event
  • a threshold detector that triggers an event when a threshold is exceeded, and / or
  • an evaluation unit wherein the evaluation unit receives signals from the event detection unit and the time allocation unit and an output signal of the evaluation unit in the clamp value detector is compared with a threshold value.
  • the event detection unit can detect packet losses in a communication network, movements in a building and / or signals during a signal transmission.
  • the triggered by the threshold detector event may be a message to an administrator of a communication network, an output of a switching signal and / or an optimized threshold.
  • the evaluation unit has the following means:
  • the speed of determination is increased by a factor of 1000.
  • FIG. 2 shows an event distribution of a lighting control
  • Fig. 6 is a block diagram of the device according to the invention.
  • Fig. 1 the distribution 11 of packet losses in a router of a communication network is shown graphically.
  • On the abscissa 13 is the time at which the losses occur and plotted on the ordinate 14, the number of lost packets.
  • the router logs the time at which packet loss occurs during a predetermined period of time, eg 10 days. From the logged data, the method according to the invention determines the probability with which packet losses occur at a specific point in time. As long as the likelihood of packet loss is less than a preset threshold 12, the router logs the number of losses. If the number of packet losses approaches the preset threshold value 12, the router issues a message, eg to an administrator. 2, an event distribution 21 of a lighting control is shown graphically.
  • the lighting of a corridor is switched on by a motion sensor.
  • On the abscissa 23 is the time at which the motion sensor registers a movement and plotted on the ordinate 24 the number of registered movements.
  • the light should be on continuously when many people / movements are expected. If the probability of the expected movements is greater than a preset threshold value 22, the control is set so that the lighting is always on. If the probability of the movements to be expected is less than a preset threshold value 22, the controller is set so that the lighting is controlled by the motion sensor or a detected movement.
  • FIG. 3 shows the distribution of events in the transmission of a binary signal.
  • the ordinate 34 plots the probability density and the abscissa 33 plots the signal height.
  • a binary signal requires the distinction between two states; a first state, e.g. Signal is on, and a second state, e.g.
  • FIG. 4 shows a diagram illustrating the risk of a patient suffering from heart disease. This risk is estimated by blood pressure and cholesterol. On the abscissa 43 the cholesterol values are plotted and on the ordinate 44 the blood pressure. Generally, a low risk is within assumed by a dashed line 45 limited range, ie blood pressure less than 140 mmHg and cholesterol levels less than 240 mg / dl.
  • step 101 at least one input parameter is detected.
  • the number of input parameters to be acquired is not limited in this case.
  • step 102 various possible probability distributions of the detected input parameters are determined.
  • step 103 the optimal probability distribution is selected.
  • step 104 one or more suitable parameters for controlling the technical system are determined using the previously determined probability density of the input parameters.
  • step 105 the inventive method is terminated.
  • FIG. 6 shows a block diagram of the device according to the invention.
  • An event detection unit 201 detects an occurring event.
  • the time allocation unit 202 assigns a time t to the detected event.
  • the event detection unit 201 and the time allocation unit 202 are connected to an evaluation unit 203 such that the output signals of the event detection unit 201 and the time allocation unit 202 are input signals of the evaluation unit 203.
  • the output signal of the evaluation unit 203 is fed to a threshold value detector 205, which compares the signal with a threshold value 204 and generates an output signal 206 in accordance with the result of the comparison.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Optimization (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Complex Calculations (AREA)

Abstract

Die vorliegende Erfindung beschreibt ein Verfahren und eine Vorrichtung zur Bestimmung von Parametern, insbesondere von Steuerungsparametem, für ein technisches System, wobei das technische System durch einen oder mehrere variable Eingangsparameter und einen oder mehrere variable Ausgangsparameter dargestellt wird, wobei die Bestimmung mit den folgenden Schritten erfolgt: - Erfassen (101) mindestens eines Eingangsparameters; - Bestimmen (102) einer Wahrscheinlichkeitsverteilung der erfassten Eingangsparameter, wobei die Wahrscheinlichkeitsverteilung der Eingangsparameter durch eine Kombination einer variablen Kerneldichteschätzung und der Maximierung einer Bewertungsfunktion bestimmt wird; - Auswahl (103) der optimalen Wahrscheinlichkeitsverteilung; und - Bestimmen (104) geeigneter Parameter zur Steuerung des technischen Systems unter Anwendung der Wahrscheinlichkeitsdichte der Eingangsparameter.

Description

Berlin, 13. Mai 2009
Unser Zeichen: SB 1199-02WO JVO/zim
Durchwahl: 030/841 887 0
Anmelder/Inhaber: STANSKI, Adam
Amtsaktenzeichen: Neuanmeldung
Adam Stanski
Dircksenstr. 44, 10178 Berlin
Verfahren und Vorrichtung zur Bestimmung von Parametern zur Steuerung eines technischen Systems
Die Erfindung betrifft ein Verfahren zur Bestimmung von Parametern zur Steuerung eines technischen Systems, wobei das technische System durch einen oder mehrere variable Eingangsparameter und einen oder mehrere variable Ausgangsparameter dargestellt wird. Die Erfindung betrifft außerdem ein Programm zur Ausführung durch eine Datenverarbeitungsanlage, welche das erfindungsgemäße Verfahren durchführt, einen Datenträger mit dem gespeicherten Programm zur Ausführung durch eine Datenverarbeitungsanlage sowie eine Vorrichtung zur Bestimmung von Parametern zur Steuerung eines technischen Systems.
Bei der Steuerung technischer Systeme werden Steuerungsparameter verwendet, die in der Regel durch ein entsprechend geschultes Bedienpersonal eingestellt und verändert werden. Die verwendeten Steuerungsparameter basieren dabei oft auf Erfahrungswerten des Bedienpersonals. Durch die Veränderung bzw. Anpassung der Steuerungsparameter wird versucht das technische System optimal auf die jeweiligen Anforderungen einzustellen. Da nicht gewährleistet werden kann, dass das Bedienpersonal immer die gleiche Erfahrung in der Bedienung des technischen Systems hat, kann es dabei zu teilweise großen Abweichungen von den optimalen Einstellungen des technischen Systems kommen.
Damit die Steuerung technischer Systeme nicht allein von den Erfahrungswerten des Bedienpersonals abhängt, ist aus dem Stand der Technik bekannt, technische Systeme mit prädikativen Regelungsverfahren zu steuern. Dabei wird versucht ein Modell für zukünftige Ausgangsgrößen als Funktion in der Vergangenheit liegender Eingangsgrößen und den daraus resultierenden Ausgangsgrößen zu erstellen. Für die Erstellung dieser Modelle eignen sich lernfähige Systeme, z.B. neuronale Netze oder Regressionsmodelle.
Die meisten bekannten wahrscheinlichkeitstheoretischen Lernansätze erfordern eine Wahrscheinlichkeitsabschätzung ähnlich p(x), P(x) oder p(x|w) mit mehreren kontinuierlichen oder diskreten Variablen x und einer diskreten Variablen w. Dabei wird die Qualität des lernenden Systems basierend auf der Genauigkeit einer eindimensionalen Wahrscheinlichkeitsabschätzung bestimmt.
Diese wahrscheinlichkeitstheoretischen Lernansätze haben die folgenden Anforderungen gemein:
Die eindimensionale Wahrscheinlichkeitsabschätzung sollte vollständig automatisch ablaufen, d.h. basierend auf den reinen Trainingsdaten muss die Wahrscheinlichkeit jedes einzelnen Abschnittes abgeschätzt werden können.
In der Praxis tritt meist eine Mischung aus mehreren kontinuierlichen und/oder diskreten Variablen auf, wobei eine automatische Abschätzung mit beiden Fällen gleichermaßen umgehen können muss.
Die Implementierung muss derart leistungsfähig sein, dass sie unabhängig von der Anzahl der Datenpunkte, 2 oder eine Million, schnell eine Wahrscheinlichkeitsabschät- zung durchführen kann.
Aus dem Dokument [Mark J. Brewer: A Model-Based Approach for Variable Bandwidth Selection in Kernel Density Estimation. Jour. of Statistics and Comp., vol. 10, 2000], ist eine lokale Dichteabschätzung mit einer variablen Kernelbandbreite bekannt, wobei die Kernelbandbreite aufgrund der benötigten Trägerabschätzung nicht automatisch variiert werden kann. Aus dem Dokument [Dorin Comaniciu: „An Algorithm for Data-Driven Bandwidth Selecti- on", IEEE Trans. Pattern Anal. Machine Intell., vol. 25, no. 2, feb. 2003] ist ein Ansatz zur Bandbreitenauswahl bekannt, der auf der Annahme basiert, dass Abschnitte der Muster einer Normalverteilung unterliegen, was jedoch bei willkürlich verteilten Abschnitten nicht zutrifft.
Die aus dem Stand der Technik bekannten Verfahren haben den Nachteil, dass eine Erhöhung der Genauigkeit der Wahrscheinlichkeitsabschätzung nur durch zusätzliche Annahmen, wie z.B. die Form einer möglichen Verteilung, erfolgen kann. Ferner besteht bei den bekannten Verfahren der Nachteil, dass eine Wahrscheinlichkeitsabschätzung im Verhältnis zur Genauigkeit lange dauert.
Es stellt sich somit die Aufgabe, ein Verfahren einzuführen, das gegenüber bekannten Verfahren zur Wahrscheinlichkeitsdichtenabschätzung die Wahrscheinlichkeitsverteilung der verwendeten Daten genauer und schneller abschätzt und damit die Voraussetzung für eine zuverlässige Bestimmung von Parametern für ein technisches System schafft.
Die Erfindung löst die Aufgabe durch ein Verfahren und eine Vorrichtung zur Bestimmung von Parametern, insbesondere von Steuerungsparametern, für ein technisches System, wobei das technische System durch einen oder mehrere variable Eingangsparameter und einen oder mehrere variable Ausgangsparameter dargestellt wird, wobei die Bestimmung mit den folgenden Schritten erfolgt:
Erfassen mindestens eines Eingangsparameters;
Bestimmen einer Wahrscheinlichkeitsverteilung der erfassten Eingangsparameter, wobei die Wahrscheinlichkeitsverteilung der Eingangsparameter durch eine Kombination einer variablen Kerneldichteschätzung und der Maximierung einer Bewertungsfunktion bestimmt wird;
Auswahl der optimalen Wahrscheinlichkeitsverteilung; und/oder
Bestimmen geeigneter Parameter zur Steuerung des technischen Systems unter Anwendung der Wahrscheinlichkeitsdichte der Eingangsparameter.
Insbesondere wird die Aufgabe durch eine lokale Dichteabschätzung (density estimation) gelöst, die eine variable Kernelschätzfunktion (kernel estimator) mit einer normalisierten Wahrscheinlichkeitsabschätzung (likelihood evaluation) zur Bandbreitenauswahl und Identifizierung von diskreten Daten kombiniert.
Bevorzugte Ausführungsvarianten des erfindungsgemäßen Verfahrens und der erfindungsgemäßen Vorrichtung sind Gegenstand der Unteransprüche und werden im FoI- genden erläutert:
In einer bevorzugten Variante wird die Wahrscheinlichkeitsverteilung der Eingangsparameter mittels einer Kerneldichteschätzung bestimmt.
Im Sinne der Erfindung wird der Begriff der .lokalen Dichteabschätzung' synonym zu dem Begriff der .nicht parametrierten Dichteabschätzung' verwendet, da alle Dichteschätzfunk- tionen Parameter aufweisen, wobei sich die Dichteschätzfunktionen nur in ihrer Definition der lokalen Umgebung unterscheiden in welcher das Verhältnis zwischen auftretenden Ereignissen und möglichen Ereignissen berechnet wird.
Mit dem beanspruchten Verfahren könne eine Veilzahl von technischen Systemen betrieben werden. Bei den zu steuernden technischen Systemen kann es sich dabei um Kom- munikationsnetzwerke, Beleuchtungssysteme, Energieverteilungssysteme, Aufzugsteuerungen, Signalübertragungssysteme, medizintechnische Systeme etc. handeln.
In einer bevorzugten Variante weist die Kerneldichteschätzung eine variable Bandbreite auf. Eine Möglichkeit der Bandbreitenvariation, auch Modellauswahl genannt, ist die Kreuzvalidierung (cross validation). Für die Kreuzvalidierung werden vorzugsweise eine k-fach-Kreuzvalidierung, z.B. k=5, oder eine Leave-One-Out-(loo)-Kreuzvalidierung angewendet. Bei der Leave-One-Out-Kreuzvalidierung handelt es sich um einen Spezial- fall der k-fachen Kreuzvalidierung, bei der k = N. Somit werden N Durchläufe gestartet und deren Einzelfehlerwerte ergeben als Mittelwert die Gesamtfehlerquote. Die Leave- One-Out-Kreuzvalidierung ist dabei mittels
Figure imgf000005_0001
definiert, wobei die Dichte angibt, die bei x mit dem Parametern Θ auf das
Figure imgf000005_0002
Muster X angewendet wird und X \x das Leave-One-Out Muster darstellt. In einer alternativen Methode wird die Kerneldichteschätzung durch die Maximierung einer Bewertungsfunktion auf Basis der Leave-One-Out Wahrscheinlichkeit bestimmt.
In einer weiteren bevorzugten Ausführung wird bei der Kerneldichteschätzung die Kernelbreite (kernel width) mit der Standardabweichung der nebenliegenden Datenpunkte angenähert, wobei die Standardabweichung in der Nähe von starken Dichteänderungen nahezu konstant bleibt. Mittels dieser Annäherung werden Abweichungen an Stellen mit starken Dichteänderungen kompensiert.
In einer weiteren besonders bevorzugten Ausführung der Erfindung wird als Kriterium zur Modellauswahl eine q-Funktion angewendet. Die q-Funktion ist eine normalisierte Leave- One-Out-Wahrscheinlichkeit, die definiert wird als:
Figure imgf000006_0001
wobei sup die Kardinalität des Trägers und Ageo das geometrischen Mittel ist.
Die q-Funktion kann dabei als Annäherung der prädikativen Qualität eines Modells relativ zu einem einheitlichen Modell interpretiert werden. Im Gegensatz zu anderen Verfahren kann die q-Funktion gleichermaßen auf kontinuierliche Muster und diskrete Muster angewendet werden. Der erwartete Wert von q ist dabei unabhängig von der Mustergröße oder einer linearen Skalierung der Daten.
Dementsprechend beinhaltet der Wert von q eine absolute Aussage. Bei q=0 können keine Daten mit dem Modell erzeugt werden. q=1 bedeutet, dass das Modell eine gute, gleichmäßige Verteilung der Daten erzeugt, und mit q>1 wird ein gutes Modell klassifiziert.
Wie im Folgenden gezeigt wird, ist die q-Funktion ein optimales Auswahlkriterium für ein allgemeines Modell. Dies gilt gleichermaßen für alle wahrscheinlichkeitsbasierten Modellauswahlen.
Figure imgf000007_0006
Figure imgf000007_0001
wobei innerhalb des Intervalls konstant
Figure imgf000007_0005
Figure imgf000007_0007
ist
Verschiebung der Wahrschein-
Figure imgf000007_0002
lichkeitsgewichtung um ^
ersetzen mit dem erwarteten Wert
Figure imgf000007_0003
Maximierung durch Setzen der Ableitung gleich 0,
Wegfall der Konstanten
Figure imgf000007_0004
In einer bevorzugten Ausführungsform wird ein Sample Scale Space verwendet, der die effiziente Handhabung großer Datenmengen ermöglicht. Auf jeder Stufe (Scale) wird die Anzahl der Datenpunkte halbiert. Dies geschieht durch das Ersetzen von nebeneinander liegenden Punkten durch ihren Mittelwert. Die iterative Anwendung erzeugt eine Pyrami- de an Mustern, wobei jedes Muster die Originaldaten gröber, d.h. ungenauer abbildet.
Der Sample Scale Space wird unter Annäherung der Dichte einer Stufe unter Verwendung der Halben Bandbreite der nächsthöheren Stufe berechnet
Figure imgf000008_0001
wobei e'ne Dichteabschätzung bei einer bestimmten Stufe mit einer bestimm-
Figure imgf000008_0006
ten Bandbreite ist.
Ein etwaiger Abschlag zwischen Leistung und Präzision für verschiedene Kernelweiten wird durch Abschätzungen gemäß
Figure imgf000008_0002
auf den einzelnen Stufen bestimmt, wobei ceil das Ergebnis auf die nächste größere Integer aufrundet. Je höher umso höher ist die Präzision der Berech
Figure imgf000008_0005
nung.
Die Leave-One-Out-Abschätzung auf der Stufe 0 (unterste Stufe), von der die Modellwahl abhängt, kann angenähert werde durch:
Figure imgf000008_0004
Vorzugsweise wird die Kerneldichteschätzung mit der Bandbreite k am Punkt i mittels
Figure imgf000008_0003
bestimmt. Durch diese Bestimmung kann der Fehler zwischen benachbarten Datenpunkten im Bereich der Bandbreite minimiert werden. Die Bandbreite ist dabei durch das k- fache des Kernelbereichs λ bestimmt, wobei k ein ganze Zahl größer 0 ist. Vorzugsweise kann im beanspruchten Verfahren zu einem Eingangsparameter mindestens ein entsprechender Ausgangsparameter erfasst werden. Dadurch ist es möglich, die Eingangsparameter und die Ausgangsparameter miteinander zu korrelieren.
Weiter vorzugsweise können im beanspruchten Verfahren die Eingangsparameter über einen vorbestimmten Zeitraum erfasst werden.
Ferner löst die Erfindung die Aufgabe mittels einer Vorrichtung zur Bestimmung von Parametern, insbesondere von Steuerungsparametern, für ein technisches System, wobei das technische System durch einen oder mehrere variable Eingangsparameter und einen oder mehrere variable Ausgangsparameter dargestellt wird, mit
einer Ereigniserfassungseinheit,
einer Zeitzuordnungseinheit, die einem Ereignis einen Zeitpunkt zuordnet,
einem Schwellenwertdetektor, der bei Überschreiten eines Schwellenwertes ein Ereignis auslöst, und/oder
einer Auswerteeinheit, wobei die Auswerteeinheit Signale von der Ereigniserfassungs- einheit und der Zeitzuordnungseinheit empfängt und ein Ausgangssignal der Auswerteeinheit in dem Schellenwertdetektor mit einem Schwellenwert verglichen wird.
In der erfindungsgemäßen Vorrichtung kann die Ereigniserfassungseinheit Paketverluste in einem Kommunikationsnetz, Bewegungen in einem Gebäude und/oder Signale bei einer Signalübertragung erfassen.
Das durch den Schwellenwertdetektor ausgelöste Ereignis kann eine Meldung an einen Administrator eines Kommunikationsnetzes, eine Ausgabe eines Schaltsignals und/oder ein optimierter Schwellenwert sein.
In einer bevorzugten Ausführung weist die Auswerteeinheit folgende Mittel auf:
Mittel zum Erfassen mindestens eines Eingangsparameters;
Mittel zum Bestimmen einer Wahrscheinlichkeitsverteilung der erfassten Eingangsparameter;
Mittel zum Auswählen der optimalen Wahrscheinlichkeitsverteilung; und/oder Mittel zum Bestimmen geeigneter Parameter zur Steuerung des technischen Systems unter Anwendung der Wahrscheinlichkeitsdichte der Eingangsparameter.
Das beanspruchte Verfahren und die beanspruchte Vorrichtung weisen folgende Vorteile gegenüber den aus dem Stand der Technik bekannten Verfahren und Vorrichtungen auf:
Die Auswahl des passenden Modells wird stark vereinfacht.
Die Geschwindigkeit der Bestimmung wird um den Faktor 1000 erhöht.
Ausführungsbeispiele der Erfindung werden nachfolgend anhand der beigefügten Zeichnungen beschrieben
Es zeigen:
Fig. 1 eine Ereignisverteilung von Paketverlusten in einem Netzwerk;
Fig. 2 eine Ereignisverteilung einer Beleuchtungssteuerung;
Fig. 3 eine Ereignisverteilungen einer Signalübertragung;
Fig. 4 eine Risikoverteilung bei Herzpatienten;
Fig. 5 ein Flussdiagramm eines Ausführungsbeispieles des erfindungsgemäßen Verfahrens; und
Fig. 6 ein Blockschaltbild der erfindungsgemäßen Vorrichtung.
In Fig. 1 ist die Verteilung 11 von Paketverlusten in einem Router eines Kommunikationsnetzwerkes grafisch dargestellt. Auf der Abszisse 13 ist die Zeit zu der die Verluste auftreten und auf der Ordinate 14 die Anzahl der verlorenen Pakete aufgetragen. Der Router protokolliert die Uhrzeit zu der Paketverluste auftreten während eines vorbestimmten Zeitraums, z.B. 10 Tage. Aus den protokollierten Daten bestimmt das erfindungsgemäße Verfahren die Wahrscheinlichkeit mit der Paketverluste zu einem bestimmten Zeitpunkt auftreten. Solange die Wahrscheinlichkeit des Auftretens von Paketverlusten geringer ist als ein voreingestellten Schwellenwert 12, protokolliert der Router die Anzahl der Verluste. Nähert sich die Anzahl der Paketverluste dem voreingestellten Schwellenwert 12, wird von dem Router eine Nachricht, z.B. an einen Administrator abgegeben. In Fig. 2 ist eine Ereignisverteilung 21 einer Beleuchtungssteuerung grafisch dargestellt. Die Beleuchtung eines Flurs wird durch einen Bewegungssensor eingeschaltet. Auf der Abszisse 23 ist die Zeit zu der der Bewegungssensor eine Bewegung registriert und auf der Ordinate 24 die Anzahl registrierten Bewegungen aufgetragen. Um den Komfort zu erhöhen, soll das Licht kontinuierlich an sein, wenn viele Personen / Bewegungen erwartet werden. Ist die Wahrscheinlichkeit der zu erwartenden Bewegungen größer als ein voreingestellter Schwellenwert 22 wird die Steuerung so eingestellt, dass die Beleuchtung immer an ist. Ist die Wahrscheinlichkeit der zu erwartenden Bewegungen geringer als ein voreingestellter Schwellenwert 22 die Steuerung so eingestellt, dass die Beleuch- tung durch den Bewegungssensor, respektive eine erfasste Bewegung, gesteuert wird.
Fig. 3 stellt die Ereignisverteilung bei der Übertragung eines binären Signals dar. Auf der Ordinate 34 ist die Wahrscheinlichkeitsdichte und auf der Abszisse 33 die Signalhöhe aufgetragen.
Die Übertragung eines binären Signals erfordert die Unterscheidung zwischen zwei Zuständen; einem ersten Zustand, z.B. Signal liegt and, und einem zweiten Zustand, z.B.
Signal liegt nicht an. Bei einem schlechten Signal-Rausch-Abstand (Signal-to-Noise
Ratio) zwischen den beiden Zuständen ist eine entsprechende Unterscheidung schwierig.
Da die Entstehung und die Art des Rauschens in der Praxis von vielen unbekannten
Faktoren abhängt, ist eine Modellierung des Rauschens mittels eines additiven weißen gaußschen Rauschens nur unzureichend möglich. Zur Unterscheidung zwischen den beiden Zuständen wird ein Schwellenwert eingeführt, dessen Überschreitung anzeigt, dass ein Signal anliegt, bzw. dessen Unterschreitung anzeigt, dass kein Signal anliegt.
Um den Schwellenwert mittels des erfindungsgemäßen Verfahrens einzustellen wird eine bekannte Folge an Signalen übermittelt. Auf der Empfängerseite entstehen zwei Wahr- scheinlichkeitsverteilungen 31 „Signal liegt nicht an" und 32 „Signal liegt an" die sich an einem Punkt 35 überschneiden. Der Punkt 35 stellt den optimalen Schwellenwert dar. Durch eine individuelle Bestimmung des Schwellenwertes für jede Übertragung kann die Signalqualität unter verschiedensten Bedingungen optimiert werden.
Fig. 4 zeigt ein Diagramm, im das Risiko eines Patienten an einer Herzkrankheit zu leiden dargestellt wird. Dieses Risiko wird anhand des Blutdruckwertes und des Cholesterinwertes abgeschätzt. Auf der Abszisse 43 sind die Cholesterinwerte und auf der Ordinate 44 die der Blutdruck aufgetragen. Allgemein wird ein niedriges Risiko innerhalb des durch eine gestrichelte Linie 45 begrenzten Bereichs angenommen, d.h. Blutdruck kleiner 140 mmHg und Cholesterinwerte geringer als 240 mg/dl.
Das beanspruchte Verfahren wird im Schritt 100 der Fig. 5 gestartet. Im Schritt 101 wird mindestens ein Eingangsparameter erfasst. Die Anzahl der zu erfassten Eingangspara- meter ist dabei nicht beschränkt. Im Schritt 102 werden verschiedene mögliche Wahrscheinlichkeitsverteilungen der erfassten Eingangsparameter bestimmt. Anschließend wird im Schritt 103 die optimale Wahrscheinlichkeitsverteilung ausgewählt. Danach werden im Schritt 104 ein oder mehrere geeignete Parameter zur Steuerung des technischen Systems unter Anwendung der zuvor bestimmten Wahrscheinlichkeitsdichte der Eingangsparameter bestimmt. Im Schritt 105 wird das erfindungsgemäße Verfahren beendet.
Fig. 6 zeigt ein Blockschaltbild der erfindungsgemäßen Vorrichtung. Eine Ereigniserfassungseinheit 201 erfasst ein auftretendes Ereignis. Die Zeitzuordnungseinheit 202 ordnet dem erfassten Ereignis einen Zeitpunkt t zu. Die Ereigniserfassungseinheit 201 und die Zeitzuordnungseinheit 202 sind mit einer Auswerteeinheit 203 derart verbunden, dass die Ausgangssignale der Ereigniserfassungseinheit 201 und der Zeitzuordnungseinheit 202 Eingangssignale der Auswerteeinheit 203 sind. Das Ausgangssignal der Auswerteeinheit 203 wird einem Schwellenwertdetektor 205 zugeführt, der das Signal mit einem Schwellenwert 204 vergleicht und entsprechend dem Ergebnis des Vergleichs ein Ausgangssig- nal 206 erzeugt.
Es wird darauf hingewiesen, dass die vorgeschlagene Lösung gemäß den beschriebenen Ausführungsformen als einzelne Softwaremodule ausgebildet werden kann. Es wird ferner darauf hingewiesen, das die vorliegende Erfindung nicht auf die beschriebenen Ausführungsformen beschränkt ist, sonder bei jedem zu steuernden Prozess angewendet werden kann.
Aus dem vorgenannten wird klar, dass während bevorzugte und beispielhafte Ausführungen dargestellt und beschrieben wurden, verschiedene Änderungen vorgenommen werden können, ohne von dem Grundgedanken der Erfindung abzuweichen. Dementsprechend ist es nicht vorgesehen, die Erfindung auf die detaillierte Beschreibung der bevorzugten und beispielhaften Ausführungsformen zu beschränken.
Abschließend wird darauf hingewiesen, dass der Begriff "enthält", wenn er in der Beschreibung samt den Ansprüchen verwendet wird, das Vorhandensein der genannten Merkmale angibt, nicht aber das Vorhandensein oder die Hinzufügung eines oder mehre- rer Merkmale, Mittel, Schritte, Komponenten oder Gruppen davon ausschließt. Des Weiteren schließt der Artikel „ein" oder „eine", wenn einem Element in einem Anspruch vorangestellt, nicht das Vorhandensein mehrerer solcher Elemente dar. Ferner beschränkt ein Bezugszeichen nicht den Umfang der Ansprüche.

Claims

Patentansprüchβ
1. Verfahren zur Bestimmung von Parametern, insbesondere von Steueruηgspara- metern, für ein technisches System, wobei das technische System durch einen oder mehrere variable Eingangsparameter und einen oder mehrere variable Ausgangsparameter dargestellt wird, wobei die Bestimmung mit den folgenden Schritten erfolgt:
Erfassen (101 ) mindestens eines Eingangsparameters;
Bestimmen (102) einer Wahrscheinlichkeitsverteilung der erfassten Ein- gangsparameter, wobei die Wahrscheinlichkeitsverteilung der Eingangsparameter durch eine Kombination einer variablen Kerneldichteschätzung und der Maximierung einer Bewertungsfunktion bestimmt wird;
Auswahl (103) der optimalen Wahrscheinlichkeitsverteilung; und
Bestimmen (104) geeigneter Parameter zur Steuerung des technischen Sys- tems unter Anwendung der Wahrscheinlichkeitsdichte der Eingangsparameter.
2. Verfahren nach Anspruch 1 , wobei die Kerneldichteschätzung eine variable Bandbreite k aufweist.
3. Verfahren nach Anspruch 1 oder 2, wobei die Kerneldichteschätzung die Kernel- breite mit der Standardabweichung der nächsten Datenpunkte, die einer Dichteänderung unterliegen, annähert.
4. Verfahren nach einem der vorangegangenen Ansprüche, wobei die Maximierung der Bewertungsfunktion auf Basis der Leave-One-Out-Wahrscheinlichkeit bestimmt wird.
5. Verfahren nach einem der vorangegangenen Ansprüche, bei dem die Kerneldichteschätzung mit der Bandbreite k am Punkt i bestimmt wird mit:
Figure imgf000014_0001
6. Verfahren nach einem der vorangegangenen Ansprüche, wobei zu einem Eingangsparameter mindestens ein entsprechender Ausgangsparameter erfasst wird.
7. Verfahren nach einem der vorangegangenen Ansprüche, wobei die Eingangspa- rameter über einen vorbestimmten Zeitraum erfasst werden.
8. Vorrichtung zur Bestimmung von Parametern, insbesondere von Steuerungsparametern, für ein technisches System, wobei das technische System durch einen oder mehrere variable Eingangsparameter und einen oder mehrere variable Ausgangsparameter dargestellt wird, mit
- einer Ereigniserfassungseinheit (201 ),
- einer Zeitzuordnungseinheit (202), die einem Ereignis einen Zeitpunkt zuordnet,
- einem Schwellenwertdetektor(205), der bei Überschreiten eines Schwellenwertes (204) ein Ereignis auslöst, und
- einer Auswerteeinheit (203), wobei die Auswerteeinheit Signale von der
Ereigniserfassungseinheit (201 ) und der Zeitzuordnungseinheit (202) empfängt und ein Ausgangssignal der Auswerteeinheit (203) in dem Schellen- wertdetektor (205) mit einem Schwellenwert (204) verglichen wird.
9. Vorrichtung nach Anspruch 8, wobei die Auswerteeinheit (203) folgende Mittel enthält:
Mittel zum Erfassen mindestens eines Eingangsparameters;
Mittel zum Bestimmen einer Wahrscheinlichkeitsverteilung der erfassten Eingangsparameter;
Mittel zum Auswählen der optimalen Wahrscheinlichkeitsverteilung; und
- Mittel zum Bestimmen geeigneter Parameter zur Steuerung des technischen
Systems unter Anwendung der Wahrscheinlichkeitsdichte der Eingangsparameter.
10. Vorrichtung nach einem der Ansprüche 8 oder 9, wobei die Wahrscheinlichkeitsverteilung der Eingangsparameter mit Mittel zur Kerneldichteschätzung bestimmt wird.
1 1 . Vorrichtung nach einem der Ansprüche 8 bis 10, wobei die Mittel zur Kerneldich- teschätzung die Maximierung einer Bewertungsfunktion auf Basis der Leave-
One-Out-Wahrscheinlichkeit bestimmen.
12. Programm zur Ausführung durch eine Datenverarbeitungsanlage, gekennzeichnet dadurch, dass das Programm bei der Ausführung in einem Computer ein Verfahren nach einem der Ansprüche 1 bis 7 durchführt.
13. Datenträger gekennzeichnet, durch ein auf dem Datenträger gespeichertes Programm nach Anspruch 12.
PCT/EP2009/055778 2008-05-16 2009-05-13 Verfahren und vorrichtung zur bestimmung von parametern zur steuerung eines technischen systems WO2009138429A2 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP09745761A EP2300935A2 (de) 2008-05-16 2009-05-13 Verfahren und vorrichtung zur bestimmung von parametern zur steuerung eines technischen systems

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102008024422.8 2008-05-16
DE102008024422A DE102008024422A1 (de) 2008-05-16 2008-05-16 Verfahren und Vorrichtung zur Bestimmung von Parametern zur Steuerung eines technischen Systems

Publications (2)

Publication Number Publication Date
WO2009138429A2 true WO2009138429A2 (de) 2009-11-19
WO2009138429A9 WO2009138429A9 (de) 2010-12-09

Family

ID=41180526

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2009/055778 WO2009138429A2 (de) 2008-05-16 2009-05-13 Verfahren und vorrichtung zur bestimmung von parametern zur steuerung eines technischen systems

Country Status (3)

Country Link
EP (1) EP2300935A2 (de)
DE (1) DE102008024422A1 (de)
WO (1) WO2009138429A2 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102693331A (zh) * 2011-03-25 2012-09-26 鸿富锦精密工业（深圳）有限公司 非线性标的的实验设计系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Keine Recherche *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102693331A (zh) * 2011-03-25 2012-09-26 鸿富锦精密工业（深圳）有限公司 非线性标的的实验设计系统及方法

Also Published As

Publication number Publication date
EP2300935A2 (de) 2011-03-30
WO2009138429A9 (de) 2010-12-09
DE102008024422A1 (de) 2009-11-19

Similar Documents

Publication Publication Date Title
DE102005046747B3 (de) Verfahren zum rechnergestützten Lernen eines neuronalen Netzes und neuronales Netz
EP4081950A1 (de) System und verfahren zur qualitätszusicherung von datenbasierten modellen
WO2009138429A2 (de) Verfahren und vorrichtung zur bestimmung von parametern zur steuerung eines technischen systems
EP3796117B1 (de) Diagnoseverfahren und diagnosesystem für eine verfahrenstechnische anlage
WO2019206776A1 (de) Verfahren und vorrichtung zum ermitteln einer netzkonfiguration eines neuronalen netzes
DE102012211722A1 (de) Verfahren zur Diagnose eines Bauteils, eines Systems oder einer Systemkomponente einer Brennkraftmaschine
EP4046049A1 (de) Abwehrgenerator, verfahren zur verhinderung eines angriffs auf eine ki-einheit und computerlesbares-speichermedium
EP3951529A1 (de) Überwachungsvorrichtung und verfahren zur anomaliedetektion
EP3590052B1 (de) Verfahren zum klassifizieren von information und klassifizierungsprozessor
DE102020212514A1 (de) Verfahren zur Ermittlung eines Ausgabesignals mittels eines maschinellen Lernsystems
DE3221873C2 (de) Verfahren und Anordnung zur Reduzierung des Energieverbrauchs einer Bühnenstellanlage
DE102019216973A1 (de) Lernverfahren für neuronale netze basierend auf evolutionären algorithmen
WO2009065956A2 (de) Verfahren und vorrichtung zur qualitätskontrolle einer oberfläche
DE19527521C1 (de) Lernverfahren für ein neuronales Netz
DE102007058217A1 (de) Verfahren zur Qualitätskontrolle einer Oberfläche
DE102022203386B4 (de) Regelverfahren, Regelsystem, Kraftfahrzeug, Computerprogrammprodukt und computerlesbares Medium
DE102019214308B4 (de) Schnelles quantisiertes Training trainierbarer Module
EP3489774B1 (de) Automatisierte ermittlung einer parametrierung eines auswerteverfahrens
EP4254083A1 (de) Verfahren zur parametrisierung eines überwachungssystems, parametrisierungsvorrichtung und überwachungssystem
DE102020204227A1 (de) Vorrichtung zum Überwachen einer Maschine
DE102021207274A1 (de) Verfahren zum Trainieren eines neuronalen Netz-Ensembles
DE102022122754A1 (de) Systeme und verfahren zur überwachung des zustands einer kette
DE19610976A1 (de) Verfahren zum Erkennen von Computerviren
DE202021105594U1 (de) System zur automatischen Auswahl und/oder Bewertung mindestens eines KI-Moduls und zur Klassifikation und/oder Regression von Eingangsdaten, ein computerlesbares Speichermedium und ein System zur Klassifikation und/oder Regression von Eingangsdaten
DE102021204343A1 (de) Steuergerät zum Erzeugen von Trainingsdaten zum Trainieren eines Algorithmus des maschinellen Lernens

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2009745761

Country of ref document: EP