[发明专利]用于创建基于数据的函数模型的方法和装置

说明书

技术领域

本发明涉及用于电机系统的控制设备、尤其是具有用于分析基于数据的函数模型、例如高斯过程模型的单独计算单元的控制设备。

现有技术

迄今为止，在控制设备中的函数模型、即线路模型和系统模型通过预先给定特征域、特征曲线来实现模拟物理系统的功能。由用户通过将模型参数与物理系统的实际情况相匹配来适配这些模型。

一种替代方案是使用非参数化的基于数据的函数模型，利用所述函数模型可以在基本上没有参数预先给定的情况下模拟物理系统的功能。作为基于数据的函数模型，例如可以使用基本上由超参数和取样点（Stützstelle）来定义的高斯过程模型。基于数据的函数模型基于可在测试系统中确定的训练数据来创建。高斯过程模型的取样点可以对应于训练数据、选自训练数据或者从训练数据中生成。

尤其是局部效应或许不能合理地由所创建的基于数据的函数模型来映射。如果已经基于初始训练数据组的训练数据确定了基于数据的函数模型，则难以在已经创建的基于数据的函数模型中合理地考虑事后确定的训练数据组的训练数据。但是通过在具有或没有基于数据的模型的超参数的变化的情况下单单联合训练数据组，仅当事后添加的训练数据组的训练数据具有足够数目的测量点时，才能合理地考虑到局部效应。因此，附加的测量点可能相对于初始训练数据组的训练数据的测量点而言具有足够的比重。此外，要求事后添加的训练数据组的测量点不与初始训练数据组的已经存在的测量点相抵触，即与其具有相对大的偏差。否则，获得具有高测量噪声并且因此针对局部效应的范围内的函数值具有高模型误差的基于数据的函数模型。

从现有技术中公知了具有微控制器和单独的模型计算单元的控制设备，该模型计算单元用于计算控制设备中的基于数据的模型。因此，例如从DE 10 2010 028 259 A1中公知了具有附加的逻辑电路的控制设备，该逻辑电路被构造为计算指数函数，以便支持尤其是为了计算高斯过程模型所需的贝叶斯回归方法的执行。

此外，从C. Plagemann, K. Kersting, W. Burgard的“Nonstationary Gaussian Process Regression Using Point Estimates of Local Smoothness”（ICML Proceedings, 第204-2116页, 2006）中公知了用于将另一训练数据组的测量点添加到现有高斯过程模型中的另一方法。但是该方法是低效的，这尤其是因为参数优化是困难的。

发明内容

根据本发明，规定有根据权利要求1所述的用于基于基于数据的函数模型创建基于数据的函数模型的方法、以及根据并列权利要求所述的用于计算基于数据的函数模型的函数值的方法、装置、控制设备以及计算机程序。

本发明的另外的有利的扩展方案在从属权利要求中予以说明。

根据第一方面，规定了一种用于创建基于数据的函数模型的方法。该方法包括下列步骤：

-提供或创建从第一训练数据组中确定的基于数据的第一部分模型；以及

-提供一个或多个另外的训练数据组；

其中针对所提供的另外的训练数据组中的每个执行下列另外的步骤：

·利用训练数据确定差分训练数据组，所述差分训练数据组对应于所涉及的另外的训练数据组的输出值与如下函数值之差，所述函数值是基于数据的第一部分模型和之前确定的一个或多个另外的基于数据的部分模型在所涉及的另外的训练数据组的每个测量点处的部分函数值之和的函数值；

·从差分训练数据组中确定另外的基于数据的部分模型；以及

·从基于数据的第一部分模型和所确定的另外的基于数据的部分模型中形成和。

用于创建基于数据的函数模型的上述方法的思想在于，将多个基于数据的部分模型彼此加性连接，以便实现控制设备中的线路或系统模型。这使得能够合理地表示作为单独的基于数据的部分模型被建模的局部效应。上述方法提出，形成多个基于数据的部分模型的加性链，其中基于每个另外的基于数据的部分模型的基于数据的第一部分模型给定同基于数据的第一部分模型的加性偏差或基于数据的第一部分模型与已经被考虑的另外的基于数据的部分模型之和。通过这种方式，尤其是由于基于数据的模型的通过超参数确定的宽度来良好地对局部效应建模，而不决定性地妨害基于数据的第一部分模型。

多个基于数据的部分模型的加性联合所具有的另外的优点是，它们可以在具有附加的模型计算单元的控制设备中以简单方式被计算出。