[发明专利]用于提供对复杂动力系统的优化控制的方法和系统

权利要求书

1.一种用于使用机器学习的基于场景的控制启发来执行对复杂动力系统（sys）的优化控制的方法，所述方法包括步骤：

a）提供仿真模型（f），仿真模型（f）用于基于当前场景参数矢量（p）和控制矢量（u）及时预测所述动力系统（sys）的系统状态矢量（x）；

b）在每次在针对不同的场景参数矢量（p0, p1, p2, ..）和初始系统状态矢量（x00,x01, x02, ..）使用仿真模型（f）对所述动力系统（sys）进行仿真期间，使用模型预测控制MPC算法来提供控制矢量（u）；

c)通过MPC算法针对场景参数矢量（p）和初始系统状态矢量（x₀）的每个仿真组合来计算所得到的优化控制值（u*（p, x₀））并且保存所得到的优化控制值；

d)使用机器学习算法针对保存的所得到的优化控制值（u*（p, x₀））来生成对对应的场景参数矢量（p）和初始系统状态矢量（x₀）之间的关系进行近似的机器学习的控制启发（u_a（p, x₀））；以及

e）使用生成的机器学习的控制启发来控制由所述仿真模型（f）建模的复杂动力系统（sys）。

2.根据权利要求1所述的方法，其中机器学习算法使用扩散映射。

3.根据权利要求1或2所述的方法，其中机器学习算法使用具有闭合可观察量的扩散映射用于近似所述动力系统。

4.根据权利要求1所述的方法，其中机器学习算法使用支持矢量机。

5.根据前述权利要求1至2中的任一项所述的方法，其中生成的机器学习的控制启发被传递到控制器，所述控制器根据传递的机器学习的控制启发在线控制动力系统。

6.根据前述权利要求1至2中的任一项所述的方法，其中机器学习的控制启发包括用于控制由所述仿真模型建模的复杂动力系统的近似法则。

7.一种控制启发生成平台（1），用于提供使用于控制由仿真模型（f）建模的动力系统（sys）的机器学习的控制启发，所述仿真模型（f）存储在模型存储（2）中，并且被适配为基于当前场景参数矢量（p）和控制矢量（u）及时预测所述动力系统（sys）的系统状态矢量（x），

其中所述控制启发生成平台（1）包括：

第一计算单元（3），其在每次在针对不同的场景参数矢量和初始系统状态矢量使用所述仿真模型（f）对所述动力系统（sys）进行仿真期间，使用模型预测控制MPC算法来提供控制矢量（u），并且被适配为通过MPC算法针对场景参数矢量（p）和初始系统状态矢量（x₀）的每个仿真组合计算所得到的优化控制值（u*（p, x₀））并且将所得到的优化控制值保存到存储器（6）；

第二计算单元（7），其被适配为使用机器学习算法针对保存的所得到的优化控制值（u*（p, x₀））来生成对对应的场景参数矢量（p）和初始系统状态矢量（x₀）之间的关系进行近似的机器学习的控制启发（u_a（p, x₀）），

其中，生成的机器学习的控制启发是经由所述控制启发生成平台（1）的接口而可传递到所述动力系统的控制器（9）的。

8.根据权利要求7所述的控制启发生成平台，其中，在在线操作期间观察和保存的初始系统状态（x₀）和场景参数矢量（p）被附加地供给到第一计算单元（3）以构造更新的机器学习的控制启发，所述更新的机器学习的控制启发是可传递到控制器（9）的。

9.根据权利要求7或8所述的控制启发生成平台，其中，控制启发生成平台（1）被实现为云平台。

10.根据权利要求7或8所述的控制启发生成平台，其中，机器学习的控制启发包括用于控制由所述仿真模型（f）建模的复杂动力系统（sys）的近似法则。

11.根据前述权利要求7至8中的任一项所述的控制启发生成平台，其中，动力系统（sys）包括由所述控制器（9）根据传递的机器学习的控制启发在线控制的车辆。