[发明专利]用于控制技术系统的方法和控制机构

权利要求书

1.一种用于控制技术系统（TS）的方法，其中：

a) 持续地检测所述技术系统（TS）的运行参数值（BP）的时间序列；

b) 通过可训练的数字的滤波器（DF）把所述运行参数值（BP）的序列持续地转变为经滤波的信号值（GS）的序列；

c) 把经滤波的信号值（GS）的序列输送给机器的学习例程（NN），该学习例程从中推导出用于目标-运行参数（ZBP）的预测值（PZ）；

d) 所述数字的滤波器（DF）以及所述机器的学习例程（NN）被训练减小在推导出的预测值（PZ）和在时间上与其对应的、所述目标-运行参数（ZBP）的实际检测值之间的差距（D）；和

e) 输出用于控制所述技术系统（TS）的所述预测值（PZ）。

2.如权利要求1所述的方法，其特征在于，所述机器的学习例程（NN）和/或所述数字的滤波器（DF）包括人工神经网络、递归神经网络、卷积神经网络、自动编码器、深度学习架构、支持向量机、数据驱动的可训练的回归模型、k近邻分类器、物理模型和/或决策树。

3.如权利要求1所述的方法，其特征在于，所述数字的滤波器（DF）和所述机器的学习例程（NN）共同地训练。

4.如前述权利要求1至3中任一项所述的方法，其特征在于，通过所述数字的滤波器（DF），根据滤波参数进行转换，这些滤波参数通过对所述数字的滤波器（DF）的训练予以修改，从而减小所述差距（D）。

5.如前述权利要求1至3中任一项所述的方法，其特征在于，在转换所述运行参数值（BP）的序列时，在一个时间窗口内形成所述运行参数值的通过滤波参数加权的移动总和。

6.如权利要求5所述的方法，其特征在于，加权的所述总和通过所述运行参数值（BP）的序列与所述滤波参数的序列的卷积和/或通过所述运行参数值（BP）的序列与所述滤波参数的序列的移动标量积来形成。

7.如前述权利要求1至3中任一项所述的方法，其特征在于，所述数字的滤波器（DF）具有一个或多个卷积的神经层和/或用于对所述运行参数值（BP）的序列予以滤波的池化层（PL）。

8.如前述权利要求1至3中任一项所述的方法，其特征在于，作为差距（D），采用分别在预测值（PZ）和在时间上与其对应的、所述目标-运行参数（ZBP）的实际检测值之间的各个差距的统计平均值。

9.如前述权利要求1至3中任一项所述的方法，其特征在于，为了检测所述运行参数值（BP）的序列，

- 检测多个运行参数的值序列；

- 将所述值序列分别插值到共同的规定的时间格上；并且

- 将插值到所述时间格上的值序列汇总成所述运行参数值（BP）的序列。

10.如前述权利要求1至3中任一项所述的方法，其特征在于，为了检测所述运行参数值（BP）的序列，检测被存储的、先前检测的运行参数和/或被存储的、先前检测的目标-运行参数。

11.一种用于控制技术系统（TS）的控制机构（CTL），被设计用来实施根据前述权利要求中任一项所述的方法。

12.一种计算机可读的存储介质，在该计算机可读的存储介质上存储有计算机程序，所述计算机程序被设计用来实施根据权利要求1至10中任一项所述的方法。