用于確定技術(shù)系統(tǒng)輸出值的模型的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種用于確定技術(shù)系統(tǒng)輸出值的模型的方法，所述輸出值非線性地與 輸入值向量形式的多個輸入值相關(guān)，預(yù)規(guī)定具有模型參數(shù)的模型結(jié)構(gòu)作為模型，并且通過 迭代方法借助來自技術(shù)系統(tǒng)試驗臺試驗中測得的輸出值優(yōu)化模型參數(shù)，并且試驗臺試驗依 循這樣的試驗計劃，其為每個迭代步驟由估算的模型輸出值創(chuàng)建。
【背景技術(shù)】
[0002] 許多技術(shù)系統(tǒng)的輸出值是多維非線性的并且與許多參數(shù)相關(guān)。一個典型的例子是 內(nèi)燃發(fā)動機，在其中許多特征值（輸出值）、如氮氧化物排放、廢氣中的煙塵、油耗等與不同 的輸入值（或工作點）、如速度、轉(zhuǎn)矩、溫度、渦流節(jié)氣門的位置、燃料壓力等相關(guān)。一般來 說，技術(shù)系統(tǒng)理解為這樣的系統(tǒng)，在其中多個特定的輸入值、如執(zhí)行機構(gòu)的設(shè)定引起多個特 定的輸出值、如特征值或可借助傳感器測量的值，也就是說，在輸入值和輸出值之間存在任 意的函數(shù)關(guān)系。在研發(fā)這種技術(shù)系統(tǒng)時僅在試驗臺上進(jìn)行研發(fā)是極為復(fù)雜的，因為許多相 互有關(guān)并與不同輸入值有關(guān)的非線性輸出值很難手動優(yōu)化，這是一個可能的發(fā)展目標(biāo)。因 此已嘗試過用數(shù)學(xué)模型根據(jù)輸入值和系統(tǒng)參數(shù)來模擬這種技術(shù)系統(tǒng)或特定的輸出值，借助 數(shù)學(xué)模型可模擬和研究輸入值變化或模型參數(shù)變化的影響并且可進(jìn)行優(yōu)化，該優(yōu)化隨后例 如在試驗臺上被驗證。為此例如由W0 2012/163 972A1公開了所謂的基于模型的方法，其 借助數(shù)學(xué)方法并且由測量值辨識非線性技術(shù)系統(tǒng)的模型。在此選擇模型結(jié)構(gòu)、如已知的局 部模型網(wǎng)絡(luò)（LMN)或已知的多層感知器（MLP)，并且借助由試驗臺試驗（在線）獲得的數(shù) 據(jù)估算模型參數(shù)。在此模型迭代地生成輸出值，該輸出值用于試驗計劃中，以便為下一迭代 步驟生成新的輸入值，該輸入值在技術(shù)系統(tǒng)的試驗臺上被檢查。隨后在考慮特定邊緣條件 的情況下使用試驗臺試驗的輸出值來改善模型參數(shù)。這一直重復(fù)直至滿足預(yù)規(guī)定的終止條 件、即直至模型參數(shù)被足夠精確地估算。在此對于模型參數(shù)的估算重要的是，試驗計劃覆蓋 技術(shù)系統(tǒng)的整個動態(tài)和整個輸出范圍。
[0003] 但技術(shù)系統(tǒng)的許多特征值僅在特定范圍內(nèi)是引人關(guān)注的，因為有法律規(guī)定為特征 值規(guī)定了特定的參數(shù)范圍或者因為特征值僅在特定的參數(shù)范圍內(nèi)是有意義的。一個典型的 例子是內(nèi)燃機的氮氧化物排放或煙塵排放，其在內(nèi)燃機的特定運行范圍中必須符合由立法 者規(guī)定的極限值。因此，用于這種特征值的模型只須在目標(biāo)輸出值范圍內(nèi)、而無須在整個可 能的目標(biāo)輸出范圍內(nèi)是精確的。
[0004] 然而，根據(jù)W0 2012/163 972A1的用于基于模型的模型辨識方法創(chuàng)建這樣的模 型，其對于整個輸出范圍有效，這一方面提高了費用、尤其是用于必要的試驗臺試驗的費 用。另一方面，模型預(yù)計有可能在目標(biāo)輸出值范圍內(nèi)提供不夠精確的結(jié)果，因為在模型辨識 時使用過少的目標(biāo)輸出值范圍內(nèi)的訓(xùn)練數(shù)據(jù)。因此這種模型只能有限地用于目標(biāo)輸出值范 圍。
[0005] 在Picheny.V等人的"用于目標(biāo)區(qū)域的精確逼近的自適應(yīng)試驗設(shè)計"（"Adaptive DesignsofExperimentsforAccurateApproximationofaTargetRegion'，），機械設(shè) 計，卷132, 2010年7月，071008-1至071008-9中公開了一種方法，在其中創(chuàng)建試驗計劃，使 得元模型盡可能精確地在窄的目標(biāo)范圍附近估算輸出值。作為元模型使用克里格模型并且 目標(biāo)范圍被定義為輪廓線。因此，模型應(yīng)非常精確地圍繞輪廓線估算，但該方法不適合用于 在較大的目標(biāo)輸出值范圍內(nèi)估算。在此使用連續(xù)的試驗設(shè)計方法，在其中依據(jù)優(yōu)化標(biāo)準(zhǔn)根 據(jù)已知的輸入值和由其相應(yīng)計算出的輸出值選擇新的輸入值。該方法因此省卻了試驗臺試 驗。因而該方法的任務(wù)并不是借助真實系統(tǒng)的試驗臺試驗的具體測量值來進(jìn)行優(yōu)化，而是 使函數(shù)更加適應(yīng)預(yù)規(guī)定的輪廓線。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的任務(wù)在于提供一種用于確定技術(shù)系統(tǒng)輸出值的模型的方法，在其中利用 試驗臺試驗進(jìn)行優(yōu)化，該方法應(yīng)可借助盡可能少的試驗臺試驗費用實現(xiàn)并且估算的模型在 大的目標(biāo)輸出值范圍內(nèi)應(yīng)具有高精度。
[0007] 該任務(wù)通過下述方式來解決：借助對于當(dāng)前迭代步驟有效的模型由輸入值向量集 確定輸出值集，由該輸出值集確定這樣的目標(biāo)輸入值向量，其導(dǎo)致處于預(yù)規(guī)定的目標(biāo)輸出 值范圍內(nèi)的輸出值；由該特定的目標(biāo)輸入值向量為下一迭代步驟選擇一個新的輸入值向量 用于補充輸入值向量集，在此借助預(yù)規(guī)定的基于距離的選擇標(biāo)準(zhǔn)選擇該新的輸入值向量， 使得如此擴(kuò)展的已選擇的輸入值向量集用作試驗計劃，以便借助試驗臺試驗生成輸出值的 測量數(shù)據(jù)，借助所述測量數(shù)據(jù)優(yōu)化模型并且上述方法步驟迭代地重復(fù)直至滿足預(yù)規(guī)定的終 止條件。通過該方法有針對性地在定義的目標(biāo)輸出值范圍內(nèi)訓(xùn)練模型，為此需要較少的試 驗臺試驗并且盡管如此仍可在目標(biāo)輸出值范圍內(nèi)實現(xiàn)極高的精度。
[0008] 作為基于距離的選擇標(biāo)準(zhǔn)使用在輸入值范圍內(nèi)的、在輸出值范圍內(nèi)的或在輸入值 范圍/輸出值范圍內(nèi)的標(biāo)準(zhǔn)。
[0009] 將局部模型網(wǎng)絡(luò)用作模型結(jié)構(gòu)已證明是特別有利的，因為局部模型網(wǎng)絡(luò)需要較少 的計算成本、可利用現(xiàn)有的技術(shù)系統(tǒng)認(rèn)識并且引起可穩(wěn)健地用于試驗計劃的模型參數(shù)。
【附圖說明】
[0010] 下面參考附圖1至10說明本發(fā)明，所述附圖示例性、示意性并且不起限制作用地 示出本發(fā)明的有利方案。附圖如下：
[0011] 圖1示意性示出本發(fā)明方法的流程；
[0012] 圖2至4示出對于在輸入值范圍/輸出值范圍內(nèi)基于距離的選擇標(biāo)準(zhǔn)本發(fā)明方法 的不同迭代階段；
[0013] 圖5至7示出不同選擇標(biāo)準(zhǔn)與用于模型辨識的傳統(tǒng)方法的比較；
[0014] 圖8示出在使用不同選擇標(biāo)準(zhǔn)和用于模型辨識的傳統(tǒng)方法時均方誤差的比較；并 且
[0015] 圖9和10示出本發(fā)明方法應(yīng)用于確定內(nèi)燃機氮氧化物排放的模型。
【具體實施方式】
[0016] 為了本發(fā)明方法首先可選擇具有這樣的模型結(jié)構(gòu)的模型，借助該模型結(jié)構(gòu)應(yīng)根據(jù) 特定的輸入值為特征值或者說輸出值估算技術(shù)系統(tǒng)的性能。下面借助已知的所謂局部模型 網(wǎng)絡(luò)（LMN)來說明本方法。但應(yīng)指出，該方法也可以類似方式借助其它已知的模型結(jié)構(gòu)、如 多層感知器、支持向量機或高斯過程來實施。但局部模型網(wǎng)絡(luò)的特征在于少的計算時間、利 用現(xiàn)有的技術(shù)系統(tǒng)認(rèn)識的可能性以及可穩(wěn)健地用于試驗計劃的模型參數(shù)，因而特別適合用 于本發(fā)明方法，因此下面借助局部模型網(wǎng)絡(luò)LMN作為模型結(jié)構(gòu)來說明本發(fā)明。
[0017] 局部模型網(wǎng)絡(luò)LMN包括1個局部模型，它們僅局部地、即對于特定的輸入 值有效。u在此表示技術(shù)系統(tǒng)的n維輸入值向量，其包含所有的輸入值，并且0 ,表示第j 個局部模型的模型參數(shù)。局部模型鳥(》:;%)在此是具有相互作用項的二次多元回歸模型，但 應(yīng)指出，其它模型結(jié)構(gòu)也可用于局部模型、如線性或三次多元回歸模型。局部模型網(wǎng)絡(luò)的輸 出穴《)是局部模型元.(";&)輸出的加權(quán)總和并且是系統(tǒng)輸出的估算值。為此定義有效函數(shù) ^>/(幻，其定義局部模型3'，;(〃;<9,)的有效范圍，在此^表示所選擇的輸入值向量11的輸入值。 已知局部模型網(wǎng)絡(luò)的輸出賞這樣得出：
[0018] 局部模型網(wǎng)絡(luò)LMN需要訓(xùn)練數(shù)據(jù)來估算輸入值u和技術(shù)系統(tǒng)的輸出值y之間的 關(guān)系。通過在訓(xùn)練單元2中的訓(xùn)練除了模型參數(shù)0 ,外還可確定局部模型的數(shù)量 1及其有效函數(shù)吣(乃。這本身是充分公開的，例如由Hametner.C等人的"用于在線引擎 建模的局部模型網(wǎng)絡(luò)辨識（LocalmodelnetworkIdentificationforonlineengine modelling) "，2013年，信息科學(xué)220 (0)，第210 - 225頁公開，因此這里不再描述。訓(xùn)練數(shù) 據(jù)源于試驗計劃，其按照下面參考圖1的說明來創(chuàng)建。
[0019]出發(fā)點在于，模型無須在整個可能的輸出值范圍內(nèi)、而是僅在定義的目標(biāo)輸出值 范圍內(nèi)被精確估算。例如應(yīng)這樣校正內(nèi)燃機，使得關(guān)于特定輸入值的特定輸出值、如氮氧 化物排放和煙塵排放符合某些規(guī)定。因此已知目標(biāo)輸出值范圍，但并不知道相應(yīng)的模型輸 入值。因此需要試驗計劃，其辨識輸入值并且為了目標(biāo)輸出值范圍參數(shù)化模型的模型參數(shù) 0 ，以及必要時局部模型數(shù)量1及其有效函數(shù)。
[0020] 試驗計劃可理解為輸入值序列、也可能是時間序列，所述輸入值在技術(shù)系統(tǒng)的試 驗臺上被設(shè)定，并且在此觀察或者說測量到所希望的技術(shù)系統(tǒng)輸出值。在試驗臺、如發(fā)動機 試驗臺上設(shè)置技術(shù)系統(tǒng)、如內(nèi)燃機，其可選地與負(fù)載機器、如電動測力計連接并且試驗臺或 者說技術(shù)系統(tǒng)或負(fù)載機器根據(jù)試驗計劃被控制。
[0021 ] 試驗計劃基于從輸入值向量集Urand中迭代地選擇輸入值向量u_d。作為輸入值向 量集Urand可使用任何可能的輸入值向量urand集，其盡可能均勻地覆蓋整個輸入值范圍。輸 入值向量集UMnd可預(yù)先被定義并且假設(shè)對于本方法是已知的。
[0022] -個輸入值向量u_d僅可為試驗計劃被使用一次。在方法開始時，預(yù)規(guī)定輸入值 向量1^^集Ustart。在每個迭代步驟中，首先從輸入值向量集1^^并且然后從輸入值向量 集Urand中選擇一個新的輸入值向量1!_并且通過用于技術(shù)系統(tǒng)的試驗臺1上的試驗臺試驗 來測量技術(shù)系統(tǒng)針對該輸入值向量11_的反應(yīng)（輸出值7_的形式）。已知或者說已選擇的 輸入值向量uapp (包括新的輸入值向量u_)的集合Uapp與相應(yīng)測得的輸出值yapp的集合Yapp 構(gòu)成訓(xùn)練單元2 (例如適合用于進(jìn)行訓(xùn)練的包括軟件和所執(zhí)行的算法的計算機）中用于訓(xùn) 練局部模型網(wǎng)絡(luò)LMN的訓(xùn)練數(shù)據(jù)。因此，可在每個迭代步驟k中借助所述訓(xùn)練數(shù)據(jù)訓(xùn)練局 部模型網(wǎng)絡(luò)LMN。但訓(xùn)練也可僅在一些迭代步驟中引起局部模型網(wǎng)絡(luò)LMN、如網(wǎng)絡(luò)維度1或 模型參數(shù)^的變化。在模型變化時，模型參數(shù)9i、可選地局部模型六(〃;&)的數(shù)量1及其 有效函數(shù)〇,(幻也根據(jù)局部模型網(wǎng)絡(luò)LMN的規(guī)則更新，如在Hametner.C等人的"用于在線引 擎建模的局部模型網(wǎng)絡(luò)辨識（LocalmodelnetworkIdentificationforonlineengine modelling) "，2013年，信息科學(xué)220 (0)，第210 - 225頁中所描述的。
[0023] 由此已選擇的輸入值向量uapp集Uapp和相應(yīng)測得的輸出值yapp集Yapp持續(xù)增加直 至為目標(biāo)輸出范圍實現(xiàn)足夠精確的模型LMNfin。這可通過適合的終止條件來確定、例如最大 數(shù)量的訓(xùn)練數(shù)據(jù)或閾值，目標(biāo)輸出范圍中的均方模型誤差必須小于該閾值。新的輸入值向 量u_的選擇在此根據(jù)下述方法進(jìn)行。
[0024] 首先，借助在相應(yīng)迭代