[发明专利]用于自适应基于数据的函数模型的方法和设备

说明书

本发明涉及用于自适应基于数据的函数模型的方法和设备，尤其涉及一种用于自适应基于数据的函数模型尤其是高斯过程模型的方法，其包括下列步骤：‑提供取样部位数据，通过取样部位数据来定义基于数据的函数模型且取样部位数据包括带各一个运行点和目标参量的一个配属于该运行点的目标值的取样部位数据点；‑提供测量点和在该测量点上检测到的目标参量的值；‑确定按照重要性函数具有最小的重要性的取样部位数据点；以及‑按照替换标准用测量点来替换确定的取样部位数据点。

技术领域

本发明通常涉及发动机控制器，在发动机控制器中，函数模型作为基于数据的函数模型被执行或计算。本发明尤其涉及方法，以便在发动机控制器中在线也就是说节省资源地自适应基于数据的函数模型。

背景技术

为了执行在控制器中，尤其是在用于内燃机的发动机控制器中的函数模型，规定使用基于数据的函数模型。通常使用无参数的、基于数据的函数模型，因为它们无需专门的给定就可以用训练数据，也就是说用一定量的训练数据点建立。

用于基于数据的函数模型的一个示例就是所谓的高斯过程模型，其基于高斯过程回归。高斯过程回归是用于基于数据地模型化复杂的物理系统的一种全面的方法。回归分析基于通常大量的训练数据，因此合理的是，使用能够有效地被评估的近似的解决方法。

对高斯过程模型来说，存在稀疏的高斯过程回归的可能性，在稀疏的高斯过程回归中，为了建立基于数据的函数模型而仅利用代表性数量的取样部位数据。为此，必须以恰当的方式从训练数据中选出取样部位数据。

文献“稀疏在线高斯过程”（Csató，Lehel;Opper，Manfred，神经计算14: 641-668页，2002）公开了一种用来求出针对稀疏高斯过程模型的取样部位数据的方法。

其它用于操纵训练数据或用于产生取样部位数据的方法例如由“稀疏贪婪高斯过程回归”（Smola，A.J.，Schölkopf，W.，神经信息处理系统的进展 13，619-625页，2001）和“用于加速稀疏高斯过程回归的快速前进选择”（Seeger，M.，Williams，C.K.，Lawrence，N.D.，第九届人工智能和统计学国际研讨会的会议记录，2003）公开。

发明内容

按照本发明，规定一种按权利要求1所述的用于自适应基于数据的函数模型的方法和按并列权利要求所述的一种设备、一种系统和一种计算机程序。

其它有利的设计方案在从属权利要求中说明。

按照第一个方面，规定一种用于自适应基于数据的函数模型，尤其是高斯过程模型的方法，该方法包括下列步骤：

- 提供取样部位数据，通过取样部位数据来定义基于数据的函数模型且取样部位数据包括带各一个运行点和目标参量的一个配属于该运行点的目标值的取样部位数据点

- 提供测量点和在该测量点上检测到的目标参量的值；

- 确定按照重要性函数具有最小的重要性的取样部位数据点；以及

- 按照替换标准用测量点来替换确定的取样部位数据点。

当有新的测量数据可供使用时，上述方法提供了一种可能性，以便自适应现有的基于数据的函数模型。基于数据的函数模型尤其可以被构造成高斯过程模型以及通过超参数和一定量的取样部位数据定义。基于数据的函数模型的函数值的计算在发动机控制器中通常在线地进行，而超参数和取样部位数据则被事先计算以及在发动机控制器中的一个为此设置的存储区域中被提供。

对许多应用领域来说，函数模型的在线自适应是必需的，以便确保有待运行的物理的系统的始终很高的效率。模型自适应的常见的应用在于在构件使用寿命期间修正构件公差或修正参数漂浮。