[发明专利]用于使用机器学习的驱动器选择的设备和方法

说明书

描述了训练用于选择工业驱动器系统（500）的至少一个组件（502）的人工智能模块（102）的计算机实现方法以及包括对应经训练的AI模块的设备。所述方法包括提供（S1）初始训练数据集合的步骤，所述初始训练数据集合包括规则的集合，其中每个规则指示选择决策，所述选择决策用于基于对工业驱动器系统（500）的至少一个使用要求来选择工业驱动器系统（500）的至少一个组件（502）。此外，修改的训练数据集合基于采用至少一个另外的选择决策增补初始训练数据集合来生成，所述至少一个另外的选择决策用于基于以下中的至少一个来选择驱动器系统（500）的至少一个组件（502）：与驱动器系统（500）的至少一部分的仿真相关的仿真数据；与至少一个组件的选择相关的经验数据；以及指示至少一个安装的工业驱动器系统的至少一个操作特性的操作数据。此外，AI模块基于修改的训练数据集合来训练。

技术领域

本发明一般涉及工业驱动器系统和/或其组件的选择。特别地，本发明涉及训练用于选择工业驱动器系统的至少一个组件的人工智能模块的计算机实现方法。此外，本发明涉及根据这样的方法来训练的人工智能模块的使用，并且涉及根据这样的方法来训练以用于选择工业驱动器系统的至少一个组件的设备。

背景技术

工业驱动器系统通常包括多个组件，所述多个组件可在系统的设计阶段期间被选择，使得所选择的组件和/或驱动器系统满足对系统的预期使用和/或应用的某些要求。为了配置工业驱动器系统，可使用来自工程的多个阶段（诸如类似驱动器系统的操作以及系统设计、仿真工程）的知识。而且，（例如以实践经验磨砺（hone）的）人类专家的专家知识可用于驱动器系统的组件的选择。

归因于在选择工业驱动器系统的组件中可能涉及的知识和/或数据的多个源，驱动器选择的过程相当复杂、耗时且花费高。目前，不存在允许整合在驱动器选择的过程（即，选择驱动器系统的一个或多个组件的过程）中涉及的知识和/或数据的各个源的可用的方法、设备或者工具。因此，驱动器系统的初始设计通常基于部分知识，并且例如采用仿真来迭代地调节，以便实现优选地满足对驱动器系统的预期使用和/或应用的要求和/或需求的适当的驱动器选择。

发明内容

通常，降低对工业驱动器系统的组件的选择（即，对驱动器选择）所要求的设计时间、工程时间和/或成本可能是期望的。除了那个之外，根据对驱动器系统的预期使用和/或应用的特定的需要和/或要求来确保驱动器系统的合适的和/或适当的定尺寸（dimensioning）可能是期望的。

这可采用独立权利要求的主题来实现。另外的有利的实施例在从属权利要求和以下的描述中被描述。

本公开的第一方面涉及训练用于选择和/或确定工业驱动器系统的至少一个组件的人工智能模块（在下文中被称为AI模块）的方法。本公开的第二方面涉及根据这样的方法来训练以用于选择工业驱动器系统的至少一个组件的AI模块的使用。本公开的第三方面涉及根据这样的方法来训练的设备，所述设备被配置用于选择工业驱动器系统的至少一个组件。应当注意的是，以下关于所述方法所描述的任何特征、步骤和/或元素同样应用于AI模块和/或设备的使用，并且反之亦然。换言之，在下文中关于第一方面至第三方面中的任何方面所描述的任何特征、步骤和/或元素同样应用于任何其它方面。