[发明专利]对用于机器的状态监控的模型进行验证和选择的方法

权利要求书

1.一种用来对至少一个用于监控机器的状态的模型进行验证和从包括至少一个模型的第一模型集中选择至少一个用于监控机器的状态的模型的方法，其中所述模型是借助于机器学习来被训练的算法，所述算法基于表征机器的运行状态的运行参数来对所述机器的运行状态进行建模，其中所述模型借助于所述运行参数的参考数据记录来被训练并且通过对于不同的模型来说不同的参数配置来被表征，而且其中所述验证和选择借助于不容许的运行参数值来进行，所述方法包括：

a) 根据所述参考数据记录产生（54）一个或多个测试数据记录，其中在所述参考数据记录中的至少一个运行参数的至少一个值分别被相对应的不容许的运行参数值所替代；

b) 针对所述模型集中的每个模型：

将所述模型应用（56）于所述一个或多个测试数据记录中的每个测试数据记录，以便确定所述模型关于每个测试数据记录方面的误差值，并且

基于所述模型的误差值来确定（62）所述模型的距离值；

c) 基于所述距离值的大小来选择（64）一个或多个模型。

2.根据权利要求1所述的方法，其中选择多个具有最大距离值的模型；其中优选地选择具有最大距离值的那个模型。

3.根据上述权利要求中任一项所述的方法，其中在步骤b)中，相应的模型的距离值被确定为使得所述距离值对应于从下组中选择的值：所述模型的误差值中的最小误差值、所述模型的误差值中的最大误差值、所述模型的误差值的平均值；其中优选地针对所有模型都用同一种方法来确定所述距离值。

4.根据上述权利要求中任一项所述的方法，所述方法还包括：

定义和训练（52）包括至少一个模型的第一模型集，其中在所述定义的情况下针对不同的模型选择不同的参数配置。

5.根据上述权利要求中任一项所述的方法，其中步骤b)还包括：

如果所述误差值中的至少一个误差值小于模型的预先确定的最大误差极限，则将所述模型丢弃（58）。

6.根据权利要求5所述的方法，所述方法进一步包括：当所有模型都被丢弃时：

定义（74）包括至少一个模型的第二模型集，其中不同的模型利用不同的参数配置来被定义，而且所述第二模型集的模型的参数配置不同于所述第一模型集的模型的参数配置；

借助于所述参考数据记录来训练（76）所述第二模型集的模型；并且

针对所述第二模型集来执行步骤b)和c)。

7.根据上述权利要求中任一项所述的方法，其中所述模型的参数配置包括初始化参数、学习率和/或误差量度。

8.根据上述权利要求中任一项所述的方法，其中所述模型被实现为神经网络、尤其是自编码器，其中所述参数配置包括层的数目、用于所述层中的每个层的神经元的数目和/或时期的数目。

9.根据上述权利要求中任一项所述的方法，所述方法还包括：

存储（66）所选择的至少一个模型的参数配置。

10.一种计算单元，所述计算单元被设立为执行根据上述权利要求中任一项所述的方法。

11.一种计算机程序，当所述计算机程序在计算单元上被实施时，所述计算机程序促使所述计算单元执行根据权利要求1至9中任一项所述的方法。

12.一种机器可读存储介质，其具有被存储在其上的根据权利要求11所述的计算机程序。