分布式模型識別的製作方法

2023-05-01 01:21:01

專利名稱：分布式模型識別的製作方法
技術領域：
實施例通常涉及控制系統監控、診斷、實時優化或控制系統設計。實施例還涉及控制技術的數學模型的創建。實施例進一步涉及複雜非線性系統的分布式模型識別 (distributed model identification)。
背景技術：
控制技術的簡化數學模型的創建通常是控制系統監控、診斷或實時優化系統設計中的第一步。系統的成功極大地依賴於模型的準確性和可靠性。儘管控制器或優化器算法通常是通用的並經過良好測試的並且然後跨多個應用被再次使用，模型通常需要隨每個應用被重新創建或校準。比如，客車引擎控制單元在具有不同的引擎類型的不同汽車模型中不會正確地運行，即便控制算法實際上可以是相同的。模型創建和校準代表控制系統設計中的瓶頸。對許多基於現代模型的控制方法而言，模型實際上是針對給定應用來參數化 (parameterize)通用控制器的主要參數(除懲罰和約束之外)。許多可靠的模型從第一原理獲得機械的，熱力學的，化學的或其它定律。這些模型自然地遵循質量或能量守恆定律等。任何這類定律都對識別問題施加附加約束，從而消除問題(通常相當於未知數的數量)的不確定性。因此，第一原理模型可以利用與純經驗的黑盒子模型(即，沒有可用先驗信息的系統模型)所需的數據集相比更小的數據集進行校準。典型地，第一原理模型當與黑盒子模型相比時對用於校準的數據集展現出更大的預測誤差。但是當對不用於校準的數據集比較模型預測準確性(即進一步從校準數據中外推 (extrapolate)模型行為)時，實際情況通常相反。從第一原理導出的模型還可以具有許多未知參數。識別它們的值被稱作「灰盒子識別問題」(以將其區別於模型結構是任意的且不從物理定律導出的黑盒子識別)。複雜大規模非線性系統的灰盒子模型識別有兩種方式局部法(local method) 和全局(global)法。利用局部法，各個組件(方塊(block)圖表示中的方塊或子系統)利用其局部輸入和輸出數據被分別擬合(fit)，然而在全局法中，所有的組件在總是評估整個系統的預測時被同時擬合。全局法能夠以局部識別開始，並且隨後利用結果作為全局法的初始條件。兩種方法都有優點。例如，局部法具有更好的收斂屬性而全局法統計上更加高效。因此，發明人認為存在對一種新方法的需求，該新方法除了提供額外好處之外還結合二者的優點。

發明內容
以下概述被提供以促進理解所公開實施例特有的某些創新特徵，但並非意圖為全面描述。通過將整個說明書、權利要求、附圖以及摘要作為整體，能夠獲得此處公開實施例的各個方面的全面理解。本發明的一方面是提供一種表示為方塊圖的非線性系統的分布式模型識別的方法。
本發明的另一方面是提供一種表示為方塊圖的非線性系統的分布式模型識別的改進方法，通過以下手段通過用為每個方塊接收的值產生替代信號值(Sig)的信號生成器 (signal generator)來增強方塊中的每個輸入埠，用彈性鏈路(elastic link)代替跨方塊圖的所有的信號鏈路。本發明的另一個方面是計算接收值和替代信號值之間的差，並且將該差作為輔助信號輸出，來控制方塊圖中彈性鏈路的彈性。在識別過程期間，輔助信號的絕對值被逐漸最小化達到0。如在此所述，現在可以獲得以上的各個方面、其它的目標以及優點。一種表示為方塊圖的非線性系統的分布式模型識別的方法被公開。該分布式模型識別通過以下來實現 首先通過用信號生成器來增強多個方塊中的每個輸入埠，用彈性鏈路替代跨方塊圖的所有信號鏈路，該信號生成器為多個方塊中的每一個所接收的值生成替代信號值(Sig)。隨後計算接收值和替代信號值之間的差並且輸出為輔助信號來控制彈性鏈路的彈性。在修改的方塊圖的識別期間，操作輔助信號發生器的參數和初始條件二者來同時達到兩個目標1)將圖表的輸出設置為儘可能接近該數據，並且幻消除發送和接收信號值之間的所有差。該問題能夠被劃分為方塊參數的局部優化來實現方塊輸出到局部數據的擬合(fit)和信號生成器的全局協調，從而實現零輔助輸出。全局識別結果尋求求解一系列局部識別問題來匹配發送和接收的信號值，從而最小化它們的絕對差。


附圖進一步示出實施例，並且與詳細的描述一起用來解釋在此公開的實施例，在所述附圖中相似的參考數字在所有單獨視圖中指代相同的或者功能相似的元件並且附圖結合在說明書中且構成說明書的一部分。圖1示出了依據優選實施例的可用於生成控制系統方塊圖的示例性數據處理裝置；圖2示出了依據公開的實施例的兩個子系統A和B的級聯的方塊圖；以及圖3示出了依據公開的實施例的指示分布式模型識別方法的邏輯操作步驟的高級流程圖。
具體實施例方式本領域的普通技術人員要理解，以下描述被提供用於說明的目的而不是用於限制。技術人員理解存在在發明的精神和所附權利要求的範圍之內的許多變化。已知功能和操作的不必要細節可以從當前描述中略去以便不模糊本發明。圖1示出了依據公開的實施例的可用於生成控制系統的代表性方塊圖的數據處理裝置100。注意數據處理裝置100包括一個或多個軟體模塊的使用。軟體模塊通常包括可存儲在數據處理裝置的存儲單元中的指令介質，並且通常由兩部分組成。首先，軟體模塊可以列出常數，數據類型，變量，例程等等(其可以由其它模塊或例程訪問)。其次，軟體模塊可以被配置為一種實施方式，其可以是私有的(即，可能僅對該模塊是可訪問的)，並且包含了原始碼，該原始碼實際實施模塊所基於的例程或子例程。因此，此處使用的術語「模塊」通常可以指代軟體模塊或其實施方式。這種模塊可以單獨或者一起用來形成程序產品，這些程序產品可以通過信號承載介質(包括傳輸介質和/或可記錄介質)來實施。這種模塊的示例是圖1中所示的模塊111。重要的是注意雖然實施例在功能完善的數據處理系統(例如計算機系統)的上下文中進行描述，但是本領域的技術人員將明白實施例的機制能夠以多種形式，作為程序產品分發；並且本發明不管用來實際執行分發的信號承載介質的特定類型而同樣適用。信號承載介質的示例包括但是不局限於諸如USB驅動、DVD盤、CD-ROM盤這樣的可記錄類型的介質以及諸如模擬或數字通信鏈路這樣的其它傳輸類型介質。參照附圖，尤其是參照圖1，存儲器105，處理器(CPU) 110，只讀存儲器(ROM) 115和隨機存取存儲器(RAM) 120通常連接於裝置100的系統總線125。存儲器105可以被實施為例如R0M、RAM及其結合，或者僅為通用存儲單元。模塊111可以存儲在存儲器105中，並且隨後通過處理器110進行檢索和處理來執行特定任務。用戶輸入裝置140，例如鍵盤、滑鼠或其它的定點設備，可以連接到PCI (外圍設備互連)總線145。圖1中所示的數據處理裝置100可以包括CPU 110，ROM 115和RAM 120，其可以通過PCI主橋135耦合於外圍設備互連(PCI)局部總線145。PCI主橋135可以提供低延遲路徑，通過該路徑處理器110可以直接訪問被映射在總線存儲器和/或輸入/輸出(I/O) 地址空間中的任意位置的PCI裝置。PCI主橋135也提供用於允許PCI裝置直接訪問RAM 120的高帶寬路徑。還附連於PCI局部總線145的是通信適配器155，小型計算機系統接口(SCSI) 150 和擴展總線橋170。通信適配器155用來將數據處理裝置100連接到網絡165。SCSI 150 用來控制高速SCSI磁碟驅動160。擴展總線橋170，諸如PCI到ISA總線橋，可以用來將 ISA總線175耦合到PCI局部總線145。注意PCI局部總線145可以進一步連接到監視器 130，監視器130作為用於向用戶顯示數據和信息以及用於交互地顯示圖形用戶界面(GUI) 的顯示器(例如，視頻監視器)。注意，術語「GUI」 (圖形用戶界面)通常表示環境的類型，其藉助於在計算機監視屏上圖形顯示的圖標、菜單和對話框來表示程序、文件、選項等等。用戶可以通過用用戶輸入裝置諸如例如定點設備(諸如滑鼠)和/或用鍵盤來指示和點擊而與GUI交互來選擇和激活這類選項。特定項可以對所有應用中的用戶以同樣的方式運行，因為GUI提供了標準的軟體例程(例如模塊111)來處理這些元件並且報告用戶的動作。在創建描述控制系統的方塊圖時，組件或者子系統參數通常單獨擬合於它們的輸入和輸出數據。這類組件級校準不是最優的，並且沒有利用測量中的所有信息內容。為了說明該斷言，模型校準可以表示為通用約束的優化問題，其中連接圖的方塊的信號鏈路表示等式約束並且由方塊產生的值等於由其它方塊所接受的值。這些約束可以被稱作「結構約束(structural constraints) 」。在參數和信號的笛卡爾積中，在違反結構約束的點處概率為0。圖2描述了依據公開的實施例的兩個原子(atomic)功能方塊或子系統A和B的級聯的方塊圖200。信號S1由A處理為S2，並且最終&由B處理以產生&。測量結果m可以與理論上正確但尚未知的值s不同。差m-s表示為e (所有e值的集合在此將表示為E)。 E和未知的塊參數代表隨機(未知)變量。利用貝葉斯範式(Bayesian paradigm)，先驗概率分布可以在E和A、B未知參數的笛卡爾積中定義。該先驗概率分布和方塊圖表示了識別問題的統計學模型。方塊圖的結構約束和由測量結果值定義的約束可以結合先驗信息來定義e和A、B 參數的後驗概率分布。在該圖中，結構和測量結果約束是以下等式Afzn1 -el)-m2-ea2B(m2-eb2) = m3 ~e3 (1)= e\在此，％被分為兩個形式a和b，它們被發現為相同的。因此，先驗概率定義在以下集合的該笛卡爾積P中，集合A和B代表所有可能參數值的集合，並且集合E代表所有e 信號值xE^xElxE^x AxB (2)識別問題尋找關於特定最優指標(optimality index)的以上笛卡爾積集合P的元素，例如最大後驗概率解。P元素的相對概率由先驗信息給定，而結構約束將該概率設置於零，除了滿足等式約束的點之外。先驗概率消除是如下方式，以此方式把測量結果中的信息內容投影(project)為關於模型參數的信息。在該設置中，暴露出了局部識別和全局識別之間的差。局部方塊級校準不使用等式(1)中的最後等式約束。這指示該概率不會對P中的特定元素(也就是對滿足等式(1) 中的約束1-2但不滿足3的元素)設置為0。這也指示在更大的集合P中也在信號和參數值的結合當中尋找未知參數值，本來應該從搜索中排除其，因為它們具有零後驗概率。在該更大的集合中搜索理所當然產生了更大的平均估計誤差。因此，每當子系統被單獨處理時估計誤差就增加，因為並未考慮到所有的結構約束。當模型參數被優化時，將期待最佳的平均估計準確性，從而整體地或全局地最小化方塊圖的預測誤差。以上證實了全局識別法比起局部識別法應當具備更好的準確性。遺憾地是，全局法通常具有更狹窄的收斂集。可以表明，改進準確性的結構約束還增加了許多的局部解 (local solution)(優化問題的局部極值的數目)。因此，全局識別的全局最小值是更好的估計，但是可能更困難或者不可能通過諸如梯度法這樣的凸數值優化法來找到它。全局識別法還可以具有數值穩定性的問題。僅因為評估需要其微分方程的數值解而在評估非線性方塊圖預測中產生困難。 對帶有反饋路徑的方塊圖而言，這些解可能是不穩定的，或甚至是有限的逸出時間(某些信號在有限的時間內擊中無限值)。比較而言，子系統或方塊級識別只需要子系統的解， 這通常更簡單、更迅速並且更可靠。當與結構約束相耦合時，單獨求解方塊等式(block equation)比同時求解全部等式更迅速。此外，某些子系統可能具有限定域(limited domain) 0意味著某些輸入值可能不被允許。例如，大多數溫度信號將不接受絕對零度以下的值，因為第一原理對於絕對零度以下的溫度而言沒有任何物理意義。如果在公式中正式使用這種非法值，則它們通常導致溢出(例如，零的除法或對數)、複數或未定義結果。許多第一原理定律在域邊界上不連續。 例如，考慮除法原子方塊(division atomic block)(其域D)
\ = —y (0, oo) = Z) (3)如果除法方塊的輸入不是到方塊圖的外部輸入中的一個，而替代的是具有未知參數的其它方塊生成的內部信號，那麼該收斂可能會丟失，並且初始Si符號是不正確的。擬合的標準值在Si = O時很可能是無窮大(infinite)。那麼清楚地是，凸優化法永遠不會跨越域邊界。換句話說，Si符號不會被識別改變。注意如下改變除法方塊是沒有效果的S0=——！￡>0(4)
maxl^,^}這導致對於Si彡ε而言消除梯度(gradient) dS。/dSi並且因此導致優化以停止更新會改變Si值的任何事物。在局部識別的情況下，這很少是問題，因為子系統輸入被控制地更好。因此，輸入信號值SiS O不會被用於識別。基於以上的考慮，就存在對結合局部和全局識別法的優點的需要。最直接和最廣泛使用的方法是基於從局部識別提供的初始條件啟動全局識別。在此所述的是一種更為全面的解決方案分布式識別。該方法利用信號差的軟懲罰(softpenalization)來代替信號值的等式約束。換句話說，替代通過發送方塊輸出提供的信號值必需與接收方塊輸入接收到的值相同，本發明的實施例尋求使信號的絕對差最小化。由此，信號差可以成為經受優化的全局成本函數。因此，在識別過程期間，由接收輸入使用的信號值不需要等於由方塊輸出發送的值。方塊圖中的信號鏈路不代表單個值，而是代表兩個值。機械領域中的類比將是利用方塊之間的彈性耦合替代剛性耦合。鏈路的彈性可以通過發送和接收值之間允許多大差來控制。在識別完成後，接收到的信號值應當等於發送值，並且求得的解就是全局識別的解。圖3描述了分布式模型識別的方法300，其中每個原子方塊的每個輸入埠由信號生成器修改以便用彈性鏈路替代跨方塊圖的所有信號鏈路。該信號生成器為接收值提供替代信號值。接收值和替代信號值之間的差被輸出以控制鏈路彈性。方塊修改可以如下表達，方塊A對輸入信號矢量Si進行操作S0 (t) = A(Si(t))(5)它將用由信號生成器增強的同一個方塊替代，Sig和輔助輸出\ S0 (t) = A(sig(t))，sig(t) e D(6)sa (t) = Sig (t)-Si (t)生成的Sig是時間的未知函數，並且其需要限定為方塊A域D。如果方塊圖朝穩定狀態數據擬合，則可以使用最簡單的信號生成器。在這種情況下，Sig僅僅是未知的恆定矢量。發送和接收值之間的差增加了額外的自由度，其正是產生局部和全局方塊圖識別法之間的差的那些自由度。對於兩個方塊A和B的級聯而言，將信號&分成兩個發送和接收值導致方塊B在
輸入值不需要等於A輸出的情況下擬合。這就是局部識別法。當信號\為零時，則局部識
別法的解還就成為全局法的解。擬合彈性方塊圖並且利用\範數(norm)作為目標函數，
就可能進行從局部到全局識別的平滑過渡，這將二者的優點結合起來。此外，額外的自由度
可以始終用來將所有輸入推到各自域(例如，如果B會是除法方塊的話)。否則，保證域滿意度就將是不平凡的(nontrivial)，因為B方塊輸入值可能是A方塊參數的複雜函數。在帶有反饋路徑的方塊圖中，這變得甚至更加複雜。還注意，如果所有信號生成器和所有基本子系統是穩定，即便存在反饋路徑，則彈性方塊圖也不能變成不穩定或者有限的逸出時間。分布式識別能夠在修改所有基本建模方塊時完成，如圖3所示。代替使用其它方塊發送的或外部輸入的輸入值，使用替代信號值。該替代信號值被投影到原始子系統的域， 使得發送至此的值總是有效的。應當注意，在方塊圖中沒有可能的反饋迴路，因為輸入對輸出沒有直接影響。它們僅通過輔助的輸出最小化進行耦合。應當注意，如果方塊輸入在域之外，則由於發送輸入信號的方塊仍然被支配為通過輔助信號最小化來提供域內信號，梯度不會被消除。輔助信號僅在所有方塊輸入在各自域中時才消失。不過，關於祖先(ancestor)方塊參數的輸出的梯度可能變成零。將理解，以上公開的和其它的特徵以及功能的變形、或者及其替代物，可以期望地結合到許多其它不同的系統或應用中。而且，其中的各種目前未預見的或不預料的替代物、 修改、變形或改進可以隨後由本領域技術人員做出，其還旨在由所附權利要求來涵蓋。
權利要求
1.一種對方塊圖(200)表示的非線性系統的分布式模型進行優化的方法，該方塊圖 (200)具有多個互連的原子方塊(A，B)，所述方法(300)包含通過用信號生成器增強每個原子方塊(A，B)的每個輸入埠，將跨所述方塊圖(200) 的所有信號鏈路用彈性鏈路替代，其中所述信號生成器產生替代信號(Sig)，該替代信號 (sig)替代否則將被輸入埠接收的輸入信號；計算否則將被方塊圖(200)中的輸入埠接收的輸入信號和替代信號(Sig)之間的差；輸出該差作為輔助信號；以及在全局成本函數中使用來自於多個原子方塊(A，B)的每個埠的該輔助信號。
2.如權利要求1所述的方法，其中每個替代信號(Sig)是依據相應的原子方塊的方塊域(D)到相應的原子方塊的有效輸入信號。
3.如權利要求1所述的方法，其中該全局成本函數配置為在優化分布式模型期間試圖最小化輔助信號到零。
4.如權利要求3所述的方法，其中該全局成本函數最小化輔助信號同時約束每個替代信號(Sig)以依據相應的原子方塊的方塊域(D)保持相應原子方塊的有效輸入信號。
5.如權利要求1所述的方法，其中替代信號(Sig)和輔助信號都是時間的函數。
6.一種用於對由方塊圖(200)表示的非線性系統的分布式模型進行優化的系統，該方塊圖(200)具有多個互連的原子方塊(A，B)，該系統包含包括模塊(111)的數據處理裝置(100)，配置為通過用信號生成器增強每個原子方塊(A，B)的每個輸入埠，將跨所述方塊圖(200) 的所有信號鏈路用彈性鏈路替代，其中所述信號生成器產生替代信號(Sig)，該替代信號 (sig)替代否則將被輸入埠接收的輸入信號；計算否則將被方塊圖(200)中的輸入埠接收的輸入信號和替代信號(Sig)之間的差；輸出該差作為輔助信號；以及在全局成本函數中使用來自於多個原子方塊(A，B)的每個埠的該輔助信號。
7.如權利要求6所述的方法，其中每個替代信號(Sig)是依據相應的原子方塊的方塊域(D)到相應的原子方塊的有效輸入信號。
8.如權利要求6所述的方法，其中該全局成本函數配置為在優化分布式模型期間試圖最小化輔助信號到零。
9.如權利要求8所述的方法，其中該全局成本函數最小化輔助信號同時約束每個替代信號(Sig)以依據相應的原子方塊的方塊域(D)保持相應的原子方塊的有效輸入信號。
10.如權利要求6所述的方法，其中替代信號(Sig)和輔助信號都是時間的函數。
全文摘要
本發明涉及分布式模型識別。一種用於識別由方塊圖(200)表示的非線性系統的分布式模型的方法(300)和系統。該分布式模型識別可以通過以下來實現首先通過用信號生成器來增強多個方塊中的每個輸入埠，用彈性鏈路替代所有跨方塊圖(200)的信號鏈路，其中該信號生成器為多個方塊中的每一個所接收的值產生替代信號值(sig)。隨後，可以計算接收值和替代信號值之間的差並且輸出為輔助信號來控制彈性鏈路的彈性。然後，代替方塊圖(200)參數的全局識別即將圖作為整體處理，方塊參數基於局部數據被局部識別。同時，輔助輸出信號被強制為消失。因此，求得的解也是全局識別法(300)的解。
文檔編號G06F17/50GK102262693SQ20111017574
公開日2011年11月30日 申請日期2011年5月17日 優先權日2010年5月18日
發明者D·帕赫納 申請人:霍尼韋爾國際公司