公开(公告)号：US20100241243A1

公开(公告)日：2010-09-23

申请号：US12740500

申请日：2008-09-29

申请人： Alexander Hans ,  Daniel Schneegass ,  Anton Maximilian Schäfer ,  Volkmar Sterzing ,  Steffen Udluft

发明人： Alexander Hans ,  Daniel Schneegass ,  Anton Maximilian Schäfer ,  Volkmar Sterzing ,  Steffen Udluft

IPC分类号： G05B13/02 ,  G06F15/18 ,  G05B9/02

CPC分类号： G05B13/026 ,  F23N2023/40 ,  F23N2041/20 ,  G05B13/027 ,  G06N99/005

摘要： A method for the computer-assisted exploration of states of a technical system is provided. The states of the technical system are run by carrying out an action in a respective state of the technical system, the action leading to a new state. A safety function and a feedback rule are used to ensure that a large volume of data of states and actions is run during exploration and that at the same time no inadmissible actions occur which could lead directly or indirectly to the technical system being damaged or to a defective operating state. The method allows a large number of states and actions relating to the technical system to be collected and may be used for any technical system, especially the exploration of states in a gas turbine. The method may be used both in the real operation and during simulation of the operation of a technical system.

摘要翻译： 提供了一种用于计算机辅助探索技术系统状态的方法。 技术系统的状态是通过在技术系统的各自的状态下执行动作，导致新的状态的动作。 使用安全功能和反馈规则来确保在勘探期间运行大量的状态和动作数据，并且同时不会发生不可接受的行为，这些行为可能直接或间接地导致技术系统被损坏或者导致 操作状态不良 该方法允许收集与技术系统相关的大量状态和动作，并且可以用于任何技术系统，特别是对燃气轮机状态的探索。 该方法可以在实际操作中和在模拟技术系统的操作期间使用。

公开(公告)号：US20090271340A1

公开(公告)日：2009-10-29

申请号：US12386638

申请日：2009-04-21

申请人： Daniel Schneegass ,  Steffen Udluft

发明人： Daniel Schneegass ,  Steffen Udluft

IPC分类号： G06F15/18 ,  G06N5/02 ,  G06N7/02

CPC分类号： G05B13/0265

摘要： A method for the computer-aided learning of a control of a technical system is provided. An operation of the technical system is characterized by states which the technical system can assume during operation. Actions are executed during the operation and convert a relevant state into a subsequent state. The method is characterized in that, when learning the control, suitable consideration is given to the statistical uncertainty of the training data. This is achieved in that the statistical uncertainty of a quality function which models an optimal operation of the technical system is specified by an uncertainty propagation and is incorporated into an action selection rule when learning. By a correspondingly selectable certainty parameter, the learning method can be adapted to different application scenarios which vary in statistical requirements. The method can be used for learning the control of an operation of a turbine, in particular a gas turbine.

摘要翻译： 提供了一种用于技术系统的控制的计算机辅助学习的方法。 技术系统的操作的特点是技术系统在运行期间可以承担的状态。 在操作期间执行动作，并将相关状态转换为后续状态。 该方法的特征在于，当学习控制时，适当考虑训练数据的统计不确定性。 这是通过不确定性传播来规定对技术系统的最佳操作建模的质量函数的统计不确定性来实现的，并且在学习时被并入动作选择规则中。 通过相应可选择的确定性参数，学习方法可以适应于在统计需求中不同的不同应用场景。 该方法可以用于学习对涡轮机，特别是燃气轮机的操作的控制。

公开(公告)号：US20100257866A1

公开(公告)日：2010-10-14

申请号：US12595092

申请日：2008-04-04

申请人： Daniel Schneegass ,  Steffen Udluft

发明人： Daniel Schneegass ,  Steffen Udluft

IPC分类号： F02C9/00 ,  G05B13/04 ,  G06N3/08

CPC分类号： G05B13/027

摘要： A method for computer-supported control and/or regulation of a technical system is provided. In the method a reinforcing learning method and an artificial neuronal network are used. In a preferred embodiment, parallel feed-forward networks are connected together such that the global architecture meets an optimal criterion. The network thus approximates the observed benefits as predictor for the expected benefits. In this manner, actual observations are used in an optimal manner to determine a quality function. The quality function obtained intrinsically from the network provides the optimal action selection rule for the given control problem. The method may be applied to any technical system for regulation or control. A preferred field of application is the regulation or control of turbines, in particular a gas turbine.

摘要翻译： 提供了一种用于计算机支持的控制和/或调节技术系统的方法。 在该方法中，使用加强学习方法和人工神经元网络。 在优选实施例中，并行前馈网络连接在一起，使得全球架构满足最佳标准。 因此，网络将观察到的收益近似为预期效益的预测因子。 以这种方式，以最佳方式使用实际观察来确定质量函数。 从网络本质上获得的质量函数为给定的控制问题提供了最佳动作选择规则。 该方法可以应用于任何用于调节或控制的技术系统。 优选的应用领域是涡轮机，特别是燃气轮机的调节或控制。

公开(公告)号：US20100205974A1

公开(公告)日：2010-08-19

申请号：US12675555

申请日：2008-08-26

申请人： Daniel Schneegass ,  Steffen Udluft

发明人： Daniel Schneegass ,  Steffen Udluft

IPC分类号： F02C9/00 ,  G05B13/04 ,  G06N3/08

CPC分类号： G05B13/027 ,  F02C9/00 ,  F05D2270/707 ,  F05D2270/709 ,  G06N3/0454 ,  G06N3/08

摘要： A method for a computer-aided control of a technical system is provided. The method involves use of a cooperative learning method and artificial neural networks. In this context, feed-forward networks are linked to one another such that the architecture as a whole meets an optimality criterion. The network approximates the rewards observed to the expected rewards as an appraiser. In this way, exclusively observations which have actually been made are used in optimum fashion to determine a quality function. In the network, the optimum action in respect of the quality function is modeled by a neural network, the neural network supplying the optimum action selection rule for the given control problem. The method is specifically used to control a gas turbine.

摘要翻译： 提供了一种用于技术系统的计算机辅助控制的方法。 该方法涉及使用协作学习方法和人工神经网络。 在这种情况下，前馈网络彼此链接，使得整体架构满足最优性标准。 网络近似于作为评估者观察到的预期奖励的奖励。 以这种方式，实际上已经进行的专门观察以最佳方式被使用以确定质量函数。 在网络中，关于质量函数的最佳动作由神经网络建模，神经网络为给定的控制问题提供最佳动作选择规则。 该方法专门用于控制燃气轮机。