专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

1. 发明申请

WO2021204983A1 STEUEREINRICHTUNG ZUM STEUERN EINES TECHNISCHEN SYSTEMS UND VERFAHREN ZUM KONFIGURIEREN DER STEUEREINRICHTUNG 审中-公开
公开(公告)号：WO2021204983A1
公开(公告)日：2021-10-14
申请号：PCT/EP2021/059262
申请日：2021-04-09
申请人： SIEMENS AKTIENGESELLSCHAFT
发明人： OBERMAYER, Stefan , STERZING, Volkmar , TOKIC, Michel , UDLUFT, Steffen , WEBER, Marc Christian
IPC分类号： G06N3/08 , G06N3/04 , G06N7/00
摘要： Es wird eine zeitliche Abfolge von Steuersignalen (CS) und eine zeitliche Abfolge von gemessenen Zustandsdaten (SD) des technischen Systems (TS) erfasst. Die zeitliche Abfolge der Steuersignale (CS) wird in ein neuronales Netz (NN) eingespeist, und Ausgabedaten (PD) des neuronalen Netzes (NN) werden in das Simulationsmodul (SIM) als Simulationseingabedaten eingespeist. Durch das Simulationsmodul (SIM) wird anhand der Ausgabedaten (PD) des neuronalen Netzes (NN) eine physikalische Simulation durchgeführt, wobei simulierte Zustandsdaten (SSD) des technischen Systems (TS) ermittelt werden. Das neuronale Netz (NN) wird dann darauf trainiert, einen Abstand zwischen den gemessenen Zustandsdaten (SD) und den simulierten Zustandsdaten (SSD) zu verringern. Das trainierte neuronale Netz (NN) und das Simulationsmodul (SIM) bilden einen hybriden Simulator (HSIM). Es werden eine Vielzahl von weiteren, unterschiedlichen Steuersignalen (CSG) generiert und in den hybriden Simulator (HSIM) und ein weiteres neuronales Netz (NNS) eingespeist. Das weitere neuronale Netz (NNS) wird darauf trainiert, einen Abstand zwischen den von dem hybriden Simulator (HSIM) simulierten Zustandsdaten (SSO) des technischen Systems (TS) und den Ausgabedaten (NNO) des weiteren neuronalen Netzes (NNS) zu verringern. Das derart trainierte weitere neuronale Netz (NNS) kann nun von der Steuereinrichtung (CTL) genutzt werden, die voraussichtliche Reaktion des technischen Systems (TS) auf beliebige Steuersignale (CS) zu prognostizieren. Dadurch wird die Steuereinrichtung (CTL) in die Lage versetzt, das technischen System (TS) unter Berücksichtigung der Prognose für beliebige Steuersignale ohne große Streuung von Prognosefehlern vorausschauend zu steuern.

2. 发明申请

WO2020002447A1 STEUEREINRICHTUNG ZUM STEUERN EINES TECHNISCHEN SYSTEMS UND VERFAHREN ZUM KONFIGURIEREN DER STEUEREINRICHTUNG 审中-公开
公开(公告)号：WO2020002447A1
公开(公告)日：2020-01-02
申请号：PCT/EP2019/067036
申请日：2019-06-26
申请人： SIEMENS AKTIENGESELLSCHAFT
发明人： DÜLL, Siegmund , HEESCHE, Kai , STERZING, Volkmar , WEBER, Marc Christian
IPC分类号： G05B13/02
摘要： Eine erfindungsgemäße Steuereinrichtung (CTL) für ein technisches System (TS) wird mittels eines maschinellen Lernverfahrens trainiert. Hierzu wird eine zeitliche Abfolge von Trainingsdaten (TD) für das maschinelle Lernverfahren erfasst. Die Trainingsdaten (TD) umfassen Zustände des technischen Systems (TS) spezifizierende Zustandsdaten (SD) sowie Steueraktionen des technischen Systems (TS) spezifizierende Steueraktionsdaten (AD). Aus den Trainingsdaten (TD) wird eine zeitliche Abfolge der Steueraktionsdaten (AD) spezifisch extrahiert und auf eine zeitliche Veränderung geprüft. Bei Feststellen einer zeitlichen Veränderung wird ein diese Veränderung umfassendes Zeitfenster (TF) ermittelt und die innerhalb des Zeitfensters (TF) befindlichen Trainingsdaten (FTD) werden zeitfensterspezifisch extrahiert. Die Steuereinrichtung (CTL) wird dann mittels des maschinellen Lernverfahrens bevorzugt anhand der extrahierten Trainingsdaten (FTD) trainiert und damit zum Steuern des technischen Systems (TS) konfiguriert.

3. 发明申请

WO2020193148A1 MACHINE CONTROL BASED ON AUTOMATED LEARNING OF SUBORDINATE CONTROL SKILLS 审中-公开
公开(公告)号：WO2020193148A1
公开(公告)日：2020-10-01
申请号：PCT/EP2020/056558
申请日：2020-03-11
申请人： SIEMENS AKTIENGESELLSCHAFT
发明人： HEIN, Daniel , MOSANDL, Judith , UDLUFT, Steffen , WEBER, Marc Christian
IPC分类号： F02C9/00 , G05B13/02
摘要： Machine control based on automated learning of subordinate control skills For controlling a machine (100) according to multiple control objectives, a device (200) provides multiple subordinate control skills (221, 222, 223, 224, 225), each of the control skills being assigned to a different one of the multiple control objectives. Further, the device (200) provides multiple learning processes (211, 212, 213, 214, 215), in particular reinforcement learning (RL) processes. Each of the learning processes (211, 212, 213, 214, 215) is assigned to a different one of the multiple control objectives and being configured to optimize the corresponding subordinate control skill (221, 222, 223, 224, 225) based on input data received from the machine (100). Further, the device (200) is configured to determine a superordinate control skill (240) based on the subordinate control skills (221, 222, 223, 224, 225) and to control the machine (100) based on the superordinate control skill.

4. 发明申请

WO2019101314A1 METHOD, CONTROLLER, AND COMPUTER PROGRAM PRODUCT FOR REDUCING OSCILLATIONS IN A TECHNICAL SYSTEM 审中-公开
公开(公告)号：WO2019101314A1
公开(公告)日：2019-05-31
申请号：PCT/EP2017/080192
申请日：2017-11-23
申请人： SIEMENS AKTIENGESELLSCHAFT
发明人： DÜLL, Siegmund , HEESCHE, Kai , SINGH, Gurdev , WEBER, Marc Christian
IPC分类号： G05B5/01
CPC分类号： G05B5/01
摘要： For reducing oscillations in a technical system (GT) a plurality of different controller settings (CP) for the technical system (GT) is received. For a respective controller setting (CP) a signal (SG) representing a time series of operational data of the technical system controlled by the respective controller setting (CP) is received, the signal (SG) is processed, whereby the processing comprises a transformation into a frequency domain, and an entropy value (S) of the processed signal (PSG) is determined. Depending on the determined entropy values (S) a controller setting (SCP) from the plurality of controller settings (CP) is selected, and the selected controller setting (SCP) is output for configuring the technical system (GT).

5. 发明申请

WO2019086243A1 RANDOMIZED REINFORCEMENT LEARNING FOR CONTROL OF COMPLEX SYSTEMS 审中-公开
公开(公告)号：WO2019086243A1
公开(公告)日：2019-05-09
申请号：PCT/EP2018/078285
申请日：2018-10-16
申请人： SIEMENS AKTIENGESELLSCHAFT
发明人： DÜLL, Siegmund , HEESCHE, Kai , NORDLUND, Raymond S. , UDLUFT, Steffen , WEBER, Marc Christian
IPC分类号： G05B13/02
摘要： A method (10a; 10b) of controlling a complex system (50) and a gas turbine (50) being controlled by the method (10a; 10b) are provided. The method (10a; 10b) comprises providing (11) training data (40), which training data (40) represents at least a portion of a state space (S) of the system (50); setting (12) a generic control objective (32) for the system (50) and a corresponding set point (33); and exploring (13) the state space (S), using Reinforcement Learning, for a control policy for the system (50) which maximizes an expected total reward. The expected total reward depends on a randomized deviation (31) of the generic control objective (32) from the corresponding set point (33).

6. 发明申请

WO2022184358A1 COMPUTERIMPLEMENTIERTES VERFAHREN, VORRICHTUNG ZUR DATENVERARBEITUNG UND COMPUTERSYSTEM ZUM ANSTEUERN EINER REGELUNGSEINRICHTUNG EINES FÖRDERSYSTEMS 审中-公开
公开(公告)号：WO2022184358A1
公开(公告)日：2022-09-09
申请号：PCT/EP2022/052335
申请日：2022-02-01
申请人： SIEMENS AKTIENGESELLSCHAFT
发明人： ZETTLER, Michael , WEBER, Marc Christian , HEIN, Daniel , OTTE, Clemens , SCHALL, Martin , PFEIFFER, Frank
IPC分类号： G05B13/02 , G05B19/418 , B65G47/26 , B65G43/08 , B65G43/10
摘要： Die Anwendung von Methoden des bestärkenden Lernens auf Fördersysteme (2) für Stückgüter (4) kommt aufgrund der hohen Anzahl einzelner Förderelemente (12), welche die Dimensionalität der Aktionsvektoren (a(t)) determiniert, rasch an seine Grenzen. Die Erfindung beschreibt ein Computerimplementiertes Verfahren, eine Vorrichtung zur Datenverarbeitung und ein Computersystem zum Ansteuern einer Regelungseinrichtung eines Fördersystems (2) mit individuell ansteuerbaren Förderelementen (12) um eine Ausrichtung und/oder einen definierten Abstand der Stückgüter (4) zu erzielen wobei das Ansteuern der Regelungseinrichtung (14) bestimmt wird durch einen nach Methoden des bestärkenden Lernens handelnden Agenten. Anhand eines Abbilds wird für jedes der Stückgüter (4n) ein individueller, lokaler Zustandsvektors sn(t) vorab festgelegter und für alle Stückgüter (4) übereinstimmender Dimension erstellt. Individuell für jedes Stückgut (4n) wird ein Aktionsvektors (an (t)) aus einem Aktionsraum gemäß einer für alle Stückgüter (4, 4n) gleichen Strategie (Policy) für den aktuellen Zustandsvektor (sn (t)) dieses Stückguts (4) ausgewählt. Diese Aktionsvektoren (an (t)) werden auf die Förderelemente (12) projiziert, wobei Konflikte (z.B. mehrere Aktionsvektoren (an (t)) werden auf dasselbe Förderelement (12)) abgebildet) aufgelöst werden. Nach Ablauf einer Taktzeit (At) werden für jedes Stückgut (4n) erneut ZustandsVektoren (sn (t+Δt)) erstellt und mit Belohnungen bewertet und die Strategie angepasst.

7. 发明申请

WO2020193148A8 MACHINE CONTROL BASED ON AUTOMATED LEARNING OF SUBORDINATE CONTROL SKILLS 审中-公开
公开(公告)号：WO2020193148A8
公开(公告)日：2020-10-01
申请号：PCT/EP2020/056558
申请日：2020-03-11
申请人： SIEMENS AKTIENGESELLSCHAFT
发明人： HEIN, Daniel , MOSANDL, Judith , UDLUFT, Steffen , WEBER, Marc Christian
IPC分类号： F02C9/00 , G05B13/02 , F05D2270/082 , F05D2270/44 , F05D2270/71 , G05B13/027
摘要： Machine control based on automated learning of subordinate control skills For controlling a machine (100) according to multiple control objectives, a device (200) provides multiple subordinate control skills (221, 222, 223, 224, 225), each of the control skills being assigned to a different one of the multiple control objectives. Further, the device (200) provides multiple learning processes (211, 212, 213, 214, 215), in particular reinforcement learning (RL) processes. Each of the learning processes (211, 212, 213, 214, 215) is assigned to a different one of the multiple control objectives and being configured to optimize the corresponding subordinate control skill (221, 222, 223, 224, 225) based on input data received from the machine (100). Further, the device (200) is configured to determine a superordinate control skill (240) based on the subordinate control skills (221, 222, 223, 224, 225) and to control the machine (100) based on the superordinate control skill.

8. 发明申请

WO2020173795A1 BEWERTUNG EINES LEISTUNGSSCHALTERS 审中-公开
公开(公告)号：WO2020173795A1
公开(公告)日：2020-09-03
申请号：PCT/EP2020/054423
申请日：2020-02-20
申请人： SIEMENS AKTIENGESELLSCHAFT
发明人： HEISE, Marcus , STERZING, Volkmar , WEBER, Marc Christian
IPC分类号： H01H71/04
摘要： Die Erfindung betrifft die Bewertung eines Leistungsschalters (20). Dazu wird eine Audioinformation während eines Schaltvorgangs des Leistungsschalters (20) erfasst. Diese Audioinformation wird analysiert, um Informationen für die Bewertung des Leistungsschalters (20) zu erzeugen.

9. 发明申请

WO2023011793A1 HERSTELLUNGSVERFAHREN UND -ANLAGE FÜR BATTERIESPEICHER 审中-公开
公开(公告)号：WO2023011793A1
公开(公告)日：2023-02-09
申请号：PCT/EP2022/066716
申请日：2022-06-20
申请人： SIEMENS AKTIENGESELLSCHAFT
发明人： ARZBERGER, Arno , BALDAUF, Manfred , OTTE, Clemens , RUNKLER, Thomas , STEINBACHER, Frank , STOELBEN, Gunnar , WEBER, Marc Christian , WITT, Jonas
IPC分类号： H01M4/139 , G01N21/01 , H01M10/04 , G05B19/18 , G06N20/00
摘要： Verfahren zur Herstellung einer Elektrodenschicht eines Batteriespeichers sowie eine Herstellungsanlage zur Herstellung einer Elektrodenschicht eines Batteriespeichers welche einen schnellen und unmittelbaren Eingriff in den Herstellungsprozess ermöglichen und somit die Ausschussquote der Batterieherstellung reduzieren. Das Verfahren bzw. die Herstellungsanlage erreicht dies durch folgende Schritte: - Erfassen von mit der Herstellung der Elektrodenschicht assoziierten Anlagenparametern zumindest einer Anlage, - Erfassen eines oder mehrerer Messwerte einer Messgröße der Elektrodenschicht-Paste und/oder der Elektrodenschicht, - Berechnen/Ermitteln eines Korrekturwerts aus einem Vergleich des erfassten Messwerts der Elektrodenschicht mit einem festgelegten Sollwertbereich und - Einstellen der Anlagenparameter in Abhängigkeit des berechneten Korrekturwertes.

10. 发明申请

WO2022161729A1 STEUEREINRICHTUNG ZUM STEUERN EINES TECHNISCHEN SYSTEMS UND VERFAHREN ZUM KONFIGURIEREN DER STEUEREINRICHTUNG 审中-公开
公开(公告)号：WO2022161729A1
公开(公告)日：2022-08-04
申请号：PCT/EP2021/087697
申请日：2021-12-28
申请人： SIEMENS AKTIENGESELLSCHAFT
发明人： HEIN, Daniel , SCHÖNER, Holger , WEBER, Marc Christian , HEESCHE, Kai , STERZING, Volkmar , UDLUFT, Steffen
IPC分类号： G05B13/02
摘要： Erfindungsgemäß wird ein Betriebssignal (BS) des technischen Systems (TS) in ein erstes Maschinenlernmodul (NN1) eingespeist, das darauf trainiert ist, ein spezifisch ohne aktuelle Anwendung einer Steueraktion entstehendes Verhaltenssignal des technischen Systems zu reproduzieren und das reproduzierte Verhaltenssignal (VSR1) als erstes Ausgabesignal auszugeben. Das erste Ausgabesignal (VSR1) wird in ein zweites Maschinenlernmodul (NN2) eingespeist, das darauf trainiert wird, anhand eines Steueraktionssignals (AS) ein daraus resultierendes Verhaltenssignal des technischen Systems zu reproduzieren und das reproduzierte Verhaltenssignal (VSR2) als zweites Ausgabesignal auszugeben. Weiterhin werden ein Betriebssignal (BS) des technischen Systems in ein drittes Maschinenlernmodul (NN3) und ein drittes Ausgabesignal (AS) des dritten Maschinenlernmoduls (NN3) in das trainierte, zweite Maschinenlernmodul (NN2) eingespeist. Anhand des zweiten Ausgabesignals (VSR2) wird eine Steueraktionsperformanz (Q) ermittelt. Damit wird das dritte Maschinenlernmodul (NN3) darauf trainiert, die Steueraktionsperformanz (Q) zu optimieren. Durch das Training des dritten Maschinenlernmoduls (NN3) wird Steuereinrichtung (CTL) zum Steuern des technischen Systems konfiguriert.

你已经成功收藏专利！

检索式保存成功!

IPRDB

热门服务

关于我们

友情链接

联系方式