用于机电定位系统的位置调节的方法和设备与流程

本发明涉及机电定位系统，如它们能够例如被使用在阀门升程-调整系统、电子离合器以及类似物中。此外，本发明涉及用于这种机电定位系统的位置调节。

背景技术：

机电定位系统（如，用于可变的阀门升程-调整系统的定位器（stellgeber），所述在阀门升程-调整系统在位于机动车中的内燃机以及电子离合器系统中）需要稳健的位置调节，以便能够在整个产品生命周期中以保持恒定的调节品质来设定所期望的额定位置。基于大量的影响量，结构可变的调节能够被设置用于这种定位系统。结构可变的调节对应于具有结构可变的调节规则以及切换函数的调节。

然而，对于预先给定的调节路径说，这种结构可变的调节的切换函数昂贵地被应用，由此，位置调节的稳健性能够被损害。

技术实现要素：

根据本发明，根据权利要求1的方法和根据并列权利要求的设备以及调节系统被设置，所述方法用于机电定位系统的位置调节。

在从属权利要求中说明了其他的方案。

根据第一方面，用于执行用于机电定位系统的位置调节的方法被设置，其中，所述位置调节包括结构可变的调节，所述结构可变的调节具有切换函数和调节规则，其中，所述调节规则借助情况区分（fallunterscheidung）根据系统状态的评估来提供控制量，所述控制量用于操控所述定位系统的执行机构，其中，所述调节规则的所述情况区分根据切换量的分类被执行，所述切换量作为所述切换函数的输出量，其中，所述切换函数由基于数据的函数模型来定义。

为了实现对机电定位系统的位置尽可能快地调整，通常，结构可变的调节被设置用于定位调节。结构可变的调节包括切换函数和结构可变的调节规则。在最简单的情况下，结构可变的调节能够设置，机电的定位器最大限度地被操控，直至达到相对于预先给定的额定位置的、特定的系统状态，以便然后沿着预先给定的切换轨迹驶近额定状态。在这个阶段期间，在最简单的情况下，调节规则在最大可能的和最小可能的控制量之间如此长地、高频地来回切换，直至到达额定位置。

这种结构可变的调节对应于这样的调节：对于所述调节来说，控制量取决于定位系统的状态并且取决于至少一个另外的选择参数。用于定位系统的、结构可变的调节的使用具有普遍的优点，即所提到的稳健的调节器能够被实现。这意味着，即使确定的系统不确定性（例如，摩擦、公差、环境影响）作用在所述系统上，所述切换轨迹也被实现。在此，结构可变的调节设置了，根据预先给定的切换轨迹驶近额定位置，所述切换轨迹通过预先确定的切换函数被预先给定。如果机电的定位器的实际状态不在切换轨迹上，则机电的定位器通常以最大的操控被运行，以便尽可能快地接近下述运行状态，所述运行状态由切换轨迹预先给定。就机电定位系统而言，除了在额定位置和实际位置之间的调节偏差，所述切换函数能够取决于多个其他的参数。由此，切换函数在实际中的应用常常是昂贵的。

上面的方法设置了，借助非参数的、基于数据的模型提供切换函数。基于数据的模型实现了：基本上模拟物理系统的函数，而无参数的预先给定。高斯过程模型（gauß-prozess-modell）例如能够被用作基于数据的函数模型，所述高斯过程模型基本上由超参数、系数向量以及支持位置点（stützstellenpunkte）定义。高斯过程模型是一种方法，以便能够将难以模型化的或者难以测量的、函数的关联基于数据地整合在计算规则中。

基于数据的函数模型的使用一方面实现了切换函数在单独的硬件上的、更快的计算，并且由此减轻了控制单元的负荷，所述函数模型用于结构可变的调节的切换函数的实现，所述硬件例如能够具有状态机，所述状态机具有固定布线的计算块，所述控制单元执行位置调节。另一方面，基于数据的函数模型的使用尤其是有利的，当更大数目的、用于切换函数的输入参数必须被考虑时，因为这个切换函数能够基于训练数据通过能够自动化的训练方法被应用。

此外，所述调节规则能够对应于两点调节，其中，控制量的生成尤其是根据切换量的符号被执行，所述控制量定义所述系统状态。

可替代的，所述调节规则能够对应于超螺旋算法，其中，所述控制量的生成尤其是根据切换量的符号并且根据所述控制量的变化过程被生成，所述切换量定义所述系统状态。

除了两点调节器和超螺旋算法，调节规则的、其他的实施替代方案（例如，多点调节器）也是可能的。

根据一实施方式，所述基于数据的函数模型对应于高斯过程模型、rbf-网络或者支持向量机（support-vector-maschine）。

能够设置的是，所述切换函数根据调节偏差以及其他的系统参数被定义。

尤其地，此外，所述切换函数能够考虑所述定位系统的实际速度和/或一个或者多个状态参数。

尤其地，所述状态参数能够包括所述定位系统的温度、与老化相关的量、运行电压和摩擦说明（reibungsangabe）。

根据另一个方面，设置了用于执行用于机电定位系统的位置调节的设备，其中，所述位置调节包括结构可变的调节，所述结构可变的调节具有切换函数和调节规则，其中，所述调节规则借助情况区分根据系统状态的评估来提供控制量，所述控制量用于操控所述定位系统的执行机构，其中，所述设备被构造用于根据切换量的分类来执行所述调节规则的所述情况区分，所述切换量作为所述切换函数的输出量，其中，所述切换函数由基于数据的函数模型来定义。

此外，所述设备包括调节块和切换函数块，所述调节块用于提供调节规则，所述切换函数块用于提供作为切换函数的、所述基于数据的函数模型，其中，所述切换函数块被构造为单独的硬件单元，所述硬件单元用于单独地计算所述基于数据的函数模型。

根据另一个方面，设置了定位系统，所述定位系统包括定位器以及上述的设备。

附图说明

下面，实施方式参照所附上的附图被更详细地阐述。附图示出：

图1示出机电定位系统的、示意性的视图；以及

图2示出用于说明调节规则的图表，所述调节规则用于不同的系统状态区域。

具体实施方式

在图1中，用于机电定位系统1的框图被示意性地示出。机电定位系统1能够涉及定位器、机动车的电子离合器或者在机动车中的、其他的定位器系统，所述定位器用于内燃机的、可变的阀门传动装置，所述定位器系统借助位置调节被调节。机电定位系统1包括调节路径2，所述调节路径具有定位器21和位置传感器23，所述位置传感器用于提供实际位置。机械装置22能够被设置在定位器21和位置传感器23之间。

控制量u被供给至定位器21，所述控制量由调节块3得出。控制量u能够对应于占空比或者类似的参数，所述占空比用于定位器21的、机电的执行机构的操控。通常，控制量说明预先给定的控制力矩或者类似物。

切换量作为切换函数的输出量被提供至调节块3，切换函数由切换函数块4预先给定。调节块3包括用于结构可变的调节的调节规则，所述调节能够根据简单的两点调节器被构造，如下：

其中，umax对应于最大的控制量，并且，s对应于定位系统的状态。状态s由切换函数块4的切换函数提供，所述切换函数在切换函数块4中被实现。

切换函数根据调节偏差和一系列其他的系统参数p来评估系统状态，所述调节偏差由实际位置φist和额定位置φsoll确定。

这种结构可变的调节的作用方式例如被直观地示出在图2中。图2示出了关于实际速度和调节偏差δφ的、在系统状态之间的、极限曲线g1、g2、g3的变化过程，其中，对于在所示出的极限曲线g1、g2、g3之下的系统状态来说，切换函数的负值被假设，对于在相应的极限曲线g1、g2、g3之上的系统状态来说，切换函数的正值被假设。

除了调节偏差，切换函数还取决于多个参数p，例如，实际速度、温度、老化效应、运行电压、摩擦条件（油温、整个系统启动后的时间等）以及其他参数。不同的极限曲线g1、g2、g3分别示出用于不同的参数集的极限曲线。

就这种系统而言，切换函数能够仅仅难以分析地被推导出。因此，系统必须基础地被测量，以便上述的影响量在切换模型中被考虑到。

为了实现切换函数，建议使用基于数据的函数模型。基于数据的函数模型能够基于高斯过程模型、rbf-网络和支持向量机以及类似物。

对非参数的、基于数据的函数模型的使用基于贝叶斯回归方法。贝叶斯回归的基本原理例如在《用于机器学习的高斯过程（gaussianprocessesformachinelearning）》（c.e.rasmussen等著，2006年由mit出版社出版）中被描述。贝叶斯回归是基于数据的方法，所述方法描绘在模型中的、在从属量和一个或者多个独立量之间的关系。为了创建这个模型，训练数据点是必需的，所述训练数据点分别包括输入量和与其配属的输出量。模型的创建借助支持位置点的使用进行，所述支持位置点完全或者部分对应于训练数据或者由这些训练数据生成。此外，抽象的超参数被确定，所述超参数将模型函数的空间参数化并且有效地加权训练数据的各个测量点对于之后的模型预测的影响。

基于数据的函数模型借助贝叶斯回归方法（例如，高斯过程模型）基于多个所提供的训练数据点的、传统的构建根据近似理论进行，所诉训练数据点分别包括输入量和与之配属的输出量。在此，所述创建先验地完成，而不了解函数模型或者系统的行为，所述行为应当由函数模型描述。

传统地，抽象的超参数由优化方法确定。用于这种优化方法的可能性在于边缘似然（marginallikelihood）p（y|h,x）的优化。边缘似然p（y|h,x）描述训练数据的、所测量的y-值的可信性（作为向量y示出），当模型参数h和训练数据的x-值（输入量的值）被预先给定时。在模型训练中，通过寻找合适的超参数，p（y|h,x）被最大化，所述超参数导致通过超参数和训练数据确定的模型函数的变化过程，并且尽可能精确地描绘训练参数，并且在此尽可能广泛地隐去（ausblenden）测量的不确定性和公差。

如在图2中所示出的，从高斯过程模型出发，所述高斯过程模型具有d个输入量x1…xd和一个输出量y。输入量x1…xd和输出量y的组合分别形成支持位置。高斯过程模型基于协方差函数，所述协方差函数能够示出平方-指数函数：

其他的协方差函数的使用也是可能的。协方差矩阵是：

矩阵i表示维度（n*n）的单位矩阵，其中，n对应于支承位置点的数目。

超参数分别被称为信号方差、具有长度尺度的长度尺寸向量和噪声方差。

因此，预测的输出为：

其中，

缩放的（标准化的、归一化的）输出值对应于

并且，n个支持位置对应于

对于上面的切换函数来说，，其中，输入量对应于调节偏差和实际速度和/或其他的系统参数中的一个或者多个系统参数。

切换函数和调节规则能够在控制装置中被实现，其中，切换函数能够在单独的模块计算单元中被计算，所述模块计算单元被构造为单独的硬件单元。这种模块计算单元被硬布线，并且，与此相应地，不被构造用于执行软件代码。出于这个原因，也没有处理器被设置在这种模块计算单元中。取而代之地，模块计算单元具有计算内核，所述计算内核对应于状态机，并且单纯在硬件中实施预先给定的算法的计算。

控制量u能够如上所述地由简单的调节规则推导出，所述调节规则对应于两点调节。在这里，只有切换函数的切换量s的符号被评估，所述切换函数说明执行机构在第一或者与其相反的第二方向上的、最大的操控。

可替代地，设置高阶的、扩展的调节规则是可能的，其中，切换函数的、时间上的变化被考虑到。这样，除了两点调节器，超螺旋算法也能够被用作计算规则，如下：

其中，α和λ是待确定的调节参数。超螺旋算法作为调节规则导致更小的控制花费，因为在控制量中的切换频率被显著地降低，然而，超螺旋算法作为调节规则与两点调节器相比具有更高的计算花费。