用于提供用来在马达控制设备中计算的稀疏高斯过程模型的方法和装置的制造方法
【技术领域】
[0001] 本发明一般涉及马达控制设备，在所述马达控制设备中函数模型作为基于数据的 函数模型来实现。尤其本发明涉及用于从所提供的控制点数据（Stiitzstelledaten)来确 定稀疏高斯过程模型的方法。
【背景技术】
[0002] 为了在控制设备、尤其是用于内燃机的马达控制设备中实现函数模型，设置了基 于数据的函数模型的使用。经常使用无参数的、基于数据的函数模型，因为可以在没有特殊 规定的情况下从训练数据、也就是一定数量的训练数据点来建立这些函数模型。
[0003] 用于基于数据的函数模型的实例是所谓的、基于高斯过程回归的高斯过程模型。 高斯过程回归是一种多方面的、用于基于数据的对复杂的物理系统进行建模的方法。所 述回归分析通常基于大量的训练数据，从而使用能更有效地测评的近似解决方案是有意义 的。
[0004] 对于所述高斯过程模型来说，存在着稀疏高斯过程回归的方案，其中为了建立基 于数据的函数模型仅仅利用了有代表性数量的控制点数据。为此，必须以合适的方式从所 述训练数据中选择或者推导出所述控制点数据。
[0005] 文献NeuralInformationProcessingsystems18 (NIPS) 2006 年E.Snelson等 人的"SparseGaussianProcessesusingPseudo-inputs，' 以及NeuralComputation 14 2002 年第 641-668 页Csat6Lehel;0pper，Manfred的"SparseOn-LineGaussian Processes"公开了一种用于求得用于稀疏高斯过程模型的控制点数据的方法。
[0006] 其它的与此有关的方法从AdvancesinNeuralInformationProcessing Systems13 2001 年第 619-625 页Smola，A.J. ,Schtilkopt，W?的"SparseGreedy GaussianProcessRegression"和Proceedingsofthe9thInternationalWorkshopon ArtificialIntelligenceandStatistics2003年Seeger,M.Williams,C.K. ,Lawrence, N.D?的"FastForwardSelectiontoSpeedupSparseGaussianProcessRegression" 中公开。
[0007] 此外，由现有技术公开了控制组件，其具有主运算单元和单独的模型计算单元用 来计算控制设备中基于数据的函数模型。文献DE10 2010 028 259A1例如公开了带有作 为模型计算单元的额外逻辑电路的控制设备，该模型计算单元构造用于计算指数函数，从 而支持贝叶斯回归方法的实施，所述贝叶斯回归方法尤其需要用于计算高斯过程模型。
[0008] 模型计算单元总体设计用于实施基于参数和控制点（Stiltzstelle)或者说训练 数据为计算基于数据的函数模型的数学过程。尤其纯粹以硬件实现模型计算单元的用于有 效计算指数函数以及和函数（Summenfunktion)的功能，从而能够实现以比软件控制的主 运算单元中更高的运算速度来运算高斯过程模型。
【发明内容】
[0009] 根据本发明，设置了根据权利要求1所述的、用于确定稀疏高斯过程模型的方法 以及根据并列权利要求所述的模型计算单元、控制设备和计算机程序。
[0010] 其它有利的设计方案在从属权利要求中得到了说明。
[0011] 根据第一方面，设置了用于确定用来在纯粹基于硬件的模型计算单元中执行的稀 疏高斯过程模型的方法，该方法包括以下步骤：
[0012] -提供控制点数据点、基于所述控制点数据点的参数矢量和相应的超参数；
[0013] -确定或者提供用于所述稀疏高斯过程模型的、虚拟的控制点数据点；并且
[0014] -借助于在所述虚拟的控制点数据点之间的协方差矩阵KM的乔里斯基分解并且根 据控制点数据点、基于所述控制点数据点的参数矢量以及相应的超参数来确定用于所述稀 疏高斯过程模型的参数矢量，它们定义了所述稀疏高斯过程模型。
[0015] 上述方法提供一种基于一定数目的预先给定的、虚拟的控制点数据点以简单的方 式来建立稀疏高斯过程模型的方案。
[0016] 稀疏高斯过程模型具有比常规的高斯过程模型高得多的存储效率，因为仅仅必须 保存M<<N的控制点数据点。四分之一的控制点数据点或更少的控制点数据点经常就已 足够。因此，在物理的模型计算单元中，可以保存更多的基于数据的函数模型。另外，对于 单个的、较小的高斯过程模型的测评可以更快地进行。
[0017] 此外，所述方法可以包括另外的步骤：
[0018] -求得在常规的控制点数据点之间的协方差矩阵KN、在虚拟的控制点数据点之间 的协方差矩阵KM以及在所述常规的控制点数据点与所述虚拟的控制点数据点之间的协方 差矩阵Km;
[0019] -尤其在对于所述虚拟的控制点数据点之间的协方差矩阵km使用乔里斯基分解的 情况下从夏^震^.1(_中确定对角矩阵A;并且
[0020] -基于所述对角矩阵确定基于超参数的、用于所述稀疏高斯过程模型的参数矢量 (y 〇
[0021] 所述方法可以包括另外的步骤：
[0022] -在对于在常规的控制点数据点与虚拟的控制点数据点之间的协方 差矩阵'使用乔里斯基分解的情况下从所述对角矩阵A中确定中间参量
【主权项】
1. 用于确定用来在纯粹基于硬件的模型计算单元（43)中执行的稀疏高斯过程模型的 方法，包括以下步骤： -提供控制点数据点、基于所述控制点数据点的参数矢量和相应的超参数； -确定或者提供用于所述稀疏高斯过程模型的、虚拟的控制点数据点；并且 -借助于在所述虚拟的控制点数据点之间的协方差矩阵Km的乔里斯基分解并且根据控 制点数据点、基于所述控制点数据点的参数矢量以及相应的超参数来确定用于所述稀疏高 斯过程模型的参数矢量，它们定义了所述稀疏高斯过程模型。
2. 根据权利要求1所述的方法，具有另外的步骤： -求得在常规的控制点数据点之间的协方差矩阵Kn、在虚拟的控制点数据点之间的协 方差矩阵Km以及在所述常规的控制点数据点与所述虚拟的控制点数据点之间的协方差矩 阵K丽； -在对于所述虚拟的控制点数据点之间的协方差矩阵Km使用乔里斯基分解的情况下从 疋MV人M 中确定对角矩阵Λ ;并且 -基于所述对角矩阵确定基于超参数的、用于所述稀疏高斯过程模型的矢量
3. 根据权利要求2所述的方法，具有另外的步骤： -在使用对于在所述常规的控制点数据点与所述虚拟的控制点数据点之间 的协方差矩阵Km的乔里斯基分解的情况下从所述对角矩阵Λ中确定中间参量
-基于所述中间参量Qm确定基于所述超参数的、用于所述稀疏高斯过程模型的矢量 C
4. 根据权利要求1所述的方法，其中，作为
来求得用于 所述稀疏高斯过程模型的矢量G=，其中Lm相应于所述中间参量Q Μ的乔里斯基分解。
5. 根据权利要求1到4中任一项所述的方法，其中，为用于所述稀疏高斯过程模型的超 参数矢量Qm加载时基误差。
6. 用于实施稀疏高斯过程模型的计算的模型计算单元（43)，其中，基于按照根据权利 要求1到5中所述的方法求得的、用于所述稀疏高斯过程模型的超参数矢量Q m以及所述虚 拟的控制点数据点来计算所述稀疏高斯过程模型。
7. 控制设备（4)，具有受软件控制的主运算单元（42)以及根据权利要求6所述的、纯 粹基于硬件的模型计算单元（43)。
8. 计算机程序，所述计算机程序被设立用于执行根据权利要求1到5中任一项所述的 方法的所有步骤。
9. 机器可读的存储介质，在所述存储介质上保存了根据权利要求8所述的计算机程 序。
10. 电子的控制设备（4)，所述电子的控制设备被设立用于执行根据权利要求1到5中 任一项所述的方法的所有步骤。
【专利摘要】本发明涉及一种用于确定用来在纯粹基于硬件的模型计算单元(43)中执行的稀疏高斯过程模型的方法，该方法包括以下步骤：-提供控制点数据点、基于所述控制点数据点的参数矢量和相应的超参数；-确定或者提供用于所述稀疏高斯过程模型的、虚拟的控制点数据点；并且-借助于对于在所述虚拟的控制点数据点之间的协方差矩阵KM的乔里斯基分解并且根据控制点数据点、基于所述控制点数据点的参数矢量以及相应的超参数来确定用于所述稀疏高斯过程模型的参数矢量它们定义了所述稀疏高斯过程模型。
【IPC分类】G05B13-04
【公开号】CN104749953
【申请号】CN201410830924
【发明人】M.汉泽尔曼, E.克洛彭堡, H.马克特, F.施特赖歇特
【申请人】罗伯特·博世有限公司
【公开日】2015年7月1日
【申请日】2014年12月26日
【公告号】DE102013227183A1, US20150186332