确定技术系统的剩余使用寿命的方法和设备与流程

1.本发明涉及一种用于确定技术系统的剩余使用寿命的方法、一种用于执行该方法的设备、一种用于训练机器学习系统的方法、一种用于训练机器学习系统的设备、一种计算机程序和一种机器可读的存储介质。


背景技术：

2.hinton和salakhutdinov的“reducing the dimensionality of data with neural networks”，2006年7月28日，https：//www.cs.toronto.edu/～hinton/science.pdf公开了一种借助于自动编码器确定表示的方法。


技术实现要素：

3.技术系统或至少技术系统的组件通常会遭受磨损过程。这些磨损过程可能导致技术系统不再有效工作或甚至不再正确工作。这尤其可能导致技术系统的失效。
4.因此，希望确定技术系统或技术系统的至少一个组件的剩余使用寿命(英语：remaining useful life或rest of useful life，rul)。基于所确定的剩余使用寿命，例如可以决定是否和/或何时应当更换所述技术系统或所述组件。
5.具有独立权利要求1的特征的方法使得能够确定技术系统或技术系统的至少一个组件的剩余使用寿命。这是有利的，因为由此可以拦截技术系统或技术组件的失效。也可以基于所确定的剩余使用寿命对所述技术系统或所述技术系统的所述至少一个组件进行维护。该方法的优点是能够以更高的准确性确定剩余使用寿命。
6.在第一方面，本发明涉及一种用于确定技术系统的至少一个组件的剩余使用寿命的计算机实现的方法，其中该方法包括以下步骤：
7.·
借助于至少一个传感器确定第一输入信号，其中所述第一输入信号表征所述技术系统的所述至少一个组件的运行状态；
8.·
借助于第一机器学习系统的编码器确定所述第一输入信号的第一表示；
9.·
基于所述第一表示并且基于所提供的多个第二表示来确定所述剩余使用寿命，其中所述多个第二表示是借助于所述编码器基于多个第二输入信号来确定的，并且向每个第二表示分配对应的剩余使用寿命。
10.在所描述的方法中，剩余使用寿命可以理解为从当前时间点到第二时间点的时间段，在该时间段内所述组件和/或所述技术系统本身正确地或以足够的准确性或以足够的效率执行或能够执行预期功能，而在所述第二时间点之后，所述组件和/或所述技术系统出现故障，或者所述组件和/或所述技术系统没有以足够的准确性或以足够的效率执行或能够执行预期功能，或所述组件和/或所述技术系统的进一步运行可能导致安全风险。
11.例如可以想到，所述技术系统是制动器并且所述组件是制动片。在这个示例中可以想到，由于制动片的磨损，制动器从所述第二时间点起将不再正确工作，或进一步的运行导致过高的风险，例如因为制动器不能再发挥足够的制动力。
12.因此，该方法可以理解为，借助于第一机器学习系统确定所述组件和/或所述技术系统的剩余使用寿命。
13.为此，在该方法中首先借助于所述至少一个传感器确定表征所述组件或所述技术系统的运行状态的第一输入信号。作为传感器例如可以使用被构造用于确定温度、压力、转速、流量或加速度的传感器。有利地，也可以使用多个可能不同的传感器。在这种情况下，输入信号可以优选地以向量的形式表示。然而也可能的是，光学传感器用作传感器并且所述输入信号包括图像。
14.然后输入信号由所述第一机器学习系统接受，所述第一机器学习系统借助于编码器确定所述第一表示，所述第一表示可以理解为输入信号的潜在表示。编码器在此情况下可以理解为可以从输入信号中提取与确定剩余使用寿命相关的信息的设备。
15.在此情况下，所述第一机器学习系统特别是可以包括自动编码器(英语：auto encoder)，其中可以将自动编码器的编码器理解为第一机器学习系统的编码器。在这种情况下，自动编码器的编码器可以接受输入信号并确定输出，其中所述输出可以用作所述第一表示。也可能的是，由编码器确定的输出遍历至少一个后处理步骤并且将经过后处理的输出用作第一表示。
16.也可能的是，所述第一机器学习系统包括变分自编码器(英语：variational auto encoder)，其中变分自编码器的编码器可以理解为第一机器学习系统的编码器。在这种情况下，自动编码器的编码器可以接受输入信号并确定包括表征期望值的至少一个第一值和包括表征方差的至少一个第二值的输出。一个或者多个第一值和第二值可以优选地级联成向量，其中该向量可以作为第一表示提供。还可能的是，该向量遍历至少一个后处理步骤并且将经过后处理的向量用作第一表示。
17.然而也可能的是，所述第一机器学习系统包括归一化流(英语：normalizing flow)，其中归一化流的前向方向可以理解为编码器。在这种情况下，归一化流可以接受输入信号并通过前向传递(英语：forward pass)确定输出，其中所述输出可以用作第一表示。也可能的是，由所述归一化流程确定的输出遍历至少一个后处理步骤，并且将经过后处理的输出用作第一表示。
18.不管编码器的选择如何，后处理都可以包括根据所述第二表示的平均值的至少一个移位。
19.所述第一表示和所述第二表示可以理解为输入信号空间的潜在子空间的点或向量，其中所述潜在子空间分别表征存在于所述第一输入信号和所述第二输入信号中的重要信息。
20.然后可以将所确定的第一表示与多个第二表示进行比较以确定剩余使用寿命。所述第二表示特别是可以在所述组件和/或所述技术系统的开发期间加以确定。例如，在开发期间可以记录和确定结构相同或结构相似的组件或结构相同或结构相似的技术系统的第二输入信号，并且可以一直等到达到该组件的第二时间点为止。然后可以分别将从记录第二输入信号的时间点到第二时间点的时间间隔作为剩余使用寿命分配给第二输入信号。
21.然后可以用所述第二输入信号和分别对应的、即分配的剩余使用寿命来训练所述第一机器学习系统。在所述训练后，所述第二输入信号可以由所述第一机器学习系统的编码器处理，并且所述编码器的输出可以作为第二表示提供。在此情况下，然后可以将针对第
二输入信号确定的剩余使用寿命分配给针对第二输入信号确定的第二表示。
22.在该方法的优选设计中，还可以在确定剩余使用寿命的步骤中根据所述第二表示之一与所述第一表示的至少一个相似性来确定所述剩余使用寿命。
23.这种方法的优点是通过该方法可以非常精确地预测剩余使用寿命，因为通过编码器将第一输入信号的信息压缩为决定性地表征第一输入信号的信息的子集。由此，借助于相似性对第一表示与第二表示的比较可以被认为是对应输入信号的语义内容的比较，其中输入信号的不期望的内容(例如噪声)已经由编码器从输入信号中去除。由此能够改善剩余使用寿命的预测精度。
24.相似性特别是可以基于范数或距离来确定。这里可以将数值大的范数或者数值大的距离理解为小相似性，将数值小的范数或者数值小的距离理解为高相似性。为了确定相似性也可以使用近似方法，特别是局部敏感的粉碎方法(英语：locality-sensitive hashing，局部敏感散列)。
25.特别地，可以提供分配给第二表示的剩余使用寿命作为所确定的剩余使用寿命，其中所述第二表示是多个第二表示中与所述第一表示最相似的第二表示。
26.这种设计形式可以理解为，针对第一表示在第二表示内确定最近邻并且将其剩余使用寿命作为剩余使用寿命提供。这种设计形式的优点是可以通过使用最近邻来非常快速地确定剩余使用寿命。另一优点是，附加地可以确定与最近邻的相似性是否位于典型的相似性区间内或者与最近邻的相似性是否远小于典型相似性。在此情况下，例如可以将第二表示与其各自最近邻的典型相似性用作典型相似性。如果与最近邻的相似性不典型，则可能表明所述输入信号和/或所述组件和/或所述技术系统中存在异常。
27.在该方法的优选实施方式中，还可以将与所述多个第二表示的子集对应的剩余使用寿命的平均值或中值或最小值或最大值作为所确定的剩余使用寿命提供，其中所述子集包含预定义数量的与所述第一表示最相似的第二表示。
28.这种设计形式可以理解为，针对第一表示首先确定第二表示内预定义数量的最近邻，然后将与所确定的最近邻对应的剩余使用寿命的平均值或中值或最小值或最大值作为剩余使用寿命提供。这种方法的优点是，多个最近邻的信息使得能够对剩余使用寿命进行更有区别的确定。例如，借助于中值或平均值确定的剩余使用寿命可以理解为预期剩余使用寿命。借助于最小值确定的剩余使用寿命可以理解为最坏的预期剩余使用寿命，而借助于最大值确定的剩余使用寿命可以理解为最佳的预期剩余使用寿命。这是有利的，因为技术系统的操作员和/或用户因此可以直接了解组件或技术系统的使用周期。例如可能的是，可以向技术系统的操作者和/或用户显示预期剩余使用寿命，以及最小的预期剩余使用寿命和最大的预期剩余使用寿命。通过该信息使技术系统的操作员和/或用户能够决定技术系统可以或应当运行多长时间。
29.在该方法的另一设计中，可以借助于第二机器学习系统来确定所述剩余使用寿命，其中首先借助于多个第二表示和分别分配给所述第二表示的剩余使用寿命来训练所述第二机器学习系统，使得所述第二机器学习系统可以针对所述第一表示确定剩余使用寿命。
30.特别地，可以将分配给第二表示的剩余使用寿命表示为实数，例如以秒为单位。在这种情况下，第二机器学习系统可以特别是作为回归器进行训练，即第二机器学习系统被
训练为，使得其接受第二表示，然后预测分配的剩余使用寿命。然后可以优选地将监督学习方法用于所述训练，以训练第二机器学习系统。在该训练后，第二机器学习系统然后可以基于第一表示来预测剩余使用寿命。这种设计的优点是通过第二机器学习系统也可以学习第二表示和所分配的剩余使用寿命之间的强非线性关系，特别是如果将神经网络用于回归的话。由此进一步改善了剩余使用寿命的预测准确性。
31.在该方法的另一设计中可以想到的是，将所述第一表示借助于所述技术系统的网络连接传送到第二设备并且由所述第二设备执行确定剩余使用寿命的步骤。
32.这种设计可以理解为，第一表示的确定由技术系统本身执行，而剩余使用寿命的确定由第二设备执行。由此使得技术系统本身可以不必保持第二表示，而是第二表示可以优选地由第二设备以分散的方式保持。由此减少了对存储空间的需求和对技术系统的计算能力的需求，因为通过第二机器学习系统进行的评估或对最近邻的搜索将由第二设备执行。
33.在该方法的另一优选设计中，所述第一表示可以与所述输入信号的测量时间点一起由所述技术系统和/或所述第二设备保持，并且在所述技术系统的所述至少一个组件的寿命结束时将所述第一表示作为第二表示一起记录到所述多个第二表示中，其中与所述第一表示对应的剩余使用寿命由寿命结束时间点与测量时间点之间的差值确定。
34.如果所述第二机器学习系统用于确定剩余使用寿命，则在将表示添加到多个第二表示之后，可以用增加的多个第二表示对所述第二机器学习系统进行后训练或重新训练。
35.该设计可以理解为，在技术系统的运行时期间收集另外的输入信号，然后一旦达到组件和/或技术系统的寿命结束，就可以将所述另外的输入信号记录到多个第二输入信号中。第二时间点可以理解为寿命结束。这种设计的优点是，可以在技术系统运行期间进一步丰富多个第二输入信号。由此可以进一步提高确定剩余使用寿命的准确性。
36.在该方法的另一设计中，可以将所确定的剩余使用寿命借助于显示设备传送给所述技术系统的操作者和/或用户。
37.这是有利的，因为所述技术系统的操作者和/或用户可以通过这种方式了解所述技术系统的内部状态并且能够决定所述组件和/或所述技术系统例如是否应当被更换或停止运行。
38.此外还可能的是，如果所确定的剩余使用寿命达到或低于预定义的最小剩余使用寿命，则更换所述技术系统的所述至少一个组件。
39.更换优选可以自动进行，例借助于为此构造的机器人。这样做的优点是，通过防止组件和/或技术系统的磨损相关失效可以剧烈减少技术系统的失效时间。
40.此外可能的是，一旦剩余使用寿命低于预定义的最小剩余使用寿命，就在功能方面限制所述技术系统。
41.例如可以想到，如果所确定的剩余使用寿命达到或低于预定义的剩余使用寿命，则所述组件和/或所述技术系统的使用是一种剧烈增加的安全风险。对此的一个示例是上面的制动器的示例。制动器可以被构造为使机动车辆减速，特别是使至少部分自动化的机动车辆减速。在这种情况下还可能的是，一旦所确定的剩余使用寿命达到或低于预定义的剩余使用寿命，机动车辆就在其功能范围方面受到限制。例如可以想到，在达到或低于预定义的剩余使用寿命的情况下限制机动车辆的最大速度，以降低由于制动器的制动力减小而
引起的事故概率。由此有利地提高了技术系统的安全性。
42.在该方法的优选设计中，所述技术系统可以是至少部分自动化的机动车辆或制造系统或家用电器。
附图说明
43.下面参考附图更详细地解释本发明的实施方式。在附图中：
44.图1示意性地示出了用于操控致动器的控制系统的结构；
45.图2示意性地示出了用于控制至少部分自主的机器人的实施例；
46.图3示意性地示出了用于控制制造系统的实施例；
47.图4示意性地示出了用于控制访问系统的实施例；
48.图5示意性地示出了用于控制监视系统的实施例；
49.图6示意性地示出了用于控制个人助理的实施例。
具体实施方式
50.图1示出了第一机器学习系统(60)，其被构造为接受输入信号(x)并基于输入信号(x)确定输出信号(y)，其中输入信号(x)表征技术系统的至少一个组件的运行状态并且输出信号(y)表征技术系统的至少一个组件的剩余使用寿命。
51.所述输入信号可以优选地表征技术系统的所述至少一个组件的温度和/或压力和/或电流强度和/或电压和/或转速(drehrate)和/或加速度并且可以用一个或多个对应合适的传感器记录。
52.将输入信号(x)输送给第一机器学习系统的编码器(61)，其中编码器(61)被构造为从输入信号(x)中确定第一表示(64)。编码器(61)优选地以向量、矩阵或张量的形式输出第一表示(64)。
53.将第一表示输送给比较单元(62)。比较单元(62)可以包括可以与第一表示(64)进行比较的多个第二表示(63)，即第二表示的形式与第一表示的形式相同。第二表示(63)优选地由编码器(61)从第二输入信号中确定。向这些第二输入信号分别分配剩余使用寿命，这些剩余使用寿命可以被转用于对应确定的第二表示。因此，每个第二表示都具有对应的剩余使用寿命。剩余使用寿命可以优选地由以秒为单位来说明剩余使用寿命的实数值表征。
54.比较单元(62)然后可以在多个第二表示(63)内确定第一表示(64)的至少一个、优选多个最近邻。为了确定一个或多个最近邻，可以确定第一表示(64)与每个第二表示(63)的相似性。为了确定相似性特别是可以使用合适的范数，例如欧氏距离或余弦相似性(英语：cosine similarity)。
55.然后可以由比较单元(62)将与第一表示(64)最相似的第二表示的剩余使用寿命，即最近邻的剩余使用寿命确定为与第一输入信号(x)对应的剩余使用寿命并且作为输出信号(y)的至少一部分输出。替代地，也可以将多个最近邻的剩余使用寿命的平均值和/或中值和/或最小值和/或最大值确定为与第一输入信号(x)对应的剩余使用寿命并且作为输出信号(y)的至少一部分输出。
56.替代地，比较单元(62)也可以包括第二机器学习系统(未示出)，该第二机器学习
系统接受第一表示(64)作为输入。第二机器学习系统优选地已经用第二表示(63)和对应的剩余使用寿命训练过，使得第二机器学习系统可以针对第一表示确定剩余使用寿命。因此，第二机器学习系统可以理解为其执行回归方法。为此，第二机器学习系统特别是可以包括神经网络，该神经网络被构造为接受表示和预测剩余使用寿命。然后可以将由第二机器学习系统确定的剩余使用寿命作为输出信号(y)的至少一部分输出。
57.图2示出了用于控制技术系统的控制系统(40)。控制系统(40)在可选的接收单元(50)中接收至少一个传感器(30)的传感器信号(s)，该接收单元将传感器信号(s)转换为第一输入信号(x)(替代地，也可以将每个传感器信号(s)直接接受为输入图像(x))。至少一个传感器(30)被构造为确定技术系统的至少一个组件的运行状态。例如，输入信号(x)可以是传感器信号(s)的片段或进一步处理。换句话说，根据传感器信号(s)来确定输入信号(x)。将输入信号(x)的序列输送到第一机器学习系统(60)。
58.第一机器学习系统(60)优选地由存储在参数存储器(p)中并由所述参数存储器提供的参数(φ)参数化。
59.第一机器学习系统(60)从输入信号(x)中确定输出信号(y)。将输出信号(y)输送到可选的整形单元(80)，该整形单元从中确定将输送到致动器(10)以对应地操控致动器(10)的操控信号(a)。
60.致动器(10)接收操控信号(a)，被对应地操控并执行对应的动作。致动器(10)在此情况下可以包括(不一定在结构上集成的)操控逻辑，所述操控逻辑从操控信号(a)中确定第二操控信号，然后用该第二操控信号来操控致动器(10)。
61.在另外的实施方式中，控制系统(40)包括传感器(30)。在另外的实施方式中，控制系统(40)替代地或附加地还包括致动器(10)。
62.在另外的优选实施方式中，控制系统(40)包括至少一个处理器(45)和至少一个机器可读存储介质(46)，在所述机器可读存储介质上存储有指令，当指令在至少一个处理器(45)上执行时，所述指令促使控制系统(40)执行根据本发明的方法。
63.在替代的实施方式中，替代或附加于致动器(10)地设置显示单元(10a)。
64.图3示出了控制系统(40)如何可以用于控制至少部分自主的机器人，这里是至少部分自主的机动车辆(100)。例如，控制系统(40)可以接收机动车辆(100)的制动器的传感器数据(s)，其中基于传感器数据(s)确定机动车辆的制动器的剩余使用寿命。为此特别是可以使用可以确定制动器或制动片的温度和/或制动器内的压力的传感器(30)。
65.如果由第一机器学习系统(60)确定的剩余使用寿命达到或低于预定义的剩余使用寿命，则控制系统(40)可以借助于操控信号(a)对应地操控机动车辆(100)的致动器(10)，以减小致动器(10)的功能范围。特别是可以想到，致动器(10)是机动车辆(100)的驱动器并且操控信号(a)操控该驱动器，使得降低机动车辆(100)的最大速度。
66.替代地或附加地，可以用操控信号(a)来操控显示单元(10a)。显示单元(10a)例如可以在显示器上显示由第一机器学习系统(60)确定的剩余使用寿命。替代地或附加地，用操控信号(a)操控显示单元(10a)，使得如果确定所确定的剩余使用寿命达到或低于预定义的剩余使用寿命，则显示单元(10a)输出光学或声学的警告信号。这也可以通过触觉警告信号进行，例如通过机动车辆(100)的方向盘的振动。
67.替代地，机动车辆(100)也可以是电动机动车辆或具有电动机的混合动力机动车
辆，并且第一机器学习系统(60)被构造为确定机动车辆(100)的电池的剩余使用寿命。为此，第一机器学习系统的输入信号(x)可以优选地基于来自一个或多个传感器(30)的传感器信号(s)来确定，所述一个或多个传感器被构造为确定电池的温度和/或电池的电压和/或电池的环境温度。如果由第一机器学习系统(60)确定的剩余使用寿命达到或低于预定义的剩余使用寿命，则机动车辆(100)的电驱动器(10)例如可以被操控为，使得该驱动器和/或车辆的加速度降低。
68.替代地，至少部分自主的机器人还可以是其他移动机器人(未示出)。所述移动机器人还可以是例如至少部分自主的割草机或至少部分自主的清洁机器人。
69.图4示出了一种实施例，其中控制系统(40)用于操控制造系统(200)的制造机器(11)，其方式是操控控制该制造机器(11)的致动器(10)。制造机器(11)可以特别是被构造为加工工件(12a、12b)，特别是毛坯。制造机器(11)可以是例如用于对工件(12a、12b)进行冲压、锯切、钻孔、蚀刻、焊接、钎焊、切割和/或装备的机器。还可以想到，制造机器(11)被构造为借助于夹持器来夹持工件(12a、12b)。
70.为了加工工件(12a、12b)，制造机器(11)特别是可以具有可移动臂，借助于所述可移动臂来加工工件(12a、12b)。该臂可以特别是由致动器(10)移动。致动器(10)可以特别是驱动器，例如通过液压驱动器或电驱动器。在该实施例中，驱动器可以被视为制造机器(11)的组件，其中驱动器可能经受磨损过程。传感器(30)被设置为能够确定驱动器的运行状态，特别是电流消耗和/或转矩和/或压力和/或力。
71.然后将表征运行状态的传感器信号(s)转发给控制系统(40)，以确定组件的剩余使用寿命。
72.所确定的剩余使用寿命然后可以显示在由显示设备(10a)包括的显示器上。替代地也可以设想，由控制系统(40)确定最小预期剩余使用寿命、平均预期剩余使用寿命和最大预期剩余使用寿命，其中这三个预期剩余使用寿命将显示在显示器上。
73.替代地或附加地，如果所确定的剩余使用寿命达到或低于预定义的剩余使用寿命，则可以减小驱动器的功能范围。例如，可以降低驱动器的最大加速度或驱动器的最大转矩。
74.替代地或附加地，还可能的是，当达到或低于预定义的剩余使用寿命时，自动请求对制造机器(11)的检查或者自动地将致动器(10)更换为新的致动器(10)。
75.在替代实施例中，制造机器(11)包括至少一个液体输送管路(未示出)，所述液体输送管路可以理解为制造机器(11)的组件，其中至少一个液体输送管路经受磨损过程，特别是由于液体流过管路。制造机器(11)的至少一个传感器(30)被构造为确定至少一个液体输送管路的运行状态，特别是至少一个液体输送管路内的压力和/或在预定义时间段内流过液体输送管路的液体的量和/或液体输送管路的温度和/或制造机器(11)的温度，并作为传感器信号(s)传送到控制系统(40)。控制系统(40)被构造为确定至少一个液体输送管路的剩余使用寿命并操控将液体泵送通过至少一个液体输送管路的泵(10)。
76.如果由控制系统(40)确定的剩余使用寿命达到或低于预定义的剩余使用寿命，则可以减小泵(10)的功能范围。特别地，可以减少泵(10)的最大泵送量或者可以使泵(10)停止运行。与前面的实施例一样，这里也可以在显示器(10a)上显示至少一个由控制系统(40)确定的剩余使用寿命。
77.图5示出了一种实施例，其中控制系统(40)用于控制家用电器(300)。家用电器(300)包括液体输送管路，特别是水输送管路，其可以理解为家用电器(300)的组件。特别地，家用电器(300)可以是洗碗机或洗衣机。至少一个传感器(30)和控制系统(40)类似地工作。
78.家用电器(300)包括至少一个传感器(30)，所述传感器检测运行状态、至少一个组件内的压力和/或在预定义时间段内流过该组件的液体的量和/或该组件的温度和/或家用电器(300)的温度。
79.家用电器(300)的至少一个传感器(30)被构造为确定至少一个液体输送管路的运行状态，特别是至少一个液体输送管路内的压力和/或在预定义时间段内流过液体输送管路的液体的量和/或液体输送管路的温度和/或家用电器(300)的温度，并作为传感器信号(s)传送到控制系统(40)。控制系统(40)被构造为确定至少一个液体输送管路的剩余使用寿命并操控将液体泵送通过至少一个液体输送管路的泵(10)。
80.如果由控制系统(40)确定的剩余使用寿命达到或低于预定义的剩余使用寿命，则可以减小泵(10)的功能范围。特别地，可以减少泵(10)的最大泵送量或者可以使泵(10)停止运行。在该实施例中，也可以在家用电器(300)的显示器(10a)上显示至少一个由控制系统(40)确定的剩余使用寿命。
81.图6示出了用于借助于训练数据集(t)训练控制系统(40)的第一机器学习系统(60)的训练系统(140)的实施例。训练数据集(t)包括可以用于训练分类器(60)的多个输入信号(xi)。输入信号(xi)分别表征技术系统的至少一个传感器的测量。此外，将剩余使用寿命分配给这些输入信号。
82.为了训练，训练数据单元(150)访问计算机实现的数据库(st2)，其中数据库(st2)提供训练数据集(t)。训练数据单元(150)从训练数据集(t)中优选随机地确定至少一个输入信号(xi)并将输入信号(xi)传送到第一机器学习系统(60)。第一机器学习系统(60)基于输入信号(xi)并借助于编码器(61)确定第三表示。将第三表示输送到第一机器学习系统(60)的解码器，该解码器被构造为基于第三表示确定输入信号(xi)的重构其中重构具有与输入信号(xi)相同的维度。如果编码器(61)是自动编码器的编码器，则解码器是自动编码器的对应解码器。如果编码器(61)是变分自动编码器的编码器，则解码器是变分自动编码器的对应解码器。如果编码器(61)是归一化流的前向传递，则解码器是归一化流的反向传递(英语：backward pass)。
83.将输入信号(xi)和重建传送到改变单元(180)。
84.然后由改变单元(180)基于输入信号(xi)和重建为机器学习系统(60)、特别是为编码器(61)确定新参数(φ
′
)。为此，改变单元(180)借助于损失函数(英语：loss function)将输入信号(xi)与重建进行比较。损失函数确定第一损失值，该第一损失值表征重建偏离输入信号(xi)的程度。在该实施例中，作为损失函数选择负对数似然函数(英语：negative log-likehood function)。在替代的实施例中也可以想到其他损失函数，例如欧几里得损失函数(英语：euclidean loss)。
85.改变单元(180)基于第一损失值确定新参数(φ
′
)。在该实施例中，这是借助于梯度下降法完成的，优选地借助于随机梯度下降法或adam或adamw。
86.将所确定的新参数(φ
′
)存储在模型参数存储器(st1)中。所确定的新参数(φ
′
)优选地作为参数(φ)提供给分类器(60)。
87.在另外的优选实施例中，所描述的训练迭代地重复预定义数量的迭代步骤，或者迭代地重复到第一损失值低于预定义的阈值为止。替代地或附加地，还可以设想，当与测试或验证数据集有关的平均第一损失值低于预定义的阈值时结束训练。在至少一次迭代中，将在先前迭代中确定的新参数(φ
′
)用作分类器(60)的参数(φ)。
88.在训练之后，编码器(61)为训练数据集(t)的输入信号(xi)的至少一个子集确定对应的表示，并将所确定的表示作为第二表示提供给第一机器学习系统(60)。基于第二表示的剩余使用寿命，将对应的剩余使用寿命分配给第二表示。
89.此外，训练系统(140)可以包括至少一个处理器(145)和至少一个包含指令的机器可读存储介质(146)，当处理器(145)执行这些指令时，这些指令促使训练系统(140)执行根据本发明的方面之一的训练方法。
90.术语“计算机”包括用于处理可预给定的计算规则的任何设备。这些计算规则可以以软件形式存在，或以硬件形式存在，或以软件和硬件的混合形式存在。
91.一般而言，多个可以理解为带索引的，即向多个中的每个元素都分配唯一的索引，优选地通过向多个中包含的元素分配连续的整数。优选地，当多个包括n个元素时，其中n是多个中元素的数量，则向元素分配从1到n的整数。

技术特征：
1.一种用于确定技术系统(100、200、300)的至少一个组件的剩余使用寿命的计算机实现的方法，其中该方法包括以下步骤：
·
借助于至少一个传感器(30)确定第一输入信号(x)，其中所述第一输入信号(x)表征所述技术系统(100、200、300)的所述至少一个组件的运行状态；
·
借助于第一机器学习系统(60)的编码器(61)确定所述第一输入信号(x)的第一表示(64)；
·
基于所述第一表示(64)并且基于所提供的多个第二表示(63)来确定所述剩余使用寿命，其中所述多个第二表示(63)是借助于所述编码器(61)基于多个第二输入信号来确定的，并且向每个第二表示(63)分配对应的剩余使用寿命。2.根据权利要求1所述的方法，其中在确定剩余使用寿命的步骤中，根据所述第二表示(63)之一与所述第一表示(64)的至少一个相似性来确定所述剩余使用寿命。3.根据权利要求2所述的方法，其中在确定剩余使用寿命的步骤中，根据所述第二表示(63)之一的剩余使用寿命来确定所述剩余使用寿命。4.根据权利要求3所述的方法，其中在确定剩余使用寿命的步骤中，提供分配给第二表示(63)的剩余使用寿命作为所确定的剩余使用寿命，其中所述第二表示(63)是所述多个第二表示(63)中与所述第一表示(64)最相似的第二表示。5.根据权利要求3所述的方法，其中在确定剩余使用寿命的步骤中，将与所述多个第二表示(63)的子集对应的剩余使用寿命的平均值或中值或最小值或最大值作为所确定的剩余使用寿命提供，其中所述子集包含预定义数量的与所述第一表示(64)最相似的第二表示(63)。6.根据权利要求1至3中任一项所述的方法，其中借助于第二机器学习系统来确定所述剩余使用寿命，其中首先借助于所述多个第二表示(63)和分别分配给所述第二表示的剩余使用寿命来训练所述第二机器学习系统，使得所述第二机器学习系统能够针对所述第一表示(64)确定剩余使用寿命。7.根据前述权利要求中任一项所述的方法，其中借助于所述多个第二输入信号来训练所述第一机器学习系统(60)的编码器(61)。8.根据前述权利要求中任一项所述的方法，其中借助于所述技术系统(100、200、300)的网络连接将所述第一表示(64)传送到第二设备，并且由所述第二设备执行确定剩余使用寿命的步骤。9.根据权利要求1至8中任一项所述的方法，其中所述第一表示(64)与所述输入信号(x)的测量时间点一起由所述技术系统(100、200、300)和/或所述第二设备保持，并且在所述技术系统(100、200、300)的所述至少一个组件的寿命结束时将所述第一表示(64)作为第二表示(63)一起记录到所述多个第二表示(63)中，其中与所述第一表示(64)对应的剩余使用寿命由寿命结束时间点与测量时间点之间的差值确定。10.根据权利要求1至9中任一项所述的方法，其中将所确定的剩余使用寿命借助于显示设备(10a)传送给所述技术系统(100、200、300)的操作者和/或用户。11.根据权利要求1至10中任一项所述的方法，其中如果所确定的剩余使用寿命达到或低于预定义的最小剩余使用寿命，更换所述技术系统(100、200、300)的所述至少一个组件。12.一种用于数据处理的系统(40)，包括用于执行根据权利要求1至11中任一项所述的
方法的装置。13.一种用于数据处理的系统(140)，包括用于根据权利要求7训练机器学习系统的装置。14.一种计算机程序，其被设置为在由处理器(45、145)执行所述计算机程序时执行根据权利要求1至11中任一项所述的方法。15.一种机器可读存储介质(46、146)，其上存储有根据权利要求14所述的计算机程序。

技术总结
用于确定技术系统(100、200、300)的至少一个组件的剩余使用寿命的计算机实现的方法，其中该方法包括以下步骤：


技术研发人员：A
受保护的技术使用者：罗伯特
技术研发日：2021.12.01
技术公布日：2023/8/13