[发明专利]用于对技术系统、尤其是燃气轮机进行计算机辅助的调节和/或控制的方法

权利要求书

1.一种用于对燃气轮机进行计算机辅助的调节和/或控制的方法， 其中：

a)基于该燃气轮机的已知的、在时间上彼此相继的状态(x_t)来 建立该燃气轮机的仿真模型；

b)将多种学习方法和/或优化方法应用于该仿真模型，其 中所述学习方法和/或优化方法分别提供所学习的参数以及状态 (x_t)与分配给所述状态(x_t)的动作(a_t)的序列作为结果，且 分配给状态(x_t)的动作(a_t)导致所述序列中的新的状态(x_t+1)；

c)根据所述多种学习方法和/或优化方法的结果，按照预先给定的 标准，从所述多种学习方法和/或优化方法中选出适于调节和/或 控制该燃气轮机的学习方法和/或优化方法，其中根据对所述学习 方法和/或优化方法中的每一种的评价来进行学习方法和/或优化 方法的选出，其中该评价由该仿真模型输出，和/或该评价通过相 应的学习方法和/或优化方法的结果被确定；

d)利用所选出的学习方法和/或优化方法来调节和/或控制该燃气 轮机，其中所述调节和/或控制根据该燃气轮机的状态(x_t)来说 明随后要在该燃气轮机处执行的动作(a_t)。

2.根据权利要求1所述的方法，其中，在步骤d)中，利用所选出 的学习方法基于在步骤b)中所学习的参数来调节和/或控制该燃气轮 机，其中在对该燃气轮机进行调节和/或控制的情况下不改变所学习的 参数。

3.根据权利要求1所述的方法，其中，在步骤d)中，利用所选出 的学习方法来调节和/或控制该燃气轮机，使得在该调节或控制开始时 使用在步骤b)中所学习的参数，这些参数在该调节和/或控制期间借 助于在进行该调节和/或控制的情况下得出的新的状态(x_t+1)和动作 (a_t)被进一步学习。

4.根据权利要求1所述的方法，其中，在步骤d)中，利用所述学 习方法和/或优化方法在步骤b)中所学习的参数被复位，并在调节和/ 或控制该燃气轮机的情况下被重新学习。

5.根据前述权利要求之一所述的方法，其中，在步骤a)中，基于 递归神经网络来建立所使用的仿真模型。

6.根据权利要求1-4之一所述的方法，其中，该评价是该学习方法 和/或优化方法在评价或报酬函数方面的品质的度量。

7.根据权利要求1-4之一所述的方法，其中，所述多种被应用于该 仿真模型的学习方法和/或优化方法包括一种或多种强化学习方法。

8.根据权利要求7所述的方法，其中，所述一种或多种强化学习方 法是基于表格的强化学习方法。

9.根据权利要求1-4之一所述的方法，其中，所述多种被应用于该 仿真模型的学习方法和/或优化方法包括：自适应启发式批评算法、和 /或Q学习算法、和/或优先扫除算法。