[发明专利]状态推定系统及存储介质

说明书

能对通过已学习模型输出的推定值的精度降低进行补偿的状态推定系统及存储介质。具备如下部分而构成状态推定系统，即：已学习模型，通过将规定的对象物的第一状态变量及第二状态变量的样本数据作为教示数据的机器学习而生成；第一状态变量测定部，测定监视对象物的第一状态变量；第二状态变量推定部，执行将第一状态变量的测定值向已学习模型输入而取得已学习模型的输出作为监视对象物的第二状态变量的推定值的第二状态变量推定处理；代替推定部，关于通过第二状态变量推定处理而与第一状态变量的第一测定值的输入相应地取得的第二状态变量的推定值，在规定的第一骤变判定条件成立的情况下，输出作为第二状态变量的推定值的代替值的代替推定值。

技术领域

本发明涉及状态推定系统及存储介质。

背景技术

提出了使用神经网络来预测二次电池的寿命的二次电池寿命预测系统(例如，参照日本特开2014-206499号)。这样的二次电池寿命预测系统使评价用二次电池反复充放电，生成将评价用二次电池的特性的测定值与可放电时间的实效值建立了关联的特性数据库。并且，二次电池寿命预测系统将特性数据库作为教示数据，生成输入规定的特性的测定值而输出可放电时间的推定值的已学习模型。

发明内容

在上述那样的已学习模型中，存在关于二次电池等对象物的状态输出的推定值的精度降低的情况。要求应对像这样推定值的精度降低的情况而进行补偿。

本发明的方案是考虑这样的情形而完成的，其目的之一在于，提供一种能够进行对通过已学习模型输出的推定值的精度降低的补偿的状态推定系统及存储介质。

为了解决上述课题而达成所涉及的目的，本发明采用了以下的方案。

(1)：本发明的一方案的状态推定系统，具备：已学习模型，其以如下方式生成，即通过将规定的对象物的第一状态变量及第二状态变量的样本数据作为教示数据的机器学习，输入所述第一状态变量的测定值而输出所述第二状态变量的推定值；第一状态变量测定部，其测定成为监视的对象的所述对象物即监视对象物的所述第一状态变量；第二状态变量推定部，其根据规定的推定时机反复执行第二状态变量推定处理，在所述第二状态变量推定处理中，将由所述第一状态变量测定部测定的所述第一状态变量的测定值向所述已学习模型输入而取得所述已学习模型的输出，作为所述监视对象物的所述第二状态变量的推定值；以及代替推定部，其关于通过所述第二状态变量推定处理而根据所述第一状态变量的第一测定值的输入来取得的所述第二状态变量的推定值，在规定的第一骤变判定条件成立的情况下，输出作为所述第二状态变量的推定值的代替值的代替推定值。

(2)：在上述(1)的方案的状态推定系统的基础上，也可以是，所述代替推定部应对所述第一骤变判定条件成立了的情况而利用将在所述第二状态变量推定处理中使用过的所述已学习模型取代的其他方法，输出所述代替推定值。

(3)：在上述(2)的方案的状态推定系统的基础上，也可以是，所述第二状态变量推定部中的所述已学习模型被持续更新，所述代替推定部使用比更新为所述使用过的已学习模型之前的已学习模型，输出所述代替推定值。

(4)：在上述(1)至(3)中任一方案的状态推定系统的基础上，也可以是，所述第一骤变判定条件是指，所述第二状态变量的第一推定值从所述第二状态变量的第二推定值变化的程度成为一定以上，其中，所述第二状态变量的第一推定值是指，关于所述第一状态变量的所述第一测定值的输入而通过所述第二状态变量推定处理取得的推定值，所述第二状态变量的第二推定值是指，在比输入了所述第一测定值的所述推定时机之前的所述推定时机，关于由所述第一状态变量测定部测定的所述第一状态变量的第二测定值的输入而通过所述第二状态变量推定处理取得的推定值。

(5)：在上述(1)至(4)中任一方案的状态推定系统的基础上，也可以是，所述监视对象物搭载于移动体，具备推定精度降低应对部，该推定精度降低应对部根据由所述代替推定部算出了所述代替推定值这一情况，使在所述移动体中基于所述推定值执行的规定处理取代基于所述推定值来执行，而基于所述代替推定值来执行。