用于操控输送装置的设备和方法
背景技术：
1.磁力可以用于使得可被磁力作用影响的物体悬浮或移动。使用这些特性的输送装置使得这些物体能够在没有机械摩擦的情况下移动。这种移动过程的调节非常复杂，因此很费事。因此，希望为此通过耗费尽可能少的计算能力和计算时间来提供一种鲁棒的调节器。
技术实现要素：
2.这通过根据独立权利要求的用于操控输送装置的设备和方法来实现。
3.所述方法规定，接收可以通过磁力作用由所述输送装置移动的装置的姿态的实际值，其中根据所述姿态的实际值，根据由所述输送装置移动所述装置所应当使用的力矩的额定值，根据由所述输送装置移动所述装置所应当使用的力的额定值，以及根据模型来确定用于操控所述输送装置的至少一个执行器的额定值，其中所述模型被训练为根据所述装置的姿态的实际值并且根据移动所述装置应当使用的力矩的额定值和力的额定值来确定用于操控所述至少一个执行器的额定值。诸如人工神经网络的经过训练的模型有效地将姿态的实际值、力矩的额定值和力的额定值映射为执行器的相应额定值。由此，原本只能通过费事的计算才能获得的额定值可以在模型的基础上得到快速确定。
4.优选地，所述至少一个执行器被构造为可相对于所述输送装置旋转，其中所述至少一个执行器的额定值表征所述执行器相对于所述输送装置的旋转角或该旋转角从所述执行器的瞬时旋转角开始的增量，以及其中根据用于操控所述至少一个执行器的额定值来操控所述至少一个执行器。在这方面，所述人工神经网络的输出变量代表所述旋转角。由此映射的结果可以直接、即无需中间计算地用于各个执行器。这使得可以特别快速地实施计算。
5.优选地，所述至少一个执行器包括至少一个永磁体，特别是海巴赫布置，由此可以产生用于影响所述装置的移动的磁场，其中所述模型被训练为确定不同执行器的旋转角的大量额定值。在这方面，人工神经网络的输出变量代表所有相关的旋转角。这使得可以将计算扩展到所要求数量的执行器。由此该模型可以灵活地用于具有不同执行器的不同输送装置。
6.优选地，可以通过将不同执行器的至少一个永磁体中的大量永磁体的磁场与所述装置上的至少一个电磁体或永磁体的磁场叠加来产生用于使所述装置移动的磁场，其中所述模型被训练为确定不同执行器的旋转角的大量额定值，使得所述磁场基本上以由力矩的额定值预给定的力矩和由力的额定值预给定的力来移动所述装置。通过用人工神经网络映射所述额定值来直接影响所述磁场。这显著减少了计算耗费并且实现了更短的调节周期。
7.在另一方面，所述至少一个执行器包括可用于产生用于移动所述装置的磁场的电磁元件，其中所述模型被训练为确定不同执行器的大量额定值。如果执行器不是永磁体而是例如线圈，则该线圈不旋转，而是通以由额定值预给定的电流。
8.在这方面，可以通过将不同执行器的大量电磁元件的磁场与所述装置上的至少一
个电磁体或永磁体的磁场叠加来产生用于移动所述装置的磁场，其中所述模型被训练为确定不同执行器的大量额定值，使得所述磁场基本上以由力矩的额定值预给定的力矩和由力的额定值预给定的力来移动所述装置。
9.优选地，根据姿态的实际值将多个执行器分配给执行器的组，其中用于影响所述装置的移动的磁场仅由该组的执行器产生。由此可以与该组中执行器的数量对应地将人工神经网络的尺寸缩小。这显著减少了计算耗费并实现了更短的调节周期。
10.优选地，根据姿态的实际值和姿态的额定值来确定调节器的调节偏差，其中所述调节器根据所述调节偏差来确定力矩的额定值和力的额定值。所述调节器可以是pid调节器，使用pid调节器可以简单地根据额定轨迹来调节姿态。在这种情况下，人工神经网络特别有效地实现了用于将所述装置沿额定轨迹移动的执行器的相对复杂的操控。
11.优选地，所述调节器是状态调节器，特别是lq调节器，其中预给定姿态的额定值的轨迹，并且其中根据所述轨迹确定力矩的额定值和力的额定值。
12.优选地，根据作用在所述装置上的重力来确定用于力矩的额定值和/或力的额定值的预控制值，所述预控制值至少部分地补偿所述重力。
13.为了训练所述模型，可以根据用于操控所述输送装置的至少一个执行器的额定值并根据所述输送装置和所述装置的特别是随机或确定性的前向模型来确定力矩的建模值和力的建模值，其中根据力矩的建模值、力的建模值、力矩的期望值和力的期望值来确定所述模型的至少一个参数。在训练期间，所述前向模型可以设计得非常复杂且计算耗费非常大或计算能力要求非常高。特别地，可以使用非常准确的前向模型。由此，以这种方式训练的模型可以执行特别精确的映射，所述映射显著提高整体调节质量。
14.优选地，提供大量包括姿态、力矩的期望值和力的期望值的元组，其中根据大量元组在梯度下降方法中确定所述模型的至少一个参数。
15.一种对应的设备包括至少一个计算装置和用于模型和调节器的至少一个存储器，所述计算装置和所述存储器被构造用于执行所述方法。
附图说明
16.其他有利的实施方式由以下描述和附图得出。在附图中：图1以俯视图示出了装置的示意图，图2以俯视图示出了输送装置的示意图，图3以侧视图示出了所述装置和所述输送装置的示意图，图4示出了具有训练装置的用于操控输送装置的设备的示意图，图5示出了没有训练装置的用于操控输送装置的设备的示意图，图6a示出了输送装置的第一组执行器的操控方面的示意图，图6b示出了输送装置的第二组执行器的操控方面的示意图，图7示出了用于操控输送装置的方法中的步骤，图8示出了用于操控输送装置的一组执行器的方法中的步骤，图9示出了用于训练以操控输送装置的方法中的步骤。
具体实施方式
17.图1以俯视图示意性地示出了装置100。在该示例中，装置100具有用于运输物品的容器102。容器102可以被构造为表面、槽或网格。在该示例中，装置100被构造为在装置100的移动方向104上移动一个或多个物品。
18.图1示出了具有x轴、y轴和z轴的笛卡尔坐标系。在该示例中参照笛卡尔坐标系的原点说明装置100的位置。在该示例中，将点106的位置定义为装置100的位置，在该示例中，该点位于被构造为表面的容器102的中心。该位置的其他定义也是可能的，例如基于极坐标或柱坐标。点106可以布置在装置100的其他部位处。在该示例中，装置100可相对于该坐标系移动。
19.在该示例中，装置100的姿态由所述位置、围绕x轴的滚动角、围绕y轴的俯仰角和围绕z轴的偏航角定义。可以规定，定义相对于装置100静止的笛卡尔坐标系，其中定义围绕该静止的笛卡尔坐标系的x轴的滚动角、围绕该静止的笛卡尔坐标系的y轴的俯仰角和围绕该静止的笛卡尔坐标系的z轴的偏航角。
20.装置100包括至少一个驱动元件110。驱动元件110在该示例中包括永磁体。也可以提供磁线圈来代替永磁体。
21.至少一个驱动元件110在该示例中被构造为永磁体。可选地，可以设置至少一个磁线圈来代替或附加于永磁体地作为驱动元件110。在这种情况下，可以设置控制装置112，该控制装置在该方面被构造为操控至少一个驱动元件110以使装置100移动。用于操控的电线路将控制装置112与至少一个驱动元件110连接。这些电线路在图1中未示出。
22.装置100可以包括储能器114，储能器114被构造为向控制装置112和至少一个驱动元件110供应电能。用于供应能量的电线路将储能器114与控制装置112和至少一个驱动元件110连接。这些电线路在图1中未示出。在该示例中，储能器114是电池。也可以设置电容器来代替电池。代替储能器114，也可以设置用于永久地向装置100供应能量的集电器。
23.在该示例中，装置100包括多个驱动元件110，这些驱动元件110布置成图1中以俯视图示意性示出的矩阵状布置。在该示例中设置了两行，每行具有13个永磁体，这些永磁体在x方向上延伸并且在y方向上形成列，即总共设置了26个永磁体。
24.如果装置100相对于坐标系移动，则姿态改变，即驱动元件110的矩阵状布置在坐标系中移动并且可以旋转、摇摆、俯仰和/或偏航。
25.在图2中示意性地示出了输送装置200的俯视图。在图2中示出了笛卡尔坐标系。输送装置200相对于笛卡尔坐标系是静止的。输送装置200包括大量执行器202。在该示例中，在俯视图中观察时，执行器以矩阵形式布置成行，这些执行器在x方向上延伸并且在y方向上形成列。在该示例中，每个执行器202包括至少一个永磁体。在该示例中设置了海巴赫布置或海巴赫元件。在该示例中，海巴赫布置包括三个具有不同磁取向的永磁体。在该示例中，三个永磁体布置成一行。在该示例中，外部永磁体元件之一被定向为使得磁北极指向负z方向。这在图2中用圆圈标记。在该示例中，外部永磁体元件中的另一个被定向为使得磁北极指向正z方向。这在图2中用点标记。布置在两个外部永磁体之间的中央磁性元件被定向为使得其北极指向面向正z方向的元件。其他磁定向也是可能的。也可以设置电磁体来代替永磁体。
26.在该示例中，输送装置200包括至少一个接收装置204，其在图1的俯视图中示意性地示出。在该示例中，至少一个接收装置204被构造为接收关于装置100的姿态的信息。在该示例中，接收装置204被构造为接收关于装置100的位置的信息。
27.在该示例中，每个执行器202包括电动机，该电动机被构造为使海巴赫布置围绕平行于z轴布置的旋转轴旋转。由此可以有针对性地影响通过将所有执行器202的各个磁场叠加而在输送装置200的输送侧206上产生的总磁场。该磁场一方面用于排斥装置100的永磁体，以产生与输送装置200的距离。另一方面，该磁场用于使装置100相对于输送装置200移动。
28.操控装置208被构造为操控执行器202。在该示例中，操控装置208为执行器202设置围绕该执行器202的旋转轴的旋转角α。在该示例中，操控装置208被构造为以单独的旋转角α分别操控每个执行器202。还可以规定，用同一个旋转角共同操控执行器202组。
29.操控装置208被构造为从接收装置204接收传感器信号。
30.在该示例中，电线路将操控装置208与执行器202连接以用于操控执行器202。在该示例中，电线路将操控装置208与至少一个接收装置204连接以检测传感器信号。
31.在该示例中，从右侧观察，执行器202的前三列平行于x方向取向。在该示例中，这对应于相应的旋转角α=0
°
。在该示例中，在左侧与其邻接的两列执行器202顺时针旋转90
°
。在该示例中，这对应于相应的旋转角α= 90
°
。在该示例中，在左侧与其邻接的执行器202列逆时针旋转90
°
。在该示例中，这对应于相应的旋转角α=-90
°
。在该示例中，在左侧与其邻接的执行器202与前三列相同取向。在该示例中，这意味着相应的旋转角α=0
°
。
32.在该示例中，装置100或传感器系统被构造为将装置100的瞬时姿态发送到至少一个接收装置204。在该示例中，装置100或传感器系统被构造为将装置100的瞬时位置发送给至少一个接收设备204。如何在笛卡尔坐标系中确定装置100的姿态或位置对于操控而言无关紧要。在输送装置200的运行期间，姿态或位置由接收装置204接收，例如连续地（例如周期性地）或以不规则的时间间隔接收。在输送装置200的运行期间重复地确定姿态和/或位置。
33.操控装置208还可以被构造为使用接收装置204接收关于姿态的信息并由此确定姿态。可以通过不同方式产生关于装置100的姿态的信息。对于操控装置208的运行而言，如何确定姿态的实际值是无关紧要的。例如，可以设置传感器或基于相机的系统来确定姿态。可以根据在接收装置204处接收到的关于位置的信息来确定位置。
34.可以规定，根据装置100的最后已知姿态仅操控以下执行器202，所述执行器在知道装置100和输送装置200的几何形状的情况下可能对装置100的移动作出显著贡献。这显著减少了数据量。
35.图3以侧视图示出了输送装置200和装置100。在图3中保留了已经在图1和图2中描述的元件的附图标记。在海巴赫布置中，箭头表示相应永磁体的磁北极的位置。
36.在图3所示的视图中，装置100与输送装置200存在距离。在该示例中，该距离由永磁体的叠加磁场产生。该距离在图3中均匀地示出。由于俯仰移动和/或滚动移动，装置100的各个区域与输送装置200之间可能出现不均匀的距离，特别是还随着偏航移动出现。下面描述装置100相对于输送装置200的移动以及距离的调节或控制。
37.在图4中示意性地示出了用于操控输送装置200的设备400。设备400包括模型402
和调节器404。设备400可选地包括前向模型406、数据库408和用于训练模型402的训练装置410。设备400包括至少一个计算单元414和用于模型402的至少一个存储器412。在该示例中，计算单元414和存储器412被构造为执行下述方法。
38.关于姿态的大量实际值的信息存储在数据库408中，以用于训练模型202。在该示例中，pist表示姿态的实际值，psoll表示姿态的额定值。
39.调节器404被构造为根据姿态的实际值pist和姿态的额定值psoll确定调节偏差e，并且根据调解偏差e确定由输送装置200移动装置100所应当使用的力矩的额定值tsoll和力的额定值fsoll。
40.调节器404可以是状态调节器，例如lq调节器，其被构造为根据可预给定的轨迹确定力矩的额定值tsoll和力的额定值fsoll。调节器404可以被构造为根据作用在装置100上的重力确定用于力矩的额定值tsoll和/或力的额定值fsoll的预控制值，所述预控制值至少部分地补偿重力。在该示例中，重力根据装置100的重量和/或根据承载装置100的物体的重量来加以确定或作为参数预给定。所述重量可以是经过确定的或作为参数预给定的。
41.在该示例中，姿态是以x、y、z、、、为元素的向量，而调节偏差e是以各个元素的对应差异为元素的向量。在该示例中，调节器404包括第一pid调节器，其根据调节偏差e的元素来确定力的额定值fsoll，这些元素说明关于位置x、y、z的调节偏差。在该示例中，调节器404包括第二pid调节器，其根据调节偏差e的元素确定力矩的额定值tsoll，所述元素说明关于角度、、的调节偏差。pid调节器是具有比例分量、积分分量和微分分量的调节器。也可以使用其他确定性调节器。
42.可以设置可选的过滤器416，其在模型402之前或作为模型402的一部分过滤姿态的实际值pist。优选地，不将过滤器416用于训练。
43.模型402被构造为根据姿态的实际值pist、力矩的额定值tsoll和力的额定值fsoll来确定用于操控输送装置200的至少一个执行器202的额定值αsoll。在一方面，模型402已经被训练为根据姿态的额定值、力矩的额定值和力的额定值来确定用于操控至少一个执行器202的额定值。模型402的其他输入变量可以包括至少一个执行器202的姿态或实际值的历史数据。在另一方面，模型402被构造为使用训练装置410根据姿态的额定值、力矩的额定值和力的额定值来训练用于操控至少一个执行器202的额定值。训练装置410被构造为确定模型402的至少一个参数w。在该示例中，训练装置410被构造为确定大量参数w。在该示例中，训练装置410被构造为根据成本函数来确定参数w，该成本函数一方面根据力的期望值fdes与力的建模值f之间的差，并且另一方面根据力矩的期望值tdes与力矩的建模值t之间的差来加以确定，例如基于l1范数：。
44.例如，成本函数通过一方面力的期望值fdes与力的建模值f之间的差的l1范数与另一方面力矩的期望值tdes与力矩的建模值t之间的差的l1范数之和来定义。
45.在该示例中，训练装置410被构造为针对大量相互关联的期望值和实际值来确定大量的差，并执行梯度下降法，利用梯度下降法确定使得这些差最小化的参数w。
46.图5示出了用于操控输送装置200的设备400的一个方面。在该方面中，设备400包括调节器404、可选的过滤器416、用于模型402的存储器412和计算装置414。模型402在这个
方面中已经经过了训练。由此，对可用于设备400的计算装置414的计算能力的要求低于对在训练方法中使用训练装置410和前向模型406进行计算的计算装置414的要求。
47.有利的是，使用特别是用于确定建模值的前向模型406和训练装置410来执行用于训练模型402的训练方法，然后使用以这种方式训练的模型402来操控输送装置200，而无需训练装置410并且无需前向模型406。
48.在训练中使用前向模型406来处理在该示例中使用36个执行器调节6个自由度时的零空间。
49.代替监督学习——在监督学习中模型402学习为每个执行器确定旋转角α的额定值αsoll，该额定值尽可能地与来自训练数据的额定值αsoll的参考值一致，在训练过程中将模型402训练为确定旋转角α的额定值αsoll，针对该额定值前向模型406确定力矩的建模值t和力的建模值f，这些建模值使得成本函数最小化。该成本函数取决于力矩的建模值t、力的建模值f、力矩的期望值tdes和力的期望值fdes。
50.可以规定，如图6a和图6b示意性所示，从输送装置200的执行器202中仅选择输送装置200的执行器202的组602并由模型402共同操控。在这种情况下，设备400被构造为根据装置100的瞬时位置确定执行器202的组602。在这种情况下，模型402被构造为输出额定值αsoll以仅用于操控输送装置200的执行器202的组602。
51.在图6a和图6b中示出了装置100在输送装置200上的两个不同位置。在图6a中示出第一组602的第一执行器202。在图6b中示出第二组602的第二执行器202。由于装置100的连续位置变化，两组602重叠。在执行器202的上述矩阵状布置中，第二执行器202例如通过以下方式确定，即从第一组602中移除在图6a中所示的组602右侧的执行器202，将剩余的执行器202分配给第二组602，并且将一列执行器重新添加到图6b所示的第二组602的左侧。图6a的笛卡尔坐标系的原点在图6b中对应地向左移动。由于调节偏差e，调节器404通过原点的移动来确定连续值，因为姿态的额定值psoll由此也像姿态的实际值pist那样移动。
52.在这方面，模型402确定仅用于操控第一组602执行器202的额定值αsoll，第一组602被操控用于使装置100移动。如果装置100移动，则操控第二组202而不是第一组602。由于第一组602的执行器202的组成不同于第二组602的执行器202的组成，因此在从第一组602过渡到第二组602期间会出现不连续性。在该示例中，第一组602的执行器202布置在第一矩阵中，其中第一矩阵中的列和行的索引定义了第一组602的执行器202的实际位置。对于第二组602，对应地定义第二矩阵。在该示例中，在空间中不同执行器202具有执行器间距离地以矩阵的形式布置在列和行中。在空间中为第一组602定义实际姿态。对于第二组602，在空间中定义相对于实际姿态移动的实际姿态。在该示例中，如果列的索引或行的索引或这两种索引由于装置100相对于输送装置200的位移而改变，则不连续性涉及在第一组602和第二组602中代表的执行器202。在训练中，对于执行器202的每个实际位置，也分别在训练数据中一起给定移动了恰好所述执行器间距离的实际位置。在这种情况下，成本函数例如以加性的方式得到扩展，使得物理上相同但矩阵索引由于位置移动而改变的执行器202在这两种情况下都被分配相同的额定值αsoll，即差为零。
53.这是通过以下方式实现的，即为了训练定义具有原点的针对姿态的额定值psoll和姿态的实际值pist的坐标系。在该方面，根据装置100相对于输送装置200的移动来确定原点相对于输送装置200的位置。在该示例中，确定第一组602的原点相对于第一组602的执
行器202的空间位置。在从第一组602过渡到第二组602时，确定相对于第二组602的执行器202的原点的相同位置。在该示例中，为每个组确定分配给相应组的执行器202的二维矩阵布置的中心处的原点的相同位置。
54.为了训练，相对于该原点来说明姿态的额定值psoll和姿态的实际值pist。以这种方式训练的模型404可以用于每个组，因为对于调节器402而言，当原点位置改变时额定值αsoll没有出现跳跃并且姿态的实际值pist也没有出现跳跃。
55.对此的示例性附加质量度量通过由模型402确定的额定值αsoll定义为（例如基于l1范数），其中g和f是排序函数，它们例如由将目标值分配给额定值的相应特征曲线族来定义。例如，成本函数由额定值αsoll的排序函数g的结果向量与移位的额定值αsoll_verschoben的排序函数f的结果向量之差的l1范数定义。
56.在该示例中，可以将额定值实现为实际姿态的向量。通过对所述向量的元素进行重排序来确定目标值，从而在移位的实际姿态下物理上相同的执行器202在重排序后获得相同的矢量索引以用于计算质量度量。两个组中都不存在的执行器202被排序函数g和f排除。
57.在模型402的训练中，例如借助于质量度量和附加质量度量的总和来确定优化。
58.下面基于图7描述用于操控输送装置200的方法。该方法可以用设备400执行，而在数据库408、前向模型406和训练装置410的设备400中不需要该方法。相反，该方法可以仅用调节器404和经过训练的模型402执行。
59.用于操控输送装置200的方法规定，在步骤700中接收装置100的能够通过磁力作用由输送装置200移动的姿态的实际值pist。然后执行步骤702。
60.在步骤702中，根据姿态的实际值pist和姿态的额定值psoll确定调节器404的调节偏差e。可以任意地预给定姿态的额定值psoll。在该示例中，姿态的额定值psoll被预给定为使得装置100在距输送装置200的恒定距离处并且跟随输送装置200的路线移动。然后执行步骤704。
61.调节器404可以是状态调节器，特别是lq调节器。在这种情况下，可以预给定姿态的额定值psoll的轨迹在步骤704中，根据姿态的实际值pist和姿态的额定值psoll来确定由输送装置200移动装置100所应当使用的力矩的额定值tsoll和力的额定值fsoll。
62.在步骤704中，在该示例中，力矩的额定值tsoll和力的额定值fsoll由调节器404根据调节偏差e确定。然后执行步骤706。
63.如果调节器404是状态调节器，则可以根据所述轨迹确定力矩的额定值tsoll和力的额定值fsoll。
64.可以规定，根据作用在装置100上的重力来确定力矩的额定值tsoll和/或力的额定值fsoll的预控制值，所述预控制值至少部分地补偿了重力。
65.在步骤706中，根据姿态的实际值psoll、力矩的额定值tsoll和力的额定值fsoll
以及根据模型402来确定用于操控输送装置200的至少一个执行器202的额定值αsoll。
66.模型402被训练为根据姿态的额定值、力矩的额定值和力的额定值来确定用于操控至少一个执行器202的额定值。
67.在一方面，至少一个执行器202被构造为可相对于输送装置200旋转。在这方面，至少一个执行器202的额定值αsoll表征执行器202相对于输送装置200的旋转角。然后执行步骤708。还可以设置从执行器202的瞬时旋转角开始的该旋转角的增量。
68.在步骤708中，根据用于操控至少一个执行器202的额定值αsoll来操控至少一个执行器202。只要不是所有执行器202都被操控，未被操控的执行器202就继续产生相同的磁场。从而通过叠加执行器202的磁场，在装置100所位于的区域中产生磁力作用，该磁力作用使装置100移动。
69.在该示例中，至少一个执行器202包括海巴赫布置，通过该布置可以产生用于影响装置100的移动的磁场。在该示例中，模型402被训练为确定不同执行器202的旋转角α的大量额定值αsoll。在步骤706和708中，可以通过叠加可由大量不同执行器202的海巴赫布置产生的磁场来产生用于使装置100移动的磁场。在该示例中，模型402被训练为确定706不同执行器202的旋转角α的大量额定值αsoll，使得磁场基本上以由力矩的额定值tsoll预给定的力矩和由力的额定值fsoll预给定的力来使装置100移动。由于不必为此确定前向模型，因此该过程非常有效，因此与使用前向模型相比需要显著更少的计算能力和/或计算时间。
70.在该示例中，步骤700到708以该顺序针对姿态的一系列额定值psoll重复地执行。由此，装置100与输送装置200一起移动。然后该方法结束。
71.已经针对包括永磁体的执行器202描述了步骤700到708。对于包括电磁元件的执行器202而言执行对应的方法，以产生用于使装置100移动的磁场。在这种情况下，模型402被训练为在步骤706中为不同执行器202确定大量额定值isoll。在该示例中，isoll表示以下电流，利用该电流由所述电磁元件产生电磁场。
72.在这种情况下，用于使装置100移动的磁场是通过将不同执行器202的大量电磁元件的磁场与装置100上的至少一个电磁体或永磁体的磁场叠加而产生的。
73.模型402被训练为在步骤706中确定不同执行器202的大量额定值isoll，使得所述磁场在步骤708中基本上以由力矩的额定值tsoll预给定的力矩和由力的额定值fsoll预给定的力来使装置100移动。
74.在一个示例中，模型402包括人工神经网络，特别是具有多层感知器架构。例如，根据人工神经网络的输出层的值来确定额定值αsoll。在该示例中，人工神经网络被构造用于旋转角的回归。输出层例如输出连续的输出值作为浮点数，其中这些输出值定义在浮点数精度范围内0
°
到359
°
之间的连续旋转角。在该示例中，根据所述输出值设置执行器202之一的旋转角。
75.为了确定不同执行器202的旋转角α的大量额定值αsoll，可以在模型402中设置与执行器202的数量相对应数量的输出层。
76.可以规定，将多个执行器202组合为组602。在这种情况下，模型402只能针对组602的执行器202具有输出。在这种情况下，使用对应修改的用于操控输送装置200的方法，下面将参考图8描述该方法。
77.在步骤800中，根据姿态的实际值pist，将多个执行器202分配给执行器202的组
602。在此，组602例如被确定为执行器202的6
×
6矩阵，这些执行器在输送装置200的俯视图中布置在正方形表面中，装置100瞬时地通过磁力悬置在该正方形表面上方。在该示例中，根据位置确定来进行所述分配。
78.如果输送装置200应当移动大量装置100，则可以设置模型402的多个实例。在这种情况下，模型402的每个实例被构造为操控输送装置200以使装置100之一移动。为此，优选地定义执行器202的不相交的组602并且每个组602由不同的一个模型402控制。
79.在步骤802中，为组602的多个执行器202确定旋转角α的相应额定值αsoll。在该示例中，使用针对来自组602的执行器202的数量训练的模型402。在该示例中，就像在步骤700至706中所描述的那样确定相应的额定值αsoll。
80.在步骤804中，用于影响装置100的移动的磁场仅由执行器202的组602产生。
81.根据关于姿态的实际值pist的信息重复步骤800到804。由此，不同的执行器202被分组到不同的组602中并加以操控。
82.用于操控输送装置200的方法可以用于对模型402进行训练。
83.为了对模型402进行训练，在步骤900中提供训练数据，特别是来自数据库408。训练数据包括来自对相应期望值有效的值范围的值。训练数据要么是预给定的，要么是在训练期间从随机分布中提取的。在该示例中，每个训练数据都包括姿态pist、力矩的期望值和力的期望值，它们作为元组相互关联。在该示例中，在步骤900中随机提取元组之一。然后执行步骤902。
84.在步骤902中，根据所提取的元组确定用于操控输送装置200的至少一个执行器202的额定值αsoll。
85.为此，例如使用在步骤706中描述的方法。
86.可以规定，在训练期间使用调节器404。在这种情况下，可以根据所提取的姿态pist和包含在元组中的姿态的额定值psoll来确定力矩的期望值和力的期望值。在该示例中，训练与模型402是针对全部执行器202的组602还是仅针对先前选择的执行器202的组602进行训练无关。然后执行步骤904。
87.在步骤904中，根据用于操控输送装置200的至少一个执行器202的额定值αsoll、与姿态的实际值pist无关地并且根据输送装置200和装置100的特别是随机的或确定性的前向模型406来确定力矩的建模值和力的建模值。取决于所使用的模型402，在该示例中为输送装置的所有执行器202或为执行器组602中的每个执行器202确定额定值αsoll。然后执行步骤906。
88.在步骤906中，在梯度下降方法中确定模型402的至少一个参数w。在训练中，为了评估该梯度下降方法的成本函数，由随机或确定性的前向模型406计算出根据由模型402已经确定的额定值αsoll由输送装置200产生了力矩的哪个建模值和力的哪个建模值。在训练中，不操控输送装置200，而是由正向模型406模拟。可以在训练中使用非常精确的前向模型406。训练之后输送装置200的运行可以在没有该精确前向模型406的情况下进行。
89.参数w例如是人工神经网络的激活函数的权重和/或参数。参数w也可以与人工神经网络的其他参数相关。
90.在该示例中以重复步骤902至906的方式提供彼此关联的姿态pist和姿态的额定值psoll的大量配对。根据所述大量配对确定力矩的实际值tist和力的实际值fist，并且根
据来自所述大量配对的姿态pist和为此确定的力矩的实际值tist和力的实际值fist在梯度下降方法中确定模型402的至少一个参数w。例如，使用根据一方面力的额定值fsoll和力的实际值f之间的差以及另一方面力矩的额定值tsoll和力矩的实际值t之间的差来定义的函数执行所述训练。
91.例如，当满足质量标准或已使用了所有提供的元组时，该方法结束。这些元组可以在迭代中重复提供以进行训练。在这种情况下，在执行了预定数量的迭代时可以结束该方法。
背景技术：
1.磁力可以用于使得可被磁力作用影响的物体悬浮或移动。使用这些特性的输送装置使得这些物体能够在没有机械摩擦的情况下移动。这种移动过程的调节非常复杂，因此很费事。因此，希望为此通过耗费尽可能少的计算能力和计算时间来提供一种鲁棒的调节器。
技术实现要素：
2.这通过根据独立权利要求的用于操控输送装置的设备和方法来实现。
3.所述方法规定，接收可以通过磁力作用由所述输送装置移动的装置的姿态的实际值，其中根据所述姿态的实际值，根据由所述输送装置移动所述装置所应当使用的力矩的额定值，根据由所述输送装置移动所述装置所应当使用的力的额定值，以及根据模型来确定用于操控所述输送装置的至少一个执行器的额定值，其中所述模型被训练为根据所述装置的姿态的实际值并且根据移动所述装置应当使用的力矩的额定值和力的额定值来确定用于操控所述至少一个执行器的额定值。诸如人工神经网络的经过训练的模型有效地将姿态的实际值、力矩的额定值和力的额定值映射为执行器的相应额定值。由此，原本只能通过费事的计算才能获得的额定值可以在模型的基础上得到快速确定。
4.优选地，所述至少一个执行器被构造为可相对于所述输送装置旋转，其中所述至少一个执行器的额定值表征所述执行器相对于所述输送装置的旋转角或该旋转角从所述执行器的瞬时旋转角开始的增量，以及其中根据用于操控所述至少一个执行器的额定值来操控所述至少一个执行器。在这方面，所述人工神经网络的输出变量代表所述旋转角。由此映射的结果可以直接、即无需中间计算地用于各个执行器。这使得可以特别快速地实施计算。
5.优选地，所述至少一个执行器包括至少一个永磁体，特别是海巴赫布置，由此可以产生用于影响所述装置的移动的磁场，其中所述模型被训练为确定不同执行器的旋转角的大量额定值。在这方面，人工神经网络的输出变量代表所有相关的旋转角。这使得可以将计算扩展到所要求数量的执行器。由此该模型可以灵活地用于具有不同执行器的不同输送装置。
6.优选地，可以通过将不同执行器的至少一个永磁体中的大量永磁体的磁场与所述装置上的至少一个电磁体或永磁体的磁场叠加来产生用于使所述装置移动的磁场，其中所述模型被训练为确定不同执行器的旋转角的大量额定值，使得所述磁场基本上以由力矩的额定值预给定的力矩和由力的额定值预给定的力来移动所述装置。通过用人工神经网络映射所述额定值来直接影响所述磁场。这显著减少了计算耗费并且实现了更短的调节周期。
7.在另一方面，所述至少一个执行器包括可用于产生用于移动所述装置的磁场的电磁元件，其中所述模型被训练为确定不同执行器的大量额定值。如果执行器不是永磁体而是例如线圈，则该线圈不旋转，而是通以由额定值预给定的电流。
8.在这方面，可以通过将不同执行器的大量电磁元件的磁场与所述装置上的至少一
个电磁体或永磁体的磁场叠加来产生用于移动所述装置的磁场，其中所述模型被训练为确定不同执行器的大量额定值，使得所述磁场基本上以由力矩的额定值预给定的力矩和由力的额定值预给定的力来移动所述装置。
9.优选地，根据姿态的实际值将多个执行器分配给执行器的组，其中用于影响所述装置的移动的磁场仅由该组的执行器产生。由此可以与该组中执行器的数量对应地将人工神经网络的尺寸缩小。这显著减少了计算耗费并实现了更短的调节周期。
10.优选地，根据姿态的实际值和姿态的额定值来确定调节器的调节偏差，其中所述调节器根据所述调节偏差来确定力矩的额定值和力的额定值。所述调节器可以是pid调节器，使用pid调节器可以简单地根据额定轨迹来调节姿态。在这种情况下，人工神经网络特别有效地实现了用于将所述装置沿额定轨迹移动的执行器的相对复杂的操控。
11.优选地，所述调节器是状态调节器，特别是lq调节器，其中预给定姿态的额定值的轨迹，并且其中根据所述轨迹确定力矩的额定值和力的额定值。
12.优选地，根据作用在所述装置上的重力来确定用于力矩的额定值和/或力的额定值的预控制值，所述预控制值至少部分地补偿所述重力。
13.为了训练所述模型，可以根据用于操控所述输送装置的至少一个执行器的额定值并根据所述输送装置和所述装置的特别是随机或确定性的前向模型来确定力矩的建模值和力的建模值，其中根据力矩的建模值、力的建模值、力矩的期望值和力的期望值来确定所述模型的至少一个参数。在训练期间，所述前向模型可以设计得非常复杂且计算耗费非常大或计算能力要求非常高。特别地，可以使用非常准确的前向模型。由此，以这种方式训练的模型可以执行特别精确的映射，所述映射显著提高整体调节质量。
14.优选地，提供大量包括姿态、力矩的期望值和力的期望值的元组，其中根据大量元组在梯度下降方法中确定所述模型的至少一个参数。
15.一种对应的设备包括至少一个计算装置和用于模型和调节器的至少一个存储器，所述计算装置和所述存储器被构造用于执行所述方法。
附图说明
16.其他有利的实施方式由以下描述和附图得出。在附图中：图1以俯视图示出了装置的示意图，图2以俯视图示出了输送装置的示意图，图3以侧视图示出了所述装置和所述输送装置的示意图，图4示出了具有训练装置的用于操控输送装置的设备的示意图，图5示出了没有训练装置的用于操控输送装置的设备的示意图，图6a示出了输送装置的第一组执行器的操控方面的示意图，图6b示出了输送装置的第二组执行器的操控方面的示意图，图7示出了用于操控输送装置的方法中的步骤，图8示出了用于操控输送装置的一组执行器的方法中的步骤，图9示出了用于训练以操控输送装置的方法中的步骤。
具体实施方式
17.图1以俯视图示意性地示出了装置100。在该示例中，装置100具有用于运输物品的容器102。容器102可以被构造为表面、槽或网格。在该示例中，装置100被构造为在装置100的移动方向104上移动一个或多个物品。
18.图1示出了具有x轴、y轴和z轴的笛卡尔坐标系。在该示例中参照笛卡尔坐标系的原点说明装置100的位置。在该示例中，将点106的位置定义为装置100的位置，在该示例中，该点位于被构造为表面的容器102的中心。该位置的其他定义也是可能的，例如基于极坐标或柱坐标。点106可以布置在装置100的其他部位处。在该示例中，装置100可相对于该坐标系移动。
19.在该示例中，装置100的姿态由所述位置、围绕x轴的滚动角、围绕y轴的俯仰角和围绕z轴的偏航角定义。可以规定，定义相对于装置100静止的笛卡尔坐标系，其中定义围绕该静止的笛卡尔坐标系的x轴的滚动角、围绕该静止的笛卡尔坐标系的y轴的俯仰角和围绕该静止的笛卡尔坐标系的z轴的偏航角。
20.装置100包括至少一个驱动元件110。驱动元件110在该示例中包括永磁体。也可以提供磁线圈来代替永磁体。
21.至少一个驱动元件110在该示例中被构造为永磁体。可选地，可以设置至少一个磁线圈来代替或附加于永磁体地作为驱动元件110。在这种情况下，可以设置控制装置112，该控制装置在该方面被构造为操控至少一个驱动元件110以使装置100移动。用于操控的电线路将控制装置112与至少一个驱动元件110连接。这些电线路在图1中未示出。
22.装置100可以包括储能器114，储能器114被构造为向控制装置112和至少一个驱动元件110供应电能。用于供应能量的电线路将储能器114与控制装置112和至少一个驱动元件110连接。这些电线路在图1中未示出。在该示例中，储能器114是电池。也可以设置电容器来代替电池。代替储能器114，也可以设置用于永久地向装置100供应能量的集电器。
23.在该示例中，装置100包括多个驱动元件110，这些驱动元件110布置成图1中以俯视图示意性示出的矩阵状布置。在该示例中设置了两行，每行具有13个永磁体，这些永磁体在x方向上延伸并且在y方向上形成列，即总共设置了26个永磁体。
24.如果装置100相对于坐标系移动，则姿态改变，即驱动元件110的矩阵状布置在坐标系中移动并且可以旋转、摇摆、俯仰和/或偏航。
25.在图2中示意性地示出了输送装置200的俯视图。在图2中示出了笛卡尔坐标系。输送装置200相对于笛卡尔坐标系是静止的。输送装置200包括大量执行器202。在该示例中，在俯视图中观察时，执行器以矩阵形式布置成行，这些执行器在x方向上延伸并且在y方向上形成列。在该示例中，每个执行器202包括至少一个永磁体。在该示例中设置了海巴赫布置或海巴赫元件。在该示例中，海巴赫布置包括三个具有不同磁取向的永磁体。在该示例中，三个永磁体布置成一行。在该示例中，外部永磁体元件之一被定向为使得磁北极指向负z方向。这在图2中用圆圈标记。在该示例中，外部永磁体元件中的另一个被定向为使得磁北极指向正z方向。这在图2中用点标记。布置在两个外部永磁体之间的中央磁性元件被定向为使得其北极指向面向正z方向的元件。其他磁定向也是可能的。也可以设置电磁体来代替永磁体。
26.在该示例中，输送装置200包括至少一个接收装置204，其在图1的俯视图中示意性地示出。在该示例中，至少一个接收装置204被构造为接收关于装置100的姿态的信息。在该示例中，接收装置204被构造为接收关于装置100的位置的信息。
27.在该示例中，每个执行器202包括电动机，该电动机被构造为使海巴赫布置围绕平行于z轴布置的旋转轴旋转。由此可以有针对性地影响通过将所有执行器202的各个磁场叠加而在输送装置200的输送侧206上产生的总磁场。该磁场一方面用于排斥装置100的永磁体，以产生与输送装置200的距离。另一方面，该磁场用于使装置100相对于输送装置200移动。
28.操控装置208被构造为操控执行器202。在该示例中，操控装置208为执行器202设置围绕该执行器202的旋转轴的旋转角α。在该示例中，操控装置208被构造为以单独的旋转角α分别操控每个执行器202。还可以规定，用同一个旋转角共同操控执行器202组。
29.操控装置208被构造为从接收装置204接收传感器信号。
30.在该示例中，电线路将操控装置208与执行器202连接以用于操控执行器202。在该示例中，电线路将操控装置208与至少一个接收装置204连接以检测传感器信号。
31.在该示例中，从右侧观察，执行器202的前三列平行于x方向取向。在该示例中，这对应于相应的旋转角α=0
°
。在该示例中，在左侧与其邻接的两列执行器202顺时针旋转90
°
。在该示例中，这对应于相应的旋转角α= 90
°
。在该示例中，在左侧与其邻接的执行器202列逆时针旋转90
°
。在该示例中，这对应于相应的旋转角α=-90
°
。在该示例中，在左侧与其邻接的执行器202与前三列相同取向。在该示例中，这意味着相应的旋转角α=0
°
。
32.在该示例中，装置100或传感器系统被构造为将装置100的瞬时姿态发送到至少一个接收装置204。在该示例中，装置100或传感器系统被构造为将装置100的瞬时位置发送给至少一个接收设备204。如何在笛卡尔坐标系中确定装置100的姿态或位置对于操控而言无关紧要。在输送装置200的运行期间，姿态或位置由接收装置204接收，例如连续地（例如周期性地）或以不规则的时间间隔接收。在输送装置200的运行期间重复地确定姿态和/或位置。
33.操控装置208还可以被构造为使用接收装置204接收关于姿态的信息并由此确定姿态。可以通过不同方式产生关于装置100的姿态的信息。对于操控装置208的运行而言，如何确定姿态的实际值是无关紧要的。例如，可以设置传感器或基于相机的系统来确定姿态。可以根据在接收装置204处接收到的关于位置的信息来确定位置。
34.可以规定，根据装置100的最后已知姿态仅操控以下执行器202，所述执行器在知道装置100和输送装置200的几何形状的情况下可能对装置100的移动作出显著贡献。这显著减少了数据量。
35.图3以侧视图示出了输送装置200和装置100。在图3中保留了已经在图1和图2中描述的元件的附图标记。在海巴赫布置中，箭头表示相应永磁体的磁北极的位置。
36.在图3所示的视图中，装置100与输送装置200存在距离。在该示例中，该距离由永磁体的叠加磁场产生。该距离在图3中均匀地示出。由于俯仰移动和/或滚动移动，装置100的各个区域与输送装置200之间可能出现不均匀的距离，特别是还随着偏航移动出现。下面描述装置100相对于输送装置200的移动以及距离的调节或控制。
37.在图4中示意性地示出了用于操控输送装置200的设备400。设备400包括模型402
和调节器404。设备400可选地包括前向模型406、数据库408和用于训练模型402的训练装置410。设备400包括至少一个计算单元414和用于模型402的至少一个存储器412。在该示例中，计算单元414和存储器412被构造为执行下述方法。
38.关于姿态的大量实际值的信息存储在数据库408中，以用于训练模型202。在该示例中，pist表示姿态的实际值，psoll表示姿态的额定值。
39.调节器404被构造为根据姿态的实际值pist和姿态的额定值psoll确定调节偏差e，并且根据调解偏差e确定由输送装置200移动装置100所应当使用的力矩的额定值tsoll和力的额定值fsoll。
40.调节器404可以是状态调节器，例如lq调节器，其被构造为根据可预给定的轨迹确定力矩的额定值tsoll和力的额定值fsoll。调节器404可以被构造为根据作用在装置100上的重力确定用于力矩的额定值tsoll和/或力的额定值fsoll的预控制值，所述预控制值至少部分地补偿重力。在该示例中，重力根据装置100的重量和/或根据承载装置100的物体的重量来加以确定或作为参数预给定。所述重量可以是经过确定的或作为参数预给定的。
41.在该示例中，姿态是以x、y、z、、、为元素的向量，而调节偏差e是以各个元素的对应差异为元素的向量。在该示例中，调节器404包括第一pid调节器，其根据调节偏差e的元素来确定力的额定值fsoll，这些元素说明关于位置x、y、z的调节偏差。在该示例中，调节器404包括第二pid调节器，其根据调节偏差e的元素确定力矩的额定值tsoll，所述元素说明关于角度、、的调节偏差。pid调节器是具有比例分量、积分分量和微分分量的调节器。也可以使用其他确定性调节器。
42.可以设置可选的过滤器416，其在模型402之前或作为模型402的一部分过滤姿态的实际值pist。优选地，不将过滤器416用于训练。
43.模型402被构造为根据姿态的实际值pist、力矩的额定值tsoll和力的额定值fsoll来确定用于操控输送装置200的至少一个执行器202的额定值αsoll。在一方面，模型402已经被训练为根据姿态的额定值、力矩的额定值和力的额定值来确定用于操控至少一个执行器202的额定值。模型402的其他输入变量可以包括至少一个执行器202的姿态或实际值的历史数据。在另一方面，模型402被构造为使用训练装置410根据姿态的额定值、力矩的额定值和力的额定值来训练用于操控至少一个执行器202的额定值。训练装置410被构造为确定模型402的至少一个参数w。在该示例中，训练装置410被构造为确定大量参数w。在该示例中，训练装置410被构造为根据成本函数来确定参数w，该成本函数一方面根据力的期望值fdes与力的建模值f之间的差，并且另一方面根据力矩的期望值tdes与力矩的建模值t之间的差来加以确定，例如基于l1范数：。
44.例如，成本函数通过一方面力的期望值fdes与力的建模值f之间的差的l1范数与另一方面力矩的期望值tdes与力矩的建模值t之间的差的l1范数之和来定义。
45.在该示例中，训练装置410被构造为针对大量相互关联的期望值和实际值来确定大量的差，并执行梯度下降法，利用梯度下降法确定使得这些差最小化的参数w。
46.图5示出了用于操控输送装置200的设备400的一个方面。在该方面中，设备400包括调节器404、可选的过滤器416、用于模型402的存储器412和计算装置414。模型402在这个
方面中已经经过了训练。由此，对可用于设备400的计算装置414的计算能力的要求低于对在训练方法中使用训练装置410和前向模型406进行计算的计算装置414的要求。
47.有利的是，使用特别是用于确定建模值的前向模型406和训练装置410来执行用于训练模型402的训练方法，然后使用以这种方式训练的模型402来操控输送装置200，而无需训练装置410并且无需前向模型406。
48.在训练中使用前向模型406来处理在该示例中使用36个执行器调节6个自由度时的零空间。
49.代替监督学习——在监督学习中模型402学习为每个执行器确定旋转角α的额定值αsoll，该额定值尽可能地与来自训练数据的额定值αsoll的参考值一致，在训练过程中将模型402训练为确定旋转角α的额定值αsoll，针对该额定值前向模型406确定力矩的建模值t和力的建模值f，这些建模值使得成本函数最小化。该成本函数取决于力矩的建模值t、力的建模值f、力矩的期望值tdes和力的期望值fdes。
50.可以规定，如图6a和图6b示意性所示，从输送装置200的执行器202中仅选择输送装置200的执行器202的组602并由模型402共同操控。在这种情况下，设备400被构造为根据装置100的瞬时位置确定执行器202的组602。在这种情况下，模型402被构造为输出额定值αsoll以仅用于操控输送装置200的执行器202的组602。
51.在图6a和图6b中示出了装置100在输送装置200上的两个不同位置。在图6a中示出第一组602的第一执行器202。在图6b中示出第二组602的第二执行器202。由于装置100的连续位置变化，两组602重叠。在执行器202的上述矩阵状布置中，第二执行器202例如通过以下方式确定，即从第一组602中移除在图6a中所示的组602右侧的执行器202，将剩余的执行器202分配给第二组602，并且将一列执行器重新添加到图6b所示的第二组602的左侧。图6a的笛卡尔坐标系的原点在图6b中对应地向左移动。由于调节偏差e，调节器404通过原点的移动来确定连续值，因为姿态的额定值psoll由此也像姿态的实际值pist那样移动。
52.在这方面，模型402确定仅用于操控第一组602执行器202的额定值αsoll，第一组602被操控用于使装置100移动。如果装置100移动，则操控第二组202而不是第一组602。由于第一组602的执行器202的组成不同于第二组602的执行器202的组成，因此在从第一组602过渡到第二组602期间会出现不连续性。在该示例中，第一组602的执行器202布置在第一矩阵中，其中第一矩阵中的列和行的索引定义了第一组602的执行器202的实际位置。对于第二组602，对应地定义第二矩阵。在该示例中，在空间中不同执行器202具有执行器间距离地以矩阵的形式布置在列和行中。在空间中为第一组602定义实际姿态。对于第二组602，在空间中定义相对于实际姿态移动的实际姿态。在该示例中，如果列的索引或行的索引或这两种索引由于装置100相对于输送装置200的位移而改变，则不连续性涉及在第一组602和第二组602中代表的执行器202。在训练中，对于执行器202的每个实际位置，也分别在训练数据中一起给定移动了恰好所述执行器间距离的实际位置。在这种情况下，成本函数例如以加性的方式得到扩展，使得物理上相同但矩阵索引由于位置移动而改变的执行器202在这两种情况下都被分配相同的额定值αsoll，即差为零。
53.这是通过以下方式实现的，即为了训练定义具有原点的针对姿态的额定值psoll和姿态的实际值pist的坐标系。在该方面，根据装置100相对于输送装置200的移动来确定原点相对于输送装置200的位置。在该示例中，确定第一组602的原点相对于第一组602的执
行器202的空间位置。在从第一组602过渡到第二组602时，确定相对于第二组602的执行器202的原点的相同位置。在该示例中，为每个组确定分配给相应组的执行器202的二维矩阵布置的中心处的原点的相同位置。
54.为了训练，相对于该原点来说明姿态的额定值psoll和姿态的实际值pist。以这种方式训练的模型404可以用于每个组，因为对于调节器402而言，当原点位置改变时额定值αsoll没有出现跳跃并且姿态的实际值pist也没有出现跳跃。
55.对此的示例性附加质量度量通过由模型402确定的额定值αsoll定义为（例如基于l1范数），其中g和f是排序函数，它们例如由将目标值分配给额定值的相应特征曲线族来定义。例如，成本函数由额定值αsoll的排序函数g的结果向量与移位的额定值αsoll_verschoben的排序函数f的结果向量之差的l1范数定义。
56.在该示例中，可以将额定值实现为实际姿态的向量。通过对所述向量的元素进行重排序来确定目标值，从而在移位的实际姿态下物理上相同的执行器202在重排序后获得相同的矢量索引以用于计算质量度量。两个组中都不存在的执行器202被排序函数g和f排除。
57.在模型402的训练中，例如借助于质量度量和附加质量度量的总和来确定优化。
58.下面基于图7描述用于操控输送装置200的方法。该方法可以用设备400执行，而在数据库408、前向模型406和训练装置410的设备400中不需要该方法。相反，该方法可以仅用调节器404和经过训练的模型402执行。
59.用于操控输送装置200的方法规定，在步骤700中接收装置100的能够通过磁力作用由输送装置200移动的姿态的实际值pist。然后执行步骤702。
60.在步骤702中，根据姿态的实际值pist和姿态的额定值psoll确定调节器404的调节偏差e。可以任意地预给定姿态的额定值psoll。在该示例中，姿态的额定值psoll被预给定为使得装置100在距输送装置200的恒定距离处并且跟随输送装置200的路线移动。然后执行步骤704。
61.调节器404可以是状态调节器，特别是lq调节器。在这种情况下，可以预给定姿态的额定值psoll的轨迹在步骤704中，根据姿态的实际值pist和姿态的额定值psoll来确定由输送装置200移动装置100所应当使用的力矩的额定值tsoll和力的额定值fsoll。
62.在步骤704中，在该示例中，力矩的额定值tsoll和力的额定值fsoll由调节器404根据调节偏差e确定。然后执行步骤706。
63.如果调节器404是状态调节器，则可以根据所述轨迹确定力矩的额定值tsoll和力的额定值fsoll。
64.可以规定，根据作用在装置100上的重力来确定力矩的额定值tsoll和/或力的额定值fsoll的预控制值，所述预控制值至少部分地补偿了重力。
65.在步骤706中，根据姿态的实际值psoll、力矩的额定值tsoll和力的额定值fsoll
以及根据模型402来确定用于操控输送装置200的至少一个执行器202的额定值αsoll。
66.模型402被训练为根据姿态的额定值、力矩的额定值和力的额定值来确定用于操控至少一个执行器202的额定值。
67.在一方面，至少一个执行器202被构造为可相对于输送装置200旋转。在这方面，至少一个执行器202的额定值αsoll表征执行器202相对于输送装置200的旋转角。然后执行步骤708。还可以设置从执行器202的瞬时旋转角开始的该旋转角的增量。
68.在步骤708中，根据用于操控至少一个执行器202的额定值αsoll来操控至少一个执行器202。只要不是所有执行器202都被操控，未被操控的执行器202就继续产生相同的磁场。从而通过叠加执行器202的磁场，在装置100所位于的区域中产生磁力作用，该磁力作用使装置100移动。
69.在该示例中，至少一个执行器202包括海巴赫布置，通过该布置可以产生用于影响装置100的移动的磁场。在该示例中，模型402被训练为确定不同执行器202的旋转角α的大量额定值αsoll。在步骤706和708中，可以通过叠加可由大量不同执行器202的海巴赫布置产生的磁场来产生用于使装置100移动的磁场。在该示例中，模型402被训练为确定706不同执行器202的旋转角α的大量额定值αsoll，使得磁场基本上以由力矩的额定值tsoll预给定的力矩和由力的额定值fsoll预给定的力来使装置100移动。由于不必为此确定前向模型，因此该过程非常有效，因此与使用前向模型相比需要显著更少的计算能力和/或计算时间。
70.在该示例中，步骤700到708以该顺序针对姿态的一系列额定值psoll重复地执行。由此，装置100与输送装置200一起移动。然后该方法结束。
71.已经针对包括永磁体的执行器202描述了步骤700到708。对于包括电磁元件的执行器202而言执行对应的方法，以产生用于使装置100移动的磁场。在这种情况下，模型402被训练为在步骤706中为不同执行器202确定大量额定值isoll。在该示例中，isoll表示以下电流，利用该电流由所述电磁元件产生电磁场。
72.在这种情况下，用于使装置100移动的磁场是通过将不同执行器202的大量电磁元件的磁场与装置100上的至少一个电磁体或永磁体的磁场叠加而产生的。
73.模型402被训练为在步骤706中确定不同执行器202的大量额定值isoll，使得所述磁场在步骤708中基本上以由力矩的额定值tsoll预给定的力矩和由力的额定值fsoll预给定的力来使装置100移动。
74.在一个示例中，模型402包括人工神经网络，特别是具有多层感知器架构。例如，根据人工神经网络的输出层的值来确定额定值αsoll。在该示例中，人工神经网络被构造用于旋转角的回归。输出层例如输出连续的输出值作为浮点数，其中这些输出值定义在浮点数精度范围内0
°
到359
°
之间的连续旋转角。在该示例中，根据所述输出值设置执行器202之一的旋转角。
75.为了确定不同执行器202的旋转角α的大量额定值αsoll，可以在模型402中设置与执行器202的数量相对应数量的输出层。
76.可以规定，将多个执行器202组合为组602。在这种情况下，模型402只能针对组602的执行器202具有输出。在这种情况下，使用对应修改的用于操控输送装置200的方法，下面将参考图8描述该方法。
77.在步骤800中，根据姿态的实际值pist，将多个执行器202分配给执行器202的组
602。在此，组602例如被确定为执行器202的6
×
6矩阵，这些执行器在输送装置200的俯视图中布置在正方形表面中，装置100瞬时地通过磁力悬置在该正方形表面上方。在该示例中，根据位置确定来进行所述分配。
78.如果输送装置200应当移动大量装置100，则可以设置模型402的多个实例。在这种情况下，模型402的每个实例被构造为操控输送装置200以使装置100之一移动。为此，优选地定义执行器202的不相交的组602并且每个组602由不同的一个模型402控制。
79.在步骤802中，为组602的多个执行器202确定旋转角α的相应额定值αsoll。在该示例中，使用针对来自组602的执行器202的数量训练的模型402。在该示例中，就像在步骤700至706中所描述的那样确定相应的额定值αsoll。
80.在步骤804中，用于影响装置100的移动的磁场仅由执行器202的组602产生。
81.根据关于姿态的实际值pist的信息重复步骤800到804。由此，不同的执行器202被分组到不同的组602中并加以操控。
82.用于操控输送装置200的方法可以用于对模型402进行训练。
83.为了对模型402进行训练，在步骤900中提供训练数据，特别是来自数据库408。训练数据包括来自对相应期望值有效的值范围的值。训练数据要么是预给定的，要么是在训练期间从随机分布中提取的。在该示例中，每个训练数据都包括姿态pist、力矩的期望值和力的期望值，它们作为元组相互关联。在该示例中，在步骤900中随机提取元组之一。然后执行步骤902。
84.在步骤902中，根据所提取的元组确定用于操控输送装置200的至少一个执行器202的额定值αsoll。
85.为此，例如使用在步骤706中描述的方法。
86.可以规定，在训练期间使用调节器404。在这种情况下，可以根据所提取的姿态pist和包含在元组中的姿态的额定值psoll来确定力矩的期望值和力的期望值。在该示例中，训练与模型402是针对全部执行器202的组602还是仅针对先前选择的执行器202的组602进行训练无关。然后执行步骤904。
87.在步骤904中，根据用于操控输送装置200的至少一个执行器202的额定值αsoll、与姿态的实际值pist无关地并且根据输送装置200和装置100的特别是随机的或确定性的前向模型406来确定力矩的建模值和力的建模值。取决于所使用的模型402，在该示例中为输送装置的所有执行器202或为执行器组602中的每个执行器202确定额定值αsoll。然后执行步骤906。
88.在步骤906中，在梯度下降方法中确定模型402的至少一个参数w。在训练中，为了评估该梯度下降方法的成本函数，由随机或确定性的前向模型406计算出根据由模型402已经确定的额定值αsoll由输送装置200产生了力矩的哪个建模值和力的哪个建模值。在训练中，不操控输送装置200，而是由正向模型406模拟。可以在训练中使用非常精确的前向模型406。训练之后输送装置200的运行可以在没有该精确前向模型406的情况下进行。
89.参数w例如是人工神经网络的激活函数的权重和/或参数。参数w也可以与人工神经网络的其他参数相关。
90.在该示例中以重复步骤902至906的方式提供彼此关联的姿态pist和姿态的额定值psoll的大量配对。根据所述大量配对确定力矩的实际值tist和力的实际值fist，并且根
据来自所述大量配对的姿态pist和为此确定的力矩的实际值tist和力的实际值fist在梯度下降方法中确定模型402的至少一个参数w。例如，使用根据一方面力的额定值fsoll和力的实际值f之间的差以及另一方面力矩的额定值tsoll和力矩的实际值t之间的差来定义的函数执行所述训练。
91.例如，当满足质量标准或已使用了所有提供的元组时，该方法结束。这些元组可以在迭代中重复提供以进行训练。在这种情况下，在执行了预定数量的迭代时可以结束该方法。
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
