确定和/或验证门系统的状态的方法、设备、系统、产品与流程

1.本发明涉及用于确定和/或验证门系统的状态的方法。本发明还涉及用于确定和/或验证门系统的状态的状态确定设备，并且涉及这样的系统和计算机程序产品。

背景技术：

2.门设备及其部分系统或门系统通常在操作期间遭受磨损迹象，所述磨损迹象可以由门设备的使用、由零件和部件的老化或者由环境影响引起。因此，这样的磨损迹象可以取决于多种影响，并且以不同的速度表现地非常不同。门设备的不同门系统例如门设备的驱动单元或电子锁通常可能受到磨损迹象的影响。因此，维护门设备以便确定和修复磨损迹象和缺陷从根本上而言是必要的。
3.在从现有技术已知的系统和方法的情况下，通常以固定的时间间隔(例如每年一次)执行维护，或者基于预定义的维护计划执行维护。根据现有技术，一方面这导致对门设备的不必要的维护工作。另一方面，磨损迹象通常仅在它们已经导致门设备中的故障或中断时才被识别出，这带来门设备的不期望的停机时间。
4.因此，维护通常是耗时的，因为专业人员需要出行以检查或修理门设备。
5.在这种背景下，目的是实现门系统的状态的有效确定和/或验证，使得可以优选地减少维护工作的工作量和成本和/或停机时间。

技术实现要素：

6.该目的通过一种用于确定和/或验证门系统的状态的方法来实现，其中，该方法包括以下步骤：
7.在测量步骤中，确定涉及门系统的至少一项测量信息，
8.在状态确定步骤中，借助于人工智能系统并且借助于所确定的至少一项测量信息来确定和/或验证门系统的状态。
9.根据本发明，由此可以实现有利的状态监测，其实现对于维护工作的改进的规划。因此，根据本发明，特别地可以实现对于门系统的有效的、预测性的维护。因此，特别地可以借助于人工智能系统来确定门系统和/或门系统的子系统是否存在磨损和/或磨损进展到什么程度。因此，可以实现时间优化和单独的维护。特别地，可以根据所确定的门系统的状态来选择下一次维护的时间。另外地或可替选地，维护可以被集中于或限于门系统的一个子系统或多个子系统，针对所述一个子系统或多个子系统，当借助于人工智能系统确定和/或验证门系统的状态时已经确定了磨损。特别地，这样的子系统可以包括零件或组件，例如齿轮单元和/或电动机和/或电子控制器。
10.术语齿轮单元描述了如下组件：该组件将电动机的运动改变为另一零件的运动，特别地是输出。传动比从而可以是任何期望的传动比，特别地甚至是1：1。
11.根据本发明，因此可以进行特别有效的维护。特别地，可以减少或避免专业人员的不必要的维护工作。因此可以节省资源和成本两者。
12.可以有利的是，特别地以规则或不规则的间隔重复该方法的一个、多个或所有步骤，或者连续地执行该方法的一个、多个或所有步骤。以这种方式，可以在可选择的时间段内实现对门系统的状态的确定和/或验证。可以设想，以不同的顺序执行该方法的步骤。可以设想，该方法的步骤在时间上不同。
13.可以设想，用于确定和/或验证门系统的状态的状态确定步骤包括借助于人工智能系统对至少一项测量信息进行分析。
14.根据本发明的方法特别地是计算机实现的方法，其中，该方法的一个、多个或所有步骤由计算机执行。
15.可以从从属权利要求中推断出本发明的有利的其他发展和配置。
16.根据本发明的一个实施方式，提供的是，借助于利用测量设备测量门系统的测量变量来确定至少一项测量信息，以及/或者通过利用控制设备设置和/或确定门系统的致动变量来确定至少一项测量信息。致动变量也可以理解为针对门系统的可设置变量，所述可设置变量例如在门系统的操作期间由控制设备输出和/或设置，并且借助于所述可设置变量来控制门系统。对于门系统是门设备的驱动单元的情况，致动变量例如可以是驱动电压和/或脉冲宽度调制的一个或多个参数。测量变量也可以理解为门系统的可测量变量。
17.根据本发明的一个实施方式，提供的是，借助于训练数据来训练人工智能系统，特别地至少部分地在状态确定步骤之前的训练阶段中，借助于训练数据来训练人工智能系统。可以设想，在状态确定步骤之前完全执行训练阶段。可替选地，可以设想，即使在门系统的操作期间，例如在状态确定步骤之前、期间和/或之后，训练数据也用于进一步训练人工智能系统。因此，也可以在门系统已经在操作中以及/或者门系统的状态已经被确定和/或验证时调整和/或优化人工智能系统。
18.根据本发明的一个实施方式，提供的是，训练数据包括借助于模型确定和/或输出的至少一项模型信息，特别地是模型曲线。以这种方式，特别有利的是可以减少所需的训练数据的量，这些训练数据是借助于对真实的门系统和门设备进行的测量和/或测试过程而获得的。门系统和门设备通常被单独调整以适应所确定的应用状况，使得在许多情况下最好以非常小的单元数量来生产相同的门设备和/或门系统。因此，借助于通过测量和/或测试真实的门系统和/或门设备而获得的训练数据来训练人工智能系统通常非常麻烦且昂贵，因为出于该目的通常必须记录结构相同或非常类似的门设备的各种数据。由于训练数据包括借助于模型特别地是模拟模型生成的模型信息，因此可以特别有利地减少针对真实门系统的用于训练人工智能系统的测试工作。因此，可以有利地将人工智能系统也用于被单独制造或者被调整以适应其应用或者仅以相当小的单位数量制造的门设备和门系统。
19.特别有利地可以设想，在训练阶段之后以如下方式配置人工智能系统：可以通过人工智能系统在测量信息中识别门系统和/或门系统的子系统的出现的磨损迹象，即特别地是异常和/或缺陷。以这种方式，特别地可以借助于——由人工智能系统执行的涉及在门系统的操作期间确定的测量信息的——模式检测来可靠地识别磨损迹象。
20.根据本发明的一个实施方式，模型特别地可以是模拟模型。根据本发明的一个实施方式，优选地，模型可以是门系统和/或包括门系统的门设备的模拟模型。
21.根据本发明的一个实施方式，提供的是，至少一项测量信息涉及门系统的至少一个测量变量和/或致动变量。
22.根据本发明的一个实施方式，可以设想，模型具有针对门系统的第一子系统的第一模型块和针对门系统的第二子系统的第二模型块。第一模型块特别地涉及第一子系统的至少一个特性，以及第二模型块特别地涉及第二子系统的至少一个特性。子系统的特性从而特别地可以是制造公差、尺寸偏差、零件重量和/或磨损效应。优选地，模型具有针对门系统的其他子系统的其他模型块。以这种方式，可以进行将在涉及门系统的测量信息和/或训练数据中可识别的磨损迹象有利地分配给子系统之一，特别地是第一子系统或第二子系统。因此，可以借助于训练数据特别地借助于模型信息来训练人工智能系统，以特别地在状态确定步骤中根据至少一项测量信息来确定门系统的子系统中的哪一个存在磨损和/或磨损进展的程度。因此，可以实现时间优化和单独的维护。特别地，可以根据所确定的门系统的状态来选择下一次维护的时间。在这种情况下，可以存储在门系统的存储介质中的来自过去的操作行为，特别地是每次的操作循环也可以被考虑。在来自过去的操作行为的情况下，可以特别地使用上周、上个月和/或过去几个月的平均值。
23.根据本发明的一个实施方式，提供的是，以如下方式配置模型：由于第一模型块中的第一子系统的特性之一的变化和/或第一子系统的特性之一的值的变化，产生该模型的变化和/或至少一项模型信息的变化。特别地，可以执行模型块的特性的目标变化并且识别对借助于模型获得的模型信息——特别地模型曲线——的影响。这有利地用于使得能够在门系统的各个子系统的磨损迹象与模型信息之间进行可靠的分配，这可以与实际情况进行比较。可以设想，门系统和/或门设备的操作阶段的部分区域被识别和/或确定，其被通过状态确定设备和/或测量设备和/或控制设备有针对性地监测和/或测量。
24.根据本发明的一个实施方式，提供的是，借助于模型来确定和/或量化至少一项测量信息对第一子系统的至少一个特性的依赖性，以及/或者借助于模型来确定和/或量化至少一项测量信息对第一子系统的至少一个特性的变化的依赖性。
25.因此，特别地可以设想，借助于模型来模拟门系统的测量变量和/或致动变量对第一子系统的至少一个特性的依赖性，以及/或者其中，借助于模型来模拟门系统的测量变量和/或致动变量对第一子系统的至少一个特性的变化的依赖性。对于其他子系统或其他模型块，也可以如此设想。例如，可以借助于模型来确定和/或量化至少一项测量信息对第二子系统的至少一个特性的依赖性，以及/或者借助于模型来确定和/或量化至少一项测量信息对第二子系统的至少一个特性的变化的依赖性。
26.根据本发明的一个实施方式，有利地可以设想，对于实际上存在的门系统的多个子系统特别是每个子系统，定义了模型块，可以向该模型块指定确定的行为以及/或者添加一个或多个物理特性，例如制造公差、尺寸偏差和/或磨损效应。针对门系统的模型优选地由各个子系统或与子系统相关的模型块组成，并且作为整体提供特征模型信息。因此，在特征模型信息中特别有利地反映了模型块的每个物理特性。特别地可以的是，可以通过目标变化来单独指示和/或获知每个单独模型块的作用。可以将由模型生成的特征模型信息——特别地是模型曲线——与例如借助于测量设备和/或控制设备获得的实际测量曲线进行比较。以这种方式，可以特别有利地确定和/或验证门系统的状态，其中，可以有利地辨别和/或识别门系统的各个子系统的磨损迹象。因此，可以确定门系统的哪个子系统存在磨损和/或磨损进展的程度。以这种方式，可以根据对状态的确定和/或验证来执行有利的维护。
27.根据本发明的一个实施方式，有利地可以设想，模型考虑和/或包括门设备、门系统和/或门系统的子系统的运动学和/或动力学。优选地可以设想，模型考虑和/或包括机械相互作用、质量惯性和/或机械力。特别有利地可以设想，模型替选地或另外地考虑和/或包括电相互作用、温度和/或压力。
28.根据本发明的一个实施方式，提供的是，在优选地在状态确定步骤之前的模型的测试步骤中，借助于涉及门系统和/或涉及其他门系统的一个或多个测量值和/或致动值来验证和/或测试模型，其中，特别地在所述验证期间和/或在所述测试期间验证模型是否满足精度标准。从而特别地验证模型的模型信息(或模拟数据)相对于一个或多个测量值和/或致动值是否实现了期望的精度，所述一个或多个测量值和/或致动值特别地借助于关于物理或真实门系统的真实测量结果和/或真实设置来确定。测试步骤可以在门系统和/或门设备的正在进行的操作之前和/或期间进行。
29.根据本发明的一个优选实施方式，可以设想，当模型满足精度标准时，即达到期望的精度时，模型优选地在状态确定步骤中用于确定和/或验证门系统的状态，或者用于生成用于训练人工智能系统的模型信息。如果模型不满足精度标准，即没有达到期望的精度，则优选地调整和/或改变模型，特别地直到模型满足精度标准。特别优选地，仅在满足精度标准之后，模型在状态确定步骤中用于确定和/或验证门系统的状态或者用于生成用于训练人工智能系统的模型信息。精度标准特别地是可选择的和/或可预定义的标准。
30.根据本发明的一个实施方式，特别地对于具有包括驱动单元的齿轮单元的门系统，模型可以具有针对齿轮单元的模型块。齿轮单元通常在机械和运动学上是复杂的，使得针对训练数据的模型信息在这种情况下是有用的。
31.根据本发明的一个实施方式，特别地对于具有包括驱动单元的凸部托架的门系统，模型可以具有针对凸部托架的模型块。凸部托架特别地用于铰链门驱动装置，以间接地或直接地将线性运动——特别地是弹簧的线性运动——改变为旋转运动。凸部托架从而可以包括轴承，特别地是滚针轴承。这样的轴承通常表示门系统的载荷最高的部分。因此，凸部托架既适合作为模型块又适合作为子系统，特别地其中，其磨损迹象可经由电动机电流和/或经由pwm和/或经由声音(acoustics)——特别地是结构声——辨别出。
32.根据本发明的一个实施方式，特别地对于包括驱动单元的门系统，模型可以具有针对门或门扇的模型块。
33.根据本发明的一个实施方式，特别地对于具有包括驱动单元的电动机的门系统，模型可以具有针对电动机的模型块。在电动机的情况下，电子因素与机械因素彼此相遇，使得针对训练数据的模型信息在这种情况下是有用的。
34.根据本发明的一个实施方式，特别地对于具有包括驱动单元的电子控制设备的门系统，模型可以具有针对电子控制设备的模型块。控制设备确保了闭合的控制电路并且因此还适合作为子系统，特别地其中，其磨损迹象可从电子测量变量例如电压和/或电流和/或pwm中辨别出。
35.根据本发明的一个实施方式，特别地对于具有包括驱动单元的偏转单元的门系统，模型可以具有针对偏转单元特别地是偏转辊和/或齿形带的模型块。偏转单元特别地由于许多的运动方向变化而通常易于磨损。因此偏转单元还适合作为子系统，特别地其中，其磨损迹象可从涉及声音——特别地是结构声、电流分布和/或pwm的测量信息中辨别出。
36.根据本发明的一个实施方式，特别地对于包括驱动单元的门系统，模型可以具有针对蓄能器——特别地是弹簧或电池——的模型块。
37.根据本发明的一个实施方式，特别地对于具有包括驱动单元的电源的门系统，模型可以具有针对电源的模型块。电源可以包括电容器，该电容器可能在一定长度的时间之后磨损并且在高电负载的情况下失效。因此，电源也适合作为子系统，特别地其中，其磨损迹象可从涉及电压的测量信息中辨别出。
38.根据本发明的一个实施方式，特别地对于包括驱动单元的门系统，模型可以具有针对力传递元件(例如齿形带)的模型块。这样的元件特别地用于滑动门，并且受到织物磨损。磨损迹象从而有利地可从涉及声音——特别地是结构声、位置分布和/或电流分布的测量信息中辨别出。
39.根据本发明的一个示例性实施方式，可以设想，针对包括门设备的驱动单元的门系统的模型包括以下模型块中的一个、多个或全部模型块：
40.第一模型块，其涉及齿轮单元，
41.第二模型块，其涉及凸部托架，
42.第三模型块，其涉及门，
43.第四模型块，其涉及电动机，
44.第五模型块，其涉及电子控制器，
45.第六模型块，其涉及偏转单元，特别地是偏转辊和/或齿形带，
46.第七模型块，其涉及蓄能器，特别地是弹簧，
47.第八模型块，其涉及电源，
48.第九模型块，其涉及力传递元件例如齿形带。
49.根据本发明的一个实施方式，可以设想，训练数据包括涉及门系统和/或涉及包括门系统的门设备的训练测量信息，以及/或者
50.训练数据包括涉及其他门系统和/或包括其他门系统的其他门设备的训练测量信息。特别地通过借助于门系统和/或门设备以及/或者一个或多个其他门系统和/或一个或多个其他门设备处的对应的测量设备测量一个或多个测量变量来确定训练测量信息。另外地或可替选地，特别地通过借助于门系统和/或门设备以及/或者一个或多个其他门系统和/或一个或多个其他门设备处的对应的控制设备确定一个或多个致动变量来确定训练测量信息。可以设想，在门系统和/或门设备以及/或者一个或多个其他门系统和/或一个或多个其他门设备的单独的测试阶段中部分地或完全地确定训练测量信息。可以设想，在操作期间或在使用中，特别地在门系统和/或门设备以及/或者一个或多个其他门系统和/或一个或多个其他门设备的状态确定期间部分地或完全地确定训练测量信息。
51.根据本发明的一个实施方式，特别地可以设想，训练数据包括模型信息和训练测量信息两者。
52.根据本发明的一个实施方式，提供的是，训练数据包括正常操作数据，特别地，其中，正常操作数据涉及门系统的无磨损状态，以及
53.训练数据包括磨损操作数据，特别地，其中，磨损操作数据涉及门系统的磨损状态和/或门系统的子系统的磨损状态。特别有利的是，用于检测门系统的一个或多个子系统的磨损迹象的人工智能系统可以以至少一项测量信息训练。因此，特别地在状态确定步骤中，
人工智能系统可以将以至少一项测量信息确定的磨损迹象分配给所确定的门系统的子系统。因此，特别地在状态确定步骤中对门系统的状态的确定可以优选地包括确定和/或输出门系统的一个或多个子系统的磨损状态。正常操作数据特别地是模型信息和/或训练测量信息。特别优选的是正常操作数据至少包括模型信息。磨损操作数据特别地是模型信息和/或训练测量信息。特别优选的是磨损操作数据至少包括模型信息。
54.根据本发明的一种实施方式，提供了
55.借助于人工智能系统来确定门系统的操作阶段的部分区域，在部分区域中，可以借助于确定至少一项测量信息——特别地借助于确定至少一个测量变量和/或致动变量——来确定门系统的子系统的磨损迹象和/或门系统的磨损迹象；以及/或者
56.借助于模型来确定门系统的操作阶段的部分区域，在部分区域中，可以借助于确定至少一项测量信息——特别地借助于确定至少一个测量变量和/或致动变量——来确定门系统的子系统的磨损迹象和/或门系统的磨损迹象。这可以以如下方式理解：模型和/或人工智能系统生成部分区域信息，该部分区域信息指示门系统的操作阶段的部分区域，该部分区域适于通过监测该部分区域中的门系统的测量变量和/或致动变量来确定所确定的门系统的子系统的磨损迹象。因此，可以优选地确定门系统的操作阶段的部分区域，其在门系统的操作期间的监测是特别有利的，因为该部分区域中的门系统的磨损迹象可以在门系统的测量变量和/或致动变量上变得明显。部分区域从而可以包括操作阶段的相关联的区域或两个或更多个分离且间隔开的区域。
57.根据本发明的一个实施方式，提供的是，门系统的操作阶段包括门系统和/或包括门系统的门设备的打开过程和/或关闭过程，其中，操作阶段的部分区域仅是打开过程和/或关闭过程的部分区域。打开过程也可以理解为打开历程。关闭过程也可以理解为关闭历程。在旋转门和/或可旋转分离设备的情况下，门元件或分离设备的完全旋转可以例如理解为完整的打开和关闭过程。
58.根据本发明的一个实施方式，提供的是，在状态确定步骤中使用以确定和/或验证门系统的状态的至少一项测量信息仅涉及门系统的操作阶段的部分区域。根据本发明的一个实施方式，可以通过在部分区域中确定的涉及至少一个测量变量的测量值和/或涉及至少一个致动变量的致动值的数值积分(numeric integration)来形成测量信息。
59.根据本发明的一个实施方式，提供的是，仅在门系统和/或门设备的操作阶段的部分区域期间确定至少一项测量信息。因此，优选地以如下方式确定测量信息：由测量设备仅在部分区域中测量门系统的测量变量，以生成至少一项测量信息。可替选地或另外地，因此优选地以如下方式确定测量信息：由控制设备仅在部分区域中测量门系统的致动变量，以生成至少一项测量信息。特别地，由此可以设想，在操作阶段的至少一个其他部分区域期间不确定测量信息，或者在部分区域之外的整个操作阶段期间不确定测量信息。以这种方式，可以节省成本和能量，并且所生成的数据量可以保持较低。
60.根据本发明的一个实施方式，提供的是，在门系统的操作阶段的其他部分区域期间确定更多项测量信息，更多项测量信息特别地涉及与测量信息相同的测量变量和/或致动变量，
61.其中，特别地在状态确定步骤中对门系统的状态的确定和/或验证与其他测量信息无关，以及/或者其中，特别地在状态确定步骤中确定和/或验证该门系统的状态时保持
忽略其他测量信息。因此，可以设想，其他测量信息不影响门系统的状态的确定和/或监测。因此，可以设想，涉及测量变量和/或致动变量的测量信息在门系统的整个操作阶段期间被确定，特别地通过在门系统的整个操作阶段期间确定测量变量以及/或者设置和/或确定致动变量被确定，其中，在操作阶段的部分区域期间确定的测量信息的仅一部分——即特别地至少一项测量信息——用于确定和/或监测门系统的状态。因此，在相关部分区域之外确定的测量信息可以特别有利地在状态确定期间保持被忽略。
62.根据本发明的一个实施方式，提供的是，部分区域包括一个或多个以下区域：
63.加速区域和/或制动区域，特别地在包括门系统的门设备的打开过程和/或关闭过程期间的加速区域和/或制动区域，
64.包括门系统的门设备的恒定历程(travel)，其中，门设备优选地在恒定历程期间具有至少近似恒定的速度，
65.包括门系统的门设备的起始区域，特别地从静止开始的起始区域，
66.在加速区域与恒定历程之间的过渡区域，
67.在加速区域与制动区域之间的过渡区域，
68.在恒定历程与制动区域之间的过渡区域。
69.根据本发明的一个实施方式，部分区域可以包括至少一个加速区域和/或制动区域，特别地在包括门系统的门设备的打开过程和/或关闭过程期间的加速区域和/或制动区域。
70.根据本发明的一个实施方式，部分区域可以包括包含门系统的门设备的至少一个恒定历程，其中，门设备优选地在恒定历程期间具有至少近似恒定的速度。
71.根据本发明的一个实施方式，部分区域可以包括包含门系统的门设备的至少一个起始区域，特别地从静止开始的起始区域。
72.根据本发明的一个实施方式，部分区域可以包括在加速区域与恒定历程之间的至少一个过渡区域。
73.根据本发明的一个实施方式，部分区域可以包括在加速区域与制动区域之间的至少一个过渡区域。
74.根据本发明的一个实施方式，部分区域可以包括在恒定历程与制动区域之间的至少一个过渡区域。
75.根据本发明的一个实施方式，提供的是，部分区域包括一个或多个区域，在一个或多个区域中，门设备和/或门系统的加速度和/或加速度的指示和/或移动方向改变。例如对于形成为门设备的驱动单元的门系统特别有利的是，(例如齿轮单元的)驱动单元或驱动单元的子系统的磨损可以在一个或多个部分区域中被辨别，其中，在一个或多个部分区域中门设备的加速度和/或加速度的指示和/或移动方向改变。这特别地包括加速区域和/或制动区域和/或起始区域和/或加速区域与恒定历程之间的过渡区域和/或加速区域与制动区域之间的过渡区域和/或恒定历程与制动区域之间的过渡区域。特别地，磨损在其中质量惯性力起作用的这样的部分区域中特别有利地可辨别。从而特别优选地可以设想，所确定的至少一项测量信息涉及结构声、电动机和/或齿轮单元的运动零件的速度——特别地电动机(特别地转子)和/或齿轮单元(特别地齿轮)的角速度以及/或者驱动单元的电动机的电流和/或控制电压。基于这样的测量信息，从而可以特别有利地确定磨损迹象。
76.电动机通常可以包括定子形式的非运动零件和运动零件，特别是当被设计为旋转电动机时包括转子形式的运动零件。
77.根据本发明的一个实施方式，对于门设备的形成为驱动单元的不具有弹簧和/或蓄能器的门系统(例如滑动门)，有利地可以设想部分区域包括在打开历程与关闭历程之间的反向区域和/或在关闭历程与打开历程之间的反向区域和/或在左手历程与右手历程之间的反向区域和/或在右手历程与左手历程之间的反向区域。这样的反向区域特别地适于确定门系统或门系统的子系统(例如齿轮单元)的磨损。根据本发明的一个实施方式，这样的反向区域也可以理解为由制动区域和起始区域组成的部分区域。特别地可以设想，在这样的反向区域中的反向游隙与门系统或门系统的子系统的磨损成比例。从而特别优选地可以设想，所确定的至少一项测量信息或所确定的测量信息涉及电动机和/或齿轮单元的运动零件的速度，特别地是电动机的转子和/或齿轮单元的齿轮的角速度以及/或者驱动单元的电动机的电流和/或控制电压。基于这样的测量信息，从而可以特别有利地确定磨损迹象。
78.根据本发明的一个实施方式，提供的是，所确定的和/或验证的门系统的状态涉及或包括门系统的一个子系统的磨损状态和/或门系统的多个子系统的磨损状态和/或整个门系统的磨损状态。因此，特别地提供人工智能系统以用于确定和/或验证门系统的磨损以及/或者用于确定和/或验证门系统的一个或多个子系统的磨损。
79.根据本发明的一个实施方式，可以在确定至少一项测量信息或测量信息时使用统计和/或随机方法。可以设想，至少一项测量信息包括积分值。可以设想，借助于数值积分来确定积分值。
80.根据本发明的一个实施方式，可以在状态确定步骤中确定和/或验证门系统的状态时使用统计和/或随机方法。
81.根据本发明的一个实施方式，可以设想，在测量步骤中以这样的方式确定测量信息：在门系统的操作阶段期间或仅在门系统的操作阶段的部分区域期间确定涉及至少一个测量变量的多个测量值和/或涉及至少一个致动变量的多个测量值。借助于在操作阶段或操作阶段的部分区域期间确定的测量值的数值积分来形成面积积分。所确定的测量信息优选地包括以这种方式确定的面积积分。可替选地或另外地，也可以设想用于确定测量信息的其他统计和/或数值方法，例如推导、形成平均值、形成方差和/或标准偏差。
82.根据本发明的一个实施方式，提供的是，门系统是门设备的部分系统，
83.特别地，其中，门系统是门设备的驱动单元或者包括门设备的驱动单元。可替选地，例如可以设想，门系统包括门设备的电子锁或者是门设备的电子锁。门设备的其他部分系统也被考虑用于门系统。可替选地，可以设想门系统是完整的门设备。
84.根据本发明的一个实施方式，门设备是例如用于区域或建筑物的入口设备。优选地可以设想，门设备是自动门设备。可以设想，门设备包括以下设备中的一个或多个设备：
85.铰链门，
86.摆动扇门，
87.旋转门，
88.安全旋转门，
89.双入口闸门，
90.滑动门，
91.折叠门，
92.三辊闸回转门，
93.回转门，
94.枢轴门。
95.根据本发明，有利地可以设想，借助于和/或根据在状态确定步骤中确定和/或验证的状态，输出涉及门系统和/或涉及门系统的一个或多个子系统的维护指示，以及/或者执行门系统和/或门系统的一个或多个子系统的维护。维护指示特别地是指示是否必须执行门系统的维护以及/或者何时必须执行门设备和/或门系统的维护的信息。维护指示优选地被传送到维护设备和/或被提供给维护技术人员。
96.根据本发明的一个实施方式，可以设想，在状态确定步骤中，优选地使用多项测量信息来确定和/或验证门系统的状态。测量信息特别地包括涉及门系统和/或门设备的操作和/或传感器数据。根据本发明，因此可以设想，特别地在状态确定步骤中，通过机器学习算法，在统计和/或随机方法的可选辅助下(例如借助于操作参数和异常之间的关联)，从操作和/或传感器数据中有利地提取特有的磨损和/或受损特征。
97.根据本发明的一个实施方式，提供的是，至少一项测量信息涉及或包括：
98.位置分布，
99.速度分布，
100.加速度分布，
101.电动机致动分布，特别地是脉冲宽度调制，
102.电流分布，特别地是电动机和/或总电流的电流分布，
103.电压分布，特别地是电源电压和/或电动机电压的电压分布，
104.温度分布，特别地是环境的温度、电动机、电源和/或一个或多个电子零件的温度分布，
105.振动分布，特别地是声音，优选地是结构声分布。
106.根据本发明的一个实施方式，可以设想，至少一项测量信息涉及和/或包括至少一个位置分布。
107.根据本发明的一个实施方式，可以设想，至少一项测量信息涉及或包括至少一个速度分布。
108.根据本发明的一个实施方式，可以设想，至少一项测量信息涉及或包括至少一个加速度分布。
109.根据本发明的一个实施方式，对于形成为驱动单元的门系统特别有利的是，至少一项测量信息可以包括电动机和/或齿轮单元的运动零件的声音(特别地是结构声)、速度、位置和/或加速度。特别地，测量信息从而可以是电动机的转子和/或齿轮单元的齿轮的角速度、角位置和/或角加速度。这样的测量信息特别适于识别门系统和/或齿轮单元的磨损。
110.根据本发明的一个实施方式，可以设想，至少一项测量信息涉及或包括至少一个电动机致动分布，特别地是脉冲宽度调制。对于形成为驱动单元的门系统，例如特别有利的是，至少一项测量信息可以涉及或包括驱动单元的电动机的脉冲宽度调制，因为它特别适于确定磨损迹象。
111.根据本发明的一个实施方式，可以设想，至少一项测量信息涉及或包括至少一个电流分布，特别地是电动机和/或总电流的电流分布。对于形成为驱动单元的门系统，例如特别有利的是，至少一项测量信息可以涉及或包括驱动单元的电动机电流。电动机电流特别适于识别门系统和/或门系统的子系统的磨损。
112.根据本发明的一个实施方式，可以设想，至少一项测量信息涉及或包括至少一个电压分布，特别地是电源电压和/或电动机电压的电压分布。对于形成为驱动单元的门系统，例如特别有利的是，至少一项测量信息可以涉及或包括驱动单元的电动机的控制电压，因为它特别适于确定磨损迹象。
113.根据本发明的一个实施方式，可以设想，至少一项测量信息涉及或包括至少一个温度分布，特别地是环境的温度、电动机、电源和/或一个或多个电子零件的温度分布。
114.根据本发明的一个实施方式，可以设想，至少一项测量信息涉及或包括至少一个振动分布，特别地是结构声分布。
115.根据本发明的一个实施方式，对于形成为驱动单元的门系统而言特别有利的是，在测量步骤中确定的测量信息可以涉及或包括驱动单元的齿轮单元的相对于时间和/或相对于电动机或齿轮单元的运动零件的位置——特别地相对于电动机的转子和/或齿轮单元的齿轮的角度——的角速度分布。借助于这样的测量信息，可以特别有利地确定驱动单元和/或驱动单元的子系统(例如齿轮单元或电动机)的磨损迹象。
116.根据本发明的一个实施方式，对于形成为驱动单元的门系统而言特别有利的是，在测量步骤中确定的测量信息可以涉及或包括电动机和/或齿轮单元的运动零件的加速度分布，特别地是驱动单元的电动机的转子和/或齿轮单元的齿轮的相对于时间和/或相对于电动机或齿轮单元的运动零件的位置——特别地相对于电动机的转子或齿轮单元的齿轮的角度——的角加速度分布。可以借助于这样的测量信息特别有利地确定驱动单元和/或驱动单元的子系统(例如齿轮单元或电动机)的磨损迹象。
117.根据本发明的一个实施方式，对于形成为驱动单元的门系统而言特别有利的是，在测量步骤中确定的测量信息可以涉及或包括驱动单元的电动机的相对于时间和/或相对于电动机或齿轮单元的运动零件的位置——特别地相对于电动机的转子和/或齿轮单元的齿轮的角度——的电动机电流。由此可以特别有利地确定驱动单元和/或驱动单元的子系统的磨损迹象。
118.根据本发明的一个实施方式，对于形成为驱动单元的门系统而言特别有利的是，在测量步骤中确定的测量信息可以涉及或包括驱动单元的电动机的相对于时间和/或相对于电动机或齿轮单元的运动零件的位置——特别地相对于电动机的转子和/或齿轮单元的齿轮的角度——的脉冲宽度调制和/或控制电压。由此可以特别有利地确定驱动单元和/或驱动单元的子系统的磨损迹象。
119.可以设想，门系统和/或门设备的参数和/或变量，特别地还有涉及门系统和/或门设备的制造状态并且优选地不是由磨损引起的参数和/或变量，被提供给模型和/或人工智能系统。可替选地或另外地，可以设想，模型和/或人工智能系统包括门系统和/或门设备的这样的参数和/或变量。
120.根据本发明的一个实施方式，门系统和/或门设备的这样的参数和/或变量例如包括以下参数和/或变量中的一个或多个：
121.门系统和/或门设备的重量，
122.门系统和/或门设备的尺寸，特别地是高度和/或宽度，
123.门系统和/或门设备的公差，特别地是制造公差，
124.门系统和/或门设备的操作参数的设置，
125.门系统和/或门设备的其他特殊性(particularity)。
126.根据本发明的一个优选实施方式，涉及门系统和/或门设备的制造状态的参数和/或变量包括或涉及门系统和/或门设备的至少一个重量。
127.根据本发明的一个优选实施方式，涉及门系统和/或门设备的制造状态的参数和/或变量包括或涉及门系统和/或门设备的至少一个尺寸，特别地是高度和/或宽度。
128.根据本发明的一个优选实施方式，涉及门系统和/或门设备的制造状态的参数和/或变量至少包括或涉及门系统和/或门设备的公差，特别地是制造公差。
129.根据本发明的一个优选实施方式，涉及门系统和/或门设备的制造状态的参数和/或变量包括或涉及门系统和/或门设备的操作参数的设置。
130.本发明的另一主题是一种用于确定和/或验证门系统的状态的状态确定设备，
131.其中，状态确定设备被配置成用于获得所确定的涉及门系统的至少一项测量信息，
132.其中，状态确定设备被配置成用于借助于人工智能系统并且借助于所确定的至少一项测量信息来确定和/或验证门系统的状态。
133.状态确定设备优选地是计算机实现的状态确定设备。
134.状态确定设备优选地包括被配置成用于执行根据本发明的一个实施方式的用于确定和/或验证门系统的状态的方法的装置。可以设想，状态确定设备部分地或完全地形成为包括门系统的门设备的一部分。可以设想，状态确定设备部分地或完全地形成为门系统的一部分。可替选地或另外地，可以设想，状态确定设备部分地或完全地形成在门设备的外部。例如，可以设想，借助于云来形成状态确定设备。
135.可以设想，状态确定设备特别地借助于通信装置来与门设备和/或门系统和/或测量设备和/或控制设备通信连接。可以设想，通信装置被形成用于无线和/或有线信息和/或信号传输。可以设想，通信装置包括用于在状态确定设备与门设备之间和/或在状态确定设备与门系统之间和/或在状态确定设备与测量设备之间和/或在状态确定设备与控制设备之间进行信息和/或信号传输的装置。
136.根据本发明的一个实施方式，状态确定设备可以部分或完全由边缘设备形成。边缘设备优选地是提供进入例如公司或服务提供者的核心网络的入口点的设备。
137.可以设想，边缘设备安装在门系统和/或门设备紧附近，以及/或者边缘设备形成为门系统和/或门设备的一部分。
138.可以设想，边缘设备是与门系统和/或门设备分离的模块，该模块经由数据连接而连接至门系统和/或门设备的控制设备。可替选地，可以设想，边缘设备是控制设备的一部分，使得例如形成微控制器与嵌入式linux设备的组合。可以设想，对于以下而言，边缘设备是具有机器学习功能的扩展模块和/或数据传输装置：
139.门设备，和/或
140.门系统，和/或
141.门系统和/或门设备的控制设备。
142.可以设想，边缘设备包括门系统和/或门设备的控制设备和状态确定设备两者。在这种情况下，特别地可以设想，特别地除了边缘设备之外，不需要单独的微控制器门控制器。
143.可以设想，边缘设备有利地是用于门设备的扩展件。边缘设备从而形成为例如芯片和/或棒，特别地形成为专用人工智能芯片和/或棒，其被形成为可以经由接口连接至门设备和/或门系统。边缘设备特别优选地被提供用于处理相对大量的数据。
144.可以设想，边缘设备和/或控制设备由根据本发明的一个实施方式的状态确定设备来扩展和/或由其功能来扩展。边缘设备和/或门控制器从而可以由一个或多个人工智能硬件设备——特别地专用人工智能硬件(或ai硬件)——例如一个或多个芯片和/或usb棒来扩展。这样的人工智能硬件设备通常具有多个计算机核，优选地至少16个计算机核，特别优选地至少100个计算机核。因此，优选地，人工智能硬件设备特别地以如下方式配置：它可以以相对非常高的速度处理相对大量的并行过程。
145.可以设想，特别地为了配置状态确定设备，由专用于并行数据处理的一个或多个人工智能硬件设备(或ai硬件)例如一个或多个芯片和/或棒来扩展边缘设备和/或控制设备。这样的专用人工智能硬件设备的示例是gpu(图形处理单元)和tpu(张量处理单元)。以这种方式，可以显着地提高用于人工智能应用的计算能力。
146.根据本发明的一个实施方式，特别可以设想，人工智能系统的训练阶段包括学习过程。根据一个优选配置，可以设想，学习过程包括以下步骤中的一个或多个步骤：
147.(i)收集测量信息，特别地从操作和/或传感器数据收集。可以设想，在门系统和/或门设备处确定测量信息。测量信息特别地可以包括门系统的一个或多个测量变量和/或致动变量的操作和/或传感器数据。
148.(ii)处理测量信息、存储(特别地中间存储)测量信息以及将测量信息转发到数据库系统和/或数据分析系统。例如，可以设想数据库系统和/或数据分析系统是状态确定设备的一部分以及/或者与状态确定设备通信连接。
149.(iii)示教常规和/或正确数据。常规和/或正确数据特别地是用于训练人工智能系统的训练数据的一部分。可以设想，该数据是部分或全部地通过基于模型的方法生成的。可替选地或另外地，可以设想，该数据是在门系统和/或门设备处确定的，以及/或者该数据是在一个或多个其他门系统处确定的，特别地是借助于在测试环境中的测试和/或借助于在安装的使用中的其他门系统和/或门设备处的测量来确定的。特别地，进入系统通常以高度定制的方式设计，并且被调整以适应所确定的应用。然而，对于训练人工智能系统，为了说明产品的大多数特征，广泛的常规数据的基础通常是必需且有利的。在这种情况下，根据本发明特别有利的是，可以使用基于模型的训练数据(即，特别地模拟数据)来训练人工智能系统，并且因此实现广泛的数据库。以这种方式，在开发广泛的常规数据的数据库时，可以节省时间和成本。
150.训练数据——特别地是常规和/或正确数据——可以例如包括门系统和/或门设备的以下特性中的一个或多个特性的数据：
151.不同的门重量，
152.不同的门尺寸和/或度量，特别地是不同的宽度和/或高度，
153.操作参数的设置，
154.其他特殊性。
155.因此，作为训练数据的一部分，不同的门重量、尺寸和/或操作参数被考虑以及/或者有利地用于人工智能系统的训练。
156.(iv)借助于异常数据对异常的示教，特别地是有针对性的示教。异常数据也可以理解为磨损操作数据。异常数据特别地是用于训练人工智能系统的训练数据的一部分。可以设想，该异常数据部分地或完全地通过基于模型的方法生成。可替选地或另外地，可以设想，异常数据是在门系统和/或门设备处确定的，以及/或者异常数据是在一个或多个其他门系统处确定的，特别地是借助于在测试环境中的测试以及/或者借助于在安装的使用中的其他门系统和/或其他门设备处的测量来确定的。基于模型的方法在此还可以特别有利地帮助节省时间和成本，因为可以有针对性地输出和示教异常。异常特别地包括门系统或所确定的门系统的子系统或门系统的多个子系统的磨损迹象和/或故障。根据本发明的一个实施方式，特别地可以在测试现场和/或在使用门系统时配置异常的数字文档，使得在异常之前，可以向其分配可用的操作和传感器数据。在这种情况下，用于选择的分类故障树的实现是特别有利的。
157.可以设想使用不同类型的数据来对常规数据和异常数据进行分类。出于该目的，特别地可以设想以下数据中的一项或多项：
158.位置分布，
159.速度分布，
160.加速度分布，
161.电动机致动分布，特别地是脉冲宽度调制，
162.电流分布，特别地是电动机和/或总电流的电流分布，
163.电压分布，特别地是电源电压和/或电动机电压的电压分布，
164.温度分布，特别地是环境的温度、电动机、电源和/或一个或多个电子零件的温度分布，
165.振动分布，优选地是噪声和/或声音，特别地是结构声分布。
166.可以设想，门系统具有各自包括一个或多个运动零件的一个或多个子系统。门系统和/或门设备的每个运动零件——特别地齿轮单元中的一个或多个齿轮和/或电动机——具有特征振动以及/或者具有特征声学指纹。这样的特征振动和/或指纹在整个曲线中——特别地在门系统和/或门设备和/或子系统的结构声信号中——可见，并且可以被分配给各个子系统(或运动零件)。
167.根据本发明的一个有利实施方式，可以设想分成门系统和/或门系统的一个或多个子系统的速度相关和速度无关的影响。在这种情况下，可以设想以下示例性实施方式，其中：
168.第一示例：
169.电动机振动直接取决于速度，并且可以在某些旋转速度下生成它们的最大值。
170.第二示例：
171.特别地用于致动电动机的脉冲宽度调制和/或脉冲宽度调制的频率总是恒定的并且与速度无关。
172.第三示例：
173.滚子中的有缺陷的滚珠轴承在频率方面与运动速度相关联。
174.除了上述第一、第二和第三示例之外，对于不同种类和类型的门系统，还可以设想许多其他实施方式。
175.根据本发明的一个实施方式，可以借助于传感器设备来确定门系统和/或门设备的速度以及/或者门系统和/或门设备的结构声的速度。在测量步骤中，门系统和/或门设备的速度以及/或者门系统和/或门设备的结构声的速度特别被确定为至少一项测量信息的一部分。特别有利地可以设想，根据速度相关的结构声水平来计算与速度无关的变量，这些变量可以用于对完整历程循环期间可能的缺陷或磨损进行总体分类。
176.其示例如下所述：
177.如果滚珠轴承有缺陷，则生成研磨噪音。转速越高，则生成的和可测量的(研磨)频率越高。通过得到速度，可以从包括不同速度的整个历程周期内的整个曲线得出关于特定的有缺陷的滚珠轴承的结论。在这种情况下，与速度无关的测量结果的水平——特别地历程周期的测量结果的水平是可见的，其可以被监测。该可测量水平特别地表现地与磨损成比例。
178.根据本发明的一个实施方式，人工智能系统可以借助于异常数据来执行特征提取。在训练阶段中，以如下方式来训练人工智能系统：它可以在状态确定步骤中有针对性地发现测量信息中的示教异常。因此，借助于人工智能系统可以进行特别有利的模式检测。
179.根据本发明的一个实施方式，门系统和/或门设备可以在多个——特别地是不同的——操作状态下操作。根据本发明的一个实施方式，由此可以设想，聚类分析被配置用于借助于人工智能系统来检测异常。可以设想，对于一个或多个操作状态，特别地是对于每个操作状态，生成单个训练数据集，优选地在每种情况下生成常规数据和异常数据。优选地借助于训练数据以如下方式训练人工智能系统：它被配置成检测在针对所有示教操作状态的测量信息中出现的异常。
180.根据本发明的一个实施方式，可以形成分类的和/或划界的故障树，在事件(incident)的情况下，可以从该故障树进行选择以用于学习目的。以这种方式，可以为人工智能系统配置特别有利的机器学习。为此，优选地配置关于事件(例如增加的磨损、缺陷和/或零件更换)的数字文档，使得操作和传感器数据可以用于在事件之前示教异常。在这种情况下，用于这些事件的数字文档的用户接口特别有利地形成在数据库结构或类似数据库的结构中。出于早期检测的目的，异常可以在事件之前与操作数据或测量信息一起用于目标训练。
181.可以设想系统的不同物理配置。
182.可以设想，状态确定设备借助于边缘设备形成为门设备和/或门系统的一部分以及/或者形成在门系统和/或门设备的环境中。可以设想，状态确定设备的人工智能系统自动地学习门系统和/或门设备的初始良好状态。优选地可以设想，当超过先前定义的触发信号时，人工智能系统完全自动地并且在不连接至云的情况下输出警告。
183.可替选地，可以设想，边缘设备与云进行通信，在云中，涉及多个门系统和/或门设备的数据被合并。在云中收集关于不同变量和状态的数据，特别地是常规数据和异常数据。优选地借助于云中的这样的数据来训练人工智能系统。可以设想，状态监测步骤发生在云
中，使得状态确定设备形成在云中。一旦在测量步骤中确定并传送到云的针对门系统的测量信息指示门系统或门系统的一个或多个子系统的磨损或缺陷增加，则来自云的对应状态输出是可能的，或者来自云的对策的启动是可能的。
184.可替选地，可以设想混合模型。
185.根据这样的混合模型的第一示例性实施方式，边缘设备可以与云进行通信并且传递数据或测量信息。优选地借助于所述数据和/或借助于关于其他门系统和/或其他门设备的数据在云中连续地训练人工智能。示教的知识或经训练的人工智能在可选择和/或可设置的时间处被传送到位于门系统周围或在门系统的环境中的边缘设备。类似地，可以设想将所示教的知识或经训练的人工智能——因此特别地是经训练的人工智能系统——转移到其他门系统的其他边缘设备。以这种方式，可以有利地实现云学习和边缘计算。由此，边缘设备特别地在不需要恒定云连接的情况下能够执行状态确定步骤，并且特别地检测异常状态。出于该目的，边缘设备特别地具有用于执行状态确定所需的计算能力。
186.根据混合模型的第二示例性实施方式，边缘设备可以与云进行通信并且传送被收集用于统计评估和/或未来的机器学习应用的训练数据或测量信息。基于初始数据，由于预编程的触发信号而检测到门系统的异常状态，并且发出警告。
187.根据混合模型的第三示例性实施方式，可以设想第一示例性实施方式与第二示例性实施方式的组合。在这种情况下，例如仅将云中示教的知识或人工智能的一部分传送到边缘设备，同时从初始良好状态和预编程的触发信号开始，示教边缘设备本身中的知识或人工智能的另一部分。
188.根据本发明的一个优选实施方式，人工智能系统可以具有机器学习系统、深度学习系统、神经网络和/或模式检测。
189.本发明的另一主题是一种用于确定和/或验证门系统的状态的系统，其中，该系统包括状态确定设备和门系统，
190.其中，状态确定设备被配置成用于获得所确定的涉及门系统的至少一项测量信息，
191.其中，状态确定设备被配置成用于借助于人工智能系统并且借助于所确定的至少一项测量信息来确定和/或验证门系统的状态。
192.该系统特别地包括根据本发明的一个实施方式的状态确定设备和门系统和/或门设备。
193.该系统优选地包括被配置成用于执行根据本发明的一个实施方式的用于确定和/或验证门系统的状态的方法的装置。
194.根据本发明的一个实施方式，可以设想，该系统和/或状态确定设备具有门系统和/或门设备的数字孪生，以及/或者该系统和/或状态确定设备可以访问门系统和/或门设备的数字孪生。
195.根据本发明的一个实施方式，提供的是，该系统包括测量设备和/或控制设备，
196.其中，测量设备被配置成使得：测量设备通过测量门系统的测量变量来确定至少一项测量信息，其中，测量设备特别地被配置成使得：测量设备将至少一项测量信息提供给状态确定设备，以及/或者
197.其中，控制设备被配置成使得：控制设备通过设置和/或确定门系统的致动变量来
确定至少一项测量信息，其中，控制设备特别地被配置成使得：控制设备将至少一项测量信息提供给状态确定设备。
198.可以设想，测量设备和/或控制设备部分或完全地形成为门设备的一部分和/或门系统的一部分。可以设想，测量设备和/或控制设备部分地或完全地形成在门系统和/或门设备的外部。测量设备和/或控制设备从而至少被分配给门系统。
199.根据本发明的一个实施方式，可以设想，至少一个测量设备和/或控制设备具有以下设备中的一个、多个或全部设备：
200.结构声传感器，
201.声学传感器，
202.电压传感器，
203.电流传感器，
204.温度传感器，
205.光学传感器，例如摄像机和/或红外传感器，
206.力传感器，
207.应变传感器，
208.位移或距离测量设备。
209.测量设备和/或控制设备从而优选地装配有一个或多个传感器或者适于确定测量信息的测量设备。所使用的传感器和/或测量设备的选择特别地取决于借助于测量信息观察的测量变量和/或致动变量。
210.根据本发明的一个实施方式，可以设想，至少一个测量设备和/或控制设备具有至少一个结构声传感器。特别地，可以通过结构声来确定磨损(例如磨耗)过程中的形状变化。此外，可以针对每个子系统具体地确定不同子系统中的结构声或其变化，这使得能够进行特定于零件的确定。
211.根据本发明的一个实施方式，可以设想，至少一个测量设备和/或控制设备具有至少一个声学传感器。
212.根据本发明的一个实施方式，可以设想，至少一个测量设备和/或控制设备具有至少一个电压传感器。
213.根据本发明的一个实施方式，可以设想，至少一个测量设备和/或控制设备具有至少一个电流传感器。
214.根据本发明的一个实施方式，可以设想，至少一个测量设备和/或控制设备具有至少一个温度传感器。作为结果，可以确定机械零件中增加的摩擦以及/或者可以确定电子零件中增加的电阻。
215.根据本发明的一个实施方式，可以设想，至少一个测量设备和/或控制设备具有至少一个光学传感器，特别地是摄像机和/或红外传感器。测量信息从而可以表示多个图像记录之间的比较或比较结果，多个图像记录特别地是已经在不同的时间处被记录——特别地是在确定的时间间隔之后被记录的至少两个图像记录。这样的测量信息特别地可以使得能够检测较大零件上的磨损，特别地是滑动门系统和/或旋转门系统的零件上的磨损，例如齿轮单元的齿轮上、电动机的转子上和/或齿形带上的磨损。这样的检测是可能的，因为这样的零件的尺寸通常较大。
216.根据本发明的一个实施方式，可以设想，至少一个测量设备和/或控制设备具有至少一个力传感器。
217.根据本发明的一个实施方式，可以设想，至少一个测量设备和/或控制设备具有至少一个应变传感器。
218.根据本发明的一个实施方式，可以设想，至少一个测量设备和/或控制设备具有至少一个位移或距离测量设备。
219.根据本发明的一个实施方式，特别地是在门系统包括门设备的驱动单元的情况下，门系统的子系统包括以下子系统中的一个、多个或全部子系统：
220.齿轮单元，
221.凸部托架(tab carriage)，
222.门，
223.电动机，
224.电子控制器，
225.偏转单元，例如偏转辊和/或齿形带，
226.蓄能器，例如弹簧和/或电池，
227.电源，
228.力传递元件，例如齿形带。
229.优选地可以设想，对于形成为驱动单元的门系统，存在门系统的形成为齿轮单元的至少一个子系统。在这种情况下，特别有利的是可以设想，至少一项测量信息包括电动机和/或齿轮单元的运动零件的声音(特别地是结构声)、速度、位置和/或加速度。特别地，测量信息从而可以是电动机的转子和/或齿轮单元的齿轮的角速度、角位置和/或角加速度。以这种方式可以特别有利地确定驱动单元和/或齿轮单元的磨损。
230.根据本发明的一个实施方式，可以特别有利地想到，对于形成为驱动单元的门系统，存在门系统的形成为电动机的至少一个子系统。在这种情况下，特别有利地可以设想，至少一项测量信息包括或涉及声音(特别地是结构声)、控制电压、脉冲宽度调制和/或电动机电流。由此可以实现特别有利的磨损的确定。
231.根据本发明的一个实施方式，可以设想，系统以这样的方式被配置：可以通过在状态确定步骤中确定和/或验证门系统的状态来预测门系统将在没有问题的情况下正常工作多长时间。这可以例如借助于在将来外推历史数据来进行。
232.借助于本发明可以实现磨损迹象和潜在缺陷的特别有利的早期检测，这使得能够改进服务访问和维护工作的安排。因此，在门系统即将故障之前可以进行服务访问。此外，服务技术员可以随身携带用于门系统或门系统的特定子系统的必要备用零件。可以设想，该系统被特别有利地设计和/或训练成使得它可以自己检测门系统的哪些零件具有磨损和/或缺陷。因此，维修技术人员可以避免多次前往使用中的门系统。
233.本发明的另一主题是一种计算机程序产品，特别地用于确定和/或验证门系统的状态，其中，计算机程序产品包括指令，在计算机程序产品由计算机执行时，所述指令使得计算机执行根据本发明的一个实施方式的方法，特别地，在计算机程序产品由根据本发明的一个实施方式的系统以及/或者由根据本发明的一个实施方式的状态确定设备执行时，所述指令使得所述系统和/或所述状态确定设备执行根据本发明的一个实施方式的方法。
计算机可以是单个计算机设备或者包括多个计算机设备。多个计算机设备可以特别地布置在不同的位置处，例如部分地作为门设备和/或门系统的一部分以及/或者在门系统的直接环境中，并且部分地作为通信网络的一部分或连接至通信网络。
234.本发明的另一主题是一种计算机可读存储介质，其包括指令，所述指令在由计算机执行时，使得计算机执行根据本发明的一个实施方式的方法，特别地，所述指令在由根据本发明的一个实施方式的系统以及/或者由根据本发明的一个实施方式的状态确定设备执行时，使得所述系统和/或所述状态确定设备执行根据本发明的一个实施方式的方法。
235.已经结合根据本发明的用于确定和/或验证门系统的状态的方法或者结合根据本发明的方法的实施方式描述的特征、实施方式和优点从而可以应用于根据本发明的状态确定设备、根据本发明的系统、根据本发明的计算机程序产品以及根据本发明的计算机可读存储介质。已经结合根据本发明的状态确定设备或者结合根据本发明的状态确定设备的一个实施方式描述的特征、实施方式和优点从而可以应用于根据本发明的方法、根据本发明的系统、根据本发明的计算机程序产品以及根据本发明的计算机可读存储介质。已经结合根据本发明的系统或者结合根据本发明的系统的一个实施方式描述的特征、实施方式和优点从而可以应用于根据本发明的方法、根据本发明的状态确定设备、根据本发明的计算机程序产品以及根据本发明的计算机可读存储介质。
附图说明
236.下面将基于附图中所示的示例性实施方式来说明本发明的其他优点和细节。附图示出：
237.图1是根据本发明的一个示例性实施方式的系统的示意性表示；
238.图2是根据本发明的一个示例性实施方式的系统的示意性表示；
239.图3是根据本发明的一个示例性实施方式的人工智能系统的训练过程的示意性表示；
240.图4是根据本发明的一个示例性实施方式的用于确定和/或验证门系统的状态的方法的示意性表示；
241.图5是根据本发明的一个示例性实施方式的模型的生成的示意性表示；
242.图6是根据本发明的一个示例性实施方式的模型的示意性表示；
243.图7是根据本发明的一个实施方式的借助于根据图6的示例性实施方式的模型获得的标称模型曲线的示意性表示；
244.图8是图7的标称模型曲线与根据本发明的一个实施方式的受磨损模型曲线相比较的示意性表示。
具体实施方式
245.根据本发明的一个示例性实施方式，在图1中示意性地示出了一种系统。该系统包括具有至少一个门系统10的门设备1。可以设想，门设备1具有其他门系统。门系统10优选地是门设备1的驱动单元。可替选地，例如，门系统10可以是门设备1的电子锁。门系统10通常包括各自也可以被理解为零件或零件组的多个子系统11、12、13，借助于这些子系统11、12、13形成门系统10。形成为驱动单元的门系统10的这样的子系统11、12、13的示例是电源、电
子控制器、电动机、齿轮单元、凸部托架、蓄能器(特别地是弹簧)等。门系统10具有控制设备50或连接至控制设备50。根据本发明的一个实施方式，控制设备50也可以被理解为门系统10的子系统。控制设备50特别地被配置成用于控制门系统10或门系统10的功能。例如，控制设备50借助于脉冲宽度调制来控制形成为驱动单元的门系统10。出于该目的，控制设备50输出致动变量。可以设想，致动变量由控制设备50预定义和设置和/或测量或确定。所设置的和/或确定的致动变量从而可以被理解为控制设备50的所确定的测量信息102。此外，门系统10包括一个或多个测量设备40、41，特别地是传感器。可替选地，可以设想，测量设备40、41部分或完全地与门系统10分开地形成。可以借助于测量设备40、41来测量门系统10的一个或多个测量变量。这样的测量设备40、41的示例是结构声传感器、声学传感器、电压传感器、电流传感器、温度传感器、光学传感器等。测量设备40、41通过测量测量变量来确定涉及门系统10的测量信息100、101。测量信息100、101、102特别地涉及门系统10或门设备1的操作阶段或操作阶段的部分区域。部分区域90特别地是门设备的操作阶段的一个或多个连接的或分离的区域91、92、93、94。控制设备50和/或测量设备40、41与边缘设备60通信连接。可以设想，边缘设备60作为单独的设备连接至门系统10和/或门设备1。可替选地，可以设想，边缘设备60仅被布置在门设备1和/或门系统10的环境中。可替代地，可以设想，边缘设备60与控制设备50内置在一起。边缘设备60优选地包括用于与本地网络和/或电信网络通信的通信装置，特别地是无线通信装置。在所示的示例性实施方式中，边缘设备60包括具有人工智能系统31的状态确定设备30。状态确定设备30也可以与边缘设备60分开地形成。例如，可以借助于控制设备50来形成状态确定设备30。
246.根据本发明的一个示例性实施方式，在图2中示意性地呈现了系统。与图1所呈现的系统不同，示出了云61。云61可以例如经由电信网络和对应的通信装置来与边缘设备60通信连接。在图2所示的示例性实施方式中，借助于云61来配置状态确定设备30和人工智能系统31。由测量设备40、41和/或控制设备50确定的测量信息100、101、102经由适当的通信装置例如借助于边缘设备60被传送至云61，并且以这样的方式被提供给状态确定设备30。云61包括数据载体62并且/或者与数据载体62通信连接。例如，门系统10的测量信息100、101、102和/或训练数据200、201、202可以存储在数据载体62中。训练数据200、201、202特别地被提供用于训练人工智能系统31。训练数据200、201、202优选地包括借助于模型20确定和/或输出的模型信息200和/或在一个或多个其他门系统10’、10”处测量和/或确定的训练测量信息202，以及/或者已经在门系统10处确定的训练测量信息201。其他门系统10’、10”和/或所分配的其他门设备1’优选地也具有与云61和/或数据载体62的通信连接，以用于传送这样的训练测量信息202。优选地，其他门系统10’、10”可以是在结构上与门系统10相同或类似的系统。
247.图3示出了根据本发明的一个示例性实施方式的人工智能系统31的训练阶段的示意性表示。在训练阶段中，优选地借助于训练数据200、201、202以如下方式来训练人工智能系统31：它可以检测磨损迹象，特别地是测量信息100、101、102中的门系统10和/或子系统11、12、13的异常和/或缺陷。从而可以使用不同类型的训练数据200、201、202来训练人工智能系统31。特别优选地，可以使用借助于模型20生成的模型信息200来训练人工智能系统31。模型信息200包括示出门系统10的无磨损良好状态的常规和/或正确数据以及/或者示出门系统10和/或门系统10的子系统11、12、13的磨损状态和/或缺陷的异常数据。因此，常
规和/或正确数据也可以理解为涉及门系统10的无磨损状态的正常操作数据。因此，异常数据也可以理解为涉及门系统10的磨损状态和/或门系统10的子系统11、12、13的磨损状态的磨损操作数据。借助于这样的模型信息200，可以特别有效地实现广泛的数据库，这使得能够有利地训练人工智能系统31。借助于模型20，从而可以针对门系统10或确定的子系统11、12、13的确定的磨损的效应有针对性地生成磨损操作数据或异常数据。因此，可以有针对性地训练人工智能系统31，以用于检测确定的磨损的效应并且将检测到的模式分配给确定的子系统11、12、13。作为使用模型信息200来训练人工智能系统31的替选或补充，可以使用在门系统10处特别地借助于控制设备50和/或一个或多个测量设备40、41确定的训练测量信息201。例如，可以使用如下测量信息100、101、102作为训练测量信息201：该测量信息100、101、102已经在门系统10的正常状态下被记录，以及/或者可以使用如下测量信息100、101、102作为训练测量信息201：所述测量信息100、101、102已经在门系统的磨损状态下被记录，并且针对所述测量信息100、101、102，确定的磨损的效应已经被检测到并且已经被分配给该测量信息100、101、102。作为使用模型信息200和/或训练测量信息201来训练人工智能系统31的替选或补充，可以使用在一个或多个其他门系统10’、10”处例如借助于其他门系统10’、10”的测量设备和/或控制设备记录的训练测量信息202。例如，可以使用这样的信息作为训练测量信息202：该信息已经在其他门系统10’、10”的正常状态下被记录，以及/或者可以使用这样的信息作为训练测量信息202：该信息已经在其他门系统10’、10”的磨损状态下被记录，并且针对该信息，确定的磨损的效应已经被检测到并且被分配给该训练测量信息202。
248.图4示出了根据本发明的一个示例性实施方式的用于确定和/或验证门系统10的状态的方法的示意性表示。借助于一个或多个测量设备40、41来记录涉及门系统10的一个或多个测量变量的测量信息100、101。可替选地或另外地，借助于控制设备来确定涉及门系统10的一个或多个致动变量的测量信息102。从而特别地在包括门系统10的门设备1的操作期间确定测量信息100、101、102。所确定的测量信息100、101、102被提供给状态确定设备30。借助于人工智能系统(或ai功能)31，状态确定设备30分析测量信息100、101、102，并且因此确定门系统10的状态。如果在测量信息100、101、102中没有确定磨损迹象，则例如确定门系统10的无磨损状态。如果借助于人工智能系统31在测量信息100、101、102中确定了门系统10或门系统10的子系统11、12、13的磨损，则可以设想由状态确定设备30输出磨损信息400。这样的磨损信息400可以例如指示借助于人工智能系统31确定的用于维护门系统10的有利时间范围和/或时间，以及/或者包括针对其中已经检测到磨损(例如还有缺陷)的子系统11、12、13的信息。这样的磨损信息400可以例如被提供给维修技术人员并且/或者用于规划门系统10和/或门设备1的将来维护。以这种方式，使得可以进行特别有利的预测性维护。
249.图5示出了根据本发明的一个示例性实施方式的用于生成模型20的方法的示意性表示。出于该目的，分析真实的门系统10。在系统影响确定步骤600中，确定子系统11、12、13、14、15、16、17、18、19的特性和参数。在系统影响过滤步骤601中，优选地过滤出相关的系统影响。在系统部件步骤602中，门系统10被分割或划分成各个子系统11、12、13、14、15、16、17、18、19。在交互步骤603中，确定和/或描述各个子系统11、12、13、14、15、16、17、18、19(或部件)之间的交互。在模型的测试步骤604中，执行关于模型是否满足精度标准(即，特别地，模型是否具有期望的精度)的验证。如果没有达到期望的精度，则再次执行步骤600、601、
602、603、604中的全部或一些步骤，特别地直到达到期望的精度。如果在测试步骤604中达到期望的精度，则终止步骤600、601、602、603、604的序列。执行分解和文字(word)模型形成。模型20优选地具有针对所有相关子系统11、12、13、14、15、16、17、18、19的各个模型块71、72、73、74、75、76、77、78、79。模型块71、72、73、74、75、76、77、78、79也可以被理解为模拟部分模型。
250.可以设想以下模型块作为示例：
251.第一模型块71涉及齿轮单元。
252.第二模型块72涉及凸部托架。
253.第三模型块73涉及门。
254.第四模型块74涉及电动机。
255.第五模型块75涉及电子控制器。
256.第六模型块76涉及偏转单元，特别地是偏转辊和/或齿形带。
257.第七模型块77涉及蓄能器，特别地是弹簧。
258.第八模型块78涉及电源。
259.第九模型块79涉及力传递元件，例如齿形带。
260.对于不同的门系统，可以设想模型块的许多其他可能性。
261.图6示出了根据本发明的一个示例性实施方式的模型20的示意性表示。该示例示出了针对形成为驱动单元的门系统10的模型20。模型20包括针对电源的第一模型块71、针对电子控制器的第二模型块72、针对电动机的第三模型块73、针对齿轮单元的第四模型块74、针对凸部托架的第五模型块75以及针对蓄能器(特别地是弹簧)的第六模型块76。模型信息200(特别地是模型曲线300)是针对在门系统处可测量的测量变量和/或致动变量借助于模型20而生成的。在该特征模型曲线300中，识别在模型块中观察到的门系统10的子系统的个体效应，特别地是磨损效应，并且将其分配给子系统。可以借助于模型20通过模型块的特性和参数的变化来识别连接。在这种情况下，特别地，还可以识别门系统10的操作阶段的部分区域90，在部分区域90中，门系统10或门系统10的子系统11、12、13的确定的磨损迹象在测量信息中是可识别的。部分区域90从而可以包括操作阶段的连接区域或者两个或更多个分离且间隔开的区域。模型曲线300例如是在门设备1的打开历程期间齿轮单元的驱动轴随着时间t的角速度w。在该示例性实施方式中，在打开历程的前部区域示出了齿轮单元的磨损。齿轮单元的磨损增加导致加速历程之后的曲线的减小。齿轮单元的磨损从而例如可以定义如下：齿轮单元的磨损＝实际齿轮单元游隙-初始齿轮单元游隙(play)。凸部托架的轴承的磨损例如可以通过恒定历程中曲线的弯曲，特别地通过随着加速度分量的损失的角速度的下降而被注意到。
262.图7示出了借助于模型20获得的标称模型曲线301的示意性表示。标称模型曲线301从而也可以理解为模型信息200。标称模型曲线301表示在包括门系统10的门设备1的打开过程中门系统10的齿轮单元的驱动轴的角速度w随时间t的变化。齿轮单元是门系统10的子系统11、12、13。标称模型曲线301在这种情况下是在没有门系统10的磨损迹象的情况下，即特别地在门系统10的正常状态或初始良好状态下获得的曲线。此外，示出了没有磨损的门系统10的制造和/或公差相关的偏差302。对于门系统10的不同子系统和整个门系统10，可以在模型20中借助于模型的模型块及其特性来考虑这样的制造和/或公差相关的偏差。
263.图8示出了图7的标称模型曲线301(没有磨损)与受磨损的模型曲线303相比较的示意性表示。可以借助于模型20或借助于通过该模型生成的模型曲线301、303来识别门设备10的打开过程的部分区域90(或部分区域90的区域91、92、93、94)，其中，针对齿轮单元的驱动轴的角速度w的测量示出了各个子系统的磨损效应。特别示出了操作阶段的部分区域90的第一区域91、第二区域92、第三区域93和第四区域94。可以例如经由当前值与标称值或初始值之间的差值d来确定和/或量化齿轮单元的磨损。在第一区域91中特别是在打开历程的开始可以识别到振荡，以及增加的齿轮单元游隙。增加的齿轮单元游隙是齿轮单元的磨损的效应，其因此在第一区域91中是可检测的。齿轮单元的增加的摩擦和增加的磨损在第二区域92中导致在加速历程结束之后角速度的下降。在恒定历程期间，随着齿轮单元的摩擦增加和磨损增加角速度的下降在第三区域93中也是可辨别的。随着摩擦的增加，在第四区域94中产生围绕标称模型曲线301的振荡。因此，可以借助于模型20来确定包括一个或多个分离区域91、92、93、94的部分区域90，其中，磨损迹象可以通过确定门系统20的测量信息100、101、102来确定，并且优选地可以被分配给门系统10的各个子系统。图8示出了本发明的示例性实施方式。可以设想多个其他示例性实施方式，其中，例如与角速度w不同的测量变量可以用于确定磨损迹象以及/或者确定部分区域90。
264.附图标记列表
[0265]1ꢀꢀ
门设备
[0266]1’ꢀꢀ
其他门设备
[0267]
10
ꢀꢀ
门系统
[0268]
10’、10
”ꢀꢀ
其他门系统
[0269]
11
ꢀꢀ
第一子系统
[0270]
12
ꢀꢀ
第二子系统
[0271]
13至19
ꢀꢀ
其他子系统
[0272]
20
ꢀꢀ
模型
[0273]
30
ꢀꢀ
状态确定设备
[0274]
31
ꢀꢀ
人工智能系统
[0275]
40
ꢀꢀ
测量设备
[0276]
41
ꢀꢀ
测量设备
[0277]
50
ꢀꢀ
控制设备
[0278]
60
ꢀꢀ
边缘设备
[0279]
61
ꢀꢀ
云
[0280]
62
ꢀꢀ
数据载体
[0281]
71
ꢀꢀ
第一模型块
[0282]
72
ꢀꢀ
第二模型块
[0283]
73至79
ꢀꢀ
其他模型块
[0284]
90
ꢀꢀ
操作阶段的部分区域
[0285]
91
ꢀꢀ
第一区域
[0286]
92
ꢀꢀ
第二区域
[0287]
93
ꢀꢀ
第三区域
[0288]
94
ꢀꢀ
第四区域
[0289]
100
ꢀꢀ
测量信息
[0290]
101
ꢀꢀ
测量信息
[0291]
102
ꢀꢀ
测量信息
[0292]
200
ꢀꢀ
模型信息
[0293]
201
ꢀꢀ
训练测量信息
[0294]
202
ꢀꢀ
训练测量信息
[0295]
300
ꢀꢀ
模型曲线
[0296]
301
ꢀꢀ
模型曲线
[0297]
302
ꢀꢀ
偏差
[0298]
303
ꢀꢀ
模型曲线
[0299]
400
ꢀꢀ
磨损信息
[0300]
600
ꢀꢀ
系统影响确定步骤
[0301]
601
ꢀꢀ
系统影响过滤步骤
[0302]
602
ꢀꢀ
系统部件步骤
[0303]
603
ꢀꢀ
交互步骤
[0304]
604
ꢀꢀ
测试步骤
[0305]dꢀꢀ
差值
[0306]
t
ꢀꢀ
时间
[0307]wꢀꢀ
角速度

技术特征：

1.一种用于确定和/或验证门系统(10)的状态的方法，其中，所述方法包括以下步骤：在测量步骤中，确定涉及所述门系统(10)的至少一项测量信息(100，101，102)，在状态确定步骤中，借助于人工智能系统(31)并且借助于所确定的至少一项测量信息(100，101，102)来确定和/或验证所述门系统(10)的状态。2.根据权利要求1所述的方法，其中，借助于利用测量设备(40，41)测量所述门系统(10)的测量变量来确定所述至少一项测量信息(100，101，102)，以及/或者其中，通过利用控制设备(50)设置和/或确定所述门系统(10)的致动变量来确定所述至少一项测量信息(100，101，102)。3.根据前述权利要求之一所述的方法，其中，借助于训练数据(200，201，202)来训练所述人工智能系统(31)，特别地至少部分地在所述状态确定步骤之前的训练阶段中，借助于训练数据(200，201，202)来训练所述人工智能系统(31)。4.根据权利要求3所述的方法，其中，所述训练数据(200，201，202)包括借助于模型(20)确定和/或输出的至少一项模型信息(200)，特别地是模型曲线。5.根据权利要求4所述的方法，其中，所述至少一项模型信息(200)涉及所述门系统(10)的至少一个测量变量和/或致动变量。6.根据权利要求3至5之一所述的方法，其中，所述训练数据(200，201，202)包括涉及所述门系统(10)和/或涉及包括所述门系统(10)的门设备(1)的训练测量信息(201)，以及/或者其中，所述训练数据(200，201，202)包括涉及其他门系统(10')和/或包括所述其他门系统(10’)的其他门设备(1’)的训练测量信息(202)。7.根据权利要求3至6之一所述的方法，其中，所述训练数据(200，201，202)包括正常操作数据，特别地，其中，所述正常操作数据涉及所述门系统(10)的无磨损状态，以及其中，所述训练数据(200，201，202)包括磨损操作数据，特别地，其中，所述磨损操作数据涉及所述门系统(10)的磨损状态和/或所述门系统(10)的子系统(11，12，13)的磨损状态。8.根据前述权利要求之一所述的方法，其中，借助于所述人工智能系统(31)来确定所述门系统(10)的操作阶段的部分区域，在所述部分区域中，借助于确定所述至少一项测量信息(100，101，102)，特别地借助于确定至少一个测量变量和/或致动变量，能够确定所述门系统(10)的子系统(11，12，13)的磨损迹象和/或所述门系统(10)的磨损迹象；以及/或者其中，借助于模型(20)来确定所述门系统(10)的操作阶段的部分区域，在所述部分区域中，借助于确定所述至少一项测量信息(101，102，103)，特别地借助于确定至少一个测量变量和/或致动变量，能够确定所述门系统(10)的子系统(11，12，13)的磨损迹象和/或所述门系统(10)的磨损迹象。9.根据权利要求8所述的方法，其中，所述门系统(10)的所述操作阶段包括所述门系统(10)和/或包括所述门系统(10)的门设备(1)的打开过程和/或关闭过程，其中，所述操作阶段的所述部分区域特别地仅是所述打开过程和/或所述关闭过程的一个部分区域。10.根据前述权利要求之一所述的方法，其中，所确定的和/或验证的所述门系统(10)的状态涉及或包括：所述门系统(10)的一个子系统(11，12，13)的磨损状态，和/或所述门系
统(10)的多个子系统(11，12，13)的磨损状态，和/或整个门系统(10)的磨损状态。11.根据前述权利要求之一所述的方法，其中，所述门系统(10)是门设备(1)的部分系统，特别地，其中，所述门系统(10)是所述门设备(1)的驱动单元或者包括所述门设备(1)的驱动单元。12.一种用于确定和/或验证门系统(10)的状态的状态确定设备(30)，其中，所述状态确定设备(30)被配置成用于获得所确定的涉及所述门系统(10)的至少一项测量信息(100，101，102)，其中，所述状态确定设备(30)被配置成用于借助于人工智能系统(31)并且借助于所确定的至少一项测量信息(100，101，102)来确定和/或验证所述门系统(10)的状态。13.一种用于确定和/或验证门系统(10)的状态的系统，其中，所述系统包括状态确定设备(30)和所述门系统(10)，其中，所述状态确定设备(30)被配置成用于获得所确定的涉及所述门系统(10)的至少一项测量信息(100，101，102)，其中，所述状态确定设备(30)被配置成用于借助于人工智能系统(31)并且借助于所确定的至少一项测量信息(100，101，102)来确定和/或验证所述门系统(10)的状态。14.根据权利要求13所述的系统，其中，所述系统包括测量设备(40，41)和/或控制设备(50)，其中，所述测量设备(40，41)被配置成使得：所述测量设备(40，41)通过测量所述门系统(10)的测量变量来确定所述至少一项测量信息(100，101)，其中，所述测量设备(40，41)特别地被配置成使得：所述测量设备(40，41)将所述至少一项测量信息(100，101)提供给所述状态确定设备(30)，以及/或者其中，所述控制设备(50)被配置成使得：所述控制设备(50)通过设置和/或确定所述门系统(10)的致动变量来确定所述至少一项测量信息(102)，其中，所述控制设备(50)特别地被配置成使得：所述控制设备(50)将所述至少一项测量信息(102)提供给所述状态确定设备(30)。15.一种计算机程序产品，特别地用于确定和/或验证门系统(10)的状态，其中，所述计算机程序产品包括指令，在所述计算机程序产品由计算机执行时，所述指令使得所述计算机执行根据权利要求1至11之一所述的方法，特别地，在所述计算机程序产品由根据权利要求13或14之一所述的系统以及/或者由根据权利要求12所述的状态确定设备(30)执行时，所述指令使得所述系统和/或所述状态确定设备(30)执行根据权利要求1至11之一所述的方法。

技术总结

本发明涉及用于确定和/或验证门系统的状态的方法、设备、系统、产品，其中，该方法包括以下步骤：在测量步骤中，确定涉及门系统的至少一项测量信息，在状态确定步骤中，借助于人工智能系统并且借助于所确定的至少一项测量信息来确定和/或验证门系统的状态。息来确定和/或验证门系统的状态。息来确定和/或验证门系统的状态。