[发明专利]自适应曲线学习方法、装置、计算机设备及存储介质

权利要求书

1.一种自适应曲线学习方法，所述自适应曲线用于自适应控制系统，其特征在于，所述方法包括以下步骤：

根据被控对象的历史运行参数建立自学习规则，所述自学习规则包括被控对象的初始边界条件、纵坐标梯度限制条件和自学习点插值融合条件，其中，所述初始边界条件包括被控对象的最大维度值、最大边界点坐标、最小边界点坐标及预设限定间隔阈值；

根据所述初始边界条件、所述纵坐标梯度限制条件及所述自学习点插值融合条件对变工况下被控对象的积分值进行学习，得到多个自学习点；

根据所述多个自学习点建立积分值的自适应曲线；

所述自学习点为每组运行参数对应的工况点；

所述最大维度值是历史运行参数中存在的数值组数；

所述预设限定间隔阈值是两个所述自学习点之间的最小间隔参数；

所述纵坐标梯度限制条件是用于限制新插入的所述自学习点的纵坐标范围的条件；

所述自学习点插值融合条件是用于限制新插入的所述自学习点与现有所述自学习点之间的数据间隔的条件。

2.根据权利要求1所述的自适应曲线学习方法，其特征在于，还包括以下步骤：

对自学习点的数量进行累积计数，得到自学习点计数值；

判断所述自学习点计数值是否超过所述初始边界条件限定的最大维度值；

若所述自学习点计数值超过所述最大维度值，则对所有自学习点进行影响因子评估，并根据影响因子评估结果对自学习点进行删除和修正；

根据修正后的自学习点对所述自适应曲线进行更新。

3.根据权利要求2所述的自适应曲线学习方法，其特征在于，所述对所有自学习点进行影响因子评估，并根据影响因子评估结果对自学习点进行删除和修正，包括以下步骤：

将任一自学习点确定为被评估点；

获取与所述被评估点前后相邻的两个自学习点所在的基准直线的基准斜率；

根据所述基准斜率确定所述被评估点落入所述基准直线的基准点；

根据所述被评估点及所述基准点的坐标值计算所述被评估点的影响因子；

获取所有影响因子中的影响因子最小值；

删除所述影响因子最小值对应的被评估点；

根据所述影响因子最小值对与所述被评估点相邻的自学习点的纵坐标值进行加权修正。

4.根据权利要求1所述的自适应曲线学习方法，其特征在于，根据所述初始边界条件、所述纵坐标梯度限制条件及所述自学习点插值融合条件对变工况下被控对象的积分值进行学习，包括以下步骤：

获取新增待插入点的坐标值；

根据所述坐标值、所述最大边界点坐标及所述最小边界点坐标确定所述待插入点是否满足所述初始边界条件；

若所述待插入点不满足所述初始边界条件，则删除当前的新增待插入点。

5.根据权利要求1所述的自适应曲线学习方法，其特征在于，根据所述初始边界条件、所述纵坐标梯度限制条件及所述自学习点插值融合条件对变工况下被控对象的积分值进行学习，包括以下步骤：

获取预设纵坐标梯度因子；

根据新增待插入点的横坐标值确定两个被插值点；

根据所述新增待插入点与所述被插值点之间的横坐标差值及所述预设纵坐标梯度因子确定所述新增待插入点的纵坐标最小阈值及纵坐标最大阈值；

根据所述新增待插入点的纵坐标值、所述纵坐标最小阈值及所述纵坐标最大阈值确定新增待插入点的纵坐标调整值；

将所述横坐标值及所述纵坐标调整值对应的点确定为自学习点。

6.根据权利要求1所述的自适应曲线学习方法，其特征在于，根据所述初始边界条件、所述纵坐标梯度限制条件及所述自学习点插值融合条件对变工况下被控对象的积分值进行学习，包括以下步骤：

根据新增待插入点的横坐标值确定相邻的两个被插值点；

对新增待插入点与所述两个被插值点之间的横坐标差值及所述预设限定间隔阈值进行比较，根据比较结果对所述新增待插入点的坐标值进行加权修正；

将加权修正后的坐标值对应的点确定为自学习点。