[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

说明书

本发明公开了一种自适应曲线学习方法、装置、计算机设备及存储介质，该方法包括：根据被控对象的历史运行参数建立自学习规则，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，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；根据初始边界条件、纵坐标梯度限制条件及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；根据多个自学习点建立积分值的自适应曲线。本发明通过建立自学习规则，对变工况下被控对象的积分值进行累积学习，优化自学习工况点，建立自适应曲线，有利于改善变工况下的自适应比例积分控制效果。

技术领域

本发明涉及车辆控制技术领域，尤其涉及一种自适应曲线学习方法、装置、计算机设备及存储介质。

背景技术

在车辆自动控制过程中，可采用自适应PID(proportional integralderivative，比例-积分-微分)控制技术，利用自适应控制与PID控制相互融合的控制方法对车辆运行参数进行闭环调节，改善发动机的运行效率。

在现有的自适应PID控制技术中，实际的控制过程通常以单点的自学习过程进行控制，自适应过程需要在当前车辆的运行工况稳定后，保证积分值稳定后再对当前的自学习点进行更新，其存在的问题在于，现有的自适应PID控制技术无法记录已经发生过的工况点或者重复执行的工况点，导致在不同工况的控制过程中，需要重复进行累计学习，数据处理量大，瞬态响应性能差，影响变工况下的控制响应效果，削弱了自适应控制的优势。

发明内容

本发明提供一种自适应曲线学习方法，解决了现有的自适应控制对单个工况点重复学习影响变工况控制效果的问题，通过优化自学习工况点，改善变工况下的自适应控制效果。

第一方面，本发明实施例提供了一种自适应曲线学习方法，所述自适应曲线用于对被控对象进行自适应控制系统，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。

可选地，所述自适应曲线学习方法还包括以下步骤：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。

可选地，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。

可选地，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。