CN113778063B - 基于纵向特征数据的设备控制方法及装置 - Google Patents

Abstract

本发明公开了一种基于纵向特征数据的设备控制方法及装置，该方法通过获取目标控制设备的数据仿真控制模型；根据控制关联信息，获取目标控制设备的当前特征数据；基于纵向特征数据集，判断当前特征数据是否为有效特征数据，若是，基于控制关联信息，获得目标控制设备的控制信号。本发明通过判断当前特征数据与之前控制周期的特征数据相比，是否为有效的特征数据，若是，则基于该特征数据生成控制信号，并对目标控制设备进行控制，能够安全的提高设备自动化控制的准确性，采用了与传统计算机加人工判断控制完全不同的基于数据仿真控制模型的智能化控制原理，避免了因不必要的误差变化导致自动化控制进程终止所带来的损失与影响。

Description

基于纵向特征数据的设备控制方法及装置

技术领域

本发明涉及自动化控制领域，尤其涉及一种基于纵向特征数据的设备控制方法及装置。

背景技术

自动控制（automatic control）是指在没有人直接参与的情况下，利用外加的设备或装置，使机器、设备或生产过程的某个工作状态或参数自动地按照预定的规律运行。利用自动控制的原理，能够基于特征参数，控制设备自动的执行对应动作，提高设备的自动化程度。

然而，由于设备在不同环境、不同时间运行时，特征数据与标准特征数据相比会有一定的误差，若严格按照控制逻辑控制设备的运行，设备的运行过程会出现大量不必要的停机或切换人工操作，降低工业生产的效率与生活的体验。

因此，如何安全的提高设备自动化控制的容错性，是一个亟需解决的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种基于纵向特征数据的设备控制方法及装置，旨在解决设备自动化控制的容错性低的技术问题。

为实现上述目的，本发明提供一种基于纵向特征数据的设备控制方法，所述方法包括以下步骤：

接收设备控制指令；其中，所述设备控制指令包括目标控制设备；

获取所述目标控制设备的数据仿真控制模型；其中，所述数据仿真控制模型包括所述目标控制设备的控制关联信息和纵向特征数据集，所述控制关联信息为纵向特征数据集与控制信号集的关联关系；

根据所述控制关联信息，获取所述目标控制设备的当前特征数据；

基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号。

可选的，所述获取所述目标控制设备的数据仿真控制模型步骤之前，所述方法还包括：

获取所述目标控制设备的纵向特征数据集；

根据所述纵向特征数据集，获取所述纵向特征数据集对应的控制信号集，并基于所述纵向特征数据集和所述控制信号集，获得所述目标控制设备的控制关联信息；

基于所述纵向特征数据集和所述控制关联信息，构建所述目标控制设备的数据仿真控制模型。

可选的，所述根据所述控制关联信息，获取所述目标控制设备的当前特征数据步骤，具体包括：

获取所述控制关联信息对应的纵向特征数据集；

基于所述纵向特征数据集，获取所述目标控制设备的当前特征数据；其中，所述当前特征数据为纵向特征数据集对应的特征数据。

可选的，所述基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号步骤，具体包括：

获取所述目标控制设备的控制周期；

根据所述控制周期对所述纵向特征数据集进行分段处理，以获得每一控制周期对应的纵向特征数据；

判断所述当前特征数据和每一控制周期的所述纵向特征数据是否满足预设条件，若是，将所述当前特征数据标记为有效特征数据；

基于所述控制关联信息，获得所述有效特征数据对应的控制信号。

可选的，所述判断所述当前特征数据和每一控制周期的所述纵向特征数据是否满足预设条件，若是，将所述当前特征数据标记为有效特征数据步骤，具体包括：

获取所述当前特征数据在当前控制周期的时间轴位置；

判断所述当前特征数据和每一控制周期的所述时间轴位置对应的所述纵向特征数据是否满足预设条件；

若满足预设条件，将所述当前特征数据标记为有效特征数据。

可选的，所述判断所述当前特征数据和每一控制周期的所述时间轴位置对应的所述纵向特征数据是否满足预设条件步骤，具体包括：

判断所述当前特征数据的第一特征值与每一控制周期的所述时间轴位置对应的所述纵向特征数据的第二特征值是否满足第一预设条件；其中，所述第一预设条件为所述第一特征值与每一控制周期的所述第二特征值之间差值的权重矢量和小于第一预设值；和/或

判断所述当前特征数据的第一变化值与每一控制周期的所述时间轴位置对应的所述纵向特征数据的第二变化值是否满足第二预设条件；其中，所述第二预设条件为所述第一变化值与每一控制周期的所述第二变化值之间差值的权重矢量和小于第二预设值。

可选的，所述基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号步骤之后，所述方法还包括：

基于所述有效特征数据和所述有效特征数据对应的控制信号，更新所述目标控制设备的数据仿真控制模型。

此外，为了实现上述目的，本发明还提供一种基于纵向特征数据的设备控制装置，所述基于纵向特征数据的设备控制装置包括：

接收模块，用于接收设备控制指令；其中，所述设备控制指令包括目标控制设备；

第一获取模块，用于获取所述目标控制设备的数据仿真控制模型；其中，所述数据仿真控制模型包括所述目标控制设备的控制关联信息和纵向特征数据集，所述控制关联信息为纵向特征数据集与控制信号集的关联关系；

第二获取模块，用于根据所述控制关联信息，获取所述目标控制设备的当前特征数据；

判断模块，用于基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号。

可选的，所述基于纵向特征数据的设备控制装置还包括：

构建模块，所述构建模块用于获取所述目标控制设备的纵向特征数据集；根据所述纵向特征数据集，获取所述纵向特征数据集对应的控制信号集，并基于所述纵向特征数据集和所述控制信号集，获得所述目标控制设备的控制关联信息；基于所述纵向特征数据集和所述控制关联信息，构建所述目标控制设备的数据仿真控制模型。

可选的，所述第二获取模块还用于获取所述控制关联信息对应的纵向特征数据集；基于所述纵向特征数据集，获取所述目标控制设备的当前特征数据；其中，所述当前特征数据为纵向特征数据集对应的特征数据。

可选的，所述判断模块还用于获取所述目标控制设备的控制周期；根据所述控制周期对所述纵向特征数据集进行分段处理，以获得每一控制周期对应的纵向特征数据；判断所述当前特征数据和每一控制周期的所述纵向特征数据是否满足预设条件，若是，将所述当前特征数据标记为有效特征数据；基于所述控制关联信息，获得所述有效特征数据对应的控制信号。

可选的，所述判断模块还用于获取所述当前特征数据在当前控制周期的时间轴位置；判断所述当前特征数据和每一控制周期的所述时间轴位置对应的所述纵向特征数据是否满足预设条件；若满足预设条件，将所述当前特征数据标记为有效特征数据。

可选的，所述判断模块还用于判断所述当前特征数据的第一特征值与每一控制周期的所述时间轴位置对应的所述纵向特征数据的第二特征值是否满足第一预设条件；其中，所述第一预设条件为所述第一特征值与每一控制周期的所述第二特征值之间差值的权重矢量和小于第一预设值；和/或判断所述当前特征数据的第一变化值与每一控制周期的所述时间轴位置对应的所述纵向特征数据的第二变化值是否满足第二预设条件；其中，所述第二预设条件为所述第一变化值与每一控制周期的所述第二变化值之间差值的权重矢量和小于第二预设值。

可选的，所述基于纵向特征数据的设备控制装置还包括：

更新模块，所述更新模块用于基于所述有效特征数据和所述有效特征数据对应的控制信号，更新所述目标控制设备的数据仿真控制模型。

此外，为了实现上述目的，本发明还提供了一种基于纵向特征数据的设备控制设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于纵向特征数据的设备控制程序，所述基于纵向特征数据的设备控制程序配置为实现如前述的基于纵向特征数据的设备控制方法的步骤。

此外，为了实现上述目的，本发明还提供了一种存储介质，所述存储介质上存储有基于纵向特征数据的设备控制程序，所述基于纵向特征数据的设备控制程序被处理器执行时实现如前所述的基于纵向特征数据的设备控制方法的步骤。

本发明实施例提出的一种基于纵向特征数据的设备控制方法及装置，该方法包括接收设备控制指令；获取目标控制设备的数据仿真控制模型；根据控制关联信息，获取目标控制设备的当前特征数据；基于纵向特征数据集，判断当前特征数据是否为有效特征数据，若是，基于控制关联信息，获得目标控制设备的控制信号。本发明实施例通过对目标控制设备的数据仿真控制模型中获取当前特征数据，并判断当前特征数据是否为有效的特征数据，若是，该特征数据即为纵向特征数据容错范围内的有效特征数据，基于该特征数据生成控制信号，并对目标控制设备，能够安全的提高设备自动化控制的容错性，避免了因不必要的误差变化导致自动化控制进程终止所带来的损失与影响。

附图说明

图1为本发明实施例中一种基于纵向特征数据的设备控制设备的结构示意图；

图2为本发明基于纵向特征数据的设备控制方法的第一实施例的流程示意图；

图3为本发明基于纵向特征数据的设备控制方法的第二实施例的流程示意图；

图4为本发明基于纵向特征数据的设备控制方法的第三实施例的流程示意图；

图5为本发明实施例中一种基于纵向特征数据的设备控制装置的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

自动控制（automatic control）是指在没有人直接参与的情况下，利用外加的设备或装置，使机器、设备或生产过程的某个工作状态或参数自动地按照预定的规律运行。利用自动控制的原理，能够基于特征参数，控制设备自动的执行对应动作，提高设备的自动化程度。然而，由于设备在不同环境、不同时间运行时，特征数据与标准特征数据相比会有一定的误差，若严格按照控制逻辑控制设备的运行，设备的运行过程会出现大量不必要的停机或切换人工操作，降低工业生产的效率与生活的体验。因此，如何安全的提高设备自动化控制的容错性，是一个亟需解决的技术问题。

为了解决这一问题，提出本发明的基于纵向特征数据的设备控制方法的各个实施例。本发明提供的基于纵向特征数据的设备控制方法基于目标控制设备的数据仿真控制模型，将当前特征数据与纵向特征数据集进行对比判断，以此判断当前特征数据是否为有效特征数据，再根据该有效特征数据获得控制信号，实现对目标控制设备的自动化控制。

在目前的控制系统中，通常包括控制设备和受控设备，且控制设备往往基于信号进行自动控制，即在控制之前向控制设备传输并存储控制指令，在进行控制时，通过存储的控制指令生成控制信号，以驱动受控设备执行对应动作。然而，这样的控制系统往往没有实现真正的智能控制，依旧属于机器加人工的控制原理，导致控制过程中的控制容错性低，控制精度不高，且对环境没有适应能力。

本申请有别于现有控制方法中基于信号的控制思路，采用基于数据的智能控制，利用受控设备的历史数据建立人工智能的数据仿真控制模型，再基于数据仿真控制模型实现具有环境变化适应性的智能控制，能够在不同环境造成的特征数据具有误差的情况下，依旧能够获得准确的控制信号，避免设备的停机。

参照图1，图1为本发明实施例方案涉及的基于纵向特征数据的设备控制设备的结构示意图。

设备可以是移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)等用户设备(User Equipment，UE)、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备、移动台(Mobile station，MS)等。设备可能被称为用户终端、便携式终端、台式终端等。

通常，设备包括：至少一个处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的基于纵向特征数据的设备控制程序，所述基于纵向特征数据的设备控制程序配置为实现如前所述的基于纵向特征数据的设备控制方法的步骤。

处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(CentralProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关基于纵向特征数据的设备控制操作，使得基于纵向特征数据的设备数据仿真控制模型可以自主训练学习，提高效率和准确度。

存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的基于纵向特征数据的设备控制方法。

在一些实施例中，终端还可选包括有：通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地，外围设备包括：射频电路304、显示屏305和电源306中的至少一种。

通信接口303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。通信接口303通过外围设备用于接收用户上传的多个移动终端的移动轨迹以及其他数据。在一些实施例中，处理器301、存储器302和通信接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信，从而可获取多个移动终端的移动轨迹以及其他数据。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(WirelessFidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括NFC(Near FieldCommunication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，电子设备的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在电子设备的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在电子设备的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

本领域技术人员可以理解，图1中示出的结构并不构成对基于纵向特征数据的设备控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明实施例提供了一种基于纵向特征数据的设备控制方法，参照图2，图2为本发明基于纵向特征数据的设备控制方法的第一实施例的流程示意图。

本实施例中，所述基于纵向特征数据的设备控制方法，包括以下步骤：

步骤S100，接收设备控制指令；其中，所述设备控制指令包括目标控制设备。

具体而言，在实际应用中，在对设备进行自动化控制时，先接受用于对目标控制设备进行自动化控制的控制指令，其中，设备控制指令包括受控的目标控制设备，即设备控制指令中记录着受控设备的编号信息或标识信息。另外，设备控制指令可以为用户下发的对目标设备进行自动化控制的设备控制指令，也可以为满足预设条件触发的设备控制指令，本实施例对此并不限制。

需要说明的是，在本实施例中，在获得设备控制指令后，获取设备控制指令中的目标控制设备，以此来获取目标控制设备对应的控制信号，来实现在特征数据具有一定误差范围内时，任然控制运行，提高设备自动化控制的容错性，避免因不必要的误差变化导致自动化控制进程终止所带来的的损失与影响。

步骤S200，获取所述目标控制设备的数据仿真控制模型；其中，所述数据仿真控制模型包括所述目标控制设备的控制关联信息和纵向特征数据集，所述控制关联信息为纵向特征数据集与控制信号集的关联关系。

具体而言，在获得目标控制设备后，获取目标控制设备的数据仿真控制模型，该数据仿真控制模型记录有对应目标控制设备以往控制过程中的纵向特征数据集和该纵向特征数据集与控制信号集的控制关联关系，利用数据仿真控制模型中的纵向特征数据集和控制关联关系，即可获得目标控制设备对应的控制信号，以此来实现对目标控制设备的自动化控制。

其中，控制关联信息为纵向特征数据集与控制信号集的关联关系，即目标控制设备的历史控制过程中，特征数据与控制信号的关联关系。为了便于理解，本实施例对控制关联信息进行具体说明。

例如，在无人机的自动化控制过程中，一般需要保持飞行的高度，因此，为了保持飞行的高度，需要对无人机的飞行高度进行实时监测，当无人机飞行高度低于第一预设值时，向无人机发送用于控制无人机提高飞行高度的第一控制信号；当无人机飞行高度高于第二预设值时，向无人机发送用于控制无人机降低飞行高度的第二控制信号。此时，无人机历史控制过程的飞行高度即为纵向特征数据，而该飞行高度所对应的控制信号即为控制信号。

步骤S300，根据所述控制关联信息，获取所述目标控制设备的当前特征数据。

具体而言，在获取目标控制设备的数据仿真控制模型后，提取数据仿真控制模型中的控制关联信息，根据控制关联信息中的纵向特征数据集，判断该目标控制设备的特征数据类型，以此来获取所述目标控制设备的当前特征数据，利用该当前特征数据作为目标控制设备的控制依据。

一般而言，设备具有多个特征数据，即设备运行时具有不同的数据表征，例如，在无人机的自动化控制过程中，其表征的特征数据可以包括飞行的高度、飞行的速度、无人机角度、发动机功率或者运行温度等，为了获取无人机控制信号一般依据的特征数据，可获取数据仿真控制模型中的纵向特征数据集，利用数据仿真控制模型中依据的特征数据，来选取当前特征数据，进而实现当前状态下对目标控制设备，即无人机的自动化控制。

步骤S400，基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号。

具体而言，在获取目标控制设备的当前特征数据后，通常根据当前特征数据来获得对应的控制信号，以此实现目标控制设备的自动化控制。然而，由于设备在不同环境、不同时间运行时，特征数据与标准特征数据相比会有一定的误差，设备的运行过程会出现大量不必要的停机或切换人工操作，为了便于理解，本实施例对特征数据误差导致停机或切换人工操作进行具体说明。

例如，在自动化生产过程中，往往会对自动化设备的状态进行监控，若自动化设备的状态异常时，需要停止设备自动化运行切换为人工操作，甚至停机维修；其中，控制依据的特征数据可以为设备运行温度、设备运行功率或电机转速等特征数据，然而，设备在不同环境、不同时间运行时，设备的温度、功率或转速并不会和标准特征数据相同，若只要监测到特征数据与表征特征数据不同即切换人工操作或停机检查维修，将会耗费大量的时间，严重影响生产效率。

基于此，本实施例在获取目标控制设备的当前特征数据后，基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若为有效特征数据，则表明当前特征数据并不会影响设备的运行，此时根据该有效特征数据和控制关联信息，获得目标控制设备的控制信号。提高设备自动化控制的容错性，避免因不必要的误差变化导致自动化控制进程终止所带来的的损失与影响。

在本实施例中，通过对目标控制设备的数据仿真控制模型中获取当前特征数据，并判断当前特征数据是否为有效的特征数据，若是，该特征数据即为纵向特征数据容错范围内的有效特征数据，基于该特征数据生成控制信号，并对目标控制设备进行自动化控制，能够安全的提高设备自动化控制的容错性，避免了因不必要的误差变化导致自动化控制进程终止所带来的损失与影响。

为了便于理解，参阅图3，图3为本发明基于纵向特征数据的设备控制方法的第二实施例的流程示意图。基于如图2所示的基于纵向特征数据的设备控制方法的第一实施例，本实施例给出一种在获取所述目标控制设备的数据仿真控制模型步骤之前，构建所述目标控制设备的数据仿真控制模型的具体实现方案，具体如下：

步骤S001，获取所述目标控制设备的纵向特征数据集。

具体而言，在本实施例中，提供了一种在获取所述目标控制设备的数据仿真控制模型步骤之前，构建所述目标控制设备的数据仿真控制模型的方法。其中，在构建目标控制设备的数据仿真控制模型时，首先要获得目标控制设备的纵向特征数据集，通过纵向特征数据集，来获得特征数据与控制信号的关联关系，以此得的控制关联信息；同时，通过纵向特征数据集，来判断当前纵向特征数据是否为有效特征数据。

步骤S002，根据所述纵向特征数据集，获取所述纵向特征数据集对应的控制信号集，并基于所述纵向特征数据集和所述控制信号集，获得所述目标控制设备的控制关联信息。

具体而言，在本实施例中，在获得纵向特征数据集后，再根据纵向特征数据集获得纵向特征数据集对应的控制信号集，即目标设备历史控制过程中，特征数据与控制信号关联关系的集合，该控制信号集记录着目标控制设备的控制规律，通过该控制规律，可以将当前特征数据处理获得控制信号，以此实现目标控制设备的自动化控制。

步骤S003，基于所述纵向特征数据集和所述控制关联信息，构建所述目标控制设备的数据仿真控制模型。

具体而言，在获得纵向特征数据集以及纵向特征数据集和控制信号集对应的控制关联信息后，即可获得目标控制设备的数据仿真控制模型，利用该数据仿真控制模型中的纵向特征数据集和控制关联信息，能够实现对当前特征数据是否为有效特征数据的判断，进而确定当前设备是否运行在允许状态范围之内，若是，则根据控制关联信息对应的控制信号实现对目标控制设备的自动化控制。

在本实施例中，提供了一种在获取所述目标控制设备的数据仿真控制模型步骤之前，构建所述目标控制设备的数据仿真控制模型的方法。通过获取目标控制设备的纵向特征数据集，根据该纵向特征数据集和控制信号集获得控制关联信息，最后根据控制关联信息和纵向特征数据集对目标控制设备进行自动化控制，能够安全的提高设备自动化控制的容错性，避免了因不必要的误差变化导致自动化控制进程终止所带来的损失与影响。

另外，本实施例还给出一种根据所述控制关联信息，获取所述目标控制设备的当前特征数据的具体实现方案，具体如下：

获取所述控制关联信息对应的纵向特征数据集。

在本实施例中，提供一种根据所述控制关联信息，获取所述目标控制设备的当前特征数据的具体实现方法，具体而言，在获取目标控制设备的数据仿真控制模型后，提取数据仿真控制模型中的控制关联信息，根据控制关联信息中的纵向特征数据集，判断该目标控制设备的特征数据类型，以此来获取所述目标控制设备的当前特征数据，利用该当前特征数据作为目标控制设备的控制依据。

基于所述纵向特征数据集，获取所述目标控制设备的当前特征数据；其中，所述当前特征数据为纵向特征数据集对应的特征数据。

具体而言，在本实施例中，基于纵向特征数据的设备控制设备中存储有获取的目标控制设备的多个当前特征数据，例如在无人机的自动化控制过程中的飞行的高度、飞行的速度、无人机角度、发动机功率或者运行温度等，在获取纵向特征数据集后，将纵向特征数据集与当前特征数据中所有特征数据进行比较匹配，获取无人机控制信号一般依据的特征数据，再利用当前特征数据，获得对应的控制信号，进而实现当前状态下对目标控制设备。

在本实施例中，提供了根据所述控制关联信息，获取所述目标控制设备的当前特征数据的具体实现方法。获取所述控制关联信息对应的纵向特征数据集，并基于所述纵向特征数据集，获取所述目标控制设备的当前特征数据，利用该当前特征数据作为目标控制设备的控制依据，实现目标控制设备根据纵向特征数据集进行自动化控制的过程。

为了便于理解，参阅图4，图4为本发明基于纵向特征数据的设备控制方法的第三实施例的流程示意图。基于如图3所示的基于纵向特征数据的设备控制方法的第二实施例，本实施例给出一种基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号的具体实现方案，具体如下：

步骤S401，获取所述目标控制设备的控制周期。

具体而言，在实际运行过程中，目标控制设备通常有自己的控制周期，例如，无人机的每次飞行任务，在飞行任务过程中的控制指令集和特征数据集为一个独立周期的数据；自动化生产设备的每次生成任务，在生产任务过程中的控制指令集和特征数据集为一个独立周期的数据。

因此，在本实施例中，为了对一个控制周期内特征数据具有不同趋势变化的情况，需要在获取目标控制设备的纵向特征数据集后，获取目标控制设备的控制周期，在对当前特征数据进行判断时，对控制周期同一时间点数据进行判断，例如，在无人机的每次飞行任务中，包括了飞起起飞的飞行高度、飞起中途飞行的高度和飞起降落的高度，因此在当前特征数据与纵向特征数据集比对时，需要获取飞行控制的控制周期，将每次控制周期中同一时间点的飞行高度进行比较，进而判断当前无人机飞行高度是否正常。

步骤S402，根据所述控制周期对所述纵向特征数据集进行分段处理，以获得每一控制周期对应的纵向特征数据。

容易理解的，为了实现对每次控制周期中同一时间点的特征数据进行比较，在获得控制周期后，对纵向特征数据集进行分段处理，以获得每一控制周期对应的纵向特征数据。

具体而言，在本实施例中，对纵向特征数据集进行分段处理，可以根据设备执行单次任务的时间进行分段，也可以根据设备受影响的特征设置对应的时间，例如设备运行的电压值往往在每天的傍晚不稳定，因此该电压值以每天为周期进行规律变化，此时以每天为时间进行分段。

步骤S403，判断所述当前特征数据和每一控制周期的所述纵向特征数据是否满足预设条件，若是，将所述当前特征数据标记为有效特征数据。

容易理解的，在本实施例中，判断所述当前特征数据和每一控制周期的所述纵向特征数据是否满足预设条件时，可通过获取所述当前特征数据在当前控制周期的时间轴位置，判断所述当前特征数据和每一控制周期的所述时间轴位置对应的所述纵向特征数据是否满足预设条件，若满足预设条件，将所述当前特征数据标记为有效特征数据。

其中，预设条件包括：当前特征数据的第一特征值与每一控制周期的所述时间轴位置对应的所述纵向特征数据的第二特征值满足第一预设条件；其中，所述第一预设条件为所述第一特征值与每一控制周期的所述第二特征值之间差值的权重矢量和小于第一预设值；和/或当前特征数据的第一变化值与每一控制周期的所述时间轴位置对应的所述纵向特征数据的第二变化值满足第二预设条件；其中，所述第二预设条件为所述第一变化值与每一控制周期的所述第二变化值之间差值的权重矢量和小于第二预设值。

基于上述第一预设条件对当前特征数据进行判断时，当当前特征数据特征值与过去每一控制周期同一时间点特征值的权重矢量值的差距在忍受范围内时，即当前控制周期中当前特征数据与过去特征数据的差异不大，则判断当前特征数据为有效特征数据。

基于上述第二预设条件对当前特征数据进行判断时，当当前特征数据变化值与过去每一控制周期同一时间点变化值的权重矢量值得差距在忍受范围内时，即当前控制周期中当前特征数据与过去特征数据的差异不大，则判断当前特征数据为有效特征数据。

需要说明的是，此时的权重为根据设备运行规律预先设置的权重，例如，在电压值作为特征数据时，可以设置周末或每天傍晚具有更小权重，减少因为特殊时间段给判断电压值是否为有效特征数据造成的影响。

步骤S404，基于所述控制关联信息，获得所述有效特征数据对应的控制信号。

在获得有效特征数据后，将根据有效特征数据和控制关联信息，生成对应的控制信号，以此来对目标控制设备进行自动化控制。

另外，在一些实施例中，在基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号的步骤之后，还包括基于所述有效特征数据和所述有效特征数据对应的控制信号，更新所述目标控制设备的数据仿真控制模型，以使数据仿真控制模型保持准确的纵向特征数据集和控制关联信息，进一步提高设备控制的准确性。

在本实施例中，提供了一种基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号的具体实现的实现方法。本实施例中，根据当前特征数据特征值/变化值与过去每一控制周期同一时间点特征值/变化值的权重矢量值的差距，来判断当前特征数据是否为有效特征数据，替代了传统单纯的特征数据与标准特征数据比较的方案，能够安全的提高设备自动化控制的容错性，避免了因不必要的误差变化导致自动化控制进程终止所带来的损失与影响。

参照图5，图5为本发明基于纵向特征数据的设备控制装置第一实施例的结构框图。

如图5所示，本发明实施例提出的基于纵向特征数据的设备控制装置包括：

接收模块10，用于接收设备控制指令；其中，所述设备控制指令包括目标控制设备；

第一获取模块20，用于获取所述目标控制设备的数据仿真控制模型；其中，所述数据仿真控制模型包括所述目标控制设备的控制关联信息和纵向特征数据集，所述控制关联信息为纵向特征数据集与控制信号集的关联关系；

第二获取模块30，用于根据所述控制关联信息，获取所述目标控制设备的当前特征数据；

判断模块40，用于基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号。

本实施例提供的基于纵向特征数据的设备控制装置，通过对目标控制设备的数据仿真控制模型中获取当前特征数据，并判断当前特征数据是否为有效的特征数据，若是，该特征数据即为纵向特征数据容错范围内的有效特征数据，基于该特征数据生成控制信号，并对目标控制设备，能够安全的提高设备自动化控制的容错性，避免了因不必要的误差变化导致自动化控制进程终止所带来的损失与影响。

基于本发明上述基于纵向特征数据的设备控制装置第一实施例，提出本发明基于纵向特征数据的设备控制装置的第二实施例。在本实施例中，所述基于纵向特征数据的设备控制装置还包括构建模块，构建模块用于获取所述目标控制设备的纵向特征数据集；根据所述纵向特征数据集，获取所述纵向特征数据集对应的控制信号集，并基于所述纵向特征数据集和所述控制信号集，获得所述目标控制设备的控制关联信息；基于所述纵向特征数据集和所述控制关联信息，构建所述目标控制设备的数据仿真控制模型。

作为一种实施方式，所述第二获取模块30还用于获取所述控制关联信息对应的纵向特征数据集；基于所述纵向特征数据集，获取所述目标控制设备的当前特征数据；其中，所述当前特征数据为纵向特征数据集对应的特征数据。

基于本发明上述基于纵向特征数据的设备控制装置的第一实施例与第二实施例，提出本发明基于纵向特征数据的设备控制装置的第三实施例。本实施例中，所述判断模块40还用于获取所述目标控制设备的控制周期；根据所述控制周期对所述纵向特征数据集进行分段处理，以获得每一控制周期对应的纵向特征数据；判断所述当前特征数据和每一控制周期的所述纵向特征数据是否满足预设条件，若是，将所述当前特征数据标记为有效特征数据；基于所述控制关联信息，获得所述有效特征数据对应的控制信号。

作为一种实施方式，所述判断模块40还用于获取所述当前特征数据在当前控制周期的时间轴位置；判断所述当前特征数据和每一控制周期的所述时间轴位置对应的所述纵向特征数据是否满足预设条件；若满足预设条件，将所述当前特征数据标记为有效特征数据。

作为一种实施方式，所述判断模块40还用于判断所述当前特征数据的第一特征值与每一控制周期的所述时间轴位置对应的所述纵向特征数据的第二特征值是否满足第一预设条件；其中，所述第一预设条件为所述第一特征值与每一控制周期的所述第二特征值之间差值的权重矢量和小于第一预设值；和/或判断所述当前特征数据的第一变化值与每一控制周期的所述时间轴位置对应的所述纵向特征数据的第二变化值是否满足第二预设条件；其中，所述第二预设条件为所述第一变化值与每一控制周期的所述第二变化值之间差值的权重矢量和小于第二预设值。

作为一种实施方式，所述基于纵向特征数据的设备控制装置还包括更新模块50，更新模块50用于基于所述有效特征数据和所述有效特征数据对应的控制信号，更新所述目标控制设备的数据仿真控制模型。

本发明基于纵向特征数据的设备控制装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于纵向特征数据的设备控制程序，所述基于纵向特征数据的设备控制程序被处理器执行时实现如上文所述的基于纵向特征数据的设备控制方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。确定为示例，程序指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

Claims (7)

1.一种基于纵向特征数据的设备控制方法，其特征在于，所述方法包括以下步骤：

接收设备控制指令；其中，所述设备控制指令包括目标控制设备；

获取所述目标控制设备的数据仿真控制模型；其中，所述数据仿真控制模型包括所述目标控制设备的控制关联信息和纵向特征数据集，所述控制关联信息为纵向特征数据集与控制信号集的关联关系，所述纵向特征数据集为目标控制设备随时间变化的特征数据集；

根据所述控制关联信息，获取所述目标控制设备的当前特征数据；

基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号；

其中，所述基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号步骤，具体包括：

获取所述目标控制设备的控制周期；

根据所述控制周期对所述纵向特征数据集进行分段处理，以获得每一控制周期对应的纵向特征数据；

判断所述当前特征数据和每一控制周期的所述纵向特征数据是否满足预设条件，若是，将所述当前特征数据标记为有效特征数据；

基于所述控制关联信息，获得所述有效特征数据对应的控制信号；

其中，判断所述当前特征数据和每一控制周期的所述纵向特征数据是否满足预设条件，若是，将所述当前特征数据标记为有效特征数据步骤，具体包括：

获取所述当前特征数据在当前控制周期的时间轴位置；

判断所述当前特征数据和每一控制周期的所述时间轴位置对应的所述纵向特征数据是否满足预设条件；

若满足预设条件，将所述当前特征数据标记为有效特征数据；

其中，判断所述当前特征数据和每一控制周期的所述时间轴位置对应的所述纵向特征数据是否满足预设条件，具体包括：

判断所述当前特征数据的第一特征值与每一控制周期的所述时间轴位置对应的所述纵向特征数据的第二特征值是否满足第一预设条件；其中，所述第一预设条件为所述第一特征值与每一控制周期的所述第二特征值之间差值的权重矢量和小于第一预设值；和/或

判断所述当前特征数据的第一变化值与每一控制周期的所述时间轴位置对应的所述纵向特征数据的第二变化值是否满足第二预设条件；其中，所述第二预设条件为所述第一变化值与每一控制周期的所述第二变化值之间差值的权重矢量和小于第二预设值。

2.如权利要求1所述的基于纵向特征数据的设备控制方法，其特征在于，所述获取所述目标控制设备的数据仿真控制模型步骤之前，所述方法还包括：

获取所述目标控制设备的纵向特征数据集；

根据所述纵向特征数据集，获取所述纵向特征数据集对应的控制信号集，并基于所述纵向特征数据集和所述控制信号集，获得所述目标控制设备的控制关联信息；

基于所述纵向特征数据集和所述控制关联信息，构建所述目标控制设备的数据仿真控制模型。

3.如权利要求1所述的基于纵向特征数据的设备控制方法，其特征在于，所述根据所述控制关联信息，获取所述目标控制设备的当前特征数据步骤，具体包括：

获取所述控制关联信息对应的纵向特征数据集；

基于所述纵向特征数据集，获取所述目标控制设备的当前特征数据；其中，所述当前特征数据为纵向特征数据集对应的特征数据。

4.如权利要求1所述的基于纵向特征数据的设备控制方法，其特征在于，所述基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号步骤之后，所述方法还包括：

基于所述有效特征数据和所述有效特征数据对应的控制信号，更新所述目标控制设备的数据仿真控制模型。

5.一种基于纵向特征数据的设备控制装置，其特征在于，所述装置包括：

接收模块，用于接收设备控制指令；其中，所述设备控制指令包括目标控制设备；

第一获取模块，用于获取所述目标控制设备的数据仿真控制模型；其中，所述数据仿真控制模型包括所述目标控制设备的控制关联信息和纵向特征数据集，所述控制关联信息为纵向特征数据集与控制信号集的关联关系，所述纵向特征数据集为目标控制设备随时间变化的特征数据集；

第二获取模块，用于根据所述控制关联信息，获取所述目标控制设备的当前特征数据；

判断模块，用于基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号；

其中，所述基于所述纵向特征数据集，判断所述当前特征数据是否为有效特征数据，若是，基于所述控制关联信息，获得目标控制设备的控制信号步骤，具体包括：

获取所述目标控制设备的控制周期；

根据所述控制周期对所述纵向特征数据集进行分段处理，以获得每一控制周期对应的纵向特征数据；

判断所述当前特征数据和每一控制周期的所述纵向特征数据是否满足预设条件，若是，将所述当前特征数据标记为有效特征数据；

基于所述控制关联信息，获得所述有效特征数据对应的控制信号；

其中，判断所述当前特征数据和每一控制周期的所述纵向特征数据是否满足预设条件，若是，将所述当前特征数据标记为有效特征数据步骤，具体包括：

获取所述当前特征数据在当前控制周期的时间轴位置；

判断所述当前特征数据和每一控制周期的所述时间轴位置对应的所述纵向特征数据是否满足预设条件；

若满足预设条件，将所述当前特征数据标记为有效特征数据；

其中，判断所述当前特征数据和每一控制周期的所述时间轴位置对应的所述纵向特征数据是否满足预设条件，具体包括：

判断所述当前特征数据的第一特征值与每一控制周期的所述时间轴位置对应的所述纵向特征数据的第二特征值是否满足第一预设条件；其中，所述第一预设条件为所述第一特征值与每一控制周期的所述第二特征值之间差值的权重矢量和小于第一预设值；和/或

判断所述当前特征数据的第一变化值与每一控制周期的所述时间轴位置对应的所述纵向特征数据的第二变化值是否满足第二预设条件；其中，所述第二预设条件为所述第一变化值与每一控制周期的所述第二变化值之间差值的权重矢量和小于第二预设值。

6.一种基于纵向特征数据的设备控制设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于纵向特征数据的设备控制程序，所述基于纵向特征数据的设备控制程序被所述处理器执行时实现如权利要求1至4中任一项所述的基于纵向特征数据的设备控制方法的步骤。

7.一种存储介质，其特征在于，所述存储介质上存储有基于纵向特征数据的设备控制程序，所述基于纵向特征数据的设备控制程序被处理器执行时实现如权利要求1至4中任一项所述的基于纵向特征数据的设备控制方法的步骤。

Images