CN108302241B - 一种基于深度学习辨识的分布式脉宽调节电磁阀控制方法 - Google Patents
一种基于深度学习辨识的分布式脉宽调节电磁阀控制方法 Download PDFInfo
- Publication number
- CN108302241B CN108302241B CN201810037530.1A CN201810037530A CN108302241B CN 108302241 B CN108302241 B CN 108302241B CN 201810037530 A CN201810037530 A CN 201810037530A CN 108302241 B CN108302241 B CN 108302241B
- Authority
- CN
- China
- Prior art keywords
- solenoid valve
- deep learning
- valve
- model
- control method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16K—VALVES; TAPS; COCKS; ACTUATING-FLOATS; DEVICES FOR VENTING OR AERATING
- F16K31/00—Actuating devices; Operating means; Releasing devices
- F16K31/02—Actuating devices; Operating means; Releasing devices electric; magnetic
- F16K31/06—Actuating devices; Operating means; Releasing devices electric; magnetic using a magnet, e.g. diaphragm valves, cutting off by means of a liquid
- F16K31/0675—Electromagnet aspects, e.g. electric supply therefor
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mechanical Engineering (AREA)
- Magnetically Actuated Valves (AREA)
Abstract
本发明公开了一种基于深度学习辨识的分布式脉宽调节电磁阀控制方法。本发明通过三路ADC转换电路，分别采集流经电磁阀及谐振电路的总电流，流经电磁阀的电流，以及电磁阀两端的电压，然后经过去耦、滤波、光电隔离、放大处理后送到单片机内部，通过单片机内部运行的训练好的深度学习算法模型，实时选择最适合的用于控制电磁阀的PWM波形输出。本发明通过运用深度学习算法，实现了自主学习，优化匹配，使得电磁阀效率最高。
Description
技术领域
本发明涉及一种电磁阀控制方法，具体是一种基于深度学习辨识的分布式脉宽调节电磁阀控制方法。
背景技术
电磁阀(Electromagnetic valve)是用电磁控制的工业设备，是用来控制流体的自动化基础元件。目前工业中所用的电磁阀控制方法较为简单，大都采用在直接加外部电源的方法，但这种方法有两个弊端，其一是电磁阀线圈在高频电源输入下会产生寄生电容，进而产生不必要的发热以及功耗，其二是电磁阀在不同的流体输入情况下启动跟保持阶段需要的功率不同，启动阶段需要较大的功率，而在启动结束后，只需要较小的功率就可以实现开启状态的维持，现有的控制方法保持了同样的功率，这就造成了在保持阶段时很大程度上的功率浪费。
发明内容
本发明针对现有技术的不足，提供了一种基于深度学习辨识的分布式脉宽调节电磁阀控制方法。
本发明的技术方案为：
本发明通过三路ADC转换电路，分别采集流经电磁阀及谐振电路的总电流，流经电磁阀的电流，以及电磁阀两端的电压，然后经过去耦、滤波、光电隔离、放大处理后送到单片机内部，通过单片机内部运行的训练好的深度学习算法模型，实时选择最适合的用于控制电磁阀的PWM波形输出。
所述的谐振电路为LC并联谐振电路，并联在电磁阀线圈两端，用于去除电磁阀寄生电容。
所述的深度学习算法模型的训练与构建的过程具体是：
系统在电磁阀的正常工作范围内不断调节输入PWM波的频率及占空比，并按照一定的时间间隔对于电路中流经电磁阀的电流量以及电磁阀与谐振电路的总电量进行数据采集，将采集的大量原始数据结果进行处理分析，得到电磁阀消耗的功率结果以及其匹配电路上的功耗损耗大小，同时利用压力传感器采集阀内流体的压力，将压力数据以及功耗数据送入函数模型进行训练。
在函数模型训练阶段，采用构建多元线性回归模型的方法来构建模型；通过求解多元线性回归模型的系数，即可构建完成多种变量的线性回归模型；PWM波的频率及占空比调整均采用此种方法构建；随着送入数据量的增加，便可以得到尽可能准确的控制方法，使得电磁阀的能耗比在不同的环境状态下保持在尽量理想的状态，至此便完成了对于PWM波频率及占空比调整算法的构建。
模型构建完成，根据电磁阀的工作状态以及功耗情况实时选择最适合的输入PWM波形。
本发明的有益效果：本发明通过运用深度学习算法，实现了自主学习，优化匹配，使得电磁阀效率最高。
附图说明
图1为寄生电容的去除原理图；
图2为三通道信号处理原理图；
图3为深度学习算法流程图。
具体实施方式
以下结合附图对本发明作进一步说明。
如图1和图2所示，本发明通过三路ADC转换电路，分别采集流经电磁阀及谐振电路的总电流、流经电磁阀的电流，以及电磁阀两端的电压。电流的采集通过采集电路中电阻电压的方式来实现。然后经过去耦、滤波、光电隔离、放大等处理后送到单片机内部，通过单片机内部运行的训练好的深度学习算法，实时选择最适合的用于控制电磁阀的PWM波形输出。
(1)寄生电容的去除
电磁阀线圈两端的寄生电容采用并联大电容的方法进行去除，并在大电容两端并联一个电感形成LC并联谐振电路(小虚线框)进行匹配，见图1，电感的计算根据公式
得出，匹配后的电路(大虚线框)应使得谐振电路在消耗尽量小的功率下同时保证电磁阀具有尽可能高的能耗比。
(2)电磁阀在不同运行状态下PWM波占空比的调整
电磁阀在启动阶段，由于阀门运动需要加速度以及阀门阻力的存在，需要较大的输入功率，而在保持阶段，需要的功率则比较小，而对于不同压力下的流体输入，又需要不同功率的驱动，所以采用调节启动阶段跟保持阶段不同的PWM波占空比来改变电磁阀在不同的运行状态下的功率，在启动阶段，同周期内高电平保持时间较长，当启动完成电磁阀保持在打开状态以后，可以适当降低PWM波高电平所占的比例，以此来降低电磁阀系统的功耗。但对于不同压强的流体，又需要不同的阀门功率才能得以维持。
(3)深度学习算法的模型构建与训练，见图3
本系统中含有三路AD采集，分别采集电阻R4，R5两端电压以及电磁阀两端电压，R4，R5两端电压反映了流经电磁阀的电流与流经谐振电路的电流，系统实时采集这些信号并运用内部训练好的深度学习线性回归算法进行处理后对电磁阀PWM波输入频率以及PWM波的占空比进行实时调整。
首先进行的是原始数据的采集，系统在电磁阀的正常工作范围内不断调节输入PWM波的频率及占空比，并按照一定的时间间隔对于电路中流经电磁阀的电流量以及电磁阀与谐振电路的总电量进行数据采集，将采集的大量原始数据结果进行处理分析，得到电磁阀消耗的功率结果以及其匹配电路上的功耗损耗大小，同时利用压力传感器采集阀内流体的压力，将压力数据以及功耗数据送入函数模型进行训练。
在模型训练阶段，采用构建多元线性回归模型的方法来构建模型。多元线性回归的模型为y＝b0+b1x1+b2x2+...+bkxk+e，其中b0为常数项，b1,b2,...bk为回归系数，多元线性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和∑e2为最小的前提下，用最小二乘法求解参数，此系统为二线性回归模型，求解回归参数的标准方程组为
∑y＝nb0+b1∑x1+b2∑x2
求解此方程即可求得b0,b1,b2的数值，即构建好了关于多种变量的线性回归模型。PWM波的频率及占空比调整算法均采用此种方法构建。随着送入数据量的增加，便可以得到尽可能准确的控制方法，使得电磁阀的能耗比在不同的环境状态下保持在尽量理想的状态，至此便完成了对于PWM波频率及占空比调整算法的构建。
至此，模型训练过程结束，还需要进行必要的检验与评价，如测定模型的拟合程度，估计标准误差等操作后才能决定模型可否正常应用。通过该模型便可以得到电磁阀及其匹配电路在不同的脉宽条件下的功耗情况。
至此，模型构建完成，便可以根据电磁阀的工作状态以及功耗情况实时选择最适合的输入PWM波形。
Claims (2)
1.一种基于深度学习辨识的分布式脉宽调节电磁阀控制方法，其特征在于：通过三路ADC转换电路，分别采集流经电磁阀及谐振电路的总电流，流经电磁阀的电流，以及电磁阀两端的电压，然后经过去耦、滤波、光电隔离、放大处理后送到单片机内部，通过单片机内部运行的训练好的深度学习算法模型，实时选择最适合的用于控制电磁阀的PWM波形输出；
所述的谐振电路为LC并联谐振电路，并联在电磁阀线圈两端，用于去除电磁阀寄生电容；
所述的深度学习算法模型的训练与构建的过程具体是：
系统在电磁阀的正常工作范围内不断调节输入PWM波的频率及占空比，并按照一定的时间间隔对于电路中流经电磁阀的电流量以及电磁阀与谐振电路的总电量进行数据采集，将采集的大量原始数据结果进行处理分析，得到电磁阀消耗的功率结果以及其匹配电路上的功耗损耗大小，同时利用压力传感器采集阀内流体的压力，将压力数据以及功耗数据送入函数模型进行训练；
在函数模型训练阶段，采用构建多元线性回归模型的方法来构建模型；通过求解多元线性回归模型的系数，即可构建完成多种变量的线性回归模型；PWM波的频率及占空比调整均采用此种方法构建；随着送入数据量的增加，便可以得到尽可能准确的控制方法，使得电磁阀的能耗比在不同的环境状态下保持在尽量理想的状态，至此便完成了对于PWM波频率及占空比调整算法的构建；
模型构建完成，根据电磁阀的工作状态以及功耗情况实时选择最适合的输入PWM波形。
2.根据权利要求1所述的一种基于深度学习辨识的分布式脉宽调节电磁阀控制方法，其特征在于：
采用调节启动阶段跟保持阶段不同的PWM波占空比来改变电磁阀在不同的运行状态下的功率，在启动阶段，同周期内高电平保持时间较长，当启动完成电磁阀保持在打开状态以后，适当降低PWM波高电平所占的比例，以此来降低电磁阀系统的功耗；对于不同压强的流体，需要不同的阀门功率才能得以维持。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810037530.1A CN108302241B (zh) | 2018-01-16 | 2018-01-16 | 一种基于深度学习辨识的分布式脉宽调节电磁阀控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810037530.1A CN108302241B (zh) | 2018-01-16 | 2018-01-16 | 一种基于深度学习辨识的分布式脉宽调节电磁阀控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108302241A CN108302241A (zh) | 2018-07-20 |
| CN108302241B true CN108302241B (zh) | 2019-10-15 |
Family
ID=62869112
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810037530.1A Active CN108302241B (zh) | 2018-01-16 | 2018-01-16 | 一种基于深度学习辨识的分布式脉宽调节电磁阀控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108302241B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109725218A (zh) * | 2018-12-29 | 2019-05-07 | 北京航天测控技术有限公司 | 一种基于K-Medoid算法的电磁阀极性检测方法 |
| CN111765290A (zh) * | 2020-05-22 | 2020-10-13 | 中国航发贵州红林航空动力控制科技有限公司 | 一种流量比例电磁阀驱动电路装置 |
| CN114228684B (zh) * | 2022-02-28 | 2022-05-06 | 天津所托瑞安汽车科技有限公司 | 商用车ebs桥模块压力控制方法、设备和存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1311644C (zh) * | 2002-10-31 | 2007-04-18 | 日本电信电话株式会社 | 能够与寄生电容产生串联谐振的收发信机 |
| CN102374038B (zh) * | 2011-09-06 | 2013-09-11 | 天津大学 | 自学习的前馈和主动抗扰反馈结合的vvt控制方法 |
| JP6754998B2 (ja) * | 2016-03-01 | 2020-09-16 | 国立大学法人 大分大学 | 半導体スイッチ素子の駆動回路 |
| CN107191658A (zh) * | 2017-06-09 | 2017-09-22 | 北京万世明科技发展有限公司 | 二线制实现电磁阀控制和状态检测的方法及装置 |
-
2018
- 2018-01-16 CN CN201810037530.1A patent/CN108302241B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108302241A (zh) | 2018-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108302241B (zh) | 一种基于深度学习辨识的分布式脉宽调节电磁阀控制方法 | |
| CN104793672B (zh) | 一种高电源抑制比的低压差线性稳压器 | |
| CN101565221B (zh) | 高频电磁水净化系统 | |
| CN106471708A (zh) | 无线电力传送装置 | |
| CN106685242B (zh) | 单级交流至直流转换器 | |
| CN102291021B (zh) | 应用于ac-dc转换器中的pfm恒流控制电路 | |
| CN110146760A (zh) | 检测无线充电耦合度的方法及系统 | |
| CN108494113B (zh) | 一种自治分数阶串联无线输电系统 | |
| CN105871207B (zh) | 电源转换器 | |
| Roes et al. | Disturbance observer-based control of a dual-output LLC converter for solid-state lighting applications | |
| CN106208369A (zh) | 一种智能型低压断路器的在线监控装置 | |
| CN105226925B (zh) | 一种反激式单相逆变器及其控制方法 | |
| CN107612160B (zh) | 一种磁耦合并联谐振式无线电能传输装置 | |
| CN106605182A (zh) | 用于产生流入负载的电源电路的直流电流的装置 | |
| CN204613308U (zh) | 一种电感测量电路 | |
| CN205160138U (zh) | Agv的无线充电系统 | |
| CN110152887A (zh) | 基于fpga的恒流型中频除尘电源火花闪络检测处理系统 | |
| CN204643921U (zh) | 实现远程控制的微电离电磁灭菌装置系统 | |
| CN103118467B (zh) | 一种大功率led恒流驱动电路 | |
| CN103453954B (zh) | 电磁流量计的励磁驱动装置及其方法和应用 | |
| CN104048711A (zh) | 电磁场多级强度切换电路及其切换计算方法 | |
| CN207867287U (zh) | 一种用于消除电磁阀寄生电容的电路 | |
| CN105245035A (zh) | 一种基于磁谐振耦合无线电能传输的变频电路 | |
| CN107634661A (zh) | 一种多路直流输出电源 | |
| CN209311556U (zh) | 一种电流检测电路 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liang Chao Inventor after: Chen Zhangping Inventor after: Zhu Danfeng Inventor after: Wang Jianzhong Inventor before: Liang Chao Inventor before: Chen Zhangping Inventor before: Zhu Danfeng Inventor before: Wang Jianzhong |
|
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Chen Zhangping Inventor after: Liang Chao Inventor after: Zhu Danfeng Inventor after: Wang Jianzhong Inventor before: Liang Chao Inventor before: Chen Zhangping Inventor before: Zhu Danfeng Inventor before: Wang Jianzhong |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220413 Address after: 315032 No. 68, Tonghe East Road, camel street, Zhenhai District, Ningbo City, Zhejiang Province Patentee after: NINGBO AIMI INTELLIGENT SANITARY WARE Co.,Ltd. Address before: 310018 No. 2 street, Xiasha Higher Education Zone, Hangzhou, Zhejiang Patentee before: HANGZHOU DIANZI University |
|
| TR01 | Transfer of patent right |