CN111539089A - 马达非线性模型判断方法和系统 - Google Patents

马达非线性模型判断方法和系统 Download PDF

Info

Publication number
CN111539089A
CN111539089A CN201911397438.7A CN201911397438A CN111539089A CN 111539089 A CN111539089 A CN 111539089A CN 201911397438 A CN201911397438 A CN 201911397438A CN 111539089 A CN111539089 A CN 111539089A
Authority
CN
China
Prior art keywords
motor
signal
nonlinear model
tool
impulse response
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.)
Pending
Application number
CN201911397438.7A
Other languages
English (en)
Inventor
向征
郭璇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AAC Technologies Pte Ltd
Original Assignee
AAC Technologies Pte Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by AAC Technologies Pte Ltd filed Critical AAC Technologies Pte Ltd
Priority to CN201911397438.7A priority Critical patent/CN111539089A/zh
Publication of CN111539089A publication Critical patent/CN111539089A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/016—Input arrangements with force or tactile feedback as computer generated output to the user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/01—Indexing scheme relating to G06F3/01
    • G06F2203/014—Force feedback applied to GUI

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

本发明涉及触觉感知技术领域，提供一种马达非线性模型判断方法和系统。所述马达非线性模型判断方法包括：生成对数扫频信号x(n)；将所述对数扫频信号x(n)反馈给马达，并采集所述马达输出的加速度信号y(n)；生成对数扫频信号x(n)的逆信号
Figure DDA0002346687140000011
将所述加速度信号y(n)与所述对数扫频信号x(n)的逆信号
Figure DDA0002346687140000012
卷积，得到一维脉冲响应序列k(n)，所述一维脉冲响应序列k(n)由一系列延时的脉冲响应序列组成；对所述一维脉冲响应序列k(n)使用窗函数截取p个脉冲响应序列，得到线性项k1(n)；对所述线性项k1(n)进行判断。此外，本发明还提供一种马达非线性模型判断系统。与现有技术相比，本发明优化了现有技术中马达非线性模型的判断方法和系统，提升了用户体验效果。

Description

马达非线性模型判断方法和系统
【技术领域】
本发明涉及触觉感知技术领域，尤其涉及一种马达非线性模型判断方法和系统。
【背景技术】
科技日益发展的今天，视听等感官已难以满足人们的需求，触觉反馈作为一种直接感受逐渐进入大众视野。以马达为载体的触觉致动器，通过设计其特定波形，可以获得定制化的触觉体验，极大程度地丰富了用户感知。为了获得更大的马达驱动能力，通常会加入磁吸力等驱动形式，而这种驱动形式最大的特点是非线性比较明显；这就需要对马达进行非线性系统辨识，从而能够更加准确地预测马达振子的运动，为信号制作提供马达建模依据。
非线性系统的辨识在近几年已经成为了一个广泛讨论和研究的话题，其中黑盒模型由于其灵活的建模方式而备受关注。在黑盒模型中，Wiener模型和Hammerstein模型为最典型的两种模型方式，但现有技术中，如何对这两种模型进行判断区分，方便地得到马达在所述黑盒模型中符合哪种模型，以及后续的建模实现对马达的驱动等，缺少理想的判断方法，这样影响了后续马达系统的设计，用户体验效果差。
【发明内容】
本发明提供一种简便的马达非线性模型判断方法及系统，能够方便地判断出马达属于哪种模型，优化了现有技术中马达非线性模型的判断方法和系统，提升了用户体验效果。
一种马达非线性模型判断方法，所述马达非线性模型判断方法包括：
步骤S10：生成对数扫频信号x(n)；
步骤S20：将所述对数扫频信号x(n)反馈给马达，并采集所述马达输出的加速度信号y(n)；
步骤S30：生成对数扫频信号x(n)的逆信号
Figure BDA0002346687120000025
步骤S40：将所述加速度信号y(n)与所述对数扫频信号x(n)的逆信号
Figure BDA0002346687120000026
卷积，得到一维脉冲响应序列k(n)，所述一维脉冲响应序列k(n)由一系列延时的脉冲响应序列组成；
步骤S50：对所述一维脉冲响应序列k(n)使用窗函数截取各部分脉冲响应序列，得到线性项k1(n)；
步骤S60：根据所述线性项k1(n)对马达非线性模型进行判断；
其中，n是指时刻。
进一步地，所述步骤S10生成对数扫频信号x(n)的公式为：
Figure BDA0002346687120000021
其中，A为信号幅度，ω1和ω2分别表示扫频信号的起始角频率和终止角频率，T为信号时长，N为总采样点数，同时，参数满足：
Figure BDA0002346687120000022
其中，η为整数。
进一步地，所述步骤S30生成对数扫频信号x(n)的逆信号
Figure BDA0002346687120000023
的公式为：
Figure BDA0002346687120000024
进一步地，所述步骤S50包括：对所述一维脉冲响应序列k(n)使用窗函数截取p个脉冲响应序列k1(n)～kp(n)，其计算公式为：
Figure BDA0002346687120000031
其中，u为单位阶跃函数，rp0为固定常数，表示第p个脉冲响应的延时量，其计算公式为：
Figure BDA0002346687120000032
此外，本发明提供一种马达非线性模型判断系统，所述马达非线性模型判断系统包括：所述马达非线性模型判断系统包括：个人计算机(Personal Computer，PC)、马达、工装、海绵体、加速度计、采集卡、第一放大器和第二放大器，其中，所述PC与所述采集卡连接，所述马达安装在所述工装上，所述工装放置安装在所述海绵体上，所述加速度计安装在所述工装上，所述加速度计连接所述第一放大器，所述第一放大器连接所述采集卡，第二放大器连接所述采集卡和马达；所述PC用于执行如权利要求1至4任一项所述的马达非线性模型判断方法，经所述马达非线性模型判断方法得到所述线性判断后输出对数扫频信号x(n)，所述对数扫频信号x(n)为激励马达的电压信号。
优选地，所述工装用于承载所述马达，所述工装与所述马达粘性贴合；
优选地，所述海绵体用于承载所述工装，所述工装放置在海绵体上以避免环境对测量结果的影响；
优选地，所述加速度计安装在所述工装上，用于测量所述工装在所述马达振动方向上的输出的加速度信号y(n)。
优选地，所述第一放大器用于将所述加速度计采集的加速度信号y(n)进行放大；所述采集卡：用于同步采集所述加速度信号y(n)和对数扫频信号x(n)。
优选地，所述第二放大器用于将所述激励马达的电压信号放大，并用于将放大的激励马达的电压信号输出至马达。
与现有技术相比，本发明提供一种简便的马达非线性模型判断方法及系统，优化了现有技术中马达非线性模型的判断方法和系统，提升了用户体验效果。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：
图1为本发明实施例一提供的Wiener模型示意图；
图2为本发明实施例一提供的Hammerstein模型示意图；
图3为本发明实施例一提供的马达非线性模型判断方法的流程示意图；
图4为本发明实施例一提供的马达系统示意图。
【具体实施方式】
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明提供一种马达非线性模型判断方法，具体在实施例一中，所述马达非线性模型基于Wiener模型和Hammerstein模型进行判断，具体地，请结合参阅图1和图2，所述马达非线性模型包括Wiener模型和Hammerstein模型，其中，所述Wiener模型依次通过线性有记忆系统和非线性无记忆系统实现，其中，所述线性有记忆系统可以采用有限脉冲响应数字滤波器(Finite Impulse Response,FIR)和无限脉冲响应数字滤波器(InfiniteImpulse Response,IIR)滤波器进行描述，所述非线性无记忆系统可以采用多项式模型进行描述。
所述Hammerstein模型依次通过非线性无记忆系统和线性有记忆系统实现，所述Wiener模型和Hammerstein模型在实现的线性有记忆系统和非线性无记忆系统的先后顺序不一样。
具体地，设定输入为u(t)，其中，t表示时刻且t>0，所述Wiener模型的线性系统计算如下：
x(t)＝u(t)*h(t)，
其中，x(t)为经过线性有记忆系统过程的结果函数，*为卷积操作，h(t)为线性有记忆系统FIR或IIR滤波器函数值；
所述Wiener模型的非线性系统计算如下：
当非线性信号弱，即小信号时：
y1(t)＝x(t)＝u(t)*h(t)
当非线性信号强，即大信号时：
y2(t)＝x(t)+x2(t)＝u(t)*h(t)+(u(t)*h(t))2≠y1(t)+nonlinear
其中，y1(t)和y2(t)为经过非线性无记忆系统过程的结果函数。
其中，nonlinear表示由于平方率带来的非线性，即
nonlinear＝u2(t)*h(t)。
所述Hammerstein模型的计算如下：
非线性系统的计算：
当非线性信号弱，即小信号时：
x1(t)＝u(t)；
当非线性信号强，即大信号时：
x2(t)＝u(t)+u2(t)
线性系统的计算：
y1(t)＝x1(t)*h(t)＝u(t)*h(t)，
y2(t)＝x2(t)*h(t)＝(u(t)+u2(t))*h(t)＝y1(t)+nonlinear。
根据Wiener模型和Hammerstein模型在计算过程和结果的差异，本发明提供一种马达非线性模型判断方法，请参阅图3，所述马达非线性模型判断方法包括：
步骤S10：生成对数扫频信号x(n)；具体地，对数扫频信号x(n)的计算公式为：
Figure BDA0002346687120000061
其中，A为信号幅度，ω1和ω2分别表示扫频信号的起始角频率和终止角频率，T为信号时长，N为总采样点数，同时，参数满足：
Figure BDA0002346687120000062
其中，η为整数。
步骤S20：将所述对数扫频信号x(n)反馈给马达，并采集所述马达输出的加速度信号y(n)；
具体在本实施例中，所述对数扫频信号x(n)为激励马达的电压信号。
步骤S30：生成对数扫频信号x(n)的逆信号
Figure BDA0002346687120000063
具体地，生成对数扫频信号x(n)的逆信号
Figure BDA0002346687120000064
的公式为：
Figure BDA0002346687120000065
步骤S40：将所述加速度信号y(n)与所述对数扫频信号x(n)的逆信号
Figure BDA0002346687120000066
卷积，得到一维脉冲响应序列k(n)，所述一维脉冲响应序列k(n)由一系列延时的脉冲响应序列组成；
步骤S50：对所述一维脉冲响应序列k(n)使用窗函数截取p个脉冲响应序列k1(n)～kp(n)，得到线性项k1(n)；其计算公式为：
Figure BDA0002346687120000067
其中，u为单位阶跃函数，rp0为固定常数，表示第p个脉冲响应的延时量，其计算公式为：
Figure BDA0002346687120000071
步骤S60：根据所述线性项k1(n)对马达非线性模型进行判断；具体地，当所述线性项k1(n)一致时，所述线性项k1(n)为Hammerstein模型，否则为Wiener模型。
此外，本发明提供一种马达非线性模型判断系统，请参阅图4，所述马达非线性模型判断系统包括：PC10、马达20、工装30、海绵体40、加速度计50、采集卡80、第一放大器60和第二放大器70，其中，所述PC10与所述采集卡80连接，所述马达20安装在所述工装30上，所述工装30放置安装在所述海绵体40上，所述加速度计50安装在所述工装30上，所述加速度计50连接所述第一放大器60，所述第一放大器60连接所述采集卡80，第二放大器70连接采集卡80和马达20；具体地：
PC10：用于执行上述的马达非线性模型判断方法，经所述马达非线性模型判断方法得到所述线性判断后输出对数扫频信号x(n)，所述对数扫频信号x(n)为激励马达的电压信号；
马达20：为线性谐振传动器(Linear resonance driver，LRA)。
工装30：用于承载所述马达20，所述工装30与所述马达20粘性贴合；
海绵体40：用于承载所述工装30，所述工装30放置在海绵体40上以避免环境对测量结果的影响；
加速度计50：安装在所述工装30上，用于测量所述工装30在所述马达20振动方向上的输出的加速度信号y(n)。
第一放大器60：用于将所述加速度计50采集的信号进行放大；其中，第一放大器60包括输入口601和输出口602，所述输入口601连接所述加速度计50，所述输出口602将放大的信号输出至采集卡80，所述输出口602连接所述采集卡80的采集口801(AI0端口)。
第二放大器70：用于将所述激励马达的电压信号放大，并将放大的激励马达的电压信号输出至马达；所述第二放大器70包括输入口701和输出口702，所述输入口701与所述采集卡的输出口805(AO0端口)连接，所述输出口702将放大的信号反馈给马达50，同时将放大的信号输出给采集卡采集端口802(AI2端口)。
采集卡80：用于同步采集所述加速度信号y(n)和对数扫频信号x(n)；所述采集卡80包括加速度信号y(n)采集口801(AI0端口)、对数扫频信号x(n)采集口802、输出口805(AO0端口)，以及与PC10连接的输出口803和输入口804；具体在一实施例中，所述采集卡80使用NI-DAQ 4431采集卡。
与现有技术相比，本发明提供一种简便的马达非线性模型判断方法及系统，通过区分Wiener模型和Hammerstein模型在不同非线性程度下的线性项的差别，能够方便地判断出马达属于哪种模型，优化了现有技术中马达非线性模型的判断方法和系统，提升了用户体验效果。
以上所述的仅是本发明的实施方式，在此应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出改进，但这些均属于本发明的保护范围。

Claims (10)

1.一种马达非线性模型判断方法，其特征在于，所述马达非线性模型判断方法包括：
步骤S10：生成对数扫频信号x(n)；
步骤S20：将所述对数扫频信号x(n)反馈给马达，并采集所述马达输出的加速度信号y(n)；
步骤S30：生成对数扫频信号x(n)的逆信号
Figure FDA0002346687110000011
步骤S40：将所述加速度信号y(n)与所述对数扫频信号x(n)的逆信号
Figure FDA0002346687110000012
卷积，得到一维脉冲响应序列k(n)，所述一维脉冲响应序列k(n)由一系列延时的脉冲响应序列组成；
步骤S50：对所述一维脉冲响应序列k(n)使用窗函数截取各部分脉冲响应序列，得到线性项k1(n)；
步骤S60：根据所述线性项k1(n)对马达非线性模型进行判断；
其中，n是指时刻。
2.根据权利要求1所述的马达非线性模型判断方法，其特征在于，所述步骤S10生成对数扫频信号x(n)的公式为：
Figure FDA0002346687110000013
其中，A为信号幅度，ω1和ω2分别表示扫频信号的起始角频率和终止角频率，T为信号时长，N为总采样点数，同时，参数满足：
Figure FDA0002346687110000014
其中，η为整数。
3.根据权利要求1所述的马达非线性模型判断方法，其特征在于，所述步骤S30生成对数扫频信号x(n)的逆信号
Figure FDA0002346687110000015
的公式为：
Figure FDA0002346687110000021
4.根据权利要求1所述的马达非线性模型判断方法，其特征在于，所述步骤S50包括：对所述一维脉冲响应序列k(n)使用窗函数截取p个脉冲响应序列k1(n)～kp(n)，其计算公式为：
Figure FDA0002346687110000022
其中，u为单位阶跃函数，rp0为固定常数，表示第p个脉冲响应的延时量，其计算公式为：
Figure FDA0002346687110000023
5.一种马达非线性模型判断系统，其特征在于，所述马达非线性模型判断系统包括：个人计算机(Personal Computer，PC)、马达、工装、海绵体、加速度计、采集卡、第一放大器和第二放大器，其中，所述PC与所述采集卡连接，所述马达安装在所述工装上，所述工装放置安装在所述海绵体上，所述加速度计安装在所述工装上，所述加速度计连接所述第一放大器，所述第一放大器连接所述采集卡，第二放大器连接所述采集卡和马达；所述PC用于执行如权利要求1至4任一项所述的马达非线性模型判断方法，经所述马达非线性模型判断方法得到所述线性判断后输出对数扫频信号x(n)，所述对数扫频信号x(n)为激励马达的电压信号。
6.根据权利要求5所述的马达非线性模型判断系统，其特征在于，所述工装用于承载所述马达，所述工装与所述马达粘性贴合。
7.根据权利要求5所述的马达非线性模型判断系统，其特征在于，所述海绵体用于承载所述工装，所述工装放置在海绵体上以避免环境对测量结果的影响。
8.根据权利要求5所述的马达非线性模型判断系统，其特征在于，所述加速度计安装在所述工装上，用于测量所述工装在所述马达振动方向上的输出的加速度信号y(n)。
9.根据权利要求5所述的马达非线性模型判断系统，其特征在于，所述第一放大器用于将所述加速度计采集的加速度信号y(n)进行放大；所述采集卡：用于同步采集所述加速度信号y(n)和对数扫频信号x(n)。
10.根据权利要求5所述的马达非线性模型判断系统，其特征在于，所述第二放大器用于将所述激励马达的电压信号放大，并用于将放大的激励马达的电压信号输出至马达。
CN201911397438.7A 2019-12-30 2019-12-30 马达非线性模型判断方法和系统 Pending CN111539089A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911397438.7A CN111539089A (zh) 2019-12-30 2019-12-30 马达非线性模型判断方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911397438.7A CN111539089A (zh) 2019-12-30 2019-12-30 马达非线性模型判断方法和系统

Publications (1)

Publication Number Publication Date
CN111539089A true CN111539089A (zh) 2020-08-14

Family

ID=71974790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911397438.7A Pending CN111539089A (zh) 2019-12-30 2019-12-30 马达非线性模型判断方法和系统

Country Status (1)

Country Link
CN (1) CN111539089A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022110413A1 (zh) * 2020-11-30 2022-06-02 瑞声声学科技(深圳)有限公司 确定马达非线性参数的方法、装置、设备和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109901066A (zh) * 2018-12-31 2019-06-18 瑞声科技(新加坡)有限公司 马达系统辨识方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109901066A (zh) * 2018-12-31 2019-06-18 瑞声科技(新加坡)有限公司 马达系统辨识方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022110413A1 (zh) * 2020-11-30 2022-06-02 瑞声声学科技(深圳)有限公司 确定马达非线性参数的方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
US10782785B2 (en) Vibro-haptic design and automatic evaluation of haptic stimuli
US11736093B2 (en) Identifying mechanical impedance of an electromagnetic load using least-mean-squares filter
US20220404398A1 (en) Methods and systems for in-system estimation of actuator parameters
JP5788887B2 (ja) タッチセンシティブデバイス
CN101484868B (zh) 用于声学触摸系统的自动增益切换模块
WO2021174580A1 (zh) 一种振动控制方法、存储介质及设备
CN111106783B (zh) 一种信号制作方法、信号制作装置、振动马达及触屏设备
WO2020140551A1 (zh) 马达系统辨识方法
TW200530929A (en) Touch sensitive device employing bending wave vibration sensing and excitation transducers
CN110907827B (zh) 一种马达瞬态失真测量方法及系统
CN106199185B (zh) 一种基于连续对数扫频的线性脉冲响应测量方法及系统
CN110162171B (zh) 一种马达驱动信号设置方法、电子设备及存储介质
CN109871824B (zh) 基于稀疏贝叶斯学习的超声导波多模态分离方法及其系统
CN111539089A (zh) 马达非线性模型判断方法和系统
CN111964583A (zh) 马达振动位移估测方法、装置及介质
TW201328189A (zh) 訊號處理系統及方法
CN114327040A (zh) 振动信号生成方法、装置、电子设备及存储介质
Groff Estimating RC time constants using sound
CN110321020B (zh) 一种压电传感器信号噪声去除方法及装置
WO2021134323A1 (zh) 马达非线性模型判断方法和系统
CN103945306A (zh) 扬声器的磁力强度参数的侦测装置及方法
CN202582709U (zh) 一种智能分贝提醒仪
WO2022006788A1 (zh) 马达振动位移估测方法、装置及介质
CN114201051B (zh) 触觉异步反馈系统及其模型训练方法、计算机设备和介质
CN111880092B (zh) Chirp信号Hammerstein模型系统辨识方法

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