CN111600519A - 伺服电机控制方法、装置、电子设备及存储介质 - Google Patents
伺服电机控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111600519A CN111600519A CN202010456641.3A CN202010456641A CN111600519A CN 111600519 A CN111600519 A CN 111600519A CN 202010456641 A CN202010456641 A CN 202010456641A CN 111600519 A CN111600519 A CN 111600519A
- Authority
- CN
- China
- Prior art keywords
- angular velocity
- servo motor
- value
- detection
- samples
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 143
- 238000003062 neural network model Methods 0.000 claims abstract description 57
- 238000004364 calculation method Methods 0.000 claims description 28
- 238000012795 verification Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/34—Modelling or simulation for control purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/14—Estimation or adaptation of motor parameters, e.g. rotor time constant, flux, speed, current or voltage
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
- H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
- H02P25/022—Synchronous motors
- H02P25/024—Synchronous motors controlled by supply frequency
- H02P25/026—Synchronous motors controlled by supply frequency thereby detecting the rotor position
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P2207/00—Indexing scheme relating to controlling arrangements characterised by the type of motor
- H02P2207/05—Synchronous machines, e.g. with permanent magnets or DC excitation
Abstract
本申请提供了一种伺服电机控制方法、装置、电子设备及存储介质。该伺服电机控制方法,包括以下步骤:获取伺服电机在开环运行状态下的电流信息;获取伺服电机的角速度传感器检测得到的角速度检测值;将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型,以计算所述伺服电机当前的实际角速度值;根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。本申请可以提高角速度调整的精确度。
Description
技术领域
本申请涉及伺服电机控制技术领域,具体而言,涉及一种伺服电机控制方法、装置、电子设备及存储介质。
背景技术
伺服电机也即是永磁同步电动机广泛应用于各种领域,作为动力源进行动力输出,例如,在汽车、智能机器人以及传送机构等领域。相对于其他电动机,伺服电机最大的优势在于:伺服电机带有检测角度的传感器,能为实际工程应用实现高精度的闭环控制提供所需要的反馈值。但是,由于传感器造成的误差:如制造误差、安装误差等,致使电机不能获得较高的控制精度。
因此,现有技术急需一种能提高检测误差从而提高控制精度的伺服电机。
发明内容
本申请实施例的目的在于提供一种伺服电机控制方法、装置、电子设备及存储介质,可以提高角速度调整的精确度。
第一方面,本申请实施例提供了一种伺服电机控制方法,包括以下步骤:
获取伺服电机在开环运行状态下的电流信息;
获取伺服电机的角速度传感器检测得到的角速度检测值;
将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型,以计算所述伺服电机当前的实际角速度值;
根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。
可选地,在本申请实施例提供的伺服电机控制方法中,还包括以下步骤:
获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本,所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本,所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本;
将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练,以得到经过训练的目标神经网络模型。
可选地,在本申请实施例提供的伺服电机控制方法中,所述将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练,以得到经过训练的目标神经网络模型的步骤包括:
从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型,以获取对应的角速度计算值;
根据所述角速度计算值以及对应实际角速度样本对所述初始神经网络模型的权重参数进行更新,以得到更新后的初始神经网络模型;
根据所述角速度计算值以及对应实际角速度样本计算所述初始神经网络的损失函数,并对所述损失函数的误差范围进行判断;
若所述误差范围大于预设阈值,则返回至所述从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型的步骤;
若所述误差范围小于预设阈值,则将更新后的初始神经网络模型作为目标神经网络模型。
可选地,在本申请实施例提供的伺服电机控制方法中,所述根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值的步骤包括:
根据所述角速度检测值以及所述实际角速度计算误差值;
根据所述电流信息获取对应的补偿系数;
根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。
可选地,在本申请实施例提供的伺服电机控制方法中,所述获取伺服电机在开环运行状态下的电流信息的步骤包括:
获取伺服电机在开环运行状态下的Q轴电流值;
获取伺服电机在开环运行状态下的Z轴电流值。
第二方面,本申请实施例还提供了一种伺服电机控制装置,包括:
第一获取模块,用于获取伺服电机在开环运行状态下的电流信息;
第二获取模块,用于获取伺服电机的角速度传感器检测得到的角速度检测值;
第一计算模块,用于将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型,以计算所述伺服电机当前的实际角速度值;
第二计算模块,用于根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。
可选地,在本申请所述的伺服电机控制装置中,还包括:
第三获取模块,用于获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本,所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本,所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本;
训练模块,用于将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练,以得到经过训练的目标神经网络模型。
可选地,在本申请所述的伺服电机控制装置中,所述第二计算模块包括:
第一计算单元,用于根据所述角速度检测值以及所述实际角速度计算误差值;
第一获取单元,用于根据所述电流信息获取对应的补偿系数;
第二计算单元,用于根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。
第三方面,本申请实施例提供一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上述第一方面提供的所述方法中的步骤。
第四方面,本申请实施例提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
由上可知,本申请通过获取伺服电机在开环运行状态下的电流信息;获取伺服电机的角速度传感器检测得到的角速度检测值;将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型,以计算所述伺服电机当前的实际角速度值;根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值;从而实现对该角速度进行补偿,可以提高角速度调整的精确度。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1为本申请实施例提供的伺服电机控制方法的一种流程图。
图2为本申请实施例提供的伺服电机控制装置的一种结构示意图。
图3为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的一种伺服电机控制方法的流程图,伺服电机控制方法包括以下步骤:
S101、获取伺服电机在开环运行状态下的电流信息。
S102、获取伺服电机的角速度传感器检测得到的角速度检测值。
S103、将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型,以计算所述伺服电机当前的实际角速度值。
S104、根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。
其中,在该步骤S101中,根据伺服电机的等效方程,获取伺服电机的开环运行方程。从而得到该开环运行状态下的开环运行方程,然后根据该开环运行方程进行运行,然后测量得该伺服电机的Q轴电流以及D轴电流。其中,该电流信息包括该Q轴电流以及D轴电。
其中,在该步骤S102中,该角速度传感器每隔预设时间段上传一次角速度检测值,例如1秒,该角速度检测值可能存在由于该角速度传感器安装导致的误差,或者本身误差,因此,该角速度检测值与实际值有一定差距。
其中,在该步骤S103中,该预先训练的目标神经网络为通过多种运行状态下的检测样本及对应的验证样本训练得到。具体地,在一些实施例中, 该步骤S103之前,还包括以下步骤:
S1、获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本,所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本,所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本。S2、将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练,以得到经过训练的目标神经网络模型。
其中,在该步骤S1中,该检测样本包括多个样本对,每一样本对包括检测电流样本及角速度检测值样本,该验证样本包括多个对应的角速度检测值样本,该多个角速度检测值样本与该多个样本对一一对应。其中,该初始神经网络模型可以采用现有技术中的现有模型,然后将其权重参数设置为随机值。其中,在该步骤S2中,可以采用多个检测样本对该初始神经网络模型进行训练得到。
具体地,在一些实施例中,该步骤S2包括:
S21、从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型,以获取对应的角速度计算值;S22、根据所述角速度计算值以及对应实际角速度样本对所述初始神经网络模型的权重参数进行更新,以得到更新后的初始神经网络模型;S23、根据所述角速度计算值以及对应实际角速度样本计算所述初始神经网络的损失函数,并对所述损失函数的误差范围进行判断;S24、若所述误差范围大于预设阈值,则返回至所述从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型的步骤;S25、若所述误差范围小于预设阈值,则将更新后的初始神经网络模型作为目标神经网络模型。
其中,该预设阈值根据该误差的范围进行设置。当然,也可以采用其他经验值。
其中,在该步骤S104中,在设置该角速度补偿值时,可以直接根据该角速度检测值与该实际角速度的误差值来进行计算,二者相同。在另一些实施例中,可以跟电流信息进行结合。由于,该角速度传感器在检测该角速度检测值时,其误差跟该电流的大小相关,该伺服电机的电流越大,误差越大,因此,可以根据当前检测得到的电流信息来设置对应的补偿系数。具体地,该步骤S104包括:S1041、根据所述角速度检测值以及所述实际角速度计算误差值;S1042、根据所述电流信息获取对应的补偿系数;S1043、根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。
其中,该补偿系数可以采用有限次数试验来总结得出,不同的电流区间对应不同的补偿系数。
由上可知,本申请实施例提供的方法通过获取伺服电机在开环运行状态下的电流信息;获取伺服电机的角速度传感器检测得到的角速度检测值;将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型,以计算所述伺服电机当前的实际角速度值;根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值;从而实现对该角速度进行补偿,可以提高角速度调整的精确度。
参照图2,图2是本申请一些实施例中的一种伺服电机控制装置,包括:第一获取模块201、第二获取模块202、第一计算模块203、第二计算模块204。
其中,该第一获取模块201用于获取伺服电机在开环运行状态下的电流信息;根据伺服电机的等效方程,获取伺服电机的开环运行方程。从而得到该开环运行状态下的开环运行方程,然后根据该开环运行方程进行运行,然后测量得该伺服电机的Q轴电流以及D轴电流。其中,该电流信息包括该Q轴电流以及D轴电。
其中,该第二获取模块202用于获取伺服电机的角速度传感器检测得到的角速度检测值;该角速度传感器每隔预设时间段上传一次角速度检测值,例如1秒,该角速度检测值可能存在由于该角速度传感器安装导致的误差,或者本身误差,因此,该角速度检测值与实际值有一定差距。
其中,该第一计算模块203用于将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型,以计算所述伺服电机当前的实际角速度值;该预先训练的目标神经网络为通过多种运行状态下的检测样本及对应的验证样本训练得到。具体地,在一些实施例中, 该装置还包括训练模块;训练模块用于获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本,所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本,所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本,将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练,以得到经过训练的目标神经网络模型。
其中,该检测样本包括多个样本对,每一样本对包括检测电流样本及角速度检测值样本,该验证样本包括多个对应的角速度检测值样本,该多个角速度检测值样本与该多个样本对一一对应。其中,该初始神经网络模型可以采用现有技术中的现有模型,然后将其权重参数设置为随机值。其中,可以采用多个检测样本对该初始神经网络模型进行训练得到。
具体地,在一些实施例中,从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型,以获取对应的角速度计算值;根据所述角速度计算值以及对应实际角速度样本对所述初始神经网络模型的权重参数进行更新,以得到更新后的初始神经网络模型;根据所述角速度计算值以及对应实际角速度样本计算所述初始神经网络的损失函数,并对所述损失函数的误差范围进行判断;若所述误差范围大于预设阈值,则返回至所述从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型的步骤;若所述误差范围小于预设阈值,则将更新后的初始神经网络模型作为目标神经网络模型。
其中,该预设阈值根据该误差的范围进行设置。当然,也可以采用其他经验值。
其中,该第二计算模块204用于根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。在设置该角速度补偿值时,可以直接根据该角速度检测值与该实际角速度的误差值来进行计算,二者相同。在另一些实施例中,可以跟电流信息进行结合。由于,该角速度传感器在检测该角速度检测值时,其误差跟该电流的大小相关,该伺服电机的电流越大,误差越大,因此,可以根据当前检测得到的电流信息来设置对应的补偿系数。具体地,该第二计算模块204用于:根据所述角速度检测值以及所述实际角速度计算误差值;根据所述电流信息获取对应的补偿系数;根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。
其中,该补偿系数可以采用有限次数试验来总结得出,不同的电流区间对应不同的补偿系数。
在本申请所述的伺服电机控制装置中,还包括:第三获取模块,用于获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本,所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本,所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本;训练模块,用于将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练,以得到经过训练的目标神经网络模型。
第二计算模块204包括:第一计算单元,用于根据所述角速度检测值以及所述实际角速度计算误差值;第一获取单元,用于根据所述电流信息获取对应的补偿系数;第二计算单元,用于根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。
由上可知,本申请实施例提供的装置通过获取伺服电机在开环运行状态下的电流信息;获取伺服电机的角速度传感器检测得到的角速度检测值;将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型,以计算所述伺服电机当前的实际角速度值;根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值;从而实现对该角速度进行补偿,可以提高角速度调整的精确度。
请参照图3,图3为本申请实施例提供的一种电子设备的结构示意图,本申请提供一种电子设备3,包括:处理器301和存储器302,处理器301和存储器302通过通信总线303和/或其他形式的连接机构(未标出)互连并相互通讯,存储器302存储有处理器301可执行的计算机程序,当计算设备运行时,处理器301执行该计算机程序,以执行时执行上述实施例的任一可选的实现方式中的方法,以实现以下功能:获取伺服电机在开环运行状态下的电流信息;获取伺服电机的角速度传感器检测得到的角速度检测值;将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型,以计算所述伺服电机当前的实际角速度值;根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。
本申请实施例提供一种存储介质,所述计算机程序被处理器执行时,执行上述实施例的任一可选的实现方式中的方法。其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random AccessMemory, 简称SRAM),电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory, 简称EEPROM),可擦除可编程只读存储器(Erasable ProgrammableRead Only Memory, 简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-Only Memory, 简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,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单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种伺服电机控制方法,其特征在于,包括以下步骤:
获取伺服电机在开环运行状态下的电流信息;
获取伺服电机的角速度传感器检测得到的角速度检测值;
将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型,以计算所述伺服电机当前的实际角速度值;
根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。
2.根据权利要求1所述的伺服电机控制方法,其特征在于,还包括以下步骤:
获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本,所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本,所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本;
将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练,以得到经过训练的目标神经网络模型。
3.根据权利要求2所述的伺服电机控制方法,其特征在于,所述将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练,以得到经过训练的目标神经网络模型的步骤包括:
从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型,以获取对应的角速度计算值;
根据所述角速度计算值以及对应实际角速度样本对所述初始神经网络模型的权重参数进行更新,以得到更新后的初始神经网络模型;
根据所述角速度计算值以及对应实际角速度样本计算所述初始神经网络的损失函数,并对所述损失函数的误差范围进行判断;
若所述误差范围大于预设阈值,则返回至所述从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型的步骤;
若所述误差范围小于预设阈值,则将更新后的初始神经网络模型作为目标神经网络模型。
4.根据权利要求1所述的伺服电机控制方法,其特征在于,所述根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值的步骤包括:
根据所述角速度检测值以及所述实际角速度计算误差值;
根据所述电流信息获取对应的补偿系数;
根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。
5.根据权利要求1所述的伺服电机控制方法,其特征在于,所述获取伺服电机在开环运行状态下的电流信息的步骤包括:
获取伺服电机在开环运行状态下的Q轴电流值;
获取伺服电机在开环运行状态下的Z轴电流值。
6.一种伺服电机控制装置,其特征在于,包括:
第一获取模块,用于获取伺服电机在开环运行状态下的电流信息;
第二获取模块,用于获取伺服电机的角速度传感器检测得到的角速度检测值;
第一计算模块,用于将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型,以计算所述伺服电机当前的实际角速度值;
第二计算模块,用于根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。
7.根据权利要求6所述的伺服电机控制装置,其特征在于,还包括:
第三获取模块,用于获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本,所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本,所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本;
训练模块,用于将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练,以得到经过训练的目标神经网络模型。
8.根据权利要求6所述的伺服电机控制方法,其特征在于,所述第二计算模块包括:
第一计算单元,用于根据所述角速度检测值以及所述实际角速度计算误差值;
第一获取单元,用于根据所述电流信息获取对应的补偿系数;
第二计算单元,用于根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。
9.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-5任一所述方法中的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时运行如权利要求1-5任一所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010456641.3A CN111600519B (zh) | 2020-05-26 | 2020-05-26 | 伺服电机控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010456641.3A CN111600519B (zh) | 2020-05-26 | 2020-05-26 | 伺服电机控制方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111600519A true CN111600519A (zh) | 2020-08-28 |
CN111600519B CN111600519B (zh) | 2024-02-23 |
Family
ID=72181360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010456641.3A Active CN111600519B (zh) | 2020-05-26 | 2020-05-26 | 伺服电机控制方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111600519B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112366998A (zh) * | 2020-11-06 | 2021-02-12 | 珠海格力电器股份有限公司 | 电机控制方法、装置及系统 |
CN113114079A (zh) * | 2021-04-07 | 2021-07-13 | 三一重机有限公司 | 电动挖掘机主驱电机控制方法、系统及电动挖掘机 |
CN113608118A (zh) * | 2021-07-06 | 2021-11-05 | 深圳市研控自动化科技有限公司 | 伺服端子机的异常检测方法、设备及计算机可读存储介质 |
CN117478017A (zh) * | 2023-12-27 | 2024-01-30 | 东莞市天一精密机电有限公司 | 一种伺服电机的控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19990069837A (ko) * | 1998-02-13 | 1999-09-06 | 구자홍 | 인버터를 이용한 유도 전동기의 속도 보상장치 |
JP2000299984A (ja) * | 1999-04-13 | 2000-10-24 | Yaskawa Electric Corp | 三相/単相pwmサイクロコンバータの制御装置 |
JP2011097763A (ja) * | 2009-10-30 | 2011-05-12 | Jtekt Corp | モータ制御装置および車両用操舵装置 |
CN103269200A (zh) * | 2013-05-30 | 2013-08-28 | 西安空间无线电技术研究所 | 一种星载大惯量负载机构高稳速驱动控制方法 |
US20140111130A1 (en) * | 2011-06-30 | 2014-04-24 | Ntn Corporation | Motor drive device |
CN108199637A (zh) * | 2017-12-29 | 2018-06-22 | 深圳市汇川技术股份有限公司 | 旋转变压器位置解码误差补偿方法及系统 |
CN110535391A (zh) * | 2018-05-24 | 2019-12-03 | 广州市香港科大霍英东研究院 | 伺服电机角度误差的补偿方法、系统及装置 |
CN110829934A (zh) * | 2019-11-27 | 2020-02-21 | 华南理工大学 | 基于确定学习与模式控制的永磁交流伺服智能控制系统 |
-
2020
- 2020-05-26 CN CN202010456641.3A patent/CN111600519B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19990069837A (ko) * | 1998-02-13 | 1999-09-06 | 구자홍 | 인버터를 이용한 유도 전동기의 속도 보상장치 |
JP2000299984A (ja) * | 1999-04-13 | 2000-10-24 | Yaskawa Electric Corp | 三相/単相pwmサイクロコンバータの制御装置 |
JP2011097763A (ja) * | 2009-10-30 | 2011-05-12 | Jtekt Corp | モータ制御装置および車両用操舵装置 |
US20140111130A1 (en) * | 2011-06-30 | 2014-04-24 | Ntn Corporation | Motor drive device |
CN103269200A (zh) * | 2013-05-30 | 2013-08-28 | 西安空间无线电技术研究所 | 一种星载大惯量负载机构高稳速驱动控制方法 |
CN108199637A (zh) * | 2017-12-29 | 2018-06-22 | 深圳市汇川技术股份有限公司 | 旋转变压器位置解码误差补偿方法及系统 |
CN110535391A (zh) * | 2018-05-24 | 2019-12-03 | 广州市香港科大霍英东研究院 | 伺服电机角度误差的补偿方法、系统及装置 |
CN110829934A (zh) * | 2019-11-27 | 2020-02-21 | 华南理工大学 | 基于确定学习与模式控制的永磁交流伺服智能控制系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112366998A (zh) * | 2020-11-06 | 2021-02-12 | 珠海格力电器股份有限公司 | 电机控制方法、装置及系统 |
CN113114079A (zh) * | 2021-04-07 | 2021-07-13 | 三一重机有限公司 | 电动挖掘机主驱电机控制方法、系统及电动挖掘机 |
CN113608118A (zh) * | 2021-07-06 | 2021-11-05 | 深圳市研控自动化科技有限公司 | 伺服端子机的异常检测方法、设备及计算机可读存储介质 |
CN117478017A (zh) * | 2023-12-27 | 2024-01-30 | 东莞市天一精密机电有限公司 | 一种伺服电机的控制方法 |
CN117478017B (zh) * | 2023-12-27 | 2024-04-09 | 东莞市天一精密机电有限公司 | 一种伺服电机的控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111600519B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111600519B (zh) | 伺服电机控制方法、装置、电子设备及存储介质 | |
CN105629727B (zh) | 一种电机位置伺服系统自适应输出反馈鲁棒控制方法 | |
CN104485866B (zh) | 基于高阶滑模微分器的电机间接自适应鲁棒输出反馈控制方法 | |
WO2012114493A1 (ja) | 放電加工装置および放電加工システム | |
CN110109441B (zh) | 一种激光惯组故障预测方法和系统 | |
CN103808349B (zh) | 矢量传感器的误差校正方法和装置 | |
KR20200131831A (ko) | 센서 교정 | |
CN105978725A (zh) | 一种基于传感器网络的非脆弱性分布式故障估计方法 | |
CN105783900B (zh) | 一种传感器数据的校准方法及装置 | |
CN114061559B (zh) | 光纤陀螺零偏漂移的补偿方法、系统和计算机存储介质 | |
US11573120B2 (en) | Method for adjusting parameters of a device having a weighing sensor | |
CN113391551B (zh) | 电机电角度补偿方法、装置、电子设备及存储介质 | |
US20240014766A1 (en) | Apparatus and method for determining a temperature of a rotor | |
CN105488331A (zh) | 数据处理方法及装置 | |
Zhao et al. | Fault accommodation for a class of nonlinear uncertain systems with event-triggered input | |
Liu et al. | A new residual evaluation function based fault diagnosis for a kind of nonlinear systems | |
CN111475966A (zh) | 一种基于数字孪生的电力电子电路故障诊断方法 | |
CN107831668B (zh) | 一种适用于随动控制自适应检测的方法及系统 | |
CN114440866B (zh) | 一种传感器数据校准方法及校准系统 | |
Busarello et al. | A tutorial on implementing kalman filters with commonly used blocks | |
CN103196450A (zh) | 基于模拟电路形式的卡尔曼滤波方法及模拟电路 | |
CN113653525B (zh) | 放顶煤控制的矫正方法、装置和电子设备 | |
CN112629562A (zh) | 一种基于imu传感器的组装补偿方法及装置 | |
CN113267264B (zh) | 一种温度传感器的温度检测方法、系统、设备以及介质 | |
CN116827475B (zh) | 基于物联网的流量计时钟同步方法、装置、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |