CN113098344A - 电动工具 - Google Patents

Abstract

本公开涉及一种电动工具，所述电动工具包括电动工具主体以及为电动工具主体供电的电池包：所述电动工具主体包括：壳体；电机，由所述壳体支撑；第一监测模块，用于监测电动工具的第一运行参数；主控模块，电连接于所述第一监测模块，包括自学习控制程序，用于通过所述自学习控制程序处理所述第一运行参数，以生成适应于所述第一运行参数的第一控制信号，驱动电路，电连接于所述主控模块及所述电机，用于根据所述第一控制信号驱动所述电机运转。

Description

电动工具

技术领域

本公开涉及动力工具技术领域，尤其涉及一种电动工具。

背景技术

直流电动工具因其不需要接入AC电源，可以随意携带到任何户外工作场景去使用，即使是在室内使用，相对AC工具，其使用的空间范围也更大。因此，直流电动工具越来越广泛地被采用，在电动工具中的占比也越来越高。但直流电动工具相对AC工具的劣势在于，单包续航时间不足，即单个电池包给电动工具供电以使电动工具维持工作的时间长度不够。如果能够提高直流电动工具的单包续航时间，对直流电动工具意义重大。

发明内容

有鉴于此，本公开提出了一种电动工具，所述电动工具包括电动工具主体以及为电动工具主体供电的电池包，所述电动工具主体包括：壳体；电机，由所述壳体支撑；第一监测模块，用于监测电动工具的第一运行参数；主控模块，电连接于所述第一监测模块，包括自学习控制程序，用于通过所述自学习控制程序处理所述第一运行参数，以生成适应于所述第一运行参数的第一控制信号，驱动电路，电连接于所述主控模块及所述电机，用于根据所述第一控制信号驱动所述电机运转。

在一种可能的实施方式中，所述第一运行参数包括所述电机的转子位置、所述电机的力矩、电流、电机转速及所述电动工具的外部信息。

在一种可能的实施方式中，所述电动工具主体还包括第二监测模块，电连接于所述电池包，用于监测所述电池包的第二运行参数，其中，所述第二运行参数包括所述电池包的总电压、所述电池包内单节电芯的电压、所述电池包的温度、所述电池包内电芯电池的温度、所述电池包的容量、所述电池包的生产信息、所述电池包的最大放电电流、所述电池包的最低放电电压、所述单节电芯的最低放电电压的至少一种。

在一种可能的实施方式中，所述主控模块电连接于所述第二监测模块，用于通过所述自学习控制程序处理所述第二运行参数，以生成适应于所述第二运行参数的第二控制信号，其中，所述驱动电路还用于根据所述第二控制信号驱动所述电机运转。

在一种可能的实施方式中，所述主控模块电连接于所述第二监测模块，还用于通过所述自学习控制程序处理所述第一运行参数及所述第二运行参数，以生成第三控制信号；所述驱动电路还用于根据所述第三控制信号驱动所述电机运转。

在一种可能的实施方式中，所述监测电动工具的第一运行参数，包括：利用Spinglasses算法获取所述电机的转子位置。

在一种可能的实施方式中，所述第一监测模块包括位置传感器子模块，所述位置传感器子模块用于检测所述电机的转子位置信号，其中，所述利用Spin glasses算法获取所述电机的转子位置，包括：利用Spin glasses算法以预设采样频率通过所述位置传感器子模块获取转子位置信号；根据所述转子位置信号得到所述转子位置；其中，所述预设采样频率为所述电机的转子旋转频率。

在一种可能的实施方式中，所述利用Spin glasses算法获取所述电机的转子位置后，所述监测电动工具的第一运行参数还包括：利用Spin glasses算法确定所述转子位置的偏差；所述主控模块还用于：利用该偏差对转子的转速进行调整，纠正转子位置。

在一种可能的实施方式中，所述自学习控制程序包括Spin glasses算法、MonteCarlo算法、神经网络算法、自适应PID算法的至少一种。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出了根据本公开一实施方式的电动工具的示意图。

图2示出了根据本公开实施方式一种电动工具的框图。

图3a示出了根据本公开一实施方式的第一监测模块的执行示意图。

图3b示出了根据本公开一实施方式的第一监测模块及主控模块的执行示意图。

图4示出了根据本公开一实施方式的电动工具的框图。

图5a、图5b示出了根据本公开一实施方式的主控模块的控制示意图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

在详细解释本发明的任何实施例之前，应理解，本发明的应用不限于以下描述中阐述的或在以下附图中示出的构造细节和部件布置。本发明能够具有其他实施例并且能够以各种方式实践或实施。而且，应该理解，这里使用的措辞和术语是为了描述的目的，不应该被认为是有限的。本文中“包括”，“包含”或“具有”及其变体的使用旨在涵盖其后列出的项目及其等同物以及附加项目。术语“安装”，“连接”，“支撑”和“耦合”广泛使用并且包括直接和间接安装，连接和耦合。此外，“连接”和“耦合”不限于物理或机械连接或耦合，并且可以包括电连接或耦合，无论是直接的还是间接的。

请参阅图1，图1示出了根据本公开一实施方式的电动工具的示意图。

如图1所示，电动工具包括电动工具主体10，为电动工具主体10供电的电池包20。电动工具主体10包括与待加工工件配合的工作头40，驱动工作头旋转的电机30，将电机30的旋转动力传递给工作头的传动机构。电动工具主体10还进一步包括启动开关S2，与启动开关S2电性连接的控制装置60。控制装置60接收启动开关的信号，控制电机30的运转。使用者可操作地控制启动开关S2处于断开或闭合状态，当启动开关S2处于闭合状态时，控制装置60从电池包20获取电能，并控制电机30的运转。

由于电池包20的电容量有限，为了提高电动工具的续航能力，本公开实施方式提出的电动工具主体10可以检测本身的运行参数和/或电池包的运行参数或其他信息，并根据电动工具主体本身的运行参数、电池包运行参数、其他信息的至少一种对电动工具主体10进行自适应、自学习控制，从而可以在保证电动工具主体10正常运行的情况下，降低电能的损耗、提高电动工具的续航能力。

当然，本公开实施方式对电动工具的具体类型不做限制，电动工具可以为任意类型的包括电机、电池包的电动工具，例如，电动工具可以为电锤、电圆锯、角磨等手持类电动工具，也可以为打草机、割草机、吹风机等花园类电动工具，还可以为智能割草机、智能吸尘器等智能类电动工具。

当然，本公开实施方式对电池包的具体类型、实施方式也不做限定，电池包可以包括一节或两节以上的电芯，为电动工具主体提供电能。

下面将对本公开实施方式提出的电动工具进行示例性介绍。

请参阅图2，图2示出了根据本公开实施方式一种电动工具的框图。

如图2所示，电动工具包括电动工具主体10以及为电动工具主体供电的电池包20，电动工具主体10包括：壳体；电机30，由壳体支撑；第一监测模块12，用于监测电动工具的第一运行参数；主控模块13，电连接于第一监测模块12，包括自学习控制程序，用于通过自学习控制程序处理第一运行参数，以生成适应于第一运行参数的第一控制信号，驱动电路15，电连接于主控模块13及电机30，用于根据第一控制信号驱动电机30运转。

本公开实施例提出的电动工具，可以监测自身的第一运行参数，并利用自学习控制程序对第一运行参数进行处理，得到适应于第一运行参数的第一控制信号，以通过驱动电路对电机进行自适应控制，可以提高电动机的效率，并在电池包消耗的时间内使用较少的电流，从而节约电能，延长续航时间。

在各种可能的实现方式中，第一运行参数可以包括多种，第一控制信号可以为多种，自学习控制程序也可以包括多种实施方式，本公开不限定第一运行参数、第一控制信号、自学习控制程序的数目、种类。下面将对第一运行参数、第一控制信号、自学习控制程序的可能实施方式进行示例性介绍。

首先对自学习控制程序进行示例性介绍。

在一种可能的实施方式中，Spin glasses算法、Monte Carlo算法、神经网络算法、自适应PID算法的至少一种。

以神经网络算法为例，本公开实施例可以以多种神经网络算法为基础，构建神经网络模型。

在一个示例中，神经网络算法包括但不限于BP(Back Propagation)神经网络、径向基(RBF-Radial Basis Function)神经网络、感知器神经网络、线性神经网络、自组织神经网络、反馈神经网络等。

通过构建神经网络模型，并利用提前准备的电动工具的第一运行参数样本对神经网络模型进行训练，可以得到第一运行参数与第一控制信号之间的映射，当输入第一运行参数到训练好的神经网络模型后，训练好的神经网络模型可以根据第一运行参数进行自适应、自学习地运算，并输出预测的第一控制信号，该第一控制信号是与当前第一运行参数适应的电机的最佳控制信号。即，通过训练好的神经网络模型对第一运行参数进行处理得到的第一控制信号，可以在提高电机运行效率的同时，降低能耗，从而延长电池包的续航时间。

当然，以上对基于神经网络算法构建神经网络模型的描述是示例性的，不应视为是对本公开的限制，本领域技术人员可以利用除本公开描述的神经网络算法以外的任何神经网络算法构建神经网络模型，从而对第一运行参数进行处理得到第一控制信号。

当然，本公开实施例除了以神经网络算法、Spin glasses算法为基础得到自学习控制程序外，还可以通过Monte Carlo算法、自适应PID算法等算法得到自学习控制程序，在此不再赘述，本领域技术人员可以根据实际情况利用合适的方法、手段得到自学习控制程序。

以上对自学习控制程序进行了介绍，下面对第一运行参数、第一控制信号进行示例性介绍。

在一种可能的实施方式中，第一运行参数为反应电动工具当前的负载状态的参数，例如电机的转速，流经电机的电流，电动工具的输出扭矩等参数。

第一运行参数还可以为电动工具的外部信息。外部信息例如可以包括与电机连接的钻头的材料类型、电动工具主体的生产日期、电机的型号、当前的环境温度、湿度等。

在一个示例中，电机可以为无刷电机、用于汽车的交流电机，当电机为用于汽车的交流电机时，外部信息还可以包括汽车的行使速度等。

当然，本公开对电机的类型不做限定，对外部信息的类型不做限定，本领域技术人员可以根据需要和实际情况确定第一运行参数的类型、电机的类型、外部信息的类型。

本公开实施例提出的电机，可以包括定子和转子等，本公开主控模块13可以得到转子的转子位置，并根据转子位置控制定子进行换向。

下面将对获取电机的转子位置进行示例性介绍。

在一种可能的实施方式中，转子位置可以包括转子的角度位置。

在一种可能的实施方式中，第一监测模块12可以包括位置传感器子模块，位置传感器子模块用于检测电机的转子位置信号。

在一个示例中，位置传感器子模块可以包括一个或两个以上的位置传感器，以对转子位置进行监控，得到转子的转子位置信号。位置传感器例如可以包括霍尔传感器。当然，在一个示例中，位置传感器可以设置在电机中。

请参阅图3a，图3a示出了根据本公开一实施方式的第一监测模块的执行示意图。

在一种可能的实施方式中，如图3a所示，监测电动工具的第一运行参数，可以包括：

步骤S11，利用Spin glasses算法获取电机的转子位置。

本公开实施例通过Spin glasses算法对转子位置进行检测，可以快速得到准确的转子位置。

监测模块在一种可能的实施方式中，如图3a所示，步骤S11利用Spin glasses算法获取电机的转子位置，可以包括：

步骤S111，利用Spin glasses算法以预设采样频率通过位置传感器子模块获取转子位置信号；

步骤S112，根据转子位置信号得到转子位置；

其中，预设采样频率为电机的转子旋转频率。

在一种可能的实施方式中，本公开实施例可以利用随机数产生器产生随机数，以对预设采样频率进行扰动，从而得到变化的采样频率，以根据变化的采样频率对转子位置信号进行采样。

当然，随机数产生器产生的随机数，优选地使得采样频率可以在预定波动范围波动。

在对转子位置信号采样时，可以对每个采样频率都进行扰动，即，通过随机数产生器，在每一个采样时间，可以得到不同的采样频率，以使得每一次采样时，采样频率可以不同。

当然，随机数产生器可以被配置为产生均匀波动的随机数，以使得采样时间、采样频率可以均匀波动。

当然，对于随机数产生器产生的随机数，本公开实施例也可以进行控制，即，采样频率可以按照预设间隔变化。

应该说明的是，本公开实施例提出的随机数产生器，可以根据预设函数确定，本公开不对随机数产生器的具体实施方式进行限定，本领域技术人员可以根据需要进行设定。

在得到转子位置后，本公开实施例可以利用电机的转子位置控制定子，例如，可以根据转子位置确定定子的电流方向，以对电机进行换向。

当然，本公开对如何根据转子位置控制定子，以激励定子换向的方法不做限定，本领域技术人员可以参考相关技术。

本公开可以监测电机的转子位置，并利用转子位置来控制定子，进一步的，本公开还可以对转子位置进行纠正、更新。

请参阅图3b，图3b示出了根据本公开一实施方式的第一监测模块的执行示意图。

在一种可能的实施方式中，如图3b所示，在步骤S11利用Spin glasses算法获取电机的转子位置之后，第一监测模块还可以执行包括：

步骤S12，利用Spin glasses算法确定转子位置的偏差。

在一个示例中，本公开实施例可以记录当前转子位置，并预测一定时间(例如3mS)后的预测转子位置，并记录一定时间后的转子位置，将一定时间后的转子位置与预测转子位置进行比较，得到转子位置的偏差。

在得到转子位置的偏差后，主控模块还可以执行：

步骤S13，利用该偏差对转子的转速进行调整，纠正转子位置。

通过以上装置，本公开实施例的第一监测模块可以利用Spin glasses算法确定转子位置的偏差，在得到转子位置的偏差后，本公开实施例的主控模块可以利用该偏差对转子的转速进行调整，从而纠正转子位置。

以上对利用位置传感器获取固定位置的转子位置进行了介绍，本公开还可以利用位置传感器得到的转子位置，得到多个预定转子位置，并根据预定转子位置得到转子位置。

由于位置传感器的数目是有限的，因此，位置传感器对转子位置的检测是有限制的。在一个示例中，第一监测模块12可以包括2个以上的转子位置传感器，每个转子位置传感器均可以产生转子位置信号。然而，如果仅仅依靠位置传感器得到的转子位置信号得到转子位置，势必无法得到完整的转子位置。

例如，在90°和180°位置处分别设置有位置传感器，该两个位置传感器可以得到90°和180°位置的转子位置信号，然而，对于其他位置的转子位置信号，位置传感器却无法得到，这样，势必影响电机的正常换向。

因此，本公开实施例可以通过预设公式或预设方法，根据位置传感器得到的转子位置信号得到多个预定转子位置信号，从而使得位置传感器无法得到的位置的转子位置信号也可以被检测到。

优选地，本公开实施例可以设置一个或两个以上的检测模式，每个检测模式表示根据位置传感器得到的转子位置信号在预测转子位置的预定转子位置信号。

每一个检测模式可以对应于不同数目的预定转子位置信号，通过不同的检测模式及位置传感器得到的转子位置信号，本公开实施例可以得到多组模式数据记录。

在一种可能的实施方式中，当第一监测模块12得到多个预定转子位置信号时，主控模块13可以根据多个预定转子位置信号得到转子位置。

在一种可能的实施方式中，主控模块13可以得到一组或两组以上的模式数据记录(可以包括多个预定转子位置上的预定转置位置信号)，并根据模式数据记录得到转子位置。

通过模式数据记录，主控模块13还可以获取电机的运行状态，包括正确运行状态、错误运行状态，并根据模式数据记录之间的对比，对电机的转子位置进行纠正(例如通过改变电机的转速)。

以上对第一运行参数(第一运行参数可以反映电动工具所面临的工况，例如当前负载是轻负载还是重负载)进行了示例性介绍，下面将对第一控制信号进行示例性介绍。

在一种可能的实施方式中，第一控制信号可以包括控制电机运转的参数，例如可以包括电机的转速、电机的运行电流、电机的运行功率等。本公开实施例通过第一控制信号，可以控制电机在对应的转速、功率工作。

在一个示例中，本公开实施例可以根据第一运行参数确定当前负载的类型，例如，可以确定当前负载为轻负载，还是重负载。在确定当前负载的类型后，可以根据不同的负载类型产生不同的第一控制信号，使得第一控制信号对应的能量输出(功率输出、电流输出等)能匹配当前的工况，如重负载时可以产生第一控制信号以控制电机大功率运行，轻负载时可以产生第一控制信号以控制电机小功率运行。

这样，本公开实施例根据不同的负载类型可以控制电机的运行状况，避免在不需要消耗多余的功率时浪费能源(例如，在轻负载，可以避免大功率输出，而是输出与轻负载匹配的功率)，从而避免能源的消耗，节省电池包的能量，达到提高电池包续航能力的效果。

在一个示例中，主控模块13监测第一运行参数，利用自学习控制程序对第一运行参数进行处理得到适应于当前负载的电机状态的控制信号，并控制电池包输出适应于当前负载的功率到驱动电路15以控制电机30的工作，以达到提高电池包、电机的效率的效果。

应该说明的是，以上虽然以主控模块13利用第一运行参数得到第一控制信号为例进行了说明，但是，本公开不限于此，主控模块13还可以利用电池包的运行参数，或者电池包的运行参数与第一运行参数进行结合得到控制信号以对电机进行控制。

下面将对利用电池包的运行参数得到控制信号进行示例性介绍。

请参阅图4，图4示出了根据本公开一实施方式的电动工具的框图。

如图4所示，在一种可能的实施方式中，电动工具主体10还可以包括第二监测模块16，电连接于电池包，用于监测电池包20的第二运行参数，其中，第二运行参数包括电池包20的总电压、电池包20内单节电芯的电压、电池包20的温度、电池包20内电芯电池的温度、电池包20的容量、电池包20的生产信息、电池包20的最大放电电流、电池包20的最低放电电压、单节电芯的最低放电电压的至少一种。

当然，以上对第二运行参数的介绍是示例性的，不应视为是对本公开的限制。

在一种可能的实施方式中，主控模块13电连接于第二监测模块16，用于通过自学习控制程序处理第二运行参数，以生成适应于第二运行参数的第二控制信号，其中，驱动电路还用于根据第二控制信号驱动电机运转。

应该说明的是，对于自学习控制程序，本公开不再赘述，可以参考之前对自学习控制程序的介绍。

本公开实施例通过主控模块13对第二运行参数进行处理，得到适应于电池包状态的第二控制信号，这样，可以实现对电池包的利用率的提高。

除此之外，本公开实施例的主控模块13，还可以同时利用第一运行参数、第二运行参数得到电机的控制信号，以得到适应于电动工具主体状态、电池包状态的控制信号，从而提高电机、电池包的效率。下面将对该情形进行介绍。

在一种可能的实施方式中，主控模块13还用于通过自学习控制程序处理第一运行参数及第二运行参数，以生成第三控制信号；

驱动电路15还用于根据第三控制信号驱动电机30运转。

当然，第二控制信号、第三控制信号也可以包括电流、电压、力矩等。

本公开通过在主控模块13内配置自学习控制程序，将第一监测模块和第二监测模块的监测数据输入到预设算法中进行运算，得到匹配于当前负载情况及电池包工作状态的控制信号，经驱动电路控制电机的运转。由于该自学习控制程序具有自适应功能，其输出的控制信号能很好地匹配于当前负载情况及电池包工作状态，从而使得电机的运转匹配于当前负载情况及电池包工作状态，进而使得电机的运转既能高效率且能节省电能，同时还能降低噪声。其中高效率指的是下述两种情况中的至少一种，1)电机自身的运转效率高，2)电机的运转与负载对电机的输出要求相匹配。

下面将对主控模块的其他可能的实现方式进行介绍。

请参阅图5a、图5b，图5a、图5b示出了根据本公开一实施方式的主控模块的控制示意图。

在一种可能的实施方式中，如图5a所示，主控模块还可以用于：

步骤S1，监测电动工具主体的启动开关的状态。

步骤S3，判断启动开关是否处于闭合状态，以判断使用者是否正在操作工具。当判断结果为否时，返回步骤S1。当判断结果为是时，进入步骤S5。

步骤S5，接收第一监测模块和/或第二监测模块传递的信号。

步骤S7，将第一监测模块传递的信号和/或第二监测模块传递的信号代入到自学习控制程序中，生成控制信号(第一控制信号、第二控制信号、第三控制信号的任意一种)。由于该自学习控制程序具有自适应功能，其输出的控制信号能很好地匹配于当前负载情况及电池包工作状态。随后进入步骤S9。

在一个示例中，本公开实施例可以利用第一监测模块传递的信号(第一运行参数)生成第一控制信号，也可以利用第二监测模块传递的信号(第二运行参数)生成第二控制信号，还可以同时利用第一运行参数及第二运行参数生成第三控制信号，从而驱动电机的运转。

步骤S9，驱动电路根据控制信号控制电机的运转。

通过以上流程，本公开的主控模块可以使得电机的运转既能高效率且能节省电能，同时还能降低噪声。

当然，以上描述是示例性的，本公开实施例还可以先获取第二运行参数，从而根据第二运行参数首先确定电池包是否适合放电，在不适合放电的情况下控制电机停止运转，在适合放电的情况下，再获取第一运行参数和/或第二运行参数以生成控制信号，下面将进行示例性描述。

在一种可能的实施方式中，如图5b所示，所述主控模块还可以用于：

步骤S0，监测电动工具主体的启动开关的状态。

步骤S2，判断启动开关是否处于闭合状态，以判断使用者是否正在操作工具。当判断结果为否时，返回步骤S0。当判断结果为是时，进入步骤S4。

步骤S4，接收第二监测模块传递的信号，即关于电池包工作状态的信号(第二运行参数)。

步骤S6，判断电池包是否适合放电，即电池包还能否继续支持工具工作。当判断结果为否时，进入步骤S8。当判断结果为是时，进入步骤S10。

步骤S8，控制电机停止运转，避免导致电池包过放，影响电池包寿命，随后返回步骤S0。

步骤S10，接收第一监测模块传递的信号，即关于电机运行状态的参数信号(第一运行参数)，该参数信号可以间接反应电动工具的负载情况。

步骤S12，将第一监测模块传递的信号和第二监测模块传递的信号代入到自学习控制程序中，生成控制信号(第一控制信号、第二控制信号、第三控制信号的任意一种)。由于该自学习控制程序具有自适应功能，其输出的控制信号能很好地匹配于当前负载情况及电池包工作状态。随后进入步骤S14。

如前所述，在一个示例中，本公开实施例可以利用第一监测模块传递的信号(第一运行参数)生成第一控制信号，也可以利用第二监测模块传递的信号(第二运行参数)生成第二控制信号，还可以同时利用第一运行参数及第二运行参数生成第三控制信号，从而驱动电机的运转。

步骤S14，驱动电路根据控制信号控制电机的运转.

通过以上流程，本公开的主控模块可以使得电机的运转既能高效率且能节省电能，同时还能降低噪声。当然，本公开实施例的主控模块还可以执行其他动作，实现其他功能，本公开对此不做限定。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (9)

1.一种电动工具，其特征在于，所述电动工具包括电动工具主体以及为电动工具主体供电的电池包，

所述电动工具主体包括：

壳体；

电机，由所述壳体支撑；

第一监测模块，用于监测电动工具的第一运行参数；

主控模块，电连接于所述第一监测模块，包括自学习控制程序，用于通过所述自学习控制程序处理所述第一运行参数，以生成适应于所述第一运行参数的第一控制信号，

驱动电路，电连接于所述主控模块及所述电机，用于根据所述第一控制信号驱动所述电机运转。

2.根据权利要求1所述的电动工具，其特征在于，所述第一运行参数包括所述电机的转子位置、所述电机的力矩、电流、电机转速及所述电动工具的外部信息。

3.根据权利要求1所述的电动工具，其特征在于，所述电动工具主体还包括第二监测模块，电连接于所述电池包，用于监测所述电池包的第二运行参数，其中，所述第二运行参数包括所述电池包的总电压、所述电池包内单节电芯的电压、所述电池包的温度、所述电池包内电芯电池的温度、所述电池包的容量、所述电池包的生产信息、所述电池包的最大放电电流、所述电池包的最低放电电压、所述单节电芯的最低放电电压的至少一种。

4.根据权利要求3所述的电动工具，其特征在于，所述主控模块电连接于所述第二监测模块，用于通过所述自学习控制程序处理所述第二运行参数，以生成适应于所述第二运行参数的第二控制信号，

其中，所述驱动电路还用于根据所述第二控制信号驱动所述电机运转。

5.根据权利要求3所述的电动工具，其特征在于，

所述主控模块电连接于所述第二监测模块，还用于通过所述自学习控制程序处理所述第一运行参数及所述第二运行参数，以生成第三控制信号；

所述驱动电路还用于根据所述第三控制信号驱动所述电机运转。

6.根据权利要求1所述的电动工具，其特征在于，所述监测电动工具的第一运行参数，包括：

利用Spin glasses算法获取所述电机的转子位置。

7.根据权利要求6所述的电动工具，其特征在于，所述第一监测模块包括位置传感器子模块，所述位置传感器子模块用于检测所述电机的转子位置信号，其中，所述利用Spinglasses算法获取所述电机的转子位置，包括：

利用Spin glasses算法以预设采样频率通过所述位置传感器子模块获取转子位置信号；

根据所述转子位置信号得到所述转子位置；

其中，所述预设采样频率为所述电机的转子旋转频率。

8.根据权利要求6所述的电动工具，其特征在于，所述利用Spin glasses算法获取所述电机的转子位置后，所述监测电动工具的第一运行参数还包括：

利用Spin glasses算法确定所述转子位置的偏差；

所述主控模块还用于：

利用该偏差对转子的转速进行调整，纠正转子位置。

9.根据权利要求1所述的电动工具，其特征在于，所述自学习控制程序包括Spinglasses算法、Monte Carlo算法、神经网络算法、自适应PID算法的至少一种。

Images