CN115189620B - 伺服电机的控制方法及控制系统 - Google Patents

Abstract

本申请公开了一种伺服电机的控制方法及控制系统。该方法包括：在启动伺服电机后，控制伺服电机的转轴以高于第一预设速度阈值的速度转动，使得主轴以快进速度从初始位置快进到预设的探测位置；在检测到主轴到达探测位置后，控制伺服电机的转轴以低于第二预设速度阈值的速度转动，使得主轴以探测速度行进至预设的接触位置；在检测到主轴到达接触位置后，控制伺服电机的转轴以高于第二预设速度阈值但低于第一预设速度阈值的速度转动，同时利用深度学习方法识别主轴的跟随误差，并基于识别结果，来调整电机的转轴的转速。本申请通过深度学习方法识别跟随误差并基于跟随误差的识别结果控制伺服电机的运转，从而能够精确控制主轴运动位置及运动速度。

Description

伺服电机的控制方法及控制系统

技术领域

本申请涉及电机领域，具体而言，涉及一种伺服电机的控制方法及控制系统。

背景技术

伺服电机是一个旋转致动器或线性致动器，能够精确控制角速度、或线的位置、速度和加速度。伺服电机包括一个与电动机相连的传感器，用于位置反馈，此外，伺服电机还包括一个控制器，用于基于外界的控制指令控制电动机的转动。

但是，现有的伺服电机在运转的过程中，没有考虑主轴的位置误差，因此无法通过精确控制伺服电机的运转而控制主轴的运动位置。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种伺服电机的控制方法及控制系统，以至少解决现有技术中伺服电机无法精确控制主轴的运动位置的技术问题。

根据本申请实施例的一个方面，提供了伺服电机的控制方法，包括：在启动所述伺服电机后，控制所述伺服电机的转轴以高于第一预设速度阈值的速度转动，使得用于压装待加工件的主轴以快进速度从初始位置快进到预设的探测位置；在检测到所述主轴到达所述探测位置后，控制所述伺服电机的转轴以低于第二预设速度阈值的速度转动，使得所述主轴以探测速度行进至预设的接触位置；在检测到所述主轴到达所述接触位置后，控制所述伺服电机的转轴以高于所述第二预设速度阈值但低于所述第一预设速度阈值的速度转动，同时利用深度学习方法识别所述主轴的跟随误差，并基于识别结果，来调整所述伺服电机的转轴的转速，使得所述主轴以压装速度行进至预设的压装位置。

根据本申请实施例的另一方面，还提供了一种伺服电机的控制系统，包括：伺服电机；控制装置，被配置为：在启动所述伺服电机后，控制所述伺服电机的转轴以高于第一预设速度阈值的速度转动，使得用于压装待加工件的主轴以快进速度从初始位置快进到预设的探测位置；在检测到所述主轴到达所述探测位置后，控制所述伺服电机的转轴以低于第二预设速度阈值的速度转动，使得所述主轴以探测速度行进至预设的接触位置；在检测到所述主轴到达所述接触位置后，控制所述伺服电机的转轴以高于所述第二预设速度阈值但低于所述第一预设速度阈值的速度转动，同时利用深度学习方法识别所述主轴的跟随误差，并基于识别结果，来调整所述伺服电机的转轴的转速，使得所述主轴以压装速度行进至预设的压装位置。

在本申请实施例中，通过深度学习方法识别主轴的跟随误差并基于跟随误差的识别结果控制伺服电机的运转，从而能够精确控制主轴的运动位置及运动速度，进而解决了现有技术中伺服电机无法精确控制主轴的运动位置的技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的一种伺服电机的控制方法的流程图；

图2为本申请实施例提供的另一种伺服电机的控制方法的流程图；

图3为本申请实施例提供的主轴的运动过程的示意图；

图4为本申请实施例提供的一种伺服电机组件的剖视图。

图5为本申请实施例提供的一种伺服压力机的整体结构示意图之一。

图6为本申请实施例提供的一种伺服压力机的初始位工作箱内部结构示意图。

图7为本申请实施例提供的一种伺服压力机的工作位工作箱内部结构示意图。

图8为本申请实施例提供的一种伺服压力机的图7中A的放大图。

图9为本申请实施例提供的一种伺服压力机的安全门组件的内部结构示意图之一。

图10为本申请实施例提供的一种伺服压力机的安全门组件的内部结构示意图之二。

图11为本申请实施例提供的一种伺服电机组件内部的结构放大图。

图12为本申请实施例提供的又一种伺服电机的控制方法的流程图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，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的实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

本申请实施例提供了一种伺服电机的控制方法，如图1所示，该方法包括：

步骤S102，在启动所述伺服电机后，控制所述伺服电机的转轴以高于第一预设速度阈值的速度转动，使得用于压装待加工件的主轴以快进速度从初始位置快进到预设的探测位置。

步骤S104，在检测到所述主轴到达所述探测位置后，控制所述伺服电机的转轴以低于第二预设速度阈值的速度转动，使得所述主轴以探测速度行进至预设的接触位置。

例如，控制伺服电机的转轴垂直压入转子铁芯，并以高于第二预设速度阈值但低于第一预设速度阈值的速度转动。

步骤S106，在检测到所述主轴到达所述接触位置后，控制所述伺服电机的转轴以高于所述第二预设速度阈值但低于所述第一预设速度阈值的速度转动，同时利用深度学习方法识别所述主轴的跟随误差，并基于识别结果，来调整所述伺服电机的转轴的转速，使得所述主轴以压装速度行进至预设的压装位置。

例如，控制伺服电机的转轴以高于第二预设速度阈值但低于第一预设速度阈值的速度转动，同时，实时检测主轴运动过程中的实时压装位置；计算实时压装位置与规划压装位置的最大位置偏差值。在计算最大位置偏差值的同时，采集电机的运转数据，利用平滑函数对电机的运转数据进行去噪处理，其中，运转数据包括以下至少之一：转速、扭矩、轴向振动数据、法向振动数据、切向振动数据；对去噪处理后的运转数据进行时频域分析，得到多个数据特征；将数据特征和最大位置偏差值输入到预先基于深度学习方法构建的误差识别模型中，利用误差识别模型识别跟随误差；并基于识别结果，来调整电机的转轴的转速。

在一个示例中，误差识别模型是通过以下步骤构建的：采集电机的历史运转数据，并对历史运转数据进行预处理；基于预处理后的历史运转数据，生成初始种群，并针对初始种群，计算目标函数；基于目标函数对初始种群中的个体进行个体适应度评估，并基于个体适应度评估的结果，对初始种群进行选择、交叉、变异生成新种群；对新种群重新进行适应度评估，得到神经网络的初始化权值和阈值，以构建误差识别模型。

在一个示例中，在压装阶段之后，该方法还包括：停止转动阶段和回退阶段。例如，接收到多个位移传感器检测到的主轴的位置数据之后，计算位置数据的平均值；基于平均值出生成压装停止指令，并基于压装停止指令控制转轴停止转动。在停止转动之后，进入回退阶段，控制伺服电机的转轴以高于第一预设速度阈值的速度反向转动，使得主轴以回程速度回退到初始位置。

在一个示例中，所述探测速度低于所述快进速度的十分之一；所述压装速度高于两倍的所述探测速度；所述回程速度在所述快进速度和0.9倍的所述快进速度之间。

本申请实施例通过深度学习方法识别跟随误差并基于跟随误差的识别结果控制伺服电机的运转，从而能够精确控制主轴的运动位置及运动速度。

实施例2

本申请实施例提供了另一种伺服电机的控制方法，如图2所示，该方法包括：

步骤S202，采集电机的历史运转数据。

电机利用传感器等测量工具测量得到电机的历史运转数据。这些测量工具可以测量电机工作时的轴向振动、法向振动、切向振动；还可以测量电机工作时的扭矩、转速、温度等。

步骤S204，处理历史运转数据。

处理历史运转数据主要是对历史运转数据进行数据清洗。数据清洗是对数据进行重新审查和校验的过程。

在传感器等测量工具测量历史运转数据时，传感器等测量工具自身误差会造成测量异常，这样就避免不了有少部分数据是不符合要求的数据。这些不符合要求的数据主要是不完整的数据、错误的数据、重复的数据等。为了减少由传感器自身测量误差造成的判断出错的概率，本申请实施例对历史运转数据进行了数据清洗，包括检测异常数据、剔除异常数据以及补充缺失数据等。

对数据清洗后的历史运转数据进行时频域分析，提取时频域的数据特征，并对所提取的数据特征进行归一化处理。

通过上述处理得到历史运转数据的数据集，将这些数据集划分为训练数据集和测试数据集。

步骤S206，构建误差识别模型。

基于BP神经网络构建误差识别模型。基于BP神经网络构建的误差识别模型是利用电机的历史运转数据以及主轴的最大位置偏差值构建的神经网络模型。

将数据处理后的电机的历史运转数据以及主轴的最大位置偏差值作为误差识别模型的输入，将是否存在跟随误差作为误差识别模型的输出，采用深度学习方法，训练BP神经网络模型，得到合适的误差识别模型。

本实施例中，利用遗传算法，通过模拟自然进化过程寻找最优解来对步骤S204中得到的数据集进行优化，确定BP神经网络的最优的初始权值和初始阈值。例如，采用随机编码生成初始种群，然后，针对初始种群，利用遗传算法，通过模拟自然进化过程来寻找最优解来对数据集进行优化，构建误差识别模型。

下面将详细描述误差识别模型的构建过程。

首先计算目标函数。目标函数用于对种群中的个体进行个体适应度评估，其中，目标函数越小，个体适应度越大。在本实施例中，引进了校正因子λ和结构风险函数J(f)，并基于校正因子λ、结构风险函数J(f)、训练数据集中的数据个数n、真实值X_k、预测值x_k来计算目标函数。本实施例中改进后的目标函数的计算公式为：

在上式中，（ X_k-x_k）是基于训练数据集的，属于经验风险，可能会导致过度拟合的现象。为了避免过度拟合的问题，本申请实施例在计算目标函数时，引入了J(f)函数和校正因子λ来对所得到的函数的结构进行风险评估。由于本实施例中的目标函数考虑了函数模型结构而进行了综合的评估，因此，避免了过度拟合的问题。

接着，针对每一代种群，进行选择、交叉、变异生成新种群。在本实施例中，对变异率算法进行了改进，引入了当前迭代次数、最大迭代次数和随机因子。具体地，根据当前迭代次数n、最大迭代次数N、取值范围为0到1之间的随机因子σ、最大变异率Pm_max、最小变异率Pm_min、每一代种群的最大适应度值f_max、变异个体的适应度值f、每一代种群的平均适应度值f_m来计算变异率。其中，计算变异率的公式为：

通过上述变异率的改进，当每一代种群中的大部分个体具有相近的适应度时，提高了大多数个体的变异率，从而显著提高了算法的稳定性，并且提高了优势群体的变化性，避免了算法陷入局部最优的困境。此外，还优化了BP神经网络的初始化权值和阈值，克服了局部最优解的问题，提高了网络收敛速度和稳定性。

最后，重新进行个体适应度评估，判断误差识别模型是否满足约束条件，如果不满足约束条件，则迭代进行种群的选择、交叉、变异，直至个体适应度评估值达到期望值满足约束条件为止；如果满足约束条件，则表示已训练好误差识别模型。

步骤S208，基于误差识别模型来控制伺服电机的运动。

图3是根据本申请实施例的主轴运动过程的示意图，如图3所示，主轴的运动分为四个阶段：快进阶段、探测阶段、压装阶段和回退阶段。

在快进阶段，控制所述伺服电机的转轴快速转动，使得主轴以快进速度从初始位置快进到预设的探测位置。本实施例中，快进阶段是主轴从初始位置到预设的探测位置的阶段。

在探测阶段，控制所述伺服电机的转轴以较慢的速度转动，使得所述主轴以探测速度行进至预设的接触位置。探测阶段是主轴从探测位置到预设的接触位置的阶段。

在压装阶段，控制所述伺服电机的转轴以略微高于探测阶段的转速的速度转动，同时利用深度学习方法识别所述主轴的跟随误差，并基于识别结果，来调整所述伺服电机的转轴的转速，使得所述主轴以压装速度行进至预设的压装位置。压装阶段是主轴从接触位置行进到预设的压装位置的阶段。

其中，所述快进速度大于所述压装速度，所述压装速度大于所述探测速度。

误差识别模型能够根据实时的测量数据识别主轴的跟随误差。通过传感器等测量工具，实时获取电机的转轴的转速、扭矩、轴向振动、法向振动以及切向振动等数据，以及主轴的运动数据例如实际压装位置，然后利用误差识别模型对主轴的运动是否发生跟随误差进行实时识别。这样，利用误差识别模型可以实时判断主轴是否存在跟随误差，并基于判断的结果，调整电机的转轴的转速。在其他的实施例中，除了调整电机的转速之外，还可以调整电机的扭矩。

本申请实施例提供的方法，在识别跟随误差时，不仅仅基于传感器测量到的主轴的位置数据，还基于电机的转速、扭矩以及振动数据，这样，有助于避免错误识别跟随误差，从而能够基于准确地识别结果来改变电机的转轴的转速和扭矩，进而能够精确地控制主轴的运动位置。

实施例3

本申请实施例提供了又一种伺服电机的控制方法。在本实施例中，将结合伺服压力机的具体操作过程来描述伺服电机的控制方法，其中，伺服电机作为伺服压力机的一部分，控制伺服压力机的操作。

在描述伺服电机的控制方法之前，本实施例将先描述伺服压力机的结构。

伺服压力机如图4至11所示包括机台框架1，机台框架1的下端安装有底箱4，机台框架1的上端安装有工作箱2，底箱4的一端安装有电控箱5，工作箱2的顶端固定安装有顶板9，顶板9的上端固定安装有电缸。

电缸包括缸筒15，缸筒15的上端固定安装有同步轮箱19，同步轮箱19的底端一侧固定安装有伺服电机18，且伺服电机18位于缸筒15的一侧，伺服电机18的转轴穿过同步轮箱19的底端位于同步轮箱19的内部，伺服电机18的转轴上固定安装有驱动同步轮32，缸筒15的上端内部通过轴承插接安装有滚珠丝杆35，且滚珠丝杆35的顶端穿过同步轮箱19的底端位于同步轮箱19的内部，滚珠丝杆35的顶端固定安装有从动同步轮34，驱动同步轮32与从动同步轮34的圆周外表面均套接有同步带33，滚珠丝杆35的圆周外表面螺纹连接有丝杆螺母36，且丝杆螺母36位于缸筒15的内部，缸筒15的内壁一侧竖直固定安装有限位杆52，与限位杆52相对应的丝杆螺母36的圆周外表面固定安装有限位块53，且限位杆52与限位块53滑动连接，丝杆螺母36的下端固定安装有主轴26，缸筒15的底端固定安装有法兰板37，且主轴26贯穿于法兰板37的内部，缸筒15的底端通过法兰板37固定安装在顶板9的上端。

通过采用伺服电机18控制滚珠丝杆35转动，进而通过丝杆螺母36带动主轴26实现升降的控制，从而能够通过调节伺服电机18的正反转改变主轴26的上下运动方向，通过调节伺服电机18的转速改变主轴26的上下运动速度，通过调节伺服电机18的输出扭力改变主轴26的输出压力，并根据压装需要精准地控制主轴26的上下运动速度以及输出压力。

主轴26的底端固定安装有压力传感器25，压力传感器25的下端固定安装有连接头22，连接头22的圆周外表面固定安装有连接杆23，连接杆23的一端固定安装有导向杆24，导向杆24贯穿在顶板9内。

位于电缸一侧的顶板9上固定安装有安全开关箱体12，安全开关箱体12包括安装板与外壳，外壳的一侧开设有上下位置调节孔13，安装板上上下相对应固定安装有两个安全支架27，且两个安全支架27之间固定安装有两个导杆28，两个导杆28上活动设置有安全开关安装板29，安全开关安装板29的一侧设置有安全开关30，安全开关30的一端为“Y”形，且安全开关30的两个分支上均设置有滚轮，位于一个导杆28的安全开关安装板29上开设有螺纹孔，螺纹孔内螺纹连接有上下位置调节手轮14，且上下位置调节手轮14的一端抵在导杆28圆周外表面，上下位置调节手轮14贯穿在上下位置调节孔13内，导向杆24的顶端固定安装有安全检测头31，且安全检测头31为两边锥形的柱状结构，将安全开关30设置在顶板9上，同时将与安全开关30搭配使用的安全检测头31通过导向杆24与连接杆23和连接头22连接，能够实时对连接头22的运动过程进行检测控制，更好的保护连接头22的运动距离，避免位移超限造成损坏的风险，其中，安全开关30的位置可以在前期根据需要进行调节固定，调节时，先拧松上下位置调节手轮14，使得安全开关安装板29能够沿着导杆28进行上下调节，然后拖动上下位置调节手轮14使得安全开关安装板29移动到所需位置，然后拧紧上下位置调节手轮14使得安全开关安装板29固定在指定位置处，此时的位置指定是指安全开关30移动到所能控制安全检测头31移动到的最低点，在电缸向下运动的过程中，由于主轴26与导向杆24之间通过连接杆23固定，因此主轴26运动到的位置的最低点受安全检测头31的限制，当安全检测头31运动触碰到安全开关30时，产生安全信号，并将信号传递给伺服电机18，停止转动，即实现了对压装最低点位置的限位保护，其中安全检测头31为两边锥形的柱状结构能够与安全开关30的两个滚轮更好的实现精密检测。

位于工作箱2一侧的机台框架1侧壁通过卡扣安装有安全门组件3，安全门组件3前侧顶端固定安装有触摸屏8，安全门组件3的前侧底端固定安装有开关盒7。

安全门组件3包括箱壳，箱壳的中间位置开设有门孔47，位于门孔47两侧的箱壳内壁上均固定安装有直线导轨41，两个直线导轨41上均滑动连接有两个直线滑块42，四个直线滑块42上均固定安装有同一个亚克力防护门38，门孔47的底端固定安装有限位底杆46。

位于一个直线导轨41一侧的箱壳内壁上固定安装有安装件，安装件上固定安装有气缸44，气缸44的伸缩杆上固定安装有连接块45，连接块45固定安装在同一个直线导轨41上的直线滑块42上，位于门孔47上端一侧的箱壳上固定安装有第一传感器48，位于门孔47下端一侧的箱壳上固定安装有第二传感器49，且第一传感器48与第二传感器49均位于门孔47的同一侧，亚克力防护门38的打开是靠气缸44带动的，气缸44的伸缩杆会通过连接块45带动直线滑块42沿着直线导轨41向上运动，使得亚克力防护门38打开，完全打开时第一传感器48会检测到完全打开的信号，同时亚克力防护门38打开过程中带动上方安装的两个第二限位卡块43向上运动。

上方的两个直线滑块42相对一侧均固定安装有第二限位卡块43，两个第二限位卡块43的相对一侧均开设有限位槽50，箱壳上内壁底端固定安装有两个第一限位卡块39，两个第一限位卡块39的底端均固定安装有柱塞40，且两个柱塞40与两个限位槽50位置相互对应，完全打开时，两个第二限位卡块43相对一侧开设的限位槽50会卡接住箱壳上安装的两个第一限位卡块39上的柱塞40，柱塞40会卡住亚克力防护门38，防止突然断气导致亚克力防护门38掉落产生事故。

连接头22的底端固定安装有模柄，工作箱2的内部底端固定安装有工作台面21，工作台面21的上端固定安装有模具安装板51，且模具安装板51位于模柄的正下方，工作台面21的四个角处均开设有安装孔，每个安装孔内均固定安装有机架20，且四个机架20的顶端均固定安装在顶板9上的四个安装孔内，四个机架20的顶端通过螺栓固定安装在顶板9上。

顶板9的上端还固定安装有安装侧板10，安装侧板10上固定安装有二联式空气组合元件11，且二联式空气组合元件11包括用于与气缸44连接的空气过滤器、减压阀和两个电磁阀，其中，将二联式空气组合元件11的一端与外界气罐连接，另一端与气缸44连接。

底箱4的底端四角处均固定安装有福马轮6，位于电缸一侧的顶板9上固定安装有保护罩16，保护罩16的上端一侧固定安装有LED警示灯17，二联式空气组合元件11、开关盒7、触摸屏8、LED警示灯17、伺服电机18、第一传感器48、第二传感器49与压力传感器25的输入端均与电控箱5的输出端电性连接，安全开关30的输出端与伺服电机18的输入端电性连接，安全开关30的输入端与电控箱5的输出端电性连接，气缸44的输入端与触摸屏8的输出端电性连接。

下面将结合伺服压力机的具体结构，来描述伺服电机的控制方法。该方法如图12所示，包括以下步骤：

步骤S1202，启动前的准备。

结合图4至11，在使用时，首先，推动该伺服压力机放置在所需工作的位置，然后调节福马轮6进行位置的固定，工作箱2的正面为一个可以打开的安全门组件3，该门为常闭状态，由搭扣扣住，打开亚克力防护门38将待冲压的物件放置在工作台面21上的模具安装板51上；其中亚克力防护门38的打开是靠气缸44带动的，将二联式空气组合元件11的一端与外界气罐连接，另一端与气缸44连接，操控触摸屏8控制气缸44伸出，气缸44的伸缩杆就会通过连接块45带动直线滑块42沿着直线导轨41向上运动，使得亚克力防护门38打开，完全打开时第一传感器48会检测到完全打开的信号，同时亚克力防护门38打开过程中带动上方安装的两个第二限位卡块43向上运动，完全打开时，两个第二限位卡块43相对一侧开设的限位槽50会卡接住箱壳上安装的两个第一限位卡块39上的柱塞40，柱塞40会卡住亚克力防护门38，防止突然断气导致亚克力防护门38掉落产生事故。

亚克力防护门38关闭时，操控触摸屏8控制气缸44伸缩杆缩回，通过连接块45带动直线滑块42沿着直线导轨41向下运动，从而使得亚克力防护门38关闭，完全关闭状态下第二传感器49会检测到完全关闭信号。

步骤S1204，在快进阶段，控制伺服电机高速转动转轴。

操控开关盒7上开关，使得伺服电机18转动。在快进阶段，控制所述伺服电机18的转轴以高于第一预设速度阈值的速度高速转动，使得主轴26以快进速度从初始位置快进到预设的探测位置。

电缸工作时，伺服电机18的转轴带动安装在转轴上的驱动同步轮32转动，在同步带33的带动下安装在从动同步轮34下端的滚珠丝杆35跟着转动，由于在滚珠丝杆35与缸筒15之间安装有轴承，因此滚珠丝杆35更容易在缸筒15内转动，滚珠丝杆35转动的过程中会带动与其螺纹连接的丝杆螺母36上下运动，该处的传动方式类似于丝杠传动原理，其中，在丝杆螺母36的外侧固定安装有限位块53，与限位块53配合滑动连接的限位杆52安装在缸筒15的内壁，这就使得滚珠丝杆35带动丝杆螺母36旋转，在限位块53与限位杆52的配合下使得丝杆螺母36只进行上下运动。伺服电机18正转，在伺服电机18的带动下滚珠丝杆35正转，进而带动丝杆螺母36反转，以带动主轴26快速向下伸出。

通过这样的方式，可以节约压装待加工件的压装时间，提高伺服压力机的加工速度。

步骤S1206，在探测阶段，控制伺服电机低速转动转轴。

在预设的探测位置附近的光电位移传感器检测到主轴运动到探测位置之后，向电控箱中的控制装置发送信号，指示主轴已抵达探测位置，控制装置基于所接收到的信号，控制伺服电机18以较低的速度转动转轴。

伺服电机18接收到控制装置的低速运转指令后，转轴以较低的转速带动安装在转轴上的驱动同步轮32转动，进而低速带动丝杆螺母36反转，最后低速带动主轴26向下运动，以探测待加工件的位置。

通过这样的方式，可以避免主轴高速冲压对待加工件造成的物理损伤，从而提高了伺服压力机的加工质量。

步骤S1208，在压装阶段，利用误差识别模型控制伺服电机转动转轴。

在预设的接触位置附近的位移传感器54检测到主轴26到达所述接触位置后，控制所述伺服电机18的转轴以高于所述第二预设速度阈值但低于所述第一预设速度阈值的速度转动。

在压装位置附近和接触位置之间，设置有多个光电位移传感器，实时采集压装阶段主轴26的运动位置，即实时压装位置，并发给控制装置。控制装置计算实时压装位置与规划压装位置的最大位置偏差值。

同时，控制装置还需要采集电机的运转数据，并对运转数据进行时频域分析，提取数据特征；将数据特征和最大位置偏差值输入到预先基于深度学习方法构建的误差识别模型中，利用误差识别模型识别跟随误差；最后基于识别结果，来调整电机的转轴的转速。误差识别模型的构建可以参考实施例2中的构建方法，此处不再赘述。

本实施例中，在压装阶段，实时监测主轴的运动位置，计算主轴的最大位置偏差值，并基于最大位置偏差值和电机的运转数据来识别主轴的跟随误差。通过这样的方式，避免了光电位移传感器的检测误差对主轴的跟随误差的影响，从而能够精确地控制主轴的运动位置、运动速度和施加压力，进而使得主轴能够以期望的速度和期望的压力来压装待加工件，提高了伺服压力机的压装质量。

步骤S1210，在回退阶段，以低于快进阶段的速度控制电机的转速。

在预设的压装位置附近的光电位移传感器检测到主轴运动到压装位置之后，向电控箱中的控制装置发送信号，指示主轴已抵达压装位置，控制装置基于所接收到的信号，向伺服电机18发送回退指令，控制伺服电机18以较高的速度反向转动转轴。

伺服电机18接收到回退指令之后，控制转轴反转，在伺服电机18的带动下滚珠丝杆35反转，进而带动丝杆螺母36正转，以带动主轴26向上缩回，为下次压装作用做准备。

本实施例通过调节伺服电机18的正反转改变主轴26的上下运动方向，通过调节伺服电机18的转速改变主轴26的上下运动速度，通过调节伺服电机18的输出扭力改变主轴26的输出压力，通过误差识别模型识别主轴26的跟随误差，并基于跟随误差的识别结果，通过伺服电机18进一步控制主轴26的速度和压力，从而能够根据压装需要精准的控制主轴26的上下运动速度、运动位置以及输出压力。

以上显示和描述了本申请的基本原理和主要特征和本申请的优点。本行业的技术人员应该了解，本申请不受上述实施例的限制，上述实施例和说明书中描述的只是说明本申请的原理，在不脱离本申请精神和范围的前提下，本申请还会有各种变化和改进，这些变化和改进都落入要求保护的本申请范围内。本申请要求保护范围由所附的项书及其等效物界定。

Claims (9)

1.一种伺服电机的控制方法，其特征在于，包括：

在启动所述伺服电机后，控制所述伺服电机的转轴以高于第一预设速度阈值的速度转动，使得用于压装待加工件的主轴以快进速度从初始位置快进到预设的探测位置；

在检测到所述主轴到达所述探测位置后，控制所述伺服电机的转轴以低于第二预设速度阈值的速度转动，使得所述主轴以探测速度行进至预设的接触位置；

在检测到所述主轴到达所述接触位置后，控制所述伺服电机的转轴以高于所述第二预设速度阈值但低于所述第一预设速度阈值的速度转动，同时利用基于深度学习方法构建的误差识别模型识别所述主轴的跟随误差，并基于识别结果，来调整所述电机的转轴的转速，使得所述主轴以压装速度行进至预设的压装位置；

其中，所述误差识别模型是通过以下步骤构建的：

采集电机的历史运转数据，并对所述历史运转数据进行预处理；

基于预处理后的所述历史运转数据，生成初始种群，并针对所述初始种群，计算目标函数；

基于所述目标函数对所述初始种群中的个体进行个体适应度评估，并基于所述个体适应度评估的评估结果，对所述初始种群进行选择、交叉、变异以生成新种群；

对所述新种群重新进行个体适应度评估，得到神经网络的初始化权值和阈值，以构建所述误差识别模型。

2.根据权利要求1所述的方法，其特征在于，在所述主轴以压装速度行进至预设的压装位置之后，所述方法还包括：控制所述伺服电机的转轴以高于所述第一预设速度阈值的速度反向转动，使得所述主轴以回程速度回退到所述初始位置，其中，所述回程速度小于所述快进速度。

3.根据权利要求2所述的方法，其特征在于，所述探测速度低于所述快进速度的十分之一；所述压装速度高于两倍的所述探测速度；所述回程速度在所述快进速度和0.9倍的所述快进速度之间。

4.根据权利要求1所述的方法，其特征在于，控制所述伺服电机的转轴的转速以高于所述第二预设速度阈值但低于所述第一预设速度阈值的速度转动，包括：控制所述伺服电机的转轴垂直压入转子铁芯，并以高于所述第二预设速度阈值但低于所述第一预设速度阈值的速度转动。

5.根据权利要求1所述的方法，其特征在于，在以高于所述第二预设速度阈值但低于所述第一预设速度阈值的速度转动之后，所述方法还包括：

接收多个位移传感器检测到的所述主轴的位置数据，并计算所述位置数据的平均值；

基于所述平均值生成压装停止指令，并基于所述压装停止指令控制所述转轴停止转动。

6.根据权利要求1至5中任一项所述的方法，其特征在于，利用深度学习方法识别所述主轴的跟随误差，并基于识别结果，来调整所述电机的转轴的转速，包括：

实时检测所述主轴运动过程中的实时压装位置；

计算所述实时压装位置与规划压装位置的最大位置偏差值；

基于所述最大位置偏差值，识别所述主轴的跟随误差，并基于所述识别结果来实时调整所述电机的转轴的转速。

7.根据权利要求6所述的方法，其特征在于，基于所述最大位置偏差值，识别所述主轴的跟随误差，并基于所述识别结果来实时调整所述电机的转轴的转速，包括：

采集所述电机的运转数据，对所述运转数据进行时频域分析，提取数据特征；

将所述数据特征和所述最大位置偏差值输入到预先基于深度学习方法构建的所述误差识别模型中，利用所述误差识别模型识别所述跟随误差；

基于所述识别结果，来调整所述电机的转轴的转速。

8.根据权利要求7所述的方法，其特征在于，采集所述电机的运转数据，对所述运转数据进行时频域分析，提取数据特征，包括：

采集所述电机的运转数据，利用平滑函数对所述电机的运转数据进行去噪处理，其中，所述运转数据包括以下至少之一：转速、扭矩、轴向振动数据、法向振动数据、切向振动数据；

对去噪处理后的所述运转数据进行时频域分析，得到多个所述数据特征。

9.一种伺服电机的控制系统，包括：

伺服电机；

控制装置，被配置为：

在启动所述伺服电机后，控制所述伺服电机的转轴以高于第一预设速度阈值的速度转动，使得用于压装待加工件的主轴以快进速度从初始位置快进到预设的探测位置；

在检测到所述主轴到达所述探测位置后，控制所述伺服电机的转轴以低于第二预设速度阈值的速度转动，使得所述主轴以探测速度行进至预设的接触位置；

在检测到所述主轴到达所述接触位置后，控制所述伺服电机的转轴以高于所述第二预设速度阈值但低于所述第一预设速度阈值的速度转动，同时利用基于深度学习方法构建的误差识别模型识别所述主轴的跟随误差，并基于识别结果，来调整所述电机的转轴的转速，使得所述主轴以压装速度行进至预设的压装位置；

其中，所述误差识别模型是通过以下步骤构建的：

采集电机的历史运转数据，并对所述历史运转数据进行预处理；

基于预处理后的所述历史运转数据，生成初始种群，并针对所述初始种群，计算目标函数；

基于所述目标函数对所述初始种群中的个体进行个体适应度评估，并基于所述个体适应度评估的评估结果，对所述初始种群进行选择、交叉、变异以生成新种群；

对所述新种群重新进行个体适应度评估，得到神经网络的初始化权值和阈值，以构建所述误差识别模型。

Images