一种基于迁移神经网络的交流伺服控制系统技术方案

本发明专利技术公开了一种基于迁移神经网络的交流伺服控制系统，该控制系统包括上位机、电机控制卡、DSP控制器、伺服驱动器、伺服电源、霍尔元件、伺服电机以及光电编码器。所述上位机通过PCI总线连接于电机控制卡，所述电机控制卡通过串口与DSP控制器相连，所述伺服驱动器、霍尔元件、伺服电机依次连接于DSP控制器，所述光电编码器与伺服电机和DSP控制器相连。本发明专利技术采用DSP微处理器根据控制卡的位置命令值减去位置反馈值作为控制量误差，并使用基于迁移学习的深度神经网络算法产生电机速度控制信号，有效地解决了神经网络控制算法需要大量训练样本的不足。

【技术实现步骤摘要】

本专利技术涉及交流伺服控制系统，具体涉及一种基于迁移神经网络的交流伺服控制系统。
技术介绍
伺服电机又称执行电动机，在自动控制系统中，它的转矩和转速受信号电压控制。当信号电压的大小和相位发生变化时，电动机的转速和转动方向将非常灵敏和准确地跟着变化。当信号消失时，转子能及时地停转。进入21世纪，交流伺服系统越来越成熟，市场呈现快速多元化发展，国内外众多品牌进入市场竞争。目前交流伺服技术已成为工业自动化的支撑性技术之一。现代交流伺服系统最早被应用到宇航和军事领域，比如火炮、雷达控制。逐渐进入到工业领域和民用领域。工业应用主要包括高精度数控机床、机器人和其他广义的数控机械，比如纺织机械、印刷机械、包装机械、医疗设备、半导体设备、邮政机械、冶金机械、自动化流水线、各种专用设备等。其中伺服用量最大的行业依次是：机床、食品包装、纺织、电子半导体、塑料、印刷和橡胶机械，合计超过75％。交流伺服系统的相关技术，一直随着用户的需求而不断发展。电动机、驱动、传感和控制技术等关联技术的不断变化、造就了各种各样的配置。就电动机而言，可以采用盘式电机、无铁芯电机、直线电机、外转子电机等，驱动器可以采用各种功率电子元件，传感和反馈装置可以是不同精度、性能的编码器、旋变和霍尔元件，控制技术从采用单片机开始，一直到采用高性能DSP和各种可编程模块。目前，我国现有的常见的交流伺服控制系统主要采用单片机作为控制器进行伺服驱动，体积小、经济性好，但是计算性能不佳，难以应用于计算量大的现代控制算法例如模糊神经网络和神经元控制等控制策略。然而神经网络控制算法需要使用大量有标记的训练样本，且一个伺服驱动器的神经网络模型，无法应用于另一个伺服驱动器。然而在实际生产过程中，难以获得大量有标记的训练样本，通常是大量无标记的训练样本，因此神经网络模型难以推广应用。通过相关专利查询，发现有以下的公开文献：专利“基于神经网络的伺服控制系统及方法”[申请号CN200910236904.3]公开了一种位置伺服系统，使用神经网络控制器，用于接收模型误差、误差微分并输出神经网络控制器输出进行伺服操作。该专利所使用的神经网络控制器需要依赖于大量有标记的运行数据用于训练神经网络。专利“基于RBF神经网络的伺服控制系统及方法”[申请号CN200910093591.0]提出一种应用于伺服系统的神经网络自适应控制方法，包括前馈控制器、PID控制器、神经网络控制器、鲁棒项、加法器、伺服执行装置，该方案实现了对伺服系统的非线性补偿和干扰抑制，提高了伺服系统的跟踪精度和鲁棒性。该专利同样需要大量伺服系统的有标记运行数据用于训练神经网络，以提高神经网络的控制性能。专利“一种基于DSP的嵌入式智能控制器”[申请号CN200610008276.X]在硬件上主要包括：DSP处理单元，复杂可编程逻辑器件(CPLD)，FLASH程序存储器，AD转换器，DA转换器，FIFO存储器，CAN总线通信模块。通过多种优化设计，着力提高系统运作效率和处理能力，同时具有良好的扩展性。在控制软件方面，本控制器内嵌了复合神经网络等多种先进控制算法，能够在线调整、优化控制参数，提高实时控制性能。该专利所使用的复合神经网络，与传统神经网络相比较，具有收敛快、计算简单的效果，但是仍然需要大量的有标记数据进行训练网络。通过上述专利分析，发现现有方案采用需要大量有标记数据进行训练的智能控制算法，然而实际中，一个新的伺服电机需要运行很长时间后，才能给获得大量有标记的运行数据。
技术实现思路
本专利技术目的在于克服现有技术的不足，尤其解决现有的技术方案缺乏大量有标记训练数据、调节速度慢、动态响应能力差等问题。提供一种基于DSP的交流伺服控制系统，该装置使用DSP控制器，结合迁移神经网络控制算法，无需大量有标记的伺服系统训练数据，只需要少量伺服系统的有标记训练数据，便可以实现精度高、稳定性好的控制效果。为解决上述技术问题，本专利技术采用如下的技术方案：一种基于迁移神经网络的交流伺服控制系统，包括上位机、电机控制卡、DSP控制器、伺服驱动器、伺服电源、霍尔元件、伺服电机以及光电编码器，其特征在于，其中：所述上位机通过PCI总线连接于电机控制卡，所述电机控制卡通过串口与DSP控制器相连，其中，所述电机控制卡根据上位机指令生成脉冲序列，脉冲个数、位置、频率及频率变化率、加速度均由上位机控制；所述伺服驱动器、霍尔元件、伺服电机依次连接于DSP控制器，所述光电编码器与伺服电机和DSP控制器相连，其中，所述DSP控制器根据所述伺服驱动器输出的控制值和所述光电编码器的角度反馈值、所述霍尔元件的速度反馈值产生误差信号，使用调节算法对误差信号进行计算产生电机控制信号；所述霍尔元件用于检测伺服电机的相电流作为速度反馈值；所述光电编码器将伺服电机的旋转角度转换为正交的电脉冲信号作为角度反馈值；一种交流伺服系统所实现的深度神经网络控制方法，其特征在于，包括网络结构设计、数据集预处理、无监督训练、有监督训练等步骤，具体包括：S1，利用某个伺服电机设备上的已有大量运行数据，构建一个交流伺服电机的深度神经网络模型。S2，用目标伺服电机已有的少量运行数据，让深度神经网络进行迁移学习，以适应目标伺服电机上的运行变化趋势；S3，对目标伺服电机的误差值进行控制量输出计算。进一步地，所述深度神经网络控制方法，其特征在于，所述步骤S2采用的迁移学习方法是通过用目标伺服电机上得到的少量数据对已有深度神经网络模型再次进行训练，微调权值来适应目标设备。附图说明图1是本专利技术的一个具体实施例的结构示意图。图2是本专利技术的一个具体实施方式中构造神经网络的方法流程图。具体实施方式下面结合附图及具体实施例对本专利技术进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本专利技术，而非对本专利技术的限定。参见图1，一种基于迁移神经网络的交流伺服控制系统，包括上位机1、电机控制卡2、DSP控制器3、伺服驱动器4、伺服电源5、霍尔元件6、伺服电机7以及光电编码器8，其中：所述上位机1通过PCI总线连接于电机控制卡2，所述电机控制卡2通过串口与DSP控制器3相连，其中，所述电机控制卡2根据上位机1指令生成脉冲序列，脉冲个数、位置、频率及频率变化率、加速度均由上位机1控制；所述伺服驱动器4、霍尔元件6、伺服电机7依次连接于DSP控制器3，所述光电编码器8与伺服电机7和DSP控制器3相连，其中，所述DSP控制器3根据所述伺服驱动器4输出的控制值和所述光电编码器8的角度反馈值、所述霍尔元件6的速度反馈值产生误差信号，使用调节算法对误差信号进行计算产生电机控制信号；所述霍尔元件6用于检测伺服电机7的相电流作为速度反馈值；所述光电编码器8将伺服电机7的旋转角度转换为正交的电脉冲信号作为角度反馈值；优选地，所述霍尔元件6使用电磁隔离霍尔传感器电路来检测伺服电机7的相电流，进行A/D转换后，传输到DSP控制器3；电源开关使用5V电压转3.3V电压供电；PWM输出通过光耦元件使得传输PWM控制信号时，控制电路与功率电路相分离；所述DSP控制器3可外接存储器扩展，增加计算效率。参见图2，一种交流伺服系统所实现的深度神经网络控制方法，其特征在于，包括网络结构设计、数据集预处理、无监督训练、有监督训练等本文档来自技高网...

【技术保护点】
一种基于迁移神经网络的交流伺服控制系统，包括上位机、电机控制卡、DSP控制器、伺服驱动器、伺服电源、霍尔元件、伺服电机以及光电编码器，其特征在于，其中：所述上位机通过PCI总线连接于电机控制卡，所述电机控制卡通过串口与DSP控制器相连，其中，所述电机控制卡根据上位机指令生成脉冲序列，脉冲个数、位置、频率及频率变化率、加速度均由上位机控制；所述伺服驱动器、霍尔元件、伺服电机依次连接于DSP控制器，所述光电编码器与伺服电机和DSP控制器相连，其中，所述DSP控制器根据所述伺服驱动器输出的控制值和所述光电编码器的角度反馈值、所述霍尔元件的速度反馈值产生误差信号，使用调节算法对误差信号进行计算产生电机控制信号；所述霍尔元件用于检测伺服电机的相电流作为速度反馈值；所述光电编码器将伺服电机的旋转角度转换为正交的电脉冲信号作为角度反馈值。

【技术特征摘要】
1.一种基于迁移神经网络的交流伺服控制系统，包括上位机、电机控制卡、DSP控制器、伺服驱动器、伺服电源、霍尔元件、伺服电机以及光电编码器，其特征在于，其中：所述上位机通过PCI总线连接于电机控制卡，所述电机控制卡通过串口与DSP控制器相连，其中，所述电机控制卡根据上位机指令生成脉冲序列，脉冲个数、位置、频率及频率变化率、加速度均由上位机控制；所述伺服驱动器、霍尔元件、伺服电机依次连接于DSP控制器，所述光电编码器与伺服电机和DSP控制器相连，其中，所述DSP控制器根据所述伺服驱动器输出的控制值和所述光电编码器的角度反馈值、所述霍尔元件的速度反馈值产生误差信号，使用调节...

【专利技术属性】
技术研发人员：梁鹏，郑振兴，林泽芳，蓝钊泽，吴玉婷，
申请(专利权)人：广东技术师范学院，
类型：发明
国别省市：广东;44