自适应马达控制方法、装置及存储介质制造方法及图纸

本发明专利技术提供了一种自适应马达控制方法、装置及存储介质，通过实时对马达的运行区域进行检测进而判断马达运行的区域，然后根据判断结果自动触发对应的马达模型，最后根据对应马达模型计算得出马达运行的控制参数，实现对马达的控制。本发明专利技术通过双模型切换的方式实现了马达运行过程中的马达控制，解决了现有技术中采用单一模型实现马达控制时不可靠的问题。

Adaptive motor control method, device and storage medium

The invention provides an adaptive motor control method, device and storage medium, through real-time detection of the running area of the motor to determine the running area of the motor, and then automatically trigger the corresponding motor model according to the judgment result, and finally calculate the control parameters of the motor running according to the corresponding motor model to realize the control of the motor. The invention realizes the motor control in the running process of the motor through the double model switching mode, and solves the problem that the single model is not reliable in realizing the motor control in the prior art.

【技术实现步骤摘要】
自适应马达控制方法、装置及存储介质
本专利技术涉及马达控制领域，尤其涉及一种自适应马达控制方法、装置及存储介质。
技术介绍
在传统的马达控制中，若要达到马达的完美操作，则需要知道精确地马达模型。由于现有马达的物理模型无法完全采用广泛使用的线性模型，因此，现有技术中一般采用非线性模型来近似马达的物理模型。但是，非线性模型的构建和实现都有着很多问题，比如：对于非线性模型的可靠性：在建立模型时，很难保证马达的物理模型与构建的非线性模型的一致性；其次，对于模型参数的准确性：在测量参数时，一方面非线性参数很难测量，另一方面就是实测的数值也只是近似的。因此在使用数学模型来表达真实马达时，必然是近似的，唯一的区别在于有多近似，这样很难保证模型的准确度。因此，有必要提供一种可以适应性马达的非线性控制的方法，来实现对马达的非线性控制。
技术实现思路
本专利技术的目的之一在于提供一种自适应马达控制方法，其能够解决现有技术中马达的控制采用单一的马达模型对马达控制时准确性低、可靠性差等问题。本专利技术的目的之二在于提供一种自适应马达控制装置，其能够解决现有技术中马达的控制采用单一的马达模型对马达控制时准确性低、可靠性差等问题。本专利技术的目的之三在于提供一种计算机可读存储介质，其能够解决现有技术中马达的控制采用单一的马达模型对马达控制时准确性低、可靠性差等问题。本专利技术的技术方案之一如下：一种自适应马达控制方法，所述自适应马达控制方法包括：获取数据步骤：获取当前时刻马达运行过程中的当前参数；确定步骤：根据当前参数确定当前时刻马达运行的区域类型；触发步骤：根据当前时刻马达运行的区域类型触发对应的马达模型；控制步骤：将当前参数输入到对应的马达模型中；根据当前参数生成马达运行的控制参数；根据马达运行的控制参数控制马达的运行控制。进一步地，所述当前时刻马达运行的区域类型包括线性区域和非线性区域，所述确定步骤包括：当确定当前时刻马达运行的区域类型为线性区域时，触发线性模型，并执行线性控制步骤；当确定当前时刻马达运行的区域类型为非线性区域时，触发神经网络模型，并执行非线性控制步骤。进一步地，所述线性控制步骤：将当前参数输入到线性模型得出马达运行的控制参数，根据马达运行的控制参数控制马达的运行；所述非线性控制步骤：将当前参数输入到神经网络模型得出马达运行的控制参数，根据马达运行的控制参数控制马达的运行。进一步地，所述神经网络模型为时间延迟神经网络模型。进一步地，所述时间延迟神经网络模型的训练步骤包括：从历史数据中获取马达运行过程中各个参数，其中，将其作为时间延迟神经网络模型的输入层节点的参数；从历史数据中获取马达运行过程中的控制参数，其中，将其作为时间延迟神经网络模型的输出层节点的参数；结合反向传播算法确定时间延迟神经网络模型的每个隐藏层节点的系数，对时间延迟神经网络模型进行训练。进一步地，所述当前时刻马达运行过程中的当前参数包括当前时刻马达振子的位移，所述确定步骤包括：将位移与系统设定的对应的位移阈值比较；根据比较结果确定当前时刻马达运行的区域类型。进一步地，所述获取数据步骤包括：当系统初始控制、或马达运行在线性区域时，采用线性模型预估出当前时刻的马达振子的位移；当马达运行在非线性区域时，采用神经网络模型预估出当前时刻的马达振子的位移。进一步地，所述线性模型采用二阶物理模型，其微分方程如下：本专利技术的技术方案之二如下：一种自适应马达控制装置，包括存储器和处理器，所述存储器上存储有可在处理器上运行的马达控制程序，所述马达控制程序为计算机程序，所述处理器执行所述马达控制程序时实现如本专利技术目的之一采用的自适应马达控制方法的步骤。本专利技术的技术方案之三如下：一种存储介质，所述存储介质为计算机可读存储介质，其上存储有马达控制程序，所述马达控制程序为计算机程序，所述马达控制程序被处理器执行时实现如本专利技术目的之一采用的自适应马达控制方法的步骤。本专利技术的有益效果在于：本专利技术通过双模式切换的方式实现对马达的控制，当马达运行在线性区域时，根据线性模型对马达进行控制；而当马达运行在非线性区域时，将其切换到神经网络模型，实现对马达进行控制。本专利技术能够自动根据马达运行的区域来自动选择对应的模型，实现对马达的控制，解决了现有技术中马达的控制模型采用单一的非线性模型导致控制不可靠等问题。【附图说明】图1为本专利技术提供的自适应马达控制方法的流程图；图2为本专利技术提供的线性模型控制的流程图；图3为本专利技术提供的神经网络模型控制的流程图；图4为本专利技术提供的自适应马达控制方法的逻辑参数变化图；图5为本专利技术提供的自适应马达控制装置的模块图。【具体实施方式】下面结合附图和实施方式对本专利技术作进一步说明。实施例一请参阅图1-3所示，本专利技术提供了一种自适应马达控制方法，采用双模型切换的方式对马达进行控制，如图4所示为本专利技术的马达控制中逻辑参数变化图。将神经网络模型和线性模型作为马达的观察器，用于根据马达运行过程中的各个参数，计算得出马达的控制参数。将神经网络控制器和线性控制器作为马达的控制器，用于接收神经网络模型和线性模型计算得出的马达的控制参数，实现对受控马达的控制。由于，本专利技术采用双模型切换的方式对马达进行控制，因此，如图4所示中的逻辑判断模块，在马达的运行过程中，用于实时对马达的运行区域进行判断，并根据判断结果自动选择神经网络模型还是线性模型来计算马达的控制参数，进而实现马达的非线性控制或线性控制。也即是：当马达运行在线性区域时：触发线性模型，此时将马达运行过程中的各个参数输入到线性模型中，得出当前马达的控制参数，进而将当前马达的控制参数输入到线性控制器中，实现地马达的线性控制。本专利技术通过加入线性模型实现马达的线性控制，是为了提高系统的鲁棒性。其中，线性模型采用传统的二阶物理模型，其微分方程如下：其中，m为质量，k为劲度系数。当马达运行在非线性区域时：触发神经网络模型，此时将马达运行过程中的各个参数输入到神经网络模型中，得出当前马达的控制参数，进而将当前马达的控制参数输入到神经网络控制器中，实现地马达的非线性控制。本专利技术中所采用的神经网络模型是通过训练得到的。也即是说：本专利技术中采用的神经网络模型采用时间延迟神经网络模型(全称：timedelayNeuralNetworkmodel，简称：TDNN模型)。该TDNN模型的训练过程具体如下：在TDNN模型的输入层：每个输入节点对应的是每个时刻的采样点，也即是每个输入节点的输入数据均为每个时刻所检测的马达运行过程中的参数，然后经过多层隐藏层的计算，得到马达模型的输出。为了使用神经网络模型实现马达的非线性控制，还需要对每层的参数进行最优化求解，本发本文档来自技高网...

【技术保护点】
1.一种自适应马达控制方法，其特征在于，所述自适应马达控制方法包括：/n获取数据步骤：获取当前时刻马达运行过程中的当前参数；/n确定步骤：根据当前参数确定当前时刻马达运行的区域类型；/n触发步骤：根据当前时刻马达运行的区域类型触发对应的马达模型；/n控制步骤：将当前参数输入到对应的马达模型中；根据当前参数生成马达运行的控制参数；根据马达运行的控制参数控制马达的运行控制。/n

【技术特征摘要】
1.一种自适应马达控制方法，其特征在于，所述自适应马达控制方法包括：
获取数据步骤：获取当前时刻马达运行过程中的当前参数；
确定步骤：根据当前参数确定当前时刻马达运行的区域类型；
触发步骤：根据当前时刻马达运行的区域类型触发对应的马达模型；
控制步骤：将当前参数输入到对应的马达模型中；根据当前参数生成马达运行的控制参数；根据马达运行的控制参数控制马达的运行控制。


2.根据权利要求1所述的自适应马达控制方法，其特征在于：所述当前时刻马达运行的区域类型包括线性区域和非线性区域，所述确定步骤包括：
当确定当前时刻马达运行的区域类型为线性区域时，触发线性模型，并执行线性控制步骤；
当确定当前时刻马达运行的区域类型为非线性区域时，触发神经网络模型，并执行非线性控制步骤。


3.根据权利要求2所述的自适应马达控制方法，其特征在于：所述线性控制步骤：将当前参数输入到线性模型得出马达运行的控制参数，根据马达运行的控制参数控制马达的运行；
所述非线性控制步骤：将当前参数输入到神经网络模型得出马达运行的控制参数，根据马达运行的控制参数控制马达的运行。


4.根据权利要求3所述的自适应马达控制方法，其特征在于：所述神经网络模型为时间延迟神经网络模型。


5.根据权利要求4所述的自适应马达控制方法，其特征在于：所述时间延迟神经网络模型的训练步骤包括：
从历史数据中获取马达运行过程中各个参数，其中，将其作为时间延迟神经网络模型的输入层节点的参数；
从...

【专利技术属性】
技术研发人员：路翔，向征，郑亚军，
申请(专利权)人：瑞声科技新加坡有限公司，
类型：发明
国别省市：新加坡;SG