用于电机的神经网络电路系统技术方案

本公开涉及一种用于电机的神经网络电路系统。一种用于驱动电机的装置，包括神经网络电路系统的多个神经元和电机电路系统。多个神经元被配置为基于目标速度、基于在特定时间处与电机相关联的速度值，以及基于在特定时间处与电机相关联的电流值来生成周期值。多个神经元被配置为被训练以生成周期值，来使周期值与针对多个训练向量中的每个训练向量的训练周期值之间的误差最小化。该装置被配置为已生成多个训练向量。电机电路系统被配置为基于周期值来控制一组开关元件以驱动电机。值来控制一组开关元件以驱动电机。值来控制一组开关元件以驱动电机。

【技术实现步骤摘要】
用于电机的神经网络电路系统


[0001]本公开涉及电动机，并且更具体地涉及与电动机相关联的技术和电路。

技术介绍

[0002]电动机的操作可以由电机电路系统执行。电机电路系统可以控制电机的转子旋转。例如，电机电路系统可以驱动电机处的电流，以便控制电机并且调节电机的速度。

技术实现思路

[0003]本公开描述了用于改善用于驱动电机的电机电路系统的操作的技术、设备和系统。不是依赖于复杂计算设备和人工输入来生成训练向量以训练神经元，而是该系统可以被配置为实时地生成训练向量。以这种方式，可以使用由系统本身生成的训练向量来训练控制电机电路系统的神经网络，与依赖于人类输入和/或复杂计算设备来生成训练向量的系统相比，这可以减少为神经网络电路系统生成训练集的过程的复杂性。
[0004]在一些示例中，不是依赖于神经元的静态训练，而是神经网络电路系统可以被配置为基于实际设置与理想设置之间的误差(例如，差异)进行适应，与使用编程的电机控制器和/或静态地实现的神经网络的电机控制器相比，这可以提高神经网络的准确性。
[0005]在一个示例中，本公开涉及一种用于驱动电机的装置，该装置包括神经网络电路系统的多个神经元和电机电路系统。神经网络电路系统的多个神经元被配置为基于目标速度、基于在特定时间处与电机相关联的速度值，以及基于在特定时间处与电机相关联的电流值来生成周期值。多个神经元被配置为被训练以生成周期值，来使周期值与针对多个训练向量中的每个训练向量的训练周期值之间的误差最小化。该装置被配置为已生成多个训练向量。电机电路系统被配置为基于周期值来控制一组开关元件以驱动电机。
[0006]在另一示例中，本公开涉及一种用于驱动电机的方法，该方法包括：由用于驱动电机的装置的神经网络电路系统的多个神经元基于目标速度、基于在特定时间处与电机相关联的速度值，以及基于在特定时间处与电机相关联的电流值来生成周期值。多个神经元被配置为被训练以生成周期值，来使周期值与针对多个训练向量中的每个训练向量的训练周期值之间的误差最小化。该装置被配置为已生成多个训练向量。该方法还包括由电机电路系统基于周期值来控制一组开关元件以驱动电机。
[0007]在一个示例中，本公开涉及一种用于驱动电机的装置，该装置包括一组开关元件、神经网络电路系统的多个神经元和电机电路系统。神经网络电路系统的多个神经元被配置为基于目标速度，基于在特定时间处与电机相关联的速度值以及基于在特定时间处与电机相关联的电流值来生成周期值。多个神经元被配置为被训练以生成周期值以使周期值与针对多个训练向量中的每个训练向量的训练周期值之间的误差最小化。该装置被配置为已生成多个训练向量。电机电路系统被配置为基于周期值来控制一组开关元件以驱动电机。
[0008]在另一示例中，本公开涉及一种装置，该装置包括：用于与针对多个神经元一起基于目标速度，基于在特定时间处与电机相关联的速度值以及基于在特定时间处与电机相关
联的电流值来生成周期值的模块。多个神经元被配置为被训练以生成周期值以使周期值与针对多个训练向量中的每个训练向量的训练周期值之间的误差最小化。该装置被配置为已生成多个训练向量。该装置还包括用于基于周期值来控制一组开关元件以驱动电机的模块。
[0009]在一个示例中，本公开涉及一种用于驱动电机的装置，该装置包括神经网络电路系统的第一多个神经元、电机电路系统和神经网络电路系统的第二多个神经元。神经网络电路系统的第一多个神经元被配置为基于目标速度生成第一周期值。电机电路系统被配置为基于第一周期值控制一组开关元件以驱动电机。神经网络电路系统的第二多个神经元被配置为训练第二多个神经元以基于当电机电路系统基于第一周期值已控制该组开关元件来驱动电机时发生的针对电机的所得速度值，来生成第二周期值以使第二周期值与第一周期值之间的差异最小化。
[0010]在另一示例中，本公开涉及一种用于驱动电机的方法，该方法包括：由神经网络电路系统的第一多个神经元基于目标速度生成第一周期值，以及由电机电路系统基于第一周期值控制一组开关元件以驱动电机。该方法还包括由神经网络电路系统训练神经网络电路系统的第二多个神经元，以基于当电机电路系统基于第一周期值已控制该组开关元件来驱动电机时发生的针对电机的所得速度值，来生成第二周期值以使第二周期值与第一周期值之间的差异最小化。
[0011]在一个示例中，本公开涉及一种用于驱动电机的装置，该装置包括电机电路系统、神经网络电路系统的第一多个神经元和神经网络电路系统的第二多个神经元。电机电路系统被配置为基于第一周期值来控制一组开关元件以驱动电机。神经网络电路系统的第一多个神经元被配置为生成多个训练向量，当预定可变机械负载被施加到电机时，训练第一多个神经元以生成第一周期值，来使第一周期值与针对多个训练向量中的每个训练向量的训练周期值之间的差异最小化，并且基于目标速度生成第一周期值。神经网络电路系统的第二多个神经元被配置为：在预定可变机械负载未被施加到电机时，训练第二多个神经元以基于当电机电路系统基于第一周期值已控制该组开关元件以驱动电机时发生的针对电机的所得速度值，来生成第二周期值以使第二周期值与第一周期值之间的差异最小化。
[0012]在另一示例中，本公开涉及一种装置，该装置包括：用于与神经网络电路系统的第一多个神经元一起基于目标速度生成第一周期值的模块；以及用于基于第一周期值来控制一组开关元件以驱动电机的模块。该装置还包括如下模块，该模块用于训练神经网络电路系统的第二多个神经元，以基于当电机电路系统基于第一周期值已控制该组开关元件以驱动电机时发生的针对电机的所得速度值，来生成第二周期值以使第二周期值与第一周期值之间的差异最小化的模块。
[0013]一个或多个示例的细节在附图和以下描述中阐述。根据说明书和附图以及根据权利要求书，本公开的其他特征、目的和优点将很清楚。
附图说明
[0014]图1是示出根据本公开的一种或多种技术的被配置用于使用神经网络电路系统来驱动电机的示例第一系统的框图；
[0015]图2是示出根据本公开的一种或多种技术的被配置用于驱动电机的示例第二系统
的框图；
[0016]图3是示出根据本公开的一种或多种技术的被配置用于训练多个神经元的示例系统的框图；
[0017]图4是示出根据本公开的一种或多种技术的示例多个神经元的框图；
[0018]图5是示出根据本公开的一种或多种技术的用于训练多个神经元的示例设置的框图；
[0019]图6是示出根据本公开的一种或多种技术的用于训练多个神经元的示例电阻器板的概念图；
[0020]图7是示出根据本公开的一种或多种技术的被配置用于使用第一多个神经元和第二多个神经元来驱动电机的示例第一系统的框图；
[0021]图8是示出根据本公开的一种或多种技术的被配置用于训练第二多个神经元的示例系统的框图；
[0022]图9是根据本公开的一种或多种技术的用于训练第二多个神经元的流程图；
[0023]图10是示出根据本公本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于驱动电机的装置，所述装置包括：神经网络电路系统的多个神经元，所述多个神经元被配置为基于目标速度、基于在特定时间处与所述电机相关联的速度值，以及基于在所述特定时间处与所述电机相关联的电流值来生成周期值，其中所述多个神经元被配置为被训练以生成所述周期值，来使所述周期值与针对多个训练向量中的每个训练向量的训练周期值之间的误差最小化，并且其中所述装置被配置为已生成所述多个训练向量；以及电机电路系统，被配置为基于所述周期值来控制一组开关元件以驱动所述电机。2.根据权利要求1所述的装置，其中所述装置被配置为基于以下项中的至少一项而已生成所述多个训练向量：基于一系列转矩值而已确定的针对所述电机的一系列目标速度值或针对所述电机的一系列目标电流值。3.根据权利要求1所述的装置，其中所述神经网络电路系统被配置为针对所述多个训练向量中的每个训练向量，已向所述电机电路系统输出所述训练周期值、并且已确定当所述训练周期值已被输出到所述电机电路系统时发生的与所述电机相关联的所得速度值。4.根据权利要求1所述的装置，其中所述电机电路系统被配置为：测量在所述特定时间处并且在所述电机处的反电磁力电压；以及基于所述反电磁力电压确定在所述特定时间处与所述电机相关联的所述速度值。5.根据权利要求1所述的装置，其中为了生成所述周期值，所述神经网络被配置为进一步基于以下项来生成所述周期值：在所述特定时间之前发生的先前时间处与所述电机相关联的先前速度值，以及在所述先前时间处与所述电机相关联的先前电流值。6.根据权利要求1所述的装置，其中所述电机电路系统被配置为：接收参考速度；以及基于以下项来确定所述目标速度：所述参考速度、在所述特定时间处与所述电机相关联的所述速度值，以及在所述特定时间之前发生的一个或多个先前时间处与所述电机相关联的一个或多个先前速度值。7.根据权利要求1所述的装置，其中所述装置被配置为：生成所述多个训练向量；以及训练所述多个神经元以生成所述周期值，来使所述周期值与针对所述多个训练向量中的每个训练向量的所述训练周期值之间的所述误差最小化。8.根据权利要求7所述的装置，其中为了生成所述多个训练向量，所述装置被配置为针对所述多个训练向量中的每个训练向量：确定在第一先前时间处与所述电机相关联的先前速度值；确定在所述第一先前时间处与所述电机相关联的先前电流值；确定在所述第一先前时间之前发生的第二先前时间处针对所述电机的先前周期值；在所述先前时间之后发生的当前时间处，向所述电机电路系统输出所述训练周期值；以及确定当所述训练周期值已被输出到所述电机电路系统时发生的与所述电机相关联的所得速度值，其中为了训练所述多个神经元，所述神经网络电路系统被配置为训练所述多个神经元以基于以下项来生成所述周期值以对应于训练占空比：所述先前速度值、所述先前电流值、先前占空比和所述所得速度值。
9.根据权利要求8所述的装置，其中为了生成所述多个训练向量，所述装置被配置为将所述电机处的速度限制为针对所述电机的一系列操作速度值，并且将所述电机处的电流限制为针对所述电机的一系列操作电流值。10.根据权利要求8所述的装置，其中为了生成所述多个训练向量，所述装置被配置为针对所述多个训练向量中的每个训练向量：确定在所述先前时间之前发生的所述第二先前时间处与所述电机相关联的第二先前速度值；确定所述第二先前时间处与所述电机相关联的第二先前电流值；以及确定在所述第二先前时间之前发...

【专利技术属性】
技术研发人员：F，
申请(专利权)人：英飞凌科技股份有限公司，
类型：发明
国别省市：