一种基于机器学习的标定系统电机控制方法及装置制造方法及图纸

本发明专利技术涉及一种基于机器学习的标定系统电机控制方法，在各个PID控制器的参数都调整好后，首先通过上位机发送电机目标位置指令，分别将其作为位置环的给定量R(t)。同时上位机读取下位机发送来的电机实时位置息Y(t),将其作为位置环的反馈量。用给定量R(t)减去输出位置反馈量Y(t)即得到输出量与给定量之间的误差E1(t)，即位置误差，并将误差E1(t)送入调好参数的位置PID控制器中，得到位置环输出E2(t)，此误差即为转速环PID控制器的给定输入。将速度环输出误差E3(t)作为电流环的给定输入，并将电流环的输出送到SVPWM电机驱动模块中，控制电机的精准运转。本发明专利技术能够实现对标定系统伺服电机位置、速度的精准、稳定控制。稳定控制。稳定控制。

【技术实现步骤摘要】
一种基于机器学习的标定系统电机控制方法及装置


[0001]本专利技术涉及电机控制
，尤其涉及一种基于机器学习的标定系统电机控制方法及装置。

技术介绍

[0002]汽车RGB
‑
LED氛围灯是一种具有创建并装饰驾驶舱内灯光场景功能的汽车室内照明系统。它既可以用来向汽车内的人员传达各种车况信息，又可以带来一定观赏性的灯光效果。然而车载氛围灯一般根据混光原理，将不同比例的红光、绿光、蓝光进行混合而得到不同的灯光颜色，这就需要对LED的颜色品质进行检验和校准(标定)。
[0003]在LED颜色标定系统中，一个光电探头若想移动到某一特定位置采集灯头的颜色信息，需要通过控制X、Y、Z三个方向上的直流伺服电机将其带到目标位置。由于未能充分利用位置环、速度环的PID控制参数，有时在一个灯头标定结束后，竖直方向上的电机Z响应不够及时，未能将光电探头从标定板中拔出，控制探头在水平面上移动的电机X、Y就强行开始移动，导致标定探头被灯板拦腰斩断。因此需要对标定系统中伺服电机的PID参数调节方法进行研究，提高标定电机的实时性，实现对电机位置、转速的实时高效控制。

技术实现思路

[0004]本专利技术的目的是为了至少解决现有技术的不足之一，提供一种基于机器学习的标定系统电机控制方法及装置。
[0005]为了实现上述目的，本专利技术采用以下的技术方案：
[0006]具体的，提出一种基于机器学习的标定系统电机控制方法，包括以下：
[0007]获取上位机发送的电机目标位置指令，将指令中的目标位置作为位置环的给定量R(t)；
[0008]获取下位机反馈的电机实时位置信息Y(t)，将Y(t)作为位置环的反馈量；
[0009]以给定量R(t)减去反馈量Y(t)计算位置误差E1(t)；
[0010]基于所述位置误差E1(t)通过位置环混合算法PID参数求解模块计算位置环PID控制器的PID参数，并将所述位置误差E1(t)输入调好参数的位置PID控制器中，得到位置环输出的误差信号E2(t)；
[0011]将误差信号E2(t)输入速度环混合算法PID参数求解模块求得转速控制器的最优PID值，并将误差信号E2(t)作为PID参数调整后的速度环PID控制器的给定输入，得到速度环PID控制器输出的误差信号E3(t)；
[0012]将误差信号E3(t)输入电流环PID控制器得到电流环的输出，将电流环的所述输出输入SVPWM电机驱动器，控制电机的精准运行。
[0013]进一步，具体的，位置环混合算法PID参数求解模块以及速度环混合算法PID参数求解模块基于改进的遗传算法以及改进的粒子群算法构建，其作用原理包括，
[0014]首先利用遗传算法前期搜索速度快、所求解为全局最优解的特点对种群进行初步
筛选，求出接近最优解的精英种群，再利用改进的粒子群算法的局部求解能力，对遗传算法给出的精英种群进行进一步筛选得到最终参数。
[0015]进一步，具体的，改进的遗传算法的改进部分在于采用实数编码，直接将P、I、D三个参数作为一组基因进行求解。
[0016]进一步，具体的，改进的粒子群算法部分引入了邻居粒子的位置对该粒子位置的影响，通过增强粒子的社会性进一步扩大它的全局搜索能力，防止陷入局部最优解，改进的粒子群搜索算法如下所示：
[0017]v
ij
(t+1)＝ωv
ij
(t)+c1r1(t)(p
ij
(t)
‑
x
ij
(t))+c2r2(t)(g
j
(t)
‑
x
ij
(t))+c3r3(t)(s
kj
(t)
‑
x
ij
(t))x
ij
(t+1)＝x
ij
(t)+v
ij
(t+1)
[0018]其中，下标t表示当前粒子的代数，i表示众多粒子中第i个粒子，j表示该向量中的第j维元素，即，vij(t)为第t代粒子中第i个粒子的速度向量中的第j维元素，xij(t)为t代中第i个粒子的位置向量中的第j个元素，pij(t)为第t代粒子中第i个粒子的最优位置向量中的第j维元素，gj(t)为第t代粒子中的全局最优位置向量中的第j维元素，skj(t)为t代中邻居粒子k位置向量中的第j个元素，ω为惯性权值，调整其值可改变粒子的搜索范围和搜索速度，当ω较小时，微粒主要在当前解的附近搜索，局部搜索能力强，需要根据实际情对ω的值进行调整，c1和c2为加速常量，在(0,2)间取值，r1和r2为取值介于(0,1)之间的两个相互独立的随机函数，
[0019]假设以上元素构成的向量维度为d,则向量xi＝(xi1,xi2,xi3,...,xid)为某一代粒子i的位置向量，vi为粒子速度，pi为该粒子最优位置，gi为全局最优位置向量，sk为邻居粒子k的位置向量。
[0020]本专利技术还提出一种基于机器学习的标定系统电机控制装置，包括以下：
[0021]给定量确定模块，用于获取上位机发送的电机目标位置指令，将指令中的目标位置作为位置环的给定量R(t)；
[0022]反馈量确定模块，用于获取下位机反馈的电机实时位置信息Y(t)，将Y(t)作为位置环的反馈量；
[0023]位置误差计算模块，用于以给定量R(t)减去反馈量Y(t)计算位置误差E1(t)；
[0024]位置环输出计算模块，用于基于所述位置误差E1(t)通过位置环混合算法PID参数求解模块计算位置环的PID参数，并将所述位置误差E1(t)输入调好参数的位置PID控制器中，得到位置环输出的误差信号E2(t)；
[0025]速度环输出计算模块，用于将误差信号E2(t)输入速度环混合算法PID参数求解模块求得转速控制器的最优PID值，并将误差信号E2(t)作为PID参数调整后的速度环的给定输入，得到速度环输出的误差信号E3(t)；
[0026]电机控制模块，用于将误差信号E3(t)输入电流环得到电流环的输出，将电流环的所述输出输入SVPWM电机驱动器，控制电机的精准运行。
[0027]本专利技术还提出一种基于机器学习的标定系统电机控制系统，包括以下，
[0028]上位机，用于给定位置信号R(t)以及接收下位机反馈的电机实时位置信息Y(t)，并计算得到位置误差E1(t)；
[0029]位置环混合算法PID参数求解模块，包括设置有由开关S1控制开闭的遗传粒子群PID参数整定模块的位置环PID控制器，用于根据接收到的位置误差E1(t)计算得到误差信
号E2(t)；
[0030]速度环混合算法PID参数求解模块，包括设置有由开关S2控制开闭的遗传粒子群PID参数整定模块的速度环PID控制器，用于根据接收到的误差信号E2(t)计算得到误差信号E3(t)；
[0031]电流环PID控制器，用于根据接收到的误差信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的标定系统电机控制方法，其特征在于，包括以下：获取上位机发送的电机目标位置指令，将指令中的目标位置作为位置环的给定量R(t)；获取下位机反馈的电机实时位置信息Y(t)，将Y(t)作为位置环的反馈量；以给定量R(t)减去反馈量Y(t)计算位置误差E1(t)；基于所述位置误差E1(t)通过位置环混合算法PID参数求解模块计算位置环PID控制器的PID参数，并将所述位置误差E1(t)输入调好参数的位置PID控制器中，得到位置环输出的误差信号E2(t)；将误差信号E2(t)输入速度环混合算法PID参数求解模块求得转速控制器的最优PID值，并将误差信号E2(t)作为PID参数调整后的速度环PID控制器的给定输入，得到速度环PID控制器输出的误差信号E3(t)；将误差信号E3(t)输入电流环PID控制器得到电流环的输出，将电流环的所述输出输入SVPWM电机驱动器，控制电机的精准运行。2.根据权利要求1所述的一种基于机器学习的标定系统电机控制方法，其特征在于，具体的，位置环混合算法PID参数求解模块以及速度环混合算法PID参数求解模块基于改进的遗传算法以及改进的粒子群算法构建，其作用原理包括，首先利用遗传算法前期搜索速度快、所求解为全局最优解的特点对种群进行初步筛选，求出接近最优解的精英种群，再利用改进的粒子群算法的局部求解能力，对遗传算法给出的精英种群进行进一步筛选得到最终参数。3.根据权利要求2所述的一种基于机器学习的标定系统电机控制方法，其特征在于，具体的，改进的遗传算法的改进部分在于采用实数编码，直接将P、I、D三个参数作为一组基因进行求解。4.根据权利要求2所述的一种基于机器学习的标定系统电机控制方法，其特征在于，具体的，改进的粒子群算法部分引入了邻居粒子的位置对该粒子位置的影响，通过增强粒子的社会性进一步扩大它的全局搜索能力，防止陷入局部最优解，改进的粒子群搜索算法如下所示：v
ij
(t+1)＝ωv
ij
(t)+c1r1(t)(p
ij
(t)
‑
x
ij
(t))+c2r2(t)(g
j
(t)
‑
x
ij
(t))+c3r3(t)(s
kj
(t)
‑
x
ij
(t))x
ij
(t+1)＝x
ij
(t)+v
ij
(t+1)其中，下标t表示当前粒子的代数，i表示众多粒子中第i个粒子，j表示该向量中的第j维元素，即，vij(t)为第t代粒子中第i个粒子的速度向量中的第j维元素，xij(t)为t代中第i个粒子的位置向量中的第j个元素，pij(t)为第t代粒子中第i个粒子的最优位置向量中的第j维元素，gj(t)为第t代粒子中的全局最优位置向量中的第j维元素，skj(t)为t代...

【专利技术属性】
技术研发人员：张永祥，贾翠杰，莘炜杰，
申请(专利权)人：广东新晨汽车科技股份有限公司，
类型：发明
国别省市：