【技术实现步骤摘要】
本申请涉及数据处理，具体涉及一种预测模型构建、振动量预测方法、装置和电子设备。
技术介绍
1、线性马达作为良好的振动触觉器件，已经在越来越多的电子设备中得到广泛应用，但触觉效果始终差强人意，主要原因是当前技术方案对马达进行建模模型准确率低，一致性差。现有马达建模方法主要依赖马达物理模型，通过建立电学方程和力学方程来得到系统传递函数，这种方法受马达基本参数如电感、电阻、质量、电磁力系数等参数影响较大，只要有其中一个参数不准，都会降低马达建模的精度，而这些参数大部分是通过实验获得，而实验由于受外界环境等不确定性因素影响很难保证其准确度，该方法在理论上可行，但实际应用中效果较差。另外一种常用的方法是首先构建arx(auto-regressive with extrainputs，有源自回归模型)或其它模型，然后通过最小二乘法或其它方法求解模型参数，但这种方法往往只适用于线性系统，如果对于非线性系统或不完全线性系统采用线性系统的建模方法，容易导致模型准确率较低或模型辨识失败。可见，传统方案构建的马达辨识模型存在效果差的问题。
【技术保护点】
1.一种预测模型构建方法，其特征在于，所述预测模型构建方法包括：
2.根据权利要求1所述的预测模型构建方法，其特征在于，所述根据各次所述预设驱动数据和在前的至少一次神经网络模型的输出矩阵确定为匹配神经网络模型的输入矩阵，包括：
3.根据权利要求2所述的预测模型构建方法，其特征在于，所述将所述预设驱动数据和输出振动量处理为匹配神经网络模型的输入矩阵和输出矩阵，还包括：
4.根据权利要求1所述的预测模型构建方法，其特征在于，所述损失函数包括：其中，J表示损失函数，O1o代表神经元输出，y(i)表示第i次输出振动量，N表示向神经网络模型输...
【技术特征摘要】
1.一种预测模型构建方法，其特征在于，所述预测模型构建方法包括：
2.根据权利要求1所述的预测模型构建方法，其特征在于，所述根据各次所述预设驱动数据和在前的至少一次神经网络模型的输出矩阵确定为匹配神经网络模型的输入矩阵，包括：
3.根据权利要求2所述的预测模型构建方法，其特征在于，所述将所述预设驱动数据和输出振动量处理为匹配神经网络模型的输入矩阵和输出矩阵，还包括：
4.根据权利要求1所述的预测模型构建方法，其特征在于，所述损失函数包括：其中，j表示损失函数，o1o代表神经元输出，y(i)表示第i次输出振动量，n表示向神经网络模型输入对应输入矩阵的总次数。
5.根据权利要求1所述的预测模型构建方法，其特征在于，所述神经网络模型包括输入层、隐藏层和输出层；所述输入层包括4个神经元，所述隐藏层包括4个神经元，所述输出层包括1个神经元；所述权重参数包括所述输出层各个神经元分别与所述隐藏层各个神经元之间的权重、以及所述隐藏层各个神经元分别与所述输入层各个神经元之间的权重。
【专利技术属性】
技术研发人员：童小彬，缪丽林，
申请(专利权)人：上海艾为电子技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。