System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及模型构建,具体涉及一种马达模型构建方法、装置、存储介质及电子设备。
技术介绍
1、随着电子设备的不断发展,仅具有视觉反馈和听觉反馈功能的电子设备已经不能满足用户日益增长的需求。为了满足用户日益增长的需求,触觉反馈被应用到各种电子设备中。
2、在实际应用中,以线性马达为触觉反馈器件的电子产品,可以通过设计不同的特殊波形,获得不同的触觉体验,例如游戏中各种碰撞、枪声等的振动反馈可以带给游戏者不同的沉浸式体验。而针对不同的应用场景设计不同的特殊波形,则需要对马达进行建模。
3、然而,现有马达建模方法大多依赖于马达的物理模型,需要对马达内部结构有非常清晰的了解,才能完成马达的建模。
技术实现思路
1、本申请提供了一种马达模型构建方法、装置、存储介质及电子设备,可以无需了解马达内部结构,完成马达模型的构建。
2、第一方面,本申请提供了一种马达模型构建方法,包括:
3、获取马达驱动数据和马达振动数据;
4、基于所述马达驱动数据和所述马达振动数据构建初级马达模型;
5、对所述初级马达模型进行辨识,得到目标模型系数;
6、将所述目标模型系数添加至所述初级马达模型,得到目标马达模型。
7、在本申请提供的马达模型构建方法中,所述对所述初级马达模型进行辨识,得到目标模型系数,包括:
8、获取所述初级马达模型的损失函数;
9、根据所述损失函数对所述初级马达模型的当前模型系数进行
10、在本申请提供的马达模型构建方法中,所述获取所述初级马达模型的损失函数,包括:
11、获取所述初级马达模型的预测振动数据;
12、获取所述马达振动数据与所述预测振动数据的均方误差,并将所述均方误差作为所述初级马达模型的损失函数。
13、在本申请提供的马达模型构建方法中,所述根据所述损失函数对所述初级马达模型的当前模型系数进行更新,得到目标模型系数,包括:
14、判断所述损失函数是否达到预期;
15、若否,则采用梯度下降法对所述初级马达模型的当前模型系数进行更新,并返回执行获取所述初级马达模型的损失函数的步骤;
16、若是,则将所述当前模型系数作为目标模型系数。
17、在本申请提供的马达模型构建方法中,所述采用梯度下降法对所述初级马达模型的当前模型系数进行更新,包括:
18、获取所述损失函数对所述当前模型系数的偏导数;
19、将所述当前模型系数减去所述偏导数与预设权重的乘积,得到新模型系数,并将所述新模型系数作为当前模型系数。
20、在本申请提供的马达模型构建方法中,在将所述目标模型系数添加至所述初级马达模型,得到目标马达模型之后,还包括:
21、对所述目标马达模型与实际马达的拟合度进行验证,以确定所述目标马达模型的准确度。
22、在本申请提供的马达模型构建方法中,所述初级马达模型包括基于径向基函数神经网络的有源自回归模型。
23、第二方面,本申请提供了一种马达模型构建装置,包括:
24、数据获取单元,用于获取马达驱动数据和马达振动数据;
25、模型构建单元,用于基于所述马达驱动数据和所述马达振动数据构建初级马达模型;
26、模型辨识单元,用于对所述初级马达模型进行辨识,得到目标模型系数;
27、模型确立单元,用于将所述目标模型系数添加至所述初级马达模型,得到目标马达模型。
28、第三方面,本申请提供了一种存储介质,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行上述任一项所述的马达模型构建方法。
29、第四方面,本申请提供了一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现上述任一项所述的马达模型构建方法。
30、综上,本申请提供的马达模型构建方法采用获取马达驱动数据和马达振动数据;基于所述马达驱动数据和所述马达振动数据构建初级马达模型;对所述初级马达模型进行辨识,得到目标模型系数;将所述目标模型系数添加至所述初级马达模型,得到目标马达模型。本方案无需了解马达内部结构,仅需马达驱动数据和马达振动数据即可完成马达模型的构建。
本文档来自技高网...【技术保护点】
1.一种马达模型构建方法,其特征在于,包括:
2.如权利要求1所述的马达模型构建方法,其特征在于,所述对所述初级马达模型进行辨识,得到目标模型系数,包括:
3.如权利要求2所述的马达模型构建方法,其特征在于,所述获取所述初级马达模型的损失函数,包括:
4.如权利要求2所述的马达模型构建方法,其特征在于,所述根据所述损失函数对所述初级马达模型的当前模型系数进行更新,得到目标模型系数,包括:
5.如权利要求4所述的马达模型构建方法,其特征在于,所述采用梯度下降法对所述初级马达模型的当前模型系数进行更新,包括:
6.如权利要求1所述的马达模型构建方法,其特征在于,在将所述目标模型系数添加至所述初级马达模型,得到目标马达模型之后,还包括:
7.如权利要求1-6任一项所述的马达模型构建方法,其特征在于,所述初级马达模型包括基于径向基函数神经网络的有源自回归模型。
8.一种马达模型构建装置,其特征在于,包括:
9.一种存储介质,其特征在于,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以
10.一种电子设备,其特征在于,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的马达模型构建方法。
...【技术特征摘要】
1.一种马达模型构建方法,其特征在于,包括:
2.如权利要求1所述的马达模型构建方法,其特征在于,所述对所述初级马达模型进行辨识,得到目标模型系数,包括:
3.如权利要求2所述的马达模型构建方法,其特征在于,所述获取所述初级马达模型的损失函数,包括:
4.如权利要求2所述的马达模型构建方法,其特征在于,所述根据所述损失函数对所述初级马达模型的当前模型系数进行更新,得到目标模型系数,包括:
5.如权利要求4所述的马达模型构建方法,其特征在于,所述采用梯度下降法对所述初级马达模型的当前模型系数进行更新,包括:
6.如权利要求1所述的马达模型构建方法,其特征在...
【专利技术属性】
技术研发人员:吴孝红,
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。