【技术实现步骤摘要】
本专利技术涉及机器人以及散热，更具体的，涉及一种机器人动态散热控制方法、系统和可读存储介质。
技术介绍
1、目前机器人动态散热控制方法及系统主要是采用温度传感器和风扇控制或者智能散热系统(例如pid智能散热系统，pid，proport iona l-i ntegra l-der ivat ivecontro l)来控制，其中，温度传感器和风扇控制是一种基本的动态散热技术，通过安装温度传感器来监测设备的温度，并根据温度的变化自动调节风扇的转速。当温度升高时，风扇会加速以增加散热效率；当温度降低时，风扇则会减速或者停止以降低能耗和噪音。存在缺点：当温度变化较大时，其反应相对迟钝，无法及时调节风扇转速，导致设备温度过高。
2、而智能散热系统通常是pid控制用于实现更精确的温度调节。pid控制基于测量的偏差(误差)，计算出相应的控制信号来调整风扇转速或其他散热设备的工作状态，以使偏差尽可能接近零，存在以下缺点：基于简单的线性关系来控制信号，无法处理非线性和复杂的散热系统。在某些情况下，当存在滞后，时延等干扰时，其可能无法等到想要的控制效果。
技术实现思路
1、本专利技术的目的是提供一种机器人动态散热控制方法、系统和可读存储介质，针对温度快速上升的场景，采用开环控制策略对风扇转速进行调节，而非闭环pid控制，以避免由于pid参数未经优化导致风扇转速变化率过小，引起发热元件温度过冲现象，同时也能避免由于p id参数未经优化导致风扇转速变化率过大，导致转速震荡的问题。
2
3、获取发热器件的目标变化量，其中，所述目标变化量包括温度变化量以及采样电流变化量；
4、比较所述温度变化量与目标温度变量的大小以控制散热机制，其中，
5、若所述温度变化量大于所述目标温度变量，则进行开回路电路计算以控制机器人的散热模块工作；
6、若所述温度变化量小于或者等于所述目标温度变量，则进行闭回路电路计算以控制机器人的散热模块工作。
7、本方案中，所述获取发热器件的目标变化量，具体包括：
8、基于设置在机器人上的监测模块获取所述目标变化量，所述监测模块包括温度传感器以及电流采样器，其中，
9、基于设置在发热器件所在位置的温度传感器获取所述温度变化量；
10、基于设置在发热器件所在位置的电流采样器获取所述采样电流变化量；
11、基于所述温度变化量以及所述采样电流变化量得到所述目标变化量。
12、本方案中，所述比较所述温度变化量与目标温度变量的大小以控制散热机制，具体包括：
13、若所述温度变化量大于所述目标温度变量，则基于采样电流来控制所述散热模块工作；
14、若所述温度变化量小于或者等于所述目标温度变量，则基于温度来控制所述散热模块工作。
15、本方案中，所述开回路电路计算采用循环神经网络模型来计算风扇转速，所述闭回路电路计算采用比例积分微分控制来控制风扇转速。
16、本方案中，所述循环神经网络模型的训练步骤包括：
17、随机初始化循环神经网络模型的参数，其中包括初始化权重和偏差；
18、采用均方误差作为损失函数以衡量网络模型输出与特定温度之间的差异；
19、基于训练数据对循环神经网络模型进行迭代训练，其中，训练数据包括采样电流和温度变化量；
20、计算网络模型输出值与特定温度件的差异得到损失函数值，直到迭代次数达到最大或者损失函数值收敛时停止迭代。
21、本方案中，所述采用比例积分微分控制来控制风扇转速，具体包括采用pid控制器控制风扇转速。
22、本专利技术第二方面还提供一种机器人动态散热控制系统，包括存储器和处理器，所述存储器中包括机器人动态散热控制方法程序，所述机器人动态散热控制方法程序被所述处理器执行时实现如下步骤：
23、获取发热器件的目标变化量，其中，所述目标变化量包括温度变化量以及采样电流变化量；
24、比较所述温度变化量与目标温度变量的大小以控制散热机制，其中，
25、若所述温度变化量大于所述目标温度变量，则进行开回路电路计算以控制机器人的散热模块工作；
26、若所述温度变化量小于或者等于所述目标温度变量，则进行闭回路电路计算以控制机器人的散热模块工作。
27、本方案中，所述获取发热器件的目标变化量，具体包括：
28、基于设置在机器人上的监测模块获取所述目标变化量，所述监测模块包括温度传感器以及电流采样器，其中，
29、基于设置在发热器件所在位置的温度传感器获取所述温度变化量；
30、基于设置在发热器件所在位置的电流采样器获取所述采样电流变化量；
31、基于所述温度变化量以及所述采样电流变化量得到所述目标变化量。
32、本方案中，所述比较所述温度变化量与目标温度变量的大小以控制散热机制，具体包括：
33、若所述温度变化量大于所述目标温度变量，则基于采样电流来控制所述散热模块工作；
34、若所述温度变化量小于或者等于所述目标温度变量，则基于温度来控制所述散热模块工作。
35、本方案中，所述开回路电路计算采用循环神经网络模型来计算风扇转速，所述闭回路电路计算采用比例积分微分控制来控制风扇转速。
36、本方案中，所述循环神经网络模型的训练步骤包括：
37、随机初始化循环神经网络模型的参数，其中包括初始化权重和偏差；
38、采用均方误差作为损失函数以衡量网络模型输出与特定温度之间的差异；
39、基于训练数据对循环神经网络模型进行迭代训练，其中，训练数据包括采样电流和温度变化量；
40、计算网络模型输出值与特定温度件的差异得到损失函数值，直到迭代次数达到最大或者损失函数值收敛时停止迭代。
41、本方案中，所述采用比例积分微分控制来控制风扇转速，具体包括采用p id控制器控制风扇转速。
42、本专利技术第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括机器的一种机器人动态散热控制方法程序，所述机器人动态散热控制方法程序被处理器执行时，实现如上述任一项所述的一种机器人动态散热控制方法的步骤。
43、本专利技术公开的一种机器人动态散热控制方法、系统和可读存储介质，针对温度快速上升的场景，采用开环控制策略对风扇转速进行调节，而非闭环p id控制，以避免由于pid参数未经优化导致风扇转速变化率过小，引起发热元件温度过冲现象，同时也能避免由于pid参数未经优化导致风扇转速变化率过大，导致转速震荡的问题。
本文档来自技高网...【技术保护点】
1.一种机器人动态散热控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种机器人动态散热控制方法，其特征在于，所述获取发热器件的目标变化量，具体包括：
3.根据权利要求2所述的一种机器人动态散热控制方法，其特征在于，所述比较所述温度变化量与目标温度变量的大小以控制散热机制，具体包括：
4.根据权利要求3所述的一种机器人动态散热控制方法，其特征在于，所述开回路电路计算采用循环神经网络模型来计算风扇转速，所述闭回路电路计算采用比例积分微分控制来控制风扇转速。
5.根据权利要求4所述的一种机器人动态散热控制方法，其特征在于，所述循环神经网络模型的训练步骤包括：
6.根据权利要求4所述的一种机器人动态散热控制方法，其特征在于，所述采用比例积分微分控制来控制风扇转速，具体包括采用PID控制器控制风扇转速。
7.一种机器人动态散热控制系统，其特征在于，包括存储器和处理器，所述存储器中包括机器人动态散热控制方法程序，所述机器人动态散热控制方法程序被所述处理器执行时实现如下步骤：
8.根据权利要求7
9.根据权利要求8所述的一种机器人动态散热控制系统，其特征在于，所述比较所述温度变化量与目标温度变量的大小以控制散热机制，具体包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种机器人动态散热控制方法程序，所述机器人动态散热控制方法程序被处理器执行时，实现如权利要求1至6中任一项所述的一种机器人动态散热控制方法的步骤。
...【技术特征摘要】
1.一种机器人动态散热控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种机器人动态散热控制方法，其特征在于，所述获取发热器件的目标变化量，具体包括：
3.根据权利要求2所述的一种机器人动态散热控制方法，其特征在于，所述比较所述温度变化量与目标温度变量的大小以控制散热机制，具体包括：
4.根据权利要求3所述的一种机器人动态散热控制方法，其特征在于，所述开回路电路计算采用循环神经网络模型来计算风扇转速，所述闭回路电路计算采用比例积分微分控制来控制风扇转速。
5.根据权利要求4所述的一种机器人动态散热控制方法，其特征在于，所述循环神经网络模型的训练步骤包括：
6.根据权利要求4所述的一种机器人动态散热控制方法，其特征在于，所述采用比例积分微分控制来控...
【专利技术属性】
技术研发人员：范鹏，柏林，刘彪，舒海燕，袁添厦，祝涛剑，沈创芸，王恒华，方映峰，
申请(专利权)人：广州高新兴机器人有限公司，
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。