阅读说明：本技术 伺服电机控制方法、装置、电子设备及存储介质 (Servo motor control method, servo motor control device, electronic equipment and storage medium ) 是由 卓国熙 于 2020-05-26 设计创作，主要内容包括：本申请提供了一种伺服电机控制方法、装置、电子设备及存储介质。该伺服电机控制方法,包括以下步骤：获取伺服电机在开环运行状态下的电流信息；获取伺服电机的角速度传感器检测得到的角速度检测值；将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型,以计算所述伺服电机当前的实际角速度值；根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。本申请可以提高角速度调整的精确度。(The application provides a servo motor control method and device, electronic equipment and a storage medium. The servo motor control method comprises the following steps: acquiring current information of a servo motor in an open-loop operation state; acquiring an angular velocity detection value detected by an angular velocity sensor of a servo motor; inputting the current information and the angular speed detection value into a pre-trained target neural network model to calculate the current actual angular speed value of the servo motor; and calculating an angular velocity compensation value of the servo motor according to the angular velocity detection value, the actual angular velocity value and the current information. The method and the device can improve the accuracy of angular speed adjustment.)

伺服电机控制方法、装置、电子设备及存储介质

技术领域

本申请涉及伺服电机控制技术领域，具体而言，涉及一种伺服电机控制方法、装置、电子设备及存储介质。

背景技术

伺服电机也即是永磁同步电动机广泛应用于各种领域，作为动力源进行动力输出，例如，在汽车、智能机器人以及传送机构等领域。相对于其他电动机，伺服电机最大的优势在于：伺服电机带有检测角度的传感器，能为实际工程应用实现高精度的闭环控制提供所需要的反馈值。但是，由于传感器造成的误差：如制造误差、安装误差等，致使电机不能获得较高的控制精度。

因此，现有技术急需一种能提高检测误差从而提高控制精度的伺服电机。

发明内容

本申请实施例的目的在于提供一种伺服电机控制方法、装置、电子设备及存储介质，可以提高角速度调整的精确度。

第一方面，本申请实施例提供了一种伺服电机控制方法，包括以下步骤：

获取伺服电机在开环运行状态下的电流信息；

获取伺服电机的角速度传感器检测得到的角速度检测值；

将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型，以计算所述伺服电机当前的实际角速度值；

根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。

可选地，在本申请实施例提供的伺服电机控制方法中，还包括以下步骤：

获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本，所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本，所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本；

将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练，以得到经过训练的目标神经网络模型。

可选地，在本申请实施例提供的伺服电机控制方法中，所述将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练，以得到经过训练的目标神经网络模型的步骤包括：

从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型，以获取对应的角速度计算值；

根据所述角速度计算值以及对应实际角速度样本对所述初始神经网络模型的权重参数进行更新，以得到更新后的初始神经网络模型；

根据所述角速度计算值以及对应实际角速度样本计算所述初始神经网络的损失函数，并对所述损失函数的误差范围进行判断；

若所述误差范围大于预设阈值，则返回至所述从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型的步骤；

若所述误差范围小于预设阈值，则将更新后的初始神经网络模型作为目标神经网络模型。

可选地，在本申请实施例提供的伺服电机控制方法中，所述根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值的步骤包括：

根据所述角速度检测值以及所述实际角速度计算误差值；

根据所述电流信息获取对应的补偿系数；

根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。

可选地，在本申请实施例提供的伺服电机控制方法中，所述获取伺服电机在开环运行状态下的电流信息的步骤包括：

获取伺服电机在开环运行状态下的Q轴电流值；

获取伺服电机在开环运行状态下的Z轴电流值。

第二方面，本申请实施例还提供了一种伺服电机控制装置，包括：

第一获取模块，用于获取伺服电机在开环运行状态下的电流信息；

第二获取模块，用于获取伺服电机的角速度传感器检测得到的角速度检测值；

第一计算模块，用于将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型，以计算所述伺服电机当前的实际角速度值；

第二计算模块，用于根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。

可选地，在本申请所述的伺服电机控制装置中，还包括：

第三获取模块，用于获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本，所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本，所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本；

训练模块，用于将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练，以得到经过训练的目标神经网络模型。

可选地，在本申请所述的伺服电机控制装置中，所述第二计算模块包括：

第一计算单元，用于根据所述角速度检测值以及所述实际角速度计算误差值；

第一获取单元，用于根据所述电流信息获取对应的补偿系数；

第二计算单元，用于根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。

第三方面，本申请实施例提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。

第四方面，本申请实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。

由上可知，本申请通过获取伺服电机在开环运行状态下的电流信息；获取伺服电机的角速度传感器检测得到的角速度检测值；将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型，以计算所述伺服电机当前的实际角速度值；根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值；从而实现对该角速度进行补偿，可以提高角速度调整的精确度。

本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的伺服电机控制方法的一种流程图。

图2为本申请实施例提供的伺服电机控制装置的一种结构示意图。

图3为本申请实施例提供的电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参照图1，图1是本申请一些实施例中的一种伺服电机控制方法的流程图，伺服电机控制方法包括以下步骤：

S101、获取伺服电机在开环运行状态下的电流信息。

S102、获取伺服电机的角速度传感器检测得到的角速度检测值。

S103、将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型，以计算所述伺服电机当前的实际角速度值。

S104、根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。

其中，在该步骤S101中，根据伺服电机的等效方程，获取伺服电机的开环运行方程。从而得到该开环运行状态下的开环运行方程，然后根据该开环运行方程进行运行，然后测量得该伺服电机的Q轴电流以及D轴电流。其中，该电流信息包括该Q轴电流以及D轴电。

其中，在该步骤S102中，该角速度传感器每隔预设时间段上传一次角速度检测值，例如1秒，该角速度检测值可能存在由于该角速度传感器安装导致的误差，或者本身误差，因此，该角速度检测值与实际值有一定差距。

其中，在该步骤S103中，该预先训练的目标神经网络为通过多种运行状态下的检测样本及对应的验证样本训练得到。具体地，在一些实施例中， 该步骤S103之前，还包括以下步骤：

S1、获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本，所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本，所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本。S2、将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练，以得到经过训练的目标神经网络模型。

其中，在该步骤S1中，该检测样本包括多个样本对，每一样本对包括检测电流样本及角速度检测值样本，该验证样本包括多个对应的角速度检测值样本，该多个角速度检测值样本与该多个样本对一一对应。其中，该初始神经网络模型可以采用现有技术中的现有模型，然后将其权重参数设置为随机值。其中，在该步骤S2中，可以采用多个检测样本对该初始神经网络模型进行训练得到。

具体地，在一些实施例中，该步骤S2包括：

S21、从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型，以获取对应的角速度计算值；S22、根据所述角速度计算值以及对应实际角速度样本对所述初始神经网络模型的权重参数进行更新，以得到更新后的初始神经网络模型；S23、根据所述角速度计算值以及对应实际角速度样本计算所述初始神经网络的损失函数，并对所述损失函数的误差范围进行判断；S24、若所述误差范围大于预设阈值，则返回至所述从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型的步骤；S25、若所述误差范围小于预设阈值，则将更新后的初始神经网络模型作为目标神经网络模型。

其中，该预设阈值根据该误差的范围进行设置。当然，也可以采用其他经验值。

其中，在该步骤S104中，在设置该角速度补偿值时，可以直接根据该角速度检测值与该实际角速度的误差值来进行计算，二者相同。在另一些实施例中，可以跟电流信息进行结合。由于，该角速度传感器在检测该角速度检测值时，其误差跟该电流的大小相关，该伺服电机的电流越大，误差越大，因此，可以根据当前检测得到的电流信息来设置对应的补偿系数。具体地，该步骤S104包括：S1041、根据所述角速度检测值以及所述实际角速度计算误差值；S1042、根据所述电流信息获取对应的补偿系数；S1043、根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。

其中，该补偿系数可以采用有限次数试验来总结得出，不同的电流区间对应不同的补偿系数。

由上可知，本申请实施例提供的方法通过获取伺服电机在开环运行状态下的电流信息；获取伺服电机的角速度传感器检测得到的角速度检测值；将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型，以计算所述伺服电机当前的实际角速度值；根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值；从而实现对该角速度进行补偿，可以提高角速度调整的精确度。

参照图2，图2是本申请一些实施例中的一种伺服电机控制装置，包括：第一获取模块201、第二获取模块202、第一计算模块203、第二计算模块204。

其中，该第一获取模块201用于获取伺服电机在开环运行状态下的电流信息；根据伺服电机的等效方程，获取伺服电机的开环运行方程。从而得到该开环运行状态下的开环运行方程，然后根据该开环运行方程进行运行，然后测量得该伺服电机的Q轴电流以及D轴电流。其中，该电流信息包括该Q轴电流以及D轴电。

其中，该第二获取模块202用于获取伺服电机的角速度传感器检测得到的角速度检测值；该角速度传感器每隔预设时间段上传一次角速度检测值，例如1秒，该角速度检测值可能存在由于该角速度传感器安装导致的误差，或者本身误差，因此，该角速度检测值与实际值有一定差距。

其中，该第一计算模块203用于将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型，以计算所述伺服电机当前的实际角速度值；该预先训练的目标神经网络为通过多种运行状态下的检测样本及对应的验证样本训练得到。具体地，在一些实施例中， 该装置还包括训练模块；训练模块用于获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本，所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本，所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本，将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练，以得到经过训练的目标神经网络模型。

其中，该检测样本包括多个样本对，每一样本对包括检测电流样本及角速度检测值样本，该验证样本包括多个对应的角速度检测值样本，该多个角速度检测值样本与该多个样本对一一对应。其中，该初始神经网络模型可以采用现有技术中的现有模型，然后将其权重参数设置为随机值。其中，可以采用多个检测样本对该初始神经网络模型进行训练得到。

具体地，在一些实施例中，从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型，以获取对应的角速度计算值；根据所述角速度计算值以及对应实际角速度样本对所述初始神经网络模型的权重参数进行更新，以得到更新后的初始神经网络模型；根据所述角速度计算值以及对应实际角速度样本计算所述初始神经网络的损失函数，并对所述损失函数的误差范围进行判断；若所述误差范围大于预设阈值，则返回至所述从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型的步骤；若所述误差范围小于预设阈值，则将更新后的初始神经网络模型作为目标神经网络模型。

其中，该预设阈值根据该误差的范围进行设置。当然，也可以采用其他经验值。

其中，该第二计算模块204用于根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。在设置该角速度补偿值时，可以直接根据该角速度检测值与该实际角速度的误差值来进行计算，二者相同。在另一些实施例中，可以跟电流信息进行结合。由于，该角速度传感器在检测该角速度检测值时，其误差跟该电流的大小相关，该伺服电机的电流越大，误差越大，因此，可以根据当前检测得到的电流信息来设置对应的补偿系数。具体地，该第二计算模块204用于：根据所述角速度检测值以及所述实际角速度计算误差值；根据所述电流信息获取对应的补偿系数；根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。

其中，该补偿系数可以采用有限次数试验来总结得出，不同的电流区间对应不同的补偿系数。

在本申请所述的伺服电机控制装置中，还包括：第三获取模块，用于获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本，所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本，所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本；训练模块，用于将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练，以得到经过训练的目标神经网络模型。

第二计算模块204包括：第一计算单元，用于根据所述角速度检测值以及所述实际角速度计算误差值；第一获取单元，用于根据所述电流信息获取对应的补偿系数；第二计算单元，用于根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。

由上可知，本申请实施例提供的装置通过获取伺服电机在开环运行状态下的电流信息；获取伺服电机的角速度传感器检测得到的角速度检测值；将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型，以计算所述伺服电机当前的实际角速度值；根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值；从而实现对该角速度进行补偿，可以提高角速度调整的精确度。

请参照图3，图3为本申请实施例提供的一种电子设备的结构示意图，本申请提供一种电子设备3，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构（未标出）互连并相互通讯，存储器302存储有处理器301可执行的计算机程序，当计算设备运行时，处理器301执行该计算机程序，以执行时执行上述实施例的任一可选的实现方式中的方法，以实现以下功能：获取伺服电机在开环运行状态下的电流信息；获取伺服电机的角速度传感器检测得到的角速度检测值；将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型，以计算所述伺服电机当前的实际角速度值；根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值。

本申请实施例提供一种存储介质，所述计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random AccessMemory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable ProgrammableRead-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable ProgrammableRead Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory,简称PROM），只读存储器（Read-Only Memory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。