阅读说明：本技术 伺服电机驱动电压控制方法、装置、电子设备及存储介质 (Servo motor driving voltage control method, servo motor driving voltage 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驱动电压控制方法、装置、电子设备及存储介质。该伺服电机驱动电压控制方法,包括以下步骤：获取用于调整伺服电机的转速的第一控制指令,所述第一控制指令携带有目标转速；将所述目标转速输入第一目标神经网络模型,以获取第一驱动电压值；根据所述第一驱动电压值对所述伺服电机进行驱动,并获取所述伺服电机的第一实际转速；根据所述第一驱动电压值以及所述第一实际转速对所述第一目标神经网络模型进行优化,以得到第二神经网络模型；将所述目标转速输入所述第二神经网络模型以获取第二驱动电压值；根据所述第二驱动电压值对所述伺服电机进行驱动。本申请可以提高转速的准确度。(The application provides a servo motor driving voltage control method and device, electronic equipment and a storage medium. The servo motor driving voltage control method comprises the following steps: acquiring a first control instruction for adjusting the rotating speed of a servo motor, wherein the first control instruction carries a target rotating speed; inputting the target rotating speed into a first target neural network model to obtain a first driving voltage value; driving the servo motor according to the first driving voltage value, and acquiring a first actual rotating speed of the servo motor; optimizing the first target neural network model according to the first driving voltage value and the first actual rotating speed to obtain a second neural network model; inputting the target rotating speed into the second neural network model to obtain a second driving voltage value; and driving the servo motor according to the second driving voltage value. The application can improve the accuracy of the rotating speed.)

伺服电机驱动电压控制方法、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，涉及一种伺服电机驱动电压控制方法、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。

目前常见的驱动器转速控制指令接口，均采用模拟量指令接口，即上位机通过发送一模拟量信号，如发送电压值为-10V～+10V的模拟量信号来线性地控制伺服电机的转速(如-3000rpm～3000rpm)。

现有技术中，由于电机老化或者其他各种误差导致提供给伺服电机的驱动电压得到的实际转速与目标转速误差较大。

因此，现有技术急需存在缺陷，急需改进。

发明内容

本申请实施例的目的在于提供一种伺服电机驱动电压控制方法、装置、电子设备及存储介质，可以提高转速的准确度。

第一方面，本申请实施例提供了一种伺服电机驱动电压控制方法，包括以下步骤：

获取用于调整伺服电机的转速的第一控制指令，所述第一控制指令携带有目标转速；

将所述目标转速输入第一目标神经网络模型，以获取第一驱动电压值；

根据所述第一驱动电压值对所述伺服电机进行驱动，并获取所述伺服电机的第一实际转速；

根据所述第一驱动电压值以及所述第一实际转速对所述第一目标神经网络模型进行优化，以得到第二神经网络模型；

将所述目标转速输入所述第二神经网络模型以获取第二驱动电压值；

根据所述第二驱动电压值对所述伺服电机进行驱动。

可选地，在本申请实施例所述的伺服电机驱动电压控制方法中，所述将所述目标转速输入第一目标神经网络模型，以获取第一驱动电压值的步骤之前，还包括：

获取多个样本数据，每一所述样本数据包括样本转速以及对应的样本驱动电压值；

根据所述多个样本数据对预设的初始神经网络模型进行训练，以得到第一目标神经网络模型。

可选地，在本申请实施例所述的伺服电机驱动电压控制方法中，所述将所述目标转速输入第一目标神经网络模型，以获取第一驱动电压值的步骤之前，还包括：

获取以当前时间为终点的预设时间段内的多个历史数据，每一所述历史数据包括历史实际转速值以及对应的历史驱动电压值；

根据所述多个历史数据对预设的初始神经网络模型进行训练进行训练，以得到第一目标神经网络模型。

可选地，在本申请实施例所述的伺服电机驱动电压控制方法中，所述根据所述第一驱动电压值以及所述实际转速对所述第一目标神经网络模型进行优化，以得到第二神经网络模型，包括：

根据所述实际转速以及所述第一驱动电压值对所述第一目标神经网络模型的各个权重参数进行修改；

根据修改后的权重参数获取第二神经网络模型。

可选地，在本申请实施例所述的伺服电机驱动电压控制方法中，所述将所述目标转速输入第一目标神经网络模型，以获取第一驱动电压值的步骤之前，包括：

获取所述目标转速所在的区间范围；

根据所述区间范围从多个第一神经网络模型中选取对应的第一目标神经网络模型。

可选地，在本申请实施例所述的伺服电机驱动电压控制方法中，所述根据所述第二驱动电压值对所述伺服电机进行驱动的步骤之后，还包括：

获取以第二驱动电压值对伺服电机进行驱动时的第二实际转速；

判断所述第二实际转速与所述目标转速的差值是否小于预设阈值；

若小于预设阈值，则采用逐步微调法对所述第一驱动电压值进行调整，以使得所述微调后的实际转速等于所述目标转速；

若大于预设阈值，则将所述第二实际转速设置为第一实际转速，并返回至所述根据所述第一驱动电压值以及所述第一实际转速对所述第一目标神经网络模型进行优化，以得到第二神经网络模型的步骤。

第二方面，本申请实施例还提供了一种伺服电机驱动电压控制装置，包括：

第一获取模块，用于获取用于调整伺服电机的转速的第一控制指令，所述第一控制指令携带有目标转速；

第二获取模块，用于将所述目标转速输入第一目标神经网络模型，以获取第一驱动电压值；

第三获取模块，用于根据所述第一驱动电压值对所述伺服电机进行驱动，并获取所述伺服电机的第一实际转速；

优化模块，用于根据所述第一驱动电压值以及所述第一实际转速对所述第一目标神经网络模型进行优化，以得到第二神经网络模型；

第四获取模块，用于将所述目标转速输入所述第二神经网络模型以获取第二驱动电压值；

驱动模块，用于根据所述第二驱动电压值对所述伺服电机进行驱动。

可选地，在本申请实施例所述的伺服电机驱动电压控制装置中，还包括：

第五获取模块，用于获取多个样本数据，每一所述样本数据包括样本转速以及对应的样本驱动电压值；

训练模块，用于根据所述多个样本数据对预设的初始神经网络模型进行训练，以得到第一目标神经网络模型。

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，本申请实施例提供的伺服电机驱动电压控制方法及装置通过获取用于调整伺服电机的转速的第一控制指令，所述第一控制指令携带有目标转速；将所述目标转速输入第一目标神经网络模型，以获取第一驱动电压值；根据所述第一驱动电压值对所述伺服电机进行驱动，并获取所述伺服电机的第一实际转速；根据所述第一驱动电压值以及所述第一实际转速对所述第一目标神经网络模型进行优化，以得到第二神经网络模型；将所述目标转速输入所述第二神经网络模型以获取第二驱动电压值；根据所述第二驱动电压值对所述伺服电机进行驱动；从而实现对驱动电压的控制，达到提高转速的准确度的有益效果。

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驱动电压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驱动电压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驱动电压控制方法的流程图，该伺服电机驱动电压控制方法包括以下步骤：

S101、获取用于调整伺服电机的转速的第一控制指令，所述第一控制指令携带有目标转速。

S102、将所述目标转速输入第一目标神经网络模型，以获取第一驱动电压值。

S103、根据所述第一驱动电压值对所述伺服电机进行驱动，并获取所述伺服电机的第一实际转速。

S104、根据所述第一驱动电压值以及所述第一实际转速对所述第一目标神经网络模型进行优化，以得到第二神经网络模型。

S105、将所述目标转速输入所述第二神经网络模型以获取第二驱动电压值。

S106、根据所述第二驱动电压值对所述伺服电机进行驱动。

其中，在该步骤S101中，该目标转速是基于用户输入的指令生成。

其中，在该步骤S102中，该第一驱动电压值即为需要输出给该伺服电机的驱动电压，使得该伺服电机在该第一驱动电压值的驱动下转动。该第一目标神经网络模型是基于多个样本数据对预设初始神经网络模型训练得到。因此，在一些实施例中，该步骤S102之前，还包括以下步骤：获取多个样本数据，每一所述样本数据包括样本转速以及对应的样本驱动电压值；根据所述多个样本数据对预设的初始神经网络模型进行训练，以得到第一目标神经网络模型。将多个样本数据依次输入该初始神经网络模型，直至该初始神经网络模型的代价函数小于预设范围。

可以理解地，在一些实施例中，为了提高第一驱动电压值计算的准确性，可以针对不同转速区间来训练不同的神经网络模型。具体地，在一些实施例中，该步骤S102之前，还包括：获取所述目标转速所在的区间范围；根据所述区间范围从多个第一神经网络模型中选取对应的第一目标神经网络模型。例如，可以每隔100转每秒设置设置一个区间，然后对应每一区间进行神经网络模型的训练。

其中，该多个第一神经网络模型为位于不对应区间范围的样本数据训练得到，使得该第一神经网络模型所针对性更强，从而大大提高了对伺服电机驱动电压的计算的准确性。

可以理解地，在一些实施例中，由于伺服电机在使用过程中为不断老化，例如，定子磁性减弱，或者电阻增强等，因此，为了提高准确性，可以采用以当前时间为终点的预设时间段内的多个历史数据来进行训练神经网络模型。具体地，在执行该步骤S102之前，还包括以下步骤：获取以当前时间为终点的预设时间段内的多个历史数据，每一所述历史数据包括历史实际转速值以及对应的历史驱动电压值；根据所述多个历史数据对预设的初始神经网络模型进行训练，以得到第一目标神经网络模型。

其中，在该步骤S103中，外部电源模块根据计算得到的第一驱动电压值给该伺服电机提供驱动电压，并通过该伺服电机的转速传感器获取该伺服电机在该第一驱动电压值的驱动下的第一实际转速。

其中，在该步骤S104中，通过采用当前的第一实际转速、对应的第一驱动电压值对该第一神经网络模型进行动态优化，以得到准确度更高的第二神经网络模型。

具体地，该步骤S104包括：根据所述实际转速以及所述第一驱动电压值对所述第一目标神经网络模型的各个权重参数进行修改；根据修改后的权重参数获取第二神经网络模型。

其中，在该步骤S105中，采用优化得到第二神经网络模型来计算得到该第二驱动电压值，使得根据该第二驱动电压值进行驱动时得到的实际转速更接近目标转速，由于采用了该伺服电机最新的样本数据来对该第一神经网络模型进行优化，以得到第二神经网络模型，使得第二神经网络模型的误差更低，从而可以提高驱动控制的精确度。

可以理解地，在一些实施例中，在该步骤S106之后，还包括以下步骤：

S107、获取以第二驱动电压值对伺服电机进行驱动时的第二实际转速；

S108、判断所述第二实际转速与所述目标转速的差值是否小于预设阈值；

S109、若小于预设阈值，则采用逐步微调法对所述第一驱动电压值进行调整，以使得所述微调后的实际转速等于所述目标转速；

S110、若大于预设阈值，则将所述第二实际转速设置为第一实际转速，并返回至所述根据所述第一驱动电压值以及所述第一实际转速对所述第一目标神经网络模型进行优化，以得到第二神经网络模型的步骤。

其中，在该步骤S108中，该预设阈值的设定可以根据该目标转速来进行，例如如果目标转速为x，则该预设阈值设定为0.05x。当然，还可以采用其他设定方式。

其中，在该步骤S109中，如果该差值小于预设阈值，说明该第二实际转速已经很接近该目标转速了，因此，无需采用对第二神经网络模型继续优化，而采用逐步微调法的方式，来对驱动电压进行微调，最终达到该实际转速与目标转速相同的目的。例如以一个较小的预设幅度对该伺服电机的驱动电压进行微调，然后检测该伺服电机的实际转速是否等于该目标转速，如果不等于则继续以相同预设幅度对该驱动电压进行微调，直至该伺服电机的实际转速等于该目标转速。

其中，在该步骤S110中，如果大于预设阈值，则说明还需要对该第二神经网络模型进行继续优化，因此，返回执行该步骤S104，其中，优化时采用的数据是该第二实际转速以及该第一驱动电压值。

本申请通过采用逐步微调法与第二神经网络模型相结合的方式，可以以更快地将该实际转速调整至目标转速，可以提高效率，降低调整时间。

由上可知，本申请实施例提供的伺服电机驱动电压控制方法通过获取用于调整伺服电机的转速的第一控制指令，所述第一控制指令携带有目标转速；将所述目标转速输入第一目标神经网络模型，以获取第一驱动电压值；根据所述第一驱动电压值对所述伺服电机进行驱动，并获取所述伺服电机的第一实际转速；根据所述第一驱动电压值以及所述第一实际转速对所述第一目标神经网络模型进行优化，以得到第二神经网络模型；将所述目标转速输入所述第二神经网络模型以获取第二驱动电压值；根据所述第二驱动电压值对所述伺服电机进行驱动；从而实现对驱动电压的控制，达到提高转速的准确度的有益效果。

请参照图2，图2是本申请一些实施例中的一种伺服电机驱动电压控制装置的结构示意图。该伺服电机驱动电压控制装置包括：第一获取模块201、第二获取模块202、第三获取模块203、优化模块204、第四获取模块205以及驱动模块206。

其中，该第一获取模块201，用于获取用于调整伺服电机的转速的第一控制指令，所述第一控制指令携带有目标转速。

其中，该第二获取模块202，用于将所述目标转速输入第一目标神经网络模型，以获取第一驱动电压值。

其中，该第三获取模块203，用于根据所述第一驱动电压值对所述伺服电机进行驱动，并获取所述伺服电机的第一实际转速。

其中，该优化模块204，用于根据所述第一驱动电压值以及所述第一实际转速对所述第一目标神经网络模型进行优化，以得到第二神经网络模型。

其中，该第四获取模块205，用于将所述目标转速输入所述第二神经网络模型以获取第二驱动电压值。

其中，该驱动模块206，用于根据所述第二驱动电压值对所述伺服电机进行驱动。

在一些实施例中， 该伺服电机驱动电压控制装置，还包括：第五获取模块，用于获取多个样本数据，每一所述样本数据包括样本转速以及对应的样本驱动电压值；训练模块，用于根据所述多个样本数据对预设的初始神经网络模型进行训练，以得到第一目标神经网络模型。

由上可知，本申请实施例提供的伺服电机驱动电压控制装置通过获取用于调整伺服电机的转速的第一控制指令，所述第一控制指令携带有目标转速；将所述目标转速输入第一目标神经网络模型，以获取第一驱动电压值；根据所述第一驱动电压值对所述伺服电机进行驱动，并获取所述伺服电机的第一实际转速；根据所述第一驱动电压值以及所述第一实际转速对所述第一目标神经网络模型进行优化，以得到第二神经网络模型；将所述目标转速输入所述第二神经网络模型以获取第二驱动电压值；根据所述第二驱动电压值对所述伺服电机进行驱动；从而实现对驱动电压的控制，达到提高转速的准确度的有益效果。

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：获取用于调整伺服电机的转速的第一控制指令，所述第一控制指令携带有目标转速；将所述目标转速输入第一目标神经网络模型，以获取第一驱动电压值；根据所述第一驱动电压值对所述伺服电机进行驱动，并获取所述伺服电机的第一实际转速；根据所述第一驱动电压值以及所述第一实际转速对所述第一目标神经网络模型进行优化，以得到第二神经网络模型；将所述目标转速输入所述第二神经网络模型以获取第二驱动电压值；根据所述第二驱动电压值对所述伺服电机进行驱动；从而实现对驱动电压的控制，达到提高转速的准确度的有益效果。

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。