[发明专利]一种提高位置精度的电机控制方法

权利要求书

1.一种提高位置精度的电机控制方法，其特征在于，包括以下步骤：

S1、信号采集单元对电机的相关数据进行采集，并分类；

S2、对数据进行标幺，标幺后的数据通过公式(1)进行表示，

其中，x_min为采集的相同种类数据的最小值，x_max为为采集的相同种类数据的最大值，x为采集的相同种类数据的任意值，y是x对应的标幺值，α为采集的不同种类的数据的系数，e^β为采集的不同种类的数据的补偿值；

S3、对采集的不同种类的数据进行分组；

S4、建立一个神经网络模型；

S5、训练神经网络模型，自适应学习，将训练好的神经网络模型保存到数据存储单元中；

S6、将电机不同运行状态的信息输入步骤S5中训练好的神经网络模型中，预测出与其相对应的电机运行时间；

S7、判断应用场景，根据不同的场景，调取不同的自适应学习的数据；

S8、将运行时间发送给电机控制单元，转化为电机控制信号，控制电机运动；

S9、电机控制单元对当前位置及实时位置进行采集；

S10、判断位置是否满足要求，如果满足要求，则执行步骤S11，如果不满足要求，则执行步骤S12；

步骤S11、电机控制单元继续以该电机控制信号控制电机运动；

步骤S12、对电机位置进一步补偿，之后返回执行步骤S9，其补偿公式为公式(3)，

其中，S为电机控制之后的位置，PWM为根据中央处理器发送的时间转化的开关频率，θ为补偿系数。

2.如权利要求1所述的提高位置精度的电机控制方法，其特征在于，

在步骤S3中，对采集的不同种类的数据进行分组后，每组数据对应电机的转速、电机的实时位置、电机的当前位置、电机的运行时间中的其中之一，通过公式(1)将每一组数据都映射到[0.1，0.85]的范围内，用做神经网络模型和自适应学习的样本。

3.如权利要求2所述的提高位置精度的电机控制方法，其特征在于，在步骤S4中，神经网络模型的输入为电机的转速、电机的当前位置、电机的实时位置，神经网络模型的输出为电机的运行时间。

4.如权利要求1所述的提高位置精度的电机控制方法，其特征在于，在步骤S5中，训练神经网络模型及自适应学习步骤如下：

将神经网络模型的目标设置一个误差m，学习次数为n，初始值在[a,b]的期间范围内，根据学习的方式，系统自己去调节学习的次数，以及初始值的周期，学习的表示公式如下：

ε(k)＝n*ε(k)*δ (2)

其中，n为学习的次数，ε学习的效率，δ为学习的速率倍数；

如果学习之后的误差在m之内，则按照倍数增加速率倍数或减少学习次数；如果学习之后的误差在m之外，则按照倍数减少速率倍数或者增加学习次数，同时对m之内的学习建立神经网络模型。