【技术实现步骤摘要】
本申请涉及智能控制领域，且更为具体地，涉及一种用于摇摆环境下的力矩电机旋转定位控制方法。
技术介绍
1、力矩电机，也称为扭矩电机，是一种特殊的电机，它能在低速甚至堵转状态下持续运转而不损坏，并且能够提供稳定的力矩给负载，被广泛应用于机械制造、纺织、造纸、橡胶、塑料、金属线材和电线电缆等工业中。
2、在许多精密控制的应用中，如卷绕装置，力矩电机的旋转定位功能尤为重要，它能够在特定的角度范围内控制转动，以满足工艺要求。这种控制的能力使得力矩电机成为许多自动化系统中不可或缺的部分，为各种机械设备提供了高效、可靠的动力解决方案。
3、然而，在强烈摇摆或振动的条件下，传统的矩电机旋转定位控制方法如pid闭环控制方法会由于外部扰动导致控制器的性能下降，以致难以快速适应环境的动态变化，从而影响力矩电机定位的精确性。
4、因此，期望一种优化的用于摇摆环境下的力矩电机旋转定位控制方法。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于摇摆环境下的力矩电机旋转定位控制方法，其将位置传感器实时监测的机械台体的实时位置数据和振动传感器采集的机械台体的振动信号通过有线通信网络传输至后台定位控制服务器，并在所述后台定位控制服务器中利用基于人工智能的数据信号处理技术对所述振动信号和所述实时位置数据分别进行时频特征分析和时序关联，以此根据所述振动信号和所述实时位置数据的时序融合特征来智能地得到pwm脉宽波的空占比的推荐值。通过这种方式，能够适应
2、根据本申请的一方面，提供了一种用于摇摆环境下的力矩电机旋转定位控制方法，其包括：
3、通过位置传感器来实时监测机械台体的实时位置数据以得到实时位置数据的时间序列；
4、通过振动传感器来采集所述机械台体的振动信号；
5、将所述振动信号和所述实时位置数据的时间序列通过有线通信网络传输至后台定位控制服务器；
6、在所述后台定位控制服务器，对所述振动信号进行时频提取以得到机械台体振动二维时频图；
7、对所述机械台体振动二维时频图进行振动时频特征提取以得到机械台体振动时频语义特征向量；
8、对所述实时位置数据的时间序列进行位置数据序列编码以得到位置数据时序关联隐含特征向量；
9、将所述位置数据时序关联隐含特征向量和所述机械台体振动时频语义特征向量输入基于高斯先验分布的特征引导融合模块以得到环境状态多模态时序表示向量作为环境状态多模态时序表示特征；
10、基于所述环境状态多模态时序表示特征，得到定位控制指令。
11、在上述用于摇摆环境下的力矩电机旋转定位控制方法中，在所述后台定位控制服务器，对所述振动信号进行时频提取以得到机械台体振动二维时频图，包括：在所述后台定位控制服务器，对所述振动信号进行小波变换以得到所述机械台体振动二维时频图。
12、在上述用于摇摆环境下的力矩电机旋转定位控制方法中，对所述机械台体振动二维时频图进行振动时频特征提取以得到机械台体振动时频语义特征向量，包括：将所述机械台体振动二维时频图输入基于深度神经网络模型的振动时频特征提取器以得到所述机械台体振动时频语义特征向量。
13、在上述用于摇摆环境下的力矩电机旋转定位控制方法中，所述基于深度神经网络模型的振动时频特征提取器为基于空洞卷积神经网络模型的振动时频特征提取器。
14、在上述用于摇摆环境下的力矩电机旋转定位控制方法中，对所述实时位置数据的时间序列进行位置数据序列编码以得到位置数据时序关联隐含特征向量，包括：将所述实时位置数据的时间序列输入基于双向长短期记忆神经网络模型的位置数据序列编码器以得到所述位置数据时序关联隐含特征向量。
15、在上述用于摇摆环境下的力矩电机旋转定位控制方法中，将所述位置数据时序关联隐含特征向量和所述机械台体振动时频语义特征向量输入基于高斯先验分布的特征引导融合模块以得到环境状态多模态时序表示向量作为环境状态多模态时序表示特征，包括：基于所述位置数据时序关联隐含特征向量和所述机械台体振动时频语义特征向量分别构造位置数据时序关联隐含引导特征向量和机械台体振动时频语义引导特征向量；以及，将所述位置数据时序关联隐含引导特征向量和所述机械台体振动时频语义引导特征向量进行按位置相加以得到所述环境状态多模态时序表示向量。
16、在上述用于摇摆环境下的力矩电机旋转定位控制方法中，基于所述位置数据时序关联隐含特征向量和所述机械台体振动时频语义特征向量分别构造位置数据时序关联隐含引导特征向量和机械台体振动时频语义引导特征向量，包括：计算所述位置数据时序关联隐含特征向量与第一权重超参数的乘积为幂的自然指数特征向量与第一高斯分布超参数的乘积以得到所述位置数据时序关联隐含引导特征向量；以及，计算所述机械台体振动时频语义特征向量与第二权重超参数的乘积为幂的自然指数特征向量与第二高斯分布超参数的乘积以得到所述机械台体振动时频语义引导特征向量；其中，所述第一高斯分布超参数和所述第二高斯分布超参数都是以均值为0、方差为1的高斯分布随机数函数产生。
17、在上述用于摇摆环境下的力矩电机旋转定位控制方法中，基于所述环境状态多模态时序表示特征，得到定位控制指令，包括：将所述环境状态多模态时序表示向量输入基于解码器的定位控制器以得到定位控制指令，所述定位控制指令用于表示推荐的pwm脉宽波的空占比。
18、与现有技术相比，本申请提供的一种用于摇摆环境下的力矩电机旋转定位控制方法，其将位置传感器实时监测的机械台体的实时位置数据和振动传感器采集的机械台体的振动信号通过有线通信网络传输至后台定位控制服务器，并在所述后台定位控制服务器中利用基于人工智能的数据信号处理技术对所述振动信号和所述实时位置数据分别进行时频特征分析和时序关联，以此根据所述振动信号和所述实时位置数据的时序融合特征来智能地得到pwm脉宽波的空占比的推荐值。通过这种方式，能够适应不同的摇摆条件和工作环境，以此减少摇摆环境下的干扰，从而更准确地控制力矩电机，实现更加灵活的控制策略和精准定位。
本文档来自技高网...【技术保护点】
1.一种用于摇摆环境下的力矩电机旋转定位控制方法，其特征在于，包括：
2.根据权利要求1所述的用于摇摆环境下的力矩电机旋转定位控制方法，其特征在于，在所述后台定位控制服务器，对所述振动信号进行时频提取以得到机械台体振动二维时频图，包括：在所述后台定位控制服务器，对所述振动信号进行小波变换以得到所述机械台体振动二维时频图。
3.根据权利要求2所述的用于摇摆环境下的力矩电机旋转定位控制方法，其特征在于，对所述机械台体振动二维时频图进行振动时频特征提取以得到机械台体振动时频语义特征向量，包括：将所述机械台体振动二维时频图输入基于深度神经网络模型的振动时频特征提取器以得到所述机械台体振动时频语义特征向量。
4.根据权利要求3所述的用于摇摆环境下的力矩电机旋转定位控制方法，其特征在于，所述基于深度神经网络模型的振动时频特征提取器为基于空洞卷积神经网络模型的振动时频特征提取器。
5.根据权利要求4所述的用于摇摆环境下的力矩电机旋转定位控制方法，其特征在于，对所述实时位置数据的时间序列进行位置数据序列编码以得到位置数据时序关联隐含特征向量，包括：
6.根据权利要求5所述的用于摇摆环境下的力矩电机旋转定位控制方法，其特征在于，将所述位置数据时序关联隐含特征向量和所述机械台体振动时频语义特征向量输入基于高斯先验分布的特征引导融合模块以得到环境状态多模态时序表示向量作为环境状态多模态时序表示特征，包括：
7.根据权利要求6所述的用于摇摆环境下的力矩电机旋转定位控制方法，其特征在于，基于所述位置数据时序关联隐含特征向量和所述机械台体振动时频语义特征向量分别构造位置数据时序关联隐含引导特征向量和机械台体振动时频语义引导特征向量，包括：
8.根据权利要求7所述的用于摇摆环境下的力矩电机旋转定位控制方法，其特征在于，基于所述环境状态多模态时序表示特征，得到定位控制指令，包括：将所述环境状态多模态时序表示向量输入基于解码器的定位控制器以得到定位控制指令，所述定位控制指令用于表示推荐的PWM脉宽波的空占比。
...【技术特征摘要】
1.一种用于摇摆环境下的力矩电机旋转定位控制方法，其特征在于，包括：
2.根据权利要求1所述的用于摇摆环境下的力矩电机旋转定位控制方法，其特征在于，在所述后台定位控制服务器，对所述振动信号进行时频提取以得到机械台体振动二维时频图，包括：在所述后台定位控制服务器，对所述振动信号进行小波变换以得到所述机械台体振动二维时频图。
3.根据权利要求2所述的用于摇摆环境下的力矩电机旋转定位控制方法，其特征在于，对所述机械台体振动二维时频图进行振动时频特征提取以得到机械台体振动时频语义特征向量，包括：将所述机械台体振动二维时频图输入基于深度神经网络模型的振动时频特征提取器以得到所述机械台体振动时频语义特征向量。
4.根据权利要求3所述的用于摇摆环境下的力矩电机旋转定位控制方法，其特征在于，所述基于深度神经网络模型的振动时频特征提取器为基于空洞卷积神经网络模型的振动时频特征提取器。
5.根据权利要求4所述的用于摇摆环境下的力矩电机旋转定位控制方法，其特征在于，对所述实时位置数据的时间序列进行位置数据序列编码以得...
【专利技术属性】
技术研发人员：杜霞啸，都元亚，于冬冬，赵琦，宋晓东，
申请(专利权)人：青岛智和精密科技有限公司，
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。