一种基于神经网络的舵机模型构建方法和系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116027681A(43)申请公布日2023.04.28(21)申请号202211592955.1(22)申请日2022.12.13(71)申请人北京机电工程研究所地址100074北京市丰台区云岗北里40号(72)发明人韩健唐成周莉莉董晨(74)专利代理机构北京天达知识产权代理事务所有限公司11386专利代理师刘丰艺(51)Int.Cl.G05B17/02(2006.01)权利要求书2页说明书10页附图1页(54)发明名称一种基于神经网络的舵机模型构建方法和系统(57)摘要本发明涉及一种基于神经网络的舵机模型构建方法和系统，涉及半实物仿真技术领域，解决了现有的舵机仿真建模过程复杂、无法准确的还原舵机的特性的问题。方法包括以下步骤：确定舵机的频率上限和采样频率；根据所述频率上限和采样频率生成控制信号，采集舵机根据控制信号输出的反馈信号；对所述控制信号和对应的反馈信号进行预处理得到样本数据集；构建神经网络模型，基于所述样本数据集训练所述神经网络模型，将训练好的神经网络模型作为所述舵机的仿真模型。从而实现了快速准确的构建舵机仿真模型。CN116027681ACN116027681A权利要求书1/2页1.一种基于神经网络的舵机模型构建方法，其特征在于，包括以下步骤：确定舵机的频率上限和采样频率；根据所述频率上限和采样频率生成控制信号，采集舵机根据控制信号输出的反馈信号；对所述控制信号和对应的反馈信号进行预处理得到样本数据集；构建神经网络模型，基于所述样本数据集训练所述神经网络模型，将训练好的神经网络模型作为所述舵机的仿真模型。2.根据权利要求1所述的基于神经网络的舵机模型构建方法，其特征在于，采用以下方式确定舵机的频率上限和采样频率：S101、以初始频率为当前测试频率；S102、将当前测试频率对应的信号输入舵机，采集舵机的反馈信号；S103、若输入信号的相位与反馈信号的相位差大于第一阈值，或者反馈信号的最大幅值与输入信号的最大幅值之比小于第二阈值，则停止测试，将fup＝fc‑fb1作为舵机的频率上限；其中，fc表示当前频率，fup表示频率上限，fb1表示第一步长；S104、否则，将当前频率加上第一步长得到的结果作为当前频率，返回步骤S102；其中，采样频率为大于所述频率上限两倍的频率值。3.根据权利要求1所述的基于神经网络的舵机模型构建方法，其特征在于，根据所述频率上限和采样频率生成控制信号，包括：S111、以初始频率为当前频率；S112、根据当前频率和采样频率生成当前频率对应的整周期的正弦信号作为当前频率对应的控制信号，其中周期个数大于第三阈值；S113、若当前频率等于频率上限，则生成结束；S114、否则，将当前频率加上第二步长得到的结果作为当前频率，返回步骤S112。4.根据权利要求1所述的基于神经网络的舵机模型构建方法，其特征在于，所述控制信号包括不同频率的控制信号，对所述控制信号和对应的反馈信号进行预处理得到样本数据集，包括：对每个频率的控制信号和对应的反馈信号分别进行降噪；根据信号最大延迟对每个频率的控制信号和对应的反馈信号进行维度扩充，构建样本数据集。5.根据权利要求4所述的基于神经网络的舵机模型构建方法，其特征在于，对每个频率的控制信号和对应的反馈信号分别进行降噪，包括：采用小波降噪分别对每个频率的控制信号和对应的反馈信号进行降噪处理。6.根据权利要求5所述的基于神经网络的舵机模型构建方法，其特征在于，所述小波降噪的小波基采用bior3.3或bior5.5小波基。7.根据权利要求4所述的基于神经网络的舵机模型构建方法，其特征在于，所述系统最大延迟p根据公式计算得到，其中，ts表示采样周期，td表示反馈信号与对应的输入信号的最大延迟时间，floor(·)表示向下取整。8.根据权利要求4所述的基于神经网络的舵机模型构建方法，其特征在于，根据信号最2CN116027681A权利要求书2/2页大延迟对每个频率的控制信号和对应的反馈信号进行维度扩充，构建样本数据，包括：S231、令k＝1；S232、提取第i个频率的控制信号中第k个到第k+p‑1个数据作为一个样本数据的输入数据，提取第i个频率的反馈信号中第k个到第k+p‑1个数据作为该样本数据的标签数据，得到一个完整的样本数据；S233、若k＝li‑p+1，则第i个频率对应的样本数据构建完成；其中，li表示第i个频率对应的控制信号的长度，p表示信号最大延迟；S234、否则，k＝k+1，返回步骤S232。9.一种基于神经网络的舵机模型构建系统，其特征在于，包括以下模块：信号生成和采集模块，用于确定舵机的频率上限和采样频率；根据所述频率上限和采样频率生成控制信号，采集舵机根据控制信号输出的反馈信号；样本数据集构建模块，用