音圈马达驱动器电流曲线模式自动学习系统专利检索-自学习算法算法电脑编程专利检索查询-专利查询网

音圈 马达 驱动器 电流曲线模式自动学习系统

阅读：128发布：2020-05-08

专利汇可以提供音圈马达驱动器电流曲线模式自动学习系统专利检索，专利查询，专利分析的服务。并且本发明公开了一种音圈马达驱动器电流曲线模式自动学习系统，通过自动学习算法，通过不断的学习一种类型的电流曲线的不同的段号、各段选取的不同步长、各段选取的不同步距的组合所产生的不同的振荡稳定结果，计算出该类型的电流曲线的各段的步长、各段的步距的最佳组合，使得电流曲线的对焦速度更快，精度更高，便于针对执行机构的整个工作过程，快速精确的选择一种驱动电流曲线，控制音圈马达驱动器工作，快速、稳定、精确驱动摄像头等执行机构运动。，下面是音圈马达驱动器电流曲线模式自动学习系统专利的具体信息内容。

权利要求

1.一种音圈马达驱动器电流曲线模式自动学习系统，其特征在于，其包括参数控制寄存器模块、自动学习算法模块、电流曲线产生模块、位移幅度检测模块；
所述参数控制寄存器模块，用于接受外部操作指令，对参数寄存器进行读写操作；
所述参数寄存器包括自动学习启动控制寄存器、最快稳定时间寄存器、最快稳定曲线序号寄存器；
参数控制寄存器模块接受外部写操作指令，将自动学习启动控制寄存器设置为启动状态或等待状态；
所述最快稳定时间寄存器，用于寄存最快位移稳定时间，最快稳定时间寄存器初始寄存值为最大值；
所述最快稳定曲线序号寄存器，用于寄存曲线序号m；
所述电流曲线产生模块，收到曲线启动信号后，根据曲线序号m对应的段号、各段选取的步长、各段选取的步距，以及曲线类型，产生曲线序号m对应的电流曲线m，根据电流曲线m控制音圈马达驱动器工作；
所述位移幅度检测模块，收到曲线启动信号后，检测音圈马达驱动器的位移幅度信号，用时钟信号开始计时，如果位移幅度信号的振幅小于设定值则停止计时，并以开始计时后的计时值作为位移稳定时间，将该位移稳定时间送到自动学习算法模块；
所述自动学习算法模块，当所述动学习启动控制寄存器的状态为启动状态时，进入一种类型的电流曲线的一次自学习过程，过程如下：
设置一种类型的电流曲线为N段，并设置每一段内的步长和步距，每一段内的步长可在最小步长可最大步长之间选取，每一段内的步距可在最小步步距和最大步距之间选取；不同的段号、各段选取的不同步长、各段选取的不同步距的组合对应于不同的曲线序号m；
将一曲线序号m对应的段号、各段选取的步长、各段选取的步距，以及电流曲线的类型，输出到电流曲线产生模块，并输出曲线启动信号到所述电流曲线产生模块及所述位移幅度检测模块；
如果所述位移幅度检测模块发送来的位移稳定时间小于最快稳定时间寄存器中的寄存时间，则将最快稳定时间寄存器中的寄存值更新为位移稳定时间，并将所述电流曲线产生模块该次输出的电流曲线m的曲线序号m写入到最快稳定曲线序号寄存器，并将曲线序号m的学习经验数据写入到存储器；
所述自动学习算法模块，将一种类型的电流曲线的所有曲线序号m对应的段号、各段选取的步长、各段选取的步距均依次输出到电流曲线产生模块，电流曲线产生模块产生各曲线序号m对应的电流曲线m后，最快稳定时间寄存器中的寄存时间为该种类型的电流曲线的最快位移稳定时间，最快稳定曲线序号寄存器中寄存的曲线序号m为该种类型的电流曲线的最佳曲线序号。
2.根据权利要求1所述的音圈马达驱动器电流曲线模式自动学习系统，其特征在于，所述学习经验数据，包括曲线分段数，步长，步距。
3.根据权利要求1所述的音圈马达驱动器电流曲线模式自动学习系统，其特征在于，所述参数寄存器还包括曲线学习结果寄存器；
所述曲线学习结果寄存器，用于寄存所述自动学习算法模块对一种类型的电流曲线完成自学习过程后的最佳曲线序号、学习经验数据、最快位移稳定时间；
所述自动学习算法模块，将最佳曲线序号及其对应的学习经验数据、最快位移稳定时间寄存到所述曲线学习结果寄存器。
4.根据权利要求3所述的音圈马达驱动器电流曲线模式自动学习系统，其特征在于，所述参数控制寄存器模块，用于接受外部操作指令，从所述曲线学习结果寄存器读出一种类型的电流曲线的最佳曲线序号、学习经验数据、最快位移稳定时间。
5.根据权利要求4所述的音圈马达驱动器电流曲线模式自动学习系统，其特征在于，所述参数寄存器还包括曲线初始值寄存器、曲线目标值寄存器；
所述曲线初始值寄存器，用于寄存电流曲线的初始电流值，初始电流值上电时默认为
0，在参数控制寄存器模块接收到电流曲线产生执行完成信号后，初始电流值替换为曲线目标值寄存器的值；
所述曲线目标值寄存器，用于寄存电流曲线的目标电流值，目标电流值上电时默认为
0，参数控制寄存器模块接受外部写操作指令向曲线目标值寄存器写入目标电流值。
6.根据权利要求5所述的音圈马达驱动器电流曲线模式自动学习系统，其特征在于，所述电流曲线产生模块，收到曲线启动信号后，根据曲线序号m对应的段号、各段选取的步长、各段选取的步距，以及曲线类型、初始电流值、目标电流值，产生曲线序号m对应的电流曲线m，根据电流曲线m控制音圈马达驱动器工作。
7.根据权利要求1所述的音圈马达驱动器电流曲线模式自动学习系统，其特征在于，外部操作指令对曲线初始值寄存器不能写，只能读。
8.根据权利要求1所述的音圈马达驱动器电流曲线模式自动学习系统，其特征在于，自动学习启动控制寄存器，上电时默认为等待状态。
9.根据权利要求1到6任一项所述的音圈马达驱动器电流曲线模式自动学习系统，其特征在于，
音圈马达驱动器电流曲线模式自动学习系统还包括存储器模块；
所述存储器模块，用于存储电流曲线的学习经验数据；
所述自动学习算法模块，如果所述位移幅度检测模块发送来的位移稳定时间小于最快稳定时间寄存器中的寄存时间，则将最快稳定时间寄存器中的寄存值更新为位移稳定时间，并将所述电流曲线产生模块该次输出的电流曲线m的曲线序号m写入到最快稳定曲线序号寄存器，并将曲线序号m的学习经验数据写入到存储器。

说明书全文

音圈马达 驱动器 电流曲线模式自动学习系统

技术领域

[0001] 本发明涉及音圈马达自动控制装置，特别涉及一种音圈马达驱动器电流曲线模式自动学习系统。

背景技术

[0002] 传统的音圈马达驱动器的驱动电流控制，通常是直接指定预先设置的多种驱动电流曲线中的一种来控制，往往只能在测试的基础上固定选择某一种驱动电流曲线应用于产品的整个工作过程中，难以快速、稳定、精确控制驱动对象运动。

[0003] 音圈马达(Voice Coil Motor)，是一种将电能转化为机械能的装置，是利用来自永久磁钢的磁场与通电线圈导体产生的磁场中磁极间的相互作用产生有规律的运动的装置，能实现直线型及有限摆角的运动。通过通电线圈在磁场中受到作用力的原理进行移动，精确控制需要借助一些外部的部件，例如Drive IC，通过DriveIC来控制和输出电流的大小和时间，由此来控制音圈马达需要到达的位置。因为音圈马达是一种非换流型动力装置，其定位精度完全取决于反馈及控制系统，与音圈马达本身无关。采用合适的定位反馈及感应装置其定位精度可以轻易达到10NM，加速度可达300g(实际加速度也取决于负载物的状况)。

发明内容

[0004] 本发明要解决的技术问题是提供一种音圈马达驱动器电流曲线模式自动学习系统，能使得电流曲线的对焦速度更快，精度更高，便于针对执行机构的整个工作过程，快速精确的选择一种驱动电流曲线，控制音圈马达驱动器工作，快速、稳定、精确执行机构运动。

[0005] 为解决上述技术问题，本发明提供的音圈马达驱动器电流曲线模式自动学习系统，其包括参数控制寄存器模块、自动学习算法模块、电流曲线产生模块、位移幅度检测模块；

[0006] 所述参数控制寄存器模块，用于接受外部操作指令，对参数寄存器进行读写操作；

[0007] 所述参数寄存器包括自动学习启动控制寄存器、最快稳定时间寄存器、最快稳定曲线序号寄存器；

[0008] 参数控制寄存器模块接受外部写操作指令，将自动学习启动控制寄存器设置为启动状态或等待状态；

[0009] 所述最快稳定时间寄存器，用于寄存最快位移稳定时间，最快稳定时间寄存器初始寄存值为最大值；

[0010] 所述最快稳定曲线序号寄存器，用于寄存曲线序号m；

[0011] 所述电流曲线产生模块，收到曲线启动信号后，根据曲线序号m对应的段号、各段选取的步长、各段选取的步距，以及曲线类型，产生曲线序号m对应的电流曲线m，根据电流曲线m控制音圈马达驱动器工作；

[0012] 所述位移幅度检测模块，收到曲线启动信号后，检测音圈马达驱动器的位移幅度信号，用时钟信号开始计时，如果位移幅度信号的振幅小于设定值则停止计时，并以开始计时后的计时值作为位移稳定时间，将该位移稳定时间送到自动学习算法模块；

[0013] 所述自动学习算法模块，当所述动学习启动控制寄存器的状态为启动状态时，进入一种类型的电流曲线的一次自学习过程，过程如下：

[0014] 设置一种类型的电流曲线为N段，并设置每一段内的步长和步距，每一段内的步长可在最小步长可最大步长之间选取，每一段内的步距可在最小步步距和最大步距之间选取；不同的段号、各段选取的不同步长、各段选取的不同步距的组合对应于不同的曲线序号m；

[0015] 将一曲线序号m对应的段号、各段选取的步长、各段选取的步距，以及电流曲线的类型，输出到电流曲线产生模块，并输出曲线启动信号到所述电流曲线产生模块及所述位移幅度检测模块；

[0016] 如果所述位移幅度检测模块发送来的位移稳定时间小于最快稳定时间寄存器中的寄存时间，则将最快稳定时间寄存器中的寄存值更新为位移稳定时间，并将所述电流曲线产生模块该次输出的电流曲线m的曲线序号m写入到最快稳定曲线序号寄存器，并将曲线序号m的学习经验数据写入到存储器；

[0017] 所述自动学习算法模块，将一种类型的电流曲线的所有曲线序号m对应的段号、各段选取的步长、各段选取的步距均依次输出到电流曲线产生模块，电流曲线产生模块产生各曲线序号m对应的电流曲线m后，最快稳定时间寄存器中的寄存时间为该种类型的电流曲线的最快位移稳定时间，最快稳定曲线序号寄存器中寄存的曲线序号m为该种类型的电流曲线的最佳曲线序号。

[0018] 较佳的，所述学习经验数据，包括曲线分段数，步长，步距。

[0019] 较佳的，所述参数寄存器还包括曲线学习结果寄存器；

[0020] 所述曲线学习结果寄存器，用于寄存所述自动学习算法模块对一种类型的电流曲线完成自学习过程后的最佳曲线序号、学习经验数据、最快位移稳定时间；

[0021] 所述自动学习算法模块，将最佳曲线序号及其对应的学习经验数据、最快位移稳定时间寄存到所述曲线学习结果寄存器

[0022] 较佳的，所述参数控制寄存器模块，用于接受外部操作指令，从所述曲线学习结果寄存器读出一种类型的电流曲线的最佳曲线序号、学习经验数据、最快位移稳定时间。

[0023] 较佳的，所述参数寄存器还包括曲线初始值寄存器、曲线目标值寄存器；

[0024] 所述曲线初始值寄存器，用于寄存电流曲线的初始电流值，初始电流值上电时默认为0，在参数控制寄存器模块接收到电流曲线产生执行完成信号后，初始电流值替换为曲线目标值寄存器的值；

[0025] 所述曲线目标值寄存器，用于寄存电流曲线的目标电流值，目标电流值上电时默认为0，参数控制寄存器模块接受外部写操作指令向曲线目标值寄存器写入目标电流值。

[0026] 较佳的，所述电流曲线产生模块，收到曲线启动信号后，根据曲线序号m对应的段号、各段选取的步长、各段选取的步距，以及曲线类型、初始电流值、目标电流值，产生曲线序号m对应的电流曲线m，根据电流曲线m控制音圈马达驱动器工作。

[0027] 较佳的，外部操作指令对曲线初始值寄存器不能写，只能读；

[0028] 较佳的，自动学习启动控制寄存器，上电时默认为等待状态。

[0029] 较佳的，音圈马达驱动器电流曲线模式自动学习系统还包括存储器模块；

[0030] 所述存储器模块，用于存储电流曲线的学习经验数据；

[0031] 所述自动学习算法模块，如果所述位移幅度检测模块发送来的位移稳定时间小于最快稳定时间寄存器中的寄存时间，则将最快稳定时间寄存器中的寄存值更新为位移稳定时间，并将所述电流曲线产生模块该次输出的电流曲线m的曲线序号m写入到最快稳定曲线序号寄存器，并将曲线序号m的学习经验数据写入到存储器。

[0032] 本发明的音圈马达驱动器电流曲线模式自动学习系统，通过自动学习算法，通过不断的学习一种类型的电流曲线的不同的段号、各段选取的不同步长、各段选取的不同步距的组合所产生的不同的振荡稳定结果，计算出该类型的电流曲线的各段的步长、各段的步距的最佳组合，使得电流曲线的对焦速度更快，精度更高。在驱动器设计时，不需要定的测试参数和确定的查找表来判断不同起止点的电流曲线；在测试阶段可通过对不同结果的自动学习统计，即可生成查找表；在应用阶段，能自动根据输入的数据选择适合的电流曲线，控制音圈马达驱动器工作。本发明的音圈马达驱动器电流曲线模式自动学习系统，便于针对执行机构的整个工作过程，快速精确的选择一种驱动电流曲线，控制音圈马达驱动器工作，快速、稳定、精确驱动摄像头等执行机构运动。附图说明

[0033] 为了更清楚地说明本发明的技术方案，下面对本发明所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

[0034] 图1是本发明的音圈马达驱动器电流曲线模式自动学习系统一实施例结构示意图；

[0035] 图2是一种类型的电流曲线分段及步长、步距示意图。

具体实施方式

[0036] 下面将结合附图，对本发明中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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它实施例，都属于本发明保护的范围。

[0037] 实施例一

[0038] 如图1、图2所示，音圈马达驱动器电流曲线模式自动学习系统，包括参数控制寄存器模块、自动学习算法模块、电流曲线产生模块、位移幅度检测模块；

[0039] 所述参数控制寄存器模块，用于接受外部操作指令，对参数寄存器进行读写操作；

[0040] 所述参数寄存器包括自动学习启动控制寄存器、最快稳定时间寄存器、最快稳定曲线序号寄存器；

[0041] 参数控制寄存器模块接受外部写操作指令，将自动学习启动控制寄存器设置为启动状态或等待状态；

[0042] 所述最快稳定时间寄存器，用于寄存最快位移稳定时间，最快稳定时间寄存器初始寄存值为最大值；

[0043] 所述最快稳定曲线序号寄存器，用于寄存曲线序号m；

[0044] 所述电流曲线产生模块，收到曲线启动信号后，根据曲线序号m对应的段号、各段选取的步长、各段选取的步距，以及曲线类型，产生曲线序号m对应的电流曲线m，根据电流曲线m控制音圈马达驱动器工作；

[0045] 所述位移幅度检测模块，收到曲线启动信号后，检测音圈马达驱动器的位移幅度信号，用时钟信号开始计时，如果位移幅度信号的振幅小于设定值则停止计时，并以开始计时后的计时值作为位移稳定时间，将该位移稳定时间送到自动学习算法模块；

[0046] 所述自动学习算法模块，当所述动学习启动控制寄存器的状态为启动状态时，进入一种类型的电流曲线的一次自学习过程，过程如下：

[0047] 设置一种类型的电流曲线为N段，并设置每一段内的步长和步距，每一段内的步长可在最小步长可最大步长之间选取，每一段内的步距可在最小步步距和最大步距之间选取；不同的段号、各段选取的不同步长、各段选取的不同步距的组合对应于不同的曲线序号m；

[0048] 将一曲线序号m对应的段号、各段选取的步长、各段选取的步距，以及电流曲线的类型，输出到电流曲线产生模块，并输出曲线启动信号到所述电流曲线产生模块及所述位移幅度检测模块；

[0049] 如果所述位移幅度检测模块发送来的位移稳定时间小于最快稳定时间寄存器中的寄存时间，则将最快稳定时间寄存器中的寄存值更新为位移稳定时间，并将所述电流曲线产生模块该次输出的电流曲线m的曲线序号m写入到最快稳定曲线序号寄存器，并将曲线序号m的学习经验数据写入到存储器；

[0050] 所述自动学习算法模块，将一种类型的电流曲线的所有曲线序号m对应的段号、各段选取的步长、各段选取的步距均依次输出到电流曲线产生模块，电流曲线产生模块产生各曲线序号m对应的电流曲线m后，最快稳定时间寄存器中的寄存时间为该种类型的电流曲线的最快位移稳定时间，最快稳定曲线序号寄存器中寄存的曲线序号m为该种类型的电流曲线的最佳曲线序号。

[0051] 较佳的，所述学习经验数据，包括曲线分段数、步长、步距。

[0052] 实施例一的音圈马达驱动器电流曲线模式自动学习系统，通过自动学习算法，通过不断的学习一种类型的电流曲线的不同的段号、各段选取的不同步长、各段选取的不同步距的组合所产生的不同的振荡稳定结果，计算出该类型的电流曲线的各段的步长、各段的步距的最佳组合，使得电流曲线的对焦速度更快，精度更高。在驱动器设计时，不需要定的测试参数和确定的查找表来判断不同起止点的电流曲线；在测试阶段可通过对不同结果的自动学习统计，即可生成查找表；在应用阶段，能自动根据输入的数据选择适合的电流曲线，控制音圈马达驱动器工作。实施例一的音圈马达驱动器电流曲线模式自动学习系统，便于针对执行机构的整个工作过程，快速精确的选择一种驱动电流曲线，控制音圈马达驱动器工作，快速、稳定、精确驱动摄像头等执行机构运动。

[0053] 实施例二

[0054] 基于实施例一的音圈马达驱动器电流曲线模式自动学习系统，所述参数寄存器还包括曲线学习结果寄存器；

[0055] 所述曲线学习结果寄存器，用于寄存所述自动学习算法模块对一种类型的电流曲线完成自学习过程后的最佳曲线序号、学习经验数据、最快位移稳定时间；

[0056] 所述自动学习算法模块，将最佳曲线序号及其对应的学习经验数据、最快位移稳定时间寄存到所述曲线学习结果寄存器。

[0057] 较佳的，所述参数控制寄存器模块，用于接受外部操作指令，从所述曲线学习结果寄存器读出一种类型的电流曲线的最佳曲线序号、学习经验数据、最快位移稳定时间。

[0058] 实施例三

[0059] 基于实施例二的音圈马达驱动器电流曲线模式自动学习系统，所述参数寄存器还包括曲线初始值寄存器、曲线目标值寄存器；

[0060] 所述曲线初始值寄存器，用于寄存电流曲线的初始电流值，初始电流值上电时默认为0，在参数控制寄存器模块接收到电流曲线产生执行完成信号后，初始电流值替换为曲线目标值寄存器的值；

[0061] 所述曲线目标值寄存器，用于寄存电流曲线的目标电流值，目标电流值上电时默认为0，参数控制寄存器模块接受外部写操作指令向曲线目标值寄存器写入目标电流值。

[0062] 较佳的，所述电流曲线产生模块，收到曲线启动信号后，根据曲线序号m对应的段号、各段选取的步长、各段选取的步距，以及曲线类型、初始电流值、目标电流值，产生曲线序号m对应的电流曲线m，根据电流曲线m控制音圈马达驱动器工作。

[0063] 较佳的，外部操作指令对曲线初始值寄存器不能写，只能读；

[0064] 较佳的，自动学习启动控制寄存器，上电时默认为等待状态。

[0065] 实施例四

[0066] 基于实施例一、二或三的音圈马达驱动器电流曲线模式自动学习系统，[0067] 音圈马达驱动器电流曲线模式自动学习系统还包括存储器模块；

[0068] 所述存储器模块，用于存储电流曲线的学习经验数据；

[0069] 所述自动学习算法模块，如果所述位移幅度检测模块发送来的位移稳定时间小于最快稳定时间寄存器中的寄存时间，则将最快稳定时间寄存器中的寄存值更新为位移稳定时间，并将所述电流曲线产生模块该次输出的电流曲线m的曲线序号m写入到最快稳定曲线序号寄存器，并将曲线序号m的学习经验数据写入到存储器。

[0070] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

标题	发布/更新时间	阅读量
一种基于人工智能的医疗服务信息管理方法	2020-05-08	522
一种基于深度学习的2D+3D大飞机外形缺陷检测与分析方法	2020-05-08	102
一种铁路货车地板破损故障图像识别方法	2020-05-08	468
铁路货车轮轮辋及踏面的破损识别方法	2020-05-08	197
一种基于倾向性异质装袋算法的钢材质量预测方法	2020-05-08	49
一种导游服务全产业生态链交易平台的产品及其构造方法	2020-05-08	967
车联网环境下基于IGA-BP神经网络的车辆碰撞预警系统及方法	2020-05-08	47
通用动量方法、基于通用动量方法的目标检测与识别方法	2020-05-08	583
一种基于深度学习的疲劳检测方法	2020-05-08	907
院内致命性消化道再出血预测关键指标的智能筛选方法	2020-05-08	844

音圈马达驱动器电流曲线模式自动学习系统

音圈马达驱动器电流曲线模式自动学习系统

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：