专利汇可以提供机械学习装置、电动机控制装置以及机械学习方法专利检索,专利查询,专利分析的服务。并且本 发明 提供一种机械学习装置、 电动机 控制装置以及机械学习方法。本发明一个 实施例 的机械学习装置对与电动机控制中的 电流 增益参数的调整相关联的条件进行学习,其中,具备:状态观测部,其取得电流控制环路的积分增益函数和比例增益函数,并且取得实际电流,观测由与阶跃状的转矩指令对应的实际电流的过冲量、下冲量、以及上升时间中的至少一个、积分增益函数、比例增益函数构成的状态变量;学习部,其依照由状态变量构成的 训练数据 集,学习与电流增益参数的调整相关联的条件。,下面是机械学习装置、电动机控制装置以及机械学习方法专利的具体信息内容。
1.一种机械学习装置,其对与电动机控制中的电流增益参数的调整相关联的条件进行学习,该机械学习装置的特征在于,具备:
状态观测部,其取得电流控制环路的积分增益函数和比例增益函数,并且取得实际电流,观测由与阶跃状的转矩指令对应的上述实际电流的过冲量、下冲量、以及上升时间中的至少一个、上述积分增益函数以及上述比例增益函数构成的状态变量;
学习部,其依照由上述状态变量构成的训练数据集,学习与上述电流增益参数的调整相关联的条件;
回报计算部,其根据上述过冲量、上述下冲量以及上升时间来计算回报;以及函数更新部,其根据上述回报更新用于从当前的状态变量调整电流增益参数的函数。
2.一种机械学习装置,其对与电动机控制中的电流增益参数的调整相关联的条件进行学习,该机械学习装置的特征在于,具备:
状态观测部,其取得电流控制环路的积分增益函数和比例增益函数,并且取得实际电流,观测由与由不同频率的正弦波的组构成的转矩指令对应的上述实际电流的振幅比和根据相位延迟量计算出的频带时间中的至少一个、上述积分增益函数以及上述比例增益函数构成的状态变量;
学习部,其依照由上述状态变量构成的训练数据集,学习与上述电流增益参数的调整相关联的条件;
回报计算部,其根据上述振幅比、上述相位延迟量来计算回报;以及
函数更新部,其根据上述回报更新用于从当前的状态变量调整电流增益参数的函数。
3.根据权利要求1或2所述的机械学习装置,其特征在于,
上述学习部构成为依照对多个电动机取得的上述训练数据集,学习上述条件。
4.根据权利要求1或2所述的机械学习装置,其特征在于,
上述回报计算部进而根据相对于电流的振荡的余量来计算回报。
5.根据权利要求1或2所述的机械学习装置,其特征在于,
上述回报计算部进而根据上述积分增益函数的斜率和比例增益函数的斜率来计算回报。
6.根据权利要求1或2所述的机械学习装置,其特征在于,
上述函数更新部使用Q学习来进行强化学习,根据电动机的绕组电阻值和电感值计算Q学习中的行为价值的初始值。
7.根据权利要求1或2所述的机械学习装置,其特征在于,
上述函数更新部使用Q学习来进行强化学习,对Q学习中的行为价值的更新使用深层学习。
8.一种电动机控制装置,其具备权利要求1~7的任意一项所述的机械学习装置和电动机控制部,该电动机控制装置的特征在于,
上述电动机控制部具备输入转矩指令的转矩指令输入部,
上述机械学习装置具备:意图决定部,其根据上述学习部依照上述训练数据集进行学习的结果,对当前的状态变量的输入进行响应,决定上述积分增益函数和上述比例增益函数的变更。
9.根据权利要求8所述的电动机控制装置,其特征在于,
上述学习部构成为依照由上述当前的状态变量以及变更后的上述积分增益函数和上述比例增益函数的组合构成的追加的训练数据集,再学习上述条件来进行更新。
10.根据权利要求8或9所述的电动机控制装置,其特征在于,
上述机械学习装置经由网络与上述电动机控制部连接,
上述状态观测部构成为经由上述网络取得上述当前的状态变量。
11.根据权利要求10所述的电动机控制装置,其特征在于,
上述机械学习装置存在于云服务器中。
12.根据权利要求8所述的电动机控制装置,其特征在于,
上述机械学习装置内置于上述电动机控制部中。
13.一种机械学习方法,其对与电动机控制中的电流增益参数的调整相关联的条件进行学习,该机械学习方法的特征在于,包括以下步骤:
取得电流控制环路的积分增益函数和比例增益函数,并且取得实际电流,观测由与阶跃状的转矩指令对应的上述实际电流的过冲量、下冲量、上升时间中的至少一个、上述积分增益函数、上述比例增益函数构成的状态变量;
依照由上述状态变量构成的训练数据集,学习与上述电流增益参数的调整相关联的条件;
根据上述过冲量、上述下冲量以及上升时间来计算回报;以及
根据上述回报更新用于从当前的状态变量调整电流增益参数的函数。
14.一种机械学习方法,其对与电动机控制中的电流增益参数的调整相关联的条件进行学习,该机械学习方法的特征在于,包括以下步骤:
取得电流控制环路的积分增益函数和比例增益函数,并且取得实际电流,观测由与由不同频率的正弦波的组构成的转矩指令对应的实际电流的振幅比和根据相位延迟量计算出的频带时间中的至少一个、上述积分增益函数以及上述比例增益函数构成的状态变量;
依照由上述状态变量构成的训练数据集,学习与上述电流增益参数的调整相关联的条件;
根据上述振幅比、上述相位延迟量来计算回报;以及
根据上述回报更新用于从当前的状态变量调整电流增益参数的函数。
15.一种机械学习装置,其对与电动机控制中的速度增益参数的调整相关联的条件进行学习,该机械学习装置的特征在于,具备:
状态观测部,其取得速度控制环路的积分增益函数和比例增益函数,并且取得实际速度,观测由与阶跃状的速度指令对应的上述实际速度的过冲量、下冲量、以及上升时间中的至少一个、上述积分增益函数以及上述比例增益函数构成的状态变量;
学习部,其依照由上述状态变量构成的训练数据集,学习与上述速度增益参数的调整相关联的条件;
回报计算部,其根据上述过冲量、上述下冲量以及上升时间来计算回报;以及函数更新部,其根据上述回报更新用于从当前的状态变量调整速度增益参数的函数。
16.一种机械学习装置,其对与电动机控制中的速度增益参数的调整相关联的条件进行学习,该机械学习装置的特征在于,具备:
状态观测部,其取得速度控制环路的积分增益函数和比例增益函数,并且取得实际速度,观测由与由不同频率的正弦波的组构成的速度指令对应的上述实际速度的振幅比和根据相位延迟量计算出的频带时间中的至少一个、上述积分增益函数以及上述比例增益函数构成的状态变量;
学习部,其依照由上述状态变量构成的训练数据集,学习与上述速度增益参数的调整相关联的条件;
回报计算部,其根据上述振幅比、上述相位延迟量来计算回报;以及
函数更新部,其根据上述回报更新用于从当前的状态变量调整速度增益参数的函数。
17.根据权利要求15或16所述的机械学习装置,其特征在于,
上述学习部构成为依照对多个电动机取得的上述训练数据集,学习上述条件。
18.根据权利要求15或16所述的机械学习装置,其特征在于,
上述回报计算部进而根据相对于速度的振荡的余量来计算回报。
19.根据权利要求15或16所述的机械学习装置,其特征在于,
上述回报计算部进而根据上述积分增益函数的斜率和比例增益函数的斜率来计算回报。
20.根据权利要求15或16所述的机械学习装置,其特征在于,
上述函数更新部使用Q学习来进行强化学习。
21.根据权利要求15或16所述的机械学习装置,其特征在于,
上述函数更新部使用Q学习来进行强化学习,对Q学习中的行为价值的更新使用深层学习。
22.一种电动机控制装置,其具备权利要求15~21的任意一项所述的机械学习装置和电动机控制部,该电动机控制装置的特征在于,
上述电动机控制部具备输入速度指令的速度指令输入部,
上述机械学习装置具备:意图决定部,其根据上述学习部依照上述训练数据集进行学习的结果,对当前的状态变量的输入进行响应,决定上述积分增益函数和上述比例增益函数的变更。
23.根据权利要求22所述的电动机控制装置,其特征在于,
上述学习部构成为依照由上述当前的状态变量以及变更后的上述积分增益函数和上述比例增益函数的组合构成的追加的训练数据集,再学习上述条件来进行更新。
24.根据权利要求22或23所述的电动机控制装置,其特征在于,
上述机械学习装置经由网络与上述电动机控制部连接,
上述状态观测部构成为经由上述网络取得上述当前的状态变量。
25.根据权利要求24所述的电动机控制装置,其特征在于,
上述机械学习装置存在于云服务器中。
26.根据权利要求22所述的电动机控制装置,其特征在于,
上述机械学习装置内置于上述电动机控制部中。
27.一种机械学习方法,其对与电动机控制中的速度增益参数的调整相关联的条件进行学习,该机械学习方法的特征在于,包括以下步骤:
取得速度控制环路的积分增益函数和比例增益函数,并且取得实际速度,观测由与阶跃状的速度指令对应的上述实际速度的过冲量、下冲量、上升时间中的至少一个、上述积分增益函数、上述比例增益函数构成的状态变量;
依照由上述状态变量构成的训练数据集,学习与上述速度增益参数的调整相关联的条件;
根据上述过冲量、上述下冲量以及上升时间来计算回报;以及
根据上述回报更新用于从当前的状态变量调整速度增益参数的函数。
28.一种机械学习方法,其对与电动机控制中的速度增益参数的调整相关联的条件进行学习,该机械学习方法的特征在于,包括以下步骤:
取得速度控制环路的积分增益函数和比例增益函数,并且取得实际速度,观测由与由不同频率的正弦波的组构成的速度指令对应的上述实际速度的振幅比和根据相位延迟量计算出的频带时间中的至少一个、上述积分增益函数以及上述比例增益函数构成的状态变量;
依照由上述状态变量构成的训练数据集,学习与上述速度增益参数的调整相关联的条件;
根据上述振幅比、上述相位延迟量来计算回报;以及
函数更新部,其根据上述回报更新用于从当前的状态变量调整速度增益参数的函数。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
大视场微观3D形貌多通道测量装置及方法 | 2020-07-26 | 0 |
一种密集连接卷积神经网络的全卷积目标检测方法 | 2023-03-31 | 1 |
一种多重过滤尘肺病防护面罩 | 2021-06-04 | 2 |
一种新型桡动脉压迫装置 | 2021-12-29 | 2 |
一种基于深度学习的RCM方法 | 2020-11-16 | 2 |
薄膜晶体管的制备方法及薄膜晶体管、阵列基板 | 2021-07-07 | 0 |
一种眼科硅油抽取装置 | 2020-09-11 | 2 |
一种具有自动清理功能的蜂蜜杀菌设备 | 2020-05-21 | 2 |
适用于波动性电源调峰的电化学水处理-电解制氢组合系统 | 2020-06-04 | 0 |
一种SMT贴片机贴片送料装置 | 2020-07-12 | 2 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。