【技術實現步驟摘要】
本專利技術涉及控制器參數整定，尤其涉及一種基于神經網絡的pid控制參數整定方法、裝置、設備及介質。
技術介紹
1、隨著半導體設備的不斷發展，其中的導軌軸運動系統，對控制精度的要求日益提高。導軌軸運動系統主要包括：底板、導軌、滑塊、電機、光柵尺、負載、以及驅控系統。在運動時主要要求做勻速直線運動時的勻速性能以及步進運動快速穩定性能等性能。目前運動控制系統中常用的控制算法是pid控制算法，pid控制算法包括比例(proportional，簡稱p)、積分(integral，簡稱i)以及微分(derivative，簡稱d)。這種算法簡單，可靠，是最常用的控制算法。
2、但是目前高精度的導軌運動臺的pid控制參數整定依舊是采取傳統的人工整定方法，比如臨界整定法，逐步調大p參數，直至響應出現震蕩的臨界態，然后適度減小p參數，然后根據震蕩時的震蕩周期和震蕩量，按照一定比例系數調節i、d參數。但是，此類方法存在調節速度慢、精度低以及時間長的缺點。尤其在高精度系統中，pid控制參數的微小變動就會引起較大的波動，因此，人工法需要較長的時間去尋找一組合適的pid控制參數，導致人工操作繁瑣、耗時長且人工操作失誤等問題。
技術實現思路
1、本專利技術提供了一種基于神經網絡的pid控制參數整定方法、裝置、設備及介質，實現了可以快速進行pid參數自動調節，有效減少測試調節時間提高生產效率，并且可以減少人工判斷失誤可能。
2、第一方面，本專利技術實施例提供了一種基于神經網絡的pid控制參數
3、獲取伺服系統的至少一組輸入數據以及與所述輸入數據對應的所述伺服系統的輸出數據，其中，所述伺服系統的輸入數據包括pid控制參數及期望狀態量，所述伺服系統的輸出數據包括基于所述pid控制參數及期望狀態量運行后所述伺服系統輸出的系統狀態量；
4、基于所述伺服系統的各組輸入數據和輸出數據，結合設定的神經網絡算法，確定用于表示所述伺服系統的輸入數據和輸出數據之間關系的神經網絡模型；
5、對所述神經網絡模型進行優化求解，確定最優pid控制參數。
6、第二方面，本專利技術實施例提供了一種基于神經網絡的pid控制參數整定裝置，包括：
7、數據獲取模塊，用于獲取伺服系統的至少一組輸入數據以及與所述輸入數據對應的所述伺服系統的輸出數據，其中，所述伺服系統的輸入數據包括pid控制參數及期望狀態量，所述伺服系統的輸出數據包括基于所述pid控制參數及期望狀態量運行后所述伺服系統輸出的系統狀態量；
8、模型確定模塊，用于基于所述伺服系統的各組輸入數據和輸出數據，結合設定的神經網絡算法，確定用于表示所述伺服系統的輸入數據和輸出數據之間關系的神經網絡模型；
9、參數求解模塊，用于對所述神經網絡模型進行優化求解，確定最優pid控制參數。
10、第三方面，本專利技術實施例提供了一種電子設備，包括：
11、至少一個處理器；以及
12、與所述至少一個處理器通信連接的存儲器；其中，
13、所述存儲器存儲有可被所述至少一個處理器執行的計算機程序，所述計算機程序被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如本專利技術任一實施例所述的基于神經網絡的pid控制參數整定方法。
14、第四方面，本專利技術實施例提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執行時實現如本專利技術任一實施例所述的基于神經網絡的pid控制參數整定方法。
15、本專利技術實施例提供了一種基于神經網絡的pid控制參數整定方法、裝置、設備及介質，該方法包括：首先獲取伺服系統的至少一組輸入數據以及與所述輸入數據對應的所述伺服系統的輸出數據，其中，所述伺服系統的輸入數據包括pid控制參數及期望狀態量，所述伺服系統的輸出數據包括基于所述pid控制參數及期望狀態量運行后所述伺服系統輸出的系統狀態量；然后基于所述伺服系統的各組輸入數據和輸出數據，結合設定的神經網絡算法，確定用于表示所述伺服系統的輸入數據和輸出數據之間關系的神經網絡模型；最后對所述神經網絡模型進行優化求解，確定最優pid控制參數。區別于現有技術方案中采用人工整定pid控制參數的方式，上述技術方案，采用神經網絡算法擬合pid控制參數、期望狀態量與系統狀態量的關系，即擬合伺服系統的輸入與輸出之間的映射關系，采用訓練好的神經網絡模型來模擬伺服系統的回路，然后采用尋優算法對神經網絡模型求解，得到最后pid控制參數作為整定后的pid控制參數。可以快速進行pid參數自動調節，有效減少測試調節時間提高生產效率，并且可以減少人工判斷失誤可能。
16、應當理解，本部分所描述的內容并非旨在標識本專利技術的實施例的關鍵或重要特征，也不用于限制本專利技術的范圍。本專利技術的其它特征將通過以下的說明書而變得容易理解。
本文檔來自技高網...【技術保護點】
1.一種基于神經網絡的PID控制參數整定方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述獲取伺服系統的至少一組輸入數據以及與所述輸入數據對應的所述伺服系統的輸出數據，包括：
3.根據權利要求1所述的方法，其特征在于，所述基于所述伺服系統的各組輸入數據和輸出數據，結合設定的神經網絡算法，確定用于表示所述伺服系統的輸入數據和輸出數據之間關系的神經網絡模型，包括：
4.根據權利要求1所述的方法，其特征在于，所述對所述神經網絡模型進行優化求解，確定最優PID控制參數，包括：
5.根據權利要求4所述的方法，其特征在于，
6.根據權利要求4所述的方法，其特征在于，所述以所述目標函數作為適應度函數，采用設定優化算法對所述適應度函數進行尋優，獲得所述最優PID控制參數，包括：
7.根據權利要求1所述的方法，其特征在于，在確定最優PID控制參數之后，還包括：
8.一種基于神經網絡的PID控制參數整定裝置，其特征在于，包括：
9.一種電子設備，其特征在于，包括：
10.
...【技術特征摘要】
1.一種基于神經網絡的pid控制參數整定方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述獲取伺服系統的至少一組輸入數據以及與所述輸入數據對應的所述伺服系統的輸出數據，包括：
3.根據權利要求1所述的方法，其特征在于，所述基于所述伺服系統的各組輸入數據和輸出數據，結合設定的神經網絡算法，確定用于表示所述伺服系統的輸入數據和輸出數據之間關系的神經網絡模型，包括：
4.根據權利要求1所述的方法，其特征在于，所述對所述神經網絡模型進行優化求解，確定最優pid控制參數，包括：
5.根據權利要求4所述的方法，其特征在于，<...
【專利技術屬性】
技術研發人員：謝勁東，王偉，張鵬黎，鄭教增，孫剛，
申請(專利權)人：上海御微半導體技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。