[發明專利]速度控制方法和速度控制裝置

有效

• 申請號: 201710167446.7
• 申請日: 2017-03-21
• 公開（公告）號: CN106877746B
• 公開（公告）日: 2019-01-01
• 發明（設計）人: 霍峰
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: H02P5/00
• 分類號: H02P5/00
• 代理公司: 中國國際貿易促進委員會專利商標事務所 11038
• 代理人: 王莉莉

本發明公開了一種速度控制方法和速度控制裝置，涉及計算機技術領域。本發明中的非線性神經網絡模型能夠模擬不同環境下速度指令與速度值的非線性關系，通過將當前速度指令以及預設時間內的歷史速度指令和歷史速度值輸入非線性神經網絡模型即可得到修正的速度指令，修正的速度指令即為根據速度指令與速度值的非線性關系對當前速度指令進行修正得到的，再將該修正的速度指令輸入基于PID控制的系統中則可以獲得期望的速度值，提高了速度控制的準確度和精度。

技術領域

本發明涉及計算機技術領域，特別涉及一種速度控制方法和速度控制裝置。

背景技術

在我國政府大力推進工業化和信息化的兩化融合的大驅使下，物流產業革命已悄然興起，各大物流公司紛紛加大智慧物流的投入，在人工智能，機器人，機器學習等領域不斷吸收、結合、創新。無人倉的搬運機器人作為降低物流成本，提升存取效率的重點設備，其速度控制方法直接影響到機器人的穩定性和工作效率。

現有的無人倉搬運機器人大多采用雙電機驅動方案，每個驅動輪的電機進行獨立速度規劃和控制，采用傳統的PID(Proportion Integration Differentiation，比例積分微分)控制器作為速度閉環的控制器。這種采用單一的PID控制器對搬運機器人進行控制的方案，將伺服驅動系統簡化為線性時不變系統。但事實上，隨著環境的變化，比如連續運行時間，負載頻繁變化等原因，系統特性一直在發生變化，并不一定符合線性規律，而PID控制器的控制參數卻不能實時做出調整，這就使得對于倉搬運機器人的速度控制的精度和準確度較低。

發明內容

本發明所要解決的一個技術問題是：如何提高對于倉搬運機器人的速度控制的精度和準確度。

根據本發明的一個實施例，提供的一種速度控制方法，包括：將當前速度指令、預設時間內的歷史速度指令以及預設時間內的歷史速度指令對應的歷史速度值輸入非線性神經網絡模型；將非線性神經網絡模型輸出的與當前速度指令對應的修正速度指令輸入比例積分微分PID控制器，以便PID控制器根據修正速度指令對速度進行控制。

在一個實施例中，該方法還包括：采集不同工況下的歷史速度指令以及不同工況下的歷史速度指令對應的歷史速度值作為訓練數據；對訓練數據進行歸一化；利用歸一化的訓練數據確定非線性神經網絡模型的參數，從而確定非線性神經網絡模型。

在一個實施例中，對訓練數據進行歸一化包括：將歸一化前的訓練數據與訓練數據中最小值的差除以歸一化后的訓練數據與預設歸一化后最小值的差作為第一比值；將歸一化前的訓練數據中最大值與最小值的差除以預設歸一化后最大值與最小值的差作為第二比值；根據第一比值與第二比值相等，確定歸一化后的訓練數據。

在一個實施例中，該方法還包括：根據實時地或每隔預設周期反饋至非線性神經網絡模型的速度指令和速度值，對非線性神經網絡模型進行修正。

在一個實施例中，PID控制器利用預設的比例參數、積分參數、微分參數對修正速度指令以及反饋得到的上一時刻的速度值進行運算，確定速度控制量，以便對速度進行控制。

在一個實施例中，非線性神經網絡為非線性有源自回歸NARX神經網絡，NARX神經網絡的隱層神經元為8個，延時階數為2。

根據本發明的另一個實施例，提供的一種速度控制裝置，包括：神經網絡模塊，用于將當前速度指令、預設時間內的歷史速度指令以及預設時間內的歷史速度指令對應的歷史速度值輸入非線性神經網絡模型；PID控制模塊，用于將非線性神經網絡模型輸出的與當前速度指令對應的修正速度指令輸入比例積分微分PID控制器，以便PID控制器根據修正速度指令對速度進行控制。

在一個實施例中，神經網絡模塊還用于采集不同工況下的歷史速度指令以及不同工況下的歷史速度指令對應的歷史速度值作為訓練數據，對訓練數據進行歸一化，利用歸一化的訓練數據確定非線性神經網絡模型的參數，從而確定非線性神經網絡模型。