[發明專利]一種基于深度學習辨識的分布式脈寬調節電磁閥控制方法

有效

• 申請號: 201810037530.1
• 申請日: 2018-01-16
• 公開（公告）號: CN108302241B
• 公開（公告）日: 2019-10-15
• 發明（設計）人: 陳張平;梁超;朱丹峰;王建中
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: F16K31/06
• 分類號: F16K31/06
• 代理公司: 杭州奧創知識產權代理有限公司 33272
• 代理人: 王佳健

本發明公開了一種基于深度學習辨識的分布式脈寬調節電磁閥控制方法。本發明通過三路ADC轉換電路，分別采集流經電磁閥及諧振電路的總電流，流經電磁閥的電流，以及電磁閥兩端的電壓，然后經過去耦、濾波、光電隔離、放大處理后送到單片機內部，通過單片機內部運行的訓練好的深度學習算法模型，實時選擇最適合的用于控制電磁閥的PWM波形輸出。本發明通過運用深度學習算法，實現了自主學習，優化匹配，使得電磁閥效率最高。

技術領域

本發明涉及一種電磁閥控制方法，具體是一種基于深度學習辨識的分布式脈寬調節電磁閥控制方法。

背景技術

電磁閥(Electromagnetic valve)是用電磁控制的工業設備，是用來控制流體的自動化基礎元件。目前工業中所用的電磁閥控制方法較為簡單，大都采用在直接加外部電源的方法，但這種方法有兩個弊端，其一是電磁閥線圈在高頻電源輸入下會產生寄生電容，進而產生不必要的發熱以及功耗，其二是電磁閥在不同的流體輸入情況下啟動跟保持階段需要的功率不同，啟動階段需要較大的功率，而在啟動結束后，只需要較小的功率就可以實現開啟狀態的維持，現有的控制方法保持了同樣的功率，這就造成了在保持階段時很大程度上的功率浪費。

發明內容

本發明針對現有技術的不足，提供了一種基于深度學習辨識的分布式脈寬調節電磁閥控制方法。

本發明的技術方案為：

本發明通過三路ADC轉換電路，分別采集流經電磁閥及諧振電路的總電流，流經電磁閥的電流，以及電磁閥兩端的電壓，然后經過去耦、濾波、光電隔離、放大處理后送到單片機內部，通過單片機內部運行的訓練好的深度學習算法模型，實時選擇最適合的用于控制電磁閥的PWM波形輸出。

所述的諧振電路為LC并聯諧振電路，并聯在電磁閥線圈兩端，用于去除電磁閥寄生電容。

所述的深度學習算法模型的訓練與構建的過程具體是：

系統在電磁閥的正常工作范圍內不斷調節輸入PWM波的頻率及占空比，并按照一定的時間間隔對于電路中流經電磁閥的電流量以及電磁閥與諧振電路的總電量進行數據采集，將采集的大量原始數據結果進行處理分析，得到電磁閥消耗的功率結果以及其匹配電路上的功耗損耗大小，同時利用壓力傳感器采集閥內流體的壓力，將壓力數據以及功耗數據送入函數模型進行訓練。

在函數模型訓練階段，采用構建多元線性回歸模型的方法來構建模型；通過求解多元線性回歸模型的系數，即可構建完成多種變量的線性回歸模型；PWM波的頻率及占空比調整均采用此種方法構建；隨著送入數據量的增加，便可以得到盡可能準確的控制方法，使得電磁閥的能耗比在不同的環境狀態下保持在盡量理想的狀態，至此便完成了對于PWM波頻率及占空比調整算法的構建。

模型構建完成，根據電磁閥的工作狀態以及功耗情況實時選擇最適合的輸入PWM波形。

本發明的有益效果：本發明通過運用深度學習算法，實現了自主學習，優化匹配，使得電磁閥效率最高。

附圖說明

圖1為寄生電容的去除原理圖；

圖2為三通道信號處理原理圖；

圖3為深度學習算法流程圖。

具體實施方式

以下結合附圖對本發明作進一步說明。

如圖1和圖2所示，本發明通過三路ADC轉換電路，分別采集流經電磁閥及諧振電路的總電流、流經電磁閥的電流，以及電磁閥兩端的電壓。電流的采集通過采集電路中電阻電壓的方式來實現。然后經過去耦、濾波、光電隔離、放大等處理后送到單片機內部，通過單片機內部運行的訓練好的深度學習算法，實時選擇最適合的用于控制電磁閥的PWM波形輸出。

(1)寄生電容的去除