[发明专利]速度控制方法和速度控制装置

说明书

本发明公开了一种速度控制方法和速度控制装置，涉及计算机技术领域。本发明中的非线性神经网络模型能够模拟不同环境下速度指令与速度值的非线性关系，通过将当前速度指令以及预设时间内的历史速度指令和历史速度值输入非线性神经网络模型即可得到修正的速度指令，修正的速度指令即为根据速度指令与速度值的非线性关系对当前速度指令进行修正得到的，再将该修正的速度指令输入基于PID控制的系统中则可以获得期望的速度值，提高了速度控制的准确度和精度。

技术领域

本发明涉及计算机技术领域，特别涉及一种速度控制方法和速度控制装置。

背景技术

在我国政府大力推进工业化和信息化的两化融合的大驱使下，物流产业革命已悄然兴起，各大物流公司纷纷加大智慧物流的投入，在人工智能，机器人，机器学习等领域不断吸收、结合、创新。无人仓的搬运机器人作为降低物流成本，提升存取效率的重点设备，其速度控制方法直接影响到机器人的稳定性和工作效率。

现有的无人仓搬运机器人大多采用双电机驱动方案，每个驱动轮的电机进行独立速度规划和控制，采用传统的PID(Proportion Integration Differentiation，比例积分微分)控制器作为速度闭环的控制器。这种采用单一的PID控制器对搬运机器人进行控制的方案，将伺服驱动系统简化为线性时不变系统。但事实上，随着环境的变化，比如连续运行时间，负载频繁变化等原因，系统特性一直在发生变化，并不一定符合线性规律，而PID控制器的控制参数却不能实时做出调整，这就使得对于仓搬运机器人的速度控制的精度和准确度较低。

发明内容

本发明所要解决的一个技术问题是：如何提高对于仓搬运机器人的速度控制的精度和准确度。

根据本发明的一个实施例，提供的一种速度控制方法，包括：将当前速度指令、预设时间内的历史速度指令以及预设时间内的历史速度指令对应的历史速度值输入非线性神经网络模型；将非线性神经网络模型输出的与当前速度指令对应的修正速度指令输入比例积分微分PID控制器，以便PID控制器根据修正速度指令对速度进行控制。

在一个实施例中，该方法还包括：采集不同工况下的历史速度指令以及不同工况下的历史速度指令对应的历史速度值作为训练数据；对训练数据进行归一化；利用归一化的训练数据确定非线性神经网络模型的参数，从而确定非线性神经网络模型。

在一个实施例中，对训练数据进行归一化包括：将归一化前的训练数据与训练数据中最小值的差除以归一化后的训练数据与预设归一化后最小值的差作为第一比值；将归一化前的训练数据中最大值与最小值的差除以预设归一化后最大值与最小值的差作为第二比值；根据第一比值与第二比值相等，确定归一化后的训练数据。

在一个实施例中，该方法还包括：根据实时地或每隔预设周期反馈至非线性神经网络模型的速度指令和速度值，对非线性神经网络模型进行修正。

在一个实施例中，PID控制器利用预设的比例参数、积分参数、微分参数对修正速度指令以及反馈得到的上一时刻的速度值进行运算，确定速度控制量，以便对速度进行控制。

在一个实施例中，非线性神经网络为非线性有源自回归NARX神经网络，NARX神经网络的隐层神经元为8个，延时阶数为2。

根据本发明的另一个实施例，提供的一种速度控制装置，包括：神经网络模块，用于将当前速度指令、预设时间内的历史速度指令以及预设时间内的历史速度指令对应的历史速度值输入非线性神经网络模型；PID控制模块，用于将非线性神经网络模型输出的与当前速度指令对应的修正速度指令输入比例积分微分PID控制器，以便PID控制器根据修正速度指令对速度进行控制。

在一个实施例中，神经网络模块还用于采集不同工况下的历史速度指令以及不同工况下的历史速度指令对应的历史速度值作为训练数据，对训练数据进行归一化，利用归一化的训练数据确定非线性神经网络模型的参数，从而确定非线性神经网络模型。