基于微型神经网络的步进电机PID参数自匹配方法

摘要

本发明公开了一种基于微型神经网络的步进电机PID参数自匹配方法，包括以下步骤：构架微神经网络；设定输入层神经元的权重系数的初始值以及学速率；获取步进电机当前某相电流值，获取步进电机当前的目标电流；计算误差值；计算输入层神经元值；计算新的权重系数；计算输出层的神经元值，该值作为步进电机的电压。本发明的有益效果：无需人工干预即可自动完成PID参数的匹配，减轻了整机调试的工作量，减少了用户设置环节，因而也避免了出错的可能性；对各类型步进电机有更广泛的适应性，对于非标准型号的步进电机，能够通过快速学而自匹配出最优参数；能充分发挥步进电机的性能，减少电机震动，提高整机系统可靠性。

主权项

基于微型神经网络的步进电机PID参数自匹配方法，其特征在于，该方法包括以下步骤：（1）构架微神经网络，该微神经网络包括输入层和输出层，所述的输入层包括三个神经元，该三个神经元分别为比例、微分和积分，输出层包括一个神经元；（2）设定输入层神经元的权重系数的初始值以及学习速率；（3）获取步进电机当前某相电流值，记为Ia；获取步进电机当前的目标电流Iexa，目标电流Iexa即是步进电机在当前工作状态的额定电流；（4）当前时刻电流大小与目标电流的差值e=Iexa–Ia，得到在K时刻步进电机的当前电流和目标电流的差值，即误差值e(K)：e(K)=Iexa(K)–Ia(K)                （1）其中K为0,1,2,3…；（5）计算输入层神经元值；（6）计算新的权重系数；（7）计算输出层的神经元值，该值作为步进电机的电压。