1.一种伺服电机控制方法，其特征在于，包括以下步骤：

获取伺服电机在开环运行状态下的电流信息, 所述获取伺服电机在开环运行状态下的电流信息的步骤包括：获取伺服电机在开环运行状态下的Q轴电流值,获取伺服电机在开环运行状态下的D轴电流值；

获取伺服电机的角速度传感器检测得到的角速度检测值，所述角速度传感器每隔预设时间段上传一次角速度检测值；

将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型，以计算所述伺服电机当前的实际角速度值；

根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值，所述根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值的步骤包括：根据所述角速度检测值以及所述实际角速度计算误差值；

根据所述电流信息获取对应的补偿系数，所述补偿系数采用有限次数试验来总结得出，不同的电流区间对应不同的补偿系数；

根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。

2.根据权利要求1所述的伺服电机控制方法，其特征在于，还包括以下步骤：获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本，所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本，所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本；

将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练，以得到经过训练的目标神经网络模型。

3.根据权利要求2所述的伺服电机控制方法，其特征在于，所述将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练，以得到经过训练的目标神经网络模型的步骤包括：从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型，以获取对应的角速度计算值；

根据所述角速度计算值以及对应实际角速度样本对所述初始神经网络模型的权重参数进行更新，以得到更新后的初始神经网络模型；

根据所述角速度计算值以及对应实际角速度样本计算所述初始神经网络的损失函数，并对所述损失函数的误差范围进行判断；

若所述误差范围大于预设阈值，则返回至所述从检测样本中选择未被训练过的检测电流信样本以及角速度检测样本输入预设的初始神经网络模型的步骤；

若所述误差范围小于预设阈值，则将更新后的初始神经网络模型作为目标神经网络模型。

4.一种伺服电机控制装置，其特征在于，包括：

第一获取模块，用于获取伺服电机在开环运行状态下的电流信息,所述获取伺服电机在开环运行状态下的电流信息的步骤包括：获取伺服电机在开环运行状态下的Q轴电流值,获取伺服电机在开环运行状态下的D轴电流值；

第二获取模块，用于获取伺服电机的角速度传感器检测得到的角速度检测值，所述角速度传感器每隔预设时间段上传一次角速度检测值；

第一计算模块，用于将所述电流信息以及所述角速度检测值输入预先训练的目标神经网络模型，以计算所述伺服电机当前的实际角速度值；

第二计算模块，用于根据所述角速度检测值、所述实际角速度值以及所述电流信息计算所述伺服电机的角速度补偿值，所述第二计算模块包括：第一计算单元，用于根据所述角速度检测值以及所述实际角速度计算误差值；

第一获取单元，用于根据所述电流信息获取对应的补偿系数，所述补偿系数采用有限次数试验来总结得出，不同的电流区间对应不同的补偿系数；

第二计算单元，用于根据所述补偿系数以及所述误差值计算所述伺服电机的角速度补偿值。

5.根据权利要求4所述的伺服电机控制装置，其特征在于，还包括：第三获取模块，用于获取所述伺服电机在多种运行状态下的检测样本及对应的验证样本，所述检测样本信息包括检测电流信样本以及对应的角速度检测值样本，所述验证样本包括所述伺服电机对应所述检测样本下的实际角速度样本；

训练模块，用于将所述检测样本以及所述实际角速度样本对预设的初始神经网络模型进行训练，以得到经过训练的目标神经网络模型。

6.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1‑3任一所述方法中的步骤。

7.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1‑3任一所述方法中的步骤。