產地類別 | 進口 | 電動機功率 | 380kW |
---|---|---|---|
讀出方式 | SSI | 工作原理 | 模擬量 |
外形尺寸 | 35*75mm | 外型尺寸 | 25*85mm |
應用領域 | 石油,煙草,公安/司法,汽車及零部件,電氣 | 重量 | 3kg |
產品簡介
詳細介紹
1037350嵌入式伺服控制編碼器秉銘DFS60E-S4EC01000嵌入式伺服控制系統的控制對象進行了深入研究。分析不同狀態下的電機動態平衡方程,并建立物理模型;通過階躍響應法和頻率法對系統模型進行辨識,作為設計控制系統的基礎;根據系統模型研究基本的數字PID控制算法,并終應用增量式PID控制算法;比較有刷直流力矩電機的雙極性可逆PWM驅動和單極性可逆PWM驅動兩種驅動方式,并討論了兩種驅動方式的優缺點和適用環境。其次,根據上面的研究針對實驗室配備的電機設計嵌入式伺服控制系統。控制器、驅動器的硬件電路包括:PWM配置電路、安全保護電路、PWM放大電路等,其中控制器是基于C8051F121設計的;通信協議設計包括:控制器與編碼器的通信協議和控制器與上位機的通信協議;根據系統功能和通信協議設計控制器的系統程序。后,通過大量實驗驗證了嵌入式伺服控制系統功能可靠性、程序穩定性和硬件電路穩定性。同時該系統也實現了令人滿意的用戶體驗,實現了多方式運動、實時運動狀態監視、在線系統參數更改等便利的功能。并且能夠不借助其他工具,利用階躍響應法和頻率法兩種方法對被控電機進行系統模型辨識。為了提高電機的低速性能,研究了基于卡爾曼濾波算法的干擾觀測器設計。通過改變電機的狀態方程,利用MATLAB對干擾觀測器和帶有觀測器的控制回路進行仿真實驗,驗證了該觀測器對干擾噪聲具有一定的觀測能力,并且相比與傳統的PID控制算法對控制效果具有一定的提升。能夠同時對多路光電編碼器脈沖信號進行細分、計數以及傳輸的數據采集處理系統。首先,探討了國內外研究現狀,闡述了光電編碼器的發展簡史、光柵信號的細分處理方法、可編程邏輯器件的基本設計思想、以及一般性可編程邏輯設計的理論。其次針對以往設計的不足,采用了以高度集成的FPGA(現場可編程邏輯陣列)芯片為核心的設計方式,實現六路光電編碼器信號的同步實時處理。坐標測量儀的六個編碼器所傳出的數據*在FPGA芯片中進行細分、辨向、計數以及鎖存傳輸處理,后所得的數據以串行通訊的方式傳送到PC機。設定了FPGA芯片外圍電路和PC機數據接收程序的功能。接下來詳細介紹了使用VHDL語言開發FPGA芯片的細分、辨向、計數、鎖存以及串行傳輸處理等全部功能;用Borland C++ Builder開發了PC機上的串行接口、數據采集軟件;設計并制作了FPGA芯片及其外圍電路的電路板。進行了一系列的軟硬件實驗,驗證了信號采集系統的可行性。在本文的后,對基于FPGA的數據處理系統的前景進行了展望,并對如何進一步升級完善信號采集處理系統給出了幾點建議。國防、航天等部門的廣泛應用,對編碼器的技術指標提出了越來越高的要求。測角誤差是編碼器的重要技術指標,細分誤差是測角誤差的主要分量,細分誤差的檢定要求用精密的小角度測量儀器在嚴格的實驗室條件下進行。編碼器在工作時細分誤差的動態檢測,以及在碼盤光柵節距較小、細分份數較多的情況,還沒有一種成熟的檢測手段。本文介紹了一種光電軸角編碼器細分誤差動態評估方法。在編碼器勻變速運動時,采集相位差為π/2的兩路精碼光電信號,然后對采集到的光電信號進行等轉角數據處理及諧波分析,從而求出光電信號波形參數,波形參數確定后可以建立波形函數方程。再將波形函數方程代入到細分誤差的計算公式求出細分誤差。經過大量試驗并與靜態檢測比較,試驗結果表明該方法是有效的。通過硬件和軟件的結合,利用Visual Basic 6.0設計出編碼器細分誤差動態檢測數據處理軟件程序。該程序能夠實現編碼器光電信號的實時采集輸出、光電信號的諧波分析、編碼器光電信號質量評估、編碼器動態細分誤差評估以及提供良好的人機對話界面。試驗研究表明,此方法可以實現光電軸角編碼器細分誤差的快速評估,對了解在編碼器實際使用條件下細分誤差及精度變化有重要的意義。
1037350嵌入式伺服控制編碼器秉銘DFS60E-S4EC01000信領域的快速發展使得通信環境變得復雜化、信號調制方式也更加多樣化,信號接收端需要對接收到的調制信號進行解調等信號處理,此實現過程離不開調制方式識別技術的支撐,因此,調制識別技術的研究有著重要的工程意義。目前,傳統的調制方式識別方法往往復雜且需要豐富的專業知識及經驗,人工提取到盡可能完備的特征需要大量科學研究以及實驗,但人工難以實現多層特征的提取,且在信噪比較低或信道不理想的情況下,各信號的特征往往不易提取,需要綜合多個特征,并進行特征融合,識別算法往往復雜且實時性較差。為此,本文研究了基于深度學習算法的數字調制信號特征提取,文章的主要研究內容如下:首先,本文針對通信系統中常見的信號調制類型的數學模型與重要參數進行了概述,并對常用的通信信號處理方法進行了簡要介紹;其次,本文利用循環譜、小波變換和星座圖等方法實現相關通信信號的原始特征提取;然后,對深度學習幾種經典模型以及網絡訓練方法進行研究;后,分別應用兩種不同的深度學習模型,并通過仿真選定算法中需要的參數以達到效果,對不同調制類型的信號進行循環譜變換或者小波變換,提取信號的原始特征,然后通過深度網絡取得信號的深層特征,再結合分類器,設計了有效的通信信號調制方式識別系統。