新闻详情

新闻详情

首页 / 资讯中心 / 详情

014_角度延迟补偿与高速运行时的转矩跌落

发布时间:2026/11/15 18:13:28来源:尧图网络
014_角度延迟补偿与高速运行时的转矩跌落
014、角度延迟补偿与高速运行时的转矩跌落从一个高速主轴项目说起前年做一个高速主轴驱动项目,额定转速不算特别高,但客户要求最高跑到两万四千转。低速段调试一切正常,电流波形干净,转矩输出也够。问题出在超过一万五千转之后——带载能力明显往下掉,转速再往上拉,电流给定已经推到限幅了,实际转矩还是跟不上,负载稍微加一点就失速。最开始怀疑是弱磁没做好,反电动势把母线电压吃光了。查了母线电压利用率,确实在高速段接近饱和,但即使把母线电压再抬高一些,转矩提升也很有限。又怀疑电流环带宽不够,把电流环比例增益往上提,结果高速段开始啸叫,电流波形出现明显毛刺,转矩反而更差。折腾了快两周,最后用示波器同时抓了编码器原始信号和电流给定波形,才看到一个之前完全忽略的现象:高速段电流给定的相位,明显滞后于反电动势的相位。换句话说,定子电流矢量没有真正对齐到该对齐的位置,白白损失了转矩分量。这就是角度延迟补偿要解决的问题。它不是什么高深算法,但高速段如果不管它,转矩跌落会非常明显,而且这种跌落用常规的电流环调参根本救不回来。延迟从哪里来要理解补偿,先得把延迟的构成拆开。在一个典型的磁场定向控制链路里,从转子真实位置到逆变器实际输出对应电压矢量,中间至少经过这几段:第一段是采样与滤波延迟。编码器或旋变信号进到控制器,通常要经过硬件滤波和软件滤波,滤掉高频噪声。这个滤波本身会引入相位滞后,转速越高,同样的时间常数对应的角度滞后越大。比如一个一阶低通滤波,时间常数一百微秒,在两千赫兹电频率下,相位滞后大约是七度。听着不大,但转矩和角度误差是余弦关系,七度
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉