新闻详情

新闻详情

首页 / 资讯中心 / 详情

018_编码器安装偏心对速度观测的周期性扰动

发布时间:2026/11/13 11:16:06来源:尧图网络
018_编码器安装偏心对速度观测的周期性扰动
018、编码器安装偏心对速度观测的周期性扰动一次让人抓狂的转速波动去年秋天调一台伺服驱动器,带一台永磁同步电机做速度环测试。电机空载,给定1500rpm,转速反馈用的是增量式编码器。上位机波形一拉出来,所有人都沉默了——转速反馈上叠加了一个非常规律的波动,频率大约8Hz,峰峰值折算到转速大概±12rpm。速度环的PI参数怎么调都压不下去,增益调高了整个系统开始啸叫,增益调低了波动依然存在。一开始怀疑是电流环没调好,重新整定了一遍,没用。又怀疑是编码器信号受干扰,换了屏蔽线、加了磁环、改了走线,波动还在。折腾了整整两天,最后把编码器拆下来重新装了一遍——波动消失了。问题出在安装偏心。编码器码盘中心和电机轴中心没有完全重合,存在大约0.05mm的偏心量。就是这0.05mm,在1500rpm下产生了8Hz的周期性速度观测误差。这个坑让我意识到,编码器安装这件事,远比大多数人想象的敏感。偏心到底是怎么变成速度误差的先把这个物理过程说清楚。增量式编码器输出的是A、B两路正交脉冲,驱动器通过计数脉冲频率来推算转速。理想情况下,码盘每转过一个栅格,对应的机械角度是固定的。但码盘一旦偏心,情况就变了。想象码盘中心偏离了旋转中心一个小距离e。当码盘跟着电机轴旋转时,码盘上的栅格相对于读头的扫过速度就不再均匀。在偏心方向的一侧,栅格扫过读头的线速度偏大;在相反的一侧,线速度偏小。反映到脉冲输出上,就是脉冲频率在旋转一圈的过程中发生周期性调制。对于速度观测来说,这意味着一圈之内,观测到的速度会周期性地偏大和偏小。偏心的频率
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 2026/11/13 0:43:49

【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 2026/11/12 23:59:09

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 2026/11/13 10:09:00

【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 ... 2026/11/12 9:25:38

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 2026/11/12 15:57:44

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 2026/11/13 0:02:27

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
📞 ✉