XiaoMi-AI文件搜索系统
World File Search System反电动势
一种改进的电动执行器故障识别方法
摘要：航空航天业越来越多地采用机电驱动系统，因此需要可靠的诊断和预测方案来确保安全运行，尤其是在关键的安全关键系统（例如主飞行控制）中。此外，如果在预测性维护框架中实施预测方法，则可以提高系统在生命周期内的可用性，从而降低成本。在本文中，将介绍一种已经提出的算法的改进，该算法的范围是预测机电执行器中电机的实际退化状态，并提供温度估计。该目标是通过使用适当处理的反电动势信号和简单的前馈神经网络来实现的。可以以较小的误差实现对电机健康状况的良好预测。
简单系统的统计力学
⇤⇤ 正如我们在基础热力学讲座中所看到的，“热就是热，功不同”。然而，对于磁系统，将功写为 − ~m · d ~ B ext 或 + ~ B ext · d ~m 总是会引起一些混淆。产生这种混淆的原因是，总磁场 ~ B 是外部场与顺磁体中感应场的总和，即 ~ B = ~ B ext + ~ B ind 。这些场由电流密度 ~ J = ~ J ext + ~ J ind 产生，并且所有三个场（总场、外部（自由）场和感应（束缚）场）均遵循安培定律， ~ r ⇥ ~ B = µ 0 ~ J ，其中 µ 0 是真空中的磁导率。为了计算出晶体所做的功的量，我们需要从系统的哈密顿量中去除外部场的贡献。不幸的是，这项任务并不简单，因为法拉第定律要求当系统的总磁场发生变化时，在产生外部场的装置中产生反电动势。换句话说，需要做功来维持外部电流和磁场。这个功，d W = − dt
汽车应用中永磁同步电机的控制
本论文涉及汽车应用中配备永磁同步电机 (PMSM) 的电力驱动系统的控制系统结构的设计和分析。本文考虑了无传感器控制，即没有机械转子位置传感器的矢量控制，并彻底分析了锁相环类型的速度和位置估算器。本文提出了一些修改方法，以允许在整个速度范围内运行，并提高估算器处理较大速度估算误差的能力。结果表明，转子凸极效应会影响估算器的动态特性，在某些参数选择和操作条件下，估算器的动态特性可能会变得不稳定。因此，本文推导出简单的参数选择规则，以保证稳定性并简化实施。对于转子凸极效应较小或可忽略的 PMSM，本文还考虑了一种仅从反电动势中提取位置信息的估算器。该估算器基于众所周知的“电压模型”，并提出了一些修改，以通过保证启动时的同步并允许稳定的旋转反转来提高估算器在低速范围内的性能。通过控制实现损耗最小化的理论应用于用于混合动力电动汽车推进的 PMSM 驱动器。通过更强的磁场削弱，可以降低基本铁芯损耗，但代价是增加电阻损耗。研究表明，然而
通过基于模型的四旋翼无人机系统识别...
K t = 电机扭矩系数，单位为 N m/amp K e = 电机反电动势系数，单位为 V/(rad/s) V batt = 电池电压，伏特 R tt = 电机电阻（端子到端子），欧姆 J m = 电机和螺旋桨惯性，单位为 kg m2 D r = 转子（螺旋桨）直径，单位为 m ρ = 空气密度，单位为 kg/m3 T = 螺旋桨推力，NQ = 螺旋桨扭矩，单位为 N m CT = 螺旋桨推力常数 CP = 螺旋桨功率常数 Ixx 、I yy 、Izz = 无人机惯性矩，单位为 kg m2 m = 无人机质量，单位为 kg L x 、L y = 从 CG 到电机的力矩臂，单位为 m ω x 、ω y 、ω z = 机身轴旋转速度，单位为 rad/s ψ、θ、φ = 惯性轴到机身的欧拉角，单位为 rad ux 、uy 、uz =感知位置处的体轴速度 ux cg , uy cg , uz cg = 重心处的体轴速度 ω m = 电机速度，rad/s T d = 硬件更新延迟，惯性测量单元 (IMU) T d 2 = 硬件更新延迟，OptiTrack 反馈 CG = 重心 z cg = OptiTrack 传感器测量点下方的垂直重心距离 G 输出输入 = 从输入到输出的传递函数
通过基于模型的四旋翼无人机系统识别...
K t = 电机扭矩系数，N m/amp K e = 电机反电动势系数，V/(rad/s) V batt = 电池电压，伏特 R tt = 电机电阻（端子到端子），欧姆 J m = 电机和螺旋桨惯性，kg m2 D r = 转子（螺旋桨）直径，米 ρ = 空气密度，kg/m3 T = 螺旋桨推力，N Q = 螺旋桨扭矩，N m C T = 螺旋桨推力常数 C P = 螺旋桨功率常数 Ixx ，I yy ，Izz = 无人机惯性矩，kg m2 m = 无人机质量，kg L x ，L y = 从 CG 到电机的力臂，米 ω x ，ω y ，ω z = 机身轴旋转速度，弧度/秒 ψ，θ，φ = 惯性轴到机身的欧拉角，弧度 u x ，u y , u z = 感测位置处的身体轴速度 u x cg , u y cg , u z cg = 重心处的身体轴速度 ω m = 电机速度，rad/s T d = 硬件更新延迟，惯性测量单元 (IMU) T d 2 = 硬件更新延迟，OptiTrack 反馈 CG = 重心 z cg = OptiTrack 传感器测量点下方的垂直重心距离 G 输出输入 = 从输入到输出的传递函数
基于NSUC1610的车载步进电机控制
NSUC1610 是通过反电动势的大小来进行堵转检测，在马达相位未通电期间，可以检测到 BEMF 电压。但这 不包括全步进模式，因为两个相位始终通电。以下假设在微步进模式下检测失速，BEMF 电压与电机转速成 正比，这样可以判断电机是否运行。由于只有在一相未通电的情况下才能进行测量，因此对 BEMF 电压的观 察非常有限。对于理想的电机，在没有任何负载和损耗的情况下，转子将随着定子磁场持续旋转，并且在相电 流为零时，可以看到 BEMF 电压的峰值。对于实际电机和外加负载，转子将始终滞后于定子磁场。此负载相关 相位滞后将导致固定测量点处 BEMF 电压的负载相关变化。在零相位滞后的情况下，可以测量 BEMF 电压峰 值，并且只能看到反电势与速度的相关性。在与负载变化的情况下，反电势会产生相位滞后，BEMF 电压将从 峰值将出现偏移，当这个电压大于或者小于一个阈值时，这就标志着检测到失步点，电机运动将停止。BEMF 电压测量仅在零电流阶跃期间启用。在零电流阶跃结束时，采样和测量最后一次 BEMF 电压值。这可确保线 圈电流达到零，且 BEMF 电压实际可见。根据电机参数、速度和阶跃模式，零阶跃可能会变短，并且无法获得 明显的 BEMF 电压。此时则无法检测失速。失速检测仅在匀速运动期间进行，在加速或减速期间，BEMF 电压 可能非常低，则不会启用失速检测。具体电流波形如图 2.5 所示：