GD32创新反电动势采样方案,助力高效控制BLDC电机

图1 有刷直流电机
图2 无刷直流电机
1.2 BLDC电机控制方法
无刷直流电机属于自换流型(自我方向转换),
因此控制起来更加复杂,需要了解电机进行整流转向
的转子位置和机制。许多不同的控制算法都被用以提BLDC电机的控制。一般将功率晶体管用作线
性稳压器来控制电机电压。但当驱动高功率电机时,
这种方法并不实用。高功率电机必须通过
信号来实现起停和速度功率控制。
多能干细胞控制算法必须提供下列三项功能:
用于控制电机速度的PWM电压;
用于对电机进整流换向的机制;
23
手机乐讯网pw    2021.1
图3 无刷直流电机系统框图
在现有技术中,由于场效应晶体管(MOSFET)
具有开关噪声,因此无刷直流电机的驱动信号在高电
铁道学报平和低电平之间进行切换时,其波形往往具有较大的
波动,从而会导致反电动势的采样结果不准确,严重
时可导致电机无法正常工作。因此,亟需对现有的无
刷直流电机系统及控制方法进行进一步改进,以解决
上述问题。
图4 方案采样点示意图
1332m络筒机通过该方法,在占空比比较低的(下转第27页)24ELECTRONIC ENGINEERING & PRODUCT WORLD2021.1
27
图3 对图2的语言分析
到了中午吃饭时,小胜、小淑两人打开便当,看到了排骨便当里有一个卤蛋;而鸡腿便当里有一个荷包蛋。小胜、小淑异口同声说道:这位老板很像我们正在训练的AI 模型呀,他和AI 一样能鉴往知来、瞬间洞悉事物(便当)的全貌。
4  AI技术能力从哪里来
当今基于机器学习的AI ,其具备两项的逻辑思维技能:“归纳逻辑”与“推论逻辑”。
● 归纳逻辑:人类先把算法
(程序)喂给AI ,就成
为它“鉴古”的“归纳”逻辑能力。
大荒神舞
推论逻辑:接着,引领它去“归纳(鉴古)”,
胃肠动力
此时就把一特定领域的大数据喂给它,让它去归纳(又称学习)。所谓学而时习之,不断探索数据里
的相关性(Correlation ),逐渐归纳出这个领域大数据里的规律性。就成为它“知来”的推论逻辑能力了。
人类设计算法、编写Python 等程序(Program ),来叙述“归纳逻辑”,然后把程序植入计算机里,让计算机拥有:归纳思维能力。所以AI 算法的“编程逻辑”所表达的就是“归纳逻辑”,它让AI 有能力自行归纳出“推论逻辑”。所以,AI 的编程逻辑,并不等于AI 的推论逻辑。
简而言之,AI 的“推论逻辑”与工程师的算法“程序逻辑”是有很大不同的。程序逻辑仍有影响力,但只是建议的角,而非控制的角。所以对于人类而言,AI 的“推论逻辑”是无从理解的,通称为:黑盒子(Black  box ),或黑箱。因之,以对于人类而言,AI 的推论结果即其行为是不确定(Uncertain )的。所以说,AI 的两项特质就是:黑盒子和不确定性行为。
5  结语
专家直觉来自“鉴往”,又称“考古”。也就是来自归纳思维的抽象,抽出共同现象:共相。然后,把共相套用于眼前的殊相上,就不一定100%正确。更何况眼前事物只出现一些征兆(非全貌)而已,AI 不仅仅拿眼前的大量数据来处理,而依公式计算出结论而已;而
是先去探索过往的历史资料(如古代读书人勤读古书经史),而获得共相(道),谓之:知道。在AI 方面谓之:训练(Training )。
大家常说:学以致用。学而知“道”,然后巧妙地应“用”于眼前或未来的新事物上。AI 的训练就是让AI “知道”;而AI 的预测就是道之用。这是AI 的预测的本质。
参考文献:
[1] DUGGAN W.直觉(The Art of What Works)[M].李芳龄,译. 北京:中国财政经济出版社,2005.
(上接第24页)时候,高电平时间比较短但低电平时间长,在低电平期间采样可以有足够的时间避开MOS 的关闭时的噪声。同样的,在占空比高MOS 管打开时采样也可以避开MOS 管打开时的噪声。因此,不论占空比高低都可以得到准确的反电动势电压,从而为MCU 计算BLDC 电机换相时间提供精确的反电动势信号。
精确的反电动势信号可为BLDC 在许多领域发挥出的优势。精度增加可使电机功率损耗更少、控制精确度更高,让终端用户更好的使用BLDC 操作。本方案可广泛应用于工业自动化、仪器仪表、医疗、消费电子、汽车等需要高精度电机控制领域。

本文发布于:2024-09-20 23:27:55,感谢您对本站的认可!

本文链接:https://www.17tex.com/xueshu/369079.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:电机   逻辑   归纳   控制   直流电机   推论   无刷   领域
留言与评论(共有 0 条评论)
   
验证码:
Copyright ©2019-2024 Comsenz Inc.Powered by © 易纺专利技术学习网 豫ICP备2022007602号 豫公网安备41160202000603 站长QQ:729038198 关于我们 投诉建议