当前位置: 首页 > news >正文

基于28335的旋变软解码:技术亮点剖析

基于28335实现的旋变软解码 1、在0-360°的范围内,与TI方案的偏差非常小,平均偏差最大为0.0009弧度左右,最大偏差0.0016弧度左右。 2、与1205最大偏差在±3个弧分以内,考虑到AD2S1205的精度为±11个弧分,可以认为这个偏差没有任何问题。 3、对179°输入的响应如图 所示,可以看到179°输入下解算器建立时间不超过5ms,与ADI1205接近。 4、12位AD下可保证10-11位的精度 信号解调: 利用三角函数积化和差公式将旋变输出信号分解为高频和低频两部分… 锁相环: 1、直接滤掉大部分高频成分,同时解析角度与转速… 2、自动补偿辅助低通滤波器带来的滞后… 滤波器: 置于特殊位置,使其滞后可以自动被补偿,远比ti方案高明… 另,花费和单独计算sin差不多的时间,同时计算出sin和cos… 没有硬件 没C语言版本

在电机控制等诸多领域,旋变解码的精度和性能至关重要。今天咱就聊聊基于28335实现的旋变软解码,这可是个相当有意思的技术活儿。

一、精度表现

  1. 与TI方案对比

在0 - 360°这个关键角度范围内,咱这个基于28335的软解码与TI方案的偏差极小。平均偏差最大也就0.0009弧度左右,最大偏差0.0016弧度左右。这就好比两个短跑运动员,在一圈400米的跑道上,跑完一圈后,他们之间的差距也就那么几厘米,几乎可以忽略不计。这高精度得益于整个算法设计和28335强大的处理能力。

  1. 与AD2S1205对比

和AD2S1205相比,最大偏差在±3个弧分以内。要知道AD2S1205本身精度是±11个弧分,这么一对比,咱这个偏差完全可以忽略不计,就像大象背上落了只小蚂蚁,几乎不影响整体。

  1. 179°输入响应

从179°输入下的响应来看,解算器建立时间不超过5ms,和ADI1205接近。这就像两个人同时起跑,几乎同时到达终点,在这个特定输入角度下,展现出了优异的响应速度。

  1. 精度位数保证

在12位AD的情况下,能保证10 - 11位的精度。这就像是给你一把12档的尺子,你能用它精确测量到10 - 11档的精度,充分利用了硬件资源,实现了高精度的测量。

二、信号解调与关键模块实现

信号解调

信号解调这块利用三角函数积化和差公式,把旋变输出信号分解为高频和低频两部分。这就好比把一个大包裹,巧妙地分成了两个小包裹,方便后续处理。假设我们有旋变输出信号$V{s1}=V{m}\sin(\omega t)\sin(\theta)$和$V{s2}=V{m}\sin(\omega t)\cos(\theta)$,利用积化和差公式:

$\sin A\sin B = \frac{1}{2}[\cos(A - B)-\cos(A + B)]$

基于28335实现的旋变软解码 1、在0-360°的范围内,与TI方案的偏差非常小,平均偏差最大为0.0009弧度左右,最大偏差0.0016弧度左右。 2、与1205最大偏差在±3个弧分以内,考虑到AD2S1205的精度为±11个弧分,可以认为这个偏差没有任何问题。 3、对179°输入的响应如图 所示,可以看到179°输入下解算器建立时间不超过5ms,与ADI1205接近。 4、12位AD下可保证10-11位的精度 信号解调: 利用三角函数积化和差公式将旋变输出信号分解为高频和低频两部分… 锁相环: 1、直接滤掉大部分高频成分,同时解析角度与转速… 2、自动补偿辅助低通滤波器带来的滞后… 滤波器: 置于特殊位置,使其滞后可以自动被补偿,远比ti方案高明… 另,花费和单独计算sin差不多的时间,同时计算出sin和cos… 没有硬件 没C语言版本

$\sin A\cos B = \frac{1}{2}[\sin(A + B)+\sin(A - B)]$

就能将信号分解。

锁相环

  1. 高频成分处理与信息解析

锁相环直接滤掉大部分高频成分,同时还能解析角度与转速。这就像一个智能筛选器,把不需要的高频“杂质”过滤掉,留下我们需要的角度和转速信息。在代码实现上,可能会有类似这样的逻辑(伪代码):

# 假设已经获取到包含高频成分的信号 data filtered_data = [] for value in data: if value < high_frequency_threshold: filtered_data.append(value) # 这里filtered_data 就是滤除高频成分后的信号,后续基于此解析角度和转速
  1. 滞后补偿

锁相环还能自动补偿辅助低通滤波器带来的滞后。就好比给跑步的运动员设置了一个自动调整速度的装置,让他能始终保持最佳节奏。

滤波器

滤波器被置于特殊位置,它的滞后可以自动被补偿,这可比TI方案高明不少。TI方案可能还在费劲地手动调整滤波器参数来补偿滞后,咱这儿直接一步到位。

三、计算效率

还有个厉害的点,花费和单独计算sin差不多的时间,就能同时计算出sin和cos。这就像用一份时间,干了两份活,大大提高了计算效率。在实际应用中,这意味着可以在更短的时间内获取到更多关键信息,对于实时性要求高的系统来说,简直是福音。

基于28335实现的旋变软解码,无论是精度、关键模块实现还是计算效率,都展现出了卓越的性能,为相关领域的应用提供了一种高效且精确的解决方案。

http://www.jsqmd.com/news/267415/

相关文章:

  • AList快速部署完整指南:轻松搭建个人云盘系统
  • 2026年高性价比全案装修设计专业公司排名,欢乐佳园排第几? - 工业品牌热点
  • DeepSeek-Coder-V2实战指南:解决开发者的真实痛点
  • 今天你要来点 puzzle 吗?
  • 探讨口碑好的去屑洗发水,黛熙梦名列靠谱榜单 - 工业品牌热点
  • AI智能体终极记忆方案!Graphiti教程从零到精通(建议收藏),一篇就够了!
  • 收藏!未来5年程序员最优赛道:AI大模型必冲!
  • 华硕笔记本风扇噪音终极解决方案:告别恼人异响的静音革命
  • 【建议收藏】AI大模型学习路径全解析:掌握这6大模块,轻松实现程序员职业转型与薪资跃迁
  • 7步实战:将闲置电视盒子变身高性能Armbian服务器
  • SeedVR视频修复革命:AI技术让模糊记忆重获新生
  • 基于深度学习YOLOv10的番茄成熟度检测系统(YOLOv10+YOLO数据集+UI界面+Python项目源码+模型)
  • 高效流媒体下载:打造个人视频库的完整方案
  • 游戏辅助工具终极配置手册:从零开始轻松掌握YimMenu
  • Mem Reduct终极指南:3步快速提升电脑性能的内存优化工具
  • 基于深度学习YOLOv10的PCB电路板缺陷检测系统(YOLOv10+YOLO数据集+UI界面+Python项目源码+模型)
  • 机器人自修复“肌肉”的技术突破
  • 基于深度学习YOLOv10的脑肿瘤检测系统(YOLOv10+YOLO数据集+UI界面+Python项目源码+模型)
  • ComfyUI-Ollama实战指南:零基础搭建智能创作工作流
  • DownKyi文章仿写创作指南:打造差异化内容
  • 基于深度学习YOLOv10的玉米幼苗杂草检测系统(YOLOv10+YOLO数据集+UI界面+Python项目源码+模型)
  • 从“思考-行动-观察“到“无限迭代“:AI Agent两大范式详解,收藏级学习资料
  • 腾讯Hunyuan-A13B开源:130亿参数引爆高效AI革命
  • 腾讯HunyuanPortrait:单图生成超自然人像动画!
  • 说说高性价比的装修设计专业公司,欢乐佳园装饰排名如何? - 工业品牌热点
  • 探索开源三国杀:无名杀网页版如何重新定义卡牌游戏体验
  • LightVAE:视频生成提速省内存的AI优化神器
  • 详细介绍:Linux 调度类(sched_class)
  • 论文怎么降低AI率?知网算法大更新!学长亲测aigc免费降重,汇总5款降ai率工具红黑榜 - 殷念写论文
  • 3D模型格式转换终极指南:突破跨平台兼容性瓶颈