小白入手大疆电机

直流无刷减速电机:

M2006、M3508、GM6020这三款电机都为Robomaster提供的直流无刷减速电机。

直流无刷电机不使用传统有刷电机的电刷机械结构,而是通过电子换向器实现换向,相比传统电机有许多的性能优势,一般使用直流无刷电机时

需要有配套的电调,通过改变电调输出的电流大小和方向可以改变电机的转速和转向。而Robomaster系列的电机内部都有霍尔传感器,可以反馈电机的转速,位置等信息,以供用户实现闭环控制。

直流无刷减速电机速度控制原理:

        可以对无刷直流电机的供电电压所处适当调整,从而降低线圈绕组通过的电流大小,进而达到控制电机转速目的。因此,直流无刷电机也可以使用脉宽调制信号(PWM)来进行速度控制。通常使用的PWM频率为十几或几十千赫兹(不得超过MOS管的开关频率),把需要通电的MOS管使用PWM来控制就可以实现速度控制。

在位置控制上需要留意:

        M2006 P36直流无刷减速电机是不带绝对位置传感器的,但是转子端带有增量式位置传感器,通过校准的方式可以实现位置闭环控制。同时,M2006电机内置位置传感器,可提供精确的位置反馈,以FOC方式使电机产生持续的扭矩。

电机运行的注意事项:

        电机在运行时,应该先停止电机再复位,而不建议直接复位开发板,这属于非正常操作,复位的瞬间电机还在继续运动,产生的反电动势可能会损坏硬件。

电机的选型: 

需要通过分析转速、扭矩等需求进行选型。需要结合机构选择不同性能的电机。

电调和电机的连接:

一般使用电机时都是先将电机与配套电调连接,电调与电源以及主控板。(图为以3508为例)连接C610电调连接M2006,C620连接M3508,GM6020电调内部集成电调无需外接。

中心板实现四轮底盘:

官方提供了中心板,电调的电源和信号口可以连接至中心板,再由中心板连接电池和主控。一个中心板上有4个xt30电源输出,4个2pin的CAN接口,1个xt60的电源输入和1个8pin的电源&CAN组合输出,刚刚好可以组成一个四轮底盘。

        软件上都同:核心是PID算法

电机的使用流程:

确定速度——通过PID计算——发送到电流发送程序——电机——电机反馈到PID——PID重新计算发送给电机

注:不可直接给电流发送发送赋值否则电机将按最大转速转动。
如: Motor_Set_Current( 10000 , PID_SPEED[2].out , PID_SPEED[3].out , PID_SPEED[4].out );

通讯上的支持:

        M3508,GM6020支持CAN,PWM,而M2006只支持CAN。

        Robomaster系列的电机及配套电掉几乎都是通过CAN总线连接到主控的,即主控通过CAN总线发送数据给电调,实现电机的调速,电调通过CAN总线将电机数据反馈给主控。一般RM系列电调的通讯速率为1Mbps。

需要了解的相关知识:

CAN通讯、PID算法(包括速度环、位置环、串级PID算法)

参考资料:

​​​​​​大疆 RoboMaster 3508/2006/GM6020 电机使用教程_不会武功不懂江湖的博客-CSDN博客_大疆m3508电机说明书RoboMaster电控入门(3)RM系列电机控制 - sasasatori - 博客园​​​​​​大疆 RoboMaster 3508/2006/GM6020 电机使用教程_不会武功不懂江湖的博客-CSDN博客_大疆m3508电机说明书​​​​​​​

  • 5
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于初学者来说,一个适合入门的机器学习项目是手写数字识别。这个项目基于经典的MNIST数据集,其中包含了大量的手写数字图像和相应的标签。你可以使用Python和一些流行的机器学习库(如TensorFlow或PyTorch)来实现。 以下是一个简单的步骤指南: 1. 数据准备:下载MNIST数据集并加载到你的项目中。这个数据集包含了60,000个训练样本和10,000个测试样本。 2. 数据探索:了解数据集的结构、特征和标签。你可以可视化一些样本图像,以便对数据有更好的理解。 3. 特征工程:将图像数据转换为适合机器学习算法的特征表示。在这个项目中,你可以简单地将每个像素的灰度值作为特征。 4. 模型选择和训练:选择一个适合手写数字识别的机器学习模型,如支持向量机(SVM)或深度学习模型(如卷积神经网络)。使用训练集对模型进行训练。 5. 模型评估:使用测试集评估训练好的模型的性能。计算准确率、精确率、召回率等指标,以了解模型的表现。 6. 模型优化:根据评估结果,尝试调整模型的超参数或使用其他技术(如数据增强、正则化等)来提高模型的性能。 7. 预测:使用训练好的模型对新的手写数字图像进行预测。你可以编写一个简单的界面来展示模型的预测结果。 这个项目可以帮助你熟悉机器学习的基本流程和常用工具。同时,手写数字识别是一个经典且有趣的问题,对于初学者来说是一个很好的起点。希望对你有帮助!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值