S pojavom ere inteligencije i Interneta stvari, zahtjevi za upravljanje koračnim motorom postaju sve precizniji. Kako bi se poboljšala tačnost i pouzdanost sistema koračnog motora, metode upravljanja koračnim motorom opisane su iz četiri smjera:
1. PID kontrola: Prema datoj vrijednosti r(t) i stvarnoj izlaznoj vrijednosti c(t), konstituiše se odstupanje kontrole e(t), a proporcija, integral i diferencijal odstupanja se konstituišu linearnom kombinacijom za kontrolu kontrolisanog objekta.
2, adaptivno upravljanje: sa složenošću kontrolnog objekta, kada su dinamičke karakteristike nepoznate ili se nepredvidivo mijenjaju, kako bi se dobio visokoperformansni kontroler, globalno stabilan adaptivni algoritam upravljanja se izvodi prema linearnom ili približno linearnom modelu koračnog motora. Njegove glavne prednosti su jednostavna implementacija i velika adaptivna brzina, može efikasno savladati uticaj uzrokovan sporom promjenom parametara modela motora, je izlazni signal praćenja referentnog signala, ali ovi algoritmi upravljanja su u velikoj mjeri zavisni od parametara modela motora.
3, vektorsko upravljanje: vektorsko upravljanje je teorijska osnova modernog upravljanja motorima visokih performansi, koje može poboljšati performanse upravljanja momentom motora. Ono dijeli struju statora na komponentu pobude i komponentu momenta radi upravljanja orijentacijom magnetskog polja, kako bi se dobile dobre karakteristike razdvajanja. Stoga, vektorsko upravljanje treba kontrolirati i amplitudu i fazu struje statora.
4, inteligentno upravljanje: ono prevazilazi tradicionalne metode upravljanja koje moraju biti zasnovane na okviru matematičkih modela, ne oslanja se ili se ne oslanja u potpunosti na matematički model objekta upravljanja, već se oslanja samo na stvarni efekat upravljanja, pri čemu upravljanje ima sposobnost da uzme u obzir neizvjesnost i tačnost sistema, uz snažnu robusnost i prilagodljivost. Trenutno su fuzzy logičko upravljanje i upravljanje neuronskim mrežama zrelije u primjeni.
(1) Fazi upravljanje: Fazi upravljanje je metoda za realizaciju upravljanja sistemom zasnovana na fuzzy modelu kontrolisanog objekta i približnom zaključivanju fuzzy kontrolera. Sistem je napredno ugaono upravljanje, dizajn ne zahtijeva matematički model, a vrijeme odziva je kratko.
(2) Upravljanje neuronskom mrežom: Korištenjem velikog broja neurona prema određenoj topologiji i prilagođavanju učenja, može u potpunosti aproksimirati bilo koji složeni nelinearni sistem, može učiti i prilagođavati se nepoznatim ili neizvjesnim sistemima, te ima snažnu robusnost i toleranciju na greške.
TT MOTOR proizvodi se široko koriste u elektronskoj opremi vozila, medicinskoj opremi, audio i video opremi, informacionoj i komunikacijskoj opremi, kućanskim aparatima, modelima avijacije, električnim alatima, zdravstvenoj opremi za masažu, električnim četkicama za zube, električnim aparatima za brijanje, noževima za obrve, prenosivim kamerama za sušenje kose, sigurnosnoj opremi, preciznim instrumentima i električnim igračkama i drugim električnim proizvodima.
Vrijeme objave: 21. jul 2023.
