ST—FOC4.2电机库全中文指南
STM32-PMSM-SDK-V4.2-使用指南中文版,FOC:高动态性能高频注入法(HFI)无传感器算法 同时控制2个马达STM32 PMSM FOCSDKV42概述life. augmentedSTM32 PMSM FOC SDK V4.2SDKV42软件包包含: PMSMFOC固件库和 ST MC WOrkbench(GUI)允许用户使用STM32进行单或双PMSM马达的FOC的驱动,其支持STM32FOXX, STM32F1Xx, STM32F2XX, STM32F3XXKSTM32F4xXSingle/Dualsimultaneous FocSTM32F3xxSTM32F4XxXSTM32F0XXWide range of motor controlSTM32Flxxalgorithms implemented forSTM32F2xxspecmc applicationsSTM32F PMSM FOC FW libraryST MC WorkbenchMISRA C rules 2004 compliancyFull customization and real timeStrict ANSI C compliancycommunication through PC software整合:软件库+产品(MCU、功率器件等)+应用高端应用,单/双马达控制STM32F4xXI 80MHZ. Cortex-M4FOC:高动态性能高频注入法(HFD)无传感器算法STM32F2XX低CPU负荷,大部分时间用于应120MHZ. Cortcx-M3用软件上STM32F3XX同时控制2个马达72MHZ, Cortex-M4Industrial motorFitness. wellness andFOC MCdriveshealthcare中/低端应用FLib要求:STM32F 10372MHZ Cortex-M32★·FOC矢量控制对马达进行高效控制STM32FOXXames降低马达的噪音:正弦波电流48MHZ Cortex-MO硬件成本优化:1- shunt电流采STM32F100样,无传感器算法24MHZ Cortex-M3FanHome appliances低端应用MC FWSTM8S· Scalar controllib24MHZST core成本敏感应用算法集及MCU支持ST MC FOC SDK V4.2STM32F3XX F4XXSTM32F103X HD/XL F2XSTM32F103X LD/MDSTM32F1OOX STM32FOXXDual MotorshuntSensorlessDebugSTO+PLLTuningshuntControlHFIFluxSensorlessGUIICSMax FOC xMax FocWeakeningSTO+ CORDICsupportF103~23kzF3-30kZF2XX-40kzIPMSMUSARTEncoderFreeRtosF4-50kZMTPAAdd-OnF103. F2XXMaX FocMax focdafoeDual wFeedMax FoCDual xF103~20kHForwardHallF100~11kHz123 kHZF3 27kZFOXX 12 kHZF2XX36KHF4--45kz*:在 sensorless模式下STM32FOC性能指标STM32FSingle motorDual motor@20kHz PWM/10kHz FOCCodeRAMCPUCodeRAMSTM32FCPUConfigurationusageusagesize( Kb)(Kb)load (%Configurationsize(Kb(Kb)load(%)shunt/STM32F10017.82.658.0NANANANAsensorlessshunt/STM32F05x16.72.745.2NANANANAsensorlessshunt/Motor 1&2STM32F103x16.22.521.33 shunt/17,53.949.4sensorlesssensorlessshunt/Motor 182STM32F2x15.52.613.93 shunt/17.53.929.0sensorlesssensorlessshunt/Motor 182STM32F30X16.72.7152(*)3 shunt/18.84.033.3sensorlesssensorlessshunt/Motor 1&2STM32F4x15511.13 shunt/17.53.923.5sensorless2.6sensorless()+8% if with HFISDK FOC V42新增特性life. augmentedFOCV4.2库新增支持芯片新增支持芯片STM32F301x6/x8-STM32F302x6/x8加入STM32F30x的1个ADC模块的三电阻采样算法快速5 MSPS ADC5△ADC高级的数字电路先进的模拟外设比较器PGA-DAC5数字信号处理器微控制器点单元SDK FOC V42新增“ Motor profiler新增自动测试识别电机参数算法测试PMM马达参数:Rs,Ls,Ke测试转动参数:JFElectrical motor parameters有利于无位置传感控制Current regulators tuning快速FOC转动电机DPI没有硬件以及特别设备要求Rs LSMechanical motor parametersSensorless tuningPMSM motorsNew algorithm
- 2021-05-06下载
- 积分：1
动态贝叶斯网络推理学习理论及应用-肖秦琨 高嵩 高晓光.pdf
动态贝叶斯网络推理学习理论及应用；动态系统；可靠性评估；故障诊断；贝叶斯网络建模；DBN0212/642007动态贝叶斯网络推理学习理论及应用肖秦琨高嵩高晓光著所·萑宫散社北京图书在版编目(CP数据动态贝叶斯网络推理学习理论及应用/肖秦琨,高嵩,高晓光著.一北京:国防工业出版社,2007.10ISBN9787-11805323-4I.动.Ⅱ.①肖.②高.③高..Ⅲ.贝叶斯推断一研究Ⅳ.0212中国版本图书馆CIP数据核字(2007)第122784号※阍所·宫版社出版发行(北京市海淀区紫竹院南路23号邮政编码100044)京南印刷厂印刷新华书店经售开本850×1168132印张9字数233千字2007年10月第1版第1次印刷印數1-3000册定价20.00元(本书如有印装错误,我社负责调换国防书店:(010)68428422发行邮购:(010)68414474发行传真:(010)68411535发行业务:(010)68472764前言不确定性理论在人工智能、机器学习、自动控制领域已经得到越来越广泛的应用。本书以当前国际上不确定性研究领域的核心工具——动态贝叶斯网络为线索,进行了动态网络推理算法、平稳系统动态贝叶斯网络结构学习模型设计、非平稳系统动态网络变结构学习模型设计、基于概率模型进化算法的动态贝叶斯网络结构寻优算法的研究。推理算法以隐变量作为划分依据,讨论了离散、连续混合模型的推理算法,并进行了算法复杂度及应用领域的讨论;结构学习研究首先从度量体制入手,讨论了动态网络度量体制的可分解性,提出了平稳及非平稳系统网络结构学习模型,以及基于贪婪算法思想的遗传算法寻优思想;最终将推理及结构学习理论用于无人机路径规划、战场态势感知、动态数据挖掘、自主控制领域,并通过大量仿真检验。本书的研究工作得到了西安工业大学专著基金及国家自然科学基金重大研究计划(90205019)的资助。本书全面系统地介绍了动态贝叶斯网络的相关理论,重点介绍了动态网络的经典应用和国内外的新发展。全书共分9章。第1章概述了动态贝叶斯网络的产生与发展、基本操作及表达。第2章和第3章为本书的理论基础部分,首先从静态网络已经取得的理论成果及研究内容人手,由浅入深引出动态贝叶斯网络的基本概念及研究方向,确定本书将要解决的主要问题:DBN推理问题和连续变量的DBN结构学习问题。第4章在第3章基础上,详细讨论了三类动态贝叶斯网络的推理即隐变量离散、隐变量连续隐变量混合DBN推理;隐马尔科夫模型是所有离散动态网络的基础故首先介绍其表达及推理,由此派生出其他离散动态网络,并讨论了如何将复杂离散网络转化为简单HMM的方法,通过算法复杂度实验分析,明确了离散动态网络的相应属性,得出了相应结论,为合理选择DBN推理算法提供依据;在推理中,若系统参数未知或为时变系统,必然涉及参数学习,故在讨论三类网络的推理中亦涉及参数学习问题。第5章从静态网络结构度量机制入手,讨论并推导出动态贝叶斯网络结构用于网络结构度量的BC及BD度量机制;通过描述基于概率模型进化算法的构图基础,引出动态贝叶斯网络结构学习机制,即基于贝叶斯优化(BOA)的动态网络结构寻优算法,BOA算法的关键是根据优良解集学习得到动态贝叶斯网络,以及根据动态贝叶斯网络推理生成新个体,前者更为重要,按照本书提出的基于贪婪算法思想的遗传算法解决动态网络学习,然后应用动态贝叶斯网络前向模拟完成后一步。第6章在此基础上,刻画了基于BD度量体制的平稳动态系统DBN结构学习模型设计,并通过仿真验证了其有效性,针对非平稳随机系统DBN的结构学习模型,提出了一种自适应窗口法用于在线自适应学习变结构DEN结构,仿真结果可行。第7章在第4章DBN推理理论的基础上,从以往UCAV路径规划中使用的方法以及涉及的定义、术语等出发,讨论了静态路径规划、动态路进规划及空间路径规划三方面的基本问题,通过对原始 Voronoi图的改进,提出了平面改进型Voronoi图、空间改进型 Voronoi图的概念,以及平面及空间动态路径重规划区域原则等,为动态路径规划提供有力的整体构型支撑进而应用前几章理论基础,建立基于DBN的战场环境感知模型,仿真结果均表明了构图及动态决策模型的正确性。第8章在DN推理及结构学习的理论基础上,将其用于自主优化及动态数据挖掘。将BOA及基于概率模型的遗传算法的静态图形的优化机制进行推广,提出了一种动态优化的新方法,利用DBN作为t到t+1代转移网络,适时改变优化的基本条件,实时确立新的种群及优化的方向使得自主智能体在无人干预下顺利完成一系列复杂任务成为可能,将变结构DBN结构学习模型设计用于动态数据挖掘,实时确定个因素之间的关系。第9章通过两个典型的应Ⅳ用实例,将DBN推理学习理论进行融合,并用于实际模型。附录给出了与DBN结构度量相关定理、性质的证明,为读者进一步研究和学习动态贝叶斯网络提供参考。本书是作者近年来潜心学习和研究国内外不确定性算法理论、方法和应用成果的一个总结。在本书的编写过程中,得到了西安电子科技大学焦李成教授和清华大学戴琼海教授及英国BankUniversity陈大庆教授的热心指导和鼓励,新加坡南洋理工大学的王海芸博土后审阅了书稿,并提出了许多宝贵意见,特向他们表示衷心的感谢。由于涉及内容广泛及限于作者的学识水平,书中疏漏和不当之处在所难免,希望读者不吝赐教指正。作者目录第1章图模型与贝叶斯网络1.1图模型简介1.2动态贝叶斯网络…1.3动态贝叶斯网络应用研究1.3.1动态时序数据分析与挖掘157781.3.2无人机的态势感知与路径规划1.3.3.进化算法与动态贝叶斯网络混合优化………10第2章静态贝叶斯网络2.1静态贝叶斯置信网络2.2贝叶斯网络的特点与应用范围152.3贝叶斯网络的研究内容162.3.1计算复杂性162.3.2网络结构的确定问题…2.3.3已知结构的参数确定问题……182.3.4在给定结构上的概率计算…………192.3.5贝叶斯网络推理算法…19第3章动态贝叶斯网络基础283.1从静态网到动态网283.1.1概述·28Ⅵ3.1.2推导293.1.3动态贝叶斯网络表达………………313.2动态贝叶斯网络的研究内容353.2.1动态贝叶斯网络推理……………………363.2.2动态贝叶斯网络学习…39第4章动态贝叶斯网络推理…464.1隐变量离散动态网络推理……464.1.1模型数学描述464.1.2隐马尔科夫的研究内容484.1.3隐马尔科夫推理学习仿真…534.1.4隐马尔科夫其他拓扑形式…564.1.5一般离散动态网络和隐马尔科夫关系………………584.2动态贝叶斯网络推理算法性能分析604.2.1动态网络转化隐马尔科夫仿真…………614.2.2离散动态网络推理算法比较仿真…634.2.3连续动态网络推理比较仿真724.3模糊推理与隐马尔科夫结合炮火校射754.3.1概述………………………754.3.2模糊动态网络环境感知框架754.4隐变量连续动态网络推理794.4.1模型数学描述…………794.4.2卡尔曼滤波图模型推理………804.5混合隐状态动态贝叶斯网络…………834.5.1模型数学描述…834.5.2混合动态贝叶斯网络推理…864.5.3混合动态贝叶斯网络学习89第5章动态贝叶斯网络结构学习算法…………………915.1动态贝叶斯网络结构度量体制………915.1.1概述915.1.2动态网络的贝叶斯信息度量………935.1.3动态贝叶斯网络BD度量965.2动态贝叶斯网络度量分解性能分析985.3构建动态网络结构寻优算法1145.3.1基于概率模型的进化算法1155.3.2基于贝叶斯优化构造动态网络结构算法1165.3.3学习动态贝叶斯网络…1185.3.4动态臾叶斯网络推理…1275.4基于贝叶斯优化构建动态网络结构算法仿真………128第6章动态贝叶斯网络结构学习模型…1346.1平稳系统动态网络结构学习模型设计1346.1.1模型设计1356.1.2仿真试验1386.2变结构动态网络自适应结构学习模型设计………1446.2.1模糊自适应双尺度…1446.2.2动态系统非平稳程度和平稳性的测量……1516.3非平稳系统网络结构学习仿真试验153第7章基于动态贝叶斯网络的路径规划……1657.1无人机平面静态路径规划·…1657.1.1基本概念……1657.1.2基于相同威胁体的路径规划…166Ⅷ
- 2021-05-06下载
- 积分：1
|
联系客服（QQ：3324461878）
