登录
首页 » Others » Canopen控制伺服驱动中文资料(使用者手册)

Canopen控制伺服驱动中文资料(使用者手册)

于 2020-12-12 发布
0 265
下载积分: 1 下载次数: 1

代码说明:

Canopen协议控制埃斯顿伺服驱动使用者中文版手册,可以帮助初学者理解canopenEsTUN埃斯自动化伺服使用于册目录第章概述1.1cAN主要相关文档1.2本手册使用的术语和缩语1.3 CANopen概述第章接线和连接第章通讯3.1cAN标识符分配表3.2服务数据对象SD03.3过程数据对象PD03.4SYNC报文3.5 Emer gency报文3.6 HEARTBEAT报文3.7网络管理(NMT)第章单位换算单元4.1单位换算相关参数4.2 Position factor4.3 Ve locity factor4. 4 Acceleration factor第章位置控制功能第章设备控制6.1控制状态机6.2设备控制相关参数6. 2. 1 Contro/word6.2.2 Statusword6. 2.3 Shutdown option code6.2.4 Disab/e operation option code6.2.5 Quick stop option code6.2. 6 Ha/t option code6.2.7 Fault reaction option code第章控制模式7.1控制模式相关参数7. 1.1 Modes of operation7. 1.2 Modes of operation disp/ay7.2回零模式( HOM I NG MODE)7.2.1回零模式的控制字7.2.2回零模式的状态字EsTUN埃斯自动化伺服使用于册7.2.3回岺模式相关参数7.2.4回零方法3速度控制模式(PROF| LE VEL0 CITY MODE)7.3.速度模式的控制字7.3.2速度模式的状态字7.3.3速度控制模式相关参数7.4位置控制模式(PR0FLEP0s|T0NM0DE)74.1位置模式的控制字7.4.2位置模式的状态字7.4.3位置控制相关参数7.4.4功能描述7.5位置插补控制模式( I NTERPLATION P0S| TION MODE)7.5.1位置插补馍式的控制字7.5.2位插补模式的状态字7.5.3位置插林控制关参数7.5.4功能描述第章通讯相关参数控制模式第章通讯例程9.1S00操作2PD0配置9.3位置控制例子( Profile positon mode)4位置插补控制( Interplate position Mode)9.5回零第章其他功能10.1总线输入10.2占位对象附录对象字典表EsTUN埃斯自动化伺服使用于册第章概述1CAN主要相关文档2本手册使用的术语和缩语控制器局域网在自动化国际用户和制造商协会中的通讯对象,在网络上的一个传输单元。数据在内部沿着整个网络传输。本身是消息帜的一部分。电子数据表,在配置网络时需要使用的一个节点专用格式文件。文件包含关于节点及其字典对象(参数)的常规信息。层管理,给定模型中的应用层服务元素之一。它用来配置给定模型中每层的参数网络管理给定模型中的应用层服务元素之一。它负责网络上的初始化、配置和故障处理。在本地存储某个设备所识别的所有通讯对象()。参数参数是驱动器的一个操作指令。可以使用驱动器操作面板或者诵过来读取和修改参数进程数据对象,一种用来传输时间关键数据,比如控制命令、给定值和实际值。表示只读访问。表示读写访问EsTUN埃斯自动化伺服使用于册服务数据对象,一种用来传输非时间关键数据,比如参数。3 CANopen概述是一个基于(控制局域网)串行总线系统和(应用层)的高层协议假定相连设备的硬件带有一个符合标准的收发器和一个控制器。通讯协议包括周期和事件驱动型通讯,不仅能够将总线负载减少到最低限度,而且还能确保极短的反应时间。它可以在较低的波特率下实现较高的通讯性能,从而减少了电磁兼容性问题,并降低了电缆成本设备协议定义了直接访问变频器参数机制以及时间关键进程数据通讯满足(自动化中的)标准(变频器和运动控制),只支持刮造商专用操作模式。所用的物理介质是符合标准,采用分驱动机制和公共反馈的双线总线。总线的最大长度取决于通讯速度,具体规定如下通讯波特率最大总线长度从理论上来说,最多可以有个节点。不过,在实际应用中,最大节点数量取决于所用收发器的性能。更多信息可参见自动化国际用户和制造商协会的文献(EsTUN埃斯自动化伺服使用于册第章接线和连接通讯用连接器的端子排列端子记号名称功能保留通讯用端子隔离地通讯用端子通讯用端子通讯用端子注:的、引脚不能短接在一起。通讯用连接器的端子排列端子记号名称功能保留通讯用端子隔离地通讯用端子通讯用端子通讯用端子呕动器总是作为通讯电缆输入端子,总是作为通讯电缆输出端子(如昊还需连接从站,电缆从该端子连接到下一从站设备;如果不需连接其他从站,可以在该端子加终端电阻)。多台驱动器连接时,严禁直连任意台驱动的举例,网络由三台驱动器组成,电缆接线如下驱动器的的→驱动器的,的驱动器的欧终端电阻总线线路必须用在和线之间每端连接的欧姆()电阻来终接,如下所示。CAN-SHIELDCAN-SHIELDICAN-SHIELDCAN-GNDCE CAN-GND XXCAN-GND120g2CAN-HCAN-HCAN-H1209总线电缆请选用有两对双绞线的带屏蔽层电缆:一对双绞线分别接和,另外一对双绞线直接接EsTUN埃斯自动化伺服使用于册第章通讯提供了所有的网络管理服务和报文传送协议,但并没有定义对象的内容或者正在通讯的对象的类型(它只定义了,没有定义),而这正是切入点。是在基础上开发的,使用了通讯和服务协议子集,提供了分布式控制系统的一种实现方案。在保证网络节点互用性的同时允许节点的功能随意扩:或简单或复杂。的核心概念是设备对象字典(),在其它现场总线)系统中也使用这种设备描述形式。通讯通过对象字典()能够访问驱动器的所有参数。注意对象字典不是的部分,而是在中实现的。通讯模型定义了如下几种报文(通讯对象)缩写详称说明用于非时间关键数据,比如参数用于传输时间关键进程数据(给定值、控制字、状态信息等)。用于同步节点。用于传输驱动器的报警事件。用于网络管理。用于监测所有节点的生命状态通过数据帧在主机(控制器〕和总线节点之间传输数据。下图说明了数据帧的结构。仲裁域帧头控制域数据域校验域应答域帧尾(通讯对象标识符)(远程请求或位本驱动器暂不支持远程帧。其中(通讯对象标识符)分配:功能码(节点地址)STUN埃斯自动化伺服使用于册3.1CAN标识符分配表功能码相应通讯参数通讯对象(进制)进制在中的索引(发送)(接受)(发送)(接受)(发送)(接受)(发送)(接受)(发送)(接受)注意的发送接受是由()节点观察的。本驱动器的支持个发送个接受。EsTUN埃斯自动化伺服使用于册3.2服务数据对象SD0用来访问一个设备的对象字典。访问者被称作客户对象字典被访问且提供所请求服务的设备被称作服务器客户的报文和服务器的应答报文总是包含字节数据(尽管不是所有的数据字节都一定有意义)。一个客户的请求一定有来自服务器的应答。有种传送机制加速传送(最多传输字节数据分段传送(传输数据长蒉大于字节基本结构如下命令对象索引对象子索引报文对参数读写操作格式Read commandsWrite commandsLOW-Byte of main index(hex)High-Byte of main index(hex)UINT8/NT8Subindex(hex)Token for 8 bitCommand 40 IXO X1 su2FhIDⅨX1sUDoAnswer4Fn IXO IX1 SU DO60hIoⅨX1sUUINT16/INT16Token for 8 BitToken for 16 BitCommand40nX0Ⅸ1sU2BhⅨ0Ⅸ1 SU DO D1Answer4BnIX0Ⅸ1SUD0D160hl0Ⅸ1SUToken for 32 BitUINT32/NT32Token for 16 BitCommand 40Xo X1 SU23IoⅨX1 SU DO D1D2D3Answer43nⅨ0Ⅸ1SUD0D1D2D360hDXoⅨX1sUToken for 32 Bit举例

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • ST直流无刷电机控制源码
    ST直流无刷电机控制源码,详细的SVPWM,CLARK,PARK等,全部开源,适合学习BLDC
    2020-11-28下载
    积分:1
  • 整流器无差拍控制
    【实例简介】PWM整流器的无差拍控制,可成功运行,效果良好,课程报告就用它了
    2021-11-06 00:34:19下载
    积分:1
  • mfc STL格式形体的读取与显示
    任意读入一个ASCII码的STL文件,显示出该形体。可以变换角度观察。对应目录下提供了三个STL文件实例。压缩包内包含一个stl文件
    2020-12-09下载
    积分:1
  • 机房市电+UPS配电图(三相均衡)
    【实例简介】一个好的用电配置能保证系统正常稳定运行。如是一个有问题的配电,那对网管人员将是一个恶梦!!!!
    2021-11-07 00:39:44下载
    积分:1
  • Java_Web项目-招聘网站
    Java_Web项目 招聘网站项目概要 该招聘站点提供一个平台给用人单位和求职者,用人单位在站点上发布招聘信息,求职者可以通过网络查看自己感兴趣的工作。 同时,求职者可以在招聘站点上注册自己的个人信息,用人单位可以检索与招聘职位要求符合的求职者。并可以通过信件的形式通知符合招聘条件的求职者面试。用人单位可以把诸多符合条件的求职者添加到收藏夹,作为人才储备。 求职者可以把自己感兴趣的单位添加到个人的收藏夹,也可以向用人单位发送邮件。 使用B/S结构
    2020-12-02下载
    积分:1
  • 维信号小波降噪matlab
    用小波处理一维信号matlab实验,包括小波分解,阈值选择等。
    2020-11-29下载
    积分:1
  • 两轮移动式倒立摆(两轮自平衡小车)
    控制系统设计课设两轮移动式倒立摆的运动控制,两轮自平衡小车原理和控制
    2020-12-03下载
    积分:1
  • 基于matlab虹膜识别源
    基于matlab虹膜识别源程序,完整代码。
    2021-05-07下载
    积分:1
  • 反向传播算法推导—全连接神经网络
    反向传播算法是人工神经网络训练时采用的一种通用方法,在现代深度学习中得到了大 规模的应用。全连接神经网络(多层感知器模型,MLP),卷积神经网络(CNN),循环神 经网络(RNN)中都有它的实现版本。算法从多元复合函数求导的链式法则导出,递推的 计算神经网络每一层参数的梯度值。算法名称中的“误差”是指损失函数对神经网络每一层 临时输出值的梯度。反向传播算法从神经网络的输出层开始,利用递推公式根据后一层的误 差计算本层的误差,通过误差计算本层参数的梯度值,然后将差项传播到前一层(w, x,)+b这个神经元接受的输入信号为向量(),向量()为输入向量的组合权重,为徧置项,是标量。神经儿对输入冋量进行加权求和,并加上偏置项最后经过激活函数变换产生输出为表述简洁,我们把公式写成向量和矩阵形式。对每个神经元,它接受的来自前一层神经元的输入为向量,本节点的权重向量为,偏置项为,该神经元的输出值为先计算输入向量与权重向量的内积,加上偏置项,再送入一个函数进行变换,得到输出这个函数称为激活函数,典型的是函数。为什么需要激活函数以及什么样的函数可以充当激活函数,在之前的公众号文章“理解神经网终的激活函数”中已经进行了介绍。神绎网络一般有多个层。第一层为输入层,对应输入向量,神绎元的数量等于特征向量的维数,这个层不对数据进行处理,只是将输入向量送入下一层中进行计算。中间为隐含层,可能有多个。最后是输出层,神经元的数量等于要分类的类别数,输出层的输岀值被用来做分类预测。下面我们来看一个简单神经网络的例了,如下图所示这个网络有层。第一层是输入层,对应的输入向量为,有个神经元,写成分量形式为(),它不对数据做任何处理,直接原样送入下一层。中间层有个神经元,接受的输入数据为向量,输出向量为,写成分量形式为。第三个层为输出层,接受的输入数据为向量,输出向量为,写成分量形式为()。第一层到第层的权重矩阵为(,第二层到第三层的权重矩阵为()。权重矩阵的每一行为一个权重向量,是层所有神经元到本层某一个神经儿的连接权重,这里的上标表小层数如果激活函数选用函数,则第二层神经元的输出值为+(-(+0)+(1+(0)(-(()第三层神经元的输出值为如果把代入上面二式中,可以将输出向量表示成输出向量的函数。通过调整权重矩阵和偏置项可以实现不同的函数映射,因此神经网终就是一个复合函数需要解决的·个核心问题是·旦神经网络的结构(即神经元层数,每层神经元数量)桷定之后,怎样得到权重矩阵和偏置项。这些参数是通过训练得到的,这是本文推导的核心任务个简单的例子首先以前面的层神经网络为例,推导损失函数对神经网络所有参数梯度的计算方法假设训练样本集中有个样本()。其中为输入向量,为标签向量。现在要确定神经网络的映射函数:什么样的函数能很好的解释这批训练栟本?答案是神经网络的预测输出要尽可能的接近样本的标签值,即在训练集上最小化预测误差,如果使用均方误差,则优化的目标为:∑‖()-其中()和都是向量,求和项内部是向量的范数平方,即各个分量的平方和。上面的误差也称为欧氏距离损失函数,除此之外还可以使用其他损失函数,如交叉熵、对比损失等。优化目标函数的自变量是各层的权重矩阵和梯度向量,一般情况下无法保证目标函数是凸函数,因此这不是一个凸优化问题,有陷入局部极小值和鞍点的风险(对于这些概念和问题之前的公众号文章“理解梯度下降法”,“理解凸优化”中己经做了详细介绍)这是神经网络之前一直被诟病的一个问题。可以使用梯度下降法进行求解,使用梯度下降法需要计算出损失函数对所有权重矩阵、偏置向量的梯度值,接下来的关键是这些梯度值的计算。在这里我们先将问题简化,只考虑对单个样本的损失函数()-‖后面如果不加说明,都使用这种单样木的损失函数。如果计算出了对单个样木损失函数的棁度值,对这些梯度值计算均值即可得到整个目标函数的梯度值。和(要被代入到网络的后一层中,是复合函数的内层变量,我们先考虑外层的和。权重矩阵是一个x的矩阵,它的两个行分别为向量(和是个维的列向量,它的两个元素为()和()。网络的输入是向量,第一层映射之后的输出是向量首先计算损失函数对权重矩阵每个元素的偏导数,将欧氏距离损尖函数展开,有((+))(())6(如果,即对权重矩阵第行的元素求导,上式分了中的后半部分对来说是常数。根据链式法则有S()+()O如果,即对矩阵第二行的元素求导,类似的有:可以统一写成可以发现,第一个下标决定了权重矩阵的第行和偏置向量的第个分量,第二个下标决定了向量的第个分量。这可以看成是一个列向量与一个行向量相乘的结果,写成矩阵形式为上式中乘法⊙为向量对应元素相乘,第二个乘法是矩阵乘法。是个维列向量,+也是一个维列向量,两个向量执行⊙运算的结果还是个维列向量。是一个元素的列向量,其转置为维行向量,前面这个:维列向量与的乘积为的矩阵,这正好与矩阵的尺寸相等。在上面的公式中,权重的偏导数在求和项中由部分组成,分别是网络输出值与真实标签值的误差激活区数的导数+(),本层的输入值。神经网络的输出值、激活函数的导数值本层的输入值都可以在正向传播吋得到,因此可以晑效的计算出来。对所有训练样本的偏导数计算均值,可以得到总的偏导数对偏置项的偏导数为:如果上式分子中的后半部分对来说是常数,有:()⊥()如果类似的有这可以统写成:写成矩阵形式为偏置项的导数由两部分组成,分别是神经网络预测值与真实值之间的误差,激活函数的导数值,与权重矩阵的偏导数相比唯一的区别是少了。接下来计算对和的偏导数,由于是复合函数的内层,情况更为复杂。()是个的短阵,它的个行向量为(),(,(,(。偏置项()是维向量,个分量分别是(),(,(),(。首先计算损失函数对的元素的偏导数:而上式分子中的两部分都有,因此都与有关。为了表述简活,我们令:根据链式法则有:其巾((和和都是标量和()是两个()向量的内积,的每一个分量都是()的函数。接下来计算和这里的一是个向量,衣示的每个分量分别对求导。当时有:后面个分量相对于求导变量(都是常数。类似的当时有:()0)(()和时的结果以此类推。综合起来有:同理有:()十如果令合并得到()()[()-)。()。()写成矩阵形式为()最后计算偏置项的偏导数()类似的我们得到:合并后得到()写成矩阵形式为:(0)至此,我得到了这个简单网络对所有参数的偏导数,接下来我们将这种做法推广到更般的情况。从上面的结果可以看岀一个规律,输出层的权重矩阵和偏置向量梯度计算公式中共用了()-)()对」隐含层也有类似的结果完整的算法现在考虑一般的情况。假设有个训练样本(),其中为输入向量,为标签向量。训练的目标是最小化样木标签值与神经网络预测值之闩的误差,如果使用均方误差,则优化的目标为:其中为神经网络所有参数的集合,包括各层的权重和偏置。这个最优化问题是·个不带约束条件的问题,可以用梯度下降法求解。上面的误差函数定义在整个训练样本集上,梯度下降法每一次迭代利用了所有训练样本,称为批量棁度卜降法。如果样木数量很大,每次迭代都用所有样木进计算成木太高。为了解决这个问题,可以采用单样本梯度下降法,我们将上面的损失函数写成对单个样本的损失函数之和:定义对单个样本()的损失函数为)=-()如果采用单个样本进行迭代,梯度下降法第次迭代时参数的更新公式为:nV如果要用所有样本进行迭代,根据单个样本的损失函数梯度计算总损失梯度即可,即所有样本梯度的均值用梯度下降法求解需要初始化优化变量的值。一般初始化为一个随机数,如用正态分布(a)产生这些随机数,其中G是一个很小的正数到日前为止还有一个关键问题没有解决:日标函数是一个多层的复合函数,因为神经网络中每一层都有权重矩阵和偏置向量,且每一层的输出将会作为下一层的输入。因此,直接计算损失函数对所有权重和偏置的梚度很复杂,需要使用复合函数的求导公式进行递推计算几个重要的结论在进行推导之前,我们首先来看下面几种复合函数的求导。又如下线性映射函数:其中是维向量,是×的矩阵,是维向量。问题:假设有函数,如果把看成常数,看成的函数,如何根据函数对的梯度值Ⅴ计算函数对的梯度值Ⅴ?根据链式法则,由于只和有关,和其他的≠无关,因此有:c∑(对于的所有元素有:写成矩阵形式为:问题:如果将看成常数,将看成的函数,如何根据V计算Ⅴ?由于任意的和所有的都有关系,根据链式法则有写成矩阵形式为这是一个对称的结果,在计算函数映射时用矩阵乘以向量得到,在求梯度时用矩阵的转置乘以的梯度得到的梯度。问题:如果有向量到向量的映射:
    2020-12-09下载
    积分:1
  • 基于纹理方向的图像修复算法
    图像修复是指利用待修补区域的邻域信息或动态图像的前后帧的信息来估算待修补区内缺损信息的过程 ,主要目的是对破损的图像进行修复 ,以构造人眼主观系统可以接受的图像。目前 ,数字图像修复技术的发展主要集中在两个领域
    2020-12-04下载
    积分:1
  • 696524资源总数
  • 103957会员总数
  • 51今日下载