毕设记录_论文阅读(动磁式音圈电机的开发与应用)_20241207
前言
提醒:
文章内容为方便作者自己后日复习与查阅而进行的书写与发布,其中引用内容都会使用链接表明出处(如有侵权问题,请及时联系)。
其中内容多为一次书写,缺少检查与订正,如有问题或其他拓展及意见建议,欢迎评论区讨论交流。
文章目录
- 前言
- 论文信息
- 第一章内容摘要
- 电机的分类
- 1. 动圈式音圈电机(Voice Coil Motor, VCM)
- 2. 动铁式音圈电机(Magnetic Resistance Voice Coil Motor)
- 3. 动磁式音圈电机(Magnetic Voice Coil Motor)
- 总结:
- 第二章内容摘要
- 电机结构
- 等效磁路分析
论文信息
英语单词 | 汉语翻译 |
---|---|
special linear motor | 特殊直线电机 |
voice coil motor | 音圈电机 |
moving-magnet voice coil motor | 动磁式音圈电机 |
large thrust | 大推力 |
large displacement | 大位移 |
high frequency | 高频率 |
Parameter Sweep method | 参数扫描方法 |
the air gap size | 气隙尺寸 |
fatigue test system | 疲劳测试系统 |
static compression | 静态压缩 |
static maximum load of ±750N | 静态最大负载±750N |
dynamic maximum load of ±1250N | 动态最大负载±1250N |
precision of the load is 0.001N | 负载精度为0.001N |
第一章内容摘要
电机的分类
动圈式音圈电机、动铁式音圈电机和动磁式音圈电机是三种常见的音圈电机类型,每种电机的工作原理和应用场景各有不同。以下是对这三种电机的简要分析:
1. 动圈式音圈电机(Voice Coil Motor, VCM)
动圈式音圈电机的原理基于安培力定律,即通电导线在磁场中会受到力的作用。电机定子由永磁体和铁芯构成,产生恒定磁场;而动子部分是一个空心线圈,处于磁场中,电流通过时受到安培力作用,产生往复运动。
-
优点:
- 结构简单,原理直接,便于设计和制造。
- 无磁滞损耗,输出动力与电流成线性关系。
- 动子质量较轻,惯性小,适合高频运动和小推力应用。
- 空载时轴向力为零,动子不受非轴向的力。
-
缺点:
- 由于通电线圈产生的热量,效率较低,尤其在电流较大时热量损失更为显著。
- 作动线圈的散热较困难,影响了电机的长期稳定性。
- 长时间运行的可靠性较差,尤其在高功率和寿命要求较高的应用场合。
-
应用:
- 常用于扬声器、硬盘、微位移调整等需要小功率和高频运动的场合。
2. 动铁式音圈电机(Magnetic Resistance Voice Coil Motor)
动铁式音圈电机的工作原理基于“磁阻最小”原则,即磁通总是沿磁阻最小的路径闭合,通常称为磁阻直线电机。其定子由励磁线圈和铁芯构成,动子由具有高磁导率的铁磁性材料制成,通过交变电流在励磁线圈中形成变化的磁场,进而驱动动子产生往复运动。
-
优点:
- 不需要永磁体,成本较低。
- 制造与安装相对简单。
- 对高温、振动和腐蚀等环境适应性强。
- 可在相同体积下产生较大的驱动力。
-
缺点:
- 动子在运动过程中容易偏离气隙中轴,导致较大的径向力。
- 电机功率密度较低,尤其在需要高效能的应用中不适合。
-
应用:
- 适用于对驱动力要求高但对精度要求较低的场合,如喇叭、振动筛、打桩机等。
3. 动磁式音圈电机(Magnetic Voice Coil Motor)
动磁式音圈电机是将动圈式音圈电机的定子与动子互换而成。定子由励磁线圈和铁芯构成,动子则由永磁体排列而成,产生恒定磁场。通过改变励磁线圈中的电流方向形成交变磁场,驱动动子产生轴向往复运动。
-
优点:
- 结构紧凑,运动质量小,功率密度高。
- 没有动圈式音圈电机的飞线问题,设计上较为简便。
- 散热设计相对容易,能有效提高电机的功率和效率。
-
缺点:
- 结构较为复杂,设计时需要考虑磁场耦合、永磁体消磁等因素。
- 推力呈非线性,可能导致性能不稳定。
- 存在齿槽效应,尤其是大行程的电机中。
- 对永磁体的性能依赖较大,受稀土资源等因素的影响,可能导致成本增加。
-
应用:
- 适用于高功率密度和需要较高效率的场合,但由于其依赖永磁体的特性,主要应用于高端设备,如高精度扬声器、电动执行器等。
总结:
- 动圈式音圈电机适用于高频、小推力的应用,但存在热效率问题和长期运行的可靠性限制。
- 动铁式音圈电机成本低,适合对驱动力要求高、但对精度要求不高的场合,但功率密度较低。
- 动磁式音圈电机由于其高功率密度和较小的运动质量,适合高效能的高端应用,但设计复杂且成本较高。
这些电机各有优势和适用场景,选择哪种类型取决于具体应用的需求,包括驱动力、效率、精度、成本等因素。
第二章内容摘要
电机结构
论文中电机采用动磁式结构,电机结构原理简图如图所示:
线圈结构示意简图:
B Z = 1 2 μ 0 N I { ( 1 2 + z ) ln r 0 + r 0 2 + ( 1 2 + z ) 2 r i + r i 2 + ( 1 2 + z ) 2 + ( 1 2 − z ) ln r 0 + r 0 2 + ( 1 2 − z ) 2 r i + r i 2 + ( 1 2 − z ) 2 } B_Z = \frac{1}{2} \mu_0 NI \left\{ \left( \frac{1}{2} + z \right) \ln \frac{r_0 + \sqrt{r_0^2 + \left(\frac{1}{2} + z\right)^2}}{r_i + \sqrt{r_i^2 + \left(\frac{1}{2} + z\right)^2}} + \left( \frac{1}{2} - z \right) \ln \frac{r_0 + \sqrt{r_0^2 + \left(\frac{1}{2} - z\right)^2}}{r_i + \sqrt{r_i^2 + \left(\frac{1}{2} - z\right)^2}} \right\} BZ=21μ0NI⎩ ⎨ ⎧(21+z)lnri+ri2+(21+z)2r0+r02+(21+z)2+(21−z)lnri+ri2+(21−z)2r0+r02+(21−z)2⎭ ⎬ ⎫
import numpy as np
import matplotlib.pyplot as plt# 给定的参数
mu_0 = 4 * np.pi * 1e-7 # 真空磁导率
N = 100 # 匝数
I = 1 # 电流大小
r_0 = 1 # 外半径
r_i = 0.5 # 内半径# 定义计算B_z的函数
def B_z(z):term1 = (0.5 + z) * np.log((r_0 + np.sqrt(r_0**2 + (0.5 + z)**2)) / (r_i + np.sqrt(r_i**2 + (0.5 + z)**2)))term2 = (0.5 - z) * np.log((r_0 + np.sqrt(r_0**2 + (0.5 - z)**2)) / (r_i + np.sqrt(r_i**2 + (0.5 - z)**2)))return (mu_0 * N * I / 2) * (term1 + term2)# z的取值范围
z = np.linspace(-2, 2, 400)# 计算B_z
B_z_values = B_z(z)# 绘制图像
plt.figure(figsize=(10, 6))
plt.plot(z, B_z_values, label='B_z to z')
plt.xlabel('z')
plt.ylabel('B_z')
plt.title('B_z to z')
plt.legend()
plt.grid(True)
plt.show()
给定的参数:
mu_0 = 4 * np.pi * 1e-7 # 真空磁导率
N = 100 # 匝数
I = 1 # 电流大小
r_0 = 1 # 外半径
r_i = 0.5 # 内半径
等效磁路分析
可参考:
电机学4——【等效磁路法】原理知识及模型分析
电驱动系列:二十四、电机磁路
相关文章:
毕设记录_论文阅读(动磁式音圈电机的开发与应用)_20241207
前言 提醒: 文章内容为方便作者自己后日复习与查阅而进行的书写与发布,其中引用内容都会使用链接表明出处(如有侵权问题,请及时联系)。 其中内容多为一次书写,缺少检查与订正,如有问题或其他拓展…...
我有一个Python项目,已经用docker打包镜像也push了,k8s怎么部署呢?
要在Kubernetes (k8s) 部署你的Python项目,你需要创建一系列的Kubernetes资源定义文件(通常是以.yaml为扩展名),这些文件描述了你希望在集群中运行的应用程序。以下是部署的基本步骤: 1. **准备Docker镜像**࿱…...
GAN(生成对抗网络)原理与目标函数
GAN(生成对抗网络)原理与目标函数 什么是 GAN? GAN 是一种生成模型,全名是 生成对抗网络 (Generative Adversarial Network)。它由两个部分组成: 生成器 (Generator, G):负责生成“假数据”。判别器 (Di…...
[Java]项目入门
这篇简单介绍一些入门的有关项目和行业的知识,并带着实现一个小项目。便于已经编程入门的各位准备进阶到下一个阶段。 先大致地介绍,一个完整的项目(不看客户端、服务端的分类)基本可以划分为三部分: 1.前端。比如你现在看到的CSDN页面就是一…...
自定义指令,全局,局部,注册
让输入框自动获取焦点(每次刷新自动获取焦点) <template><div><h3>自定义指令</h3><input ref"inp" type"text"></div> </template><script> export default {mounted(){this.$refs.inp.focus…...
存储类内存,非易失性内存)的升级换代,将有利于促进【PCIe交换芯片】市场的发展
摘要 根据 HengCe(恒策咨询)的统计及预测,2023年全球PCIe交换芯片市场销售额达到了10.05亿美元,预计2030年将达到23.81亿美元,年复合增长率(CAGR)为12.5%(2024-2030)。地…...
泷羽sec-burp(7)
免责声明 学习视频来自 B 站up主泷羽sec,如涉及侵权马上删除文章。 笔记的只是方便各位师傅学习知识,以下代码、网站只涉及学习内容,其他的都与本人无关,切莫逾越法律红线,否则后果自负。 泷羽sec官网:http…...
OpenCV图像处理——二值化原理与代码实现(C++/Python)
概述 在 OpenCV 中,二值化(Binarization)是一种图像处理操作,它的目的是将一幅灰度图像转换为仅包含两种像素值(通常为 0 和 255,分别代表黑色和白色)的二值图像。通过设定一个合适的阈值&…...
Scala 高阶模式案例解析:从入门到实战
引言 Scala 作为一种功能强大的多范式编程语言,因其函数式编程特性而广受欢迎。其中,高阶模式(High-Order Patterns)是 Scala 函数式编程的核心概念之一,为开发者提供了解决复杂问题的优雅方式。本篇文章将全面解析 S…...
30天学会Go--第8天 GO语言 Gin Web框架学习与实践
30天学会Go–第8天 GO语言 Gin Web框架学习与实践 文章目录 30天学会Go--第8天 GO语言 Gin Web框架学习与实践前言一、Gin 的简介与安装1.1 Gin 的特点1.2 安装 Gin 二、Gin 的基础用法2.1 路由2.1.1 基本路由2.1.2 路由参数2.1.3 查询参数2.1.4 路由分组 2.2 中间件2.2.1 使用…...
用R(语言)学R-Learning R,In R
一、安装swirl包 在R语言控制面板,对话框输入以下命令: swirl 是一个非常有用的 R 包,它允许你通过交互式教程来学习 R 语言。以下是使用 swirl 包的基本步骤: 安装 swirl 包:首先,你需要在 R 中安装 swi…...
【银河麒麟操作系统运维】某平台多台虚拟机异常重启分析及处理
了解更多银河麒麟操作系统全新产品,请点击访问 麒麟软件产品专区:https://product.kylinos.cn 开发者专区:https://developer.kylinos.cn 文档中心:https://documentkylinos.cn 现象描述 某虚拟化平台多台虚拟机于凌晨触发异常…...
线性代数中的谱分解
一、谱分解的基本原理 谱分解(Spectral Decomposition)是线性代数中的一个重要概念,特别是在研究矩阵的特征值和特征向量时。它指的是将一个矩阵分解为其特征值和特征向量的组合,从而简化矩阵的运算和分析。谱分解通常适用于对称…...
synchronized(juc)
目录 线程一:interrupt设计模式两阶段终止模式interrupt打断park线程 二:守护线程三:线程状态五个状态(从操作系统角度来说)六种状态(从java API的角度) 共享模型之管程一:上下文切换的安全问题临界区和竟态条件 二:synchronized解决安全问题…...
HTML Input 文件上传功能全解析:从基础到优化
🤍 前端开发工程师、技术日更博主、已过CET6 🍨 阿珊和她的猫_CSDN博客专家、23年度博客之星前端领域TOP1 🕠 牛客高级专题作者、打造专栏《前端面试必备》 、《2024面试高频手撕题》 🍚 蓝桥云课签约作者、上架课程《Vue.js 和 E…...
深入理解Spring事务
目录 什么是Spring事务为什么需要Spring事务Spring事务的实现 Spring事务的传播机制Spring事务的底层原理 EnableTransactionManagement --开启Spring管理事务Import(TransactionManagementConfigurationSelector.class) --提供两个beanAutoProxyRegistrar --启用AOP的功能&am…...
React学习笔记2-初识React
这篇七个点:1 环境搭建, 2 JSX, 3 组件,4 数据流,5 生命周期,6 React与DOM,7 实例 1 环境搭建 1.1 引用React CDN <!DOCTYPE html> <html lang"en"> <head><met…...
【5G】Spectrum 频谱
频谱是移动运营商的关键资产,可用的频谱是定义移动网络容量和覆盖范围的重要因素。本章讨论了5G的不同频谱选项、它们的特性以及5G早期部署阶段的预期频谱。5G是首个旨在利用大约400 MHz到90 GHz之间所有频段的移动无线系统。5G还设计用于在许可、共享和非许可频谱带…...
解决流网络中不存在s~u~t路径的节点的最大流问题
解决流网络中不存在s~u~t路径的节点的最大流问题 问题分析伪代码C代码示例解释在流网络问题中,我们通常会假设对于所有的节点v ∈ V,都存在一条从源点s到汇点t经过v的路径。然而,当这一假设不成立时,即存在某些节点u,使得不存在路径sut,我们需要证明在这种情况下,网络中…...
springboot的 nacos 配置获取不到导致启动失败及日志不输出问题
前言 问题 1. 本地启动应用时,一切正常,但是部署 docker 后,会因为获取不到 nacos 中的配置导致服务启动失败。 2.当 docker 中的服务一直重启,可能会突然某一次启动成功,之后只要不重新构建 docker 镜像&am…...
word poi-tl 图表功能增强,插入图表折线图、柱状图、饼状图
目录 问题解决问题poi-tl介绍 功能实现引入依赖功能介绍 功能实例饼图模版代码效果图 雷达图(模版同饼图)代码效果图 柱状图(模版同饼图)代码效果图 附加CustomCharts 工具类CustomChartSingleSeriesRenderData 数据对象CustomCha…...
SpringBoot 项目如何集成 JWT
SpringBoot 项目如何集成 JWT JWT JSON Web Token (JWT) 是一个开放标准(RFC 7519),它定义了一种紧凑的、自包含的方式,用于作为 JSON 对象在各方之间安全地传输信息。 在 Oauth2 中,其实就是返回访问令牌 (access_token&#…...
如何查看电脑刷新率
Windows 系统 通过显示设置查看: 右键点击桌面空白处,选择 “显示设置”。在打开的窗口中,找到 “高级显示设置”。点击 “显示适配器属性”。在弹出的窗口中,选择 “监视器” 选项卡,即可看到当前的屏幕刷新率。使用 …...
MVC基础——市场管理系统(一)
文章目录 项目地址一、创建项目结构1.1 创建程序以及Controller1.2 创建View1.3 创建Models层,并且在Edit页面显示1.4 创建Layou模板页面1.5 创建静态文件css中间件二、Categories的CRUD2.1 使用静态仓库存储数据2.2 将Categorie的列表显示在页面中(List)2.3 创建_ViewImport.…...
面向对象中多态的含义
多态性的定义 多态(Polymorphism)是面向对象编程中的一个重要概念。它是指同一个函数名或操作符在不同的对象或情境下具有不同的行为。简单来说,就是 “多种形态”。例如,在一个图形处理程序中,有 “计算面积” 这个操…...
L2G3000-LMDeploy 量化部署实践
文章目录 LMDeploy 量化部署实践闯关任务环境配置W4A16 量化 KV cacheKV cache 量化Function call LMDeploy 量化部署实践闯关任务 环境配置 conda create -n lmdeploy python3.10 -y conda activate lmdeploy conda install pytorch2.1.2 torchvision0.16.2 torchaudio2.1.…...
ubuntu下的chattts 学习5:Example: self introduction
代码 import ChatTTS import torch import torchaudiochat ChatTTS.Chat() chat.load(compileFalse) # Set to True for better performance ################################### inputs_en """ chat T T S is a text to speech model designed for dialogu…...
IDEA的service窗口中启动类是灰色且容易消失
大家在学习Spring Cloud的过程中,随着项目的深入,会分出很多个微服务,当我们的服务数量大于等于三个的时候,IDEA会给我们的服务整理起来,类似于这样 但是当我们的微服务数量达到5个以上的时候,再启动服务的时候,服务的启动类就会变成灰色,而且还容易丢失 解决方法 我们按住…...
vue中pdf.js的使用,包括pdf显示,跳转指定页面,高亮关键词
目录 一、下载pdf.js 二、引入到本地的项目中 三、实现预览pdf 四、跳转到指定页面 五、利用pdf里面的find查找关键词 六、修改页面大小为实际大小 一、下载pdf.js https://github.com/mozilla/pdf.js 里面有很多的版本, 高版本的可能浏览器不兼容或者还要考…...
Cherno C++学习笔记 P32 字符串
这篇文章我们来讲字符串。字符串可以说是最重要的变量类型了,因为对字符串的读写极大地影响到我们的程序和用户之间的交互。甚至很多很庞大的程序就只是在处理字符串。 对于字符串,我们同时需要有关于数组和指针的关系,字符串的实现与数组是…...
【C++初阶】第7课—标准模版库STL(string_1)
文章目录 1. 什么是STL2. STL六大组件3. 标准库中string类3.1 auto关键字3.2 范围for3.3 string类的类型3.4 string类的常用接口(string类对象的常见构造)3.5 string的析构和赋值运算符重载3.6 string类对象的容量操作 1. 什么是STL STL(standard template library—标准模板库…...
GESP202306 一级【时间规划】题解(AC)
》》》点我查看「视频」详解》》》 AC_Code #include <bits/stdc.h> using namespace std;int main() {int h1, m1, h2, m2;cin >> h1 >> m1;cin >> h2 >> m2;h1 h1 * 60 m1;h2 h2 * 60 m2;cout << h2 - h1;return 0; }》》》点我查…...
React基础知识四 Hooks
什么是hooks? (coderwhy) hooks是react 16.8(2019年)出的新特性。 react有两种形式来创建组件——类式和函数式。在hooks之前类式组件就是react最主流的编程方式。 这个时候,函数式组件是非常鸡肋的,几乎没什么用。因…...
Linux服务器通用安全加固指南
1、保护引导过程(以Grub引导为例) 在 /etc/inittab 中添加 sp:S:respawn:/sbin/sulogin,以确保当切换到单用户模式时 运行级的配置要求输入 root 密码: cp /etc/inittab / etc/initab .bak vim /etc/inittab 退出:es…...
vsphere vcenter web 界面的介绍
这是主页的页面...
分类算法中的样本不平衡问题及其解决方案
一、样本不平衡问题概述 在机器学习的分类任务中,样本不平衡是指不同类别训练样本数量存在显著差异的现象。这一差异会给模型训练和性能评估带来挑战,尤其在处理少数类样本时,模型可能难以有效学习其特征。 以二分类为例,理想情况…...
[LitCTF 2023]破损的图片(初级)
[LitCTF 2023]破损的图片(初级) 我们下载附件得到一个没有后缀的文件,拖去010看一看,发现本来应该是文件头的那部分不大对劲,结合后面四个点以及IHDR,大致也应该知道是啥了 修改第一行为png 89 50 4E 47 0D 0A 1A 0A 00 00 00 …...
最新道客巴巴怎么免费下载文档方法
一、利用浏览器插件 插件自动识别下载:对于经常需要下载道客巴巴文档的人来说,安装浏览器插件是不错的选择。如Chrome浏览器上的一些插件(如PDF在线转换器等),安装后,在浏览器中打开道客巴巴文档ÿ…...
Bert的Transformer原理
多义词如何应对: 答:通过Self attention,不同的上下文,对同一个"苹果",得到截然不同的embedding激活值; Multi-head的作用: 有些类似CNN里用的多个卷积核得到多个Channel的特征图&…...
多人聊天室 NIO模型实现
NIO编程模型 Selector监听客户端不同的zhuangtai不同客户端触发不同的状态后,交由相应的handles处理Selector和对应的处理handles都是在同一线程上实现的 I/O多路复用 在Java中,I/O多路复用是一种技术,它允许单个线程处理多个输入/输出&…...
vue.js学习(day 20)
综合案例:购物车 数据渲染 构建cart购物车模块 准备后端接口服务环境 请求数据存入vuex cart.js // 新建购物车模块 import axios from axios export default {namespaced: true,state () {return {// 购物车数据 [{},{}]list: []}},mutations: {updateList (…...
蓝桥杯二分题
P1083 [NOIP2012 提高组] 借教室 题目描述 在大学期间,经常需要租借教室。大到院系举办活动,小到学习小组自习讨论,都需要向学校申请借教室。教室的大小功能不同,借教室人的身份不同,借教室的手续也不一样。 面对海量租…...
通过 CC-Link IEFB 转 Modbus RTU 网关达成三菱 FX5U PLC 与 RS485 温湿度传感器通信的配置实例展示
一. 案例背景 在某一化工厂现场,现场的设备是三菱FX5UPLC为了避免因为工作环境存在潮湿度较高性、较高温度等对员工造成不健康或危险的现象,现决定在现场装数多台温湿度传感器。通过捷米特JM-CCLKIE-RTU网关将三菱PLC及温湿度传感器连接起来并连接上位机…...
视频质量评价算法 DOVER 使用教程
DOVER 介绍 DOVER是为ICCV2023会议论文“Exploring Video Quality Assessment on User Generated Contents from Aesthetic and Technical Perspectives”提供的官方代码、演示和权重的项目。DOVER(Disentangled Objective Video Quality Evaluator)是一个用于评估用户生成内…...
视频编辑技术:一键生成混剪视频的AI技术应用
随着视频内容的爆炸式增长,视频编辑技术也在不断进步。本文将探讨如何利用AI技术,实现一键生成混剪视频,并自动添加配音和字幕,以提高视频编辑的效率和质量。 AI技术在视频编辑中的应用 AI技术在视频编辑领域的应用越来越广泛&am…...
精确的单向延迟测量:使用普通硬件和软件
论文标题:Precise One-way Delay Measurement with Common Hardware and Software(精确的单向延迟测量:使用普通硬件和软件) 作者信息:Maciej Muehleisen 和 Mazen Abdel Latif,来自Ericsson Research Eri…...
【博士每天一篇文献-COIL算法】Co-transport for class-incremental learning
1 介绍 年份:2021 会议:2021ACM Zhou D W, Ye H J, Zhan D C. Co-transport for class-incremental learning[C]//Proceedings of the 29th ACM International Conference on Multimedia. 2021: 1645-1654. 本文提出的算法是CO-transport for clas…...
AI与BI的火花:大语言模型如何重塑商业智能的未来
大家好,我是独孤风。 在当今这个数据驱动的时代,企业对于信息的需求如同对于氧气的需求一般至关重要。商业智能(BI)作为企业获取、分析和呈现数据的关键工具,正在经历一场深刻的变革,而这一变革的催化剂正是…...
C++设计模式(建造者、中介者、备忘录)
一、建造者模式 将一个复杂对象的构建与它的表示分离,使得同样的构建过程可以创建不同的表示。 示例: //房子(产品类) class House { private:int rooms;int windows;string decoration; public:void setRooms(int r) {rooms …...
【数据结构】遍历二叉树
遍历二叉树的算法描述(递归定义) 先序遍历 若二叉树为空,则空操作; 否则 (1)访问根节点 (2)先序遍历左子树 (3)先序遍历右子树 中序遍历 若二叉树为空…...