至顶网CIO与应用频道 11月02日 北京消息:
智能机械正在逐渐重塑我们身边的世界。
无数的电动机和电机驱动器是强大的自动运转技术的核心,有时它们也被称为工业伺服驱动器。当今,越来越多的系统设计人员利用德州仪器的新软件和其他创新技术,设计出越来越多的更小、更快、更智能的驱动器。
德州仪器的市场部经理Brian Fortman表示:“当今的工业自动化开发者开始设计电机驱动时,他们不仅仅是试图提供更多的原动力,而是要使其变得更智能,这样电机驱动就可以搬运更重的汽车部件或者生产更大的产品。“他们正在尝试设计能将电机变成智能运动执行器的电机驱动系统,这将使工业机械更为高效。”
如今的智能电机
现代机器人可以帮助医生完成复杂的外科手术,也可以为制造商实现各式产品的生产——从玩具到家具、再到大型卡车等。工厂的机器能在装配线上拾取和放置零部件,或为客户提交准备好的封装。自动化车床可以快速模制和雕刻木制或金属产品,3-D打印机能够将塑料、金属或混凝土打印成包括玩具和建筑在内的各种形状的物体。
“更智能”在电机自动化领域中意味着每秒需要进行更多次电机扭矩调整,使结果更精确,这将提高制造效率和质量并减少浪费和失误。
复杂的工业电机全部由被称作微控制器(MCU)或微处理器(MPU)的嵌入式计算机芯片的电机驱动器控制。德州仪器公司DesignDRIVE工程师团队通过快速电流回路 (FCL)软件技术增强了C2000™ MCU性能,使电机驱动设计人员能够向客户提供更智能的产品。同时,这些客户也能制造出更先进的机器人,生产出比以往更好、更具创新性的产品。(下载白皮书获取更多信息)
快速电流回路能够在微秒内做出反应
MCU能够确保电机根据其电流、位置和工作条件随时做出反应。设计一个优质的电机驱动器需要大量精确与高速的数学运算和同步测量。
对于大批量生产的制造业和工业机器人来说,能够在微秒时间内做出反应是很重要的,控制电动机响应速度越快,机器产生的运转就越精确,使电机响应速度加快百万分之一秒也能提升产量,从而使工厂更高效、更节约成本。
但直到今天,伺服电机设计人员想要让电机在一微妙之内做出反应的方法仍然很有限。一个常见的方法是在电机的控制板上添加专用芯片,以处理普通的MCU在微秒级时间内无法完成的任务,这些芯片通常是专门为每个新电机单独设计的,而不是商业化的现成组件。
但是增加更多的芯片会使电机驱动器更昂贵、更耗电,设计也更复杂。这些芯片会在控制器板上占用额外空间,使整个电机驱动器变得更大、更昂贵、更耗电。
为了解决此难题,德州仪器的C2000 MCU工程师们设计了新的解决方案:快速电流回路(FCL)。FCL是一种可用于最新C2000 MCU的软件,它可以利用现有的伺服电机驱动资源,通过电流采样在一微秒内改变电机的运转动作。
然而,德州仪器在C2000 MCUs上的革新并不止FCL一项。结合了电机定位专用三角指令等C28平台创新技术,FCL改变着设计师对新一代电机驱动器的思维方式,这对于工业应用系统未来发展来说,的确是一个好消息。
“FCL技术打破了很多固化的思维方式,”Brian介绍道,“FCL技术巧妙地避开了通过增加硬件设备来增强电流回路性能或通过增加逆变器频率以改善控制带宽带来的弊端”。
智能电机未来的发展趋势
由于C2000芯片能够在工业设计过程中保证高质量,且商用C2000 MCUs 芯片拥有比传统芯片更长的寿命,因此机械设备正在崛起。一些伺服系统需要在工厂运行长达20年或更长,所以其使用寿命就很重要。
单芯片技术方案还有助于使电机最小化,设计人员就能够用更少的芯片和更小的外壳创造新产品。即使是基于定制芯片技术,多芯片控制也可能会需要数千平方毫米的驱动板,像C2000 MCU这样的驱动控制片上,系统可以将其减少到几百平方毫米。
单个驱动器和电机有时只是更大的机器中的一个组件,缩小其尺寸这一点就显得尤为重要。机器人手臂通常由多个电机组成,每个电机控制一个运动轴。电机驱动组合能够以更小的空间和更轻的重量完成相同数量的工作,从而实现更灵活的设计,并能激发工业机器设计人员的创新热情。
Brian表示:“在某些情况下,电子硬件小型化意味着设计人员可以开始考虑更经济或更高效的结构。例如,在机器人的每一个电动轴上放置更多控制单元,这意味着将会大大降低在机器上的布线和安装成本。
20多年来,我们的工程师一直在致力于设计满足工业自动化和运动控制客户特殊需求的MCU系统。C2000 MCU DesignDRIVE团队开发的FCL系统和其他优化功能正在帮助设计人员创造以更少耗费、更低功率、更小体积和更高精度完成更多工作的机械系统。
“我们正在为C2000 MCU设计这些创新功能,”Brian说, “因为这正是我们的客户想要的”。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。