【N32G457 】基于RTT调度的N32G455单芯片双电机控制器

RT-Thread物联网操作系统 2022-03-07 16:38:03

 

本文是RT-Thread用户@G_o123 原创发布,是用于参加RT-Thread与国民技术联手推出N32G457 RT-Thread设计大赛,原文:https://club.rt-thread.org/ask/article/3430.html

开发环境:IDE KEIL5.36 编译器 ARM compiler6.16 RTOS RTT3.1.5 优化Ofast
主要函数:
LED线程 static void led_thread_entry(void* argument)
电机状态机线程
串口线程 串口闲时中断接受 static void lf_thread_entry(void* argument)
PWM CCR4触发ADC注入中断采样 电流环更新
attribute((section(“ccmram”))) void ADC1_2_IRQHandler(void)

功能:双轮毂无刷FOC有感1024线AB+120度开关HALL控制 电流环 速度环差速 位置环
载波周期15k 速度环5K 位置环3K 代码全部使用浮点 电流环FOC矢量控制代码极简 测功机测试最高效率92% 速度环在M法的基础上使用二阶插值ESO Simulink仿真代码生成 速度控制验证能做到1RPM以下
电气参数:母线24V—60v 相电流30A
应用场景:AGV 服务机器人 物流等底盘 轮椅 两轮车等
可拓展功能:SPI磁编兼容 双电机同步位置控制
使用说明:
Includes.h中使用Configuration Wizard工具显示了电机控制的关键宏和常量

原文链接:https://blog.csdn.net/rtthreadiotos/article/details/123333660

...全文
4797 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据分类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度分类,充分发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障分类;② 深入理解CNN与SVM融合模型的设计原理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM分类之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。

912

社区成员

发帖
与我相关
我的任务
社区描述
在 RT-Thread 嵌入式开源社区,交流问题,我们一起学习技能,分享经验,发展职业前途,打造嵌入式开发者的乐园!
mcu开源 企业社区
社区管理员
  • RT-Thread物联网操作系统
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
RT-Thread物联网操作系统社区希望打造一个开发者学习交流的平台,在这里提供代码实例、应用案例、技术文档、开发技巧等。进官方交流群,欢迎加小师弟微信:rtthread2020

试试用AI创作助手写篇文章吧