PWM原理及其应用| “朝闻道”知识分享大赛

Assheaddd 2024-12-31 20:29:36

目录

1.什么是PWM

2.占空比

3.PWM原理

4.PWM应用

LED呼吸灯

PWM对电机转速的控制

PWM对舵机的控制


1.什么是PWM

PWM(Pulse Width Modulation)简称脉宽调制,是利用微处理器的数字输出来对模拟电路进行控制的一种非常有效的技术,广泛应用在测量、通信、工控等方面。

PWM的频率是指在1秒钟内,信号从高电平到低电平再回到高电平的次数,也就是说一秒钟PWM有多少个周期,单位Hz。

PWM的周期T=1/f,T是周期。

如果频率为50Hz ,也就是说一个周期是20ms,那么一秒钟就有 50次PWM周期

2.占空比

是一个脉冲周期内,高电平的时间与整个周期时间的比例,单位是% (0%-100%)

一个周期的长度,如下图所示。

其中,周期是一个脉冲信号的时间,1s内的周期T次数等于频率f,脉宽时间是指高电平时间。

上图中,脉宽时间占总周期时间的比例,就是占空比。

比方说,周期的时间是10ms,脉宽时间是8ms,那么占空比是8/10= 80%,这就是占空比为80%的脉冲信号。

PWM就是脉冲宽度调制,通过调节占空比就可以调节脉冲宽度。

3.PWM原理

以STM32单片机为例,其IO口只能输出高电平和低电平。

假设高电平为5V、低电平则为0V,那么要输出不同的模拟电压就要用到PWM。通过改变IO口输出的方波的占空比,从而获得使用数字信号模拟成的模拟电压信号。

电压是以一种脉冲序列被加到模拟负载上去的,接通时是高电平1,断开时是低电平0。接通时直流供电输出,断开时直流供电断开。通过对接通和断开时间的控制,理论上来讲,可以输出任意不大于最大电压值5V的模拟电压。

比方说,占空比为50%那就是高电平时间一半,低电平时间一半。在一定的频率下,就可以得到模拟的2.5V输出电压。那么75%的占空比,得到的电压就是3.75V,如下图所示。

 

也就是说,在一定的频率下,通过不同的占空比即可得到不同大小的输出模拟电压,PWM就是通过这种原理实现数字模拟信号转换的。

4.PWM应用

LED呼吸灯

以经常使用的呼吸灯举例。

一般人眼睛对于80Hz以上刷新频率则完全没有闪烁感,那么我们平时见到的LED灯,当它的频率大于50Hz的时候,人眼就会产生视觉暂留效果,基本就看不到闪烁了,而是误以为是一个常亮的LED灯。

由于频率很高时看不到闪烁,占空比越大LED越亮,占空比越小LED越暗。所以,在频率一定时,可以用不同占空比改变LED灯的亮度,使其达到一个呼吸灯的效果。

PWM对电机转速的控制

调节占空比可以实现不同电压的输出,实现对电机转速的调节。

直流电机来讲,电机输出端引脚是高电平电机就可以转动,当输出端高电平时,电机会转动,但是是一点一点的提速,在高电平突然转向低电平时,电机由于电感有防止电流突变的作用是不会停止的,会保持这原有的转速,以此往复,电机的转速就是周期内输出的平均电压值,所以实质上我们调速是将电机处于一种,似停非停,似全速转动又非全速转动的状态,那么在一个周期的平均速度就是我们占空比调出来的速度了。

电机控制中,电压越大,电机转速越快,而通过PWM输出不同的模拟电压,便可以使电机达到不同的输出转速。

当然,在电机控制中,不同的电机都有其适应的频率 频率太低会导致运动不稳定,如果频率刚好在人耳听觉范围,有时还会听到呼啸声。频率太高时,电机可能反应不过来,正常的电机频率在 6-16kHZ之间为好。

经常使用的直流电机原理就是电生磁:通电导线会产生磁场。

也就是电磁感应 旋转磁场带动转子转动。

电动机是由定子和转子组成,一个产生旋转磁场,一个为磁极,电机的转子(轴承)就转起来了。

这便实现了电能->磁能->机械能的转换。

下面这个图可以更直观的理解:

PWM对舵机的控制

舵机的控制就是通过一个固定的频率,给其不同的占空比来控制舵机不同的转角。

舵机的频率一般为频率为50HZ,也就是一个20ms左右的时基脉冲,而脉冲的高电平部分一般为0.5ms-2.5ms范围,来控制舵机不同的转角。

500-2500us的PWM高电平部分对应控制180度舵机的0-180度。

180度角度伺服为例,那么对应的控制关系是这样的:

0.5ms-------------0度;

1.0ms------------45度;

1.5ms------------90度;

2.0ms-----------135度;

2.5ms-----------180度;

下图演示占空比从1ms变化到2ms时,转角的变化。

 

 

 

 

 

 

...全文
415 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:本文围绕电力系统在负荷发生突变情形下的三相状态估计问题,深入研究了基于无迹卡尔曼滤波(UKF)和自适应无迹卡尔曼滤波(AUKF)的非线性状态估计算法。通过Matlab代码实现,构建了适用于动态负荷扰动场景的仿真模型,系统对比了UKF与AUKF在非线性、非高斯环境下的状态估计性能。研究表明,AUKF通过实时自适应调整过程噪声与观测噪声的协方差矩阵,显著提升了滤波器对突变工况的跟踪能力与鲁棒性,有效降低了估计偏差与均方根误差,在负荷突变条件下展现出更优的动态响应特性和估计精度。该方法为现代电力系统在高比例可再生能源接入、负荷波动剧烈等复杂运行环境下的实时状态感知提供了可靠的技术支撑。; 适合人群:具备电力系统分析、现代控制理论及状态估计基础知识,熟悉Matlab/Simulink仿真工具,从事电力系统运行与控制、智能电网、状态估计算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于含高比例新能源、电动汽车等导致负荷剧烈波动的现代主动配电网状态估计;②提升配电管理系统(DMS)在非平稳、突发扰动工况下的态势感知与预警能力;③为故障诊断、系统恢复、优化调度等高级应用提供高精度、高鲁棒性的实时状态输入数据。; 阅读建议:建议读者结合提供的Matlab代码深入理解UKF与AUKF的算法实现流程,重点剖析AUKF中噪声协方差的自适应更新机制与收敛判据设计,并通过设置不同类型的负荷突变场景(如阶跃、脉冲、斜坡变化)进行仿真对比,全面评估两种算法的性能差异与适用边界,进而掌握其在实际工程中的优化配置方法。

1,040

社区成员

发帖
与我相关
我的任务
社区描述
中南民族大学CSDN高校俱乐部聚焦校内IT技术爱好者,通过构建系统化的内容和运营体系,旨在将中南民族大学CSDN社区变成校内最大的技术交流沟通平台。
经验分享 高校 湖北省·武汉市
社区管理员
  • c_university_1575
  • WhiteGlint666
  • wzh_scuec
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

欢迎各位加入中南民族大学&&CSDN高校俱乐部社区(官方QQ群:908527260),成为CSDN高校俱乐部的成员具体步骤(必填),填写如下表单,表单链接如下:
人才储备数据库及线上礼品发放表单邀请人吴钟昊:https://ddz.red/CSDN
CSDN高校俱乐部是给大家提供技术分享交流的平台,会不定期的给大家分享CSDN方面的相关比赛以及活动或实习报名链接,希望大家一起努力加油!共同建设中南民族大学良好的技术知识分享社区。

注意:

1.社区成员不得在社区发布违反社会主义核心价值观的言论。

2.社区成员不得在社区内谈及政治敏感话题。

3.该社区为知识分享的平台,可以相互探讨、交流学习经验,尽量不在社区谈论其他无关话题。

试试用AI创作助手写篇文章吧