现货库存,2小时发货,提供寄样和解决方案
热搜关键词:
瑞萨的RealityCheck™ Motor工具引入了一种创新的基于AI/ML负载检测解决方案,无需额外传感器即可精确估计电机启动时的负载。这一技术通过微调启动电流来提高性能、减少电机应力,并在轻载条件下实现效率提升。
在无传感器电机控制算法中,系统无法直接了解启动过程中所需的扭矩。如果电机承载的负荷过大而启动电流不足,则可能导致转子无法正常启动。为确保可靠启动,传统做法是使用较大的启动电流,但这对于轻载情况来说是一种资源浪费。有效的负载检测允许根据实际需求调整启动电流,从而优化性能并降低能耗。
瑞萨的方案依赖于对电机控制系统内部变量的监测,并利用Reality AI特征空间提取相关信息。接着,通过Reality AI推理确定启动时所需的最佳扭矩值。这种方法不仅省去了额外传感器的成本和复杂度,还只需要更新电机控制固件即可实现。
检测关键变量:监控电机运行状态下的重要参数。
信息提取:应用Reality AI特征空间技术获取负载相关的有用数据。
确定扭矩需求:通过AI推理计算出启动电机所需的最小扭矩。
调整启动电流:根据计算结果设置最适宜的启动电流。
当检测到的扭矩需求低于预期时,意味着可以使用更小的启动电流来驱动电机,进而提高了系统的整体效率。
为了验证这项技术的实际效果,瑞萨构建了一个由两个BLDC电机组成的测试平台,其中一个作为主电机,另一个充当可调节负载的“制动”电机。实验结果显示,该模型能够以极高的精度区分六种不同的负载条件。整个AI分类模型仅需约12.5KB闪存和6.5KB RAM,证明了其高效性和低资源占用的特点。
瑞萨的这项基于AI/ML的负载检测技术为电机控制领域带来了革新,它不仅简化了系统设计,而且显著提升了电机启动阶段的能效与可靠性。
注:我司是瑞萨理商,如需采购、申请样片测试、产品规格书等需求,请加客服微信:13310830171。