伺服增量式和绝对式的本质区别?

伺服增量式和绝对式的本质区别?

增量式编码器是将位移转换成周期性的电信号,再把这个电信号转变成计数脉冲,用脉冲的个数表示位移的大小。以转动时输出脉冲,通过计数设备来知道其位置,当编码器不动或停电时,依靠计数设备的内部记忆来记住位置。这样,当停电后,编码器不能有任何的移动,当来电工作时,编码器输出脉冲过程中,也不能有干扰而丢失脉冲,不然,计数设备记忆的零点就会偏移,而且这种偏移的量是无从知道的,只有错误的生产结果出现后才能知道。

解决的方法是增加参考点,编码器每经过参考点,将参考位置修正进计数设备的记忆位置。在参考点以前,是不能保证位置的准确性的。为此,在工控中就有每次操作先找参考点,开机找零等方法。

比如,打印机扫描仪的定位就是用的增量式编码器原理,每次开机,我们都能听到噼哩啪啦的一阵响,它在找参考零点,然后才工作。

绝对型旋转光电编码器,因其每一个位置绝对唯一、抗干扰、无需掉电记忆,已经越来越广泛地应用于各种工业系统中的角度、长度测量和定位控制。

绝对编码器码盘上有许多道刻线,每道刻线依次以2线、4线、8线、16线......编排,这样,在编码器的每一个位置,通过读取每道刻线的通、暗,获得一组从2的零次方到2的n-1次方的唯一的2进制编码(格雷码),这就称为n位绝对编码器。这样的编码器是由码盘的机械位置决定的,它不受停电、干扰的影响。

绝对编码器由机械位置决定的每个位置的唯一性,它无需记忆,无需找参考点,而且不用一直计数,什么时候需要知道位置,什么时候就去读取它的位置。这样,编码器的抗干扰特性、数据的可靠性大大提高了。

由于绝对编码器在定位方面明显地优于增量式编码器,已经越来越多地应用于伺服电机上。绝对型编码器因其高精度,输出位数较多,如仍用并行输出,其每一位输出信号必须确保连接很好,对于较复杂工况还要隔离,连接电缆芯数多,由此带来诸多不便和降低可靠性,因此,绝对编码器在多位数输出型,一般均选用串行输出或总线型输出,德国生产的绝对型编码器串行输出最常用的是SSI(同步串行输出)。

从单圈绝对式编码器到多圈绝对式编码器 旋转单圈绝对式编码器,以转动中测量光码盘各道刻线,以获取唯一的编码,当转动超过360度时,编码又回到原点,这样就不符合绝对编码唯一的原则,这样的编码器只能用于旋转范围360度以内的测量,称为单圈绝对式编码器。如果要测量旋转超过360度范围,就要用到多圈绝对式编码器。

编码器生产厂家运用钟表齿轮机械的原理,当中心码盘旋转时,通过齿轮传动另一组码盘(或多组齿轮,多组码盘),在单圈编码的基础上再增加圈数的编码,以扩大编码器的测量范围,这样的绝对编码器就称为多圈式绝对编码器,它同样是由机械位置确定编码,每个位置编码唯一不重复,而无需记忆。

多圈编码器另一个优点是由于测量范围大,实际使用往往富裕较多,这样在安装时不必要费劲找零点,将某一中间位置作为起始点就可以了,而大大简化了安装调试难度。多圈式绝对编码器在长度定位方面的优势明显,欧洲新出来的伺服电机基本上都采用多圈绝对值型编码器。

伺服电机编码器绝对式和增量式区别

增量与绝对是指的编码器是增量式还是绝对式。增量式只能记住它自己走了多少步,当然,还会有一个原点。在开机,第一次走过原点以前,它是不知道自己的位置在什么地方的。而绝对编码器只要上电就能知道自己现在所处的位置。绝对编码器需要刻更多的线,成本更高,性能更好,所以贵。

相关推荐
IT小白杨3 小时前
从环境制备到自动化工作流:多账号运营的工程化架构拆解
java·经验分享·自动化·安全架构·指纹浏览器
HiDev_3 小时前
【非标自动化】2、认识元器件(直线模组)
运维·自动化
浦信仿真大讲堂4 小时前
从重复操作到自动化闭环:如何让 CST 与 Python 真正协同起来
python·自动化·cst·仿真软件·达索软件
wechatbot8886 小时前
企业微信API开发:登录-联系人查询-消息发送完整开发流程分享
汇编·微信·自动化·企业微信·ai编程·rpa
上海心泾国际物流有限公司9 小时前
2024-2026年进出口报关政策五大变化
大数据·经验分享·交通物流
东舟技术11 小时前
AI全链路测试智能体上线啦!
人工智能·功能测试·测试工具·自动化
Tinyfacture11 小时前
接口自动化之添加商品(pytest)
python·测试工具·自动化·pytest
云飞云共享云桌面11 小时前
SolidWorks—天津智能装备工厂1台高配主机共享给10个研发用
运维·服务器·自动化·汽车·制造
你有哈莫吗12 小时前
记一次 .NET 某自动化智能制造软件 卡死分析
自动化·.net·制造
思陌Ai算法定制13 小时前
【今日医疗AI速递】Pathology-CoT:从专家阅片行为中学习“视觉思维链“,病理AI智能体自主诊断性能超越GPT-o3
经验分享