舵机应该如果选择?讲讲模拟舵机,数字舵机和总线舵机的区别

news2024/11/15 8:47:35

推荐视频:模拟舵机,数字舵机和总线舵机科普 ;舵机从入门到放弃;

很多时候,我们购买舵机就只知道考虑扭矩以及控制方式。对舵机的分类有所耳闻,但是不清楚其中的区别。接下来我将详细说明模拟舵机数字舵机总线舵机这三种比较常用的舵机区别。

目录

模拟舵机

数字舵机

总线舵机

总结

PWM舵机

总线舵机

优点

缺点

建议


模拟舵机

(1)相信绝大多数入门PWM波的时候,都是使用的SG90进行学习的。

(2)SG90作为模拟舵机的经典款式,具有便宜,小巧的特点。不过一般在实际操作过程中不会使用到SG90,因为他的扭矩太小,不足以做到控制的效果

(3)在我们使用SG90的时候,需要不断的输入50HZ(20ms周期)的方波,通过调节这个正弦波的占空比来设置舵机旋转的角度

(4)我们除了SG90是模拟舵机以外,还有MG995MG996RMG90S等。其他型号的模拟舵机能够根据需求提供更高的扭矩。绝大多数情况都可以使用。

数字舵机

(1)数字舵机是什么呢?其实很好理解,数字舵机可以理解为模拟舵机的升级版本。

(2)数字舵机从构造上与模拟舵机类似(几乎可以说就是一样的)。

(3) 数字舵机比模拟舵机多了一个微控制器,是其可以获取更快的响应频率。

(4)虽然数字舵机比模拟舵机多了一个微控制器,但是在写单片机程序的时候,控制方法都是一样的。基本就是50HZ(20ms周期的方波),控制占空比来设置舵机的角度。

(5)只不过数字舵机内部的微控制器会对接收到的50HZ方波进行处理,最后转换为300HZ甚至更高频率的方波对舵机进行控制。这样能够让数字舵机拥有较高的精度以及非常快的响应速度

(6)我个人认为最重要的一点就是,数字舵机只需要一次PWM波就可以让角度一直保持!而模拟舵机需要持续的PWM波才可以保持角度!这样能够让一些资源比较少的主控拥有控制多路舵机的能力。

注意:如何理解角度保持?

我们可以购买两个舵机,一个数字舵机,一个模拟舵机。都只对其输出一次相同的PWM信号。然后我们尝试用手取改变舵机的角度,会发现模拟舵机的角度是可以很轻松的搬动的。但是数字舵机能感受到明显的阻力

(7)数字舵机的死区也比模拟舵机的小。

(8)数字舵机的微控制器还可以检测堵死以及一些抖动,而模拟舵机不可以。检测堵死非常非常重要!因为当舵机被堵住之后,原来要转换为机械能的能量无法被释放,那么就会进而转换成热能,造成舵机的自烧毁

之前我比赛的时候就遇到过这样的情况,我购买的模拟舵机没有检测堵死的情况。然后舵机堵住,堵住的时候人肉眼是分辨不出来的,我们以为是他到达了这个角度停止了。过了一会儿,舵机突然乱转,导致整个机械结构崩坏。你要知道,这可是开赛前一天啊!直接心态崩了,一晚上没睡。虽然最后修好了,但是比赛的时候心狂跳,清晰感受到了心跳。

(9)虽然数字舵机优点很多,但还是有缺点存在的。比如数字舵机会比模拟舵机价格贵很多!数字舵机的耗电一般也比模拟舵机的高

总线舵机

(1)这个舵机很有意思,他不是使用的PWM波控制,而是采用的串口控制(好像可以主控1个IO口进行控制,不过很麻烦,不建议)。 

(2)串行总线舵机的最大优点是,一个串口可以控制多台舵机。每个舵机有一个ID号,根据这个ID号,可以实现一个串口对多个舵机的控制。有点类似与I2C的仲裁机制。

(3)这个舵机还可以支持角度回读,可以实时检测到舵机当前角度位置。

(4)我看到的这款串行总线舵机(自己淘宝搜总线舵机,我就不打广告了。因为我也没买过,不清楚到底好不好用),还可以进行温度电压值的检测,拥有智能放堵转功能。这是非常完美的功能,可以有效处理我上面说的,明明舵机处于堵死状态,但是我们自己以为舵机是到规定角度停止的问题。

(5)这个舵机还有一个有趣的功能,可从舵机变成马达。(不建议,太浪费钱了,不如直接自己买马达)

(6)优点这么多,讲一下缺点。毫无疑问,一个字,!还有一个问题,就是需要一个TTL的调试板,如果没有这个调试板,那么你需要1个IO口实现对多个舵机控制的,很难控制。

总结

PWM舵机

模拟舵机和数字舵机都是PWM舵机。他们两个区别如下:

总线舵机

优点

(1)总线舵机可以实现1个IO对多个舵机控制,不过控制过程极其麻烦。所以一般需要一个TTL调试板,变成串行总线舵机。方便写程序和控制

(2)总线舵机不再像PWM舵机那样,只能主控像舵机传输数据。总线舵机可以向主控回传数据,方便查看舵机角度和堵死情况

(3)串行总线舵机线非常少,对于需要使用到多个舵机的时候,方便定位问题。而PWM舵机,每一个舵机多需要三根线,排错比较麻烦。

(4)串行舵机的寿命比PWM舵机的长

缺点

(1)有这么多优点,那么肯定有的一个问题就是,贵!贵的要死!!!

(2)一定要板载一个TTL调试模块,变成串行总线控制,否则一个IO控制很麻烦

建议

(1)如果主控有比较多的硬件PWM资源,而且不是高精度控制,建议使用模拟舵机。因为相同扭矩情况下,比其他两个便宜真的太多了。绝大多是情况模拟舵机都可以处理,没必要当冤大头

(2)当主控的硬件PWM资源比较少的时候,但是主控又没有很多信息(即中断比较少)需要处理舵机数量不多,精度要求一般。我建议使用定时器模拟软件PWM,还是采用模拟舵机!我们追求性价比,不当冤大头!

(3)当主控的硬件PWM资源少,而且还有很多信息需要处理(中断比较多,而且有类型I2C这种协议数据需要传输)。那么定时器模拟软件PWM不再推荐。我推荐使用数字舵机,然后主控的硬件PWM输出的IO连接所有数字舵机,中间放一个继电器。继电器由普通IO控制。

(4)当舵机数量一多,主控PWM通道不够,而且像上面这种做法也很花费IO口资源。杜邦线多,排查错误很很难。这个时候串行总线舵机就是首选了

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/57011.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【机器学习】基于机器学习的反弹shell命令识别

引言 本文介绍一个基于机器学习识别反弹shell的项目。 在主机安全检测中,一般是采用基于原理的方式识别反弹shell, 通过判断socket通信相关特征,可以准确地识别到主机中的反弹shell。 但是在容器场景下,检测反弹shell 的能力,可能…

[附源码]计算机毕业设计springboot疫情物资管理系统

项目运行 环境配置: Jdk1.8 Tomcat7.0 Mysql HBuilderX(Webstorm也行) Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。 项目技术: SSM mybatis Maven Vue 等等组成,B/S模式 M…

2022年第十一届认证杯数学中国数学建模国际赛小美赛:C 题 对人类活动进行分类 建模方案及代码实现

2022年第十一届认证杯数学中国数学建模国际赛小美赛:C 题 对人类活动进行分类 建模方案及代码实现 1 题目 人类行为理解的一个重要方面是对日常活动的识别和监控。可穿戴活动识别系统可以在许多关键领域提高生活质量,如门诊监测、居家康复、跌倒检测等。…

[附源码]Python计算机毕业设计Django茂名特产销售商城网站

项目运行 环境配置: Pychram社区版 python3.7.7 Mysql5.7 HBuilderXlist pipNavicat11Djangonodejs。 项目技术: django python Vue 等等组成,B/S模式 pychram管理等等。 环境需要 1.运行环境:最好是python3.7.7,…

[Java安全]—再探Filter内存马

前言 关于tomcat反序列化注入回显内存马问题中,就是通过filter内存马进行反序列化动态注册的,但filter内存马由于当时学的时候就没有学的很明白,所以打算重新回顾一下。 前置知识 Tomcat 与 Servlet 的关系 Tomcat中有四种类型的Servlet容…

[Python私活案例]24行代码,轻松赚取400元,运用Selenium爬取39万条数据

今天分享一单来自金主爸爸的私单,运用简单的爬虫技巧,可以有效的规避反爬机制,正所谓“你有张良计,我有过云梯”。这个案例也很好的体现了python语音的优势,规避了非常复杂的底层逻辑,所见即所得&#xff0…

你真的看懂扩散模型(diffusion model)了吗?(从DALL·E 2讲起,GAN、VAE、MAE都有)

本文全网原创于CSDN:落难Coder ,未经允许,不得转载! 扩散模型简单介绍 我们来讲一下什么是扩散模型,如果你不了解一些工作,你可能不清楚它究竟是什么。那么我举两个例子说一下:AI作画&#xff…

分布滞后线性和非线性模型(DLNM)分析空气污染(臭氧)、温度对死亡率时间序列数据的影响...

全文下载链接 http://tecdat.cn/?p23947 分布滞后非线性模型(DLNM)表示一个建模框架,可以灵活地描述在时间序列数据中显示潜在非线性和滞后影响的关联。该方法论基于交叉基的定义,交叉基是由两组基础函数的组合表示的二维函数空间…

为什么要让img浮动:

为什么要浮动&#xff1a; 图片不浮动的话&#xff0c;图片和文字是像下面这样排版的&#xff1a; 代码&#xff1a; <img src"https://static.maizuo.com/pc/v5/usr/movie/1f25dd6943762288dfd84b961c98f478.jpg" /> <div><div>红发歌姬</d…

OpenAI发布ChatGPT:程序员瞬间不淡定了

OpenAI发布ChatGPT&#xff1a;程序员瞬间不淡定了 12月1日&#xff0c;OpenAI发布了针对对话场景优化的语言大模型ChatGPT。ChatGPT是InstructGPT的兄弟模型&#xff0c;可以以对话的形式与用户交互&#xff0c;这使得ChatGPT能够回答问题、承认错误、质疑假设、拒绝不当问题…

时尚品牌Gucci 的Web3元宇宙营销进行时ing

Gucci 宣布在 The Sandbox 中推出 “Gucci Vault Land” 古驰藏宝阁 —— 元宇宙中心 &#xff0c;成为第一个在 The Sandbox 虚拟世界中拥有专门用于 Web3 产品的主流时尚品牌。Gucci 美学概念空间开放日&#xff1a;10月27日-11月 9 日 2022 年 Gucci Vault Land建立虚拟世界…

数据结构薄弱知识点

数据结构串KMP算法树二叉树二叉树的基本概念二叉树的遍历&#xff08;&#xff01;非递归实现&#xff09;先序遍历中序遍历后序遍历&#xff08;&#x1f538;非递归实现&#xff09;&#x1f536;线索二叉树找先序遍历的前驱节点&#xff08;&#x1f538;&#xff09;和后继…

Spring学习:二、Bean的管理

4. Bean的管理 ​ Spring的基本Bean管理包括Bean配置&#xff0c;Bean实例化和Bean的依赖注入。这些管理可以通过手工编码的方式把每个Bean注册到容器中&#xff0c;也可以通过properties文件和xml文件配置Bean和Bean之间的依赖关系。通常我们的配置方式是XML作为配置文件。 …

基于纳芯微产品的尾灯方案介绍

文章目录1.前言2.方案简介2.1 概述2.2 功能介绍2.3 DEMO资料3.主要器件介绍3.1 LED Driver3.2 LDO3.3 CAN\LIN收发器4.演示视频5.推荐阅读1.前言 最近拜访一些做尾灯模组的客户了解到&#xff0c;目前LED Driver依然紧缺&#xff0c;特别是TPS929120&#xff0c;BD18331这些差…

网络编程,UDP通信程序,TCP通信程序

一、网络编程 网络编程概述 网络编程 : 在网络[通信协议]下&#xff0c;不同计算机上运行的程序&#xff0c;可以进行[数据传输] 思考&#xff1a; A电脑中的QQ&#xff0c;发送消息给B电脑中的QQ。那么需要知道[哪些条件]才能发送&#xff1f; 在这个故事场景下&…

GitHub 的基本使用

文章目录一、使用前工作二、GitHub 的基本使用一、使用前工作 下载 uu 加速器&#xff0c;用于访问 GitHub 网站&#xff08;有魔法工具的小伙伴请忽略&#xff09;&#xff1b;uu 加速器下载安装完毕后搜索框搜索学术资源并点击加速&#xff08;如图1.2.1&#xff09;&#xf…

【Android App】人脸识别中使用Opencv比较两张人脸相似程度实战(附源码和演示 超详细)

需要全部代码请点赞关注收藏后评论区留言私信~~~ 一、比较两张人脸的相似程度 直方图由一排纵向的竖条或者竖线组成&#xff0c;横轴代表数据类型&#xff0c;纵轴代表数据多少。 图像直方图经常应用于特征提取、图像匹配等方面。 假设有两幅图像&#xff0c;它们的直方图很相…

Vue项目devServer.proxy代理配置详解

Vue项目devServer.proxy代理配置详解目录概述需求&#xff1a;设计思路实现思路分析1..config.js文件中&#xff0c;引入依赖项2.devServer.proxy 可以是一个指向开发环境 API 服务器的字符串3.更多控制行为参考资料和推荐阅读Survive by day and develop by night. talk for i…

语言模型也会“地域黑”?实验表明ALBERT最能黑,BART最友善

文 | ZenMoore前言今天我们来谈论一个不那么硬核的问题&#xff1a;预训练语言模型中的歧视与偏见(bias)。这个问题虽然不像技术问题那样核心&#xff0c;但仍然非常重要。想象一下&#xff1a;你接到了一笔外交级别的订单&#xff0c;要做一个生成语言模型&#xff0c;先不论效…

NNDL 实验七 循环神经网络(3)LSTM的记忆能力实验

文章目录6.3 LSTM的记忆能力实验6.3.1 模型构建6.3.1.1 LSTM层6.3.1.2 模型汇总6.3.2 模型训练6.3.2.1 训练指定长度的数字预测模型6.3.2.2 多组训练6.3.2.3 损失曲线展示【思考题1】LSTM与SRN实验结果对比&#xff0c;谈谈看法。&#xff08;选做&#xff09;6.3.3 模型评价6.…