Vielen Dank für Ihren Besuch auf nature.com. Sie verwenden eine Browserversion mit eingeschränkter CSS-Unterstützung. Um das beste Erlebnis zu erzielen, empfehlen wir Ihnen, einen aktuelleren Browser zu verwenden (oder den Kompatibilitätsmodus im Internet Explorer zu deaktivieren). Um weiterhin Support zu gewährleisten, zeigen wir die Website in der Zwischenzeit ohne Stile und JavaScript an.
Scientific Reports Band 14, Artikelnummer: 3918 (2024) Diesen Artikel zitieren Injektionssystem
Das Multimotor-Servosystem (MMSS) ist ein elektromechanisches System, das in verschiedenen Bereichen weit verbreitet ist, darunter Elektrofahrzeuge, Robotik und Industriemaschinen. Abhängig von der Anwendung kann die Anzahl der Motoren im System zwischen mehreren Dutzend und Zehntausenden liegen, was zusätzliche Anforderungen an die Kommunikation mit sich bringt. Um die Synchronisierung und Steuerungsgenauigkeit des Systems sicherzustellen, muss daher die Herausforderung bewältigt werden, die Leistung und Zuverlässigkeit der Kommunikation zwischen den Motoren im MMSS zu gewährleisten. In diesem Artikel entwerfen wir einen intelligenten Servomotor (SSM), um das System auf das Multi-Smart-Motor-Servosystem (MSMSS) aufzurüsten, das auf einer verteilten Echtzeit-Feldbusarchitektur, nämlich der Multi-Motor-Bus-Architektur (MMB), basiert . Die vorgeschlagene MMB-Architektur ist leichtgewichtig und stabil und bietet Echtzeitunterstützung für Control Area Network-Verbindungen zu einem zentralen Benutzercomputer und interintegrierte Schaltkreisverbindungen zu SSM-Einheiten. Diese MMB-Architektur erleichtert die Synchronisierung der Befehlsübertragung über SSMs und stellt die Konsistenz der Motoren im MSMSS sicher. Darüber hinaus werden Reihenexperimente durchgeführt, um drei wichtige Systemleistungs- und Zuverlässigkeitsmerkmale zu untersuchen, darunter Befehlsübertragungszeit, Übertragungsjitter und Rotationskonsistenz. Die Analyse dieser Merkmale zeigt das Potenzial und die Machbarkeit des Systems für die Anwendbarkeit in der Industrie.
Servomotoren werden heutzutage häufig in verschiedenen industriellen Anwendungen eingesetzt. Angesichts der steigenden Anforderungen an Modularisierung, Miniaturisierung und Integration in Anwendungen können mehrere Servomotoren ein System bilden, um komplexe und ausgeklügelte Funktionen zu realisieren. Ein solches System mit mehreren Servomotoren wird als Multimotor-Servosystem (MMSS)1 bezeichnet. Das MMSS wird aufgrund seiner attraktiven Eigenschaften, wie hoher Effizienz und schneller Reaktion von Servomotoren, häufig in verschiedenen Anwendungen eingesetzt2. MMSS wird nicht nur in Automobilanwendungen wie Tunnelbohrmaschinen3, Bahnwickelsystemen4 und Elektrofahrzeugen5 eingesetzt, sondern spielt auch eine entscheidende Rolle in schweren mechanischen und hochintegrierten Anwendungen wie Robotik6, Zellenförderern7 und elektronisch gescannten Arrays8. Bei den oben genannten Anwendungen liegen die Leistungs- und Zuverlässigkeitsanforderungen in der Regel in der schnellen Reaktionsfähigkeit, der präzisen Rotationsfähigkeit, der Synchronisationssteuerung der Motoren und der hohen Robustheit des Kommunikationsträgers innerhalb des MMSS. Der Kommunikationsträger im MMSS nutzt normalerweise drahtgebundene Mittel, das heißt, es werden Leiterdrähte verwendet, um Servomotoren und Steuereinheiten physisch zu verbinden und die Steuerbefehle und Rückmeldungsinformationen über das Kommunikationsbusprotokoll zu übertragen. Eine solche Kommunikationsstrategie ist normalerweise der Schlüssel zur Realisierung der hochpräzisen Echtzeitsteuerung der großen Anzahl von Motoren im MMSS9. Daher ist es wichtig, sich auf die Gestaltung der Kommunikationsstrategie für das MMSS zu konzentrieren, die Leistung des für den Einsatz im MMSS ausgewählten Kommunikationsträgers zu untersuchen und die Synchronisierung des Systems zu gewährleisten.
Als eine Art serielles Kommunikationsprotokoll wurde CAN Mitte der 1980er Jahre von Robert Bosch entwickelt, um das Kommunikationsproblem der Punkt-zu-Punkt-Methode zu lösen17. Im Laufe der Jahre hat der CAN-Bus eine hervorragende Stabilität und Effizienz bewiesen und ihn zu einem weit verbreiteten Netzwerk in MMSS wie Automobilherstellung und Fahrzeugnetzwerken gemacht18. Allerdings haben die rasante Entwicklung von MMSS und die steigenden Datenmengen zu einer deutlichen Steigerung der Systemkomplexität geführt.
Heutzutage wurden mehrere Arbeiten an MMSS auf Basis des CAN-Busses durchgeführt, die zahlreiche Motoren aus verschiedenen Segmenten integrieren, um die Steuerung des gesamten Systems zu erreichen. Einige Systeme verwenden Micro Controller Units (MCU) als Controller und erreichen Funktionalität durch Codekompilierung. Dieser Ansatz ist äußerst flexibel und in der Lage, verschiedene algorithmische Anforderungen zu erfüllen19. Allerdings werden diese Codes nacheinander ausgeführt, was zu einer geringeren Echtzeitleistung führt. Bei der Steuerung eines einzelnen Motors kann eine MCU Echtzeitanforderungen erfüllen. Wenn Sie das System jedoch mit mehr Motoren erweitern möchten, sind mehrere miteinander verbundene MCUs erforderlich, was das Kommunikationsnetzwerk des Systems erheblich komplex macht20. Darüber hinaus entwerfen einige Systeme ihre Controller auf dem Field Programmable Gate Array (FPGA). Die parallele Verarbeitungsfähigkeit von FPGA in Verbindung mit seinem modularen Designansatz verkürzt nicht nur den Steuerungszyklus erheblich, sondern ermöglicht auch eine synchrone Steuerung der Motoren21. Allerdings stellt dieser Designansatz hohe Anforderungen an die Logikressourcen des FPGA. Da es ausschließlich auf Hardware ausgelegt ist, führt es außerdem zu einer begrenzten Rechenleistung, insbesondere bei Gleitkommaberechnungen, was den Aufwand für die Netzwerkanalyse erhöht22. Um eine schnelle und präzise Reaktion in MMSS zu erreichen, schlägt dieses Dokument eine Designlösung für ein Multi-Smart-Motor-Servosystem (MSMSS) auf MCU und FPGA mit Smart-Servomotoren (SSMs) vor. Durch die Kombination dieser beiden Elemente werden die parallelen Verarbeitungsfähigkeiten des FPGA und die Rechenleistung der MCU maximiert. Wie in Tabelle 2 gezeigt, schont die verteilte Kontrollstruktur des MSMSS nicht nur effizient die Ressourcen des Hauptcontrollers, sondern weist auch eine hervorragende Skalierbarkeit auf.
Um den Befehlsübertragungsprozess des MMSS besser zu verstehen und die Einschränkungen auf der Grundlage der Überprüfung verwandter Arbeiten zu beseitigen, schlagen wir das MSMSS mit einer Echtzeit-Multi-Motor-Bus-Architektur (MMB) vor. Die Hauptbeiträge dieser Arbeit liegen in folgender Hinsicht: (1) Ein SSM wurde als Steuerungskomponente innerhalb des Systems entworfen. Das SSM integriert Antriebs-, Steuerungs-, Kommunikations- und Feedbackfunktionen und ermöglicht es ihm, zugewiesene Aufgaben unabhängig auszuführen, ohne auf externe Steuerungsressourcen angewiesen zu sein. (2) Es wird eine MMB-Architektur vorgeschlagen, um die Anzahl der Motoreinheiten zu erweitern, indem das heterogene Gateway zur Verbindung der Benutzerzentrale und der SSM-Einheiten genutzt wird. (3) Eine Reihe von Leistungs- und Zuverlässigkeitstests werden durchgeführt, um die Machbarkeit des vorgeschlagenen Kommunikationsnetzwerks für miteinander verbundene SSM-Einheiten zu zeigen. Insbesondere werden Echtzeiteigenschaften durch Analyse der Übertragungszeit, des Übertragungsjitters und der Konsistenz von SSMs bewertet. Der Rest der Arbeit ist wie folgt gegliedert: Im Abschnitt „Methode“ werden verschiedene Aspekte des Versuchsaufbaus, wie der Entwurf der Systemarchitektur, die Implementierung der Hardware mit der Auswahl relevanter elektronischer Komponenten und die Testverfahren behandelt ausführlich erklärt. Im Abschnitt „Ergebnisanalyse“ werden die Versuchsergebnisse präsentiert und analysiert. Und schließlich wird im Abschnitt „Schlussfolgerungen“ die vorgeschlagene Arbeit abgeschlossen und wichtige Leistungsbewertungen vorgestellt.
Die Architektur des MSMSS basiert auf der MMB-Architektur.
Ein typisches MMSS besteht aus einem Bedienfeld, das als Master des Systems fungiert, und Servomotoren, die als Aktuatoren des Systems dienen1. Die Grundprinzipien gelten auch für das von uns vorgeschlagene MSMSS. Zusätzlich zu diesen Prinzipien werden herkömmliche Servomotoren jedoch durch SSMs ersetzt, die über die Fähigkeit zum Antrieb, zur Steuerung, zur Kommunikation und zur Rückmeldung verfügen23. Darüber hinaus entfällt die direkte Verbindung zwischen Master-Controller und Motoren. Stattdessen wird ein Gateway als Medium zur Verbindung der Benutzerzentrale und der SSM-Einheiten verwendet, was eine weitere Erweiterung der Motoranzahl des Systems ermöglicht. Abbildung 1 zeigt das Layout unseres vorgeschlagenen MSMSS mit dem SSM basierend auf der MMB-Architektur.
Um den Anforderungen einer komplexen Datenanalyse gerecht zu werden, wird ein Personal Computer (PC) als Kommandozentrale verwendet und über einen USB-CAN-Adapter an den CAN-Bus angeschlossen. Mit leistungsstarken Berechnungsfunktionen kann die Benutzerzentrale eine effiziente Übermittlung wichtiger Informationen oder Anweisungen an SSMs ermöglichen, wie z. B. die Drehrichtung, die Reihenfolge der gesteuerten Motoren und die Nullposition des Motors, sowie die Verwaltung der von SSMs empfangenen Daten zur Analyse und Untersuchung. Um eine zunehmende Anzahl von Motoren im System unterzubringen, wird dem System ein Hybrid-Gateway als interne Übergabestation hinzugefügt, die die Benutzerzentrale und die SSMs verbindet. Das Gateway ist mit einem FPGA-Hybrid konzipiert, der aus einer MCU als Rechenzentrum und einer FPGA-Fabric besteht. Abbildung 2 zeigt die interne Funktionsverbindung eines heterogenen Gateways. Die MCU dient als Verarbeitungskern des Gateways, das mit CAN-Controllern und anderen Hardwaregeräten ausgestattet ist. Aufgrund der hohen Taktfrequenz und der reichlich vorhandenen Peripherieressourcen verfügt die MCU über ausreichende Rechenkapazität, um komplexe Algorithmen auszuführen, einschließlich Empfang, Analyse, Klassifizierung und Konvertierung von Daten. Die aus dieser Verarbeitung resultierenden Anweisungen werden über das FSMC-Modul (Flexible Static Memory Controller) an die FPGA-Struktur übertragen. Als paralleler Bus reduziert FSMC die Kommunikationslatenz zwischen MCU und FPGA erheblich. Nach Erhalt der Anweisungen verteilt die Switch-State-Machine im FPGA diese Anweisungen über den Inter-Integrated-Circuit-Bus (I2C) an verschiedene SSMs, die mit verschiedenen Ports verbunden sind. Durch Ausnutzung der parallelen Verarbeitungsfähigkeiten des FPGA und der Verarbeitungsfähigkeiten der MCU verteilt das Gateway die vom Computer empfangenen Anweisungen an die SSMs und gewährleistet gleichzeitig die Synchronisierung der Datenübertragung und die präzise Steuerung der SSMs.
(a) Das Strukturdiagramm der SSM-Einheit, (b) Das Diagramm der SSM-Funktionen.
Als Steuerobjekt des MSMSS ist SSM eine relativ unabhängige Einheit, die mit einer Steuereinheit ausgestattet ist, die hochintegriert mit einem Mikrocontroller, einem Treiberchip und einem magnetischen Encoder ist, wie in Abb. 3a dargestellt. Als Kernkomponente von SSM haben wir einen 32-Bit-MCU als primären Controller an der Unterseite des Motors eingesetzt. Der Controller arbeitet mit einer Frequenz von 180 MHz und verfügt über reichlich Peripherieressourcen. Diese Konfiguration ermöglicht nicht nur eine präzise Motorsteuerung und schnelle Reaktion, sondern lässt auch Raum für zukünftige Upgrades. Wie in Abb. 3b dargestellt, bildet die Gesamtstruktur der MCU-Funktionen ein geschlossenes Regelkreissystem, in dem verschiedene Module Schritt für Schritt vorgehen, um gemeinsam den Prozess vom Datenempfang und der Motorsteuerung bis zur Rückgabe von Arbeitsinformationen durchzuführen. Beim Empfang einer Nachricht vom Gateway über den I2C-Bus bestimmt die MCU die Art des Befehls und startet den Positionsgeschwindigkeits-PID-Algorithmus, um eine Pulsweitenmodulation (PWM) zu erzeugen. Um eine schnelle Reaktion und eine präzise Steuerung des Systems zu erreichen, beträgt die Modulationsfrequenz für beide 10 kHz bzw. 200 kHz. Über einen Timer ruft die Hauptsteuerung kontinuierlich den PID-Algorithmus auf, um die Leistung des Treibers anzupassen und die Drehung des Motors zu steuern. Um die Genauigkeit der Drehung zu gewährleisten und den SSM-Status zu erfassen, haben wir einen absoluten magnetischen Encoder entwickelt, der an der Rückseite des Motors angebracht ist. Die Drehung des Motors treibt die Drehung des Magnetrings auf der Rückseite an, was zu Änderungen im Magnetfeld führt. Der Encoder erhält anhand von Änderungen im Magnetfeld Informationen über die Motordrehung und liefert Feedback an die MCU, um den PWM-Ausgang anzupassen und so eine Regelung im geschlossenen Regelkreis zu ermöglichen. Nachdem dem Hybrid-FPGA-Gateway und den SSMs alle Funktionen hinzugefügt wurden, ist der Aufbau des von uns vorgeschlagenen SSM-Systems in Abb. 4 dargestellt.
Basierend auf dem in Abb. 4 vorgeschlagenen MSMSS haben wir einen Prototyp gebaut, um die Funktion und Leistung des Systems zu demonstrieren. Der Prototyp besteht aus drei Schlüsselkomponenten: (1) einer Benutzerzentrale des Systems, (2) einem Hybrid-FPGA-Gateway, (3) einer Reihe von SSMs. Über den USB-CAN-Konverter fungiert der Computer als Knoten des CAN-Busses mit der Möglichkeit, CAN-Frames über die Benutzerschnittstelle zu senden und zu empfangen. Für das Gateway haben wir eine Hybridplatine für die Gateway-Entwicklung entwickelt, die aus zwei Hauptkomponenten besteht: einem MCU (STM32F429) und einem Altera Cylone 4 FPGA-Chip. Die MCU dient als Rechenkern des Gateways, der für die Analyse der Befehle verantwortlich ist. Und der FPGA-Chip verfügt über 22320 Logikzellen, die mit reichlich Hardware-Ressourcen für die Entwicklung von Gateway-Funktionen ausgestattet sind.
Das SSM besteht aus einem Motor und einer Steuereinheit. Der verwendete Motor ist ein DC-Mikromotor, der kostengünstig ist und eine schnelle Reaktion bietet24. Die Steuereinheit besteht aus 3 Komponenten: MCU, Treiberchip und magnetischem Encoder. Der Controller verwendet STM32F042 auf Basis des Cortex-M0, der einfach zu implementieren ist und ausreichend Ressourcen für die Ausführung komplexer Algorithmen bietet. Der Motortreiberchip stammt aus der DRV-Serie, die eine integrierte Motortreiberleistung für Niederspannungs-Bewegungssteuerungsanwendungen bietet. Als magnetischer Encoder wird ein absoluter Encoder der MT-Serie verwendet, um die Informationen des Motors zu erfassen, der eine Winkelauflösung von 14 Bit bietet. Tabelle 3 fasst die Parameter der in unserem experimentellen Prototyp verwendeten Komponenten zusammen.
Die Übertragungszeit von Befehlen ist eine entscheidende Kennzahl, die die Latenz eines Kommunikationsprozesses angibt, also die Zeitverzögerung für die erfolgreiche Ende-zu-Ende-Übertragung eines einzelnen Testpakets. Diese Metrik setzt sich aus mehreren Faktoren zusammen, darunter der Worst-Case-Antwortzeit des CAN-Frames \(T_\text {CAN}\), der Konvertierungszeit des Gateways \(t_\text {CON}\) und der Übertragung Zeit des I2C-Frames \(T_\text {I2C}\) wie folgt:
Dabei stellt \(t_\text {CAN}\) die Zeit dar, die erforderlich ist, damit ein CAN-Frame-Befehl generiert, in die Warteschlange gestellt, übertragen und schließlich von den Gateways empfangen wird, und \(T_\text {CON}\) die erforderliche Zeit für Beim Analysieren von Befehlen und Konvertieren von Formaten im Gateway ist \(T_\text {I2C}\) die Zeit für die Paketübertragung über den I2C-Bus vom Port des Gateways zum Terminal des SSMs. Um ein tieferes Verständnis des Übertragungsprozesses von Daten innerhalb des Systems zu erlangen, führen wir eine theoretische Analyse der drei Phasen durch. Erstens kann als Brücke für die Kommunikation zwischen der Benutzeroberfläche und dem MSMSS die Worst-Case-Antwortzeit des CAN-Frames \(T_\text {CAN}\) mit der Tindell-Gleichung25 wie folgt berechnet werden:
wobei \(W_\text {m}\) das längste Zeitintervall zwischen dem Einreihen der Nachricht in die Warteschlange und dem Beginn der Übertragung darstellt. \(C_\text {m}\) ist die Zeit, die zum Übertragen einer Nachricht auf dem CAN-Bus benötigt wird. Abbildung 6a zeigt die Struktur der im System verwendeten Befehlsnachricht und Abb. 6b ist das Format der CAN-Nachricht. Gemäß dem Format eines Standard-CAN-Frames kann \(C_\text {m}\) wie folgt definiert werden:
wobei \(S_\text {CAN}\) die Anzahl der Datenbytes innerhalb der CAN-Nachricht darstellt, \(\tau _\text {CAN}\) die Zeit ist, die benötigt wird, um ein Bit auf dem Bus zu übertragen.
(a) Befehlsstruktur, die im MSMSS verwendet wird, (b) Standard-CAN-Frame-Format.
Die Dauer \(T_\text {CON}\), die für die Übertragung des Befehls innerhalb des Gateways nach dessen Eintreffen benötigt wird, umfasst nicht nur die Zeit, die für die Befehlsanalyse benötigt wird, sondern auch die Konvertierungszeit zwischen den CAN-Frames und I2C-Struktur. Die primäre Determinante der Dauer \(T_\text {CON}\) ist die Frequenz des Systemtakts sowie der Optimierungsgrad des verwendeten Algorithmus. Gemäß der in Abb. 7 erwähnten I2C-Struktur bestehen die konvertierten I2C-Rahmeninformationen hauptsächlich aus einem 7-Bit-Adresssegment, 8-Byte-Datensegmenten und den Antwortsignalen zwischen jedem Byte, sodass die \(T_\text {I2C }\) kann wie folgt definiert werden:
wobei \(Ack_\text {I2C}\) die Anzahl der Antworten zwischen Master und Slave darstellt, \(S_\text {I2C}\) die Anzahl der Byte-Datensegmente darstellt und \(\tau _\text {bit }\) stellt die Zeit dar, die für die Übertragung eines Bits in der I2C-Kommunikation benötigt wird.
(a) Konvertierte I2C-Struktur, (b) I2C-Frame-Format.
Nachdem wir den Befehlsübertragungsprozess im System analysiert haben, können wir die Echtzeiteigenschaften des Systems anhand der Übertragungszeit beurteilen. Für ein System mit fester Priorität können wir den Übertragungsfaktor verwenden, um die Echtzeiteigenschaften des Systems zu charakterisieren. Unter der Annahme, dass es eine Reihe von Anweisungen im System gibt, verwenden wir \(T_\text {1}\) , \(T_\text {2}\) , ..., \(T_\text {n}\) die Übertragungsperiode von n Befehlsnachrichten mit ihrer Übertragungszeit \(T_\text {TT,1}\) , \(T_\text {TT,2}\) , ..., \(T_\text {TT,n}\) , jeweils. Somit lässt sich der Transmissionsfaktor wie folgt berechnen:
wobei U den Übertragungsstatus einer Reihe periodischer Nachrichten im System darstellt. Wir können die Randbedingung für die Übertragungszeit iterativ erhalten, wie durch die folgende Gleichung26 dargestellt:
wobei n die Anzahl der Nachrichten im System darstellt. Ein kleinerer Wert des Übertragungsfaktors U weist auf eine bessere Echtzeitleistung des Systems hin.
Um die Konsistenz unseres MSMSS-Prototyps und die Synchronisierung von SSMs zu demonstrieren, konzentrieren wir uns auf die Bewertung der folgenden Metriken: die Reaktionszeit von Befehlen (RTC), die Rotationsgenauigkeit von Winkeln (RPC) und die Konsistenz der Bewegungsbewegung (CMM). ). RTC stellt die Zeitspanne zwischen dem Start der Motoren und dem Erreichen des Funktionsziels dar, das die Reaktionsgeschwindigkeit der SSM-Einheiten widerspiegelt. RPC stellt den Grad der Aufgabenerfüllung dar und gibt die Präzision der SSM-Einheiten an. Schließlich stellt CMM die Konsistenz von SSMs im Rahmen des MSMSS dar, die eine wichtige Messgröße für die Darstellung der Kooperationsbedingungen zwischen Motoren darstellt.
Um die Leistung und die Synchronisation des MSMSS zu überprüfen, haben wir einen Prototyp gebaut, wie in Abb. 8 gezeigt. Das MSMSS besteht aus 4 SSMs und einem Hybrid-Gateway, das von einem Computer gesteuert wird. Wir haben ein Reihenexperiment durchgeführt, um ausreichende Ergebnisse für die Analyse zu erhalten. Basierend auf den Bewertungsergebnissen werden die Echtzeiteigenschaften des Systems diskutiert. Anschließend werden die Leistungs- und Konsistenzmetriken auf die Zuverlässigkeit und Leistung unseres vorgeschlagenen MSMSS analysiert.
Als entscheidende Metrik, die die Latenz eines Kommunikationsprozesses angibt, setzt sich die gesamte Übertragungszeit aus drei Zeitteilen zusammen, der CAN-Übertragungszeit \(T_\text {CAN}\), der Konvertierungszeit des CAN-Frames und des I2C-Frames \(T_ \text {CON}\) und I2C-Übertragungszeit \(T_\text {I2C}\) . In Abb. 9 wird die Übertragungszeit von Befehlen mit 6 verschiedenen Prioritäten anhand eines Zeit-Trigger-Ansatzes separat analysiert. Mit abnehmender Priorität erhöht sich die Übertragungszeit. Nach der Gl. 3 besteht das \(T_\text {CAN}\) aus zwei Teilen \(W_\text {m}\) und \(C_\text {m}\) . Da die Datensegmentlänge des Befehls 64 Bit beträgt, ist der \(C_\text {m}\) der Befehle im Wesentlichen konstant, basierend auf der Gleichung. 2. Somit ergibt sich die Schwankung von \(T_\text {CAN}\) hauptsächlich aus der Warteschlangenzeit von Befehlen zwischen verschiedenen Prioritätsstufen. Als Befehlsnachricht mit der höchsten Priorität beträgt die mittlere Übertragungszeit \(T_\text {CAN}\) von PGN 0 ungefähr 300\(\upmu {\hbox {s}}\) und ist damit die kürzeste Übertragungszeit unter den Nachrichten Pool. Dies ist ungefähr 1,5-mal kürzer als die mittlere Übertragungszeit von PGN P01, 2-mal kürzer als die mittlere Übertragungszeit von PGN P60 und PGN P61, 3-mal kürzer als die mittlere Übertragungszeit von PGN P08 und 4-mal kürzer als die mittlere Übertragungszeit Zeit von PGN P09. Verglichen mit der Übertragungszeit verschiedener CAN-Nachrichten im MSMSS ist zu beachten, dass auch der Bereich der Übertragungszeit der Nachricht zunimmt, was bedeutet, dass der Jitter für CAN-Nachrichten unterschiedlicher Priorität während der Übertragung zunimmt.
Übertragungszeit: (a) Übertragungszeit des CAN-Frames, (b) Konvertierungszeit, (c) Übertragungszeit des I2C-Frames.
Als Teil von TT im MSMSS spiegelt die Konvertierungszeit vom CAN-Frame zum I2C-Frame auch einige Übertragungseigenschaften wider. Gemäß Abb. 9b liegt die Konvertierungszeit \(T_\text {CON}\) stabil bei etwa 160\(\upmu {\hbox {s}}\), unabhängig von der Art der Prioritäts-CAN-Nachricht. Dies ist denn während des Konvertierungsprozesses findet die Befehlsanalyse in der MCU statt. Die geparsten Daten werden im FPGA synchronisiert und parallel verarbeitet und in einen I2C-Frame umgewandelt. Die Priorität der Befehle hat keinen Einfluss auf den gesamten Prozess. Die für den Konvertierungsvorgang benötigte Zeit richtet sich nach der Länge der Informationen und ist unabhängig von der Art der Informationen. Nach dem Konvertierungsfortschritt werden die Steuerbefehle dem entsprechenden Port zugewiesen und dann im I2C-Format an SSMs übertragen. Wie in Abb. 9c gezeigt, ist \(T_\text {I2C}\) bei etwa 815\(\upmu {\hbox {s}}\) stabil. Aufgrund der parallelen Eigenschaften des Gateways müssen diese I2C-Frames nicht in der Warteschlange stehen oder miteinander konkurrieren. Unabhängig davon, aus welcher Art von CAN-Frame die I2C-Nachricht konvertiert wird, ist die Übertragungszeit von I2C-Nachrichten ungefähr gleich.
Basierend auf der Gl. 1 können wir die gesamte Übertragungszeit des Befehls im MSMSS zusammenfassen. Wie in Tabelle 5 gezeigt, beträgt das Minimum \(T_\text {TT}\) im Befehlspool PGN 0, was etwa 1108\(\upmu {\hbox {s}}\) ab dem Zeitpunkt der Befehlsgenerierung entspricht bis zum Eintreffen des Befehls bei MSMSS. Und der maximale \(T_\text {TT}\) ist der CAN-Frame mit der niedrigsten Priorität, der PGN P09, der 3369\(\upmu {\hbox {s}}\) benötigt, wenn das Netzwerk ausgelastet ist. Indem wir die maximale Übertragungszeit und die Auslöseperioden jedes Befehls in Gleichung 5 einsetzen, können wir einen Wert des Übertragungsfaktors U von 0,31 erhalten, während die Randbedingung des Systems in Gleichung 6 ist 0,73. Durch den Vergleich der Werte von U mit der Randbedingung können wir beobachten, dass U deutlich kleiner als die Randbedingung ist und der numerische Wert nur die Hälfte der Randbedingung beträgt. Dies bedeutet, dass die Übertragung von Systembefehlen hervorragend abgeschlossen ist und das System gute Echtzeiteigenschaften aufweist.
Jitter ist ein wichtiger Parameter für Echtzeitsysteme, der die Variabilität der Systemantwortzeit widerspiegelt. Tabelle 5 zeigt die maximale und minimale Übertragungszeit für die Nachricht im Befehlspool von dem Moment an, an dem die Nachricht in die Warteschlange für die Übertragung gestellt wird, bis zu dem Moment, an dem sie bei den SSMs im Netzwerk ankommt. Durch Subtrahieren der Maximal- und Minimalwerte der Übertragungszeit können wir den Jitter jedes Befehls während des Übertragungsprozesses ermitteln. Wie in Tabelle 5 zu sehen ist, weist PGN 0 den kürzesten Jitter auf, hauptsächlich aufgrund seiner höchsten Priorität im Kommunikationsnetzwerk. Basierend auf unserer vorherigen Analyse des Kommunikationsnetzwerks können wir den Schluss ziehen, dass der wichtigste Faktor, der die Übertragungszeit im System beeinflusst, die Warteschlangenzeit \(W_\text {m}\) für Befehle ist. Wenn mehrere Befehle in der Warteschlange des Busses auf die Übertragung warten, konkurrieren sie miteinander, was zur Erzeugung von Jitter führt. Aus diesem Grund hat der Befehl PGN 0 mit der höchsten Priorität den kürzesten Jitter und wird daher immer an erster Stelle gesendet, während PGN P09 den längsten Jitter aufweist.
Leistung des Kommunikationsnetzwerks: (a) Skalierbarkeit des Netzwerks, (b) Zuverlässigkeit des Netzwerks mit einer Bandbreite von 500 Kbit/s.
Rotationsleistung von SSM: (a) Mehrwinkel-Positionssteuerung, (b) Steuerung plötzlicher Positionsänderungen.
Um der zunehmenden Anzahl von Motoren und dem Bedarf an Synchronisationssteuerung zwischen den Motoren gerecht zu werden, ist die Zuverlässigkeit des Kommunikationsnetzwerks innerhalb des Systems von größter Bedeutung. Während wir Befehle an das System sendeten, erhöhten wir sukzessive die Anzahl der Motoren im MSMSS. Zu diesem Zeitpunkt gab es im Übertragungsnetz nur den Rotationsbefehl PGN P61, es gab also keine Konkurrenz auf dem Bus. Wie in Abb. 10a dargestellt, nahm die Übertragungszeit von Anweisungen in verschiedenen Teilen des Systems, \(T_\text {CAN}\) , \(T_\text {CON}, mit zunehmender Anzahl von SSMs innerhalb des Systems zu. \) , \(T_\text {I2C}\) , blieb stabil. Dies liegt daran, dass MSMSS eine parallele Steuerung verwendet und die parallelen Fähigkeiten des FPGA nutzt, um Anweisungen an die SSMs zu übertragen. Darüber hinaus arbeiten SSMs unabhängig voneinander, ohne gegenseitige Beeinflussung. Somit hat eine Erhöhung der Anzahl der SSMs keinen Einfluss auf die Leistung des Kommunikationsnetzwerks. Abbildung 10b zeigt die Paketverlustrate des Netzwerks. Wenn die Eingangsdatenrate des Systems zunimmt, steigt die Paketverlustrate allmählich an. Insbesondere wenn die Eingangsdatenrate 500 Kbit/s erreicht, steigt die Paketverlustrate stark an. Dies liegt daran, dass MSMSS zusätzlich zu den Eingabedaten auch Feedbackinformationen generiert. Das kombinierte Datenvolumen beider übersteigt die Bandbreitenkapazität des Systems von 500 Kbit/s, was zu Kommunikationsstaus und einem Anstieg der Datenverlustrate führt. Bei einem System mit seltenen Triggern, bei dem die Datenrate jedoch immer unter 350 Kbit/s bleibt, bleibt die Paketverlustrate von MSMSS jedoch konstant unter 0,2 %. Die stabile Übertragungszeit und eine Paketverlustrate von 0,2 % weisen auf eine hervorragende Skalierbarkeit und Zuverlässigkeit des Systems hin.
Nachdem sie den Befehl vom Gateway erhalten haben, beginnen die SSMs mit der Ausführung der Funktion und der Integration untereinander. Wir konzentrieren uns auf die Leistung und Zuverlässigkeit von SSMs wie RTC, NPC und CMM und bewerten die Leistung des vorgeschlagenen MSMSS. Daher haben wir den Rotationszustand von SSMs unter Rotationsbefehl aufgezeichnet, einschließlich einzelner Motoren, die sich in mehreren Winkeln drehen, und mehrerer Motoren, die sich im gleichen Winkel drehen.
Wie in Abb. 11a gezeigt, mussten SSMs um 45\(^{\circ }\), 90\(^{\circ }\), 135\(^{\circ }\) und 180\( rotieren. ^{\circ }\) bzw. Die Reaktionsergebnisse verschiedener Zielpositionen zeigen, dass SSMs innerhalb von 180 Grad synchrone Reaktionen erzielen können. Die RTC von SSMs beträgt weniger als 20 ms ab der Reaktion der Motoren auf den Drehbefehl und dem Abschluss der Drehung. Darüber hinaus bleibt die Positionsbahn der SSMs relativ gleichmäßig. Der RPC von SSMs beträgt ungefähr 0,25 \(^{\circ }\), was die Differenz zwischen dem stabilisierten Winkel des Motors und den Zielwinkelschwankungen widerspiegelt. In Abbildung 11b wurde die Positionsbahn der SSMs während einer Positionsschrittänderung analysiert. Während einer Positionsschrittänderung bleibt der Rotationsprozess der SSMs reibungslos und ohne nennenswerte Überschwinger. Den Ergebnissen in Abb. 11 zufolge weisen unsere vorgeschlagenen SSMs nicht nur eine schnelle Reaktionszeit, sondern auch eine hohe Rotationspräzision auf. Dies ist vor allem auf unsere kompakte Hardwarestruktur, schnellere Modulationszyklen und präzises Encoder-Feedback zurückzuführen. In Tabelle 6 haben wir die Leistung von SSM in Bezug auf Antwortzeit, Überschwingen, Dauerfehler und logische Ressourcen dargestellt. Im Vergleich zu Motoren, die über MCU28 oder FPGA27 gesteuert werden, weist SSM schnellere Reaktionszeiten, geringeres Überschwingen und kleinere Fehler im stationären Zustand auf, wodurch eine reibungslosere und schnellere Steuerung erreicht werden kann.
Nachdem wir die Leistung der SSMs qualifiziert hatten, führten wir Experimente durch, bei denen vier SSMs rotiert wurden, um die Konsistenz des Systems hinsichtlich Komplexität und Synchronisierungsanforderungen zu überprüfen. Wir haben den Rotationsbefehl PGN P61 an 4 SSMs gesendet, um 45\(^{\circ }\) , 90\(^{\circ }\) , 135\(^{\circ }\) und 180\(^{ \circ }\). Wir verglichen die Rotationsbahnen der vier SSMs mit der durchschnittlichen Positionskurve und analysierten den Antwortfehler des Systems während des Rotationsprozesses in Abb. 12. Alle SSMs reagierten gleichzeitig und schlossen die Rotation in etwa 20 ms ab. Die Positionsverläufe des Systems überlappten sich stark, was auf einen hohen Grad an Konsistenz zwischen den Motoren hinwies. Mit zunehmendem Drehwinkel nimmt der Antwortfehler allmählich zu. Wie in Abb. 12a gezeigt, ist die Positionsbahn des Systems bei einer Drehung um 45 \(^{\circ }\) sehr glatt und der Antwortfehler bleibt innerhalb von 0,15 \(^{\circ }\) . Wenn der Drehwinkel 90\(^{\circ }\) erreicht, bleibt die gesamte Flugbahnkurve glatt, aber der Antwortfehler erhöht sich auf 0,3 \(^{\circ }\) in Abb. 12b. Abbildung 12c zeichnet die Reaktion des Systems auf, wenn es sich um 135\(^{\circ }\) dreht. Während des Rotationsprozesses gibt es keine nennenswerten Schwankungen und der Antwortfehler bleibt innerhalb von 0,3 \(^{\circ }\) . Bis das System 180 \(^{\circ }\) Drehung erreicht, weist die Positionskurve des Systems ein erhebliches Überschwingen auf und überschreitet den Zielwinkel um 2 \(^{\circ }\) in Abb. 12d. Dies liegt daran, dass der PID-Algorithmus während des Anpassungsprozesses eine übermäßige Ausgangsgröße verursacht. Der maximale Unterschied in der Rotationsbahn zwischen den SSMs bleibt bei etwa 0,5\(^{\circ }\), was darauf hinweist, dass die SSMs des Systems eine hervorragende Konsistenz und Synchronisierung aufweisen.
Synchronisationskontrolle von MSMSS: (a) Konsistenz von Multi-SSMs für 45\(^{\circ }\) und Antwortfehler, (b) Konsistenz von Multi-SSMs für 90\(^{\circ }\) und Antwortfehler, ( c) Konsistenz von Multi-SSMs für 135\(^{\circ }\) und Antwortfehler, (d) Konsistenz von Multi-SSMs für 180\(^{\circ }\) und Antwortfehler.
Um die Anwendbarkeit des MSMSS in industriellen Anwendungen weiter zu validieren, wurden Robustheitstests durchgeführt, um die Leistung des Systems in Arbeitsumgebungen mit hohen und niedrigen Temperaturen gemäß China National Standards29 zu bewerten. In diesen Tests wurde das MSMSS sowohl bei niedrigen Temperaturen (d. h. \(-\) 20\(^{\circ }\) C) als auch bei hohen Temperaturen (d. h. 85\(^{\circ }\) eingesetzt. C) Umgebung, die den extremen Arbeitstemperaturbedingungen der DC-Mikromotoren nahe kam. Wir senden einen 180\(^{\circ }\)-Rotationsbefehl an das MSMSS, um die Betriebsergebnisse von 4 SSM-Einheiten zu beobachten, und vergleichen die durchschnittliche Positionskurve mit der Referenzpositionskurve, die die durchschnittliche Position bei normaler Temperatur darstellt. Wie in Abb. 13a dargestellt, stimmt die in Rot dargestellte durchschnittliche Positionskurve eng mit der in Blau dargestellten Referenzposition überein. Abbildung 13b analysiert den Antwortfehler zwischen der Durchschnittspositionskurve und der Referenzpositionskurve. Die Schwankung des Positionsunterschieds beträgt weniger als 2 Grad, was darauf hinweist, dass das gesamte System äußerst zuverlässig ist. Abbildung 14 veranschaulicht die Steuerungsleistung des Systems unter Hochtemperaturbedingungen. Mit steigender Temperatur beginnt die Leistung der SSMs nachzulassen. Wie in Abb. 14a, b gezeigt, ist die Positionstrajektorie des MSMSS im Vergleich zur Flugbahnkurve des Systems bei Raumtemperatur langsamer. Die Positionskurve des Systems zeigt nicht nur einen langsameren Anstiegstrend, sondern auch die Reaktionszeit des Systems nimmt zu. Aufgrund des kurzen Modulationszyklus des Systems und der genauen Rückmeldungsinformationen ist das System jedoch immer noch in der Lage, den Zielwinkel in 30 ms zu erreichen und stabil zu bleiben. Es ist ersichtlich, dass die Leistung des MSMSS unter Hochtemperaturbedingungen zwar abnehmen kann, die Steuerungsaufgaben jedoch weiterhin erfüllt werden können.
Die Zuverlässigkeit von MSMS bei niedrigen Temperaturen: (a) Konsistenz von MSMS unter -20\(^{\circ }{\hbox {C}}\) , (b) Antwortfehler.
Die Ergebnisse der Zuverlässigkeitstests bei hohen und niedrigen Temperaturen: (a) Rotationsbedingung unter \(-\) 20\(^{\circ }\) C, (b) Antwortfehler.
In diesem Artikel haben wir zunächst die zugehörigen Arbeiten zu Mehrmotorensystemen überprüft, die für den Industriebereich verwendet werden, und uns mit der Bedeutung befasst, die Leistung und Zuverlässigkeit des Kommunikationsnetzwerks für das MSMSS zu analysieren. Um die Leistung zu quantifizieren und die Machbarkeit unserer vorgeschlagenen MSMSS- und MMB-Architektur zu überprüfen, haben wir intelligente Servomotoren entwickelt, die mit einem Hybrid-Gateway auf Basis des FPGA verbunden waren, um den gleichzeitigen Steuerbefehlsfluss innerhalb des Systems zu gewährleisten. Um diese Ziele zu erreichen, haben wir im Labor eine Reihe von Bewertungen auf der Grundlage des MSMSS-Prototyps durchgeführt. Die experimentellen Ergebnisse zeigten, dass es in der Lage ist, eine synchronisierte Übertragung umfassender Befehlsnachrichten innerhalb von 5 ms sicherzustellen, da die Rotationsgenauigkeit innerhalb von 0,25\(^{\circ }\) liegt und die Rotationskonsistenz zwischen den SSM-Motoreinheiten innerhalb von 0,5\(^{\circ }\ aufrechterhalten wird. ) und zeigt industrielle Anwendbarkeit bei Betriebstemperaturbedingungen des Motors.
Alle während dieser Studie generierten oder analysierten Daten sind in diesem veröffentlichten Artikel enthalten.
Die längste Warteschlangenzeit des CAN-Frames
Anzahl der Datumsbytes innerhalb der CAN-Nachricht
Zeit, die benötigt wird, um ein Bit auf dem CAN-Bus zu übertragen
Reaktionszeiten zwischen Master und Slave
Anzahl der Datenbytes innerhalb der l2C-Nachricht
Zeit, die zum Übertragen eines Bits auf dem l2C-Bus benötigt wird
Nezamuddin, O., Bagwe, R. & Dos Santos, E. Eine Mehrmotorenarchitektur für Elektrofahrzeuge. Im Jahr 2019 IEEE Transportation Electrification Conference and Expo (ITEC), 1–6 (2019).
Lee, CR, Kim, S.-K. & Ahn, CK Autotuning-Proportional-Synchronisationsalgorithmus für Anwendungen zur Drehzahlregelung von Gleichstrommotoren. IEEE Trans. Schaltungen Syst. II Express Briefs 67, 521–525 (2020).
Shu, R., Wei, J., Tan, R., Wu, X. & Fu, B. Untersuchung der Dynamik- und Synchronisationseigenschaften eines Antriebssystems mit mehreren Motoren: Theoretische Analyse und Experiment. Mech. Syst. Signalprozess. 153, 107496 (2020).
Chu, X., Nian, X., Xiong, H. & Wang, H. Robuste verteilte Fehlerdiagnose für große, miteinander verbundene Bahnwickelsysteme mit mehreren Motoren. IEEE Access, 7, 181518–181530 (2019).
Shu, X. et al. Eine detaillierte Zuverlässigkeitsstudie des Motorsystems in reinen Elektrotransportern anhand des Ansatzes der Fehlerbaumanalyse. IEEE Access, 8, 5295–5307 (2020).
Galati, R., Mantriota, G. & Reina, G. Adaptive Kurskorrektur für einen industriellen, omnidirektionalen Hochleistungsroboter. Wissenschaft. Rep. 12, 19608 (2022).
Artikel ADS CAS PubMed PubMed Central Google Scholar
Keek, JS, Loh, SL & Chong, SH Design und Steuerungssystemaufbau eines E-Muster-Omniwheel-Zellenförderers. Maschinen 9, 43 (2021).
Nakamoto, N. et al. Spiralförmiges Phased-Array mit radialer Linie und von Motoren gedrehten Antennenelementen für die Übertragung von Mikrowellenenergie. Im Jahr 2022 16. Europäische Konferenz zu Antennen und Ausbreitung (EuCAP), 1–5 (2022).
Tindell, K. W., Hansson, H. & Wellings, A. J. Analyse der Echtzeitkommunikation: Ccontroller Area Network (CAN). Im Proc Real-time Systems Symposium (1994).
Shi, Q. et al. Entwicklung einer kleinen vierbeinigen Roboterratte, die multimodale Bewegungen ausführen kann. IEEE Trans. Roboter. 38(5), 3027–3043 (2022).
Chen, H. & Wang, T. Schätzung des an das Kommunikationskabel gekoppelten Gleichtaktstroms in einem Motorantriebssystem. IEEE Trans. Elektromagn. Kompat. 60, 1777–1785 (2018).
Hung, PD, Van Chin, V., Chinh, NT & Tung, TD Eine flexible Plattform für industrielle Anwendungen basierend auf RS485-Netzwerken. J. Commun. 15, 245–255 (2020).
Saranli, U., Avci, A. & Öztürk, MC Eine modulare Echtzeit-Feldbusarchitektur für mobile Roboterplattformen. IEEE Trans. Instrument. Mess. 60, 916–927 (2011).
Shreejith, S. et al. VEGa: Ein leistungsstarkes Fahrzeug-Ethernet-Gateway auf Hybrid-FPGA. IEEE Trans. Berechnen. 66, 1790–1803 (2017).
Ran, P., Wang, B. & Wang, W. Das Design eines Kommunikationskonverters auf Basis von CAN-Bus. Im Jahr 2008 IEEE International Conference on Industrial Technology, 1–5 (2008).
Kang, S. et al. Hochgeschwindigkeitsübertragungssystem, das Datenraten von über 100 Mbit/s unterstützt. IEEE-Komm. Mag. 54, 128–135 (2016).
Al Hayani, M. Modellierung der Buslast auf CAN. Masterarbeit, Universität Halmstad, Fakultät für Informationswissenschaft, Computer- und Elektrotechnik (IDE) (2012).
Song, H. M., Kim, H. R. & Kim, H. K. Einbrucherkennungssystem basierend auf der Analyse von Zeitintervallen von Dosennachrichten für fahrzeuginterne Netzwerke. Im Jahr 2016 International Conference on Information Networking (ICOIN), 63–68 (2016).
Sepúlveda, CA, Muñoz, JA, Espinoza, JR, Figueroa, ME & Baier, CR FPGA vs. DSP-Leistungsvergleich für eine VSC-basierte STATCOM-Steuerungsanwendung. IEEE Trans. Industrie. Inf. 9, 1351–1360 (2013).
Quang, NK, Hieu, NT & Ha, QP FPGA-basierte sensorlose PMSM-Geschwindigkeitsregelung unter Verwendung erweiterter Kalman-Filter reduzierter Ordnung. IEEE Trans. Industrie. Elektron. 61, 6574–6582 (2014).
Lin, F.-J., Shen, P.-H. & Kung, Y.-S. Adaptive Wavelet-Neuronale Netzwerksteuerung für lineare Synchronmotor-Servoantriebe. IEEE Trans. Magn. 41, 4401–4412 (2005).
Sander, O., Hubner, M., Becker, J. & Traub, M. Reduzierung der Latenzzeiten durch beschleunigte Routing-Mechanismen für ein FPGA-Gateway im Automobilbereich. Im Jahr 2008 International Conference on Field-Programmable Technology, 97–104 (2008).
Dol, S. & Bhinge, R. Intelligenter Motor für Industrie 4.0. Im Jahr 2018 IEEMA Engineer Infinite Conference (eTechNxT), 1–6 (2018).
Abut, T. Modellierung und optimale Steuerung eines Gleichstrommotors. Int. J. Eng. Trends Technol. 32, 146–150 (2016).
Tindell, K., Burns, A. & Wellings, A. Berechnung der Antwortzeiten für CAN-Nachrichten (Controller Area Network). Kontrolle. Ing. Üben. 3, 1163–1169 (1995).
Liu, CL & Layland, JW Planungsalgorithmen für Multiprogramming in einer harten Echtzeitumgebung. J. ACM 20, 46–61 (1973).
Monmasson, E. et al. FPGAs in industriellen Steuerungsanwendungen. IEEE Trans. Industrie. Inf. 7, 224–243 (2011).
Aravind, MA, Dinesh, NS & Rajanna, K. Anwendung von EMPC zur präzisen Positionssteuerung von Gleichstrommotorsystemen mit Spiel. Kontroll-Ing. Üben. 100, 104422 (2020).
GB/T 2423-2019 Umweltprüfung für elektrische und elektronische Produkte. (Standardisierungsverwaltung der Volksrepublik China, 2019).
Diese Arbeit wurde von der Natural Science Foundation der Provinz Sichuan im Rahmen des Projekts 2022NSFSC0567 und von den Fundamental Research Funds for the Central Universities im Rahmen des Projekts 2682023CX077 unterstützt.
School of Physical Science and Technology, Southwest Jiaotong University, Chengdu, 610031, China
Zhichao Huang, Song Qiu, Bangji Wang und Qingxiang Liu
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
Sie können diesen Autor auch in PubMed Google Scholar suchen
ZH: Manuskript schreiben, System aufbauen, Experiment durchführen; SQ: Konzeption, Betreuung, Redaktion; BW und QL: Betreuung, Redaktion. Alle Autoren haben das Manuskript überprüft.
Die Autoren erklären keine konkurrierenden Interessen.
Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.
Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.
Huang, Z., Qiu, S., Wang, B. et al. Eine Echtzeit-Feldbusarchitektur für ein Multi-Smart-Motor-Servosystem. Sci Rep 14, 3918 (2024). https://doi.org/10.1038/s41598-024-53022-2
DOI: https://doi.org/10.1038/s41598-024-53022-2
Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:
Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.
Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt
Wissenschaftliche Berichte (Sci Rep) ISSN 2045-2322 (online)
Formlösung Melden Sie sich täglich kostenlos für den Nature Briefing-Newsletter an – „Was in der Wissenschaft zählt“.