别再死记M法T法公式了!用Arduino和常见编码器手把手教你电机测速(附代码)

news2026/4/11 11:33:06
用Arduino实战编码器测速告别公式背诵从接线到可视化分析当你第一次拿到那个小巧的增量式编码器时可能会被那些专业术语吓到——M法、T法、分辨率、倍频...但我要告诉你一个秘密这些概念远没有看起来那么可怕。本文将带你用最接地气的方式通过实际动手操作来真正理解电机测速的核心原理。不需要死记硬背公式只需要一块Arduino开发板、一个常见的600线编码器以及一杯咖啡的时间。1. 硬件准备与环境搭建1.1 认识你的编码器拆开包装你会看到一个直径约2cm的金属圆盘这就是增量式编码器的核心——码盘。600线意味着它每转一圈会产生600个脉冲经过4倍频后可达2400个。仔细观察接口通常会有A相和B相输出用于检测转速和方向Z相可选每转一圈输出一个脉冲用于归零VCC和GND供电引脚通常5V或3.3V提示不同品牌编码器颜色定义可能不同务必查阅你的型号手册确认引脚定义1.2 Arduino接线方案将编码器连接到Arduino Uno的步骤如下编码器引脚Arduino引脚备注VCC5V电源正极GNDGND电源地A相D2外部中断引脚B相D3外部中断引脚// 简单的引脚定义 #define ENCODER_A 2 #define ENCODER_B 3 volatile long encoderCount 0; // 使用volatile保证中断安全1.3 基础测试代码上传这段代码后打开串口监视器手动旋转编码器轴观察计数值变化void setup() { Serial.begin(115200); pinMode(ENCODER_A, INPUT_PULLUP); pinMode(ENCODER_B, INPUT_PULLUP); attachInterrupt(digitalPinToInterrupt(ENCODER_A), updateEncoder, CHANGE); } void loop() { Serial.print(当前计数值: ); Serial.println(encoderCount); delay(100); } void updateEncoder() { int a digitalRead(ENCODER_A); int b digitalRead(ENCODER_B); if (a b) { encoderCount; } else { encoderCount--; } }2. M法测速实战高速测量的利器2.1 原理可视化理解想象你在高速公路上统计车流量设定一个固定时间段比如1分钟数这段时间内经过的车辆数。车越多说明交通越繁忙——这就是M法的核心思想。对于编码器固定时间窗口比如100ms脉冲计数这段时间内捕获的脉冲数转速计算脉冲数 ÷ (编码器线数 × 时间)2.2 Arduino实现代码unsigned long lastTime 0; unsigned long pulseCount 0; const float sampleTime 0.1; // 100ms采样周期 const int pulsesPerRevolution 600 * 4; // 600线编码器4倍频 void setup() { // ...保持之前的引脚设置... Serial.begin(115200); } void loop() { unsigned long currentTime millis(); if (currentTime - lastTime sampleTime * 1000) { float rpm (pulseCount / (pulsesPerRevolution * sampleTime)) * 60; Serial.print(转速: ); Serial.print(rpm); Serial.println( RPM); pulseCount 0; lastTime currentTime; } } void updateEncoder() { pulseCount; }2.3 性能测试与局限我在实验室用直流电机做了组对比测试实际转速(RPM)M法测量值(RPM)误差率(%)300029920.2710009950.50100928.00100-15波动50可以看到高速时精度极高误差1%低速时误差显著增大甚至出现零值注意当转速低于每分钟10转时M法基本失效这时就需要T法登场了3. T法测速低速测量的救星3.1 换个角度理解测速这次我们不再统计固定时间内的脉冲数而是测量两个脉冲之间的时间间隔——就像测量心跳间隔来判断心率一样。关键点使用Arduino的微秒级定时器捕获相邻两个上升沿的时间差转速与时间间隔成反比3.2 代码实现与优化unsigned long lastPulseTime 0; const int pulsesPerRevolution 600 * 4; void setup() { // ...引脚设置... Serial.begin(115200); } void loop() { // 主循环保持空闲 } void updateEncoder() { unsigned long currentTime micros(); unsigned long interval currentTime - lastPulseTime; if (interval 0) { float rpm (1000000.0 / interval) / pulsesPerRevolution * 60; Serial.print(转速: ); Serial.print(rpm); Serial.println( RPM); } lastPulseTime currentTime; }3.3 实测数据对比同样的电机低速区表现截然不同实际转速(RPM)T法测量值(RPM)误差率(%)109.82.054.92.010.955.030002800-3200波动10特点总结低速王者1RPM都能稳定测量高速乏力超过1000RPM后误差明显4. 进阶技巧动态切换M/T法4.1 智能切换算法设计既然两种方法各有所长何不让它们自动切换这里给出一个简单实现逻辑初始使用M法测量当连续3次测量值低于阈值(如50RPM)时切换到T法当T法测量值超过阈值时切换回M法4.2 完整实现代码// 配置参数 #define MODE_M 0 #define MODE_T 1 byte currentMode MODE_M; const int switchThreshold 50; // RPM切换阈值 int lowSpeedCount 0; // M法变量 unsigned long lastMTime 0; unsigned long pulseCount 0; const float mSampleTime 0.1; // 100ms // T法变量 unsigned long lastPulseTime 0; void setup() { // ...引脚设置... Serial.begin(115200); } void loop() { if (currentMode MODE_M) { unsigned long currentTime millis(); if (currentTime - lastMTime mSampleTime * 1000) { float rpm (pulseCount / (pulsesPerRevolution * mSampleTime)) * 60; // 低速检测逻辑 if (rpm switchThreshold) { lowSpeedCount; if (lowSpeedCount 3) { currentMode MODE_T; Serial.println(切换到T法测量); } } else { lowSpeedCount 0; } Serial.print(M法转速: ); Serial.print(rpm); Serial.println( RPM); pulseCount 0; lastMTime currentTime; } } } void updateEncoder() { if (currentMode MODE_M) { pulseCount; } else { unsigned long currentTime micros(); unsigned long interval currentTime - lastPulseTime; if (interval 0) { float rpm (1000000.0 / interval) / pulsesPerRevolution * 60; // 高速检测逻辑 if (rpm switchThreshold * 1.2) { currentMode MODE_M; Serial.println(切换回M法测量); } Serial.print(T法转速: ); Serial.print(rpm); Serial.println( RPM); } lastPulseTime currentTime; } }4.3 可视化分析工具使用Arduino IDE的串口绘图器能直观看到测量效果打开工具 → 串口绘图器设置波特率为115200发送数据格式为转速: 123.45 RPM你会看到高速时M法曲线平滑低速时自动切换到T法保持精度过渡区域可能出现小幅波动5. 常见问题排查与优化5.1 信号抖动问题实际测试中可能会遇到电机振动导致误触发接触不良产生毛刺环境电磁干扰解决方案// 在updateEncoder中添加消抖 void updateEncoder() { static unsigned long lastDebounceTime 0; if (micros() - lastDebounceTime 100) { // 100us消抖 // ...原有逻辑... lastDebounceTime micros(); } }5.2 测量范围扩展技巧对于超高/超低转速高速扩展缩短M法采样时间但不少于1ms低速扩展T法结合32位计时器使用micros()的溢出处理5.3 精度提升实战通过实验发现几个关键点中断优先级确保编码器中断不被其他任务延迟时钟校准定期校正Arduino内部时钟温度补偿长时间运行后时钟可能漂移// 时钟校准示例 void calibrateClock() { long sum 0; for (int i 0; i 100; i) { sum micros(); delayMicroseconds(1000); } float actualDelay sum / 100000.0; Serial.print(时钟偏差: ); Serial.print((actualDelay - 1.0) * 100); Serial.println(%); }

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/2506010.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

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…