Motion"},"section_hierarchy":[{"id":33182,"name":"Factory","alias":"factory"},{"id":63766,"name":"Motion","alias":"factory/motion"}],"taxonomy":[{"id":4087679,"type":"Tag","name":"TwinCAT","fullName":"Tag: TwinCAT (4087679)"},{"id":4085893,"type":"Tag","name":"AL8000","fullName":"Tag: AL8000 (4085893)"},{"id":4085890,"type":"Tag","name":"linear motor","fullName":"Tag: linear motor (4085890)"},{"id":4082652,"type":"Tag","name":"motion control","fullName":"Tag: motion control (4082652)"},{"id":4082154,"type":"Tag","name":"Beckhoff","fullName":"Tag: Beckhoff (4082154)"},{"id":3142382,"type":"Tag","name":"machine learning","fullName":"Tag: machine learning (3142382)"}],"authors":[]}">

线性运动机器学习

奥古斯特252023
使用Beckhoff双目Cogging补偿软件AL8000线性电机可提高机器同步性并降低延时率而不修改硬件

BeckhoffAL8000线性电机现在可以提供更高精度并和公司新TwinCATCogging补偿软件同步Beckhoff表示,该软件允许线性电机高精度应用使用,如磨机或激光切割

Beckhoff解释线性电机的捕捉力是由初级铁芯与二级永久磁性之间的磁性吸引引起的电机分解时,高度精度和同步性应用只能在有限程度上执行TwinCATcogging补偿软件AL8000线性电机补偿捕捉力软件通过计算磁效应以及与机械设计或能源链有关的其他因素实现这一点。

软件使用机器学习,机学习集成TypeCAT并自动应用系统独立记录应用中的必要分解数据 并参引线性电机磁轨全长软件帮助获取数据后培训神经网络,最终整合到控制系统以控制当前预控

Beckhoff表示,通过以这种方式修改当前预控法,软件可减少延时误差7倍并增加机器同步率5倍而不对AL8000硬件作任何修改

显示Fabian Bause解释Beckhoff将机器学习编入TwinCAT

本条款中的公司

赞助建议

产业更新:OT中的AI

微软人工智能与Avela和Siemens操作技术软件

cobot安全透视

自动化世界DavidGreenfield与美国SchmersalDevin Murray学习abtu风险评估

运动控制:电或气

复杂机多轴运动控制充电选择常取决于应用速度和行程长度

未来创新将如何影响机器人集成

Misa Ilkhechi突出过去五年机器人整合的变革进步,特别是在互操作性方面