仿真和计算作业

1.额定励磁电压Uf=Rf*If=200*0.6=120V

2.电枢电流Ia=Te/(Laf*If)=12/(2*0.6)=10A

额定电压Ea=Ua-Ia*Ra=240-10*0.5=235V

额定转速n=Ea/(Laf*If)=235/(2*0.6)=195.83rad/s=1870r/min

3.当T=0时,空载转速n0=Ua/(Laf*If)=240/(2*0.6)=200rad/s=1910r/min

当Te=12N*m时,额定转速n=1870r/min

以点(0,1910),(12,1870)画出电机的固有机械特性为:

4.电路图为:

电机电枢电流为10A、电磁转矩为12N*m、转速n=1870r/min,仿真图如下:

电机电枢电流图:

电磁转矩图:

转速图(图中单位为rad/s):

将结果与图对照发现,仿真结果与计算结果一致。

5.仅将电枢电压降低一半,,计算得到转速为915.1r/min,仿真图为(图中单位为rad/s):

发现与计算结果相符。

仅将电枢回路串联4欧姆电阻,计算得到转速为1508r/min,仿真图为(图中单位为rad/s):

发现与计算结果相符。

仅将励磁电压降低一半,计算得到转速为3647r/min仿真图为(图中单位为rad/s):

发现与计算结果相符。

6.感觉较难,还花点时间看书,下次补上。

时间: 2024-10-11 07:15:53

仿真和计算作业的相关文章

第三周作业之仿真与计算作业

1.励磁电压Uf=if·Rf=0.6·200V=120V. 2.利用公式Te=Laf·if·ia, 带入数据Te=12N·m, Laf=2H,if=0.6A,可知ia=10A.根据Ea=Laf·if·ωm,U = Ea+IaRa,得到 n=30U/(Laf·ifπ)-30Te·Ra/(π(Laf·if))2,带入数据及TL=12,得额定转速n=1870rpm. 3.如下图所示 4. 与上述计算结果基本相同 5.由公式,n=30U/(Laf·ifπ)-30Te·Ra/(π(Laf·if))2,Te

直流电机仿真调速作业

设计PID控制器,增加了积分和微分环节: algorithm error := command.signal[1] - feedback.signal[1]; i_error := i_error+ error; d_error := error - pre(error); pout := Kp * error + Ki * i_error + Kd * d_error; 选择参数: kp=6 ki=0.1 kd=20 parameter Real Kp=6; parameter Real Ki

阿里云HPC助力新制造 | 上汽仿真计算云SSCC

摘要: 据了解,借助阿里云,上汽乘用车实现了工程开发仿真能力升级,仿真计算效率提升了25%,使工程开发人员更加专注于产品设计和性能优化,打造出世界级产品的高品质.今年北京车展上全球首秀的概念车MG X-Motion,其量产车的卓越整车性能正是经过上汽仿真计算云平台反复验证和优化的. 随着上汽集团与阿里云的合作开展,阿里云各项技术逐步深入到上汽汽车研发领域的核心业务实现落地.其中上海汽车集团股份有限公司乘用车分公司(以下简称上汽乘用车)与阿里云共建的仿真计算混合云就是新制造产业升级的典型代表项目.

LMT NEW PBS作业排队系统

LMT NEW PBS作业排队系统 LMT NEW PBS是高度开放的智能化工作载荷管理解决方案,使企业实现最大化投资回报率.它广泛使用的网格优化计算.云计算.按需计算和集群管理的软件环境,能够让企业轻松实现分布式计算资源共享,无论在缩短产品上市周期还是改进产品质量方面达到并维持竞争性优势.凭借"按需使用"的商业模式,LMT NEW PBS提供了超越传统软件许可模式的高价值和灵活性.并应用这些解决方案和工具帮助航空航天业实现高效便捷高性能计算.        目前,面临各种新技术及竞争

阿里云E-HPC赋能制造业仿真云弹性

摘要: 从公测开始说起 去年9月份E-HPC开始公测,某仿真客户便开始申请使用弹性高性能服务.该客户因为业务关系已开始或多或少使用云计算产品,另一方面传统制造业发展问题也促使客户想尝试做出一些改变. 经过同客户的初步交流,客户的主要痛点集中在以下方面:客户从事仿真行业,通过服务传统的制造业获得营收,因此客户的客户集中在汽车,航天,船舶等. 从公测开始说起 去年9月份E-HPC开始公测,某仿真客户便开始申请使用弹性高性能服务.该客户因为业务关系已开始或多或少使用云计算产品,另一方面传统制造业发展问

作业调度算法

先来先服务.短进程优先算法 一.实验目的 通过使用c对先来先服务.短进程优先算法的实现,进一步理解并掌握调度算法的逻辑过程,以及每种算法分别在进程调度和作业调度中的的处理方法. 二.实验原理 先来先服务:该算法在每次调度中,都是从后备作业队列中选择一个或多个最先进入该队列的作业,将它们调入内存,为他们分配资源.创建进程,然后放入就绪队列.在进程调度中采用FCFS算法时,则每次调度是从就绪队列中选择一个最先进入该队列的进程,位置分配处理机,使之投入运行.该进程一直运行到完成或发生某事件而阻塞后才放

Map/Reduce 工作机制分析 --- 作业的执行流程

前言 从运行我们的 Map/Reduce 程序,到结果的提交,Hadoop 平台其实做了很多事情. 那么 Hadoop 平台到底做了什么事情,让 Map/Reduce 程序可以如此 "轻易" 地实现分布式运行? Map/Reduce 任务执行总流程 经过之前的学习,我们已经知道一个 Map/Reduce 作业的总流程为: 代码编写  -->  作业配置  -->  作业提交  -->  Map任务的分配和执行  -->  处理中间结果(Shuffle)  --&

作业流程和优化

MapReduce作业读取文件 Map任务数量由InputSplit决定,InputSplit分片大小默认是HDFS块大小(hadoop1.x=64mb,hadoop2.x是128mb).例如:        MapReduce作业读取HDFS上(hadoop2.x)两个文件,一个是200MB,一个是100MB,这时候就有3个InputSplit,每个InputSplit会起一个Mapper任务读取,通过    RecordReader转换为key,value提供Mapper函数使用 MapRe

基于AWS云服务的巨型数据集与大规模计算的应用架构

AWS对于大规模计算方案是很受欢迎的,如科学计算,模拟和研究项目.这些方案包括从科研设备,测量设备,或其他计算作业的大量数据集的采集.采集后,使用大规模计算作业的分析来生成最终数据集.通常,这些结果将提供给更多的受众. 1.  为了将大数据集上传到AWS,关键是拥有最多的可用带宽. 通过多客户端的并行处理,就可以把数据上传到S3, 每个客户端采用多线程技术实现并行上传或上传多部分以便进一步并行处理.像窗口调整和确认选择等TCP设置是可以调整的,以便进一步增强吞吐量. 通过适当的优化,一天上传几T