1-1前言一般人所能夠感受到聲音的頻率約介於5H2-20KHz，超音波（Ultrasonic wave）即爲(wèi)頻率超過(guò)20KHz以上的音波或機(jī)械振動(dòng)，因此超音波馬達(dá)就是利用超音波的彈性振動(dòng)頻率所構(gòu)成的制動(dòng)力。超音波馬達(dá)的內(nèi)部主要是以壓電陶瓷材料作爲(wèi)激發(fā)源，其成份是由鉛（Pb）、結(jié)（Zr）及鈦（Ti）的氧化物皓鈦酸鉛（Lead zirconate titanate，PZT）製成的。將歷電材料上下方各黏接彈性體，如銅或不銹鋼，並施以交流電壓於壓電陶瓷材料作爲(wèi)驅(qū)動(dòng)源，以激振彈性體，稱此結(jié)構(gòu)爲(wèi)定子（Stator），將其用彈簧與轉(zhuǎn)子Rotor）接觸，將所産生摩擦力來(lái)驅(qū)使轉(zhuǎn)子轉(zhuǎn)動(dòng)，由於壓電材料的驅(qū)動(dòng)能量很大，並足以抗衡轉(zhuǎn)子與定子間的正向力，雖然伸縮振幅大小僅有數(shù)徵米（um）的程度，但因每秒之伸縮達(dá)數(shù)十萬(wàn)次，所以相較於同型的電磁式馬達(dá)的驅(qū)動(dòng)能量要大的許多。超音波馬達(dá)的優(yōu)點(diǎn)爲(wèi)：1，轉(zhuǎn)子慣性小、響應(yīng)時(shí)間短、速度範(fàn)圍大。2，低轉(zhuǎn)速可產(chǎn)生高轉(zhuǎn)矩及高轉(zhuǎn)換效率。3，不受磁場(chǎng)作用的影響。4，構(gòu)造簡(jiǎn)單，體積大小可控制。5，不須經(jīng)過(guò)齒輸作減速機(jī)構(gòu)，故較爲(wèi)安靜。實(shí)際應(yīng)用上，超音波馬達(dá)具有不同於傳統(tǒng)電磁式馬達(dá)的特性，因此在不適合應(yīng)用傳統(tǒng)馬達(dá)的場(chǎng)合，例如：間歇性運(yùn)動(dòng)的裝置、空間或形狀受到限制的場(chǎng)所；另外包括一些高磁場(chǎng)的場(chǎng)合，如核磁共振裝置、斷層掃描儀器等。所以未來(lái)在自動(dòng)化設(shè)備、視聽(tīng)音響、照相機(jī)及光學(xué)儀器等皆可應(yīng)用超音波馬達(dá)來(lái)取代。
標(biāo)簽： 超聲波電機(jī)
上傳時(shí)間： 2022-06-17
上傳用戶：
對(duì)于平穩(wěn)序列,運(yùn)用ar模型計(jì)算其參數(shù)，并進(jìn)行適應(yīng)性檢驗(yàn)。
標(biāo)簽： 序列 參數(shù) 模型 計(jì)算
上傳時(shí)間： 2015-03-14
上傳用戶：TRIFCT
基于局域法多步預(yù)報(bào)模型的混沌時(shí)間序列預(yù)報(bào)模型，對(duì)多個(gè)典型混沌序列的仿真測(cè)試表明，本算法具有良好的多步預(yù)測(cè)精度和較好的抗噪聲能力
上傳時(shí)間： 2015-05-07
上傳用戶：洛木卓
馬爾科夫模型對(duì)io空間序列預(yù)測(cè)的例子，用到了兩種預(yù)測(cè)方法
上傳時(shí)間： 2014-01-07
上傳用戶：王小奇
利用AR模型進(jìn)行時(shí)間序列預(yù)測(cè)的程序源代碼，使用最小二乘估計(jì)法進(jìn)行參數(shù)估計(jì)。擬合效果非常好。
標(biāo)簽： AR模型 時(shí)間序列 程序 源代碼
上傳時(shí)間： 2014-07-14
上傳用戶：zxc23456789
m序列在dspbuilder下產(chǎn)生VHDL源碼及其測(cè)試激勵(lì)文件的matlab模型,在modelsim下仿真通過(guò)
標(biāo)簽： dspbuilder modelsim matlab VHDL
上傳時(shí)間： 2015-06-27
上傳用戶：zhuoying119
用對(duì)數(shù)似然估計(jì)法求解時(shí)間序列分析中的ARIMA模型的matlab源代碼
標(biāo)簽： matlab ARIMA 對(duì)數(shù) 分
上傳時(shí)間： 2013-12-23
上傳用戶：cjl42111
混沌時(shí)間序列局域法多步預(yù)報(bào)模型.doc(有程序下載) 針對(duì)混沌時(shí)間序列預(yù)測(cè)中用加權(quán)一階局域法單步預(yù)報(bào)模型進(jìn)行多步預(yù)報(bào)時(shí)計(jì)算量大且存在誤差累積效應(yīng)的不足，本文提出了基于相空間重構(gòu)技術(shù)的局域法多步預(yù)報(bào)模型，包括加權(quán)一階局域法多步預(yù)報(bào)模型和RBF神經(jīng)網(wǎng)絡(luò)多步預(yù)報(bào)模型。對(duì)幾種典型混沌序列的預(yù)測(cè)仿真表明，兩種模型對(duì)混沌時(shí)間序列的多步預(yù)報(bào)均較有效。
上傳時(shí)間： 2014-11-10
上傳用戶：gtf1207
非常好的粒子濾波程序:擴(kuò)展卡爾曼模型下的序列追蹤
上傳時(shí)間： 2015-08-09
上傳用戶：xlcky
隨著新的數(shù)學(xué)工具小波分析的實(shí)用化為基于NN負(fù)荷預(yù)測(cè)模型性能的改善提供了理論依據(jù)對(duì)于電力系統(tǒng)負(fù)荷非線性時(shí)間序列的辨識(shí)在預(yù)測(cè)方法研究中應(yīng)給予重視在本文所用的基于小波原理和NN融合的預(yù)測(cè)原理是具有強(qiáng)的非線性時(shí)間序列的辯能力由研究和仿真表明它能有效提高預(yù)測(cè)的精度
標(biāo)簽： 非線性 小波分析 負(fù)荷預(yù)測(cè) 模型
上傳時(shí)間： 2015-09-19
上傳用戶：asdfasdfd
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
