自适应磁场定向控制
发布者: Qdesys, MakarenaLabs
这款高性能电气驱动应用可为实现任务关键型马达控制应用的硬实时性能带来最佳集成度和密度。通过卸载 CPU 任务来进行独立的空间矢量调制、模拟采集以及其它相关马达 I/O 任务，在 HDL 中执行丰富的磁场定向控制 (FOC) 和滑模 SFOC 算法，可为学习和设计提供一个极其通用的平台。
特性:
- 该驱动器具有强大的网络及硬件在环功能，可在 HDL 中执行丰富的 FOC 和滑模 SFOC 算法
- RPFM 低 EMI 功率调制技术，使驱动器更容易符合 IEC 61800 和 CISPR 11 电磁兼容性标准
- 平台支持 MATLAB®、NI-LabStudio、Scilab、.NET 和 C++ 远程硬件在环环境
- HDL 实现允许对任何功能和可升级系统功能进行无线更新
所需硬件：
其他工具和资源
常见问题解答
不，该应用不需要任何 FPGA 设计经验。
MakarenaLabs 可通过标准解决方案支持所有基于 AMD FPGA 的平台。此外，现在还针对其它平台提供了解决方案。如欲了解有关平台支持的更多详情，请点击上面的“联系厂商”按钮，联系 MakarenaLabs。
MakarenaLabs 解决方案与马达无关，它们与市场上大多数无刷 DC 马达集成。如果您正在开发新的马达控制应用或需要获得现有马达帮助，请点击上面的“联系厂商”按钮，联系 MakarenaLabs。
虽然 K24 SOM 和应用基础架构都可支持多个马达，但 KD240 载波仅限于单个马达控制驱动级。如欲获得载波定制帮助，请点击上面的“联系厂商”按钮，联系 MakarenaLabs。
机控制所需的尺寸和资源将随应用及马达控制需求的变化而变化。MakarenaLabs 可优化 IP，以适应您所需要的解决方案和实现方案。
主要资料
通过自适应计算助力电力驱动控制和效率
AMD Kria™ 自适应模块系统 (SOM) 器件在电力驱动控制中发挥着重要作用。这些器件可用于优化性能、更高效地驱动电机、降低功耗、降低噪音、抑制振动，甚至提前检测潜在故障。下载全新的电机控制电子书以了解更多信息！
使用自适应计算加速您的 AI 边缘解决方案
了解有关自适应 SOM 的所有信息，以实例解释了自适应 SOM 为什么适合下一代边缘应用，以及如何在下一代边缘应用中部署自适应 SOM。本书还强调了智能视觉提供商如何从只有自适应 SOM 才能实现的性能、灵活性及快速开发等优势中获益。
机器人自适应计算
对机器人的需求正在迅速增长。构建一款既安全又能与人一起工作的机器人已经够难了。还要让这些技术协同工作，则更具挑战性。更复杂的是，机器学习和人工智能的加入，增加了满足计算需求的难度。
机器人专家正在转而采用自适应计算平台，其可在一个适应未来、可扩展的自适应集成型平台上实现内建的安全功能，从而可提供低时延、确定性的多轴控制。参阅 eBook，了解更多信息。