智能步进电机驱控芯片TMC5160中文手册-带书签.pdf
中文版的芯片手册，官方刚翻译不久，本人添加了所有书签，包含我的笔记注释，绝对可以成倍提高开发效率！TMC5160 DATASHEET(Rev. 1.08/2018-NOV-19)目录10.1温度传感器3操作原则…看。香看音102短路保护..…731.1关键概念10.3开路诊断……751.2控制接口斜坡发生器…761.3软件1.4运动和控制电机11.1实际单位换算761.5静止态自动降电流.8112运动轮廓1.6 STEALTHCHOP2& SPREADCYCLE驱动……8113讴度阈值791.7 STALLGUARD2-机械负载传感114参考开关1.8 COOLSTEP-负载自适应电流控制…91.9 DCSTEP-负载相关速度控制…STALLGUARD2负载检测..821.10编码器接口∴…..10121调整 STALLGUARD2阈值SGT引脚分配12.2 STALLGUARD2更新速率和滤波器123检测电机堵转3521封装外形……11124用 STALLGUARD实现归零2.2信号描述12125 STALLGUARD2操作局限性85示例电路15COOLSTEP操作8631标准应用电路…15131对用户的好处…32外部栅极电压调节器.16132C00 OLSTEP设置.8633选择 MOSFET和斜率17133调节 COOLSTEP,883.4调整MOSF氏T桥臂19步进/方向接口sPI接口141时序4.1SP数据报结构.142改变分辩率4.2SP|信号23143 MICROPLYER和静止检测914.3时序24寄存器…D|AG输出…9251通用配置寄存器2715.1脉冲/方向模式925.2速度相关的驱动特性控制寄存器∴33152运动控制模式925.3斜坡发生器岢存器35DCSTEP 945.4编码嚣寄存器5.5电机驱动寄存器161用户好处42162设计 DCSTEP…STEALTHCHOP∴52163运动控制模式下的 DCSTEP9561参数自调整16.4 DCSTEP模式下的堵转检测9562 STEALTHCHOP选项16.5 DCSTEP操作中的测量电机实际速度.966.3 STEALTHCHOP电流调节器….16.6步进/方向模式下的 DCSTEP……976.4基于速度的定标……58紧急停止1006.5 STEALTHCHOP和 SPREADCYCLE两者组合.596.6 STEALTHCHOP的标志位增量编码器ABN接口∴1016.7空转和被动制动61181编码器时序102SPREADCYCLE和经典斩波方式63182没置编码器以匹配电机分辨率∴…..102183闭环10271 SPREADCYCLE斩波器647,2经典恒定关断时间斩波器67直流电机或螺线管104选择采样电阻19.1螺饯管操作104基于速度的模式挫制快速配置指南105诊断和保护73人门∴110www.trinamic.comTMC5160 DATASHEET(Rev. 1.08 /2018-NOV-19421.1初始化例程11027.2地的布线119独立操作模式273桥臂电压的布线119111274供电滤波119外部复位..113275布线示例120时钟振荡器和输入113封装机械数据.22241内部时钟…∴113281TQF48EP封装尺寸图…122242外部时钟113282 QFN-WA封装尺寸124283封装代码125最大电气参数设计理念,126电气特性114声明126261操作范围114262直流特性和时序…ESD敏感126115263热特性11732图表127布线考虑119修订历史128271芯片底部焊盘119参考…128www.trinamic.comTMC5160 DATASHEET(Rev. 1.08 /2018-NOV-19操作原则TMC5160运动控制和驱动芯片是C門U和大功率步进电机之间的智能功率接口器件。所有步进电机逻辑完全在TMC5160内,不需要软件来控制电机一一只需提供目标位置。TMC5160提供了许多独特的増强功能,这些功能通过集成的控制驱动器得以实现。TMC5160的六点斜坡发生器自动使用 stealthchoesTep, costEp, and stallguard2来优化每个电机的运动。TMC5160将TMC2100、TMC2130和TMC513系列扩展到更高的电压和更高的电机电流TMC5160提供三种基本操作模式:模式1:全功能运动控制和驱动器所有步进电机逻辑完全在TMC5160内。不需要软件来控制电机—一只需提供目标位置。SDMoDE接地使能此模式模式2:脉冲和方向驱动器像TMC4361这样的外部高性能S-rεmp运动制器或￠pU产生与系统內其他部件(如电杌)同步的脉冲和方向信号。TMC5160控制电流和运动模式,并反馈电机状态。 micro Plyer自动平滑运动。SDMⅥODE接高电平使能此模式。模式3:简单的步进和方向驱动器TMC5160裉据步进和方向信号控制电机。 micro Plyer自动平滑运动。不需要CPU:配置由硬件引脚完成。静止保持电流控制由TMC5160完成。可选的反馈信号作为错误检测和冋步标志的输岀。SP|MODE接地, SD MOD接高电平使能此模式TMC5160SOUTI StepBlABREMP generatethtronmotor driversA interfaceeado,dle千aprag"arnrsteppemctoDIAG/INT out4206 er tryDIAGO SWNngle wirak dlanosicsinfare16MH亿r→HtellGuard2Tudose:3V。-5vCC 10一oth GD: UART modeoct driver enable图11TMC5160基本应用框图(运动控制器)www.trinamic.comTMC5160 DATASHEET(Rev. 1.08 /2018-NOV-192OUTtage TMC5160redUcionInterfacespread OyclestealthahopSRBHsteppeDIAG/INTDIAG1ingle wira931. 121 MHtCKINstallGuard2Tv图12TMC5160步进/方向模式应用框图TMC5160carge pumAnigratioDMD2ConfiguratonCntrol resisterpmgrarmmahlAmotorspreadace (CNDCFGSllIndex pulseDriver erpBMMA23.3v5r5vCC villagec1→SRALStandalone modeapt driver enable图13TMC5160独立模式驱动器应用框图11关键概念TMC5160实现了 TRINAMIC产品独有的高级功能。这些特征在许多步进电机应用有效的提高了精度、能效、可靠性、平滑性和能耗。www.trinamic.comTMC5160 DATASHEET(Rev. 1.08 /2018-NOV-19stealth Chop2m无噪声、高精度斩波算法,用于电机的静止和运动状态下的静音控制。 stealth Chop2在stealthChoρ的基础上,加快了电机迳动加减速特性,降低的所需的电流最小值。spread cycleˉ高精度斩波算法,用于高动态电机运动和产生绝对干净的电流波。低嗓音、低共振和低振动圻波器。dcstep7负載相关速度控制。它机尽可能快地移动,不失步stal guard2w无传感器堵转检沏和机槭负載测量coo/Step根据负载自适应电流,可将能耗降低75%micro Plyer细分内抬器,用于从全步开始,以较低分辨率步长输入获得仝256微步的平滑度除了这些性能増强辶外, TRINAMIC电机驱动器还提供了裣测和防上短路输岀、输岀开路、过热和欠压情况的保障措施,以增强安全性和故障恢复。12控制接口TMC5160支持SP接口和带有CRC校验的UART单线接口。此外还支持为无需寄存器配置的独立STEPDR模式。配置引脚SP_MoDE和SD_MODE到相应的高电平或者圯选泽接口。121sP接口sP丨接口是与总线时钟同步的串行位接口。当SP丨主设备发送数据到从设备时,从设备同时会向主设备返回数据。SP主机和TMC5160之间的通信包括一条40位发送命令字和一条40位接收状态字。每个完整乜机运动过程通常是由多条命令杓成,122UART接口单线接口支持类似RS485(SWP和SWN)或单线接口(SWN开路)的差分操作。它可以由任何标准UART驱动。不需要波特率配置13软件从软件的角度来看,TMC5160是一个具有多个控制和状态寄存器的外围设备。其中大部分是只读或者只写的。一些寄存器允许读写访闩。如果只写寄存器需要读-修改-写访问,可以在主软件中通过阴影寄存器实现www.trinamic.comTMC5160 DATASHEET(Rev. 1.08 /2018-NOV-19814运动和控制电机141集成运动控制器集成的32位运动控制器貞接驱动电机到目标位置,或者加速到目标速度。所冇的运动参敖都可以动态改变。运动控制器立即重新计算。最小运动配置数据包含加速和减逸值以及最大运动逸度。支持设置启动和停止速度以及第二加速和减速度。集成运动控制器可对机械参考开关和无传感器 stallguard2及时响应。优势灵活编程斜坟参数有效地利用电动机转矩来加速和减速允许更高的机器性能即时反应停止和堵转条件142STEP/DR接口电机可选择通过步进和方向输入来控制。在这种情况下,运动控制器不使用。步进输入引脚上的有效边沿可以是上升沿,也可以是上升沿和下降活双边缘,归模弌笠(deσεe)控制。使用两个边缘捋步进信号的触发速率降低一半,对慢速通信接口(如光耦隔离接口)非常有用。在每个活动边上,DR输亼电平值决定是向前还是向后运行。每个脉冲可以是全步或微步,其中每个全步有2、4、8、16、32、64、18或256个微步。DR引脚上电平为低的步进(STE卩)脉冲增加了微步汁数器数值,而电平高的减少了微步计效器的数值。内部表袼将指针值转换成正弦和余弦值,控制电机微步咆流15静止态自动降电流自动电流减少大大降低了应用功耗和冷却需求。通过寄存器设置修改静态电流、延迟时间和衰减。自动飞轮和被动制动是静止的一种选择。被动制动将电机静止功耗降低到零,同时仍然禔供有效的阻尼和制动!斜坡发生器和STEP/DR两个操作模式都支痔一种更快检测靜止的配置。Standstill flag(st st)ORRENTIRUNstandstill delay 7POWERDOWN/HCLDDELAY220/218 docks power down pow er downRMS motor current trace(astsfandstill) delay tinm图1.1电机自动降电流16 stealth Chop2& spreadcycle驱动为灬 stealthcho基于电压斩波器的原理。除了电机机械滚轮軸承产生的噪音,它特别保证了电机在静上慢动作时绝对安静。不同于其他电压模弌斩波器, stealth Chop2不需要任何配置。通电后,它会在第次运动中自动学习最佳设置,并进一步优仳后续运动中的设置。初始的归麥过程足以使系统完成stealth Chop最佳配置。也可以选择,通过接口预先配置初始学习参数。 stealth Chop,通过对电机度的变化立即做出反应,允许高的电机动态。www.trinamic.comTMC5160 DATASHEET(Rev. 1.08 /2018-NOV-19对于高动态的应用, spread Cycle是除 stealth Chop2之外的选项。它可以通过输入引脚(独立模式)或SP或UART接口配置。 stealth Chop2和 spread Cycle甚至可以结合使用,以达到两者的最佳效果: stealth Chop2用于无噪音的静止状态,无声平滑的性能, spread cycle用于高动态,低振动和最高的峰值逸度。spreadeαycle是周期斩波模弌。它在很宽的速厦和负载范围内提供平稳的操作和良好的共振阻尼。spreadcycle方案自动集成和调节快衰减周期,以保证平滑过零性能。stealth Chop2优势显著改善了低成本电机微步性能电机运行平稳安静绝对没有待机噪音降低机械共振产生改善的扭矩17 stallard2-机械负載传感stallguard2提供了对电机负载的精确测量。它可以用于堵转检测,也可以用于低于使电机失步的负载下的其他用途,例如 coolSte负载自适应调节电流。这提供了更多关于驱动器的信息,允许诸如无传感器归零和驱动器机械诊断之类的功能18 coolStep-负載自适应电流控制costep以最佳电流驱动电机。它根据stal! guard2负载测量信息将电机电流调整到实际负载所需的最小量。节约了能源,降低了芯片的温度。好处是:能效能效功耗降低高达75%电机产生较少热量提高了机械精度较少或没有散热提高了可靠性使用较小的电机减少所需的转矩→成本较低的电机完成这项工作图15显示了42mm步进电机当使用 costep时,与50%转矩的标准操作相比的效率。在本例中cool step在60转/分以上时启用EffieEficiency with 50% torque reserve彐 fluency050100150200图15 costEp下的能效(示例)19 esTep-负载相关速度控制esTep能让电机在其负载极限和逸度极限附近运行,而不失步。如果皃机上的机械负载増加到堵转负载点,电机会自动降低速度,这样它仍然可以驱动负载。有了这饣功能,马达将不会堵转。除了在较低速庋下增加扭矩之外,动态惯性淂允许电杋通过减速克服机械过载。 esTep直接与斜坡发生器集成,www.trinamic.comTMC5160 DATASHEET(Rev. 1.08 /2018-NOV-1910因此即使电杌速度因机械负载増加而需要降低,也能达到目标位置。dcStεp可以在没有任何失步的情况下达到10倍或更大的动态范围。通过优化高负载情况下的运动速度,该功能进-步提高了整体系统效率esTep优电机在过载情况下不会失步应用程序可以运行的更快自动实现最高的加速度在速度极限下实现最高的能效全步驱动达到最高电机扭短便宜的马达便能满足应用110编码器接口TMC5160为部增量编码器提供编码器接口。编码器不仅用于失步的判断,还可实现运动控制器的归零功能(替代参考开关)。可编栏预分频器设置编码器分辨率以适应电机分辨率。内部包含一32位编码器计数器。www.trinamic.com
- 2020-12-04下载
- 积分：1
晶圆缺陷检测与分类的卷积神经网络
晶圆缺陷检测与分类的卷积神经网络；针对晶圆检验时扫描电镜图像的缺陷检测和缺陷分类两问题，采用了“ ZFNet”的卷积神经网络来分类晶圆缺陷，并基于该分类器实现了一种“基于块的卷积神经网络”缺陷检测算法。为了提高准确率和加快速度，又改动“更快的区域卷积神经网络”实现了另一种检测算法。第卷第期邡鑫,史峥:晶圆缺陌检测与分类的卷积神经网络ZENet classifierDarker ImIn.ril” HumpBitel检测算法示意图在训练检测器时,数据集是检测器原始尺寸的图像,且包含标记好的缺陷区域和类型。我们结构通过·系列数据扩张操作,得到组数据,随机选取相比于检测算法主作为训练集,作为测试集。要从以下三方面进行了针对性的改进算法中需要优化的参数有滑动窗口尺寸滑()针对重复计算卷积的缺点,采用先动步幅、概率阙值、面积阙值,由于无法求出统一计算特征图,再按)进行映射各参数与检测结果的明确关系式,所以采用遍历法优化参截取的办法。如图,先通过卷积网络(数。因为检测到的缺陷尽量正确和尽量检测到所有缺陷是)对输入图像计算得到其特征图,因为在输入图像矛盾的,故以精确率和召回率的调和平均值作为优上的都能映射到特征图上,所以从输入图像上按化目标,也可根据实际需要调整两者权重满足不同侧重。割取图像进行卷积运算可以替代为直接从特征图上按测试结果映射后的范围割取,从而避免多次重复计算卷积。由于用训练好的检测模型对测试集检的大小形状不·,而全连接层的神经元连接数是固定的,测,计算模式下每张图大概耗时如果检测到的缺所以对割取得到的子特征图,通过层次采样到统陷与标准答案的且类型相同,则判为正确,否尺寸以连接到全连接层。则判为错误。得到结果如表,计算得:laut Image精确率Feature Map召回率ROI其屮正确缺陷的平均表检测器测试结果数量正确错误network有缺陷(正类)图映射示意图从检测结果来看该算法基本实现∫对图像上晶圆()针对滑动窗口尺寸单·的缺点,增缺陷的检测和分类,但是值较低,缺陷检测位置不加了滑动窗口的尺寸类型,并且增加由一个全卷积网络准确,检测耗时较长,分析其原囚如下)组成的()检测出错的数据中,缺陷较大的类型易判断错,)来预判断是否有缺陷。本文采用面积缺陷较小的容易被漏掉,说明只使用一种尺寸的滑动框很分别为,长宽比分别为、共难适应尺寸变化范围较大的缺陷种尺寸的滑动窗口,依次计算其中有缺陷的概率,再从中)滑动框步幅减小则算法耗时平方倍增加,而步幅筛选出一定数量最有可能有缺陷的区域,进行非极大值抑过长造成缺陷概率分布图分辨率较差,从而检测到缺陷位制(),最后得到一定数置准确度较差量的候选区域。()相邻滑动框都有大量重叠,所以每个区域都被多()针对缺陷检测位置准确度差的缺点,次重复送入计算卷积,导致算法耗吋较长。在全连接层后连接一个边界回归层在与上述检测算法相似的图像目标检测领域,近来出用来修正缺陷位置,该回归层与分类层并列。现的很好的克服了以上缺点并取得了很好的针对本文的缺陷检测问题,直接套用标准效果,所以下面介绍如何通过改动实现品圆并不能解决问题。因为判断晶圆的缺陷类型通常需缺陷的检测与分类。要结合缺陷区域周围的图形信息,而在预判断是否有C1994-2017ChinaAcademicJournalElcctronicPublishinghOusc.Allrightsrescrved.http://www.cnki.nct计算机工程年月日缺陷吋还进行了边界回归。虽然更加准确的给出缺陷的位()将原尺寸为的图像调整为置,但送入检测网络的特征儿乎不包含缺陷周围图肜信息,使得滑动窗口尺寸能够适应缺陷大小的变化范围,也可以导致缺陷分类不准。故木文对标准徹了一些根据实际情况来具体调整。改动:得到缺陷检测算法如图,卷积网络(()将改为只判断滑动窗口内是否有缺陷,而,)将输入图僚转换成多种特征图;根据不进行边界回归,也就是只计算所有滑动窗口有缺陷的概特征图从滑动窗口中选出最有可能存在缺陷的率,选取可能性最大的个,做非极大值抑制,再选出层根据特征图中抽取出对应特征组成特可能性最大的个进行检测。征向量;检测网络()根据特征向()将卷积层的尺寸加大为,加大感受野量判断缺陷类型,并进行边界回归;最后通过和概率),从而在判断滑动框內是否有缺陷吋能参阈值对候选缺陷进行过滤即可得到最终缺陷。考更多的周围信息。Detection NetworkonFolutionnl actorSoftmaxRuI Puling liver,e Prop卟 edMS+PrubilitessionInput Image 1024*1024Fully 10 dyercrectCcrvchrionalLaver size 747图检测算法示意图模型训练和平均值作为优化目标,并且使用相同的训练集和图中的检测算法也是基于架构实现,因为卷测试集积网络提取的特征类型对相似普遍有效,故其卷积网络的测试结果参数是直接迁移第章分类器的卷积层参数。但是用训练好的检测模型对测试集检测,和的参数则需要通过方法进行训练,标准计算模式下每张图大概耗时,采用相同判定标准,提供了分开和联合两种训练方式。为了节约得到检测结果如表(其中负类总数与表中总数不同是因时间,本文采用联合训练方式,并结合缺陷检测问题的实为同一张图屮可能检测到多个缺陷),计算得际情况调整超参数精确率在训练时,对每张输入图像,要计算的滑动窗口召回率数量庞大(种尺寸的滑动窗口,滑动步幅)。所以从中随机抽取个作为训练集,其中正例其中正确缺陷的平均负例,且正例占比不超过。分类器采用表检测器测试结果损失函数数量正确错误在训练时,设置提供个,从中随有缺陷(正类)机选取个作为训练集,其屮正例无缺陷(负类)负例,且正例占比不超过。另外设置学从结果来看该算法各方面都优于检测算习率分类器采用损失函数,而边界回法和值更高说明检测检测缺陷类型正确归采用函数。且位置准确,而且速度也大大提高(检测一张图像耗时从为了与检测算法对比,在最后通过遍历法缩小到)。如图为检测缺陷示例,共中标注了缺陷优化和概率阈值时,同样以精确率和召回率的调位置、类型和对应概率C1994-2017ChinaAcademicJournalElcctronicPublishinghOusc.Allrightsrescrved.http://www.cnki.nct邡鑫,史峥:晶圆缺陷检测与分类的卷积神经网络I I图检测结果示例图结束语而对图像上的缺陷检测和缺陷分类这两个问题,本文提出的改动后的检测算法能够精准、快速地从图像中检测出缺陷并同吋进行分类。得益于卷积神经网络良好的特征学习能力,该检测算法能够根据标记好缺陷位置和类型的数据自动学习特征,从而尽量避免人工千预,使算法具有较强的适应能力。参考文献徐姗姗刘应安徐昇基于卷积神经网络的木材缺陷识别山东大学学报工学版刘云杨建滨王传旭基于卷积神经网络的苹果缺陷检测算法电子测量技术江帆刘辉王彬等基于模型的图像识别计算机工程C1994-2017ChinaAcademicJournalElcctronicPublishinghOusc.Allrightsrescrved.http://www.cnki.nct
- 2021-05-06下载
- 积分：1
