旋变检测AD2s1205手册学习笔记

2024-01-10 04:04

本文主要是介绍旋变检测AD2s1205手册学习笔记,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

旋变故障检测故障表

信号丢失检测

检测原理:任一旋变输入(正弦或余弦)降至指定的LOS正弦/余弦阈值
以下时,器件会检测到信号丢失(LOS)。AD2S1205通过将
监视信号与固定最小值进行比较检测此点

丢失的效果表现:LOS由DOS和LOT引脚均闩锁为逻辑低电平输
出来表示

恢复条件:DOS引脚和LOT引脚通过SAMPLE上升沿复位
至无故障状态

信号降级检测

检测原理:当旋变输入(正弦或余弦)超过指定的DOS正弦/余弦阈值
时,器件会检测到信号降级(DOS)。AD2S1205通过将监视
信号与固定最大值进行比较来检测此点

此外,当正弦输
入信号和余弦输入信号不匹配的程度超过指定的DOS正弦/
余弦失配范围时,也能检测到DOS

丢失的效果表现:DOS用DOS引脚的低电平表
示;当输入信号的电压超过最大输入电平时,不会锁存
DOS信号

恢复条件:由于失配信号而出现DOS时,输出被锁存在低
电平状态,直至SAMPLE的上升沿复位已存储的最小值和
最大值

位置跟踪丢失检测

检测原理

下列情况下可检测到跟踪丢失(LOT):
AD2S1205的内部误差信号超过5°。
输入信号超过最大跟踪速率。
内部位置(位置积分器内)和外部位置(位置寄存器内)的
差异大于5°。

丢失的效果表现

LOT由LOT引脚为逻辑低电平(不闩锁)来表示

恢复条件

LOT存在4°
的迟滞,直到内部误差信号或内部/外部位置失配小于1°时
才会被清除。超过最大跟踪速率后,只有在速度小于最大
跟踪速率且内部/外部位置失配小于1°时,才会清除LOT。

片上可编程正弦波振荡器

片上振荡器向旋变器提供正弦波激励信号(EXC)及其互补
信号(EXC)。该基准信号的频率可通过FS1和FS2引脚设置
为四个标准频率(10 kHz、12 kHz、15 kHz或20 kHz)(见表
5)。FS1和FS2具备内部上拉电阻,因此默认频率为10
kHz。

 并行接口

将SOE引脚置于高电平,可选中此并行接

片选CS输入 


CS保持低电平时,器件使能

RDVEL输入


RDVEL输入用于选择角位置寄存器或者角速度寄存器,如
图7所示。当RDVEL为高电平时,选择角位置寄存器;而
当它为低电平时,选择角速度寄存器。

串行接口

位置积分器和速度积分器的数据首先通过SAMPLE引脚分别传输
到位置寄存器和速度寄存器内。RDVEL引脚选择是否将位
置寄存器或速度寄存器内的数据传输至输出寄存器

将SOE引脚维持在低电平状态,工作在串行模式

CS引脚必须保持低电平才能将所选寄存器内的数据传输至输出
寄存器。最后,利用RD输入读取从输出寄存器逐个输出并
出现在串行输出引脚(SO)上的数据。选中这个串行接口
后,DB11可被用作串行输出引脚(SO);DB10可被用作串
行时钟输入引脚(SCLK)

这篇关于旋变检测AD2s1205手册学习笔记的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/589474

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识