Nuovo YASKAWA SERVOMOTORE industriale 0,318 m. 3000/min SGM-02A3G26 del servomotore
SPECIFITIONS
Corrente: 0.89A
Volatge: 200V
Potere: 100W
Coppia di torsione stimata: 0,318 m.
Velocità massima: 3000rpm
Codificatore: codificatore assoluto 17bit
¡ M2¢ 10−4 di inerzia JL chilogrammo del carico: 0,026
Asse: diritto senza chiave
ALTRI PRODOTTI SUPERIORI
Motore di Yasakawa, motore HC-, ha dello SG Mitsubishi del driver
Moduli 1C-, 5X- Emerson VE, kJ di Westinghouse
Honeywell TC, motore A0- di TK Fanuc
Trasmettitore 3051 di Rosemount - trasmettitore EJA- di Yokogawa
Persona di contatto: Anna
Email: wisdomlongkeji@163.com
Cellulare: +0086-13534205279
Simili prodotti
SGM-01A312 |
SGM-01A312C |
SGM-01A314 |
SGM-01A314B |
SGM-01A314C |
SGM-01A314P |
SGM-01A3FJ91 |
SGM-01A3G26 |
SGM-01A3G36 |
SGM-01A3G46 SGM-A5A314-Y1 |
SGM-01A3MA12 |
SGM-01A3NT14 |
SGM-01A3NT23 |
SGM-01A3SO11 |
SGM-01A3SU11 |
SGM-01A3SU31 |
SGM-01A3T012 |
SGM-01A3TE21 |
SGM-01ASO11 |
SGM-01B312 |
SGM-01B3FJ11 |
SGM-01B3FJ12 |
SGM-01L314 |
SGM-01L314P |
SGM-01U312 |
SGM-01U3AP01 |
SGM-01U3B4L |
SGM-01V314 |
SGM-02A312 |
SGM-02A312B |
SGM-02A312C |
SGM-02A312-Y1 |
SGM-02A314 |
SGM-02A314B |
SGM-02A314C |
SGM-02A3B4SPL |
SGM-02A3F J73 |
SGM-02A3G16 |
SGM-02A3G16B |
SGM-02A3G24 |
SGM-02A3G26 |
SGM-02A3G46 |
SGM-02A3G46 |
SGM-02A3MA31 |
SGM-02A3NT11 |
SGM-02A3NT12 |
SGM-02A3SB12 |
SGM-02A3SN11 |
SGM-02A3SU12 |
SGM-02A3TQ11 |
Altre tecniche comprendono l'analisi di vibrazione, la misura del rumore acustica, l'analisi di profilo di coppia di torsione, l'analisi della temperatura e l'analisi del campo magnetico [28, 30]. Queste tecniche richiedono i sensori specializzati e costosi, le installazioni elettriche e meccaniche supplementari e la frequente manutenzione. Inoltre, l'uso di un sensore fisico nei risultati del motore dell'errore di un sistema di identificazione nell'affidabilità del sistema più bassa confrontata
ad altri sistemi di identificazione dell'errore che non richiedono la strumentazione extra. Ciò è dovuto la suscettibilità del sensore venire a mancare ha aggiunto alla suscettibilità inerente del motore asincrono per venire a mancare.
Recentemente, le nuove tecniche basate sugli approcci di intelligenza artificiale (AI) sono state introdotte, facendo uso dei concetti quali logica incoerente [32], gli algoritmi genetici [28] ed i classificatori bayesani [18, 34]. Le tecniche AI basate possono non solo classificare gli errori, ma anche identificare la severità dell'errore. Questi metodi costruiscono le firme offline per ogni condizione di gestione del motore e una firma online per lo stato di un motore che è controllato.
il classificatore paragona le firme precedentemente istruite alla firma generata online per classificare la condizione di gestione del motore ed identificare la severità dell'errore.
Tuttavia, la maggior parte di queste tecniche AI basate richiedono i grandi gruppi di dati. Questo il gruppo di dati è usato per imparare una firma per ogni condizione di gestione del motore che sta consideranda per la classificazione. Quindi, un gran numero di dati sono necessari preparare tali algoritmi per trattare le condizioni di gestione del motore più comune ed ottengono la buona accuratezza di classificazione dell'errore del motore. Inoltre, le tecniche AI basate per la classificazione dell'errore del motore non possono essere sufficiente robuste classificare gli errori dai motori diversi da quelli utilizzati nel processo di formazione. Ulteriormente, questi gruppi di dati non sono solitamente disponibili, non comprendono il criterio distruttivo ed il considerevole tempo generare.