加入了学习《AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇》，观看 打造VSCode开发环境

加入了学习《AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇》，观看 卸载、删除虚拟环境

加入了学习《AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇》，观看 克隆、复制虚拟环境

加入了学习《AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇》，观看 配置conda的源

加入了学习《AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇》，观看 conda的源和配置文件介绍

加入了学习《AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇》，观看 给虚拟环境设置、删除环境变量

加入了学习《AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇》，观看 使用conda安装和卸载包

加入了学习《AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇》，观看 包的存放目录和给Anaconda瘦身

加入了学习《AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇》，观看 新建、进入和退出虚拟环境

加入了学习《AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇》，观看 基于Anaconda安装RKNN Toolkit

加入了学习《AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇》，观看 conda基本命令介绍

加入了学习《AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇》，观看 Anaconda、Miniconda和Conda的介绍

回复了主题帖： >>征集 | 晒电机控制痛点与难题，一起寻求最优解！

电机控制设计中，坑太多了，主要涉及硬件、算法、系统集成及新兴技术等多个层面。 一、硬件设计：从挑器件到画电路板，处处是坑 ​1、功率器件挑花眼 选MOSFET/IGBT就跟选手机似的——既要开关快（高频），又要省电（低损耗），还得耐得住高压大电流。现在流行碳化硅(SiC)和氮化镓(GaN)这些新材料，虽然效率高，但驱动电路设计起来能把人整懵，稍不注意就干扰满天飞。 ​2、电流测量像捉迷藏 电机一转起来，电流信号就被电磁干扰搞得“面目全非”，用霍尔传感器测吧，温度一漂移就测不准；用分流电阻吧，信号弱得跟蚊子叫似的，搞FOC控制时简直让人抓狂。 ​3、画电路板堪比排雷 功率电路和信号电路的地线要是没分开，干扰直接窜到控制信号里，轻则电机抖成筛子，重则上下桥直接短路放烟花。寄生电感这种隐藏BOSS更是防不胜防，门极信号动不动就震荡。 ​4、散热堪比铁板烧 大功率电机跑久了能煎鸡蛋，散热片小了扛不住，大了又占地方。极端环境更惨——高温容易烧器件，低温润滑油都冻住，还得防着永磁体退磁。 ​二、软件算法：调参调到怀疑人生 ​1、矢量控制(FOC)像走钢丝 得把电流拆成d轴和q轴分别控制，参数稍微漂移（比如电机发热导致电阻变大），性能立马跳水。新手调PID参数？那感觉就像给大象穿针。 ​2、无传感器控制玩心跳 低速时反电动势弱得几乎测不到，观测器算法得跟算命似的猜位置。滑模观测器听着酷，实际调起来噪声干扰分分钟教你做人。 ​3、高速弱磁控制像踩油门过弯 电机飙到高速得弱化磁场，但调过头就容易失控翻车，动态平衡拿捏不好就是个震荡停不下来。 ​4、实时性要拼手速 十万转的电机，控制周期得缩到微秒级，普通单片机算力根本扛不住。一边生成PWM波，一边做故障保护，多任务打架是常态。 ​三、系统整合：拼乐高容易，拼电机难 ​1、多物理场混合双打 电磁场、温度场、机械振动互相影响——电机发热导致轴承膨胀，振动又反过来影响磁场分布，跟连环套似的。 ​2、既要快又要稳的悖论 伺服系统要求响应快如闪电，但带宽一高就容易振荡；遇到非线性负载（比如齿轮间隙），传统PID直接歇菜，得上自适应控制这种高级玩法。 ​3、多电机协同像跳集体舞 机器人六个关节电机+电动汽车四个轮毂电机，通信延迟哪怕差几毫秒，动作就不同步。分布式控制？那得把时钟同步做到纳秒级。 ​四、特殊场景：地狱模式挑战 ​1、极端环境考验 工业炉旁边50℃高温，电机得扛住；东北零下30℃冷启动，润滑油都结冰；海上还得防盐雾腐蚀，航空航天更狠——既要轻量化又要抗辐射。 ​2、安全防护不能停 过流保护得比眨眼还快（硬件比较器直接介入），功能安全标准ISO 26262要求做冗余设计，连故障都得故意制造来测试。 ​3、成本性能二选一 工业客户总想用方波驱动凑合，但高端场合又得堆FOC+光电编码器，成本翻倍不说，无传感器方案性能还打折扣。 ​五、未来趋势：AI入场，卷出新高度 ​1、AI调参真香？ 用深度学习做参数辨识，听着高大上，但实时性和数据量要求能把嵌入式芯片逼疯。强化学习玩自适应控制？算法复杂度和硬件部署够喝一壶的。 ​2、模块化设计真趋势 像小米Cybergear那样把电机、电控、编码器塞进一个壳子，用灌封技术解决散热，这种“全家桶”方案既能降成本又能提可靠性。 ​3、新材料弯道超车 超级铜线能减损耗，非晶合金适合三万转超高速，铁镍合金提升扭矩特性，不过成本嘛...土豪请随意。

回复了主题帖： 自动浇花系统第三帖之硬件完善

潜水泵寿命不长吗？有具体的测试数据吗？

回复了主题帖： 调查：有兴趣自选硬件DIY LCR表吗？想且能做来冒泡吧~

非常感兴趣，自己设计制作更好，只是希望时间长度拉长点，时间短了来不及，毕竟还有其他工作要忙。

回复了主题帖： 机器人开发话题征集：写啥你来定！

四足机器狗开源能有吗？

回复了主题帖： 【博流BL606P音视频开发板】搭建环境与智能语音案例测试

我当初遇到的是无法烧录，后面联系了技术支持，用了一些其他工具，有兴趣可以试一试 https://bbs.eeworld.com.cn/thread-1231137-1-1.html

回复了主题帖： 找到了一个支持 micropython 仿真的 proteus

proteus还支持micropython?开眼界了

回复了主题帖： 【回顾2024，展望2025】新年抢楼活动来啦！

最想关注的技术 ：端侧AI，嵌入式AI，边缘AI

回复了主题帖： 《大语言模型开发：用开源模型开发本地系统》分享3：理解Transformer：构建LLM核心

ljg2np 发表于 2025-1-2 11:18 Pytorch的nn.transformer模块和HuggingFace的transformers库，貌似都可以考虑。 paddlepaddle也有transformer模块，都是开源的