【花雕动手做】拆解CASIC MOTOR机器人底盘14.8V无刷减速电机

【花雕动手做】拆解CASIC MOTOR机器人底盘14.8V无刷减速电机


为了做个机器人底盘,配合铝合金麦克纳姆轮使用,收了一款14.8V的无刷减速电机。这里试试简单的拆解,了解相关情况。

在这里插入图片描述


在这里插入图片描述


一、电机型号与基本信息
型号:CASIC MOTOR ZWS37U-CS-001
品牌:CASIC MOTOR(深圳航天电机系统有限公司)
类型:带行星减速箱的无刷直流电机(BLDC),内置编码器(多色线为编码器信号线)

二、核心参数(铭牌标注)

在这里插入图片描述

三、主要特色
无刷设计:无电刷磨损,寿命长、噪音低、效率高,适合长时间连续运行。
集成减速箱:行星减速结构,大幅提升输出扭矩,同时保持电机本体的高转速特性。
内置编码器:多色线(黄 / 红 / 黑 / 蓝 / 绿 / 白)为霍尔或增量编码器信号线,支持精准速度与位置控制。
高扭矩密度:在 37mm 直径的紧凑体积下,提供 7kgf・cm 的大扭矩,适合空间受限的场景。
工业级可靠性:CASIC(航天)背景,常用于航空座椅、精密传动等对可靠性要求高的领域。

四、适用场景
精密传动:工业自动化设备、医疗仪器、实验室精密平台
航空 / 轨道交通:飞机 VIP 座椅调节、高铁座椅驱动(同系列 ZWS38T-CS-001 即为此类应用)
机器人与创客:小型机械臂关节、AGV 小车驱动、DIY 机器人底盘
电动工具:手持电动螺丝刀、小型电动执行器

在这里插入图片描述

我最近为了做一个机器人底盘,搭配铝合金麦克纳姆轮,收了这款 CASIC MOTOR ZWS37U-CS-001 无刷减速电机(14.8V),下面分享一下拆解过程和内部结构,方便大家做项目时参考。
一、拆解前的准备
工具:十字螺丝刀、内六角扳手、塑料撬棒、小零件盒、记号笔(标记部件位置)
安全提示:确保电机完全断电,避免编码器信号线短路;拆解时轻拿轻放,尤其是减速齿轮和编码器磁环。
二、分步拆解(从外到内)

  1. 分离电机与减速箱
    这款电机是无刷电机 + 行星减速箱的一体化设计,先找到电机本体与减速箱之间的固定螺丝(通常是 2-4 颗内六角螺丝),用对应规格的扳手拧下。
    拧下螺丝后,轻轻晃动分离,能感觉到内部齿轮的啮合阻力,这是正常的行星减速结构。
    分离后,你会看到:前端是减速箱输出轴,后端是无刷电机本体,中间是编码器组件。
  2. 拆解行星减速箱
    减速箱是提升扭矩的关键,拆解步骤如下:
    用塑料撬棒轻轻撬开减速箱端盖,注意端盖内侧有密封圈,避免暴力拆解导致密封失效。
    取出端盖后,就能看到行星齿轮组:通常是 1-2 级行星减速,包含太阳轮、行星轮、齿圈。
    依次取出行星轮和齿圈,用记号笔标记每个齿轮的位置,方便后续复原。
    这款电机的减速比可以通过齿轮齿数计算,铭牌标注的 160rpm 就是减速后的输出转速。
  3. 拆解无刷电机本体
    减速箱分离后,电机本体暴露出来,核心结构是:
    定子:固定在外壳上的三相线圈,漆包线绕制在硅钢片铁芯上,负责产生旋转磁场。
    转子:内置永磁体(钕铁硼),与定子线圈对应,通电后在磁场作用下旋转。
    编码器:在电机尾部,有一个磁环和霍尔传感器(或光电编码器),多色信号线就是从这里引出,用于检测转子位置和转速。
  4. 拆解编码器组件
    编码器是精准控制的核心,拆解时要格外小心:
    拧下编码器盖板的小螺丝,取下盖板。
    轻轻取出磁环,注意磁环是吸附在电机轴上的,避免掉落磕碰。
    霍尔传感器或光电模块固定在 PCB 板上,不要用力拉扯信号线。
    三、拆解后的关键发现(适配麦克纳姆轮底盘)
  5. 扭矩与转速匹配
    铭牌标注:160rpm、7kgf・cm(约 0.686N・m),这个扭矩对于驱动铝合金麦克纳姆轮来说是足够的,尤其是在小型机器人底盘(负载 5-10kg)场景下。
    无刷电机的高转速(减速前)配合行星减速箱,既保证了扭矩,又能实现平稳的转向和移动。
  6. 编码器的重要性
    多色信号线(黄 / 红 / 黑 / 蓝 / 绿 / 白)是编码器的输出,用于电机控制器(如 ODrive、SimpleFOC)实现闭环控制。
    在麦克纳姆轮底盘中,精准的速度和位置控制是实现全向移动的关键,编码器能让每个轮子的转速误差控制在极小范围内,避免底盘漂移。
  7. 安装与改装注意事项
    输出轴的直径和键槽需要与麦克纳姆轮的轮毂匹配,必要时可以加工轴套或联轴器。
    电机的安装孔位要与底盘的铝合金支架对齐,确保受力均匀,避免减速箱承受额外的侧向力。
    四、复原与调试建议
    按拆解的反向顺序复原,确保齿轮啮合到位,编码器磁环安装正确。
    测试时先空载运行,检查电机转动是否顺畅,有无异响;然后逐步加载,观察扭矩和转速是否稳定。
    配合麦克纳姆轮时,建议使用 FOC 控制器,实现更平滑的全向移动。
在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述

电机的引线是8P,其中4P是电机的引线,4P是反馈电路的引线,具体引线定义如下:

红线 :电机正极

黑线 :电机负极

黄线 :方向线,悬空时是CW,接负极时转向是CCW。

绿线 :PWM,接负极时电机以高转速运转。

蓝线 :GND(反馈线路)

白线 :VCC(反馈线路)

菲色线 :CHB(反馈线路)

棕色线 :CHB(反馈线路)

在这里插入图片描述

Read more

Stable Diffusion显存释放终极指南:彻底解决内存不足问题

Stable Diffusion显存释放终极指南:彻底解决内存不足问题 【免费下载链接】sd-webui-memory-releaseAn Extension for Automatic1111 Webui that releases the memory each generation 项目地址: https://gitcode.com/gh_mirrors/sd/sd-webui-memory-release 你是否在使用Stable Diffusion时经常遇到"CUDa out of memory"的报错?SD Webui Memory Release扩展就是专为Automatic1111 WebUI设计的显存优化解决方案,通过智能清理机制帮助用户彻底告别内存不足的困扰。这款扩展能够自动释放每次生成后残留的显存占用,显著提升系统稳定性,让AI绘画创作更加流畅无忧。 🎯 核心功能介绍 SD Webui Memory Release扩展的核心价值在于其智能化的内存管理能力: * 自动清理机制:每次图像生成后自动执行垃圾回收和CUDA缓存清理 * 手动清理按钮:一键

AudioSeal惊艳案例分享:在Whisper生成音频中成功检测并提取原始水印

AudioSeal惊艳案例分享:在Whisper生成音频中成功检测并提取原始水印 1. AudioSeal音频水印系统概述 AudioSeal是Meta开源的一款专业级语音水印工具,专门用于AI生成音频的检测和溯源。这个系统能够在音频文件中嵌入几乎不可察觉的数字水印,同时又能准确识别和提取这些标记,为音频内容的安全验证提供了可靠的技术方案。 核心功能亮点: * 高隐蔽性水印:嵌入的标记人耳几乎无法察觉 * 强鲁棒性:能抵抗常见音频处理(压缩、转码等) * 16位编码容量:每条水印可携带16位有效信息 * 毫秒级处理:借助CUDA加速实现快速检测 2. 技术实现原理 2.1 水印嵌入机制 AudioSeal采用先进的神经网络架构,将水印信息编码到音频的特定频段中。系统会分析音频的频谱特征,选择人耳最不敏感的频率区域进行信息嵌入,确保水印既隐蔽又稳定。 关键技术特点: * 自适应频段选择算法 * 心理声学模型指导的嵌入策略 * 抗干扰的纠错编码设计 2.2 水印检测流程 检测过程通过对比分析音频的频谱特征变化来识别水印信号。系统使用训练好的神经网络模

5分钟搞定whisper.cpp模型选型:从tiny到large-v3-turbo的速度与准确率实测

5分钟搞定whisper.cpp模型选型:从tiny到large-v3-turbo的速度与准确率实测 【免费下载链接】whisper.cppOpenAI 的 Whisper 模型在 C/C++ 中的移植版本。 项目地址: https://gitcode.com/GitHub_Trending/wh/whisper.cpp 你还在为语音识别项目选择合适的模型而纠结吗?当需要在本地部署高效语音转文字功能时,模型大小、速度和准确率的平衡往往让开发者头疼。本文通过实测对比whisper.cpp的8种主流模型,帮你快速找到最适合业务场景的解决方案。读完本文你将获得: * 不同规模模型的磁盘占用与性能数据 * 实时/离线场景下的模型选择决策指南 * 一行命令完成模型部署的实操教程 模型家族全景图 whisper.cpp作为OpenAI Whisper模型的C/C++移植版,提供了从微型到大型的完整模型系列。这些模型经过优化可在CPU/GPU上高效运行,其核心差异体现在参数量与能力范围上。 官方模型规格速查表 模型名称磁盘占用支持语言典型应用场景tiny.en75 MiB仅

RunningHub:AIGC创作平台深度解析

RunningHub:AIGC创作平台深度解析

一、平台核心定位与价值 RunningHub是全球首个基于开源生态的图形音视频AIGC应用共创平台,通过模块化节点系统与云端算力整合,将设计、视频制作、数字内容生成等复杂流程转化为"搭积木式"操作。平台已覆盖全球144个国家用户,日均处理超百万次创作请求,彻底重构了传统内容生产模式。 核心价值 1. 设计平权化 将专业级创作能力赋予普通用户,无需PS/Sketch/AE等软件基础,通过7000+功能节点自由组合即可生成商业级作品。 2. 成本重构 将传统设计中的人力成本(约200-500元/张图)转化为算力成本(0.5-3元/次),降幅达99%。 3. 生态闭环 支持开发者上传节点/工作流并获取收益,形成"创意-开发-复用-变现"的可持续经济模型。 二、技术架构与核心优势 1. 模块化节点系统 通过ComfyUI开源架构深度优化,将AI创作拆解为可拖拽的"原子单元&