【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

实测|龙虾机器人(OpenClaw)Windows系统部署全攻略(含避坑指南)

作为一名热衷于折腾新技术的ZEEKLOG博主,最近被一款名为「龙虾机器人」的开源AI工具圈粉了!它还有个更正式的名字——OpenClaw(曾用名Clawdbot、MoltBot),不同于普通的对话式AI,这款工具能真正落地执行任务,比如操作系统命令、管理文件、对接聊天软件、自动化办公,而且支持本地部署,数据隐私性拉满。 不过调研发现,很多小伙伴反馈龙虾机器人在Windows系统上部署容易踩坑,官方文档对Windows的适配细节描述不够细致。今天就结合自己的实测经历,从环境准备、分步部署、初始化配置,到常见问题排查,写一篇保姆级攻略,不管是新手还是有一定技术基础的同学,都能跟着一步步完成部署,少走弯路~ 先简单科普下:龙虾机器人本质是一款开源AI代理框架,核心优势是“能行动、可本地、高灵活”——它不内置大模型,需要对接第三方AI接口(如GPT、Claude、阿里云百炼等),但能将AI的指令转化为实际的系统操作,相当于给AI配了一个“能动手的身体”,这也是它和普通对话大模型的核心区别。另外要注意,它还有一种“生物混合龙虾机器人”的概念,是利用龙虾壳改造的柔性机器人,本文重点分享的是可本

YOLOv8n机器人场景目标检测实战|第一周工作笔记1

核心完成项:基于Conda搭建Ultralytics8.0+PyTorch2.1专属环境,完成COCO2017机器人场景子集筛选(8000张,7000训+1000验),跑通YOLOv8n基础训练(epoch=50),小障碍物mAP≥65%,模型可正常输出推理结果,满足周验收全部目标。 环境说明:全程使用Conda进行包管理与环境隔离,无pip命令使用,规避版本兼容问题;模型选用YOLOv8n(轻量化版本,适配机器人端算力限制),替代原计划YOLOv9n,核心实操逻辑一致。 一、本周核心目标与执行思路 1. 核心目标 1. 掌握YOLO系列核心创新与轻量化模型适配逻辑,聚焦机器人室内小场景(室内小障碍物/桌椅/行人/台阶)检测需求; 2. 搭建稳定可复现的Ultralytics+PyTorch训练环境,规避版本冲突; 3. 筛选并整理符合YOLO格式的机器人场景自定义数据集,完成基础标注与训练集/验证集划分; 4. 跑通YOLOv8n基础训练流程,验证数据集与模型兼容性,获取基础精度、参数量、

前端环境配置(nvm、nodejs、npm)

前端环境配置(nvm、nodejs、npm)

一、安装nvm 1. 下载vnm url: https://nvm.uihtm.com/doc/download-nvm.html 2. 解压文件后双击exe文件进行安装 3. 选择nvm的安装地址,我是安装在D:\App\nvm 4. 选择nodejs的安装地址,我是安装在C:\Program Files\nodejs 5. 点击next 一直点击 完成安装; 6. 找到nvm的settings.txt文件打开后: 给该文件添加这两行命令: node_mirror: https://npmmirror.com/mirrors/node/ npm_mirror: https://npmmirror.com/mirrors/npm/ 二、环境变量配置 1.

【DeepSeek R1部署至RK3588】RKLLM转换→板端部署→局域网web浏览

【DeepSeek R1部署至RK3588】RKLLM转换→板端部署→局域网web浏览

本文为DeepSeek R1 7B 以qwen为底座的LLM在瑞芯微RK3588 SoC上的完整部署流程,记录从开发板驱动适配烧录开始,到最终的开发板终端访问模型和局域网web访问模型的完整流程,有不足之处希望大家共同讨论。 文章目录 * 一、项目背景介绍 * 二、所需工具介绍 * 1.硬件工具 * 1.X86 PC虚拟机Ubuntu20.04 * 2. 准备NPU驱动为0.9.8的RK3588开发板 * 2.软件工具 * 三、获取.safetensors模型权重 * 四、safetensors转RKLLM * 1.转换环境搭建 * 2.模型转换 * 五、RKLLM模型板端部署及推理 * 六、集成开源gradio工具实现web访问 一、项目背景介绍 先来介绍下项目背景吧,目前有一个空闲的firefly出厂的搭载瑞芯微RK3588 SoC的arm64开发板,样式如图所示: 博主之前主要进行CV领域的模型的RK开发板部署,对于LLM和VLM的接触并不算多,但现在大模型是趋势所向,并且瑞芯微及时的完成了针对各开源