3412

Исследование электромеханических свойств двигателя постоянного тока независимого возбуждения

Лабораторная работа

Производство и промышленные технологии

Исследование электромеханических свойств двигателя постоянного тока независимого возбуждения. Исследовать влияние сопротивления цепи якоря, напряжения питания и магнитного потока на электромеханические и механические свойства двигателя постоянного тока независимого возбуждения, а также изучить способы изменения направления вращения якоря двигателя, построить естественные и искусственные характеристики двигателя.

Русский

2012-10-31

306 KB

17 чел.

Исследование электромеханических свойств двигателя постоянного тока независимого возбуждения

Цель работы:

Исследовать влияние сопротивления цепи якоря, напряжения питания и магнитного потока на электромеханические и механические свойства двигателя постоянного тока независимого возбуждения, а также изучить способы изменения направления вращения якоря двигателя, построить естественные и искусственные характеристики двигателя.

Схема установки, электрооборудование и приборы:

Для выполнения работы используется двигатель постоянного тока независимого возбуждения. Напряжение на якорную цепь двигателя подводится от лабораторного автотрансформатора (ЛАТР) через выпрямитель В1 (рис. 1). Контроль за значением подводимого напряжения осуществляется вольтметром PV1 на 150 В. Амперметр РА1 на 1А измеряет ток в обмотке якоря. Питание обмотки возбуждения осуществляется через выпрямитель В2. Реостатом Rl=1000 Ом регулируют ток в цепи возбуждения, а амперметром РА2 на 500 мА контролируют его значение, которое не должно превышать 0,4 А. Реостатом R2 регулируют ток в обмотке электромагнитного тормоза (ЭМТ), а амперметром РА3 на ЗА контролируют его значение. Момент, развиваемый двигателем, отсчитывают по лимбу ЭМТ с учетом тарировочного коэффициента. Частота вращения измеряется с помощью фототахометра ФТ-1, представляющего собой переносную конструкцию, включающую электронный счетчик и фотоэлектрический преобразователь с диском. Фототахометр имеет 4 диапазона: 0-500; 0-1000; 0-2000; 0-5000 об/мин.

Краткая теория:

, где - угловая скорость.

Жесткость механической характеристики:

, где - приращение момента; - соответствующее приращение скорости.

№ п/п

Измерить

Вычислить

I, A

n, об/мин

Mc,

1

0,1

2940

0

307,72

0

2

0,18

2835

0,04

296,73

59,9

3

0,26

2730

0,08

285,74

79,9

4

0,36

2660

0,12

278,41

84,4

5

0,43

2590

0,16

271,09

91,6

6

0,51

2450

0,2

256,43

91,4

7

0,61

2310

0,24

241,78

86,4

Электромеханическая характеристика ω = f ( I ) :

Механическая характеристика ω = f ( M ) :

Жесткость механической характеристики:


Рис.
1. Принципиальная схема лабораторной установки.


 

А также другие работы, которые могут Вас заинтересовать

22176. Трансформаторные преобразователи перемещения 154.5 KB
  К одной из них первичной или обмотки возбуждения подводится переменное напряжение питания U а с другой вторичной или сигнальной обмотки снимается индуцированное в ней напряжение Uвых зависящее от коэффициента взаимоиндукции. Eг = jωMI1 где ω частота питающего напряжения; M взаимная индуктивность обмоток; I1 ток протекающий в цепи первичной обмотки. Включение обмотки возбуждения в сеть Чувствительность преобразователя можно увеличить за счет: Увеличения ампервитков обмотки возбуждения до индукции в стали магнитопровода 1 ...
22177. ОСНОВНЫЕ ПОЛОЖЕНИЯ ТЕОРИИ НЕЙРОННЫХ СЕТЕЙ 590 KB
  Биологические нейронные сети 3. Нейронные сети и алгоритм обучения персептрона 1. Оптическая память и нейронные сети Москва 1994 г. Поэтому коннекционная машина или нейронная сеть должна состоять из сети с множеством соединений сравнительно простых процессоров узлы устройства или искусственные нейроны каждый из которых имеет много входов и один выход.
22178. ПЕРСЕПТРОНЫ 260.5 KB
  Сети состоящие из одного слоя персептронных нейронов соединенных с помощью весовых коэффициентов с множеством входов см. Подобно биологическим системам которые они моделируют нейронные сети сами моделируют себя в результате попыток достичь лучшей модели поведения. При обучении нейронной сети мы действуем совершенно аналогично. Предъявляя изображение буквы А на вход нейронной сети мы получаем от нее некоторый ответ не обязательно верный.
22179. Нечеткие запросы к реляционным базам данных 81 KB
  К усиливающим относится модификатор Очень Very к ослабляющим Болееилименее или Приблизительно Почти moreorless нечеткие множества которых описываются функциями принадлежности вида: Для примера формализуем нечеткое понятие Возраст сотрудника компании . Последнее что осталось сделать построить функции принадлежности для каждого лингвистического терма. Выберем трапецеидальные функции принадлежности со следующими координатами: Молодой = [18 18 28 34] Средний = [28 35 45 50] Выше среднего = [42 53 60 60]. Теперь можно...
22180. ВВЕДЕНИЕ. ОБЩИЕ СВЕДЕНИЯ ОБ ЭКСПЕРТНЫХ СИСТЕМАХ 224 KB
  Наконец наиболее цитируемым определением третьего типа является следующее: ИИ это область знаний которая находит применение при решении задач связанных с обработкой информации на естественном языке автоматизацией программирования управлением роботами машинным зрением автоматическим доказательством теорем разумными машинами извлечения и т. Способы получения и представления знаний в интересах проектирования СИИ в настоящее время составляют предмет сравнительно нового научного направления инженерии знаний. Форма представления знаний...
22181. Структуры и стратегии поиска в пространстве состояний 360 KB
  Решение задачи методом поиска 2. Структуры и стратегии поиска в пространстве состояний 3. Решение задачи методом поиска От выбранного метода поиска то есть стратегии вывода будет зависеть порядок применения и срабатывания правил.
22182. Аппарат нечетких нейронных или гибридных сетей 450.5 KB
  Например нейронные сети хороши для задач распознавания образов но весьма неудобны для выяснения вопроса как они такое распознавание осуществляют. Они могут автоматически приобретать знания но процесс их обучения зачастую происходит достаточно медленно а анализ обученной сети весьма сложен обученная сеть обычно черный ящик для пользователя. Теоретически системы с нечеткой логикой и искусственные нейронные сети эквивалентны друг другу однако в соответствии с изложенным выше на практике у них имеются свои собственные достоинства и...
22183. Генетические алгоритмы 248.5 KB
  Это приводит к тому что приспособленность популяции возрастает позволяя ей лучше выживать в изменяющихся условиях. 1 Основные понятия генетических алгоритмов При описании генетических алгоритмов используются определения заимствованные из генетики например речь идет о популяции особей а в качестве понятий применяются ген хромосома генотип фенотип аллель. Следовательно особями популяции могут быть генотипы либо единичные хромосомы в довольно распространенном случае когда генотип состоит из одной хромосомы. Она представляет меру...
22184. Знания и их свойства. Структура и этапы разработки ЭС 193.5 KB
  Классификация знаний 3. Методология разработки интеллектуальных систем на примере СОЗ ЭС Знания и их свойства Тематика представления знаний Knowledge Representation KR уже давно считается одними из основных направлений работ в области искусственного интеллекта поскольку выбор правильного способа представления знаний является не менее значимым фактором от которого зависит успешное создание системы чем разработка самого программного обеспечения в котором используются эти знания. С тематикой представления знаний тесно связана не...