Tolshao
电机导论
电机为什么会自己‘懂得’多出力？从一根导线看懂电机的全部底层逻辑
你好！我是老列。👋电钻空转时，刚启动会猛吸一口电；转起来以后，电流又自己降下去。你把钻头压进木板，它不需要谁去通知，电流却会马上升高、扭矩跟着上来。这个看似“聪明”的过程，电机里没有控制器也能发生。今天就从一根通电导线开始，把电机最底层的逻辑捋顺：**磁场怎样变成力，力怎样变成转矩，运动又为什么会
电机电磁学电机驱动
电机导论
变频器到底在忙什么？从一只开关管看懂电机驱动的功率电子底座
你好！我是老列。👋上一章说，电机的转矩离不开电流，速度又绕不开端电压和反电势。可现实的电源并不配合：电网给你的是固定频率、固定电压的交流，电池给你的是固定电压的直流；电机却要在每一个时刻拿到“此刻刚好合适”的电压、电流、频率，甚至还要能把能量送回去。这中间干活的，就是功率电子变换器。如果把电机比作
电机驱动功率电子变频器PWM
电机导论
电机有了，还得配个“大脑”：老列拆开调速柜，里头就两个环
你好，我是老列👋上一篇3-都2026了还讲碳刷电机？老列说：不懂它，你连FOC的门都摸不着里，咱们把直流电机本体吃透了：两个公式、一个等效电路，外加”盯住V和E的差值”这句心法。但光有肌肉没有大脑，那叫裸奔。今天咱们就把完整的直流调速系统拆开看看——看完你会发现，工业调速柜里攒了几十年的家底，其实
电机直流调速闭环控制
电机导论
都 2026 了还讲碳刷电机？不懂它，你连 FOC 的门都摸不着
你好，我是老列👋上一篇变频器到底在忙什么？从一只开关管看懂电机驱动的功率电子底座里，咱们把电机的”管家”——电力电子变换器拆了个底朝天，知道了”开关”才是调压调频的正道。这一篇，轮到第一位主角登场：有刷直流电机。肯定有同学抬杠：“都2026年了，工业界都在卷永磁同步和SiC，你还讲带碳刷的老古董？
电机直流电机电机驱动
电机
反直觉：电机绕组的"慢"，恰恰是变频控制的"快"之源
你好！我是老列👋这篇文章源自一次真实的驱动方案评审。会上聊到一台大功率永磁电机，有个说法让全场下意识点头：“这电机绕组的固有频率才几个Hz，电流环怎么可能跑到1kHz？是不是得加个电抗器帮帮忙？“——听起来太合理了，合理到没人质疑。散会后我把传递函数从头到尾算了一遍，发现这条”合理”的推理链，从第
电机绕组
tutorial
FOC 就是把交流当直流使？老列带你捅破这层窗户纸
你好！我是老列。👋咱们上一篇聊了那些高大上的航空电机硬件设计，算是把“肉体”构造摸了一遍（筋骨还放在后头吧）。今天，咱们得给这具钢铁躯壳注入“灵魂”——FOC（磁场定向控制）。⚡说实话，当年（前两天）我刚接触FOC的时候，也被满屏的坐标变换、SVPWM、PI参数整定搞得头大。全是英文缩写和数学公式
trickstutorial
工具
ios黄页支持订阅啦，外卖、快递、推销一眼便知！
哈喽，大家好，我是张小跳！还记得我之前写的那篇《ios黄页：可算让iPhone好用了点儿》吗？那个手动导入vCard的方法，虽然能解一时之急，但每次更新都得手动操作，简直不要太麻烦！不过别担心，今天我带来了一个终极解决方案，让你一劳永逸，彻底告别手动更新的烦恼！那就是——CardDAV订阅！🤔什么
ios黄页iPhoneCardDAV
分享
Python-Latex主题分享
Python-Latex主题分享人生苦短，我用PythonLifeisshort,youneedPython——BruceEckel优点优雅、明确、简单特点易于上手：跨平台，开源，短小精悍易于阅读：没有太多仪式化的东西：使用变量：声明、定义……乍一看就能知道在干啥丰富的库：（CSDN？？？）Pill
tricks工具
设置
mac开启HiDPI
什么是HiDPI全名：HighDotsPerInch它使用横纵2个物理像素也就是4个物理像素来显示1个像素区域，结果就是图像的细节得到翻倍、更清晰、边缘更平滑。拿13寸的MacBookPro举例，它的屏幕物理分辨率是2560x1600，所以原生的HiDPI分辨率就是1280x800。更高的一档144
settingsHiDPI
强化学习笔记
Getting Started with gym
gym入门gym是用于开发和比较强化学习算法的工具包。它不对代理的结构做任何假设，并且与任何数字计算库(例如TensorFlow或Theano)兼容。gym库是测试问题(环境)的集合，您可以用来制定强化学习算法。这些环境具有共享的接口，使您可以编写常规算法。安装首先，您需要安装Python3.5+。
强化学习 RLgym
笔记
强化学习：控制工程师帮你醍醐灌顶
这里有很多形象的图，方便理解强化学习的公式知乎白话强化学习，有空了可以来看强化学习-11：MatlabRLAgent：由Policy和RL_Algorithm构成policy负责将observation映射为actionRL_Algorithm负责优化policyEnviroment：输入actio
强化学习 RLMatlab
强化学习实践
RL实践2——RL环境gym搭建
RL回顾首先先来回顾一下强化学习问题中，环境Env和代理Agent分别承担的角色和作用。RL组成要素是Agent、Env代理和环境分别承担的作用Agent：由Policy和RL_Algorithm构成，这种对RL_algorithm的算法理解比较宽泛policy负责将observation映射为ac
强化学习 RLgym
强化学习实践
RL实践3——为Agent添加Policy、记忆功能
参考自知乎（叶强）Introduction在实践2中，介绍了gym环境的定义和使用方法。在实践1中，介绍了动态规划DP求解价值函数并没有形成一个策略Policyπ\pi来指导agent的动作选取，本节将利用SARSA（0）的学习方法，帮助agent学习到价值函数(表），指导ϵ\epsilon-gre
强化学习 RLSarsa