ZeroOne AI
← 返回文章列表

TRIO-Basic 从入门到精通(四):轴类型 ATYPE 精讲

👁 22
分类:机器人自动化

本文对 TRIO 第四代产品支持的轴类型参数 ATYPE 进行逐一精讲,覆盖虚拟轴、脉冲/方向输出、模拟量闭环、绝对值编码器反馈、RTEX/Sercos/EtherCAT 总线、通讯轴及特殊功能轴等全部取值,并给出程序设置示例与 MC_CONFIG 集中配置建议,帮助工程师按硬件正确选择轴类型。

TRIO-Basic 从入门到精通(四):轴类型 ATYPE 精讲

一、教程背景

TRIO 运动控制器通过修改轴参数 ATYPE 的数值,即可支持多种轴类型,覆盖虚拟轴、脉冲/方向、模拟量闭环、绝对值编码器、各类总线伺服等常见应用场景。正确选择 ATYPE 是伺服轴能否正常工作的第一步。本教程对 TRIO 第四代产品支持的 ATYPE 取值逐一进行讲解,帮助读者按硬件配置与工艺需求选择正确的轴类型。适用于伺服选型、系统集成与现场调试工程师。

二、技术要点/技术方案

虚拟轴

模拟量闭环

脉冲/方向输出(开环常用)

松下 RTEX 总线

Sercos 总线

EtherCAT 总线

通讯轴

编码器输入

特殊功能轴

说明:以上为 TRIO 第四代产品支持的轴类型,具体参数定义请以 TRIO BASIC 帮助文件为准。推荐将轴参数设置在 MC_CONFIG 中集中管理。

三、实施步骤

  1. 根据伺服驱动器的反馈形式与指令接口,确定所需轴类型(脉冲/方向、模拟量、总线等);
  2. 在 MPV4 轴参数表中设置对应 ATYPE 数值;
  3. 同步配置 UNITS、限位、使能等配套参数;
  4. 建议将轴参数统一写入 MC_CONFIG 配置文件,便于固件加载与维护;
  5. 下载后执行点动或低速运动,验证轴类型配置是否正确。

四、代码示例

在程序中设置轴类型示例:

BASE(0)
ATYPE=43   ' 脉冲+方向输出,带使能输出,用于步进或伺服开环
UNITS=1000
SERVO=0

总线轴示例:

BASE(0)
ATYPE=65   ' EtherCAT 位置控制
UNITS=1000

五、应用价值

  1. 一机多用:同一控制器通过修改 ATYPE 即可适配脉冲、模拟量、RTEX、Sercos、EtherCAT 等多种驱动方案;
  2. 选型灵活:覆盖步进、伺服、液压、张力等不同执行机构,满足多样化工艺需求;
  3. 总线化升级:原生支持主流总线(RTEX / Sercos / EtherCAT),便于构建高速高同步的多轴系统;
  4. 高精度反馈:支持多摩川、海德汉 ENDAT、SSI 等绝对值编码器,适合高精度定位场合;
  5. 配置集中管理:轴参数置于 MC_CONFIG 中,固件加载即生效,便于批量生产与维护。

六、SEO关键词

TRIO运动控制器, TRIO-Basic, ATYPE, 轴类型, EtherCAT, RTEX, Sercos, 伺服控制, 运动控制总线

本文内容整理自 guimotion 的《TRIO-Basic从入门到精通教程》系列(CSDN,CC BY-SA 4.0),由 ZeroOne AI 重新组织编写。

推荐阅读

更多工业 AI、智能制造与技术实践文章

C#调用Intel NPU实现YOLOv26极速推理:OpenVINO工业视觉加速实践

通过C# + OpenVINO Runtime调用Intel Core Ultra NPU运行YOLOv26模型,实现低功耗、毫秒级的工业边缘AI视觉推理,涵盖模型导出、环境配置、推理代码与FP16/INT8/异步推理等性能优化实践。

C#工业视觉平台结合YOLOv26与OpenVINO

从数据标注、自动训练到Intel NPU边缘推理的完整工业AI方案:C#工业软件平台 + YOLOv26训练框架 + OpenVINO模型转换 + Intel NPU边缘推理,实现图像采集、自动标注、模型训练到现场推理的完整AI视觉闭环。

工业互联网

MY-BASIC 应用(一):轻量级嵌入式 BASIC 解析器介绍

MY-BASIC 是一个用标准 C 语言编写的轻量级 BASIC 解释器:不足 128KB 内存占用、可嵌入可扩展、支持原型编程与 Lambda 函数式编程、Unicode、列表/字典集合,适合嵌入式设备脚本化控制。

工业互联网

Linux系统篇(七)——工具篇(二):一篇搞懂 C 语言程序从代码到可执行文件的完整旅程

拆解 C 程序预处理、编译、汇编、链接四步变身流程,讲透条件编译与静态、动态链接差异,附分步实操与报错排查。

AI视觉

树莓派推送RTSP视频流实战:FFmpeg + rtsp-simple-server(MediaMTX)搭建局域网视频直播服务

本文面向树莓派视频流、Python视觉开发、RTSP视频监控和边缘AI视觉初学者,介绍如何在Raspberry Pi上搭建简单、稳定的RTSP视频流服务。项目采用FFmpeg + rtsp-simple-server(MediaMTX)方式,将树莓派摄像头采集的视频转换并推送到RTSP服务器,再由电脑、NVR、VLC、OpenCV或AI视觉程序访问。文章从安装FFmpeg并验证版本开始,下载适用于ARM64架构的MediaMTX v1.8.1,配置Linux Systemd服务实现RTSP服务器开机自启,最后将摄像头视频推送到RTSP地址,形成树莓派摄像头 → FFmpeg → RTSP服务器 → 客户端播放/AI检测的完整视频流架构。

AI视觉

YOLO目标检测模型调参入门:从训练参数到检测效果优化

YOLO目标检测模型调参入门指南:详解 epochs、imgsz、batch、模型大小、conf、IoU 等核心参数的作用与调节方法,给出工业视觉、疲劳驾驶、缺陷检测等 AI 项目的调参顺序与实验对比思路,帮助初学者在精度、速度与显存之间找到平衡。

评论(0)