120D02S 调试与维修(一)

详解02s无人机尾部组件更换与维护教程
部署运行你感兴趣的模型镜像

本来第一个帖子应该写调机和遥控器设置,但是手上不便,就先来个维修维护帖,配图说明。

 

 

 

02s的尾巴让钟爱它的魔友又爱又恨,爱的是锁尾杠杠的,恨的是维护更换有如泼桶凉水,这里介绍如何更换尾巴组件,如说明有误欢迎纠正!

 

 

 

首先给大家介绍一些传动齿轮都有哪些,如图:

 

 

最左边的齿轮是02s的尾轴传动齿轮,也就是最爱扫和最易消耗的齿轮;

 

最上边的齿轮是02s的另一端尾轴齿轮,这个齿轮目前问题很少,只是涉及一些拆卸;

 

最下边的齿轮是02s的尾桨主轴齿轮,穿在尾桨轴上来连接尾轴齿轮动力;

 

图上的伞齿轮有些扫了,可观察出来;

 

 

这是主齿轮,外侧齿连接无刷电机,内齿连接尾轴伞齿,伞齿被扫的同时也保护了组齿轮的内齿完好,如果伞齿扫不坏或者是金属齿轮,那么该扫齿时泄去的力泄不掉,那么结果就是扫主齿轮内齿了;

 

如图:

 

 

 

 

接下来,开始拆卸:

 

第一步就是拆掉起落架了,这里没什么主意的,把螺丝和起落架放好就行;

 

提示:个人认为,拧螺丝最好使用一字螺丝刀,因为十字螺丝刀螺丝过紧就会把十字头推出来,同时十字头把螺丝刮花,如果用一字就不会出现这种情况,为了美观和螺丝的使用寿命,我建议能用一字螺丝刀,就不用十字螺丝刀;

 

 

1)起落架的拆卸顺序可以打乱,几个螺丝都拧了放好即可

 

 

2)如下图所示,主齿轮上面两个螺丝,下面两个螺丝,我这个起落架不是原厂,但是这4个螺丝是固定螺丝,一样的拧下和之前的螺丝放到一起,这4个螺丝和之前的2个螺丝不同,不用担心弄混;

 

 

 

 

3)拧完如下图所示

 

 

 

 

4)拆卸主齿轮,原机的主齿轮为横栓固定,由于工具有限,所以拆横栓的时候非常吃力,所以改用适当大小的螺丝代替,效果还不错,拧紧后没有什么虚伪;

 

 

 

5)开始拆尾巴,把图上固定机体金属板,拆掉

 

 

 

 

6)这样就可以拆掉尾管从主架上拿下

 

 

 

如果光换图上伞齿的话,可以不拆尾管,当然需要一些工具,比如如图所示,手上有那种可以在这么小空隙夹住尾轴的工具,即可不拆尾巴完成更换伞齿的效果;

 

夹住尾轴后,拔下伞齿,换上新伞齿即可;

 

如果无工具也可尝试直接拔下,后果伞齿和轴一起拔出,更换伞齿后,把伞齿另一端的齿轮位置固定好,然后利用手法在把轴成功插入到令一个伞齿之中即可,方法尝试几次没有成功,成功后也怕插不到低,飞行时尾齿脱落,所以一直在用最实际的办法拆装,以下继续;

 

7)接下来开始拆尾,如图所示,先拆尾桨轴限位器(这里这么叫),上面有个固定螺丝,拧松即可;

 

 

 

8)拆完限位器之后,就可以把尾桨整体拔掉,当然前提得先把控制尾桨的螺距锁扣拆掉,如图

 

 

 

9)现在就可以把尾桨整体拆下来了,如图所示

 

 

10)现在就可以把尾传轴拽下来,是更换还是维护,由你掌控;这个轴承切忌不要弄丢,拆下的零部件一定要放好;

 

 

11)整体大概是这个样子

 

 

 

 

 

拆贴结束,如需装贴

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

内容概要:本文介绍了基于Koopman算子理论的模型预测控制(MPC)方法,用于非线性受控动力系统的状态估计预测。通过将非线性系统近似为线性系统,利用数据驱动的方式构建Koopman观测器,实现对系统动态行为的有效建模预测,并结合Matlab代码实现具体仿真案例,展示了该方法在处理复杂非线性系统中的可行性优势。文中强调了状态估计在控制系统中的关键作用,特别是面对不确定性因素时,Koopman-MPC框架能够提供更为精确的预测性能。; 适合人群:具备定控制理论基础和Matlab编程能力的研【状态估计】非线性受控动力系统的线性预测器——Koopman模型预测MPC(Matlab代码实现)究生、科研人员及从事自动化、电气工程、机械电子等相关领域的工程师;熟悉非线性系统建模控制、对先进控制算法如MPC、状态估计感兴趣的技术人员。; 使用场景及目标:①应用于非线性系统的建模预测控制设计,如机器人、航空航天、能源系统等领域;②用于提升含不确定性因素的动力系统状态估计精度;③为研究数据驱动型控制方法提供可复现的Matlab实现方案,促进理论实际结合。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注Koopman算子的构造、观测器设计及MPC优化求解部分,同时可参考文中提及的其他相关技术(如卡尔曼滤波、深度学习等)进行横向对比研究,以深化对该方法优势局限性的认识。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值