探索智能控制新纪元:miniFOC - 花最少的钱,享受卓越的无刷电机体验!

在寻求性价比极高的直流无刷电机驱动方案时,您是否仍在购买价格不菲的模块?是否对低响应速度和寿命感到担忧?现在,让我们向您隆重介绍miniFOC——一个只需3美元就能实现的高级磁场定向控制(Field Oriented Control,简称FOC)解决方案!这个项目内置扭矩闭环控制器,通过3线UART接口即可轻松操控无刷电机,并且其软件与硬件设计完全遵循AGPL-3.0开放源代码许可证。
值得注意的是 ,miniFOC V2版本正在开发中(dev分支),即将支持电流环以及无传感器的FOC算法,敬请期待!
项目简介
miniFOC是一个针对中国市场精心打造的低成本FOC控制方案。它以优化的代码和精选的国内供应链组件,实现了与传统方案相比性能更优、成本更低的效果。FOC技术能够:
- 瞬间调整到任何速度,无速度限制。
- 实现平滑的正反转切换,即使在高速运行状态下也能保持稳定。
- 可进行能量回收制动控制。
- 支持扭矩、速度和位置三个维度的闭环控制。
- 输出噪音更低,效率更高。
经过半年的研发迭代,我们已将计算密集型部分的代码进行了深度优化,旨在让开发者们能以最低的成本享受到高性能无刷电机的优势,为开源社区贡献力量。
技术分析与对比
与现有开源解决方案相比,miniFOC在成本、性能和灵活性之间达到了良好的平衡,如表所示:
| 开源方案 | miniFOC | simpleFOC | ODrive | FpOC |
|---|---|---|---|---|
| 微控制器 | GD32F130G6U6 | ATmega328P | STM32F405RGT6 | FPGA |
| 驱动芯片 | EG2133 | L6234 | DRV8301 | MP6540 |
| PID频率 | 最高30kHz | 最高830Hz | 通常8kHz | 通常18kHz |
| 是否有电流环 | 否 | 否 | 是 | 是 |
| 驱动功率 | 90W | 120W | 960W | 90W |
| 成本(约) | 20元 | 100元 | 300元 | 150元 |
从表格可以看出,miniFOC在降低成本的同时并未牺牲性能,而且基于国内供应链的选择使其更具选择性和成本优势。
应用场景
miniFOC可广泛应用于各种对噪声控制、效率和精度要求较高的场合,如:
- 无人机和机器人平台的精密伺服控制。
- 智能家居设备中的安静高效驱动系统。
- 工业自动化设备中对速度和位置要求严格的场景。
- 高效节能的电动工具。
项目特点
- 使用空间向量脉宽调制(SVPWM)提高效率。
- 无需电流传感器实现扭矩控制。
- 支持转速和角度的闭环控制。
- 自动检测并纠正相序错误。
开发环境与资源
- EDA工具:EasyEDA(标准免费版)
- 编译器:gcc-arm-none-eabi 10-2020-q4-major
- 编程工具:OpenOCD 0.11.0-1
- IDE:CLion 2021.2.3 (#212.5457.51)
- GUI工具:Qt 5.14.2 (MinGW 7.3.0 64bit)
快速入门
详细教程可在项目wiki页面查阅,同时提供国内镜像地址,更多代码使用说明访问Github Page。
问题与建议
有任何问题或功能需求,欢迎使用Issue Tracker提交。
许可证信息
项目源码遵循AGPL-3.0许可证。
关联公司:AcmeTech 作者:朱炎振 维护者:yanzhenzhu, 2208213223@qq.com
请注意,该产品已在Windows 10和Ubuntu 18.04及20.04上测试。这是研究代码,可能会频繁更改,对于特定目的的适用性不做任何保证。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00