【免费下载】 探索星辰大海:Alkaid Mount - 自制谐波驱动赤道仪
2026-01-15 17:42:32作者:邵娇湘

阿尔卡德座,是北天星座中的一颗亮星,象征着引领方向的北极星。而在这里,我们引入一个以它命名的创新项目——Alkaid Mount,一款由JZ精心打造的DIY谐波驱动德国式赤道仪。
项目介绍
Alkaid Mount是一个集技术与美学于一体的天文仪器,采用铝材质制作,拥有约25磅(未平衡)或超过70磅(平衡负载)的承重能力,自身重量仅为约16磅。每个轴系都配备了一个100:1的谐波驱动齿轮箱,随后是一个27:1的行星齿轮箱,由Nema17步进电机驱动。这意味着它能够精确地跟踪天体运动,为深空观测提供稳定的支持。
项目技术分析
设计文件包括CAD模型、制造图纸、PCB文件和软件代码,全部公开在GitHub上,鼓励技术创新与交流。Alkaid Mount的核心在于两个CSF-17-100-2UH-LW型号的谐波驱动器,它们与17HS19-1684S-PG27型号的Nema 17步进电机和行星齿轮箱配合工作。这种配置不仅提高了精度,也保证了强大的动力传输。
硬件清单包括精密的谐波驱动器、行星齿轮步进电机以及不同规格的螺钉和铝板,所有这些都在详细BOM列表中列出。电子部分则采用了Teensy 4.0微控制器和ESP-32 Wi-Fi模块,便于远程控制。
应用场景
Alkaid Mount适用于各种天文观测场景,无论是业余爱好者在自家后院探索星空,还是专业团队在实地考察时需要便携式、高性能的跟踪平台。它可以支持从轻型望远镜到大型反射式望远镜的安装,如Williams Optics GT71(约15磅)或Meade LX200 8英寸SCT(约25磅,不包括配重)。
项目特点
- 开源设计:所有设计文件免费分享,鼓励DIY和改进。
- 高承载力:理论上的高负载能力和低自重比率,实现更广泛的望远镜兼容性。
- 精密驱动:谐波驱动器和行星齿轮箱组合确保了高精度和稳定性。
- 智能控制:集成Teensy 4.0和ESP-32,支持Wi-Fi控制,实现远程观测操作。
- 易于制造:大部分零件可通过二维水射流切割完成,后期加工量小。
想要体验亲手建造一台精密天文设备的乐趣吗?Alkaid Mount项目是你不能错过的挑战。现在就加入,与全球的天文爱好者一起探索无尽的宇宙奥秘吧!
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
最新内容推荐
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
654
4.24 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
495
604
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
281
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
937
857
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
333
389
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.53 K
886
暂无简介
Dart
901
217
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
194
昇腾LLM分布式训练框架
Python
142
168