力矩怎么算？公式是什么？

力矩：力和力臂的乘积叫做力对转动轴的力矩。即：M=FL

式中M是力F对转动轴O的力矩，凡是使物体产生反时针方向转动效果的，定为正力矩，反之为负力矩。

单位：在国际单位制中，力矩单位是牛顿米，简称：牛米，符号:Nm。

力矩在物理学里是指作用力使物体绕着转动轴或支点转动的趋向。力矩的单位是牛顿-米。力矩希腊字母是 tau。力矩的概念，起源于阿基米德对杠杆的研究。转动力矩又称为转矩或扭矩。力矩能够使物体改变其旋转运动。推挤或拖拉涉及到作用力 ，而扭转则涉及到力矩。力矩等于径向矢量与作用力的叉积。

力矩 (moment of force) 力对物体产生转动作用的物理量。可以分为力对轴的矩和力对点的矩。即:M=LxF。其中L是从转动轴到着力点的距离矢量, F是矢量力;力矩也是矢量。

力对轴的矩是力对物体产生绕某一轴转动作用的物理量，其大小等于力在垂直于该轴的平面上的分量和此分力作用线到该轴垂直距离的乘积。例如开门时，外力F平行于门轴的分力FП不能对门产生转动作用(图1)，因为这力已被固定轴的约束力(见约束)所平衡。对门能起转动作用的力是F在垂直于门轴的平面上的分力F⊥，其数值F⊥=Fcosα。自F的作用点A作垂直于轴的平面П，与轴相交于O点。由实验得知，力F对物体的转动作用与O至F⊥的垂直距离l成正比。l称为F⊥对轴的力臂，它等于rsinβ，其中r=OA;β是F⊥与OA的夹角。因此，力F对物体的转动作用由Fcosα和rsinβ的乘积来确定，这个物理量称为力F对轴的矩，它是个代数量。当α=0°和β=90°时，力F对轴的矩最大，因此，要提高转动效率，作用力F应在轴的垂直平面内，并使其垂直于联线OA。如果力F在轴的垂直平面内(图2)，力对轴的矩为rFsinβ。此量也可用△OAB面积的二倍来表示，其中AB=F。

力对点的矩是力对物体产生绕某-点转动作用的物理量，等于力作用点位置矢和力矢的矢量积。例如，用球铰链固定于O点的物体受瞬时力F的作用，F的作用点为A，r表示A的位置矢，r与F的夹角为α(图3)。若物体原为静止，受力F作用后，将沿一垂直于r和F组成的平面并通过O点的瞬时轴转动。转动作用的大小由rFsinα表示。由于瞬时轴有方向性，因此将力F对点O之矩定义为一个矢量，用M表示，即M=r×F。M的正向可由右手定则决定(图4);M的大小等于以r和F为边的三角形面积的二倍。

力F对O点的矩M，在过矩心O的直角坐标轴上有三个投影Mx、My、Mz。可以证明，Mz就是F对z轴的矩(图5)。

上述力矩概念中的"轴"和"点"都取自实物。但研究力学问题时可以不必考虑这些实物，对空间任何点和线都可以定义力对点的矩和力对轴的矩。

力矩的量纲是力×距离;与能量的量纲相同。但是力矩通常用牛顿-米，而不是用焦耳作为单位。力矩的单位由力和力臂的单位决定。

方法/步骤
1
比较常用的命令，如：
ab -n 请求数 -c 并发数 URL
2
跑了一个简单的Demo：
usertekiMacBook-Pro:~ zhaoxianlie$ ab -n 200 -c 10 >

力矩：力和力臂的乘积叫做力对转动轴的力矩。即：M=FL

式中M是力F对转动轴O的力矩，凡是使物体产生反时针方向转动效果的，定为正力矩，反之为负力矩。

单位：在国际单位制中，力矩单位是牛顿米，简称：牛米，符号:Nm。

力矩在物理学里是指作用力使物体绕着转动轴或支点转动的趋向。力矩的单位是牛顿-米。力矩希腊字母是 tau。力矩的概念，起源于阿基米德对杠杆的研究。转动力矩又称为转矩或扭矩。力矩能够使物体改变其旋转运动。推挤或拖拉涉及到作用力 ，而扭转则涉及到力矩。力矩等于径向矢量与作用力的叉积。

力矩 (moment of force) 力对物体产生转动作用的物理量。可以分为力对轴的矩和力对点的矩。即:M=LxF。其中L是从转动轴到着力点的距离矢量, F是矢量力;力矩也是矢量。

力对轴的矩是力对物体产生绕某一轴转动作用的物理量，其大小等于力在垂直于该轴的平面上的分量和此分力作用线到该轴垂直距离的乘积。例如开门时，外力F平行于门轴的分力FП不能对门产生转动作用(图1)，因为这力已被固定轴的约束力(见约束)所平衡。对门能起转动作用的力是F在垂直于门轴的平面上的分力F⊥，其数值F⊥=Fcosα。自F的作用点A作垂直于轴的平面П，与轴相交于O点。由实验得知，力F对物体的转动作用与O至F⊥的垂直距离l成正比。l称为F⊥对轴的力臂，它等于rsinβ，其中r=OA;β是F⊥与OA的夹角。因此，力F对物体的转动作用由Fcosα和rsinβ的乘积来确定，这个物理量称为力F对轴的矩，它是个代数量。当α=0°和β=90°时，力F对轴的矩最大，因此，要提高转动效率，作用力F应在轴的垂直平面内，并使其垂直于联线OA。如果力F在轴的垂直平面内(图2)，力对轴的矩为rFsinβ。此量也可用△OAB面积的二倍来表示，其中AB=F。

力对点的矩是力对物体产生绕某-点转动作用的物理量，等于力作用点位置矢和力矢的矢量积。例如，用球铰链固定于O点的物体受瞬时力F的作用，F的作用点为A，r表示A的位置矢，r与F的夹角为α(图3)。若物体原为静止，受力F作用后，将沿一垂直于r和F组成的平面并通过O点的瞬时轴转动。转动作用的大小由rFsinα表示。由于瞬时轴有方向性，因此将力F对点O之矩定义为一个矢量，用M表示，即M=r×F。M的正向可由右手定则决定(图4);M的大小等于以r和F为边的三角形面积的二倍。

力F对O点的矩M，在过矩心O的直角坐标轴上有三个投影Mx、My、Mz。可以证明，Mz就是F对z轴的矩(图5)。

上述力矩概念中的"轴"和"点"都取自实物。但研究力学问题时可以不必考虑这些实物，对空间任何点和线都可以定义力对点的矩和力对轴的矩。

力矩的量纲是力×距离;与能量的量纲相同。但是力矩通常用牛顿-米，而不是用焦耳作为单位。力矩的单位由力和力臂的单位决定。

753和755是美国AB公司新推出的新产品，从内部构造上来说，他们都属于750系列变频器，内部都是插槽式的，用来放I/O卡，通讯卡等卡件的，753变频器为3个卡槽，755是5个卡槽;
如果应用于起重设备上的话，753用来控制小车，755则用来控制起升电机的。
PowerFlex 755的定位：
定位在易于使用, 系统集成, 运用灵活和高性能
电压等级 400/480V AC，功率范围 75…250 kW / 10…350 Hp
安装框架 2-7
PowerFlex 753定位：
定位在易于使用的普通运用
电压等级 400/480V AC，功率范围 075…250 kW / 1…350 Hp
安装框架 2-7
PowerFlex 753功率范围：
定位在易于使用的普通运用
功率范围:
075…250 kW/ 1…350 Hp@ 400/480V AC 540/650V DC
安装框架 2-7
系列号: 20F
3 个插槽 可供通讯卡, 安全卡, 编码器反馈卡和扩展 I/O 卡使用
标准内置 I/O 端口
功能: DeviceLogix 控制, 预先诊断, 和安全力矩关断和安全速度监控选项
内置运用设置：油井和纺织工业的纤维运用
PowerFlex 755功率范围：
定位在易于使用, 系统集成, 运用灵活和高性能
功率范围:
75…250 kW/ 10…350 Hp@ 400/480V AC 540/650V DC
安装框架 2-7
系列号: 20G
5 个插槽 可供通讯卡, 安全卡, 编码器反馈卡，扩展 I/O 卡和辅助电源使用
标准的内置 Ethernet 端口
功能: DeviceLogix 控制, 预先诊断, 和安全力矩关断和安全速度监控选项
内置运用设置：提升
更先进的选择：编码器反馈，性能和定位功能
PF753:标准内置 I/O 端口: 3 数字量输入; 1 继电器输出; 1 晶体管输出; 1 模拟量输入; 1模拟量输出; 1 PTC 输入，可扩展 I/O 卡
V/Hz 电机控制
无速度传感器矢量控制
带 FORCE™ 专利的矢量控制(with and without encoder)
电压调节控制 （非电机控制运用）
PF755: 1 标准内置数字量输入，可扩展 I/O 卡
V/Hz 电机控制
无速度传感器矢量控制
带 FORCE™ 专利的矢量控制(with and without encoder)
永磁电机控制
PowerFlex 755 可以接伺伏电机
PowerFlex 753，可选通讯卡：Ethernet, ControlNet, DeviceNet，Profibus，Modbus 和决大多数工业通讯网络，可连的编码器为：
基本编码器
增量型编码器
Single encoder
Dual encoder
PowerFlex 755，标准内置 EtherNet/IP 端口
可选通讯卡：Ethernet, ControlNet, DeviceNet，Profibus，Modbus 和决大多数工业通讯网络
高性能，兼容的编码器为：
增量型编码器
Single encoder
Dual encoder
绝对值编码器
Universal feedback card for high resolution applications and allows use of a number of interfaces
Incremental, EnDat, Hiperface, SSI and BiSS
如有其它需要给我发邮件：zhangpeng3090@163com

本文由Donny译自 3scalecom 的 《How to load test & tune performance on your API》
这几年API的作用不断演化，以前API还只是用来做内部系统之间的集成点，但现在API已成为一个公司的核心系统，一个构建于Web和移动端应用之上的核心系统。

当API仅只用来处理后台的任务（例如生成报告），那么性能差点也不是问题。但是如今API慢慢地发展成为连接服务与终端用户的核心纽带。这种关键性的角色变化表明了一个重要的观点：那就是API的性能真的很重要。

如果API数据源响应快，前端的应用程序的设计好点或差点影响不大，要是响应慢如蜗牛，前端的设计再出色也是然并卵。现在我们的客户端应用展示的数据源可能都是来自多个API响应内容的聚合，性能对这种微服务构架来说真的非常重要。

可以毫不夸张的说出色的性能就是你API提供的最好功能。我们知道向目标改进的唯一正确的方法就是找到问题的关键点，或者叫关键路径，并不断迭代测量和调整你的架构系统，直到系统达到预定的目标。对于API来说，测量和提高性能的过程就是负载与压力测试的过程。

本文将重点介绍如何对你的API进行负载压力测试。我们会以一个简单的、未测过的例子开始，然后再添加一个访问控制层，要确保一切都经过严格测试，做好处理真实流量的准备工作。OK，开始吧！
首先我们要明确要测试什么，可以是对你所有的API接口，或者是对单个API接口，或是对需要排除故障或改进的API接口的常规测试。
本文的其部分，我们将使用一个示例API。这是一个棋牌类游戏的Nodejs API。它有三个API接口：
/question – 返回一个随机黑牌

/answer – 返回一个随机白牌
/pick – 返回一对随机的问题与答案

你测试用的负荷情况越和真实环境的越类似，你的负载测试就越有用。如果你不知道实际流量有多少或者你不知道负载在所有接口上是否都一致，那么就算你知道你的API可以保持400 请求/秒的吞吐量也没啥鸟用。

所以，你应该先从收集你API的使用数据开始。你可以直接从你的API服务日志或者从其他你在用的应用性能工具（例如New Relic）中获取数据。在对你的API进行第一次测试之前，你应该对以下问题做到心中有数：
（1）每秒请求数的平均吞吐量（Average throughput in requests per second）

（2）峰值吞吐量（您在某段时间内获得的最大流量是多少？）（Peak throughput）

（3）API各接口的吞吐量分布情况（有没有一些接口的流量远超其他接口？）

（4）用户的吞吐量分布情况（少数用户产生大多数的流量，或者是更均匀分布？）

另外还需要考虑的一个关键点是，在测试期间将要模拟的流量会是怎样的，主要考虑点是：

（1）重复负载生成（Repetitive load generation）

（2）模拟流量模式

（3）真实流量

通常我们最好以最简单的方法开始测试，然后逐步演化到更为接近真实环境的测试。我们可以先用重复负载生成来做为API接口的第一个测试，这样不仅可以验证我们的测试环境是否稳定，更重要的是可以让我们找到API能承受的最大吞吐量，这样我们就可以知道API可以达到的性能上限是多少。

找到你的API性能上限值后，你就可以开始考虑如何将你的生成的测试流量塑造得更接近真实环境。使用真实流量来测试是最理想的，但实际 *** 作不太可行。要模拟真实流量比较难，也太花时间。所以我们有一个折中点的方法：先研究你的流量分析数据，并做一个简单的概率模拟。比如你有100个API接口（提示：原文endpoint在这里我译为接口，翻译成端点也可以，不过译成接口感觉更容易理解），你检查了上个月的使用情况，发现80%的流量来自20个接口，其中3个接口占用了50%的流量。那么你就可以创建一个遵循这种概率的请求列表，并提供给你的负载测试工具。这样做就相对快多了，并且它相对比较接近你真实负载，可以显示出你实际环境中可能遇到的问题。

最后，如果你拿到你要测试的API的真实访问日志，你就可以用它们来做最接近客观现实的测试。我们待会儿要讨论的大部分负载测试工具，都是接收一个请求列表作为输入文件。你可以用你的访问日志，稍微做一个格式调整就可以匹配每个测试工具所需的格式。搞定这个你就可以在测试环境中轻松重现你的生产流量。
好了，你清楚了你要测试什么鬼了，准备工作的最后一步就是配置好你的测试环境。你需要一个专用的测试环境。如果你不怕被你老板骂的话，或者比较任性，你也可以直接在你的生产环境中进行性能测试，不过出问题别说哥事先没跟你说清楚哈。

如果您已经设好一个预生产或沙箱环境，并且你的API也在上面运行了，那么你就万事俱备了。因为本文要用示例API，我们会在AWS的服务实例上设置我们的环境。

在我们的例子中，我们使用一个简单的API，不需要从磁盘读取或在内存中保存大型数据集。我们选择Linux C4large 实例就够了。

注意：我们对比过其他相似处理资源数但内存更大的AWS实例，但实际测试中内存大部分没使用，所以我们选了C4large

接下来，我们将一个配好的负载测试实例（服务器）运行起来，这只是一个运行模拟测试程序的服务器，它会通过从多个并发连接重复发送请求到我们的API服务器。你需要模拟的负载越高，机器的性能就要求越高。再次，这也是一个CPU密集型工作负载。这里我们选择具有4个虚拟核，16个 ECU的优化处理器的 c4xlarge AWS服务器

我们选择在相同的可用区内部署所有实例（API服务器与测试服务器在同一个区/机房），这样可以将外部因素对我们测试结果的影响降到最小。
我们有一个沙箱环境来运行我们的API，同时也有另一台服务器准备开始负载测试。如果这是你第一次做性能测试，你一定会想知道什么是最好的方法。在本节中，我们将会分享我们如何选择工具，同时也会介绍一下目前市面上一些公认比较好的工具。

JMeter

在人们意识当中，首当翘楚的估计是 Apache JMeter ，这是一个开源的Java程序，他关键的特性就是提供一个强大而完善的创建测试计划的GUI。测试计划由测试组件组成，测试组件定义了测试的每一个部分，例如：

（1）用来注入负载测试的线程
（2）参数化测试中使用的>工作原理：单纯剥离伺服电机而言吧，伺服驱动给脉冲指令给伺服电机，电机根据相应的指令和脉冲数，脉冲频率来实现相应的动作，表现出不同的转速和力矩，然后编码器确定出电机实际旋转的角度和圈速，然后反馈到伺服驱动器，伺服驱动器根据反馈的情况再一次驱动伺服电机以实现反馈补偿。
结构：这个就太多了，有刷无刷，直流交流。。。。自己BAIdu

---