输出扭矩是指传动系统或电机实际传递给负载端的旋转力矩。它决定了机械系统能否克服负载阻力、完成加速、维持稳定运行，以及在减速或制动过程中是否会产生回馈能量。对于电机、减速器、皮带轮、齿轮箱、滚珠丝杠、机器人关节和车辆驱动系统来说，输出扭矩都是最核心的性能指标之一。输出扭矩不仅与电机本身有关，还与减速比、传动效率、负载惯量、摩擦阻力、加速度需求和控制策略密切相关。实际工程中，不能只看电机额定扭矩，也不能只凭经验选型，而应建立“负载扭矩—动态扭矩—传动链扭矩—安全裕度—连续/峰值能力”的完整计算框架。

下面从物理定义、计算方法、Python 仿真实现、代码解析与工程亮点五个方面展开分析。

---

一、输出扭矩的物理含义

扭矩本质上是力与力臂的乘积。对于旋转系统，如果作用在半径为 $r$ 的位置上的切向力为 $F$，则产生的扭矩为：

$$T=F\cdot r$$

其中，$T$ 的单位通常为牛·米，$F$ 的单位为牛，$r$ 的单位为米。

在电机系统中，输出扭矩可以理解为电机轴端能够对外提供的旋转驱动力矩。它需要克服以下几类负载：

1. 静摩擦扭矩：系统启动前需要克服的摩擦阻力。
2. 滑动摩擦或粘滞摩擦扭矩：系统运动过程中持续存在的阻力。
3. 重力负载扭矩：如提升机构、机械臂关节在重力作用下产生的负载。
4. 惯性扭矩：加速或减速过程中，由于负载惯量变化产生的动态扭矩。
5. 外部工作负载扭矩：如切削力、搅拌阻力、车轮驱动力等。

因此，输出扭矩并不是一个固定值，而是随工况变化的动态量。

---

二、输出扭矩的基本计算方法

1. 功率与转速关系

当已知输出功率和转速时，可以通过功率公式估算扭矩：

$$T=\frac{P}{\omega }$$

其中，$P$ 为机械功率，单位为瓦；$\omega$ 为角速度，单位为弧度每秒。

工程中常使用转速 $n$，单位为转每分钟。此时有：

$$\omega =\frac{2\pi n}{60}$$

因此：

$$T=\frac{60P}{2\pi n}$$

该公式常用于电机额定工况下的扭矩估算。例如，已知电机输出功率为 750W，转速为 3000rpm，则可以计算其对应扭矩。

2. 惯量加速扭矩

当负载需要加速时，输出扭矩还必须提供惯性扭矩：

$$T_{acc}=J\cdot \alpha$$

其中，$J$ 为等效转动惯量，单位为千克·平方米；$\alpha$ 为角加速度，单位为弧度每二次方秒。

该部分扭矩在伺服系统、机器人关节、高速分度机构中尤其重要。如果只考虑稳态负载而忽略加速扭矩，可能导致电机选型偏小，出现失步、过流或响应不足。

3. 减速器输出扭矩

电机经过减速器后，输出端扭矩通常会增大。理想情况下：

$$T_{out}=T_{motor}\cdot i\cdot \eta$$

其中，$i$ 为减速比，$\eta$ 为传动效率。

需要注意的是，减速器输出扭矩还受到减速器额定扭矩、峰值扭矩、背隙、寿命和润滑条件限制。电机扭矩再大，也不能超过减速器允许输出扭矩。

4. 直线负载等效扭矩

对于滚珠丝杠、皮带轮、卷扬机构等直线运动系统，可以把直线力等效到旋转轴上。例如，丝杠导程为 $L$，轴向负载力为 $F$，传动效率为 $\eta$，则等效电机轴扭矩约为：

$$T=\frac{F\cdot L}{2\pi \eta }$$

这说明导程越大，相同轴向力所需的驱动扭矩越大；效率越低，所需扭矩也越大。

---

三、Python 仿真代码

下面代码用于模拟一个电机—减速器—负载系统的输出扭矩，并绘制不同转速下的扭矩、功率曲线，以及加速过程中的扭矩需求。

import numpy as np
import matplotlib.pyplot as plt


def rpm_to_rad_s(n_rpm: float) -> float:
    """将转速 rpm 转换为角速度 rad/s"""
    return 2.0 * np.pi * n_rpm / 60.0


def torque_from_power(P_watt: float, n_rpm: float) -> float:
    """根据功率和转速计算扭矩"""
    omega = rpm_to_rad_s(n_rpm)
    if omega <= 0:
        raise ValueError("转速必须大于0")
    return P_watt / omega


def motor_torque_curve(
    rated_power_w: float,
    rated_speed_rpm: float,
    max_speed_rpm: float,
    rated_torque_nm: float,
    points: int = 500,
) -> tuple[np.ndarray, np.ndarray, np.ndarray]:
    """
    生成简化的电机外特性曲线：
    0 ~ 额定转速：恒扭矩区
    额定转速 ~ 最高转速：恒功率区
    """
    speeds = np.linspace(0.1, max_speed_rpm, points)
    torques = np.zeros_like(speeds)
    powers = np.zeros_like(speeds)

    for i, n in enumerate(speeds):
        omega = rpm_to_rad_s(n)
        if n <= rated_speed_rpm:
            torques[i] = rated_torque_nm
            powers[i] = rated_torque_nm * omega
        else:
            torques[i] = torque_from_power(rated_power_w, n)
            powers[i] = rated_power_w

    return speeds, torques, powers


def output_torque_with_gearbox(
    motor_torque_nm: float,
    gear_ratio: float,
    efficiency: float,
) -> float:
    """计算减速器输出端扭矩"""
    return motor_torque_nm * gear_ratio * efficiency


def acceleration_torque(
    load_inertia_kgm2: float,
    motor_inertia_kgm2: float,
    gear_ratio: float,
    gear_efficiency: float,
    target_speed_rpm: float,
    accel_time_s: float,
) -> float:
    """
    计算加速阶段所需电机轴等效扭矩。
    将负载惯量折算到电机侧：J_load_reflected = J_load / (i^2 * eta)
    """
    if accel_time_s <= 0:
        raise ValueError("加速时间必须大于0")
    omega_target = rpm_to_rad_s(target_speed_rpm)
    alpha = omega_target / accel_time_s

    j_load_reflected = load_inertia_kgm2 / (gear_ratio ** 2 * gear_efficiency)
    j_total = motor_inertia_kgm2 + j_load_reflected

    return j_total * alpha


def simulate_system():
    # 电机参数
    rated_power_w = 750.0
    rated_speed_rpm = 3000.0
    max_speed_rpm = 6000.0
    rated_torque_nm = torque_from_power(rated_power_w, rated_speed_rpm)

    # 减速器参数
    gear_ratio = 10.0
    gear_efficiency = 0.92

    # 负载参数
    load_inertia_kgm2 = 0.02
    motor_inertia_kgm2 = 0.0005
    target_speed_rpm = 1500.0
    accel_time_s = 0.3
    friction_torque_nm = 0.3
    constant_load_torque_nm = 2.0

    # 1. 电机外特性
    speeds, motor_torques, motor_powers = motor_torque_curve(
        rated_power_w, rated_speed_rpm, max_speed_rpm, rated_torque_nm
    )

    output_torques = np.array(
        [output_torque_with_gearbox(t, gear_ratio, gear_efficiency) for t in motor_torques]
    )

    # 2. 加速扭矩
    t_acc = acceleration_torque(
        load_inertia_kgm2,
        motor_inertia_kgm2,
        gear_ratio,
        gear_efficiency,
        target_speed_rpm,
        accel_time_s,
    )

    # 3. 输出端总需求扭矩
    output_speed_rpm = target_speed_rpm / gear_ratio
    motor_speed_rpm = target_speed_rpm

    motor_torque_at_target = torque_from_power(rated_power_w, motor_speed_rpm) \
        if motor_speed_rpm > rated_speed_rpm else rated_torque_nm

    required_motor_torque = t_acc + friction_torque_nm + constant_load_torque_nm / (gear_ratio * gear_efficiency)

    required_output_torque = (
        required_motor_torque * gear_ratio * gear_efficiency
    )

    # 输出结果
    print("=" * 50)
    print("输出扭矩计算报告")
    print("=" * 50)
    print(f"电机额定功率：{rated_power_w} W")
    print(f"电机额定转速：{rated_speed_rpm} rpm")
    print(f"电机额定扭矩：{rated_torque_nm:.4f} N·m")
    print(f"减速比：{gear_ratio}")
    print(f"传动效率：{gear_efficiency}")
    print(f"电机额定输出扭矩：{output_torque_with_gearbox(rated_torque_nm, gear_ratio, gear_efficiency):.4f} N·m")
    print(f"加速所需电机侧扭矩：{t_acc:.4f} N·m")
    print(f"折算到输出端的需求扭矩：{required_output_torque:.4f} N·m")
    print(f"输出端目标转速：{output_speed_rpm:.2f} rpm")
    print("=" * 50)

    # 绘图
    fig, axes = plt.subplots(2, 1, figsize=(9, 7))

    axes[0].plot(speeds, motor_torques, label="电机轴扭矩")
    axes[0].plot(speeds, output_torques, label="减速器输出扭矩")
    axes[0].set_xlabel("转速 / rpm")
    axes[0].set_ylabel("扭矩 / N·m")
    axes[0].set_title("电机与减速器输出扭矩曲线")
    axes[0].grid(True)
    axes[0].legend()

    axes[1].plot(speeds, motor_powers, label="电机输出功率", color="orange")
    axes[1].set_xlabel("转速 / rpm")
    axes[1].set_ylabel("功率 / W")
    axes[1].set_title("电机功率曲线")
    axes[1].grid(True)
    axes[1].legend()

    plt.tight_layout()
    plt.show()


if __name__ == "__main__":
    simulate_system()

---

四、代码解析

代码首先定义了 rpm_to_rad_s，用于将工程中常用的转速单位 rpm 转换为物理计算中的角速度 rad/s。电机扭矩与功率之间的换算必须使用角速度，不能直接用 rpm 代入 $T=P/\omega$。

torque_from_power 实现了最基本的扭矩计算。它适合用于已知电机输出功率和转速时的额定扭矩估算。例如，750W、3000rpm 电机的额定扭矩约为：

$$T=\frac{750}{2\pi \times 3000/60}\approx 2.39\text{ N⋅m}$$

motor_torque_curve 构建了一个简化电机外特性模型。在额定转速以下，电机通常可以工作在恒扭矩区；超过额定转速后，受电压、磁场和控制策略限制，往往进入恒功率区。该函数返回不同转速下的电机扭矩和功率，用于后续绘制曲线。

output_torque_with_gearbox 用于计算减速器输出端扭矩。它体现了减速比放大扭矩、传动效率降低有效扭矩的作用。实际工程中，减速器效率通常小于 1，因此不能简单认为输出扭矩等于电机扭矩乘以减速比。

acceleration_torque 是动态扭矩计算的关键函数。它将负载惯量折算到电机侧，再与电机自身惯量相加，最后乘以角加速度得到所需加速扭矩。这里使用了惯量折算公式：

$$J_{reflected}=\frac{J_{load}}{i^2\eta }$$

该折算说明减速比越大，负载对电机侧的惯量影响越小，这也是高减速比系统更容易获得高动态响应的原因之一。

simulate_system 将上述函数组合起来，分别计算额定输出扭矩、加速扭矩和输出端总需求扭矩，并通过 matplotlib 绘制扭矩曲线和功率曲线。

---

五、报告亮点

本报告的第一个亮点是区分了稳态扭矩和动态扭矩。很多初学者只根据负载力或额定功率计算扭矩，忽略了加速过程中的惯性扭矩。实际上，伺服系统、机器人和高速自动化设备往往在加速阶段出现最大扭矩需求。

第二个亮点是建立了电机侧与输出侧的折算关系。通过减速比和效率，可以把电机扭矩折算到输出端，也可以把负载惯量折算到电机侧。这种折算能力是传动系统选型的基础。

第三个亮点是采用了简化但工程意义明确的电机外特性模型。恒扭矩区和恒功率区的划分能够解释为什么电机在低速时扭矩能力较强，而在高速时扭矩会下降。

第四个亮点是代码结构清晰，函数职责单一。每个函数只完成一个物理计算任务，便于后续扩展为更完整的扭矩选型工具，例如加入安全系数、温升限制、减速器峰值扭矩、均方根扭矩计算和工况循环分析。

---

六、工程应用建议

在实际应用中，输出扭矩选型应遵循以下步骤：

1. 明确负载类型：区分摩擦负载、重力负载、切削负载和惯性负载。
2. 计算稳态扭矩：确定系统匀速运行时所需扭矩。
3. 计算加速扭矩：根据目标速度、加速时间和等效惯量计算动态扭矩。
4. 折算到电机侧或输出侧：根据减速比和效率进行扭矩与惯量折算。
5. 考虑安全裕度：通常保留 1.2 到 2.0 倍安全系数，具体取决于工况冲击性和可靠性要求。
6. 校核连续与峰值能力：电机和减速器都需要同时满足连续扭矩和短时峰值扭矩要求。
7. 验证热平衡：长时间高扭矩运行可能导致电机过热，需要进行均方根扭矩校核。

输出扭矩分析的价值在于把“电机能不能带动”这个经验问题，转化为可以量化、仿真和验证的工程问题。通过 Python 建立计算模型，可以快速比较不同减速比、不同负载惯量和不同加速时间下的扭矩需求，从而为电机、减速器和驱动器的选型提供数据支持。