瑞萨电子蝉联2022“冷暖制造”金智奖及年度供应链产品双料大奖-Ameya360 electronic components purchasing network

瑞萨电子蝉联2022“冷暖制造”金智奖及年度供应链产品双料大奖

Release time：2022-12-28

author：Ameya360

source：网络

reading：2970

　　2022年12月16日，由产业在线主办的第六届中国“冷暖智造”颁奖盛典在北京以线上直播的方式隆重举行。瑞萨电子凭借其在冷暖智造行业的卓越表现再次荣获金智奖，同时高性能32位MCU RX600系列荣膺年度供应链产品大奖！

　　中国“冷暖智造”大奖由产业在线于2017年首创推出，自成立以来便紧扣行业发展脉搏，以表彰和弘扬企业优异的市场表现及科技创新能力，打造产业榜样精神和勇于进取、探索创新的品格风貌，引领产业绿色制造趋势为己任。经过前五届的实践及评选，得到了业界同仁的高度认可和好评。本届颁奖盛典揭晓了包括品牌大奖和产品大奖在内的所有获奖名单，经过初审、复评、终审等的激烈角逐，共有58家企业和30件产品荣膺2022年度新一届的冷暖之星。

　　“金智奖”作为品牌类奖项，旨在表彰行业内具有卓越影响力的领军企业。此次总共有12家领军企业获此殊荣，而瑞萨电子作为获奖的唯一一家半导体供应商，突现了其非凡实力。瑞萨立足于MCU、SoC、模拟、功率器件以及传感器等半导体芯片，为暖通空调及制冷行业提供专业的技术支持、品质保证和综合的解决方案。尤其是瑞萨电子MCU有着优秀的性价比、可靠性和供货保障，被广泛应用于系统主控、触摸面板、变频控制中，拥有颇具影响力的市场份额。瑞萨还结合MCU和先进的半导体技术，开发了交钥匙整体解决方案，比如触摸按键、空间手势识别、语音识别、变频空调驱动、变频冰箱驱动、直流风机驱动等，以帮助行业内客户更快更好地开发产品。金智奖可谓实至名归。

　　“供应链产品大奖”旨在表彰在冷暖行业供应链产品中技术领先、节能高效并获得市场认可的新产品。瑞萨凭借高性能32位MCU RX600系列成功斩获供应链产品大奖，也是获奖的唯一MCU产品。瑞萨32位自主内核的RX MCU家族自推出以来出货量已经超过12亿片，其中RX600系列作为主流系列，采用高性能的RxV3自主内核，通过流水线架构和指令集的优化，性能高达6.0 Coremark/MHz的业界领先水平。内部集成最大4MB的闪存，以及CAN-FD、TFT LCD、Ethernet、音频接口、高性能定时器等等丰富功能的加持，使得其在变频节能、人机界面及智能化应用方面得心应手。瑞萨还将RX600 MCU和Reality AI相结合，为冷暖行业带来具有嵌入式人工智能的全新体验。

　　RX系列32位高功效MCU

　　上图是RX600系列在RX家族的所处位置和主流型号。其中，RX66T主要面向电机应用，RX651/65N主要面向人机界面应用，RX660及RX671主要面向大规模系统主控以及OTA等应用。

　　有关RX系列32位高功效MCU的更多内容，欢迎点击文末阅读原文访问查看。

　　Reality AI：Reality AI Software

　　Reality AI是一种边缘AI软件开发环境，在每个MCU/MPU Renesas内核上结合了高级信号处理、机器学习和异常检测功能。该软件以专有的Reality AI ML算法为基础，该算法可提供准确且完全可解释的结果，支持各种应用程序。其中包括设备监控、预测性维护和感知用户行为以及周围环境。这些功能能够添加到产品中，增加产品竞争力。

　　积极响应中国“2030年前实现碳达峰、2060年前实现碳中和”重大战略目标，瑞萨电子虽然是家外资半导体供应商，但本着“深耕中国，服务中国”的宗旨，始终以开发绿色、环保且可持续发展的先进产品和尖端技术为己任，力争以优质产品为客户提供更好的选择，实现“双碳”减排。

　　瑞萨电子期待通过丰富的半导体芯片及先进的解决方案，差异化服务，与客户及合作伙伴精诚合作，不断创新，为中国的冷暖智造做出一份贡献。

（"Note: The information presented in this article is gathered from the internet and is provided as a reference for educational purposes. It does not signify the endorsement or standpoint of our website. If you find any content that violates copyright or intellectual property rights, please inform us for prompt removal."）

行业新闻

瑞萨丨技术干货｜解决方案套件概念：AI赋能的智能电动自行车——重塑城市出行与智能交通

　　电动自行车正在迅速重塑城市出行方式。作为汽车之外更可持续、更灵活的选择，电动自行车不仅有助于缓解交通拥堵，也符合绿色低碳的发展趋势。随着电动自行车技术的不断进步和普及，用户对安全性、可靠性和智能辅助功能的期待也在持续提升。　　然而，无论是传统机械自行车还是电动自行车，当前仍高度依赖骑手的主动感知以及按计划进行的维护保养。许多机械问题往往是逐步演变的，在性能明显下降或故障真正发生之前，几乎没有预警信号。这种被动式维护方式容易导致意外故障、更高的维修成本，甚至带来潜在的安全隐患。　　瑞萨通过AI赋能的智能电动自行车概念方案应对这些挑战。该方案基于嵌入式边缘人工智能(AI)，在自行车本体上即可实现预测性维护、智能骑行辅助、环境感知以及电池管理优化，无需依赖云端连接。　　嵌入式边缘AI实现预测性与智能骑行　　智能电动自行车的核心由Renesas AIK-RA8D1 AI开发套件驱动。该套件基于RA8D1微控制器(MCU))，这是一款面向实时嵌入式AI应用设计的高性能Arm® Cortex-M85® MCU。借助Renesas Reality AI Tools®，开发者可以部署高度优化的AI模型，使其完全运行于MCU本地，无需云端计算支持。　　这种系统架构在实现更安全、更高效骑行体验的同时，也有效控制了功耗和系统成本，非常适合大规模部署于智能出行设备中。　　AI赋能的智能电动自行车围绕以下两大核心能力，全面提升骑行体验:　　AI驱动的状态监测　　更顺畅、更安全的骑行体验，全面提升用户感受　　瑞萨电动自行车概念　　AI驱动的状态监测　　无论是传统自行车、电动自行车，还是共享出行车队中的自行车，本质上都是精密的机械系统。其性能高度依赖于关键部件的健康状况，包括链条、齿轮、轴承以及车架连接部位。随着时间推移，这些部件会因机械应力、环境影响以及骑行工况而逐渐磨损和劣化。　　传统的维护方式通常依赖定期人工检查或基于里程的保养周期。这些方法往往不够精准且偏被动，容易导致突发故障，增加维护成本和运营风险。　　通过将AIK‑RA8D1与加速度传感器直接集成到自行车中，实时AI驱动的状态监测成为可能。系统可持续分析振动特征和运动模式，及早发现机械性能退化的迹象。　　关键预测性维护功能包括：　　链条劣化检测(Chain Deterioration Detection)——系统监测传动系统的振动模式。当振动特征偏离正常状态时，可在性能明显下降之前识别出链条过度磨损或润滑异常问题。　　齿轮异常检测(Gear Anomaly Detection)——AI模型可识别由齿轮齿面磨损、损坏或变速器对位异常引起的异常振动模式，实现早期干预。　　轴承失效检测(Bearing Failure Detection)——轴承在劣化过程中会产生特定的高频振动特征。系统可在出现可听噪声或严重机械损伤之前就检测到这些异常。　　车架结构监测(Frame Structure Monitoring)——通过振动分析，还可识别车架的松动或结构性变化，从而提升骑行安全性并延长整车使用寿命　　瑞萨如何实现智能自行车监测　　要构建高精度的状态监测AI模型，必须采集涵盖正常运行状态和多种机械故障状态的数据集。　　为此，系统采用AIK-RA8D1 AI开发套件，并通过Pmod™模块连接外部加速度传感器。开发套件和传感器均直接安装在自行车上，在真实骑行场景中采集振动和运动数据。　　数据集采集通过Data Storage Tools完成。该工具可作为插件集成在Renesas e² studio中，也可作为独立应用供第三方IDE用户使用工具可实时采集加速度传感器的原始数据，并进行存储，用于后续的数据标注和AI模型训练。　　Figure1.Training Set-up　　AI模型开发与部署　　在完成数据标注并上传至Renesas Reality AI Tools后，可利用云端AutoML功能训练和评估多个AI模型，并针对RA8D1 MCU进行部署优化。　　最终选定的模型能够识别七种系统状态：　　电动自行车状态：识别空闲与静止状态　　链条运行状态：识别正常的正向与反向链条运动　　齿轮异常：基于变速器位置检测两种故障状态　　后轮结构状态：识别潜在的后轮松动问题　　该优化模型在仅占用5KB内存的情况下，实现了99.63%的识别准确率，可高效运行于RA8D1 MCU上。　　Figure2.Model Development to Deployment Flow　　部署完成后，推理结果可通过集成在e² studio开发环境中的AI Live Monitor工具进行实时监控。　　AI增强型骑行智能　　除状态监测外，AIK RA8D1还可作为智能电动自行车计算核心，充当中央处理节点，分析来自电机、电池及各类传感器的数据——支持在有或无额外传感硬件的情况下运行。　　AI赋能的骑行功能示例包括：　　载荷分布检测——通过分析振动与运动信号，系统可估算骑手及货物的重量分布。据此推荐或自动调整坐垫位置，以提升舒适性和踩踏效率。　　路面类型识别(Surface Detection)——AI模型可识别沥青路、碎石路或不平整地形。并根据路况动态调整电机扭矩和功率输出，从而提升稳定性与能效。　　目标检测，实现更安全骑行(Object Detection for Safer Riding)——结合视觉传感器时，AI模型可识别周围车辆与障碍物，在盲区来车时触发预警。　　“See with Sound”的空间感知能力——通过麦克风阵列，系统可估算周围车辆的来向，并向骑手提供空间方位提示，而无需持续视觉关注。　　推动下一代智能出行　　AI驱动的智能电动自行车方案充分展示了嵌入式边缘AI对个人出行和共享交通的变革潜力。通过将预测性维护与环境感知能力直接集成到自行车中，制造商能够打造更安全、更可靠、更高效的出行解决方案。　　瑞萨AI技术致力于帮助客户基于可扩展的边缘AI平台，构建适用于实时嵌入式部署的智能出行系统。　　告别突发故障，从瑞萨开始打造更智能、更安全的自行车。　　准备好将AI驱动的状态监测引入骑行领域了吗?

2026-06-02 09:56 reading：251

model	brand	Quote
BD71847AMWV-E2	ROHM Semiconductor
CDZVT2R20B	ROHM Semiconductor
MC33074DR2G	onsemi
RB751G-40T2R	ROHM Semiconductor
TL431ACLPR	Texas Instruments

model

brand

Quote

ROHM Semiconductor

ROHM Semiconductor

onsemi

ROHM Semiconductor

Texas Instruments

model	brand	To snap up
STM32F429IGT6	STMicroelectronics
BP3621	ROHM Semiconductor
ESR03EZPJ151	ROHM Semiconductor
BU33JA2MNVX-CTL	ROHM Semiconductor
TPS63050YFFR	Texas Instruments
IPZ40N04S5L4R8ATMA1	Infineon Technologies

model

brand

To snap up

STMicroelectronics

ROHM Semiconductor

ROHM Semiconductor

ROHM Semiconductor