瑞萨RX23E-A MCU实现传感器设备通用化的实例

发布时间：2023-02-03 10:23
作者：Ameya360
来源：网络
阅读量：2731

　　我们经常听到“通用化设计”的要求。通用化设计不仅可以降低元件的成本，还可以压缩未来的维护工时。特别是瑞萨的RX23E-A作为主要目标的工业传感器设备，具有产品生命周期长、规格多样的特点，因此可以说通用化的好处是很大的。

　　通用化大致分为两个方向。一种是同类产品之间的通用化。例如，高端产品和低端产品的通用化。另一种通用化是不同类别产品之间的通用化。例如，压力计和温度计的通用化。本期将通过具体示例为大家介绍RX23E-A是如何帮助前者即同类产品之间实现通用化的。

瑞萨RX23E-A MCU实现传感器设备通用化的实例

　　RX23E-A产品阵容包括RX23E-A/2units（配备了2台ΔΣADC）和RX23E-A/1unit（配备了1台ΔΣADC）。下面介绍区别运用RX23E-A/2units和RX23E-A/1unit实现通用化设计的示例。需要注意的是，本次介绍的示例中包含作者的一些设想。

　　示例1：荷载测量

　　第一个示例是重量、力和扭矩等荷载测量的例子。在荷载测量应用中，事实上有许多不同的版本。最简单的版本是配备有一个负载传感器和一个ΔΣADC的版本，如下左图所示。然而，根据机械结构、精度/准确度和测量周期的不同，某些版本可能具有多个负载传感器和多个ΔΣADC，如下右图所示。比如高端版本的称重仪，在称重台的四个角放置应变传感器，似乎可以提高精度。区别运用RX23E-A/1unit和RX23E-A/2units，可实现这些不同版本的通用化。

瑞萨RX23E-A MCU实现传感器设备通用化的实例

　　示例2：压力控制

　　第二个示例是压力控制应用中的例子。用于控制压力的机制如下所示。

　　当供应阀打开而排气阀关闭时，供压被提供给输出侧，从而使输出压力上升。

　　当供应阀关闭而排气阀打开时，使输出压力减小。

　　重复上述两个动作，可控制压力恒定。

　　常规版本的控制系统只配备了一个压力传感器来测量输出压力，如左图所示。而高端版本的控制系统则如右图所示，分别配备了一个用于测量输出压力的压力传感器和一个用于测量供压的压力传感器。在左图的情况下，当供压发生变化时，输出压力变化幅度较大和调整时间变长可能成为一个大问题。另一方面，在右图的情况下，通过测量供压应该可以解决这些问题。因此，区别运用RX23E-A/1unit和RX23E-A/2units可实现常规版本和高端版本的通用化。

瑞萨RX23E-A MCU实现传感器设备通用化的实例

　　示例3：温度测量

　　第三个示例是利用热电偶进行温度测量的例子。

　　使用热电偶进行温度测量时，除了热电偶本身的测量外，还需要测量参比端（RJC：Reference Junction Compensation）的温度。PT100通常用于测量参比端。与上述示例相比，温度是一个变化较慢的信号，因此许多版本采用MUX在热电偶和参比端PT100之间进行切换测量，如左图所示。但是，某些版本也会同时进行热电偶测量和参比端测量。在这种情况下，可以使用便宜的数字温度传感器来测量参比端。这意味着测量参比端的方法因版本而异。从通用化的角度来看，这是我们要避免的。

　　以此为出发点，RX23E-A/2units允许同时测量热电偶和参比端PT100，如右图所示。因此，区别运用RX23E-A/1unit和RX23E-A/2units可消除对数字温度传感器的需求，并实现元件的通用化。

瑞萨RX23E-A MCU实现传感器设备通用化的实例

　　以上介绍了3个示例。最后补充一点，RX23E-A/2units和RX23E-A/1unit是针脚兼容的，并且具有通用的开发工具。本期介绍的是基于硬件角度的通用化，当然固件通用化也是可以的。


（备注：文章来源于网络，信息仅供参考，不代表本网站观点，如有侵权请联系删除！）

上一篇：尼得科Nidec新型HUD为你的行车保驾护航

下一篇：防范机器学习IP失窃，恩智浦推出一款“防偷”神器

在线留言询价

相关阅读
喜报丨瑞萨电子凭借R-Car X5H荣膺第五届知鼎奖“智能驾驶科技创新奖”
企业动态

喜报丨瑞萨电子凭借R-Car X5H荣膺第五届知鼎奖“智能驾驶科技创新奖”

　　近日，第五届知鼎奖颁奖典礼在上海举行。作为汽车行业年度重磅评选，知鼎奖聚焦产业前沿成果，表彰优秀企业与创新技术，助力行业高质量发展。在此次评选中，瑞萨电子凭借其R-Car X5H产品的突出表现，荣膺“智能驾驶科技创新奖”。瑞萨电子高性能运算产品市场总监张朴代表企业出席并领奖。　　瑞萨R-Car X5H是业内首款采用先进3纳米制程车规级多域融合SoC，可同时运行辅助驾驶系统(ADAS)、车载信息娱乐系统(IVI)和网关系统等多项功能，功耗较前代5纳米方案降低35%，提供高达400TOPS AI性能，搭配高性能CPU与GPU并支持混合功能安全机制。同时配套推出RoX白盒软件开发套件(SDK)及多系统支持，集成AI/ADAS软件栈，助力客户缩短产品上市周期。　　作为全球知名的微控制器供应商，瑞萨电子融合嵌入式处理、模拟、电源与互联通信技术，打造全品类半导体解决方案，全面赋能汽车、工业、基础设施及物联网的智能化发展，以科技构筑安全、智能、可持续的未来。知鼎奖以树立行业标杆、激励技术创新为核心宗旨，本次授予瑞萨电子此奖项，不仅是对我们智能驾驶技术实力与产品价值的高度认可，更将加速车载半导体技术迭代，助力智能汽车产业提质升级。
2026-06-03 10:49 阅读量：193
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
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 阅读量：237
喜报｜瑞萨电子荣获上海繁易“战略合作伙伴”奖
企业动态

喜报｜瑞萨电子荣获上海繁易“战略合作伙伴”奖

　　近日，凭借卓越的技术支持能力、稳定可靠的交付表现以及深度高效的协同创新精神，瑞萨电子荣获上海繁易信息科技股份有限公司颁发的“战略合作伙伴”奖。瑞萨电子华东地区销售经理李庆谊代表公司出席了颁奖活动。　　▲左：上海繁易信息科技股份有限公司总经理 马学童　　▲右：瑞萨电子华东地区销售经理 李庆谊　　双方以中国工业4.0战略为指引，依托各自在工业自动化领域的核心优势，围绕多款关键产品开展了深度联合研发。合作贯穿从芯片选型、方案优化到量产落地的全链路，实现了高效协同。这一合作为上海繁易核心产品的高性能、高可靠性及快速量产交付，提供了关键的技术支撑与保障。　　此次荣获"战略合作伙伴"奖，既是上海繁易对瑞萨电子在技术创新、供货保证、质量管控与服务响应等综合实力的充分肯定，更是对双方长期以来建立的深厚互信与紧密合作关系的最佳印证，同时，也标志着双方在智能制造、工业自动化、工业传感器等核心领域的战略合作迈入全新发展阶段。　　瑞萨电子深耕工业自动化领域多年，凭借在微控制器、微处理器、电源及配套软件等方面的先进技术，已成为全球众多工业自动化厂商信赖的核心合作伙伴。
2026-05-29 09:55 阅读量：353
瑞萨丨AI技术横向扩展——模拟技术纵深发展
行业新闻

瑞萨丨AI技术横向扩展——模拟技术纵深发展

　　由AI驱动的小工具往往基于漂移信号采取行动，无法意识到自身出现运行错误。它只是自信、精确地朝着错误的方向执行。没有精度的自信，算不上智能。这是一种隐患。　　系统接收的指令与物理世界中实际发生的情况之间的差距，只能由一样东西来弥合：其底层的模拟基础，而这一基础无处不在。　　AI已成为整个物理世界的运行层，嵌入了各类工厂、车辆、机器人、卫星和数据中心之中。AI技术已横向扩展，但在每个智能系统之下，都有一个让一切成为可能的基础。而这个基础就是模拟技术。　　当业界还在争论模型、参数和计算机架构时，信号层面正上演着一场更安静、却影响更深远的变革。每一个自主系统，无论其软件多么复杂，最终都必须感知现实世界、对其作出响应，并在其中采取行动。物理世界与数字世界之间的接口就是模拟技术，随着系统变得越来越智能，这一接口不仅在扩展，更在成倍增长。　　我所说的“信号链”，是指从传感器出发，经由模拟前端、转换、同步、供电和控制，直至模型实际接收数据的端到端路径。　　问题已不再是AI是否在边缘运行。问题在于其底层的模拟基础是否足够深厚，这不仅关乎系统的可靠性，更关乎其速度、精度以及能否达到应用所需的最高性能水平。　　模拟附着曲线　　为了理解这在实践中的含义，有必要为物理AI从原型走向量产时每次都会出现的模式进行命名。　　在物理AI所渗透的每个领域，都存在一种反复出现的模式。随着机器的能力、自主性、精确性和安全关键性不断提高，运行它们所需的模拟和混合信号内容并非线性增长，而是呈复合式增长。　　注：乘数因子表示方向性和示意性，用于展示曲线的形态。　　图1：模拟IC内容与自主性的关系　　如图1所示，随着自主性提升，模拟内容呈指数级增长：更多的传感器接口、更多的数据转换器、更多的电机控制通道、更多的电源轨，以及更严密的安全监控。　　人形机器人正是这条曲线最具说服力的体现。每一个手势、每一步骤、每一个决策，都可追溯到200个以上的模拟IC，它们涵盖了每个关节的电机控制、位置传感、扭矩和力反馈、电源管理，以及涵盖LiDAR、视觉、触觉、压力和阻抗的感知层。在指尖，毫米与毫秒决定了一次抓握能否成功，其架构在此再次复制。智能提升。信号链随之深化。在每一层，需求不仅在于信号是否足够可靠，更在于信号是否足够精确、足够快速且足够稳定，以支撑实际运行。　　图2：人形机器人各关节处电机控制所涉及的IC数量　　图3：人形机器人平台信号链解析图　　人形机器人的信号链在每个关节处重复出现：电机驱动与电流检测、位置反馈(编码器/旋转变压器)、扭矩/力反馈、本地电源管理以及高完整性通信——并延伸至指尖压力/阻抗传感，以确保稳定抓握。模拟技术并不逊色于AI。正是模拟技术让AI得以物理化。而瑞萨电子的端到端解决方案就是为了实现这一目标。　　为何缺乏纵深发展的横向扩展会失败　　工业环境在电气特性上非常“不友好”。温度波动、振动、电磁噪声以及长距离线缆传输都会降低信号质量，且软件事后无法进行补偿。一个在热应力下漂移半度的位置传感器不会触发错误标志，而是会产生一个错误的答案，而AI系统会据此充满信心地采取行动。　　这就是实验室中表现良好的AI与现场实际运行的AI之间的差距。　　弥合这一差距所需要的不仅仅是元器件，更需要一种端到端的信号架构——其中传感、控制、供电和连接经过精心设计，作为一个整体系统协同工作，而非事后拼凑而成。　　在物理AI中，精度并非单一的技术指标，而是系统的固有属性。其体现在校准、时序、电源完整性以及具备故障感知能力的控制之中。　　未来十年　　最终胜出的系统不会是拥有最大模型的系统，而是那些在现实世界中，能够战胜温度、振动、延迟、噪声、功耗预算、安全约束以及长生命周期等种种挑战，提供最可靠性能的系统。　　这不是一个软件问题，而是一个信号链问题。若您正在构建物理AI，请将模拟技术视为一个首要的设计要素：尽早规划架构，明确分配预算，并将感知、控制、供电和连接作为一个整体系统进行工程设计，而非一堆零部件的堆砌。　　关键要点　　随着自主性增强，模拟与混合信号的深度呈复合式增长——性能、精度和可靠性成为决定性因素，而不仅仅是模型规模的大小。　　现场环境会因漂移、电磁干扰、振动和线缆损耗导致系统故障——上游信号完整性误差往往表现为“自信满满”的AI所造成的失误。　　成功的架构需要将传感、控制、供电和连接作为一个经过工程化设计的信号系统——在设计早期便整体规划，明确分配预算，并面向现实世界而构建。　　AI正在横向扩展。胜出者则在纵深发展。这场竞赛已然拉开帷幕。
2026-05-28 10:12 阅读量：388
热门分类
盒子，外壳，机架 电缆，电线 电路保护 连接器，互连器件 开发套件 机电产品 嵌入式解决方案 风扇，热管理 光电元件 其它 无源元件 电源 半导体 传感器，变送器 测试与测量
  • 一周热料
  • 紧缺物料秒杀
型号 品牌 询价
TL431ACLPR Texas Instruments
CDZVT2R20B ROHM Semiconductor
RB751G-40T2R ROHM Semiconductor
BD71847AMWV-E2 ROHM Semiconductor
MC33074DR2G onsemi
型号 品牌 抢购
TPS63050YFFR Texas Instruments
STM32F429IGT6 STMicroelectronics
IPZ40N04S5L4R8ATMA1 Infineon Technologies
BP3621 ROHM Semiconductor
ESR03EZPJ151 ROHM Semiconductor
BU33JA2MNVX-CTL ROHM Semiconductor
热门标签
ROHM
Aavid
Averlogic
开发板
SUSUMU
NXP
PCB
传感器
半导体
原厂授权品牌
更多授权品牌>>
资讯排行榜
  • 周排行榜
  • 月排行榜

相关百科
关于我们
AMEYA360微信服务号 AMEYA360微信服务号
AMEYA360商城(www.ameya360.com)上线于2011年，现 有超过3500家优质供应商，收录600万种产品型号数据，100 多万种元器件库存可供选购，产品覆盖MCU+存储器+电源芯 片+IGBT+MOS管+运放+射频蓝牙+传感器+电阻电容电感+ 连接器等多个领域,平台主营业务涵盖电子元器件现货销售、 BOM配单及提供产品配套资料等，为广大客户提供一站式购 销服务。

请输入下方图片中的验证码：

验证码