瑞萨电子：适用于车载的位置检测的新变革-Ameya360 electronic components purchasing network

瑞萨电子：适用于车载的位置检测的新变革

Release time：2022-11-24

author：Ameya360

source：网络

reading：2717

瑞萨电子：适用于车载的位置检测的新变革

　　面向更加清洁的未来，汽车所面临的一大挑战

　　减少CO2排放的要求正在推动着全球的运输设备制造商实现越来越低的排放标准，这使得他们不仅要提高内燃机的效率,同时还要向诸如混合动力汽车、纯电动汽车等替代传统的动力总成过渡。

　　这类新的动力总成扩大了汽车工业对电动机的需求。特别是牵引电机和起动机/发电机，在已有的搭载于传统汽车的电动助力转向，电动泵和电动驻车制动器的基础上，进一步扩大了对电动机的需求。

　　现有的传感技术及其局限性

　　转子位置传感器可用于改善闭环控制下的电机性能。使用转子位置传感器可以实现在包括启动期间在内的所有负载条件下进行出色的转矩控制。以及在制动和保持状态下进行高精度的角度控制，在高速旋转下进行更好的旋转控制。这不仅提高了电机的总体效率，同时降低了噪声和振动以及发热。

　　具体地说，这些新型传感器用于提高精度，减小尺寸和重量，并降低总BOM成本。杂散场抗干扰性不仅提高了在复杂电磁环境中使用的传感器的可靠性，同时也是开发更好的电机所需的另一个重要条件。当然，电机位置传感器不仅需要更长寿命和耐用性，而且需要在高温，潮湿，灰尘多等恶劣环境下工作。

　　最近的汽车工业使用的是利用了霍尔元件或xMR元件的磁性位置传感器或旋转变压器。其中，磁性位置传感器面临着适用于多极电机时的检测精度不足和仅能够用于轴端应用的问题。而旋转变压器虽然可以利用贯穿轴式的结构来实现对多极电机的应用，但它不仅昂贵，笨重，而且会占用更多的空间。

　　电机控制的新时代

　　为了应对在轴端结构和贯穿轴结构下都能以很高的精度进行检测的需求，瑞萨电子开发了IPS2550。这款革命性的新产品是一款用于高速电机的位置传感器，具有正弦/余弦输出接口，可支持600krpm的最大电机转速，精度为0.2%满量程。传感器具有标准的2层印刷电路板，由IPS2550和外置被动元件以及安装在电机轴上的金属靶组成。

　　IPS2550基于涡流效应的物理原理,使用3个线圈组(1个用于发射，2个用于接收)。

　　IPS2550位置传感器实现了高达1/10的厚度和1/100的轻量化，大幅降低了使用旋转变压器解决方案时的BOM成本。IPS2550的位置传感器能够使感测线圈的扇区数与极数相匹配，从而实现对多极电机提供最先进的解决方案，这是磁性位置传感器所无法做到的。这种创新方法提高了精度，降低了重量，尺寸和系统的总体成本，是一次重大的技术进步。

　　传感元件设计的挑战

　　对于 IPS2550这类基于涡流效应的传感器，传感元件设计是获得良好精度特性的关键。瑞萨电子开发了一套用于位置传感器设计的工具。此外，瑞萨电子拥有一个名为Customer Reference Board catalog (CRB)的数据库，该数据库具有不同的尺寸和极数组合，以及多个传感器设计示例，可以简单快速的适用于电机。这些参考设计可以以Garbar文件的形式提供给客户，用于制造电路板。

（"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：331

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

model

brand

Quote

ROHM Semiconductor

Texas Instruments

ROHM Semiconductor

ROHM Semiconductor

onsemi

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

model

brand

To snap up

TPS63050YFFR

Texas Instruments

BU33JA2MNVX-CTL

ROHM Semiconductor

IPZ40N04S5L4R8ATMA1

Infineon Technologies

STM32F429IGT6

STMicroelectronics

BP3621