瑞萨转矩控制解决方案加强工业自动化-Ameya360电子元器件采购网

瑞萨转矩控制解决方案加强工业自动化

发布时间：2023-10-23 10:22

作者：AMEYA360

来源：网络

阅读量：2194

　　随着科技的不断进步和全球制造业的竞争加剧，越来越多的企业开始投资和采用自动化技术，以提高生产效率、降低成本、改善产品质量并确保过程安全。而为协同工作完成复杂任务，确保高质量的生产结果。工业自动化设备对精度控制要求非常高，如螺丝拧紧机和扭矩测试仪工作时，需要在测量扭矩的同时控制电机旋转，这个过程需要高精度的扭矩测量。

　　此次瑞萨电子推出的转矩控制解决方案，通过使用一种配备高精度模拟前端的微控制器RX23E-A将扭矩测量信号输入到电机中，并进行反馈控制。这一解决方案不仅实现了高分辨率的转矩控制，而且配置也相当简单。

　　系统框图

瑞萨转矩控制解决方案加强工业自动化

　　主要器件介绍

　　RAA227063是用于无刷直流（BLDC）电机应用的智能栅极驱动器IC。它集成了三个半桥智能栅极驱动器，能够驱动多达三个N沟道MOSFET桥，支持4.5V至60V的桥电压。每个栅极驱动器支持高达1A的拉电流和2A的灌电流驱动电流，并具有可编程的驱动强度控制。可调节和自适应的死区时间被实现，以确保稳健性和灵活性。主动栅极保持机制防止了米勒效应引起的交叉传导，进一步增强了稳健性。

　　ISL85412是一款150mA同步降压稳压器，输入范围为3.5V至40V。它提供了一种易于使用、高效低BOM数的解决方案。ISL85412集成了高边和低边的NMOS场效应管，并具备PFM模式，在轻负载下可提高效率。如果需要强制PWM模式，可以禁用此功能。该部分默认的开关频率为700kHz。由于集成了两个NMOS器件并提供了内部配置，所以只需较少的外部元件，便能减少BOM数量和设计复杂性。ISL85412具有宽VIN范围和较少的BOM，可以为各种应用提供易于实现的设计解决方案，并具备卓越的性能。它适用于高电压工业应用，并为电池供电应用提供有效的解决方案。

　　ISL80505是一款单路输出低压差线性稳压器（LDO），能够在1.8V至6V的输入电压范围内提供高达500mA的输出电流。该LDO的输出电压调节范围为0.8V至5.5V。该产品系列采用BiCMOS工艺，能够提供出色的模拟性能和整体价值。

　　RJK0854DPB是一款适用于开关（电机驱动等）和负载开关应用的MOSFET，具有低导通电阻、高速开关和高鲁棒性。

　　RA4T1 MCU基于带有TrustZone?的100 MHz Arm? Cortex-M33?内核，为电机控制和逆变器控制功能提供优化的外设，具有小型32引脚QFN和LQFP封装选项，满足了高性能、成本敏感和空间受限应用的需求。此外，它还集成了多种通信接口，包括CAN FD、I3C、SCI和SPI，满足各种电机控制和消费类应用的所有连接需求。

　　RX26T微控制器是可在单芯片上实现磁场定向控制（FOC）双电机控制和功率因数校正（PFC）控制MCU产品。它搭载工作频率为120MHz的RX第三代CPU内核——RXv3，通过可实现120MHz读取操作的高速闪存和三角函数运算单元（TFUv2）实现超高计算性能。定时器功能支持120MHz PWM，模拟功能配备3单元12位A/D转换器。此外，它还搭载了保证振荡精度为±1.0%的HOCO、数据闪存、单端PGA和比较器等，有助于减少元件数量并节省空间。它还配备了用于设备之间高速通信的CAN FD和用于与传感器实现高速通信的I3C Basic，从而可以在更短的时间内传输更多的数据。

　　RX23E-A系列微控制器配备模拟前端，无需校准即可测量温度、压力、流量和重量，精度优于0.1%，是高精度传感、测试和测量设备的理想之选。其CPU配备RXv2内核，在DSP/FPU运行中表现卓越，可以单芯片实现高精度测量、控制和通信。

（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！）

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：331

型号	品牌	询价
CDZVT2R20B	ROHM Semiconductor
TL431ACLPR	Texas Instruments
RB751G-40T2R	ROHM Semiconductor
MC33074DR2G	onsemi
BD71847AMWV-E2	ROHM Semiconductor

型号

品牌

询价

ROHM Semiconductor

Texas Instruments

ROHM Semiconductor

onsemi

ROHM Semiconductor

型号	品牌	抢购
STM32F429IGT6	STMicroelectronics
TPS63050YFFR	Texas Instruments
BP3621	ROHM Semiconductor
BU33JA2MNVX-CTL	ROHM Semiconductor
IPZ40N04S5L4R8ATMA1	Infineon Technologies
ESR03EZPJ151	ROHM Semiconductor

型号

品牌

抢购

STMicroelectronics

Texas Instruments

ROHM Semiconductor

ROHM Semiconductor