瑞萨推出RA4L1 MCU，超低功耗、集成电容式触控、段码LCD和强大安全功能-Ameya360 electronic components purchasing network

瑞萨推出RA4L1 MCU，超低功耗、集成电容式触控、段码LCD和强大安全功能

Release time：2025-02-27

author：AMEYA360

source：瑞萨

reading：980

　　全球半导体解决方案供应商瑞萨电子(TSE：6723)今日宣布推出RA4L1微控制器(MCU)产品群，包含14款集成超低功耗、先进安全功能和段码LCD支持的全新产品。基于支持TrustZone的80MHz Arm Cortex-M33处理器，新款MCU在性能、功能和节能方面达到了行业先进水平，为水表、智能锁、物联网传感器应用等领域的设计人员提供更加卓越的解决方案选择。

瑞萨推出RA4L1 MCU，超低功耗、集成电容式触控、段码LCD和强大安全功能

　　RA4L1 MCU采用专有的低功耗技术，80MHz工作模式下的功耗为168µA/MHz;在保留所有SRAM的情况下，待机电流仅为1.70µA。此外，新产品还采用超小型封装，包括3.64 × 4.28mm的晶圆级芯片封装(WLCSP)，可满足便携式打印机、数码相机和智能标签等产品的需求。

　　RA4L1 MCU由瑞萨灵活配置软件包(FSP)提供支持。FSP提供所需的所有基础架构软件，包括多个RTOS、BSP、外设驱动程序、中间件、连接、网络和TrustZone支持，以及用于构建复杂AI、电机控制和云解决方案的参考软件，从而加快应用开发速度。它允许客户将自己的既有代码和所选的RTOS与FSP集成，为应用开发打造充分的灵活性。此外，FSP还可简化现有IP在RA6或RA2系列产品间的移植。

瑞萨推出RA4L1 MCU，超低功耗、集成电容式触控、段码LCD和强大安全功能

　　Daryl Khoo, Vice President of Embedded Processing Marketing Division at Renesas表示：“瑞萨RA2L1 MCU产品群自2020年推出以来在市场上取得了显著的成功，满足了市场对电容式触控功能的低功耗应用需求。我们的客户一直期待一种能够融合超低功耗、更强大的CPU性能、段码LCD支持以及先进安全功能的独特组合。为了满足这一需求，我们推出了基于相同高效低功耗技术的RA4L1产品群，这也是我们对客户需求的积极回应和承诺。”

　　RA4L1 MCU的关键特性

　　- 内核：80MHz Arm Cortex-M33，包含TrustZone技术

　　- 存储：256-512KB双区闪存、64KB SRAM、8KB数据闪存

　　- 外设：段码式LCD、电容式触控、USB-FS、CANFD、低功耗UART、SCI、SPI、QSPI、I2C、I3C、SSI、ADC、DAC、比较器、低功耗定时器、实时时钟

　　- 封装：3.64 × 4.28mm WLCSP72、7 × 7mm LQFP48、10 × 10mm LQFP64、14 × 14mm LQFP100、5.5 × 5.5mm BGA64、7 × 7mm BGA100

　　- 安全性：唯一ID;支持真随机数发生器(TRNG)、AES、ECC、哈希函数的RSIP安全引擎

　　- 宽工作温度范围：QFN、QFP和CSP封装选项：Ta = -40°C至+125°C;BGA封装选项：-40°C至+105°C

　　瑞萨MCU优势

　　作为全球卓越的MCU产品供应商，瑞萨电子MCU近年来的平均年出货量超35亿颗，其中约50%用于汽车领域，其余则用于工业、物联网以及数据中心和通信基础设施等领域。瑞萨电子拥有广泛的8位、16位和32位产品组合，所提供的产品具有出色的质量和效率，且性能卓越。同时，作为一家值得信赖的供应商，瑞萨电子拥有数十年的MCU设计经验，并以双源生产模式、业界先进的MCU工艺技术，以及由250多家生态系统合作伙伴组成的庞大体系为后盾。

（"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：325

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

model

brand

Quote

ROHM Semiconductor

ROHM Semiconductor

Texas Instruments

onsemi

ROHM Semiconductor

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

model

brand

To snap up

ROHM Semiconductor

STMicroelectronics

Texas Instruments

ROHM Semiconductor