车载便携式电源需求激增，瑞萨解决方案赋能创新之路-Ameya360 electronic components purchasing network

车载便携式电源需求激增，瑞萨解决方案赋能创新之路

Release time：2025-06-05

author：AMEYA360

source：瑞萨

reading：944

　　在当今科技飞速发展且生活节奏日益加快的时代，便携式电源设备应用越来越广泛。其中，太阳能充电功能与精确电池管理的电量计虽极具价值，但也面临诸多挑战，如充电效率起伏不定，难以保障设备持续稳定供电;以及太阳能充电模块的集成设计需兼顾便携性与转换效率，在有限空间内实现高效转化等。

　　面对这些趋势与挑战，瑞萨的便携式电源系统解决方案应运而生，其专为多功能、高功率充电而精心设计，具备多种输入和输出选项，完美契合当下多样化的用电需求。

　　瑞萨便携式电源系统解决方案

　　瑞萨的便携式电源系统方案集成了一个数字控制升降压电池充电器，搭配用于充电和放电的USB Type-C®端口控制器(TCPC)，符合USB供电(PD)3.1扩展功率范围(EPR)标准，可从车载电源向USB Type-C®端口提供高达240W的功率。该方案配备3.6KW双向功率因数校正(PFC)和双有源桥(DAB)数字电源，不仅实现了高效稳定的充电，还能灵活应对不同设备的连接需求。

车载便携式电源需求激增，瑞萨解决方案赋能创新之路

　　值得一提的是，该方案还具备太阳能充电功能，能够充分利用可再生能源，为电源系统提供更多的能量来源途径，进一步提升其在各种环境下的适用性。此外，用于精确电池管理的电量计IC在单个封装中集成了MCU和模拟前端(AFE)，能够实时监控电池状态，有效延长电池续航能力。

　　该系统由中央控制板、供电端和负载端三个模块组成。

　　控制部分，中央控制板采用瑞萨入门级MCU RA2E1，该MCU基于48MHz Arm Cortex®-M23内核打造,具有高达128KB代码闪存和16KB SRAM存储器，支持构建各种通用设计。RA2E1具有1.6V至5.5V宽工作电压范围，拥有各种内存和封装可供选择。

车载便携式电源需求激增，瑞萨解决方案赋能创新之路

　　为系统提供电池电量测量和管理的电量计模块采用瑞萨旗下3至10串锂离子电池电量计IC RAJ240100GFP，它将一个MCU器件和AFE器件集成在单个封装中，具备多种电池管理功能。此外，瑞萨还提供用于电池管理的RAJ240090/100评估套件和快速入门指南，该套件具有用户可配置的设置，用于确定器件的不同阈值，实现从评估到客户认证的无缝过渡，而无需进行固件开发。

　　方案中的双向PFC+DC/DC是一个数字电源系统，采用瑞萨高性能MCU RA6T2，专为支持650V GaN FET而设计，通过DAB和图腾柱拓扑结构，提供3.6kW双向转换，可实现>98.5%的效率。

　　在太阳能应用的部分，本方案搭载的智能太阳能电池充电器模块通过MPPT和降压升压优化太阳能电池阵列的功能，实现高效充电、可调电压、可编程速率和强大的电池保护，从而获得最佳性能。供电端的240W USB PD AC/DC适配器模块则是一个符合USB PD 3.2 EPR标准的电源，具有紧凑的设计。其内置的零电压开关(ZVS)最大限度地减少了开关损耗，确保高转换效率(>94%)。

车载便携式电源需求激增，瑞萨解决方案赋能创新之路

　　100W USB Type-C DC输入模块支持宽输入电压范围(4-20V，高达8A)。它提供符合USB PD标准的 VBUS电源，具有可编程电压选项(3.3至21V)，并支持双 USB Type-C® 输出。此外，该模块具有多端口电源管理器功能，可为现代USB供电应用提供可扩展的系统。

　　负载端的12V同步降压稳压器RAA211650是一个集成式60V 5A同步降压稳压器，开关频率200kHz-2.5MHz可调。其集成的低导通电阻MOSFET、栅极驱动器和控制器，使之成为一个高效的降压解决方案。

　　瑞萨的便携式电源系统方案专为快速原型设计而构建，适合移动电源、离网能源解决方案和现场应用的便携式电源。

（"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
MC33074DR2G	onsemi
TL431ACLPR	Texas Instruments
CDZVT2R20B	ROHM Semiconductor
BD71847AMWV-E2	ROHM Semiconductor
RB751G-40T2R	ROHM Semiconductor

model

brand

Quote

onsemi

Texas Instruments

ROHM Semiconductor

ROHM Semiconductor

ROHM Semiconductor

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

model

brand

To snap up

ROHM Semiconductor

ROHM Semiconductor

STMicroelectronics

Infineon Technologies

TPS63050YFFR