兩種支持AI應用的路線
前面我們說到RA8可以很好地支撐AI模型在MCU上的運行。AI是一個很好的工具,可以解決各個應用領域不同場景下的問題。在新能源中,現在大家關注點比較高的就是基于AI的拉弧檢測。
這里我將講解一下瑞薩MCU/MPU在AI方面,我們能提供的兩種支持路線。
點擊圖片可查看大圖
方式一
客戶已經有自己的AI模型了,那么瑞薩可以提供eAI這個軟件工具,把客戶在服務器上訓練好的模型翻譯成運行在MCU上的代碼。為了更好的高效的支持AI算子的執行,RA8是最佳選擇。
方式二
客戶只有設備和行業技術背景,沒有專門的AI團隊對算法工程師。那么瑞薩提供RAI這個模型訓練平臺,幫助客戶根據自己的數據訓練出一個高準確又輕量級的AI模型。由于RAI具有專利保護的數據特征提取和建模方法,走方式二出來的模型,也可以流暢跑在普通的瑞薩MCU上。
方式一:CM85的高算力
為AI模型運行而優化
走方式一,使用RA8,它的CM85內核算力,由于Helium硬件的加持,運行同一個電機失效檢測模型,它的效率是同等主頻的CM7內核MCU的2~3倍。
點擊圖片可查看大圖
原因就是Helium單元,對DSP和NN算子的支持非常給力。右邊兩個圖,是同等主頻下,M85內核相比M7內核的顯著優勢對比。
方式二:遇見Reality AI
走方式二,就是使用瑞薩的RAI平臺,自動訓練出高效AI模型。后面我們會專門就基于RAI的拉弧檢測方案和大家做一個分享。這里我就不再累述了。
點擊圖片可查看大圖
RX23E-B產品框圖
我要介紹的第三個產品是RX23E-B,來自瑞薩32位私有內核RX家族。
點擊圖片可查看大圖
RXv2內核,32MHz (162 CoreMark)
● 電源電壓:VCC=1.8 ~ 5.5V
●工作溫度范圍:-40℃~ +85℃ /+105℃
●單精度浮點運算單元FPU
●支持DSP指令
特點
●高速高精度:24-bit ADC單元,可以支持最大125K 每秒采樣
●高處理性能:內置瑞薩私有內核運行在32MHz,同等主頻和CM7內核coremark相當。該私有內核帶FPU并支持DSP指令,可以在同一個芯片中同時實現測量和復雜的數據運算
●高集成度,小封裝:集成豐富的片上外設,包括16位DAC、CAN、段碼式LCD控制器等。單芯片系統有助于降低BOM、縮小電路板尺寸和簡化設計(162 CoreMark)
RX23E-B在新能源應用中的
推薦使用場景
點擊圖片可查看大圖
高精度采樣,在電池化成的功率板上可以精確控制充放電電流,做到業界要求的萬分之五和萬分之一的高精度標準。
在儲能消防系統中,高精度采樣和CAN接口集成也使得RX23E-B是一個高性價比的平臺選擇。
瑞薩智能”芯”,助力”芯”能源
更智能 更高效 更安全
以上,我們介紹了瑞薩MCU在新能源中的主推料號。
審核編輯:湯梓紅
-
處理器
+關注
關注
68文章
18538瀏覽量
223715 -
mcu
+關注
關注
146文章
16130瀏覽量
344844 -
瑞薩
+關注
關注
32文章
22217瀏覽量
85076 -
AI
+關注
關注
87文章
27061瀏覽量
264832 -
MPU
+關注
關注
0文章
305瀏覽量
48451
原文標題:研討會精華分享 | 瑞薩智能“芯”,助力“芯”能源(3)
文章出處:【微信號:瑞薩MCU小百科,微信公眾號:瑞薩MCU小百科】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論