两种支持AI应用的路线
前面我们说到RA8可以很好地支撑AI模型在MCU上的运行。AI是一个很好的工具,可以解决各个应用领域不同场景下的问题。在新能源中,现在大家关注点比较高的就是基于AI的拉弧检测。
这里我将讲解一下瑞萨MCU/MPU在AI方面,我们能提供的两种支持路线。
点击图片可查看大图
方式一
客户已经有自己的AI模型了,那么瑞萨可以提供eAI这个软件工具,把客户在服务器上训练好的模型翻译成运行在MCU上的代码。为了更好的高效的支持AI算子的执行,RA8是最佳选择。
方式二
客户只有设备和行业技术背景,没有专门的AI团队对算法工程师。那么瑞萨提供RAI这个模型训练平台,帮助客户根据自己的数据训练出一个高准确又轻量级的AI模型。由于RAI具有专利保护的数据特征提取和建模方法,走方式二出来的模型,也可以流畅跑在普通的瑞萨MCU上。
方式一:CM85的高算力
为AI模型运行而优化
走方式一,使用RA8,它的CM85内核算力,由于Helium硬件的加持,运行同一个电机失效检测模型,它的效率是同等主频的CM7内核MCU的2~3倍。
点击图片可查看大图
原因就是Helium单元,对DSP和NN算子的支持非常给力。右边两个图,是同等主频下,M85内核相比M7内核的显著优势对比。
方式二:遇见Reality AI
走方式二,就是使用瑞萨的RAI平台,自动训练出高效AI模型。后面我们会专门就基于RAI的拉弧检测方案和大家做一个分享。这里我就不再累述了。
点击图片可查看大图
RX23E-B产品框图
我要介绍的第三个产品是RX23E-B,来自瑞萨32位私有内核RX家族。
点击图片可查看大图
RXv2内核,32MHz (162 CoreMark)
● 电源电压:VCC=1.8 ~ 5.5V
●工作温度范围:-40℃~ +85℃ /+105℃
●单精度浮点运算单元FPU
●支持DSP指令
特点
●高速高精度:24-bit ADC单元,可以支持最大125K 每秒采样
●高处理性能:内置瑞萨私有内核运行在32MHz,同等主频和CM7内核coremark相当。该私有内核带FPU并支持DSP指令,可以在同一个芯片中同时实现测量和复杂的数据运算
●高集成度,小封装:集成丰富的片上外设,包括16位DAC、CAN、段码式LCD控制器等。单芯片系统有助于降低BOM、缩小电路板尺寸和简化设计(162 CoreMark)
RX23E-B在新能源应用中的
推荐使用场景
点击图片可查看大图
高精度采样,在电池化成的功率板上可以精确控制充放电电流,做到业界要求的万分之五和万分之一的高精度标准。
在储能消防系统中,高精度采样和CAN接口集成也使得RX23E-B是一个高性价比的平台选择。
瑞萨智能”芯”,助力”芯”能源
更智能 更高效 更安全
以上,我们介绍了瑞萨MCU在新能源中的主推料号。
审核编辑:汤梓红
-
处理器
+关注
关注
68文章
19076浏览量
228685 -
mcu
+关注
关注
146文章
16840浏览量
349727 -
瑞萨
+关注
关注
33文章
22277浏览量
85887 -
AI
+关注
关注
87文章
29611浏览量
267905 -
MPU
+关注
关注
0文章
338浏览量
48687
原文标题:研讨会精华分享 | 瑞萨智能“芯”,助力“芯”能源(3)
文章出处:【微信号:瑞萨MCU小百科,微信公众号:瑞萨MCU小百科】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论