91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

怎樣高效打造汽車電子的“神經(jīng)網(wǎng)絡”?

454398 ? 來源:網(wǎng)絡 ? 作者:網(wǎng)絡 ? 2022-12-23 13:30 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

來源:網(wǎng)絡

當代汽車的創(chuàng)新70%來源于汽車電子系統(tǒng)的創(chuàng)新。

伴隨著新能源汽車的崛起,電子產(chǎn)品的成本在汽車中比重日益加高。根據(jù)蓋世汽車網(wǎng)的統(tǒng)計,目前緊湊型車型、中高檔車型、混合動力車型及純電動車型汽車電子成本占比分別為15%、28%、47%、65%。預期到2030年,電子產(chǎn)品在汽車中的平均比例將達到50%。

汽車中的電子化程度越高,對信息傳輸量的需求就越大,汽車網(wǎng)絡化的趨勢就越明顯。車載的各種電子設備在賦予汽車更多功能的同時,也導致了汽車電子系統(tǒng)的復雜化。在各電子單元之間進行數(shù)據(jù)共享和功能協(xié)調已經(jīng)變得舉足輕重?,F(xiàn)有的做法就是利用汽車總線將汽車中各種電控單元、智能傳感器、智能儀表聯(lián)接起來構成汽車內部局域網(wǎng),在各單元獨立運行的同時,進行功能的統(tǒng)一調配,并實現(xiàn)數(shù)據(jù)的快速交換??梢哉f,汽車總線已經(jīng)成為車內系統(tǒng)的神經(jīng)網(wǎng)絡。

汽車總線發(fā)展迅速,類型繁多,但是CAN總線以其穩(wěn)定的表現(xiàn)一直居于主流,也成為了汽車電子設計的首選。

汽車中的神經(jīng)網(wǎng)

CAN 是 Controller Area Network 的縮寫,即控制器局域網(wǎng)絡,通常稱為CAN BUS,即 CAN 總線。可以歸屬于工業(yè)現(xiàn)場總線的范疇,是目前國際上應用最為廣泛的開放式現(xiàn)場總線之一。

做為一種多主控(Multi-Master)的總線系統(tǒng),不同于USB以太網(wǎng)等傳統(tǒng)總線系統(tǒng)是在總線控制器的協(xié)調下,實現(xiàn)A節(jié)點到B節(jié)點大量數(shù)據(jù)的傳輸,CAN總線網(wǎng)絡的消息是廣播式發(fā)出的,亦即在同一時刻網(wǎng)絡上所有節(jié)點偵測的數(shù)據(jù)是一致的,因此比較適合傳輸諸如控制、溫度、轉速等短消息。這就使得其非常適合汽車電子的應用。

CAN總線在車內所連接的節(jié)點,主要是ECU(車內電控單元Electrical Control Unit)。由于ECU數(shù)量眾多(目前可多達70個左右),除了引擎控制單元外,還存在傳動控制、安全氣囊、ABS、巡航控制、EPS、音響系統(tǒng)、門窗控制和電池管理等模塊,雖然某些模塊是單一的子系統(tǒng),但是模塊之間的互連依然非常重要。因此,CAN總線要滿足這些子系統(tǒng)數(shù)據(jù)傳輸?shù)囊?,如有的子系統(tǒng)需要控制執(zhí)行器和接收傳感器反饋等。

CAN總線總是能很好地完成任務。相比傳統(tǒng)汽車網(wǎng)絡架構中模塊單元直接連接,CAN總線通過在汽車內子模塊之間架起穩(wěn)定的互連架構,使得軟件可以更輕易地實現(xiàn)安全、經(jīng)濟和便利等新特性。CAN總線還實現(xiàn)了汽車內互連系統(tǒng)由傳統(tǒng)的點對點互連向總線式系統(tǒng)的進化,大大降低汽車內電子系統(tǒng)布線的復雜度。

自動駕駛的出現(xiàn)更是助推了CAN的發(fā)展。通過使用激光雷達(LIDAR)之類的傳感器,無人汽車具備了超凡的“感知”世界的能力,車內的主控制器可以做出引導、加速、剎車等決定。不過,這些傳感器的信號都是CAN總線傳遞的。

除此之外,很多人習慣使用的緊急剎車輔助系統(tǒng)、盲點檢測以及自動停車的系統(tǒng)等高級駕駛輔助系統(tǒng),正在大批量裝備新車。這些系統(tǒng)中大量采用的雷達、超聲波等感應元器件,需要高速、可靠和穩(wěn)定的車載網(wǎng)絡接入到系統(tǒng)中,而這正是CAN總線的優(yōu)勢。

提升CAN總線開發(fā)的效率關鍵

要發(fā)揮CAN總線的優(yōu)勢,就要開發(fā)出一個穩(wěn)定高效的CAN總線系統(tǒng)。這里存在諸多挑戰(zhàn),很重要的一個就是如何進行高效測試。

在CAN總線的開發(fā)測試階段,需要對其單節(jié)點性能,多節(jié)點組網(wǎng)通訊,網(wǎng)絡拓撲結構等進行開發(fā)測試。具體來說,就是對總線長度,節(jié)點數(shù)量、拓撲結構、元器件參數(shù)、信號/電源完整性、電磁兼容等逐一進行精確測試。

軟件仿真是一個高效而低成本的選擇。通過對CAN系統(tǒng)進行建模和模擬分析,就可以提前發(fā)現(xiàn)總線信號是否能夠穩(wěn)定而有效的傳輸,這樣可以減少用硬件實體原型機反復驗證/測試的次數(shù),從而節(jié)省昂貴的硬件實體的成本和測試時間的成本。因為修改設計意味著時間上的延遲,這種延遲在產(chǎn)品快速面市的壓力下是不能接受的。所以,現(xiàn)在問題的關鍵就變成了如何去選擇一款合適的仿真工具對電路進行準確和高效的評估。

從更高的層面來說,CAN總線系統(tǒng)屬于數(shù)?;旌闲盘栯娐贰?shù)模混合信號電路如何仿真,也一直是業(yè)界最為關心的話題。

當代的數(shù)?;旌闲盘栯娐?,數(shù)據(jù)速度傳輸效率越來越高,供電電壓越來越低,電路板密度越來高,這些變化會導致以往的工具不能夠完全解決各種信號問題或者甚至是得出錯誤結論。

此外,數(shù)?;旌想娐返姆抡妫€存在模型的問題,許多仿真工具所提供的仿真模型并不全面,或者是模型并不接近實際狀況,因此要進行完整的電路仿真就非常困難。

不過,這些困擾在Xpedition AMS工具面前都能化解。做為從PCB概念設計到生產(chǎn)制造的全流程解決方案都能覆蓋的Xpedition平臺中的一員,Xpedition AMS在數(shù)?;旌闲盘柗抡娣矫娣Q得上是游刃有余。

強大的仿真工具

Xpedition是一個企業(yè)級解決方案,具有完整的設計流程,包括元器件庫設計與管理、原理圖設計、PCB設計、生產(chǎn)數(shù)據(jù)的處理、SI/PI仿真、EMC/EMI分析、熱分析及數(shù)?;旌戏抡娴取?/p>

與同類產(chǎn)品相比,強大的流程管理和數(shù)據(jù)管理、并行設計,協(xié)同設計,集成式驗證等優(yōu)勢是Xpedition獨有的標簽。Xpedition流程可消除設計流程中的冗余工作,進而最大限度地提高團隊效率,同時還可借助數(shù)據(jù)管理基礎設施優(yōu)化產(chǎn)品性能和可靠性。其數(shù)據(jù)管理解決方案實現(xiàn)了單一環(huán)境內的高效設計協(xié)作和項目管理,能夠縮短設計周期并減少成本。

做為Xpedition平臺下用于模擬/混合信號設計的集成仿真環(huán)境,Xpedition AMS支持高級SPICE和基于HDL的建模技術。該環(huán)境將電子電路仿真擴展到標準時域和頻域分析之外,從而在Xpedition PCB設計流程中提供了高級性能仿真(掃描,統(tǒng)計,應力,最壞情況)和虛擬系統(tǒng)內驗證。

Xpedition AMS能使用PCB布局的系統(tǒng)原理圖驅動電路仿真,與其他仿真環(huán)境不一樣,它不需要單獨的仿真原理圖,仿真后的原理圖可以直接用于PCB布局布線,PCB布局布線的寄生參數(shù)可以自動提取,這樣可以減少文件導入導出所帶來的風險并加快設計。

目前,大部分模擬/混合信號電路仿真器在建模時最大的問題是將PCB上各器件的連接視為理想連接,將電路互連視為0歐姆電阻。但在實際的PCB中,這些互連是走線、連接器,始終帶有可能影響電路性能的相關寄生參數(shù)。這些寄生參數(shù)會影響模擬濾波器的特性,或者使數(shù)字信號耦合的噪聲干擾敏感模擬信號的行為。在仿真中需要正確考慮電路板走線的特性及其行為對建模的影響。同時,PCB上的過孔、焊盤、綠油等也會影響到信號的傳輸,亦需要考慮。針對于此,Xpedition AMS提供了獨特,功能強大且用途廣泛的解決方案,可用于評估模擬和混合信號設計中互連寄生參數(shù)的影響,可以根據(jù)項目實際需求調用混合/全波電磁場求解器,在精度和速度上做折中權衡。

除標準SPICE建模外,Xpedition AMS還支持IEEE標準VHDL-AMS建模語言,從而在建模和分析組件及設計行為方面增加了靈活性。 VHDL- AMS支持模擬和事件驅動的行為,以對模擬、數(shù)字和混合信號設計進行建模和分析。該語言已超越了電氣領域,進入了其他設計技術,因此用戶可以對電路的目標系統(tǒng)進行建模,然后使用虛擬原型進行系統(tǒng)內驗證。

Xpedition AMS的眾多優(yōu)勢,使其非常適合CAN總線電路的仿真。因為在汽車的環(huán)境中,CAN總線的節(jié)點很多,拓撲結構很復雜,并且應用環(huán)境很復雜,高溫、振動都會對信號的傳輸造成影響。這就需要一個全面、精準的仿真方案。

憑借在汽車行業(yè)多年的積累,Xpedition AMS可以對CAN總線長度、拓撲結構,元器件參數(shù),還能考慮PCB布局布線對電路造成的影響對電路進行分析,以全方位的仿真方案解決汽車類客戶沒有現(xiàn)成CAN仿真方案的困擾。

CAN總線的開發(fā)已經(jīng)成為了汽車電子開發(fā)最重要的一個環(huán)節(jié)之一,而在其設計初期、識別、預防和改正設計錯誤,防止電路出錯,這種操作模式比以往任何時候都至關重要。仿真就是目前最好的方法之一,而Xpedition AMS可以讓CAN總線的仿真分析事半功倍。

很多進行汽車電子開發(fā)的朋友想必已經(jīng)感覺到仿真的重要性,但是苦于沒有能掌握Xpedition AMS這樣的強大工具。不過不要緊,現(xiàn)在就有一個最好的機會。

審核編輯 黃昊宇

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 汽車電子
    +關注

    關注

    3046

    文章

    9055

    瀏覽量

    173046
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡引擎?

    我想知道為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡引擎,請問?您能否舉一些關于他們的用例的例子?
    發(fā)表于 03-25 06:01

    神經(jīng)網(wǎng)絡的初步認識

    日常生活中的智能應用都離不開深度學習,而深度學習則依賴于神經(jīng)網(wǎng)絡的實現(xiàn)。什么是神經(jīng)網(wǎng)絡神經(jīng)網(wǎng)絡的核心思想是模仿生物神經(jīng)系統(tǒng)的結構,特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?423次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡</b>的初步認識

    自動駕駛中常提的卷積神經(jīng)網(wǎng)絡是個啥?

    在自動駕駛領域,經(jīng)常會聽到卷積神經(jīng)網(wǎng)絡技術。卷積神經(jīng)網(wǎng)絡,簡稱為CNN,是一種專門用來處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學習模型。CNN在圖像處理中尤其常見,因為圖像本身就可以看作是由像素排列成的二維網(wǎng)格。
    的頭像 發(fā)表于 11-19 18:15 ?2177次閱讀
    自動駕駛中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡</b>是個啥?

    CNN卷積神經(jīng)網(wǎng)絡設計原理及在MCU200T上仿真測試

    數(shù)的提出很大程度的解決了BP算法在優(yōu)化深層神經(jīng)網(wǎng)絡時的梯度耗散問題。當x&gt;0 時,梯度恒為1,無梯度耗散問題,收斂快;當x&lt;0 時,該層的輸出為0。 CNN
    發(fā)表于 10-29 07:49

    NMSIS神經(jīng)網(wǎng)絡庫使用介紹

    NMSIS NN 軟件庫是一組高效神經(jīng)網(wǎng)絡內核,旨在最大限度地提高 Nuclei N 處理器內核上的神經(jīng)網(wǎng)絡的性能并最??大限度地減少其內存占用。 該庫分為多個功能,每個功能涵蓋特定類別
    發(fā)表于 10-29 06:08

    在Ubuntu20.04系統(tǒng)中訓練神經(jīng)網(wǎng)絡模型的一些經(jīng)驗

    本帖欲分享在Ubuntu20.04系統(tǒng)中訓練神經(jīng)網(wǎng)絡模型的一些經(jīng)驗。我們采用jupyter notebook作為開發(fā)IDE,以TensorFlow2為訓練框架,目標是訓練一個手寫數(shù)字識別的神經(jīng)網(wǎng)絡
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡部署相關操作

    在完成神經(jīng)網(wǎng)絡量化后,需要將神經(jīng)網(wǎng)絡部署到硬件加速器上。首先需要將所有權重數(shù)據(jù)以及輸入數(shù)據(jù)導入到存儲器內。 在仿真環(huán)境下,可將其存于一個文件,并在 Verilog 代碼中通過 readmemh 函數(shù)
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(LNN):時間連續(xù)性與動態(tài)適應性的神經(jīng)網(wǎng)絡

    1.算法簡介液態(tài)神經(jīng)網(wǎng)絡(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡架構,其設計理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的神經(jīng)結構,盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?1459次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡</b>(LNN):時間連續(xù)性與動態(tài)適應性的<b class='flag-5'>神經(jīng)網(wǎng)絡</b>

    【「AI芯片:科技探索與AGI愿景」閱讀體驗】+神經(jīng)形態(tài)計算、類腦芯片

    AI芯片不僅包括深度學細AI加速器,還有另外一個主要列別:類腦芯片。類腦芯片是模擬人腦神經(jīng)網(wǎng)絡架構的芯片。它結合微電子技術和新型神經(jīng)形態(tài)器件,模仿人腦神經(jīng)系統(tǒng)機選原理進行設計,實現(xiàn)類似
    發(fā)表于 09-17 16:43

    神經(jīng)網(wǎng)絡的并行計算與加速技術

    隨著人工智能技術的飛速發(fā)展,神經(jīng)網(wǎng)絡在眾多領域展現(xiàn)出了巨大的潛力和廣泛的應用前景。然而,神經(jīng)網(wǎng)絡模型的復雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計算方式面臨著巨大的挑戰(zhàn),如計算速度慢、訓練時間長等
    的頭像 發(fā)表于 09-17 13:31 ?1245次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡</b>的并行計算與加速技術

    基于神經(jīng)網(wǎng)絡的數(shù)字預失真模型解決方案

    在基于神經(jīng)網(wǎng)絡的數(shù)字預失真(DPD)模型中,使用不同的激活函數(shù)對整個系統(tǒng)性能和能效有何影響?
    的頭像 發(fā)表于 08-29 14:01 ?3602次閱讀

    無刷電機小波神經(jīng)網(wǎng)絡轉子位置檢測方法的研究

    摘要:論文通過對無刷電機數(shù)學模型的推導,得出轉角:與三相相電壓之間存在映射關系,因此構建了一個以三相相電壓為輸人,轉角為輸出的小波神經(jīng)網(wǎng)絡來實現(xiàn)轉角預測,并采用改進遺傳算法來訓練網(wǎng)絡結構與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡專家系統(tǒng)在電機故障診斷中的應用

    摘要:針對傳統(tǒng)專家系統(tǒng)不能進行自學習、自適應的問題,本文提出了基于種經(jīng)網(wǎng)絡專家系統(tǒng)的并步電機故障診斷方法。本文將小波神經(jīng)網(wǎng)絡和專家系統(tǒng)相結合,充分發(fā)揮了二者故障診斷的優(yōu)點,很大程度上降低了對電機
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡RAS在異步電機轉速估計中的仿真研究

    眾多方法中,由于其結構簡單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計精度下降和對電動機參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡的特點,使估計更為簡單、快速
    發(fā)表于 06-16 21:54

    基于FPGA搭建神經(jīng)網(wǎng)絡的步驟解析

    本文的目的是在一個神經(jīng)網(wǎng)絡已經(jīng)通過python或者MATLAB訓練好的神經(jīng)網(wǎng)絡模型,將訓練好的模型的權重和偏置文件以TXT文件格式導出,然后通過python程序將txt文件轉化為coe文件,(coe
    的頭像 發(fā)表于 06-03 15:51 ?1430次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡</b>的步驟解析