Jeff Sieracki

Director of Engineering,AI Center of Excellence

賦能未來

數(shù)字控制的電子換向電機(jī)正在迅速取代傳統(tǒng)設(shè)計(jì)，因?yàn)檫@些電機(jī)為設(shè)計(jì)人員提供了前所未有的動態(tài)控制、功率和效率。隨著工程師在工業(yè)、HVAC、消費(fèi)電子和汽車系統(tǒng)中推動此類設(shè)計(jì)，我們被要求提供更智能的算法和日益復(fù)雜的控制功能，并且仍然限制成本。我們最近創(chuàng)建了一個演示，展示了瑞薩電子如何幫助實(shí)現(xiàn)這一目標(biāo)。

我們的解決方案示例展示了RA8T1電機(jī)控制MCU的肌肉，展示了對兩個電機(jī)的獨(dú)立控制，同時運(yùn)行多個AI推理模塊以檢測操作異常。我們解決軸不對中和負(fù)載不平衡情況-電機(jī)系統(tǒng)中常見的實(shí)際問題。但這些只是RA8內(nèi)核使工程師能夠?qū)⑵湟?a href="http://www.www27dydycom.cn/soft/data/21-22/" target="_blank">嵌入式電機(jī)控制設(shè)計(jì)的無數(shù)高級算法的示例。該演示圍繞我們的RealityCheck電機(jī)工具箱構(gòu)建，用于創(chuàng)建和部署基于無傳感器電機(jī)控制的AI解決方案。此工作流程將e2 studio中的功能與瑞薩電子基于云的Reality AI Tools機(jī)器學(xué)習(xí)系統(tǒng)聯(lián)系起來。我們還允許用戶將Reality AI Tools創(chuàng)建的AI模塊與通過瑞薩e-AI轉(zhuǎn)換器從其他機(jī)器學(xué)習(xí)平臺導(dǎo)入的開源AI模型相結(jié)合。所有生成的代碼都緊湊而高效，在MCU上仍有大量資源可用于其他任務(wù)。

RA8T1快速瀏覽

RA8T1 32位MCU采用ArmCortex-M85內(nèi)核，采用氦氣技術(shù)，頻率高達(dá)480MHz，封裝針對電機(jī)或逆變器控制進(jìn)行了優(yōu)化。與市場上的其他電機(jī)控制解決方案相比，該產(chǎn)品明顯更快、更先進(jìn)，并為AI等高級算法帶來了充足的動力，同時保持了對多個獨(dú)立電機(jī)的精確電子控制。

在AI操作方面，通過將Arm的Helium技術(shù)和2MB緊密耦合的D-cache相結(jié)合，RA8可以在類似的時鐘速率下將推理速度提高到其他Arm內(nèi)核的10倍。這為工程師提供了巨大的收益，使以前無法在中等時鐘速率芯片上運(yùn)行的復(fù)雜算法和決策變得可行。

兩個電機(jī)，兩個AI模塊，一個內(nèi)核

現(xiàn)在我們來談?wù)勑碌膽?yīng)用程序示例。在此示例中，我們展示了RA8T1獨(dú)立控制兩個不同的電機(jī)，同時運(yùn)行兩個不同的AI推理模塊。觀看“電機(jī)異常檢測-不平衡負(fù)載和軸錯位”演示。

圖1 MCK-RA8T1帶有兩個逆變器板

用于控制兩個獨(dú)立的電機(jī)組件

此設(shè)置演示了對實(shí)際電機(jī)運(yùn)行中出現(xiàn)的兩種異常問題的檢測：軸不對中和負(fù)載不平衡情況。當(dāng)電機(jī)的輸出軸在空間上與它所驅(qū)動的負(fù)載不完全對齊時，就會發(fā)生軸不對中，從而導(dǎo)致計(jì)劃外的扭矩和摩擦。當(dāng)驅(qū)動負(fù)載的系統(tǒng)失去動平衡時，就會出現(xiàn)負(fù)載不平衡情況，當(dāng)電機(jī)與軸正交旋轉(zhuǎn)時會產(chǎn)生振蕩力，并在每次旋轉(zhuǎn)過程中以負(fù)載電阻變化的形式產(chǎn)生振蕩。

這兩種情況都是電機(jī)系統(tǒng)的嚴(yán)重問題，會導(dǎo)致一系列嚴(yán)重性的問題，從功率損失到過度的噪音和振動，再到軸承的快速磨損、危險(xiǎn)的軸承和結(jié)構(gòu)故障。在某些應(yīng)用中，如大功率工業(yè)系統(tǒng)，隨著時間的推移，即使是與正確對齊和平衡的微小偏差也會引起重大擔(dān)憂。在其他應(yīng)用中，如洗衣機(jī)烘干機(jī)，預(yù)計(jì)會出現(xiàn)一定量的不平衡和錯位，但超過則會導(dǎo)致機(jī)器內(nèi)部碰撞和故障。

為了在小范圍內(nèi)產(chǎn)生軸對中問題，我們的第一臺電機(jī)配置了將其連接到變速箱的軸。當(dāng)固定電機(jī)的電路板因手指推動而略微變形時，軸會彎曲并移出與變速箱的對齊位置。

為了演示平衡問題，我們的第二個電機(jī)配置了一個鋁制輪轂，我們可以選擇將M4小螺釘插入其中。沒有螺絲，輪轂為驅(qū)動電機(jī)提供正常、平衡的負(fù)載。添加螺釘后，電機(jī)負(fù)載會少量失去平衡。

圖2 從Board發(fā)送的狀態(tài)數(shù)據(jù)儀表板

我們的兩個AI模塊已經(jīng)過訓(xùn)練，可以檢測這兩種情況。然后，我們將通信添加到儀表板顯示中（如圖2所示），以便我們可以實(shí)時查看發(fā)生的情況。

顯示屏上標(biāo)記了每個電機(jī)的條件，狀態(tài)由顏色代碼和文本指示。它還包括一個滾動時間線，每當(dāng)系統(tǒng)看到有關(guān)特定閾值的異常（即未對齊或不平衡狀態(tài)）時，該時間線都會顯示橙色。

如圖3所示，RA8 MCU上同時運(yùn)行了相當(dāng)多的進(jìn)程。我們有兩個獨(dú)立的矢量電機(jī)控制算法實(shí)例來驅(qū)動BLDC電機(jī)。這些實(shí)例中的每一個還將實(shí)時數(shù)據(jù)從控制過程發(fā)送到兩個耦合的AI推理模塊。AI模塊會監(jiān)視此數(shù)據(jù)，以指示正常行為與問題行為。由于僅使用內(nèi)部電機(jī)控制數(shù)據(jù)，因此AI系統(tǒng)不需要額外的傳感器來監(jiān)控異常情況。這是RealityCheck Motor Toolbox的一項(xiàng)強(qiáng)大功能，允許工程師創(chuàng)建AI監(jiān)控解決方案，而無需在其設(shè)計(jì)中增加任何傳感器BOM成本。

如表1所示，我們的AI模塊具有極小的RAM和閃存空間，并且利用RA8T1的高級功能，它們都非?？?。兩者使用的總閃存低于14KB，RAM小于5KB。每個模塊在1毫秒內(nèi)執(zhí)行一次推理，因此即使每個電機(jī)子系統(tǒng)每秒8次推理，CPU上的負(fù)載也非常小。

圖3 兩個電機(jī)AI示例中的流程和數(shù)據(jù)流

表1 嵌入式模型指標(biāo)

我們是如何構(gòu)建的？

故事始于瑞薩電子為e2 studio用戶提供與Reality AI工具交互的無縫集成工作流程，所有這些都是我們的RealityCheck電機(jī)工具箱的一部分。功能如下圖4所示。工程師可以連接到瑞薩電機(jī)控制MCU并將數(shù)據(jù)收集直接收集到我們的數(shù)據(jù)存儲工具插件中。這可以使用MCK-RA8T1等評估板或在他們自己的基于瑞薩MCU的硬件設(shè)計(jì)中完成。我們的工具箱提供了與瑞薩電子靈活配置軟件包（FSP）堆棧相關(guān)的示例代碼，指導(dǎo)用戶從矢量電機(jī)控制算法中選擇和捕獲實(shí)時數(shù)據(jù)參數(shù)。在幾分鐘內(nèi)，用戶可以在實(shí)際電機(jī)使用條件下從他們的電路板實(shí)時收集數(shù)據(jù)。

特別是對于不平衡負(fù)載檢測，我們的數(shù)據(jù)收集矩陣有兩列變化：（1）輪轂中有和沒有螺釘，以及（2）我們想要解決的速度范圍。為了構(gòu)建我們的演示，我們收集了這些條件組合的數(shù)據(jù)樣本，并重復(fù)多次以涵蓋任何物理設(shè)置中發(fā)生的隨機(jī)變化。表2顯示了一個示例數(shù)據(jù)覆蓋率矩陣。

圖4 RealityCheck Motor工具箱為創(chuàng)建電機(jī)AI

提供了無縫的往返工作流程

那么，如何使用瑞薩工作流程構(gòu)建有用的分類器呢？

可靠的AI結(jié)果總是從結(jié)構(gòu)化數(shù)據(jù)收集開始。我們收集了各種條件下的數(shù)據(jù)示例，這些示例解決了感興趣的檢測類別以及我們期望在實(shí)踐中看到的運(yùn)動條件的數(shù)據(jù)變化。

表2 不平衡負(fù)載檢測的數(shù)據(jù)收集計(jì)劃

從e2 studio數(shù)據(jù)存儲插件中，這些數(shù)據(jù)可以直接上傳到云端，在那里我們使用Reality AI Tools來訓(xùn)練和優(yōu)化機(jī)器學(xué)習(xí)模型。該過程使用我們專有的AI Explore方法高度自動化，但也提供了用戶可以采用的廣泛測試、調(diào)整和優(yōu)化。（有關(guān)更多信息，請參閱Reality AI Tools頁面。一旦我們對模型在云中的準(zhǔn)確性感到滿意，我們就可以生成一個推理模塊，并將嵌入式庫代碼直接導(dǎo)出回e2 studio進(jìn)行測試。用戶可以獲得從原始數(shù)據(jù)到最終代碼生成的簡單、快速的端到端工作流程。

但是，如果您擁有自己的AI模型呢？

圖5 e-AI Translator可讓您輕松地從Keras、Tensor Flow和PyTorch等開源平臺導(dǎo)入AI模型，作為e2 studio項(xiàng)目中的代碼

一些客戶更喜歡引入自己的AI模型，這些模型是在Keras、Tensor Flow或Pytorch等知名開源框架中開發(fā)的。RealityCheck Motor在瑞薩e-AI Translator插件的幫助下也可以讓您做到這一點(diǎn)。這個強(qiáng)大的e2 studio 插件使用戶能夠?qū)腴_源創(chuàng)建的AI，將它們轉(zhuǎn)換為可以直接鏈接到您的項(xiàng)目的緊湊C代碼。

這就是我們構(gòu)建軸不對中檢測器的方式。我們再次以與以前類似的方式收集數(shù)據(jù)，使用RealityCheck Motor數(shù)據(jù)采集和e2 studio中的數(shù)據(jù)存儲工具。但是，我們沒有通過Reality AI Tools，而是將這些新數(shù)據(jù)導(dǎo)入Python框架，并使用Keras在那里訓(xùn)練我們的演示AI模型。然后，我們使用e-AI Translator將經(jīng)過充分訓(xùn)練的Keras模型導(dǎo)入到我們的項(xiàng)目代碼中。該模型已經(jīng)配置為處理來自我們的RealityCheck Motor捕獲函數(shù)的數(shù)據(jù)流，從而可以輕松地將e-AI推理代碼與項(xiàng)目的其余部分集成。

此示例展示了我們?nèi)绾屋p松地將Reality AI Tools工作流程創(chuàng)建的AI模塊與通過e-AI轉(zhuǎn)換器從其他來源導(dǎo)入的AI模塊相結(jié)合。用戶可以從常見的訓(xùn)練框架中導(dǎo)入任何深度學(xué)習(xí)或NN模型，因此，如果您更喜歡自帶模型，我們很樂意提供幫助。

總結(jié)一下……

RealityCheck Motor工具箱將瑞薩e2 studio IDE與我們基于云的Reality AI Tools機(jī)器學(xué)習(xí)環(huán)境相結(jié)合，為用戶創(chuàng)建一個無縫的端到端工作流程，從數(shù)據(jù)收集到AI模型構(gòu)建，再到緊湊、高效的嵌入式代碼。所有這些都適用于您選擇的瑞薩Motor Control MCU，無論是在評估板上還是在您自己的產(chǎn)品硬件中。用戶可以輕松創(chuàng)建直接在同一MCU上運(yùn)行的AI模塊，在許多情況下，除了電機(jī)控制算法的實(shí)時數(shù)據(jù)之外，無需任何其他傳感器。希望從開源AI平臺引入自己的模型的客戶可以使用e-AI Translator導(dǎo)入功能來實(shí)現(xiàn)。

RA8T1 32位電機(jī)控制優(yōu)化型MCU采用高性能Arm Cortex-M85內(nèi)核和高級功能，包括Helium和緊密耦合的D-cache，可將算法加速高達(dá)10倍。這種強(qiáng)大的功能支持多個電機(jī)、多個嵌入式AI模塊和其他高級算法，所有這些都在一個經(jīng)濟(jì)高效的MCU中實(shí)現(xiàn)。

借助瑞薩電子技術(shù)和先進(jìn)的AI解決方案，您的電機(jī)控制系統(tǒng)設(shè)計(jì)將在今天為未來做好準(zhǔn)備。

瑞薩電子(TSE: 6723)

科技讓生活更輕松，致力于打造更安全、更智能、可持續(xù)發(fā)展的未來。作為全球微控制器供應(yīng)商，瑞薩電子融合了在嵌入式處理、模擬、電源及連接方面的專業(yè)知識，提供完整的半導(dǎo)體解決方案。成功產(chǎn)品組合加速汽車、工業(yè)、基礎(chǔ)設(shè)施及物聯(lián)網(wǎng)應(yīng)用上市，賦能數(shù)十億聯(lián)網(wǎng)智能設(shè)備改善人們的工作和生活方式。