電子發(fā)燒友網(wǎng)報(bào)道（文/吳子鵬）電動(dòng)化是智能化的基石，這句話不僅僅適用于汽車領(lǐng)域，對(duì)于工業(yè)、消費(fèi)電子等領(lǐng)域，這句話同樣有效。作為電動(dòng)化的動(dòng)力源，電機(jī)的發(fā)展也受到終端行業(yè)智能化升級(jí)的影響，同時(shí)電機(jī)控制與驅(qū)動(dòng)系統(tǒng)本身也在經(jīng)歷著智能化升級(jí)。

電機(jī)控制與驅(qū)動(dòng)的智能化升級(jí)主要體現(xiàn)在兩個(gè)方面：其一是電機(jī)控制算法越來越智能，讓電機(jī)系統(tǒng)變得更加聰明、高效；其二是電機(jī)系統(tǒng)融合的元素越來越多，尤其是電機(jī)與傳感器、機(jī)器學(xué)習(xí)等技術(shù)的結(jié)合，使得電機(jī)控制和反饋形成了閉環(huán)，控制過程也更加靈活。這兩點(diǎn)在以控制著稱的無刷直流（BLDC）電機(jī)領(lǐng)域尤為明顯，當(dāng)前BLDC正經(jīng)歷智能化變革，采用AI算法、物聯(lián)網(wǎng)、邊緣計(jì)算和模塊化設(shè)計(jì)提升效率和性能，使得BLDC控制不再依賴固定的參數(shù)，而是能夠?qū)崟r(shí)調(diào)整控制參數(shù)，以適應(yīng)不同的工作環(huán)境和負(fù)載條件，從而提高電機(jī)的效率和性能。

不過，對(duì)于如何承載電機(jī)控制算法，目前產(chǎn)業(yè)界的認(rèn)知并不統(tǒng)一，作為提供最基礎(chǔ)算力的MCU，實(shí)際上也具有一定的算法承載能力，目前大部分智能化的算法都可以通過MCU來運(yùn)行，且廠商在迭代的新產(chǎn)品里擴(kuò)大了存儲(chǔ)資源，并升級(jí)了核心性能，使得MCU承載算法的能力進(jìn)一步增強(qiáng)。不過，也有一部分廠商選擇在現(xiàn)階段就集成更好運(yùn)轉(zhuǎn)智能算法的NPU，但落地場(chǎng)景更多還在摸索階段。因而，到底電機(jī)控制需要不需要NPU，或者說何時(shí)需要NPU，這是值得探討的。

電機(jī)控制和驅(qū)動(dòng)的智能化升級(jí)

電機(jī)控制與驅(qū)動(dòng)系統(tǒng)主要包含以下幾部分：?驅(qū)動(dòng)電機(jī)、?電機(jī)控制器、減速器、冷卻系統(tǒng)、旋轉(zhuǎn)變壓器和各種傳感器等。其中，?電機(jī)控制器的主要作用包括控制電機(jī)的運(yùn)行、保護(hù)電機(jī)、提高電機(jī)效率以及實(shí)現(xiàn)通信與反饋?。具體來說，電機(jī)控制器能夠根據(jù)輸入信號(hào)控制電機(jī)的啟動(dòng)、停止、加速、減速、正轉(zhuǎn)、反轉(zhuǎn)等運(yùn)行狀態(tài)，同時(shí)監(jiān)測(cè)電機(jī)的運(yùn)行狀態(tài)，如電流、電壓、溫度等參數(shù)，一旦發(fā)現(xiàn)異常，能夠及時(shí)切斷電源，防止電機(jī)損壞。此外，電機(jī)控制器可以通過脈寬調(diào)制（PWM）技術(shù)精準(zhǔn)控制電機(jī)功率輸出。

當(dāng)然，電機(jī)控制器想要發(fā)揮上述作用，離不開電機(jī)控制算法。電機(jī)控制算法是指在機(jī)電一體化中，進(jìn)行電機(jī)控制系統(tǒng)的分析、綜合或設(shè)計(jì)時(shí)所使用的控制算法。在進(jìn)行電機(jī)控制系統(tǒng)的設(shè)計(jì)和分析時(shí)，首先需要建立該系統(tǒng)的數(shù)學(xué)模型，以反映系統(tǒng)的數(shù)據(jù)和邏輯關(guān)系。
?
根據(jù)應(yīng)用場(chǎng)景的不同，常見的電機(jī)控制算法包括開環(huán)、PID、矢量控制、直接轉(zhuǎn)矩控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制等。當(dāng)然，根據(jù)電機(jī)類型的不同，控制算法也會(huì)有差異，還以BLDC為例，梯形整流換向和正弦整流換向都可以控制BLDC，不過梯形整流換向雖然算法相對(duì)簡(jiǎn)單但會(huì)遭遇轉(zhuǎn)矩紋波問題。另外，BLDC的算法也可以分為有感和無感，其中有感控制算法通過位置傳感器直接對(duì)轉(zhuǎn)子位置信息檢測(cè)，但增加了傳感器就增加了成本；無感控制算法則用于代替位置傳感器對(duì)轉(zhuǎn)子位置信息進(jìn)行估計(jì)，常用的方法有反電動(dòng)勢(shì)法、定子磁鏈法、電感法等。

在電機(jī)控制算法中，有一類算法被稱為神經(jīng)網(wǎng)絡(luò)控制算法。神經(jīng)網(wǎng)絡(luò)控制是一種基于人工神經(jīng)網(wǎng)絡(luò)的電機(jī)控制算法。它通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型來預(yù)測(cè)電機(jī)的輸出，然后通過調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)重和閾值來實(shí)現(xiàn)對(duì)電機(jī)的控制。具有較好的自適應(yīng)性和魯棒性，適用于非線性、不確定性較大的電機(jī)控制場(chǎng)合。尤其是當(dāng)神經(jīng)網(wǎng)絡(luò)算法中加入深度學(xué)習(xí)算法后，效果改善會(huì)更加明顯，比如深度學(xué)習(xí)算法可以分析電機(jī)運(yùn)行數(shù)據(jù)，預(yù)測(cè)潛在的故障并優(yōu)化控制策略。

實(shí)際上，神經(jīng)網(wǎng)絡(luò)算法就是電機(jī)控制智能化升級(jí)的典型代表，此外還有模糊控制算法和遺傳算法優(yōu)化控制等。這些都被統(tǒng)稱為智能控制算法，主要的研究方向包括以下幾點(diǎn)：其一是電機(jī)模型建立，為電機(jī)建模是使用智能控制算法的基礎(chǔ)，描述了電機(jī)的動(dòng)態(tài)特性和靜態(tài)特性，使得算法和工程師能夠更好地了解電機(jī)；其二是選擇最優(yōu)的控制策略，控制策略是智能控制算法的核心，決定了電機(jī)驅(qū)動(dòng)的方式和控制的效果；其三是實(shí)時(shí)監(jiān)測(cè)與反饋，如上所述，智能化控制不依賴固定的電機(jī)參數(shù)，可以根據(jù)電機(jī)實(shí)時(shí)參數(shù)而調(diào)整控制策略；其四是安全性與可靠性，智能控制算法可以預(yù)先判斷電機(jī)后續(xù)的狀態(tài)，確保系統(tǒng)運(yùn)行的可靠性，尤其是預(yù)測(cè)性維護(hù)策略，這是電機(jī)控制算法升級(jí)的主要方向之一。

那么，很明顯電機(jī)控制智能化升級(jí)的本質(zhì)就是，融合AI算法，實(shí)現(xiàn)精準(zhǔn)控制與自適應(yīng)調(diào)節(jié)。

如何承載電機(jī)智能控制算法？

電機(jī)控制和驅(qū)動(dòng)智能化升級(jí)的方向是非常明確的，問題在于通過怎樣的硬件基礎(chǔ)承載這樣的算法，尤其是作為系統(tǒng)核心的MCU該如何應(yīng)對(duì)？

此前，筆者分享了主要MCU廠商的AI布局策略。其中提到了瑞薩電子的Reality AI Explorer Tier工具，這款工具允許工程師基于高級(jí)信號(hào)處理生成和構(gòu)建TinyML和Edge AI模型。用戶可以自動(dòng)瀏覽傳感器數(shù)據(jù)并生成優(yōu)化模型。Reality AI工具包含用于查找最佳傳感器或傳感器組合、傳感器放置位置和自動(dòng)生成組件規(guī)格的分析，并包括時(shí)域、頻域方面完全可解釋的模型函數(shù)，以及用于Arm Cortex M/A/R實(shí)現(xiàn)的優(yōu)化代碼。因此，如果工程師選擇瑞薩電子的Reality AI Explorer Tier工具對(duì)電機(jī)建模并生成算法，其實(shí)可以選擇部署在瑞薩電子普通類型的MCU上，這是可行的路徑。當(dāng)然，如果這個(gè)算法對(duì)算力的要求有點(diǎn)高，那么可以選擇瑞薩電子RA8T1 32位電機(jī)控制優(yōu)化型MCU，這款MCU基于高性能Arm Cortex-M85內(nèi)核，也并不需要NPU。工程師還可以將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(tái)導(dǎo)入的開源AI模型相結(jié)合。

瑞薩電子RA8T1是一個(gè)典型，一些還沒有部署NPU的廠商的策略是大抵相同的，比如國(guó)內(nèi)的兆易創(chuàng)新，該公司GD32H7系列MCU采用基于Armv7E-M架構(gòu)的600MHz Arm Cortex-M7高性能內(nèi)核，配備了1024KB到3840KB的片上Flash及1024KB的SRAM，還提供高級(jí)DSP硬件加速器和雙精度浮點(diǎn)單元（FPU），以及硬件三角函數(shù)加速器（TMU）和濾波算法加速器（FAC），這些配置讓GD32H7系列適用于機(jī)器學(xué)習(xí)和邊緣計(jì)算等諸多高端創(chuàng)新場(chǎng)景，這些場(chǎng)景是包含電機(jī)控制的。

不過，由于NPU在運(yùn)行AI算法方面的先天優(yōu)勢(shì)，隨著電機(jī)智能控制算法越來越強(qiáng)大，NPU一定是未來的方向，行業(yè)中也已經(jīng)有了先行者。比如德州儀器公司的C2000實(shí)時(shí)MCU新品——TMS320F28P550SJ。這款器件不僅提供獨(dú)立32位浮點(diǎn)數(shù)學(xué)加速器CLA、浮點(diǎn)單元 (FPU)、三角函數(shù)加速器 (TMU) 和 VCRC（循環(huán)冗余校驗(yàn)）擴(kuò)展指令集，還提供NPU。這顆NPU能夠處理600–1200MOPS（兆次運(yùn)算/秒），并且為電弧故障檢測(cè)或電機(jī)故障檢測(cè)提供模型支持，與僅基于軟件的實(shí)現(xiàn)方案相比，將NN推理周期改進(jìn)了高達(dá)10倍。

恩智浦的MCX N系列MCU也是一個(gè)很有代表性的產(chǎn)品，在內(nèi)核方面，MCX N系列采用雙核ArmvCortex-M33架構(gòu)，運(yùn)行頻率為150MHz，和上述提到的高性能MCU相比，這個(gè)性能并不高。不過，MCX N系列集成恩智浦 eIQ Neutron神經(jīng)處理單元（NPU），可用于機(jī)器學(xué)習(xí)（ML） 加速。另外，MCX MCU系列還支持eIQ 機(jī)器學(xué)習(xí)軟件開發(fā)環(huán)境和eIQ工具集，用于開發(fā)或轉(zhuǎn)換機(jī)器學(xué)習(xí)模型，使其能夠高效地運(yùn)行在MCX CPU和eIQ Neutron NPU上。得益于這顆NPU，MCX MCU系列承載電機(jī)智能控制算法的能力得到了顯著增強(qiáng)。

因而，雖然MCU集成NPU在智能電機(jī)控制方面還不是業(yè)界共識(shí)的方案，但NPU的加入確實(shí)顯著增強(qiáng)了算法支持的能力，有助于打造更智能的電機(jī)系統(tǒng)。也就是說，現(xiàn)在硬件已經(jīng)就緒，只待殺手級(jí)的應(yīng)用，不過應(yīng)用尚處于摸索期確實(shí)也是行業(yè)共識(shí)。

結(jié)語(yǔ)

電機(jī)控制智能化升級(jí)趨勢(shì)是不可逆的，隨著終端設(shè)備升級(jí)，會(huì)有越來越多的設(shè)備采用智能算法驅(qū)動(dòng)的電機(jī)，不過現(xiàn)階段算法對(duì)NPU需求并不強(qiáng)，高性能MCU就可以很好地支持。一旦算法更進(jìn)一步，NPU的優(yōu)勢(shì)將顯露無遺，屆時(shí)集成NPU的MCU將擁有先發(fā)優(yōu)勢(shì)。還是那句話——電動(dòng)化是智能化的基石，而電機(jī)是電動(dòng)化的動(dòng)力源，怎么能不智能呢。