技术
ODI最近对较旧的Teslas Model S和Model X车辆提出的信息要求突显了工作负载疏忽,其中基于NVIDIA Tegra 3处理器和集成8GB eMMC NAND闪存的主控制单元(MCU)遇到了问题。
<strong>前言</strong>
在嵌入式软件开发,包括单片机开发中,软件架构对于开发人员是一个必须认真考虑的问题。软件架构对于系统整体的稳定性和可靠性是非常重要的,一个合适的软件架构不仅结构清晰,并且便于开发。我相信在嵌入式或单片机软件开发的初期大多数开发者采用的都是简单的前后台顺序执行架构。在嵌入式软件开发中,程序架构主要分为三种,本篇文章将对这三种程序架构做出详解。
<strong>1、软件架构存在的意义</strong>
<strong><font color="#004a85">作者 Michael Matuschek</font> </strong>
<strong>前言</strong>
除了纯粹的多人游戏(玩家体验主要取决于真人对手),人工智能 (AI) 是游戏设计的根本支柱。然而,商业游戏设计中的人工智能与一般意义上的AI有有着云泥之别:AI在象棋、围棋或星际争霸等游戏中势如破竹,轻松碾压顶尖选手,而其在商业游戏中的应用则不然。这里的情况截然不同:如果AI所向披靡,则会很快让玩家灰心泄气;而若其能力不济,无法与玩家势均力敌,则会让游戏索然无味。
电磁干扰的主要方式是传导干扰、辐射干扰、共阻抗耦合和感应耦合。对这几种途径产生的干扰我们应采用的相应对策:传导采取滤波,辐射干扰采用屏蔽和接地等措施,就能够大大提高产品的抵抗电磁干扰的能力,也可以有效的降低对外界的电磁干扰。本文从滤波设计、接地设计、屏蔽设计和PCB布局布线技巧四个角度,介绍EMC的设计技巧。
<strong>1、EMC滤波设计技巧</strong>
EMC设计中的滤波器通常指由L,C构成的低通滤波器。滤波器结构的选择是由"最大不匹配原则"决定的。即在任何滤波器中,电容两端存在高阻抗,电感两端存在低阻抗。图1是利用最大不匹配原则得到的滤波器的结构与ZS和ZL的配合关系,每种情形给出了2种结构及相应的衰减斜率(n表示滤波器中电容元件和电感元件的总数)。
PCB生产流程、PCB材料选择、PCB板厚设计、层压结构的设计、黑棕氧化技术的应用推广、各层图形及钻孔设计、外形及拼版设计、阻抗设计、PCB热设计要求。
<strong><font color="red">PCB生产流程</font> </strong>
常用的电路板加工工艺流程有如下几种:单面板工艺流程、双面板工艺流程、多层板工艺流程
<strong>单面板工艺流程</strong>
模拟带宽的重要性高于其他一切在越来越多的应用中得到体现。随着GSPS或RF ADC的出现,奈奎斯特域在短短几年内增长了10倍,达到多GHz范围。这帮助上述应用进一步拓宽了视野,但为了达到X波段(12 GHz频率),仍然需要更多带宽。在信号链中运用采样保持放大器(THA),可以从根本上扩展带宽,使其远远超出ADC采样带宽,满足苛刻高带宽的应用的需求。本文将证明,针对RF市场开发的最新转换器前增加一个THA,便可实现超过10 GHz带宽。
模电想必是近来小伙伴们很头疼的一门课程了。小编结合自己的感受用一句话形容一下:
"老师说第一遍不懂,第二遍还是不懂,第三遍还是不懂。"
网友们是这么看模电的:
天书般难懂。
模电=魔电
本科模电就够痛苦了,研究生的高阶模电简直是欲仙欲死。
二极管、三极管、MOS带入门;运放、震荡电路、斩波电路显神通。
课堂上老师讲的都会了 课后又都不会了。
模电学起来不算难,应付考试也简单,刚开始用起来觉得有点难,用的时间长了,感觉越来越难。
……
模电本身是一个非常复杂的学科,模拟电路(Analog Circuit)的含义是处理模拟信号的电子电路。自然界中绝大多数信号都是模拟信号,它们有连续的幅度值,比如说话时的声音信号。
<strong><font color="#004a85"> 作者 Wang Dongang </font> </strong>
<strong>智慧社区的安全</strong>
当人们谈论未来的生活时,智慧社区一直是绕不开的话题。2020年5月,中国《2020年国务院政府工作报告》提出,要重点支持“两新一重” (新型基础设施建设,新型城镇化建设,交通、水利等重大工程建设),其中前两项“新基建”和“新城建”,都会把智慧社区作为一个关注点。
有时候,在设计电路时,需要用到一个阻值比较小的功率电阻作采样电阻,用来采样大电流。很多时候我们都会采用一个大封装的功率电阻来做,例如2010,1812,功率一般0.5W。但是我们有没有想过用PCB走线来设计一个采样电阻呢?下面介绍用PCB走线设计一个0.05欧姆的方法。
先认识一下物理知识,导体的电阻率公式:R =ρL/S,其中 ρ 是特定导体的电阻率, L 是导体长度, S 是导体截面积。
<strong>1.贴片之间的间距</strong>
<center><img src="http://mouser.eetrend.com/files/2021-01/wen_zhang_/100060818-118789-1.p…; alt=“”></center>
贴片之间的间距既不能太大(浪费电路版面),也不能太小,避免焊锡膏印刷粘连以及焊接修复困难。
间距大小可以参考如下的规范:
早期的机器学习以搜索为基础,主要依靠进行过一定优化的暴力方法。但是随着机器学习逐渐成熟,它开始专注于加速技术已经很成熟的统计方法和优化问题。同时深度学习的问世更是带来原本可能无法实现的优化方法。本文将介绍现代机器学习如何找到兼顾规模和速度的新方法。
<center><img src="http://mouser.eetrend.com/files/2021-01/wen_zhang_/100060761-118589-she…; alt=“” width="600"></center>
<strong><font color="#004a85">作者:Bruce Trump 资深模拟工程师</font> </strong>
运放的压摆动作经常被误解。压摆率是一个内容较多的话题,我们需要将它进行分类讨论。
运放输入级电路的两个输入端之间的电压通常非常小------理想情况下为零,对吗?但是,输入信号突然地改变会短暂打破反馈回路的平衡,在运放的输入端产生一个误差差分电压。这将会导致运放的输出产生变化来校正输入端的误差电压。误差电压越大,输出端电压变化得越快,直到输入端的差分电压足够大从而使得运放产生压摆。
汽车电气化时代到来已是一个不争的事实,不过怎么实现却是众说纷纭:纯电动(EV)、混合动力(HEV)、插电式混合动力(PHEV)、48V轻混动力(MHEV)和重混动力(HEV),还有燃料电池,不一而足。
在全球环保压力下,轿车、卡车、公交车及摩托车主机厂都在对其车辆实施电气化,以提高内燃机的燃油效率,减少二氧化碳排放。
尽管电气化选择很多,但大多数主机厂都没有选择完全混合动力(Full-hybrid)总成,而是选择了48V MHEV,除了使用传统12V电池之外,还新增了一个48V电池。
<strong>1、传统12V配电已是小马拉大车</strong>
现代数据采集和信号发生系统既复杂又精细。几十年的 IC 和应用开发以及一代又一代设计已经优化了性能和众多优点,同时使性能不断提高、优点不断增多。新的设计必须凭借精心挑选的性能、尺寸、电源范围、稳定性以及更多优点,实现与之前设计的差异化。同时,DAC、ADC、电压基准等高性能集成电路的性能已经被推进到了极限。关于电压基准,常常必须在精确度和众多优点之间做出设计选择。当需要最高性能时,就有可能缺乏灵活性和兼容性。
伺服的基本概念是准确、精确、快速定位。变频是伺服控制的一个必须的内部环节,伺服驱动器中同样存在变频(要进行无级调速)。
但伺服将电流环速度环或者位置环都闭合进行控制,这是很大的区别。除此外,伺服电机的构造与普通电机是有区别的,要满足快速响应和准确定位。
现在市面上流通的交流伺服电机多为永磁同步交流伺服,但这种电机受工艺限制,很难做到很大的功率,十几KW以上的同步伺服价格及其昂贵,这样在现场应用允许的情况下多采用交流异步伺服,这时很多驱动器就是高端变频器,带编码器反馈闭环控制。
所谓伺服就是要满足准确、精确、快速定位,只要满足就不存在伺服变频之争。
<strong>一、两者的共同点</strong>
<strong><font color="#004a85">作者:M. Tim Jones</font> </strong>
早期的AI主要用在运行原始Lisp运算的专用硬件上,由Lisp(LISt处理器)编程语言提供支持。Lisp是最早的语言之一,在处理项目列表方面非常高效。随后通用机器变得流行,编程模型也跟着流行起来。但是,随着机器学习(特别是深度学习)的重新兴起,新的方法和工具包又优化了这些数据流。本文将探讨机器学习与软件平台的融合。
<strong><font color="#004a85">Q:首先,什么是四象限电源?</font> </strong>
<strong><font color="red">A:可以吸收和提供正负电流和电压的电源。</font> </strong>
随着单片机系统越来越广泛地应用于消费类电子、医疗、工业自动化、智能化仪器仪表、航空航天等各领域,单片机系统面临着电磁干扰(EMI)日益严重的威胁。电磁兼容性(EMC)包含系统的发射和敏感度两方面的问题。
通常,人工智能(AI)计算大多是在数据中心、企业核心设备或电信边缘处理器上远程执行的,而不是在本地设备上。其中缘由主要是AI计算需要数百个不同类型的芯片来执行,硬件的尺寸、成本和功耗都非常高。但是,对于那些对带宽、时延敏感的实时性应用而言,全部上“云”就不是最好的选择了。
幸好,嵌入式AI已经开始改变这一切!