L'embarqué > Matériel & systèmes > Composant > Des microcontrôleurs 32 bits pour commande moteur de Renesas embarquent TensorFlow Lite for Microcontrollers

Des microcontrôleurs 32 bits pour commande moteur de Renesas embarquent TensorFlow Lite for Microcontrollers

Publié le 29 octobre 2020 à 12:45 par Pierrick Arlot        Composant  Renesas

Renesas RA6T1

Renesas étoffe aujourd’hui son portefeuille de microcontrôleurs pour applications de commande moteur avec quatre modèles RA à cœur Arm Cortex-M4 dotés de fonctions de détection de fautes reposant sur l‘intelligence artificielle (IA). Conçus pour les besoins spécifiques de commande moteur des appareils électroménagers, des équipements de chauffage, de ventilation et de climatisation, des onduleurs photovoltaïques et des variateurs de fréquence, les microcontrôleurs référencés RA6T1, cadencés à 120 MHz, disposent d’un large éventail de périphériques, dont des fonctions analogiques haute vitesse, qui visent à réduisent la facture matérielle (BOM) tout en dopant les performances, assure Renesas. Ainsi un simple microcontrôleur serait apte à commander simultanément deux moteurs à courant continu sans balais.

Par ailleurs, les modèles 32 bits RA6T1 prennent en charge l’environnement TensorFlow Lite for Microcontrollers de Google pour les applications d’apprentissage automatique « compactes » (TinyML) et permettent donc d’ajouter une détection améliorée des pannes aux microcontrôleurs à des fins de maintenance prédictive sur des moteurs sans capteurs.

Selon Renesas, le framework IA TensorFlow repère les anomalies potentiellement préjudiciables dans les systèmes à moteur plus tôt et de manière plus précise, l’idée étant d’aider les utilisateurs à améliorer leurs processus de maintenance prédictive et à réduire les coûts de maintenance. Pour rappel, TensorFlow Lite for Microcontrollers a été conçu pour déployer des modèles compacts d’apprentissage automatique TinyML sur des processeurs éco-efficaces implantés dans des produits de périphérie de réseau (edge). Comme son nom l’indique, il s’agit d’un portage de TensorFlow Lite élaboré pour exécuter des modèles ML sur des microcontrôleurs ou d’autres circuits dotés de quelques kilo-octets de mémoire seulement.

Dans le détail, les microcontrôleurs RA6T1 de Renesas embarquent, outre le cœur Cortex-M4, 64 Ko de RAM, entre 256 Ko et 512 Ko de mémoire flash, un timer PWM 32 bits doté de fonctions avancées (dont sept types de modes PWM pour la génération de « porteuse »), un convertisseur A/N 12 bits (avec une vitesse maximale de 0,4 µs et une fonction d’échantillonnage/blocage permettant l’acquisition de trois courants de shunt) et un amplificateur de gain programmable à six canaux.

Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée à l’intelligence artificielle dans l’embarqué : Embedded-IA

Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée aux microcontrôleurs : Embedded-MCU

Sur le même sujet