半導體製造商ROHM（總公司：日本京都市）推出了具有 AI（人工智慧）功能的微控制器「<a href="https://www.rohm.com.tw/products/micon/solist-ai/ml63q2500-group?PS_PackageShortCode=P-TQFP48-0707-0.50-ZK6|P-WQFN48-0707-0.50-63#parametricSearch" target="_blank" rel="noopener">ML63Q253x-NNNxx</a>&nbsp;/&nbsp;<a href="https://www.rohm.com.tw/products/micon/solist-ai/ml63q2500-group?PS_PackageShortCode=P-TQFP64-1010-0.50-ZK6|P-WQFN64-0909-0.50-63#parametricSearch" target="_blank" rel="noopener">ML63Q255x-NNNxx</a>」（以下簡稱 AI微控制器），該產品可利用在馬達等工業設備，及其他各種設備的感測資料進行故障檢測和劣化預測，而且無需網路即可進行學習和推理，是業界首創的微控制器。
<div style="text-align: center;"><img src="https://edit.wpgdadawant.com/uploads/news_file/vendornews/2025/23201/tinymce/1.png" alt="" /></div>
新產品採用簡單的三層神經網路*1演算法，實現了ROHM獨家端點側AI解決方案「Solist-AI&trade;」，無需依賴雲端或網路，即可在微控制器內部進行學習與推理。
目前AI處理模型主要分為雲端AI、邊緣AI和端點AI。雲端AI是在雲端執行學習和推理，邊緣AI是在雲端及工廠設備或PLC*2上搭載AI，再利用網路執行學習和推理。通常，端點AI是在雲端學習、在終端設備上推理，因此需要連接網路。此外，由於上述處理模型是透過軟體執行推理的，因此需要配備GPU或高性能CPU。
ROHM的AI微控制器雖然是端點AI，但透過設備端學習，能夠在微控制器內部獨立執行學習和推理，因此能夠靈活應對安裝環境和同一機型的差異。與使用傳統軟體方式（條件：12MHz驅動時的理論值）的ROHM微控制器相比，使用ROHM獨家AI加速器「AxlCORE-ODL」*3可將AI處理速度提高約1,000倍，還能夠即時檢測「不同於以往」的異常，並輸出相應的數值。並且由於可以在設備安裝現場進行快速學習（設備端學習），因此也可以加裝到現有機台上。
<div><img style="display: block; margin-left: auto; margin-right: auto;" src="https://edit.wpgdadawant.com/uploads/news_file/vendornews/2025/23201/tinymce/2.png" alt="" /></div>
此AI微控制器配備了32bit Arm&reg;&nbsp;Cortex&reg;-M0+ Core、CAN FD*4控制器、三相馬達控制PWM*5和2組A/D轉換器*6，實現了僅約40mW的低功耗性能，非常適用於工業設備、住宅設備和家電的故障檢測。
ROHM計畫推出記憶體大小、封裝、引腳數和包裝規格不同、共16種型號的AI微控制器。採用TQFP封裝的有8種型號，已從2025年2月開始依次投入量產（樣品價格3,000日元/個，未稅）。其中記憶體（Code Flash）大小256KB、採用編帶包裝的2種型號可以和微控制器評估板一起透過電商平台購買。
ROHM也在官網上發佈了AI模擬工具（Solist-AI&trade; Sim），用戶可以在導入AI微控制器之前，確認學習和推理的效果。該工具輸出的資料也可作為實際AI微控制器的學習資料，對於導入前的初步驗證和提高精度很有幫助。
此外為了促進AI微控制器的導入，ROHM與合作夥伴共同構建了相關生態系統，以支援模型開發和導入。今後ROHM將繼續強化生態系統，透過支援學習資料的創建、提出優化導入方案等，為AI微控制器提供更便利的使用環境。 
<section>
<h2 class="titleA">＜開發背景＞</h2>
近年來隨著對設備和機器高效運行的需求不斷增加，故障檢測和維護效率的提升成為重要課題。同時設備和機器製造商也在尋求既能避免網路延遲和安全風險，又能即時掌握運行狀態的解決方案。然而一般的AI處理模型需要網路連接和高性能CPU，因此成本和安裝環境的限制一直是個難題。在此背景下，ROHM推出能夠獨立執行AI學習和推理的創新型AI微控制器。該解決方案無需連接網路，可在設備發生故障之前檢測出故障，降低維護成本和停機風險，助力實現設備和機器的穩定運行，並進一步提升效率。
</section>
<section>
<h2 id="anc-03" class="titleA">＜關於Solist-AI&trade;（Solution with On-device Learning Ic for STandalone-AI）＞</h2>
Solist-AI&trade;是ROHM針對邊緣運算領域提供的端點側AI解決方案，其名稱源自音樂術語「獨奏者」，透過自主研發的設備端學習AI技術，無需依賴雲端伺服器，即可在獨立的邊緣設備上執行即時訓練和推理，具有體積小、功耗低的特點，有助實現AI創新和擴展。 <img style="display: block; margin-left: auto; margin-right: auto;" src="https://edit.wpgdadawant.com/uploads/news_file/vendornews/2025/23201/tinymce/4.png" alt="" />
</section>
<div style="text-align: right;">・「Solist-AI&trade;」是ROHM Co., Ltd.的商標或註冊商標。</div>
<h2 id="anc-01" class="titleA">＜產品陣容＞</h2>
AI微控制器配備32bit Arm&reg;&nbsp;Cortex&reg;-M0+ Core （最大工作頻率：48MHz），以及執行訓練和推理的三層神經網路AI加速器「AxlCORE-ODL」。此外透過利用三相馬達控制PWM等各種計時器功能、CAN FD等豐富的序列介面和12bit A/D轉換器，可廣泛應用於工業設備、住宅設備和家電的控制和資料處理。 <img style="display: block; margin-left: auto; margin-right: auto;" src="https://edit.wpgdadawant.com/uploads/news_file/vendornews/2025/23201/tinymce/3.png" alt="" /> 
<h2 class="titleA">＜AI微控制器開發支援工具＞</h2>
AI微控制器採用通用的Arm&reg;內核，可以使用市售產品或ROHM提供的整合式開發環境。在學習和推理評估方面，ROHM提供可確認AI工作情況的模擬工具，和可確認AI效果的即時檢視器。此外在下方官網的AI微控制器開發支援系統頁面中，介紹了AI微控制器開發支援系統的配置和各產品概要。 <a href="https://www.rohm.com/lapis-tech/product/micon/solistai-software" target="_blank" rel="noopener">https://www.rohm.com/lapis-tech/product/micon/solistai-software</a>
■ROHM官網訊息 　<a href="https://www.rohm.com.tw/products/micon/solist-ai#developmentSupportsubmenu" target="_blank" rel="noopener">Solist-AI&trade; Sim</a>：可在電腦上運行的、用來確認AI工作情況的模擬工具 　<a href="https://www.rohm.com.tw/products/micon/solist-ai/ml63q2500-group#sampleProgramsubmenu" target="_blank" rel="noopener">Solist-AI&trade; Scope</a>：用來確認AI效果的即時檢視器（附帶參考軟體） 　<a href="https://www.rohm.com.tw/products/micon/solist-ai/ml63q2500-group#sampleProgramsubmenu" target="_blank" rel="noopener">參考軟體</a>：AI微控制器的範例軟體 　<a href="https://www.rohm.com.tw/products/micon/solist-ai#softwaresubmenu" target="_blank" rel="noopener">整合開發環境</a>：LEXIDE-&Omega;（ROHM製造）
■市售產品 　Arm&reg;整合開發環境：Arm&reg;&nbsp;Keil&reg;&nbsp;MDK 　Arm&reg;Debug Adapter：連接電腦和Arm&reg;內核的debugger 　USB-SPI轉換Adapter：連接AI微控制器和Solist-AI&trade; Scope的Adapter
■電商銷售產品 　微控制器評估板：配備AI微控制器的獨立評估 / 軟體發展用評估板
<section>
<h2 id="anc-02" class="titleA">＜電商銷售訊息＞</h2>
AI微控制器及微控制器評估板在電商平台也將逐步發售。（發售時間：2025年4月起）
・AI微控制器產品訊息 　產品型號：<a href="https://www.rohm.com.tw/distribution?search-box4=ML63Q2537-NNNTBZWBY&amp;SearchFlagValue=true&amp;distributionsearch=2" target="_blank" rel="noopener">ML63Q2537-NNNTBZWBY</a>、<a href="https://www.rohm.com.tw/distribution?search-box4=ML63Q2557-NNNTBZWBY&amp;SearchFlagValue=true&amp;distributionsearch=2" target="_blank" rel="noopener">ML63Q2557-NNNTBZWBY</a> ・微控制器評估板訊息 　產品型號：<a href="https://www.rohm.com.tw/distribution?search-box4=RB-D63Q2537TB48&amp;SearchFlagValue=true&amp;distributionsearch=2" target="_blank" rel="noopener">RB-D63Q2537TB48</a>、<a href="https://www.rohm.com.tw/distribution?search-box4=RB-D63Q2557TB64&amp;SearchFlagValue=true&amp;distributionsearch=2" target="_blank" rel="noopener">RB-D63Q2557TB64</a>
</section>
<section>
<h2 class="titleA">＜應用示例＞</h2>
FA（Factory Automation）感測器、馬達、電池、電動工具、住宅設備或家電、機器人，以及需要故障檢測的設備、不能停機的設備和需要提高預測精度的設備等應用。
</section>
<section>
<h2 class="titleA">＜AI微控制器的應用實例＞</h2>
AI微控制器與各種感測器結合，能夠實現高精度的異常檢測和狀態監控。 ■FA感測器＋AI微控制器 　利用光、溫度、流量、聲音等資料進行設備狀態監控和異常檢測 　FA感測器等感測單元本身的異常檢測和劣化預測 ■馬達＋AI微控制器 　監控馬達電流、溫度、轉速，檢測負載異常和軸承損壞情況 ■加速度感測器＋AI微控制器 　監控機器振動並根據適合每台機器的標準實現基於狀態的維護*7 ■AE（Acoustic Emission）*8感測器＋AI微控制器 　綜合分析AE感測器的各項指標（最大振幅、平均值、能量和計數），及早發現機器異常 ■住宅設備或家電＋AI微控制器 　利用現有感測器的資料，及早發現設備異常，確認是否需要維護，估算未感測到的資料並預測特定工作所需的時間 ■工業機器人＋AI微控制器 　透過邊緣（終端）感測器和AI微控制器檢測機器人各部分的異常情況和調試時機，僅將結果傳輸給主CPU
</section>
<section>
<h2 class="titleA">＜名詞解釋＞</h2>
<dl class="descriptionWrap">
<dt>*1）三層神經網路</dt>
<dd>受人腦結構啟發而誕生的神經網路（數學公式和函數模型），處理流程由輸入層、中間層和輸出層組成，中間層為一層、總共僅有三層的簡單神經網路。「深度學習」是將中間層的數量增加到幾十層或更多，以執行更複雜的AI處理的多層神經網路。</dd>
<dt>*2）PLC（Programmable Logic Controller）</dt>
<dd>用於自動控制生產設備和工業設備的可程式化設計控制裝置。通常會配備微控制器，並廣泛應用於自動控制和機器控制，且要求具有優異的環境耐受性和高可靠性。</dd>
<dt>*3）AI加速器</dt>
<dd>在實現AI功能時，將透過軟體讓處理器（CPU）執行處理，改為由硬體處理來提高處理速度的專用硬體。</dd>
<dt>*4）CAN FD（CAN with Flexible Data rate）</dt>
<dd>CAN（Controller Area Network）協議的升級版，與傳統的CAN相比，資料傳輸速度更快，資料容量更大。除了車載網路外，近年來在工業設備領域也得到了廣泛應用，適用於PLC、機器人控制、運動控制系統等需要即時控制的應用。</dd>
<dt>*5）三相馬達控制PWM（Pulse Width Modulation）</dt>
<dd>三相馬達控制PWM是一種用於有效控制三相馬達運行的PWM訊號生成功能。透過在三個不同時序輸出脈衝信號，可以精確調整馬達的轉速和轉矩。 該功能對於工業設備、家電中的節能和高性能馬達驅動至關重要，透過內建微控制器，可實現即時控制。</dd>
<dt>*6）A/D轉換器</dt>
<dd>A/D轉換器是一種將類比訊號（電壓、電流等連續資料）轉換為數位訊號（數值資料）的功能。它將從感測器獲取的溫度、振動、壓力等類比資料，轉換為微控制器可處理的數位格式。該功能在支援感測器資料讀取，和控制系統的即時處理方面極為重要。</dd>
<dt>*7）基於狀態的維護（CBM：Condition-Based Maintenance）</dt>
<dd>即時監控機器和設備「當前狀態」，並在發現異常時進行適當維護的方法。透過使用AI微控制器，可以學習每台機器的特性和安裝環境的差異，進而為每台機器實現更優化的CBM。</dd>
<dt>*8）AE（Acoustic Emission）感測器</dt>
<dd>檢測材料內部產生的微小高頻聲波（彈性波），監控結構或設備的是否發生損壞和異常的感測器。透過結合AI微控制器與AE感測器，可以即時學習和推理設備早期階段的異常情況，進而實現故障檢測。</dd>
</dl>
註)&nbsp;Arm&reg;、Cortex&reg;和Keil&reg;是Arm Limited（或其子公司）在美國或其他國家的註冊商標。
</section>

ROHM推出業界首創※具有AI功能的微控制器 ～無需網路即可實現學習和推理 並可預測設備異常～

<ul>
<li>英飛凌已達成協議，將以 25 億美元收購 Marvell Technology 的汽車乙太網路業務</li>
<li>本次交易將結合英飛凌領先的汽車微控制器產品組合與 Marvell 的汽車乙太網路業務，進一步加速英飛凌在軟體定義汽車領域的系統能力</li>
<li>針對未來的IoT應用，例如：人型機器人，將開拓更多的成長機會</li>
<li>預期該項業務將在 2025 曆年產生 2.25 億至 2.5 億美元的營收，毛利率約 60%</li>
<li>本次交易將以全現金方式進行，資金來源將來自公司現有流動資金和新增債務融資</li>
</ul>
&nbsp;
英飛凌科技股份有限公司正加速建立其軟體定義汽車的系統能力，透過收購 Marvell Technology 的汽車乙太網路業務，補充和擴展其業界領先的微控制器業務。英飛凌和 Marvell Technology, Inc.已經簽署了一份最終的交易協議，交易價格為 25 億美元現金。該交易仍需得到監管機構的批准。乙太網路是低延遲、高頻寬通訊的關鍵技術，對軟體定義汽車至關重要。此外，它還在其他相關領域，例如：人形機器人，具有重大潛力。該項投資將更進一步強化英飛凌在美國既有的業務，包括廣泛的研發活動。
&nbsp;
英飛凌執行長Jochen Hanebeck 表示：「作為全球最大的車用半導體解決方案供應商，此次收購與我們的戰略非常契合。我們將結合這項高度互補的乙太網路技術與我們現有的廣泛產品組合，為客戶提供更全面、更領先的軟體定義汽車解決方案。此次交易也將對我們未來的盈利性增長戰略做出貢獻，包括在物理 AI 領域的新機會，如人形機器人。」
&nbsp;<img style="display: block; margin-left: auto; margin-right: auto;" src="https://edit.wpgdadawant.com/uploads/news_file/vendornews/2025/23195/tinymce/jochen_hanebeck1.jpg" alt="" />
英飛凌執行長Jochen Hanebeck
&nbsp;
Marvell 的領先的 Brightlane&trade; 汽車乙太網路產品組合，包括 PHY 收發器、交換器和橋接器，支援從現今 100 Mbps 到市場領先的 10 Gbps&nbsp; 的網路資料傳輸率。它還支援現今以及未來車載網路所需的資料安全(security)和功能安全(safety)。
&nbsp;
Marvell 汽車乙太網路業務的客戶包括逾 50 家汽車製造商，包括全球十大汽車製造商中的八家。強大的客戶關係包含了正在進行中，預計在2030年將達到40億美元的design-win案件，以及強大的創新路線圖，為未來的營收增長奠定了基礎。借助英飛凌與全球汽車客戶的深厚關係以及其所帶來的強勁增長潛力，預計這項業務將在 2025 年創造 2.25 億至 2.5 億美元的營收，毛利率約為 60%。透過聯合研發能量和利用英飛凌的生產規模，預計還將產生更多的成本綜效。
&nbsp;
Marvell 汽車乙太網路業務有數百名高素質和專業的員工，主要辦公室位於美國、德國和亞洲。交易完成後，Marvell 汽車乙太網路業務將成為英飛凌汽車電子部門的一部分。
&nbsp;
乙太網路連接解決方案對軟體定義汽車至關重要，是高效率 E/E 架構的基礎，包括中央運算、區域和端點。先進的功能如先進駕駛輔助系統、自動駕駛和軟體空中更新(OTA)，需要大量的安全數據處理、網路和儲存。這項業務與英飛凌 AURIX&trade; 微控制器家族的結合，將創建一個更全面，結合通訊解決方案和實時控制的產品組合。這項收購將進一步鞏固英飛凌在微控制器領域的市場領先地位。
&nbsp;
英飛凌將以現有流動資金以及新增債務融資，作為 Marvell 汽車乙太網路業務收購計畫全現金交易的資金。英飛凌已從銀行獲得收購融資。該項交易須遵循慣例的交易條件，包括監管機構的批准，預計將在 2025 年內完成。
&nbsp;
英飛凌將在台灣時間4 月 8 日星期二14:30 舉行電話會議，包括網路直播，供分析師和投資者參與。在會議上，英飛凌管理階層將就該交易的戰略價值和財務方面進行說明，並回答相關問題。
&nbsp;
會議的回放資訊將可在英飛凌網站上下載：<a style="color: #008080;" href="http://www.infineon.com/investor">www.infineon.com/investor</a>。
&nbsp;
關於英飛凌
英飛凌科技股份有限公司是全球電源系統及物聯網半導體的領導廠商。英飛凌以其產品及解決方案驅動低碳化及數位化。英飛凌在全球擁有約 58,060名員工，2024 會計年度 (截至9月底)，公司營收約為 150億歐元。
更多資訊請參考：www.infineon.com。

英飛凌宣布收購Marvell 汽車乙太網路業務，強化其軟體定義汽車系統能力， 進一步鞏固其在汽車微控制器領域的領先地位

<figure class="image"><img style="aspect-ratio:517/388;" src="https://ddwprd.blob.core.windows.net/content-platform/31762/zh-tw/ckeditor/1_20251207021724.png" width="517" height="388"></figure>AP61406Q 是一款全新 5.5V、4A、符合汽車標準*的同步降壓型轉換器。其 I2C 介面可實現低靜態電流（IQ）並可編程多項參數，使該器件能滿足汽車負載點（POL）應用對小型化設計和高效率日益增長的需求。&nbsp;此器件具備 I2C 相容的雙線串列介面，包括一條雙向串列數據線（SDA）和一條串列時鐘線（SCL），支援最高 3.4MHz 的速率。&nbsp;AP61406Q 的工作輸入電壓範圍為 2.3V 至 5.5V。內建 75mΩ 高側和 33mΩ 低側功率 MOSFET，可實現高效率的降壓型 DC-DC 轉換。其採用恆定導通時間（COT）控制，能減少外部元件數量，便於迴路穩定，並實現低輸出電壓漣波。&nbsp;為了達到高功率密度，AP61406Q 採用微型 W-QFN1520-8/SWP（Type UX）封裝。&nbsp;另有標準合規版本 AP61406，適用於工業及商業應用。&nbsp;產品優勢：AP61406Q 的 I2C 介面、低靜態電流（IQ）、以及恆定導通時間控制，讓多項參數可編程，並實現高效率且小型化的設計。I2C 介面，SCL 時鐘速率最高可達 3.4MHz，可編程 PFM/PWM、切換頻率（fSW：1MHz、1.5MHz、2MHz、2.5MHz）、輸出電流（IOUT：1A/2A/3A/4A）、輸出電壓（VOUT：以 20mV 步進），以及故障狀態回報，提升設計彈性與便利性。在微型 W-QFN1520-8/SWP（Type UX）封裝下，最大輸出電流可達 4A，為汽車負載點（POL）應用於高環境溫度下提供高功率密度。精確的 PG（電源良好）訊號，具 ±5% 視窗比較器及內建 5MΩ 上拉電阻，可準確偵測故障並降低物料成本（BOM）。多功能 EN（使能）控制，可切換 PFM/PWM 操作模式，提供低 IQ 高輕載效率或在固定 PWM 下全負載等漣波彈性。高側與低側電流偵測保護於輸出短路時啟動，提升汽車 POL 應用的穩健性。&nbsp;應用：汽車 5V 和 3.3V 負載點（POL）電源，適用於：▪ 車載資訊娛樂系統 ▪ 儀表板 ▪ 遠端資訊處理（Telematics） ▪ 先進駕駛輔助系統（ADAS）<figure class="image"><img style="aspect-ratio:1096/402;" src="https://ddwprd.blob.core.windows.net/content-platform/31762/zh-tw/ckeditor/3_20251207021908.png" width="1096" height="402"></figure><figure class="image"><img style="aspect-ratio:1075/448;" src="https://ddwprd.blob.core.windows.net/content-platform/31762/zh-tw/ckeditor/2_20251207021923.png" width="1075" height="448"></figure>

I2C 5.5V、4A 同步降壓轉換器提供了一種用途廣泛、高功率密度的汽車級POL解決方案

一. 引言 隨著電動汽車動力電池電量的增加，車載充電機（OBC）被迫從3.3 kW、6.6 kW快速邁向11 kW甚至22 kW。然而，整車佈局留給OBC的空間有限，傳統的兩級拓撲（PFC+LLC）因中間母線的大電解電容與獨立磁性元件，以及散熱面積隨器件數量線性增加，已成為提升功率密度的瓶頸。單級架構將電網整流、升壓與隔離DC-DC合併為同一功率級，可減少30%的無源元件體積與20%的開關器件，但在控制上需要在一個開關週期內同時完成功率因數校正、電池調壓與ZVS任務。本文主要介紹基於ST StellarE1 HRTIM模組實現單級OBC調頻加雙移相的複雜發波時序。 二. 變頻加雙移相發波時序介紹<figure class="image"><img height="590" src="https://ddwprd.blob.core.windows.net/content-platform/31615/zh-cn/ckeditor/1_20251105091717.png" style="aspect-ratio:1269/590;" width="1269"/></figure><figure class="image"><img/></figure>ST StellarE1 的 HRTIM2 的 TA1、TB1、TE1、TE2 表示 4 通道 PWM 用於不控整流橋 Q1-Q4。HRTIM1 的 TA1、TA2、TB2、TB1、TC1、TC2、TD1、TD2 表示 8 通道 PWM DAB 驅動 S1-S8。功率正向傳輸時，HRTIM2 的 4 通道 PWM 不發波。<figure class="image"><img height="593" src="https://ddwprd.blob.core.windows.net/content-platform/31615/zh-cn/ckeditor/2_20251105091723.png" style="aspect-ratio:554/593;" width="554"/></figure><figure class="image"><img/></figure>由於控制策略為變頻（VF）和雙相移（DPS），HRTIM1運行在遞增計數模式，控制器的週期在40Khz的定時器中斷中執行。在每個週期中，ADC採樣由主定時器觸發。當控制器結束時，PWM將更新至下一個週期。定時器A、B、C和D的上、下通道相互補充。 ADC觸發器用於Iac、iLr、ibat、Vbat、Vac、Vbus取樣，由TM.CMP4（主定時器比較4匹配事件）觸發，且觸發頻率與PWM開關相同。定時器A和B的計數器由主定時器翻轉事件重置，以使定時器A、B與主定時器同步。 由於TA1/TA2連接到S1/S2，TB1/TB2連接到S4/S3，定時器A和定時器B的配置相同，它們通過比較1個匹配事件（TA.CMP1=T/2且TB.CMP1=T/2）自動重置，並通過週期事件自動設置，因此S1和S3可以產生占空比為50%且相位差為180度的驅動信號。 定時器C（TC）計數器由主定時器比較1匹配事件（TM.CMP1）針對相位角θ_1進行重置。TM.CMP1匹配事件還設置TC1，TC.COMP1=T/2，重置TC1以生成占空比為50%的驅動信號。 定時器D（TD）計數器由主定時器比較3匹配事件（TM.CMP3）針對相位角θ_2進行重置。TM.CMP1匹配事件也會設置TD1，TD.COMP1=T/2，從而重置TD1以生成占空比為50%的驅動信號。 最後，可以實施EPS+VF：T = HRTIM_輸入時鐘 * 8 / 採樣頻率TM.CMP1 = (0.5 - θ_1) × TTM.CMP3 = (0.5 - θ_2) × THRTIM_INPUT_CLOCK：HRTIM輸入時鐘，範例配置為300000000T：與PWM開關頻率週期相對應的計數值fs：PWM開關頻率（本演示的頻率範圍為50-300KHz，對應50,000 - 300,000）θ_1：次級相移角1（θ_1≤0.5）θ_2：次級相移角2（θ_2≤0.5） 三. StellarE1實現變頻加雙移相發波 根據環路計算結果得到所需的開關頻率及移相角度，轉換為HRTIM的週期計數值及移相比較值； <pre><code class="language-plaintext">msprod = (uint16_t)(2400000000 / fs);phase1 = (uint16_t)(msprod * (0.5 - theta1));phase2 = (uint16_t)(msprod * (0.5 + theta2));mc1 = phase1;mc3 = phase2;</code></pre> 關閉HRTIM的更新功能，為各個TIM模組寫入週期值及比較值；寫入完成後開啟HRTIM的更新功能。 <pre><code class="language-plaintext">hrtim_timer_disable_update(&amp;DRV_HRTIM1, HRTIM_TIMER_MASTER_MASK_ID | HRTIM_TIMER_A_MASK_ID | HRTIM_TIMER_B_MASK_ID | HRTIM_TIMER_C_MASK_ID | HRTIM_TIMER_D_MASK_ID);(void)hrtim_timer_set_period(&amp;DRV_HRTIM1, HRTIM_TIMER_MASTER, m_prd);(void)hrtim_timer_set_period(&amp;DRV_HRTIM1, HRTIM_TIMER_A, m_prd);(void)hrtim_timer_set_period(&amp;DRV_HRTIM1, HRTIM_TIMER_B, m_prd);(void)hrtim_timer_set_period(&amp;DRV_HRTIM1, HRTIM_TIMER_C, m_prd);(void)hrtim_timer_set_period(&amp;DRV_HRTIM1, HRTIM_TIMER_D, m_prd);(void)hrtim_timer_set_cmp(&amp;DRV_HRTIM1, HRTIM_TIMER_MASTER, HRTIM_CMP1, mc1);(void)hrtim_timer_set_cmp(&amp;DRV_HRTIM1, HRTIM_TIMER_MASTER, HRTIM_CMP3, mc3);(void)hrtim_timer_set_cmp(&amp;DRV_HRTIM1, HRTIM_TIMER_A, HRTIM_CMP1, ta_cmp1);(void)hrtim_timer_set_cmp(&amp;DRV_HRTIM1, HRTIM_TIMER_B, HRTIM_CMP1, tb_cmp1);(void)hrtim_timer_set_cmp(&amp;DRV_HRTIM1, HRTIM_TIMER_C, HRTIM_CMP1, tc_cmp1);(void)hrtim_timer_set_cmp(&amp;DRV_HRTIM1, HRTIM_TIMER_D, HRTIM_CMP1, td_cmp1);(void)hrtim_timer_set_cmp(&amp;DRV_HRTIM1, HRTIM_TIMER_A, HRTIM_CMP4, ta_cmp1 / 10);hrtim_timer_enable_update(&amp;DRV_HRTIM1, HRTIM_TIMER_MASTER_MASK_ID | HRTIM_TIMER_A_MASK_ID | HRTIM_TIMER_B_MASK_ID | HRTIM_TIMER_C_MASK_ID | HRTIM_TIMER_D_MASK_ID);</code></pre> 四. 實驗現象 下圖顯示了TA1(S1)、TB1(S3)、TC1(S5)、TD1(S7)的PWM開關頻率從100k切換至120k，基於HRTIM的更新機制，確保了所有通道同步更新週期值；S5和S7通道的兩個移相角是通過主定時器的CMP1和CMP3事件來實現的。<figure class="image"><img height="173" src="https://ddwprd.blob.core.windows.net/content-platform/31615/zh-cn/ckeditor/3_20251105091730.png" style="aspect-ratio:585/173;" width="585"/></figure><figure class="image image_resized" style="width:76.02%;"><img/></figure>五. 結論 實驗波形證實，得益於StellarE1晶片上HRTIM的高精度及靈活的發波能力，才使得「變頻+雙移相」這一理論上複雜、時序上苛刻的混合調制策略在單級6.6 kW OBC中得以可靠落地，並為後續更大功率、更高密度平台奠定可靠而堅實的MCU控制基石。

基於ST StellarE1的單級OBC變頻加雙移相發波時序

Synaptics Astra SR110 是一款專為邊緣 AI 運算設計的高性能 AI MCU 處理器，它基於 Arm® Cortex®-M55 內核與 Arm Ethos™-U55 NPU，能高效處理多模態（multimodal）的物聯網（IoT）工作負載。本篇教學將參考官方的 <a href="https://synaptics-astra-mcu.github.io/doc/v/latest/quickstart/Astra_SRSDK_Quick_Start_Guide.html#" target="_blank" rel="noopener noreferrer">Quick Start Guide</a>，並結合實際操作截圖，為您詳解如何在 Visual Studio Code (VS Code) 環境中完成 Synaptics Astra SR110 SDK 的安裝、建置與燒錄流程。&nbsp;步驟一：安裝 Synaptics VS Code 擴充功能 (Extension)&nbsp;1.&nbsp;找到 VSIX 檔案&nbsp;&nbsp;&nbsp;&nbsp;首先，請在您的 SDK 資料夾中找到 Synaptics VS Code 擴充功能的 VSIX 檔案。&nbsp;&nbsp;&nbsp;&nbsp;* 例如：您會找到一個名稱類似於 Astra_MCU_SDK_vscode_extension-1.1.0.vsix 的檔案。<figure class="image"><img style="aspect-ratio:1032/399;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/SRSDK-01_20251124032156.png" width="1032" height="399"></figure>&nbsp;2.&nbsp;從 VSIX 安裝&nbsp;&nbsp;&nbsp;&nbsp;開啟 VS Code，進入左側的「EXTENSIONS」（擴充功能）分頁，點擊右上角的「...」更多選單，從下拉選單中選擇 Install from VSIX…。<figure class="image"><img style="aspect-ratio:985/435;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/SRSDK-02_20251124032935.png" width="985" height="435"></figure>&nbsp;3.&nbsp;確認安裝&nbsp;&nbsp;&nbsp;&nbsp;安裝完成後，您應該可以在「已安裝 (INSTALLED)」列表中看到 Synaptics Extension。該擴充功能提供了 C/C++ IntelliSense、偵錯工具、記憶體檢查、序列埠監控等功能。<figure class="image"><img style="aspect-ratio:2252/836;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/SRSDK-03_20251124033030.png" width="2252" height="836"></figure> 步驟二：安裝 SRSDK 環境工具 (Install Tools)&nbsp;1.&nbsp;進入安裝頁面&nbsp;&nbsp;&nbsp;&nbsp;在 VS Code 中，進入 SRSDK EXTENSION 介面，找到 INSTALL TOOLS 區塊，點擊 Install Tools。您會看到 SRSDK 工具安裝程式頁面，其中列出了 Build Essentials (例如 Docker Daemon、AC6 Compiler) 和 Debugging and Flashing Tools。<figure class="image"><img style="aspect-ratio:2260/833;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251124055643.png" width="2260" height="833"></figure>&nbsp;2.&nbsp;執行安裝&nbsp;&nbsp;&nbsp;&nbsp;滾動到頁面最下方，確認所需的工具（例如 MemoryView extension by mcu-debug、Hex Editor extension by Microsoft 等）已勾選，然後點擊 Install。工具將預設安裝到 SRSDK_build_tools 目錄。<figure class="image"><img style="aspect-ratio:2260/774;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251124060023.png" width="2260" height="774"></figure>&nbsp;3.&nbsp;處理額外設定&nbsp;&nbsp;&nbsp;&nbsp;在安裝過程中，可能會彈出一些對話視窗，例如 Docker Desktop 的設定視窗。請依照指示完成必要的配置（例如登入或建立帳戶）。<figure class="image"><img style="aspect-ratio:1452/709;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251124060231.png" width="1452" height="709"></figure>&nbsp;4.&nbsp;確認工具安裝完成&nbsp;&nbsp;&nbsp;&nbsp;安裝進行時，您可以在終端機看到進度。當所有工具都安裝完成後，每個工具項目旁會出現綠色的勾選符號，並且終端機會提示「Tools installation completed」。<figure class="image"><img style="aspect-ratio:2253/1221;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251124060327.png" width="2253" height="1221"></figure> 步驟三：匯入 SDK (Import SDK)&nbsp;1.&nbsp;選擇本地 SDK 檔案夾&nbsp;&nbsp;&nbsp;&nbsp;在左側欄位中找到 IMPORT SDK 區塊，點擊 + Import SDK。選擇 LOCAL 標籤，點擊 BROWSE 選擇您的 SDK 檔案夾位置，然後點擊 IMPORT SDK。<figure class="image"><img style="aspect-ratio:2255/683;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251124060900.png" width="2255" height="683"></figure>&nbsp;2.&nbsp; 確認匯入&nbsp;&nbsp;&nbsp;&nbsp;匯入成功後，在檔案總管 (EXPLORER) 中，您將會看到 SDK 的目錄結構，例如 ASTRA_MCU_SDK1.1.0，包含 AI、board、examples 等子目錄。<figure class="image"><img style="aspect-ratio:662/758;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251124060948.png" width="662" height="758"></figure>步驟四：編譯 SDK (Build) &nbsp;1.&nbsp;選擇編譯功能&nbsp;&nbsp;&nbsp;&nbsp;在 IMPORTED REPOS 下的 ASTRA_MCU_SDK1.1.0 項目中，選擇 Build or Clean SDK。<figure class="image"><img style="aspect-ratio:672/575;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251124073224.png" width="672" height="575"></figure>&nbsp;2.&nbsp;配置編譯參數&nbsp;&nbsp;&nbsp;&nbsp;在開啟的 Build Configuration 頁面中，設定您的專案參數：&nbsp;&nbsp;&nbsp;&nbsp;Project Type : sr110_cm55_fw&nbsp;&nbsp;&nbsp;&nbsp;Build Type : Debug&nbsp;&nbsp;&nbsp;&nbsp;Board : sr110_rdk (RDK)&nbsp;&nbsp;&nbsp;&nbsp;Board Revision : Rev B&nbsp;&nbsp;&nbsp;&nbsp;Compiler : GCC&nbsp;&nbsp;&nbsp;&nbsp;Application : demo_sample_app&nbsp;&nbsp;&nbsp;&nbsp;確認無誤後，點擊下方的 Build 按鈕。<figure class="image"><img style="aspect-ratio:1891/968;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251124075531.png" width="1891" height="968"></figure>&nbsp;3.&nbsp;處理 Docker 錯誤&nbsp;&nbsp;&nbsp;&nbsp;首次執行編譯時，您可能會在終端機中遇到 Docker 相關錯誤，例如：「Error response from daemon: No such container: srsdk-dev-container」。&nbsp;&nbsp;&nbsp;&nbsp;解決方法：重新在左側點選 Refresh，然後再次點選 Build or Clean SDK，系統會自動開始重新編譯。<figure class="image"><img style="aspect-ratio:1906/1271;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251124075800.png" width="1906" height="1271"></figure>&nbsp;4.&nbsp; 確認編譯完成&nbsp;&nbsp;&nbsp;&nbsp;成功編譯後，終端機會顯示各記憶體區域的使用情況，例如 ITCM、DTCM、SRAM 等，並提示「Build completed Successfully」。<figure class="image"><img style="aspect-ratio:1891/1212;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251124080210.png" width="1891" height="1212"></figure>&nbsp;步驟五：生成燒錄映象檔 (Image Generation)&nbsp;1.&nbsp;進入 Image Generator，上傳 ELF 檔案&nbsp;&nbsp;&nbsp;&nbsp;在左側欄位找到 AXF/ELF to BIN，點選 Image Generator。點擊 Browse，選擇您在步驟四中編譯生成的 ELF 檔案。&nbsp;&nbsp;&nbsp;&nbsp;* 檔案路徑類似於：...\ASTRA_MCU_SDK1.1.0\out\sr110_cm55_fw\debug\sr110_cm55_fw.elf。<figure class="image"><img style="aspect-ratio:2257/1218;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251125003621.png" width="2257" height="1218"></figure>&nbsp;&nbsp;2.&nbsp;配置選項與生成&nbsp;&nbsp;&nbsp;&nbsp;在 Options 區塊中，勾選 Flash Image。&nbsp;&nbsp;&nbsp;&nbsp;將 Flash Type 設定為 GD25LE128。&nbsp;&nbsp;&nbsp;&nbsp;勾選 Secured Image。&nbsp;&nbsp;&nbsp;&nbsp;點擊 Run Image Generator。&nbsp; &nbsp; 映象檔生成成功後，終端機將顯示輸出路徑，例如：「Copied Flash image to: C:\Users\User\Bin_Location\Output\B0_Flash\B0_flash_full_image_GD25LE128_67Mhz_secured.bin」。<figure class="image"><img style="aspect-ratio:1759/1219;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251125004204.png" width="1759" height="1219"></figure>&nbsp;步驟六：燒錄映象檔 (Image Flashing)&nbsp;1.&nbsp;應用程式晶片燒錄 (Application Chip)&nbsp;&nbsp;&nbsp;&nbsp;在左側欄位 IMAGE LOADING 下點選 Image Flashing。&nbsp;&nbsp;&nbsp; 設定 Service Type 為 FW Update (Application Chip)。&nbsp;&nbsp;&nbsp;&nbsp;設定 COM Port (例如 COM6)、Baudrate (例如 230400)。&nbsp;&nbsp;&nbsp;&nbsp;設定 Select Command 為 Burn File to Flash。&nbsp;&nbsp;&nbsp;&nbsp;設定 Sector Offset 為 0x00。&nbsp;&nbsp;&nbsp;&nbsp;選擇您在步驟五中生成的 Binary File。&nbsp;&nbsp;&nbsp;&nbsp;點擊 Execute 開始燒錄，終端機將顯示燒錄進度。<figure class="image"><img style="aspect-ratio:1902/1216;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251125004553.png" width="1902" height="1216"></figure>&nbsp;2.&nbsp;除錯韌體燒錄（非必要!!）&nbsp;&nbsp;&nbsp;&nbsp;除了應用程式晶片的燒錄外，您也可以選擇用於除錯的燒錄方式。&nbsp;&nbsp;&nbsp;&nbsp;設定 Service Type 為 SWD/JTAG，並選擇 Select Adapter Driver: CMSIS-DAP。&nbsp;&nbsp;&nbsp;&nbsp;*請注意：此功能通常需要連接板子上角落的 Type-C 連接埠才可使用。<figure class="image"><img style="aspect-ratio:1896/1211;" src="https://ddwprd.blob.core.windows.net/content-platform/31689/zh-tw/ckeditor/image_20251125004635.png" width="1896" height="1211"></figure> 恭喜您！透過這份詳盡的步驟，您已經成功完成了 Synaptics Astra SR110 SDK 的安裝、開發環境設定、程式編譯，以及目標映象檔的燒錄流程。現在您可以開始探索並開發基於 Astra SR110 的 AIoT 應用了！ ~enjoy~

新聞內容