ARM920T协处理器接口

ARM920T处理器通过一个外部协处理器接口来支持连接片上协处理器。ARM处理器支持所有的协处理器指令。 ARM920T协处理器接口允许你附加一个专门设计的协处理器到ARM920T。包括: 1.附加一个加速器:用于浮点运算,DSP,3-D图形,加密解密。 2.ARM指令集可支持连接多达16个协处理器到ARM处理器,编号为0~15 内部协处理器 ARM920T处理器包括两个内部协处理器 1.CP14:用于调试控制 2.CP15:用于内存系统控制和测试控制 这就意味着连接到ARM920T处理器外面的协处理器不能被编号为15或14.其他协处理器编号用于ARM公司内部使用。可联系ARM公司,以获得保留的协处理器编号的清单。 外部协处理器 协处理器通过使用一个流水线跟踪器来执行指令(以保证和ARM处理器内核中的流水线同步)。内存中的每一条指令既会进入ARM流水线,也会进入协处理器流水线。为了避免指令被协处理器锁存的临界路径,协处理器必须在ARM920T流水线一个时钟相位之后操作。ARM920T当指令译码后要送去执行时,会通知协处理器,以决定是否决定执行指令 CP15寄存器图概述 CP15定义了16个寄存器。CP15的寄存器图如下表所示 a.在位置0可以访问两个寄存器。具体访问哪一个寄存器取决于第二个操作码的值。 b.分指令寄存器和数据寄存器 Unpredictable(UNP):从这个地方读出的值可以是任意的 Should be zero(SBZ):往这个地方写入的时候,这个域的所有位都应该清0 只能在特权模式下使用MRC和MCR指令访问CP15的寄存器。MCR和MRC的指令位模式如下: 它们的汇编代码为:MCR/MRC{cond} p15,opcode_1,Rd,CRn,CRm,opcode_2 cond是条件码,bit20是L位,如果L=1就表示Load,从外面读到CPU核中,也就是MRC指令,如果L=0就表示Store,也就是MCR指令。[11:8]这四个位是协处理器编号,CP15编号是15,因此是4个1。CRn是CP15寄存器编号,Rd是CPU核寄存器编号,各占4位。对于CP15协处理器,规定opcod1应该为0,opcode2和CRm是指令的选项,具体含义取决于不同的寄存器。 寄存器0,ID编码寄存器 这是一个用于返回设备ID编码的只读寄存器 你可以通过将opcode2设置为除1以外的值来访问CP15的ID编码寄存器R0(CRm此时应置为0)。例如: MRC p15,0,Rd,c0,c0,0  ;返回ID寄存器的值 寄存器0,缓存类型寄存器 这是一个只读寄存器,它包含了缓存的架构和大小的信息,这就允许操作系统来确定要如何执行诸如清理缓存和锁定缓存的操作。所有ARMv4T版本及以后的带缓存处理器都包含这个寄存器,允许实时操作系统的厂商生产他们的操作系统的试验版本。 你可以通过将opcode_2设置为1来访问CP15的缓存类型寄存器R0。如: MRC p15,0,Rd,c0,c0,1  ;返回关于缓存的详细信息 更多详细内容请查阅ARM920T的技术参考手册(ARMO20T Technical Reference Manual)。可在ARM的官方网站:http://www.arm.com/下载其pdf文档 下载地址:http://infocenter.arm.com/help/topic/com.arm.doc.ddi0151c/ARM920T_TRM1_S.pdf 另外,网上也有一篇讲述ARM协处理器的文章:http://blog.chinaunix.net/u3/94328/showart_1918103.html

内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将道路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值