PT2001 / PT2000 诊断功能

本文档介绍PT2001芯片在汽车四缸内燃机的应用,详细阐述其诊断功能实现方法及故障检测流程。PT2001能够高效管理四个独立微核,支持高速诊断,并通过不同寄存器配置实现故障检测与恢复。

前言:

本应用文档说明了如何在典型的四缸内燃机(ICE)应用中使用PT2001诊断功能。

动力总成需要以非常高的速度完成诊断功能。PT2001诊断程序可以管理这个四个独立的微核。

本应用说明旨在解决不同的故障情况,并说明如何在预诊断和诊断模式下对微码进行编程并检测故障

PT2001是一款专为汽车发动机控制应用而设计的12通道门驱动器芯片。

该芯片由五个外部MOSFET高边侧预驱动器和七个底边MOSFET预驱动器组成,PT2001MOSFET提供了一个灵活的解决方案,具有多功能控制和优化延迟时间功能。

通过四个独立的微核、两个代码RAM和两个数据RAM区完成门级驱动、诊断和保护等功能。

PT2001的典型应用,控制两个Bank,一个DCDC升压电路,一个油泵

启动顺序如下:

施加5.0 V72 V之间的蓄电池电压(使用外部VCCP调节器)

下载通道寄存器配置、主配置、IO配置和诊断配置。

下载微码到channel1channel2的数据中RAM

设置‘1’到pre-flash 使能位和dual seq 使能位在Flash_enable寄存器

诊断中断的描述

诊断中断被两种不同的子程序触发:自动中断和软件中断。

状态寄存器(0x105)用于在检测到错误时通知MCU,当检测到故障时IRQB引脚会拉低。

状态寄存器(0x105)的bit定义是客户自己在微码中定义的,不是固定的

预诊断检测:当高边VBOOST/ VBAT, VDS VSRC是低或者低边VDC是低中断产生

如果一个错误产生, Status_reg_uc0 寄存器(0x105) Bit 7会配置成1 Bank会关闭输出,排除故障后

MCU需要写1control register (0x101) bit 7 才能解锁bank输出。

Boost 错误:如果IboosttINJMAXBOOST = 500μs时间内没有到达设定值,bit 5将置1Bank会关闭输出

排除故障后MCU需要写1control register (0x101) bit 5 才能解锁bank输出。

Hold 错误:如果Start信号高电平时间超过了tHOLD_OFF时间,Bit 4将置1Bank会关闭输出

排除故障后MCU需要写1control register (0x101) bit 4 才能解锁bank输出。

Automatic中断:发生在actuation期间,如果反馈比较器与真值表不同,则bit 6将置1Bank会关闭输出

排除故障后MCU需要写1control register (0x101) bit 6才能解锁bank输出。

内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

电子工匠

您的认可是我持续创作的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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