提出的
-
MathWorks首席应用工程师
-
MBDT软件工程师,汽车加工,NXP Semiconductors
请与我们联系!这次网络研讨会结束了。录音很快就会发布。
时间显示为当地时间。
英语
电池管理系统(BMS)确保电动汽车、电网电力存储系统和其他电池驱动设备中的电池组安全高效运行。BMS的一个主要任务是估计荷电状态(SoC)。传统的SoC估计方法需要精确的电池模型,难以表征。另一种方法是使用人工智能方法(如神经网络)创建细胞的数据驱动模型。
本次网络研讨会展示了如何使用深度学习工具箱、Simulink和嵌入式编码器为电池SoC估计的AI算法生成C代码,并将其部署到NXP S32K3微控制器上。基于麦克马斯特大学之前在电池状态估计深度学习工作流方面所做的工作,我们使用Embedded Coder从TensorFlow导入的神经网络生成优化的C代码,并在NXP S32K3微控制器上以处理器在环模式运行。代码生成工作流将以使用NXP基于模型的设计工具箱为特色,该工具箱提供了集成的开发环境和工具链,用于配置和生成所有必要的软件,以便在NXP mcu上执行复杂的应用程序。亚博波胆怎么算的
不确定你能不能加入?你还是应该注册!研讨会结束后将提供幻灯片和会议录音。
问我们的S32K3并获得专家建议。