車用dsp ptt的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

電磁場協同模擬設計於前瞻應用之研究

為了解決車用dsp ptt的問題，作者李政峰 這樣論述：

本論文著重於電磁場模擬模擬軟體分析與設計於前瞻應用，可以透過虛擬設計有效減少研究開發中的嘗試錯誤。將Ansys有限元素分析及電路分析軟體導入電力電子的研究領域，研究包含電感性元件的參數萃取、雜散電感設計、馬達設計及非線性導磁材料的參數分析；隨後以數位訊號處理器(DSP-TMS320F28075)做為控制核心，建構測試平台以驗證協同模擬分析與設計的有效性。首先，將Q3D與Simplorer的協同分析導入以設計一只風電用單相功率組，使並聯路徑的雜散電感值接近達到良好的均流特性，並以定電流斜率的方式驗證雜散電感值。於輸入電壓1000V的雙脈衝測試下，功率組之三並聯IGBT模組於兩倍額定電流(240

0A)時最大不均流比例低於1%，因此總電流的降額定可以被降低，改善功率組的電流利用率及功率密度。此外，為了克服馬達於重載時的高度磁飽和，使用Maxwell 2D軟體於馬達設計以最大化磁飽和分析的精準度，並進行退磁分析以確保設計有效性，利用Toolkit產生的性能圖以觀察馬達的轉矩速度曲線是否符合需求。本文分別設計工業用與車用馬達。以低成本的非稀土磁石設計永磁輔助型同步磁阻馬達(PMASynRM)，改善同步磁阻馬達(SynRM)的輸出功率、定功率區範圍及功率因數，以ABB SynRM作為對照組驗證所設計PMASynRM的優點，其額定功率及轉速分別為4kW及1500轉；另外設計一應用於電動車之內置

磁石永磁同步馬達(IPMSM)，設計磁石與磁障安置並加入中央磁障以提升磁阻轉矩，增加磁石體積提升電磁轉矩。在AVL的動力平台驗證所設計IPMSM的有效性，其最大輸出功率及轉速的實測結果可達到140kW及14000轉。最後，本文將電磁場輔助設計軟體應用(Maxwell 3D)於電磁爐以分析導磁鍋具的非線性阻抗特性，且以串聯RLC諧振電路的自然諧振電流推導鍋具的等效阻抗，以MATLAB/PCIM模擬軟體及基頻阻抗的實測值驗證所提偵測鍋具等效負載的方式。建構一只額定功率1000W半橋串聯諧振電路以驗證所提估測方式，並使用非對稱脈波寬度調變(APWM)進行功率控制，所提控制方式能有效地線上偵測鍋具狀態

並判斷是否關閉電磁爐的功率控制。

提昇加速與可靠度的乘積編碼之三元二進碼神經網路

為了解決車用dsp ptt的問題，作者蔡政諦 這樣論述：

在現今的社會中，由於電腦運算的速度一年比一年更為進步，使的人工智慧能夠再一次有飛躍的成長。因此，人類越來越仰賴人工智慧所帶來的生活上便利，例如:手機上的鏡頭進行臉部辨識、螢幕下進行指紋辨識、使用神經網路來進行細菌和病毒的藥物分析、更甚至是神經網路應用於車用晶片上來進行自動架駛系統上的道路偵測。當有大量的數據需要在短時間進行分群、分類時，就會使用到具有能快速處理大量且複雜的運算的神經網路系統，為了讓神經網路在短時間內運算龐大的數據，並且能夠保持具有高精準度及高可靠性，這兩項是神經網路的重要的議題。在神經網路加速的部分，現今已經存在了一些方法。其中，量化技術是一個能夠不僅低功耗且能夠使神經網路加

速的方法。有專家提出了QNNs(Quantized Neural Networks)量化神經網路[1]，更甚至有專家提出將權重偏移、激勵函數量化到只有一個位元為(+1,-1)的BNNs(Binary Neural Networks)，能夠節省大量的硬體成本，我們從中取的BNN的優點[2]能夠降低神經網路的功耗面積且有著QNN神經網路具有相同的高準確度的優點，我們使用TCB(Ternary Coded Binarized)二進位轉三元的方式，將原始二進位的數值化成(+,0,-)可以簡化位元及減少神經網路突觸，因此能夠降低運算次數。更能將複雜且大面積的乘法器與加法器化成加法器與減法器和移位來做神經

網路每一層的運算。在神經網路可靠度的部分，我們則是考量到神經網路若收到雜訊干擾時，雖然越靠近輸入層受到雜訊最後判斷時影響並不大，但是越靠近輸出層時，當受到雜訊影響往往判斷錯誤而失敗。我們使用具有保加性質的AN Codes，當神經網路運算到輸出側時，經過檢查若發現有錯誤則進行錯誤更正。由於使用二進位轉三元的轉換，我們的神經元在層內是加法與減法，AN Codes可以妥善的運用其特性，在編碼後經過幾層的運算後，便解碼輸出，若有錯誤可以透過運用伽羅瓦域(Galois Field,GF)來進行更正。