據邁斯沃克軟件中國通信、電子和半導體行業市場經理陳曉挺介紹，他們很早就開始了合作，其合作內容主要有兩塊：

▲基于STM32的MATLAB電機控制方案，掃碼即可觀看

在陳曉挺看來，采用MathWorks的工具軟件MATLAB提供的基于模型設計（MBD）的電機控制工作流程能很好地應對電機控制方案設計時遇到的挑戰。他表示，一般來說采用MBD電機控制工作流程主要有以下幾個步驟：

1. 校準相電流的ADC偏移值，校準位置傳感器與轉子之間的角度偏移值；

2. 估算電機本體參數；

3. 建立被控對象：逆變器和電機本體的模型；

4. 開發完整的FOC控制模型，進行閉環仿真；

5. 部署到硬件上做測試驗證。

曹錦東認為MathWorks通過STM32CubeMX來支持ST的產品是非常聰明的一個做法，因為STM32CubeMX不管從哪個MCU出來，CubeMX可以生成整個系統的配置軟件，比如在使用STM32C0，在STM32CubeMX選一個封裝，I/O口配置什么功能，點完以后就有一個示意圖出來，包括封裝、引腳。MathWorks的軟件如果和STM32CubeMX有對接功能或者以從STM32CubeMX把芯片資源拿過來，對于ST來講升級是非?？斓?，ST推出新的芯片出來之后，已經在STM32CubeMX有比如I/O口外設配置，同時可以兼容最新ARM內核指令級，對一個MCU的兩方面，內核和外設，如果這兩部分可以通過不同的方式抓取到配置文件，內核指令的兼容，對MathWorks來說升級就會很快。他相信MathWorks的軟件越來越多地可以支持其STM32系列產品。

那么，如何將MATLAB設計的電機控制算法和AI算法部署到STM32等嵌入式處理器當中呢？陳曉挺解釋稱，MathWorks有幾十年汽車和軍工等行業產品應用歷史的自動化代碼生成能力，他們有一個獨特的代碼生成框架，可以在任何地方部署在MATLAB或Simulink中開發的模型。拿STM32來說，Embedded Coder能將MATLAB和Simulink算法轉換成C/C++代碼，并針對STM32的處理器優化代碼，替換掉標準C代碼。

他同時指出，MathWorks允許客戶將模型導入MATLAB做AI訓練，因為AI訓練需要數據集，因此他們支持客戶收集并預處理自己的數據集，然后利用AI模型做訓練，訓練好后的AI模型可以部署到STM32上，也可以部署到PC機的GPU上。因為深度學習網絡參數很多，運算量很大，因此，在部署到嵌入式CPU之前，最重要的是選擇一種最合適用戶應用的盡量輕量化的AI模型，然后對已選擇的AI算法做網絡剪枝（修剪或移除深層神經網絡突觸和神經元），量化（對int8數據類型的激活、權重和偏差的量化），這些壓縮AI模型的工作都可以通過MATLAB提供的易用工具來完成，以方便在資源受限的硬件上進行推斷。也就是說，MathWorks支持從算法到落地的完整流程。

意法半導體微控制器市場經理丁曉磊補充稱，STM32在AI上 有一個STM32 Cube.AI工具，該工具與MATLAB的一些功能配合后可以很好地做整個AI開發流程的連接，“STM32 Cube.AI做的是從已經被訓練好的模型到如何更好地優化和部署到STM32 MCU上，因為我們對自己MCU的情況更了解，部署更優化，內存占用率更小，流代碼開發效率更高，但是之前有各種主流的AI模型和框架，我們可以通過ONNX接口就可以轉化為被訓練好的模型，所以，在這里面跟MATLAB的合作，使得開發用戶可以從前端模型數據收集模型的選擇和訓練，一直到能夠生成ONNX格式的模型之后，再用ST的Cube.AI做后面的發布部署，這樣就會形成更加優化的模型訓練到優化、到部署，整個一套開發在AI就會更為順暢、更能落地?！?/span> ▲意法半導體微控制器市場經理丁曉磊 (Lisa DING)“我們會越來越重視跟軟件支持伙伴的合作，做芯片本身不是很困難，困難的是怎么提供和芯片相關的軟件和特定應用化的系統讓客戶做開發。”曹錦東進一步指出。他同時強調，軟件是非常關鍵的，與MathWorks這樣的合作伙伴合作，可以幫助客戶熟悉了解如何用MCU做特定應用，這是ST的生態系統中非常重要的環節。

---

THE END

長按掃碼關注公眾號

更多資訊，盡在STM32