具有更多MEMS和传感器的汽车未来的功能性和安全性---凯利讯半导体

本文主要是介绍具有更多MEMS和传感器的汽车未来的功能性和安全性---凯利讯半导体,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  在我们踏上2018年电子技术挑战与创新的征程的同时,让我们来看看汽车行业在MEMS和传感器技术方面的发展。

  在2017年11月举行的MEMS和传感器行业大会(MSEC)上,对我来说最令人兴奋的演讲者是恩智浦汽车首席技术官Lars Reger。不仅演讲内容充满了优秀的技术细节,而且Reger也是这些演讲中最受欢迎的主持人(不要把其他优秀的演讲者和演讲稿都削弱了,因为他们都非常出色 - Reger有很强的舞台表演能力和他的兴奋!)

  雷格讨论了作为汽车电子领域的工程师/创新者的连接性,自主性和电气化,以及关键的安全和可靠的移动性,我们面前的难得机会。

  每年发生130万人的交通事故,瑞格评价说,90%是由于人为错误造成的。哇 - 这几乎就像一场战争!尤其值得一提的是,随着车辆速度的提高,车辆撞击时死亡的行人比例上升。在35公里/时90%存活下来; 在50公里每小时只有50%存活下来; 而在70km / h时只有10%存活下来。


  完整的解决方案

  Reger概述了完整的解决方案,并提及高通可以提供其专业知识的地方(图1)。

  

  图1电子技术赋予汽车感知,思考和行动功能


  Qualcomm将凭借其在蜂窝和WiFi,BT,GNSS和NFC融合和信息娱乐方面的专业技术,为恩智浦提供补充。

  同类最佳的传感器将使自主车辆能够感知环境,以获得正确的速度,最佳牵引力以及遇到的任何特定情况下的加速度和移动(图2)。

  

  图2 Sensor Fusion实现了高度自动驾驶


  安全和保障

  恩智浦拥有安全保证技术,功能安全功能可以预测并定期发生无意识的危险; 今天实施的标准被动和主动安全系统对我来说具有预测性的安全性; 以及看到不可预测的有意冒险并经常发生的重要安全。

  传感器的需求正在由行业概述的一系列驱动程序水平驱动:

  等级1和等级2:驾驶员监视驾驶环境,其中一些传感器将控制车辆的轨迹。这里有传感器添加到车辆,将有助于司机,如加速度计,陀螺仪,前雷达,盲点后方,前方和环视相机

  3,4和5级:使用环境和惯性传感器监测车辆轨迹的自动驾驶系统。

  现代传感器技术将帮助车辆学习如何安全地驾驶周围环境。通过传感器融合,距离测量,道路标识识别,路线规划和映射,精确定位和关键仲裁(两个不同节点的潜在同时消息传输的解析,也称为冲突)的解决方案由主处理器使用软件能力被称为仲裁),车辆将比以往任何时候都安全得多,尤其是在这个分散注意力的驾驶员的世界里。

  

  图3现代汽车中的无数MEMS和传感器

  MEMS惯性传感器是汽车的另一个​​出色的补充,因为它可以帮助车辆控制包含压力传感器的智能轮胎等关键元件的自主轨迹和状态。


  压力传感器

  压力传感器的汽车应用包括轮胎压力监测,行人保护(保险杠传感器可以检测到行人被撞击,瞬间抬起引擎盖,铰接在汽车前部,通过烟火来缓和碰撞,减少头部撞击),侧面碰撞检测安全气囊展开情况,以及内燃机与气罐传感器,气体喷射器传感器,发动机控制模块(ECM)传感器,以及其他领域。


  运动传感器

  我们知道汽车中的明显的运动传感器是安全气囊传感器和钥匙扣安全运动检测。但也有惯性卫星传感器和侧翻传感器,与安全气囊控制单元区域内y和z方向的低g传感器相结合。

  密钥卡地区的一个有趣的应用是关于可能的车道攻击(图4)。

  

  图4与我们熟悉的被动无钥门禁应用相结合的MEMS运动传感器的额外用途是,盗贼/攻击者可以被阻挠,或者至少向驾驶者/房主透露。


  磁性传感器

  磁性传感器可用于制动/轮速,转向,挡风玻璃刮水器控制和发动机控制。雷格告诉我们,挑战不仅要掌握汽车的大脑,还要抓住汽车周围的环境。

  驾驶员需要对汽车的物理状态有绝对的把握,现代的MEMS和传感器技术在与模拟世界的接口方面是正确的。

  MEMS和传感器的应用还有很多,我们现在还无法想象,但是随着我们朝着自主驾驶的方向发展,我们将发现更多令人兴奋的应用以及新开发的传感器技术,使驾驶变得更加安全和愉悦。

  保持与做什么用MEMS和传感器技术与发生调semi.org其中MEMS和传感器产业集团(MSIG)是其中的一部分。

这篇关于具有更多MEMS和传感器的汽车未来的功能性和安全性---凯利讯半导体的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/948727

相关文章

揭秘未来艺术:AI绘画工具全面介绍

📑前言 随着科技的飞速发展,人工智能(AI)已经逐渐渗透到我们生活的方方面面。在艺术创作领域,AI技术同样展现出了其独特的魅力。今天,我们就来一起探索这个神秘而引人入胜的领域,深入了解AI绘画工具的奥秘及其为艺术创作带来的革命性变革。 一、AI绘画工具的崛起 1.1 颠覆传统绘画模式 在过去,绘画是艺术家们通过手中的画笔,蘸取颜料,在画布上自由挥洒的创造性过程。然而,随着AI绘画工

YOLOv8改进 | SPPF | 具有多尺度带孔卷积层的ASPP【CVPR2018】

💡💡💡本专栏所有程序均经过测试,可成功执行💡💡💡 专栏目录 :《YOLOv8改进有效涨点》专栏介绍 & 专栏目录 | 目前已有40+篇内容,内含各种Head检测头、损失函数Loss、Backbone、Neck、NMS等创新点改进——点击即可跳转 Atrous Spatial Pyramid Pooling (ASPP) 是一种在深度学习框架中用于语义分割的网络结构,它旨

时序预测 | MATLAB实现LSTM时间序列未来多步预测-递归预测

时序预测 | MATLAB实现LSTM时间序列未来多步预测-递归预测 目录 时序预测 | MATLAB实现LSTM时间序列未来多步预测-递归预测基本介绍程序设计参考资料 基本介绍 MATLAB实现LSTM时间序列未来多步预测-递归预测。LSTM是一种含有LSTM区块(blocks)或其他的一种类神经网络,文献或其他资料中LSTM区块可能被描述成智能网络单元,因为

雨量传感器的分类和选型建议

物理原理分类 机械降雨量计(雨量桶):最早使用的降雨量传感器,通过漏斗收集雨水并记录。主要用于长期降雨统计,故障率较低。电容式降雨量传感器:基于两个电极之间的电容变化来计算降雨量。当降雨时,水滴堵住电极空间,改变电容值,从而计算降雨量。超声波式降雨量传感器:利用超声波的反射来计算降雨量。适用于大降雨量的场合。激光雷达式降雨量传感器:利用激光技术测量雨滴的速度、大小和形状等参数,并计算降雨量。主

蓝牙ble数传芯片推荐,TD5327A芯片蓝牙5.1—拓达半导体

蓝牙数传芯片TD5327A芯片是一款支持蓝牙BLE的纯数传芯片,蓝牙5.1版本。芯片的亮点在于性能强,除了支持APP端直接对芯片做设置与查询操作,包括直接操作蓝牙芯片自身的IO与PWM口以外,还支持RTC日历功能,可以做各类定时类操作,极大丰富了蓝牙在IOT产品中的应用。此外,在数传应用方面,此芯片支持串口流控功能,提大提高了数据传输的稳定与可靠性。 拓达蓝牙芯片特点: 支持RTC日历功能,超

JupyterLab使用指南(十): JupyterLab安全性与配置教程

文章目录 1. 生成详细的配置2. 安全策略2.1 使用 HTTPS 加密通信2.2 设置访问密码2.3 禁用 root 用户启动 3. 修改配置文件4. 将 JupyterLab 作为后台进程运行4.1 使用 `nohup`4.2 使用 `systemd` 1. 生成详细的配置 JupyterLab 的配置文件用于管理和定制 JupyterLab 的各种行为。可以通过以下命

AI与音乐:共创未来还是艺术终结?

随着人工智能技术的不断进步,AI在音乐创作领域的应用已经成为了一个不可忽视的现象。最近一个月,一系列音乐大模型的推出,不仅极大地降低了普通人创作音乐的门槛,也引发了关于音乐产业未来的广泛讨论。AI是否正在创造音乐的新纪元,还是正在逐渐毁掉这一艺术形式?本文将深入探讨人工智能和音乐人的合作模式,讨论AI在音乐创作中的辅助作用,以及如何实现人机共同创作的可能性。 AI与音乐人的合作模式 在探讨

汽车网络安全 -- 漏洞该如何管理

目录 1.漏洞获取途径汇总 2.CAVD的漏洞管理规则简析 2.1 通用术语简介 2.2 漏洞评分指标 2.3.1 场景参数 2.3.2 威胁参数  2.3.3 影响参数 2.3 漏洞等级判定 ​3.小结 在汽车网络安全的时代背景下,作为一直从事车控类ECU基础软件开发的软件dog,一直在找切入点去了解车联网产品的各种网络安全知识。 特别是历史上各种汽车网络安全事件、

ChatGPT崛起:动了谁的蛋糕?深度解析与未来展望

近年来,随着人工智能技术的飞速发展,各种智能应用层出不穷,其中ChatGPT作为一种先进的自然语言处理模型,引起了广泛的关注。ChatGPT的出现对多个领域产生了影响,可能对一些现有的业务模式和服务产生影响,从而间接地影响到相关行业的利益格局。本文将深入探讨ChatGPT对各行各业可能产生的影响,以及它如何改变了现有的市场格局,并展望其未来的发展趋势。 一、客服行业 传统的人工客服行业一直面临

机器学习基础:与Python关系和未来发展

目录 初识Python Python的由来 自由软件运动 编译方式的演进 Python语言的特点 语法简单,易于理解 语法结构清晰,快速上手 丰富的第三方库 机器学习 监督学习 无监督学习 半监督学习         欢迎回到我们的神经网络与深度学习Tensorflow实战学习,本篇为人工智能学习第三篇文章。前面的文章中我们学习安装了Tensorflow-GPU,在本