解读德州仪器MCU新品：带NPU的C2000有什么不同？

电子发烧友网报道（文/吴子鹏）近日，德州仪器（TI）宣布推出了两款全新的实时微控制器系列——TMS320F28P55x系列和F29H85x系列。其中，TMS320F28P55x系列不仅内部集成了浮点单元 (FPU)、三角函数加速器 (TMU) 和 VCRC（循环冗余校验）扩展指令集，同时该系列器件还内部集成了NPU计算单元，进一步增强了该系列MCU对算法模型的支持能力。

 
据介绍，TMS320F28P55x系列是德州仪器C2000实时微控制器系列中一款可扩展、超低延迟器件，因此也被定义为业界首款集成NPU的实时MCU。
 
德州仪器C2000基于32位C28x DSP内核打造，主频达到了150MHz。C28x DSP内核针对实时性应用做了专门的优化，借鉴了DSP、RISC和MCU内核的领先特性，能够高效实现数据和指令的并行执行，因此在实时性方面，32位C28x DSP内核表现出来的能力相当于300MHz主频的Arm Cortex-M7内核。
 
当然，C28x DSP内核不只是实时性强，其处理能力也很出色，支持FPU、TMU和VCRC。其中，通过 IEEE 754单精度浮点单元FPU32可以扩展C28x DSP内核CPU方面的能力，增加单精度浮点运算的寄存器和指令；TPU则能够更进一步，利用C28x DSP内核和FPU计算能力，支持非线性比例积分微分 (NLPID) 控制，加速三角函数方面的运算性能；VCRC提供了一种简单的方法来验证大型数据块、通信包、代码段里面数据的完整性。当然，C28x DSP内核也具有极强的除法能力，提供快速整数除法单元，支持无符号和有符号格式。
 
TMS320F28P55x系列也提供可编程控制律加速器 (CLA)，能够将大量的常见任务从主C28x CPU上卸载。CLA是一款与CPU并行执行的独立32位浮点数学加速器，支持IEEE 754单精度浮点指令，在实时信号链性能方面相当于基于200MHz Arm Cortex-M7的器件。此外，CLA 自带专用存储资源，它可以直接访问典型控制系统中所需的关键外设。与硬件断点和硬件任务切换等主要特性一样，ANSI C子集支持是标准配置。
 
在计算能力上，TMS320F28P55x系列最显著的改变是增加了NPU。NPU的设计目的是进行深度学习计算，具有非常高的计算效率和能耗效率，能够在短时间内完成大规模的神经网络计算任务‌，其主要的优势包括高效性、低延迟、稳定性和可编程性‌。通过加入NPU计算单元，TMS320F28P55x系列可以使用预先训练的模型支持机器学习推理。NPU能够处理600–1200MOPS（兆次运算/秒），并且为电弧故障检测或电机故障检测提供模型支持，与仅基于软件的实现方案相比，将NN推理周期改进了高达10倍。使用TI的Model Composer GUI或Tiny ML Modelmaker加载和训练模型，以获得高级功能集。
 
TMS320F28P55x系列的主要应用领域是电机驱动器，电器，混合动力、电动和动力总成系统，太阳能和电动汽车充电，数字电源，车身电子装置与照明，测试与测量。目前，在一些国家和地区，光储充系统和数字电源需要强制提供拉弧检测的能力，以提升系统的安全性和可靠性。目前，德州仪器也提供AI电弧故障检测工程算法，感兴趣的工程师可以到德州仪器官网进行深入的了解。那么，在拥有集成NPU的MCU之后，德州仪器MCU可以更好地支持这些算法，以帮助终端提升智能化的水平和效率。还有一点需要特别指出的是，TMS320F28P55x系列支持使用GaN和SiC技术。
 
同时，TMS320F28P55x系列也是高度集成的MCU产品系列，支持高达1088KB的闪存存储器，可以将其分解为四个256KB存储体和一个64KB存储体，这五个存储器是相对独立的，且都支持ECC保护功能。片上集成5个3.9MSPS 12位模数转换器 (ADC)，每个ADC具有四个集成后处理块 (PPB)，还有个带12位参考数模转换器 (DAC) 的窗口比较器 (CMPSS)，这些模拟单元能够与处理单元和PWM单元紧密耦合，以提供更好的实时信号链性能。
 
在系统外设方面，TMS320F28P55x系列提供6通道直接存储器存取 (DMA) 控制器，91个独立可编程多路复用通用输入/输出 (GPIO)，以及增强型外设中断扩展 (ePIE)；在通信外设方面，TMS320F28P55x系列一个电源管理总线 (PMBus) 接口，各种业界通用通信端口（如SPI、SCI、I2C、PMBus、LIN和CAN）。
 

结语

德州仪器C2000实时MCU在产业界成名已久，为工业、汽车、家用电器等各种设备提供高实时性的控制功能。如今，TMS320F28P55x系列继承了传统C2000 MCU的实时性能力，并通过集成NPU提升了智能化水平，对于AI拉弧检测以及电机故障预测等算法模型有着更强的支持能力。