2019年2月25日, 全球领先的半导体解决方案供应商瑞萨电子株式会社宣布推出新型内置闪存、集成了硬件集成虚拟化辅助功能的微控制器(mcu)产品——rh850/u2a。新产品保持了rh850系列一贯的高速实时性能,同时集成了基于硬件的虚拟化辅助功能,可支持最高asil d(注1)级别的功能安全,因而能够整合不同安全等级的ecu。rh850/u2a是瑞萨电子cross-domain mcu产品系列的首个成员,作为新一代车载控制芯片,可应对不断增长的将多种应用集成在单芯片上,从而实现将不同电子-电气架构(e/e架构)整合到同一电气控制单元(ecu)的需求。
采用28纳米制程工艺的32位rh850/u2a mcu基于瑞萨电子针对底盘系统应用的rh850/px系列和针对车身控制的rh850/fx系列的关键功能,进一步提升性能并实现虚拟化辅助功能,以支持底盘/安全、车身、域控制和中低端网关应用中的操作。为满足底盘/安全应用所需的asil d级功能安全,基于硬件的虚拟化辅助技术让在rh850/u2a mcu上运行多个具有不同功能安全级别的应用软件,并可互不干扰的并行运行,同时保持车辆控制所需的实时性能。
“随着新e/e体系架构的演进,市场对能够集成不同ecu、并可支持多个应用的高性能、cross-domain mcu的需求越来越高。”瑞萨电子汽车技术客户合作业务部副总裁吉田直树表示,“从rh850/u2a开始,瑞萨电子新推出的cross-domain mcu系列将帮助客户提高开发效率,缩短新车的开发时间,从而加速网联车及自动驾驶汽车的开发。同时,我们很荣幸能够引领虚拟化和支持asil d的技术潮流。”
全新rh850 /u2a mcu的主要特点
结合了高性能、片上安全性能和网联性能的cross-domain rh850/u2a mcu专为多种车辆控制应用的严苛要求而设计,包括车身、底盘/安全、域控制和中低端网关等领域。
支持高速实时性能和基于硬件的虚拟化辅助功能,可在符合asil d标准的复杂汽车控制系统中加速ecu的集成
新推出的汽车控制mcu配备多达4组采用双核锁步结构,高达400mhz主频的cpu核,每个cpu核都集成了基于硬件的虚拟化辅助功能,同时保持了rh850系列一贯的高速实时性能。为支持asil d,此mcu包含自诊断sr-bist(待机-恢复bist)功能,可将电流波动降到最低。基于硬件的虚拟化辅助功能还允许满足不同iso26262功能安全级别的多个软件系统在高性能模式下独立运行而免受干扰,同时可降低虚拟化所需的资源占用,以维持实时性,这使客户能够将多个ecu功能集成到单个ecu中,同时保持功能安全,网络安全,以及实时操作要求。
内置大容量闪存,支持先进、安全的ota升级
内置大容量闪存,以支持空中传输(ota)功能,从而保证自动无线升级ecu软件以控制程序,而不会中断车辆运行。rh850/u2a mcu配备高达16 mb的内置rom闪存和3.6mb容量sram,为用户未来的功能扩展提供了灵活性。该mcu所包含的网络安全功能支持从evita light到evita full(注2)的全部安全等级,以加强对网络攻击的防护,使设备能够随着安全要求的发展,实现安全、快速的完全无等待ota(full no-wait ota)软件升级。
扩展adas和自动驾驶系统的网络连接
rh850/u2a mcu还配备了多种网络接口,包括sgmii标准的1 gbps以太网通信接口和最多达16路通道的can-fd接口,使mcu有能力处理大量由adas和自动驾驶功能中多种类型传感器生成的数据。让客户能够支持未来的高速网络功能并满足高通信吞吐量的要求。
瑞萨电子将于2019年2月26日至28日在德国纽伦堡举办的embedded world(嵌入式电子与工业电脑应用展)1-310号展台(1号展厅)演示rh850/u2a mcu产品。
高性能STM32H7物料,无人问津了?
魅族flyme 6最新版发布:掌握解锁新姿势!Flyme6.7.4.11 beta发布
底部填充胶胶水的常见问题
功率放大器基于通道接收和发射的水声通信机的应用
新一代iPhone手机详细规格参数信息曝光
瑞萨电子推出集成了硬件集成虚拟化辅助功能的微控制器
vivoZ3销售战报显示开售后11个小时迅速登顶三大电商平台销售榜单
国仪量子完成B轮数亿元融资,用于研究量子计算等技术
储能逆变器带动哪些半导体器件?
前段集成工艺(FEOL)-4
分立元件定时器电路图
联电疑似窃取美光商业机密被美司法部起诉
搭建游戏是选云服务器还是选物理服务器
运放关于带宽和增益的主要指标以及定义
如何使用微控制器 I/O实现看门狗定时器功能
基于MSP430F5529的红外循迹小车设计
LTE-V无线技术和频率划分同时进行
高温对LED贴膜屏的影响及应对措施
基于RTW和VisualC++的半物理仿真系统的研究
深度学习未来会更好还是走下坡路?