2025 STM32峰会收获分享

本次参会主要报名了电机控制实训和MP2边缘AI应用开发实训，本次主要以新手的角度谈一谈收获。笔者在此前仅有步进电机和直流电机的控制知识以及linux应用开发的基础。

一、电机控制实训

（一）STM32G4系列型号介绍

由于STM32G474具备高精度PWM，在数字电源、电机控制等领域可以替代某T的DSP芯片。

型号	分类	核心特性	应用领域
STM32G474	高精度PWM型	集成HRTIM定时器（纳秒级控制），支持复杂控制算法和实时数据处理，最高170MHz主频	工业自动化（高精度电机控制、PLC）、数字电源（逆变器、LED驱动）、电力电子设备
STM32G473	性能型	增强型模拟外设（多通道ADC/DAC、运算放大器），Cortex-M4+FPU+DSP指令加速	工业自动化（传感器接口）、智能设备（数据交换与远程控制）、高端控制应用
STM32G431	入门型	基础模拟外设（高精度ADC/DAC），支持FFT运算，低功耗模式（<1μA）	物联网（传感器数据采集）、智能家居（温控系统）、汽车电子（基础控制）
STM32G491	入门型	集成HRTIM定时器，优化高频电力电子变换器控制（如DC-DC转换器）	数字电源（开关电源）、LED驱动、精密电磁控制

---

（二）X-CUBE-MCSDK6 基础操作

此处根据老师的ppt流程，通过X-CUBE-MCSDK6、STM32Cube-MX创建新工程，通过STM32CubeIDE对代码进行编辑和下载。

**通过Motor Pilot的qt界面可以对设备进行控制和对状态进行监控。**

可以对设备指定的一些参数添加监控，从而判断PI参数的设置是否合理。

根据绘图的波形情况，分析PID参数是否合理，对参数进行调优。

（三）创建客户硬件板（此处没有进行实际操作，属于是照搬老师的ppt了）

可以使用X-CUBE-MCSDK6工具根据客户板子的实际情况，创建工程。

1. 使用X-CUBE-MCSDK6.3.2创建新的电机控制板。

命名以及MCU配置

基本信息添加

2.电流采样配置

采样方式配置

运放电路参数配置

采样ADC管脚配置

3.PWM配置

管脚以及参数

4.可增加其他功能的配置

（四）关于STO及增益设定

此处偏向于理论讲解，我谈谈个人的理解。老师给我们简单讲解了一下之前的算法，并提出在离散化的时候之前的算法是假定转速为0去计算的，这样做在低速的情况下，观测器并不收敛。老师给我们讲解了一下最新的算法，在新的算法中，解决了这个问题。

（五）可以通过X-CUBE-MCSDK软件直接测出电机的参数

（六）问答（这边只记得自己提的问题了）

问：刚刚有朋友提到，HSO算法运行在中断中。假如我的设备运行了RTOS之类的操作系统，设备可能会频繁的进入临界区，也就是说会关闭中断，是否会对算法产生一些影响。

答：是的，我们尽量避免关闭中断，或者说，设置一个中断屏蔽的等级，不能够屏蔽HSO算法所在的中断。

（七）个人补充杂项

二、基于STM32MP2的边缘AI应用开发实践

（一）ST嵌入式AI MPU产品应用场景及物联网关联技术介绍

产品系列	核心架构	关键特性	应用领域
STM32MP2系列	• 64位微处理器• 双Arm Cortex-A35内核（最高1.5GHz） Cortex-M33协处理器（最高400MHz）• 集成NPU（算力1.35TOPS）	• 高性能边缘AI处理• 支持TSN（时间敏感网络）和千兆以太网• 3D GPU（1080p显示）与机器视觉接口（MIPI CSI-2）• 高安全性（SESIP3认证、TrustZone技术）• 无需主动散热设计	• 工业4.0（智能工厂、机器视觉）• 智能交通（自动驾驶小车、车载系统）• 智慧城市（安防监控、楼宇管理）• 高级HMI（交互式终端、POS机）

强调高性能与智能化，专为复杂边缘计算设计。其NPU加速器支持人脸识别、目标检测等AI任务，而TSN和千兆以太网则满足工业通信的低延迟需求。例如，在智能物流中用于无人搬运车的实时决策系统。

（二）实践准备

确定物料并进行硬件连接

通过STM32_Programmer_CLI 进行镜像烧录

（三）X-LINUX-AI 框架

（四）AI 模型部署流程

模型优化

量化

（五）动手实践: 视觉应用快速部署

模型量化，并验证精度

模型转换与基准测试

模型部署

三、小结

此处培训帮助我快速了解了STM32针对FOC电机控制领域具有这么好用的软件，可以帮助我们分析并调试电机，对于我们后期做FOC电机控制有很大的帮助。MPU的培训也很不错，让我了解到了AI模型相关领域的知识，并且在MPU上部署AI大模型的整个流程，ST都提供了非常好用的工具帮助我完成这些操作。在AI模型部署到MPU等边缘计算单元的时候，通常要使用量化等手段对模型进行优化。

ps：邢老师的单口相声真的很上头（狗头保命），下次还来！！

四、展会照片分享