RT-Thread物联网操作系统
NUC980 DIY项目大挑战 - EtherCAT实现
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区本文由RT-Thread论坛用户@lg28870983原创发布：https://club.rt-thread.org/ask/article/160414965e80294e.html
1．背景
最近计划DIY一个EtherCAT控制器，一直在看资料和选型，初步定了NUC980的方案，主要是看中NUC980的RAM比较大，采购还算方便（最近缺芯，大家都懂）。
选定硬件之后，NUC980跑什么系统呢？从以往经验来看，ARM9一般跑linux比较多，资源也好找，同时官方提供BSP。但这次任务有点特殊，EtherCAT对实时性要求比较高，linux不是最合适的。结合MCU开发经验，就准备上个RTOS，以前M3和M4的芯片，主要用FreeRTOS，最近也开始用RT-Thread。新唐官方也推出了NUC980的RT-Thread版BSP，对开发者非常友好，最终决定了NUC980+RT-Thread的方案。
刚好最近官方有个DIY项目官方活动，就报了名。
2．EtherCAT主站软件方案
EtherCAT本身还是比较复杂的，我们就不自己造轮子了，考虑用开源方案，毕竟硬件成本这么低，商用方案是真的用不起啊！
现在开源主站主要就两种，SOEM和IGH（相关的资料网上很多，这儿就不展开了），IGH只支持linux，所以只能选SOME，最新版本是SOEM1.4，本次移植就基于该版本。
3. 移植过程
3.1 RT-Thread 下载
本次移植基于最新发布的release4.1.0, 这个可以到github下载，最近Gitee也更新了。移植EtherCAT之前，首先把Nuvoton的BSP跑起来。这个参考官方的文档就可以了。
3.2 Some移植
下载soem-1.4.0，将整个目录放在rt-thread项目里，下图是我的目录，供参考
在some-1.4.0及其子目录中需要手工编辑SConscript脚本，这儿就不展开了。后续我把源码打包发上来。
Some移植主要是三个文件 osal.c，oshw.c和nicdrv.c。
osal.c 主要是微秒及的延时和定时函数；
oshw.c 主要是网络端和本机端数据的大小端转换；
nicdrv.c 主要是网络数据收发。
Some已经给出了很多操作系统移植，我的移植是基于rtk，这个是嵌入式系统，和我们的开发环境最接近。
3.2.1 osal.c移植
主要内容是实现osal_usleep和osal_gettimeofday两个函数。
我开始思路是自定义一个定时器用于EtherCAT，当时用了Timer4。等实现差不多了，发现系统时钟用的是Timer5，很多地方功能重复。最终和系统共用Timer5，省了个Timer，代码也简化了不少。下面就是改动过的相关代码，osal_timer_init这个初始化函数要在启动EhterCAT功能之前调用。
.................
相关推荐
关于AI开发方法论-以文档为索引的高质量协作开发：让一次现象描述精准命中几个代码块
对AI的编码规范进行约束
YOLO26算法车道线检测+训练好的模型+360张数据集+pyqt可视化界面.zip
附训练好的 YOLO 权重与 PyQt 可视化检测界面，页面底部含可视化效果预览，毕设/课设开箱即用。 【数据集概况】 · 检测类别（中文）：[未获取()] 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 55 个 epoch，最终轮指标： 指标 | 数值 mAP50 | **0.9512** mAP50-95 | 0.6746 Precision | 0.8796 Recall | 0.8825 train/box_loss | 0.8608 train/cls_loss | 0.7232 val/box_loss | 0.9955 val/cls_loss | 0.5511 【训练过程分析】 这轮训练我经历了从初始到稳定的曲折过程。前 20 个epoch，loss 曲线呈现了陡峭的下降趋势，mAP50 指标从 0.8 开始逐步攀升，仿佛在寻找一个合适的平衡点。然而，从第 21 个epoch 开始，mAP50 的提升速率显著放缓，整体曲线显得有些曲折，有时甚至停滞不前，让我一度以为训练出现了问题。直到第 35 个epoch，loss 开始逐渐趋于平稳，这标志着模型已经找到了一个较好的收敛区间。到了最后的 20 个 epoch，尽管 mAP50 依旧在稳步上升，但提升幅度已经不大，这意味着模型已经接近其性能天花板。 在这个过程中，我重点关注了 box_loss 和 cls_loss 的变化。初期阶段，box_loss 快速下降，从 0.9 逐渐降至 0.86，而 cls_loss 则从 0.75 逐步下降至... 使用场景：毕业设计、课程设计、深度学习入门、工业场景落地验证。
syslog_test.py
syslog_test.py
Simulink “双碳”背景下汽车减少碳排放建模与仿真
内容概要：本文围绕“双碳”战略背景，系统阐述了基于Simulink的汽车碳排放建模与仿真技术，重点引入模糊PID控制优化动力系统性能，以实现节能减排目标。文档整合了多个Matlab/Simulink科研仿真案例，涵盖无刷直流电机（BLDC）控制、三相PWM整流器、电池管理系统、路径规划、信号处理、智能优化算法及图像处理等领域，全面展示Matlab在智能控制与绿色能源系统中的应用价值。同时强调科研应兼具严谨逻辑、创新思维与工具赋能，并提供完整的仿真资源链接与学习路径支持实践落地。; 适合人群：具备Matlab/Simulink基础，从事自动化、电气工程、车辆工程、控制科学、电力电子及智能制造等相关领域的科研人员或高年级本科生、研究生；适用于开展节能减排、新能源系统优化、智能控制算法研究等课题的研究者。; 使用场景及目标：①学习在Simulink中构建汽车能耗与排放仿真模型并应用模糊PID进行动态优化；②掌握BLDC、PWM整流器等关键部件的建模与控制策略设计；③借鉴丰富案例提升科研效率，拓展在智能控制、路径规划、信号处理等方向的应用能力；④通过提供的网盘资源获取完整代码与资料，支撑论文写作与项目开发。; 阅读建议：建议按照资源目录顺序系统学习，结合百度网盘提供的Matlab/Simulink代码动手实践，重点关注控制策略的设计、仿真结果的分析与优化过程，同时注重培养科研思维与工程实际问题的结合能力。
西部牛仔_1794033330851.apk
西部牛仔_1794033330851.apk
