红光将在这里持续高强度整活（指写博文）
博文不定期更新，保障一个月两次的保底更新（大概）
欢迎dalao们指出博文的问题，同时欢迎大家提供整活思路
推荐使用QQ1429129330或邮箱dddbbbdd@foxmail.com联系我
本系列博文旨在以计算机体系结构的角度剖析嵌入式应用中较常见的ARM Cortex-M0微架构，由于CM0是相对先进且简单的内核，所以选择了CM0作为切入点而不是常见的CM3/CM4
部分资料来源：何宾《ARM Cortex-M0全可编程SoC》、Joseph Yiu著 吴常玉 张淑 吴卫东等译《ARM Cortex-M0与Cortex-M0+权威指南》、ARM官方资料《AT510-BU-98000-r1p0-00rel0》（cortexm0_designstart工具包）、《DDI0432C-cortex_m0_r0p0_trm》（ARM Cortex-M0官方手册）
整套博文应当在读者具有计算机体系结构基础知识的情况下阅读，否则不容易形成连贯的感知。推荐没有计组基础的读者先去阅读胡伟武老师的《计算机体系结构》。辅助阅读材料：Patterson、Hennessy的《计算机组成与设计：硬件/软件接口》
在讨论ARM Cortex-M0之前，我们先回顾一下处理器架构、微架构的概念
这一部分主要在上一篇博文的基础上说明集成运放在“运算”和“放大”场景的应用。至于运放在信号处理方面的应用，笔者将其放到了模拟信号部分
回看理想放大器组成的各种电路，我们会发现其中广泛应用到反馈这个概念。将输出倒送回输入就是反馈，或者说复杂一点：电学系统中，将输出信号通过某种方式回送到输入环节，和原理输入信号合并形成净输入信号，抑或是单独作为输入信号，进而影响输入输出性能的举措称为反馈。下一章我们将仔细对反馈的概念和如何正确分析反馈机制进行深入梳理，这里引出反馈概念是为了让读者进一步意识到：由于运放的开环放大倍数实在太大了，完整的运放系统需要一个“刹车”来让随着输入信号猛烈摆动的输出信号稳定下来，并按照我们想要的规律变化。
一般可以直接使用DocNav查看文档，也可以在Xilinx官网查看文档。Xilinx的文档和其他公司差不多，都遵循相同缩写描述相同类型的东西，常用的缩写如下：
Mobilenet和ShuffleNet是目前应用比较广泛的两种轻量级卷积神经网络，轻量级网络参数少、计算量小、推理时间短，更适用于存储空间和功耗受限的边缘端和嵌入式平台。其中ShuffleNet是Face++在2017提出的轻量级网络，通过引入group和Channel Shuffle操作来让神经网络运算量大大减小。MobileNet是谷歌团队在同年提出的专注于移动端或者嵌入式设备中的轻量级CNN网络，提出了Inverted Residual Block结构，在此基础上能大大降低卷积层的消耗。二者的核心目标都是在尽可能减小准确率损失的条件下大量减少参数与运算量。到目前为止，MobileNet已经出现了三个版本，MobileNetv1、v2、v3；ShuffleNet也出现了两个版本：v1和v2。
由于MobileNetv2版本中也借鉴ShuffleNet使用了group操作，所以这里主要基于MobileNet介绍其结构和PyTorch官方实现（v2版本）
MobileNetv2已经被官方收录到PyTorch库中，可以直接调用；MobileNetv3还只有一个简单的个人实现。二者的GitHub仓库如下：
某学长设计的水下机器人，其中机械、外形设计部分由老师完成，学长负责了全部控制系统与控制机械部分设计，上位机由另一个dalao学长负责。学长毕业跑路以后我负责接手这个项目，在原有规划上完成升级
主要由于个人技术欠缺和部分超前的设计，项目实现过程中遇到了很多典型问题，故在此记录作为笔记
机器人项目在GitHub仓库开源电路及软件部分，机械设计不开源
预期在原有机器人的人机协同、自主抓取功能基础上实现以下功能：
六推进器机器人（六轴），水平方向四推进器矢量布置，竖直方向布置双推进器，通过调节浮力保持机器人水平。内置一大容积收集框，且前部布置有传送带。整体机器人采用开放框架结构，预期能实现500m极限下潜深度，目前经过测试的最大下潜深度为100m。主机械臂设计为仿人手臂结构六自由度。
硬件方面采用了三舱设计——控制仓ControlCarbin、动力舱PowerCarbin、计算仓ComputeCarbin。控制仓内有一个stm32h750负责实时控制和实时算法解析，通过串口与上位mt7621路由器连接。动力舱部署有stm32h750与控制仓stm32通过串口连接，负责机器人所有pwm信号的控制。计算仓内有Jetson TX2计算板负责处理实时图像识别和自主抓取任务。
上位机搭载了空气开关作为总闸，220V经过线缆直接输送到下位机，同时220V直接供给工控机。工控机转出5V和12V为上位机的按钮、摇杆、旋钮及内部MCU供电。
220V在控制仓搭载的开关电源被转换成12V。电调直接使用此12V输出，另有一个功率控制板将12V转换成6V供给推进器和水下舵机。
功率控制板搭载一个继电器控制舵机供电，但推进器是始终连接到电源的
后续会对每一路推进器和舵机配备电流、电压、功率监控
12V电源经过隔离电源转换成5V、3.3V供给所有控制器件（mt7621和stm32），5V、3.3V与上述电源是隔离的，控制信号通过数字隔离器传出。
目前使用TI和ADI的高速数字隔离器（考虑到存在频率为100kHz开关频率以上的被控器件，低速光耦难以支持，高速光耦会占用大量板上面积），以后会考虑采用国产的数字隔离器
上位机、下位机和下位机控制仓、计算仓之间通讯使用百兆/千兆以太网，mt7621作为主交换机（为连接外网配置为路由器模式）。另有一个网络摄像头连接到路由器，TX2负责其他所有USB摄像头的数据采集和推流，上位机直接通过RSTP接收视频流
下位机控制仓、动力舱之间使用串口（TTL电平）通讯，速率设置为115200。传感器数据和主控数据使用不同的数据帧传输
以后会考虑统一传感器数据帧和控制数据帧
电调和舵机都接收500~2500us脉宽的50Hz（20ms周期）PWM信号；灯光接收10kHz以上的0%~100%占空比PWM信号。
控制信号由数字隔离器从stm32端发出传输给电调。
实时控制的计算（包括PID算法、传感器滤波、控制数据滤波）均在控制仓的stm32完成，动力舱的stm32只负责控制指令解析和舱内传感器数据采集
计算仓的TX2汇总单目、双目摄像头的数据，运算后转换成控制指令发送到控制仓。
上位机使用摇杆和按钮控制，所有控制信号使用Arduino的模拟（ADC）、数字（IO）输入接口采集，转换成串口数据后传输给上位机，上位机将其装换成TCP数据报，直接发送给下位机服务器。mt7621路由器上运行ser2net软件接收TCP数据，通过串口透传给控制仓stm32。控制数据经过初步解算出针对控制仓的指令后再转发到动力仓。动力舱的stm32解析指令转换成PWM控制信号。
控制指令也可以由计算仓的TX2发出，同样以TCP数据报的形式发送到路由器服务端。
这里没有使用UDP进行控制信号传输，后续会改为UDP协议
在设计过程中遇到了一大堆意料之中和意料之外的问题，摘录如下
最大的问题就是网口。mt7621的网络变压器电路焊接有问题，导致后续网络不通，排除了好久才发现是硬件的锅。虽然7621自带了phy，但是网络变压器的布线还是很重要，由于前期设计问题（一堆过孔）导致后面又修改了一版才能达到千兆速率。
传送带舵机的机械部分有过热的问题，应该是带载过大导致的，在这个项目中并没有修复（又不是不能用），考虑在以后的更新中加入过流保护功能并使用更大功率的舵机
再说说应该保留的优点
数字隔离器的部分简直就是神来之笔。在下水测试环节发现主臂的舵机防水性能不够，直接烧穿了功率电路，好在有数字隔离器抗住了12V的电压，最后更换了一个光荣牺牲的隔离器就让机器人恢复正常了（虽然挂掉了整个机械臂）。
软件方面最大的坑就是mt7621了，首先就是串口速率。刚开始用ser2net时配置为921600速率，发现发出数据是乱码，但ser2net明明支持更高波特率，直到后面查找芯片datasheet才发现这个问题是mt7621不支持更高的波特率，于是只能配置成115200波特率
mt7621还缺少新版linux内核的usb摄像头驱动，也不清楚怎么自己移植驱动、写设备树之类的操作，只能硬编译一套低版本的openwrt糊上去，虽然能用但是没法装mjpg-streamer，于是在openwrt上挂摄像头推流的想法直接失败。
之后换用了mt7688这个百兆路由器，虽然没办法传高清视频了，但又不是不能用，软件适配方面比7621好多了（笑）
stm32h750的指令解析和串口数据传输也有问题，主要在于数据传输时候要把uint32_t截成四个uint8_t，中间移位默认小端序，也就是右移才能截断数据，在程序里面反复调试截断方向后才发现这个问题。接收时候本来想用&0x00FF、&0xFF00的方式避免出错，但发现串口发送的数据正好在buffer里高低位颠倒，于是就只能改成左移了。之后的版本里面应该会统一一下罢
控制仓和动力仓的通讯使用串口，要求动力舱上传的传感器数据先发送给控制仓，与控制仓的传感器数据交替上传到mt7621；控制数据则通过mt7621下发到控制仓的stm32，进行初步解算后透传给动力舱。
在这个过程中，串口数据之间的分配就很重要。但延迟出问题了（悲）
传感器上传速率太快，而控制信号下传速率太慢，就导致控制数据传输会被打断。后面又加了一个控制数据防打断的补丁，保证了设备安全运行，但是这样传感器数据就会出现错误，导致上位机界面剧烈跳变。
在之后的版本中规划使用错时收发，并且把任务的延时调好，也许就能避免这些问题了
传感器遇到的一个大问题就是水深传感器的解算板gg了，本来自己设计了一套基于Arduino的解算板，测试时运行正常；但安装到板子上以后就不知道怎么回事无输出，调试一周无果就只能换传感器官方提供的解算板了。不过现在已经移植了一套程序到stm32f103上，虽然还没有用gd32试过但想必是可以用在下一个机器人上的。
缺失模块。
1、请确保node版本大于6.2
2、在博客根目录（注意不是yilia根目录）执行以下命令：
npm i hexo-generator-json-content --save
3、在根目录_config.yml里添加配置：
jsonContent:
meta: false
pages: false
posts:
title: true
date: true
path: true
text: false
raw: false
content: false
slug: false
updated: false
comments: false
link: false
permalink: false
excerpt: false
categories: false
tags: true