下一代CAN通信技术CAN XL简介

最新推荐文章于 2024-03-21 09:24:46 发布
最新推荐文章于 2024-03-21 09:24:46 发布
阅读量6.2k 收藏 43
点赞数 14
分类专栏： 玩转汽车行业 文章标签： CAN CAN XL
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LEON1741/article/details/116562916
版权

众所周知，CAN网络具有易于实现、可扩展、并支持复杂拓扑结构等诸多优点，所以目前在各个行业特别是汽车领域，得到了非常广泛的应用。但是，它也存在着诸多问题，其中最大的一点就是总线带宽和数据场长度太低，导致承载能力非常有限。为此，CiA（CAN-in-Automation，国际用户与制造商联合组织）推出了CAN FD（CAN with Flexible Data rate）。CAN FD继承了CAN总线的主要特性，但是弥补了CAN总线带宽和数据场长度的制约，CAN FD总线与CAN总线的区别主要在以下两个方面：

  • 可变速率：CAN FD采用了两种位速率：从控制场中的BRS位到ACK场之前（含CRC分界符）为可变速率，其余部分为原CAN总线用的速率。两种速率各有一套位时间定义寄存器，它们除了采用不同的位时间单位TQ外，位时间各段的分配比例也可不同。

  • 新的数据场长度：CAN FD对数据场的长度作了很大的扩充，DLC最大支持64个字节，在DLC小于等于8时与原CAN总线是一样的，大于8时有一个非线性的增长，所以最大的数据场长度可达64字节。

CAN FD引入了更快的比特率，在数据阶段可设置为高达5 Mbit/s，但其后果是由于信号振铃而受到严格的拓扑结构限制。这就使CAN FD局限于线性网络，限制了设计的自由度，增加了布线和系统成本。所以，在2020年的第17届国际CAN大会（iCC）上，CiA又推出了第三代CAN通信技术CAN XL。

一、什么是CAN XL

CAN XL是一种高度可扩展的通信技术，涉及比特率和数据字段的长度。物理层仍在开发中。目标是实现高达10+ Mbit / s的比特率。 CAN XL针对面向区域的异构网络体系结构进行了优化。该方法以最优的长度满足未来车载网络的要求。汽车工业试图减少布线，以最小化重量，或者换句话说，是限制能耗。它的几个核心期望特性如下：

  • 有效负载长度：与以太网帧长度一样；
  • 可靠性：等于或者优于CAN，CAN FD和10Mbit/s以太网的稳定性；
  • 鲁棒性：与CAN FD一样好，甚至要优于10Mbit/s以太网；
  • 波特率：在数据段的传输速率最大可达10Mbit/s；
  • 兼容性：向后兼容CAN FD。

CAN XL是对CAN和CAN FD的进一步扩展，并且在很大程度上遵循相同的运行原理。CAN报文分为仲裁场和数据场。尽管CAN XL在仲裁场使用500kbit/s至1Mbit/s的低速率，但数据场的传输速率却可提升至2Mbit/s至10Mbit/s。相对于CAN FD的可选速率切换功能，CAN XL强制执行速率切换。

此外，总线访问仍旧采用CSMA/CD（载波侦听多路访问/冲突解决方案），通过位仲裁解决总线访问权限问题。CAN XL遵循严格的优先级概念，允许更重要的消息无延迟地传输。CAN XL仅支持11位标识符ID，不再使用29位标识符ID。CAN XL凭借用于报头和帧以及格式检查的汉明距离6算法，确保数据传输的高可靠性，实际上胜过FlexRay和以太网的CRC功能。

然而，对于未来的应用而言重要的不仅仅是提高数据传输速率。CAN XL主要功能之一是数据场支持1~2048Byte的可变长度。在必要时，可将以太网帧打包为CAN XL消息，直接或间接通过CAN XL使用IP通信技术。

CAN XL传承自经典的CAN和CAN FD，并缩小了CAN/CAN FD与Ethernet之间的传输速度和耦合的差距。在合适的应用领域中，CAN XL可以采用更小巧更便宜的控制器。利用高达2048Byte的有效数据长度，CAN XL为将来传输以太网帧和利用IP通信提供所需的功能。在不久的将来，这意味着CAN XL和10base-T1S可以共同在基于信号的通信和面向服务的通信之间提供连接。通过对协议层进行适当的扩展，将为应用提供更丰富的可能性。

在这里插入图片描述

二、CAN XL Vs CAN FD

不少同学会问，那么CAN XL与CAN FD究竟差在什么地方呢？下面就进行详细的对比。

在这里插入图片描述

与CAN FD相比，CAN XL增加了位的数量；
这些附加位位于报文头与报文末尾处；
大多数的所需位是CRC，必须增加它才能保护超出的更多的字节。

1、报头部分

在这里插入图片描述

上图中顶部的黑线表示隐性，底部的黑线表示显性。那么我们分析上图可得出以下结论：

  • SOF和11位的CAN ID场在CAN、CAN FD、CAN XL中是通用的； CAN FD和CAN XL始终不支持RTR远程请求；
  • CAN XL不支持IDE标识符扩展（29位CAN ID），该位始终处于显性；
  • 隐性FDF位指示CAN FD，隐性FDF、XLF位指示CAN XL；
  • CAN FD中res位始终处于显性，隐性BRS位（波特率切换）会提升传输速率；
  • CAN FD中ESI位通常处于显性，但处于被动错误时会变为隐性；
  • CAN XL中resXL位是隐性的，可用于将来的扩展；
  • CAN XL中AL1、DH1和DL1作为新的波特率切换序列； CAN XL中Payload 8-bit用于不同数据包的预定义多路复用位；
  • CAN XL中DLC是一个11位整数，其中数据字节数是该整数加1；
  • CAN XL中Header-CRC用于保证DLC正确，DLC定义数据CRC从何处开始。

2、报尾部分

在这里插入图片描述

  • 对于相同的数据长度，CAN XL中较长的报头可能需要较长的CRC；
  • CAN XL包含用于波特率切换位，确保向前的兼容性；
  • CAN XL CRC之后是波特率的切换模式，而不是CRC定界符；
  • 为了确保重新同步到未来格式的帧末尾，集成格式：将CAN XL中放置NACK添加到旧ACK中。

CAN XL每个CAN帧中有更多的数据：1-2048字节，并且在数据部分增加了波特率，具有更好的故障保护措施，可为下一代CAN做更好的准备。

三、Q&A时间

1、CAN XL现在有对应的收发器和控制器么？

答：目前因为CAN XL的标准还没有正式出来，CAN XL的收发器和控制器估计会在2到3年内推出

2、CAN XL传输还是用普通的双绞线么？一条总线上可以和CAN，CANFd节点共存么？

答：关于传输的线缆，目前CiA还在进一步确认中，因为线缆其实也是非常重要的一环，会采取更谨慎和有保证的方案。

关于CAN 和CAN FD与CAN XL的节点共存问题，其实三者理论上都可以在同一个网络中，不过前提是都要支持新的MICI接口规定，即medium-independent CAN interface，介质无关CAN接口。

未完待续，敬请关注！

leon1741
关注
  • 14
    点赞
  • 踩
  • 43
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
CAN总线新发展—CAN XL简介
酒无忧的博客
07-22 2627
CAN XL每个CAN帧中有更多的数据：1—2048字节，并且在数据部分增加了波特率，速率高达10Mbit/s甚至更高，具有更好的故障保护措施，可为下一代CAN做更好的准备。
BOSCH_Introduction_to_CAN XL_20200529.pdf
06-09
经典CAN于1986年推出。第一代CAN通信技术取得了超过25年的成功。而且它仍然是车载网络中的主导。 2012年，开始开发第二代CAN通信技术，即众所周知的CAN FD，并在两年后的法国巴黎第14届iCC（international CAN Conference）上正式推出。2020年的第17届国际CAN大会（iCC）上，第三代CAN通信技术CAN XL将启动。
【IP】下一代CAN的演化之路CAN XL
xinsuiwodong2014的博客
09-03 600
随着汽车新四化的需求，汽车数据通讯上对总线速率提出了更高的要求。本文简单介绍一下，当前比较前沿的CAN XL总线，同时也列举了几款最新MCU支持CAN XL的情况。随着技术不断迭代更新完善，相信会有更多的MCU利用CAN XL总线技术，助力汽车电子革命
CAN XL ：CAN协议家族新成员
yazhouren的专栏
11-30 854
canxl, 10base-t1s对比
第三代CAN总线通信技术 – CAN XL
最新发布
usstmiracle的博客
03-21 224
所以，在2020年的第17届国际CAN大会（iCC）上，CiA又推出了第三代CAN通信技术CAN XL。关于CAN 和CAN FD与CAN XL的节点共存问题，其实三者理论上都可以在同一个网络中，不过前提是都要支持新的MICI接口规定，即medium-independent CAN interface，介质无关CAN接口。CAN FD对数据场的长度作了很大的扩充，DLC最大支持64个字节，在DLC小于等于8时与原CAN总线是一样的，大于8时有一个非线性的增长，所以最大的数据场长度可达64字节。
对垒以太网10BASE-T1S，CAN XL能后来居上么：为什么要推出CANXL | CANXL的特点 | 对于选择10Base-T1S还是CAN XL，考虑哪些方面
Polelink北汇信息的博客
08-25 907
1.前言 CAN总线作为车载总线中极为重要的一部分，已经经历了相当长时间的考验，而第二代CAN总线（即CANFD）也在近几年里逐步实现大规模的应用，与此同时，第三代CAN总线（CANXL）也将要正式推出。本文将为大家分享CANXL的相关内容。 2.为什么要推出CANXL 1）填补CANFD与100BASE-T1之间的空白 当前常用车载总线既包括低速率的总线，这些总线覆盖了5MBit/s及以下的应用（目前CANFD的典型速率是2MBit/s，后续可能会升级至5MBit/s），也包含高速率的总线，即车载以太网（
CAN和CANFD的区别总结
热门推荐
fengweibo112的博客
05-24 10万+
概述 CANFD可以理解成CAN协议的升级版，只升级了协议，物理层未改变。 主要区别：传输速率不同、数据长度不同、ID长度不同、帧格式不同。 传输速率不同 Can最大传输速率1Mbps。 CanFD速率可变，仲裁比特率1Mbps（与CAN相同），数据比特率最高8Mbps如下图所示。 数据长度不同 CAN一帧数据最长8字节 CanFD一帧数据最长64字节。 ID长度不同 CAN标准帧ID长度最长1...
NXP推出下一代智能标签IC UCODE G2XM和G2XL
12-04
恩智浦半导体(NXP Semiconductors)日前宣布推出下一代智能标签IC UCODE G2XM和UCODE G2XL，为整个超高频(UHF)应用带来突破性性能。新型UCODE RFID芯片可以在极其广泛的读取范围内以及读卡器密集的环境下稳定运行。     UCODE G2XM和UCODE G2XL可将RFID技术应用于要求不同EPC编码的多种应用环境并存储额外应用数据，并支持高达240位的可扩展EPC编码，具有无比的灵活性。此外，UCODE G2XM还提供512位用户内存。     恩智浦半导体RFID总经理Jan-Willem Reynaerts表示：“我们最新的UCODE芯
CANXL上的IP概念.docx
06-11
CANXL上的IP概念.docxCANXL上的IP概念.docxCANXL上的IP概念.docxCANXL上的IP概念.docxCANXL上的IP概念.docxCANXL上的IP概念.docxCANXL上的IP概念.docxCANXL上的IP概念.docx
第三代CAN总线技术——CAN XL
zhihao_li的博客
08-22 1987
本文对第三代CAN总线通信技术CAN XL进行介绍。从协议规范、数据链路层帧格式、目前支持的芯片与设备等方面介绍。
STM32G474 FDCAN的经典CAN使用
03-16
STM32G474 FDCAN的经典CAN使用 波特率250k 接收滤波0x207 0x607 0x601 0.5s发送一次数据 发送内容： ID:0x222 数据帧 标准帧 数据长度8 内容 78 56 34 12 00 00 00 00 接收数据以中断形势接收，存放到buffer中
CIA关于CAN XL 的介绍
06-19
这个资源是C.i.A关于CAN XL的一点介绍，一个小时的视频带PDF文档。C.i.A是开发CAN XL的领导者。
网络的艺术（第四系列）CAN XL和10BASE-T1S--网络领域中两个新角色的Dataline性能--[搬运一篇Renesas的文章]
专注有线以太网性能测试--丹麦信雅纳网络（Xena Networks）
09-24 854
1. 更高、更快、更远、更慢 在我们的日常生活、体育、技术发展中，一切都是为了让事情变得更好、更快或者让事情变得更远。我们很难记得，发明比以前慢的东西被当作创新来庆祝，但这正是汽车以太网的情况。 图片 以太网和CAN规范路线图 图1：以太网和CAN规范路线图 第一个100MBit/s和1000MBit/s的版本被开发出来，并成功引入市场，其物理层允许自动协商，以简化系统集成。在上个十年末，开发了一个仅支持10MBit/s的汽车以太网版本，其物理层与100MBit/s和1GBit/s版本不兼容；性能明显下降
CAN总线要点总结（CAN2.0A/B）
Codinglover
05-13 6162
工作也有几年了，在项目中也接触过几次CAN总线，但总是止步于会用即可，对于很多细节上的东西有时还是稀里糊涂的状态，这几天正好有点时间，因此整理了这篇文章来对自己的CAN总线知识体系查漏补缺。
浅谈车载以太网1
kabadehua的博客
12-05 1015
#引子#写这篇帖子的现在我正在东北隔离，10月初因为有事从德国回国，到今天已经在一个房间待了半个多月了，足不能出户，就在某乎写Autosar相关的帖子，机缘巧合认识了网友徽州骆驼，向我推荐了这里，我正好也想了解下国内汽车软件行业的情况也想和志同道合的朋友多交流。 我的主要工作经历是在德国，毕业后先在一所德国大学工作了五年，主要从事车载总线CAN，LIN等相关的嵌入式系统的工作，后来离开大学进入了一家做车载信息娱乐系统的Tier1的研发中心工作了五年，开始做中间件Framework相关的研发，略了解了SOM
how can i use transformer-xl in pytorch
09-25
### 回答1： 要在 PyTorch 中使用 Transformer-XL，你可以使用 PyTorch 的 `nn.Transformer` 类。 首先，你需要安装 PyTorch 和 torchtext。然后，你可以在你的代码中导入这些模块： ``` import torch import torchtext from torchtext.datasets import TranslationDataset, Multi30k from torchtext.data import Field, BucketIterator import spacy import random import math import time ``` 接下来，你可以定义源语言和目标语言的 `Field` 对象： ``` SEED = 1234 random.seed(SEED) torch.manual_seed(SEED) torch.backends.cudnn.deterministic = True spacy_de = spacy.load('de') spacy_en = spacy.load('en') def tokenize_de(text): """ Tokenizes German text from a string into a list of strings """ return [tok.text for tok in spacy_de.tokenizer(text)] def tokenize_en(text): """ Tokenizes English text from a string into a list of strings """ return [tok.text for tok in spacy_en.tokenizer(text)] SRC = Field(tokenize = tokenize_de, init_token = '<sos>', eos_token = '<eos>', lower = True) TRG = Field(tokenize = tokenize_en, init_token = '<sos>', eos_token = '<eos>', lower = True) ``` 然后，你可以使用 `torchtext.datasets.TranslationDataset` 类加载数据集： ``` train_data, valid_data, test_data = TranslationDataset.splits( exts=('.de', '.en'), fields=(SRC, TRG), path='path/to/data', train='train', validation='val', test='test') ``` 接着，你可以建立词汇表，并将词汇表映射到数据中： ``` SRC.build_vocab(train_data, min_freq = 2) TRG.build_vocab(train_data, min_freq = 2) device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') BATCH_SIZE = 128 train_iterator, ### 回答2： 使用Transformer-XL在PyTorch中的步骤如下： 1. 首先，你需要安装PyTorch库。在PyTorch官方网站上可以找到相应的安装指南和命令。 2. 在安装完PyTorch之后，你需要确保你拥有Transformer-XL的代码和预训练模型。你可以从Hugging Face Transformers库中获取已经实现好的Transformer-XL模型，也可以从官方源码库中获取。 3. 一旦你有了Transformer-XL的代码和预训练模型，你需要导入它们并初始化一个模型实例。你可以使用PyTorch的`torch.load()`函数来加载预训练模型的参数。例如： ```python model_state_dict = torch.load("path/to/transformer-xl-model.pth") model = TransformerXLModel() model.load_state_dict(model_state_dict) ``` 4. 接下来，你需要将输入数据转换成模型可以接受的格式。Transformer-XL接受的输入是一个序列，可以是单词、字符或其他语言单元的序列。你需要将输入数据转换为对应的编码数组或矩阵。你可以使用库函数或自己编写代码来完成这个转换。 5. 当输入数据准备好后，你可以使用模型的前向传播函数来进行预测。你可以调用模型的`forward()`函数，将输入数据传给它，并得到模型的输出。例如： ```python input_data = torch.tensor([1, 2, 3, 4, 5]) # 用你的输入替换这个例子 output = model.forward(input_data) ``` 6. 最后，你可以根据模型的输出做进一步的处理，比如计算损失、分类、生成文本等。根据具体的任务和需求，你需要编写相应的代码来完成这些操作。 希望这些步骤能帮到你开始在PyTorch中使用Transformer-XL！事实上，使用Transformer-XL的具体实现可能还有其他的细节，你可以查阅官方文档、论文或参考其他资源来深入了解和应用。 ### 回答3： 使用Transformer-XL在PyTorch中的步骤如下： 1. 安装PyTorch：在使用Transformer-XL之前，需要先安装PyTorch。可以根据操作系统和需求选择合适的版本进行安装。 2. 下载Transformer-XL代码库：可以从GitHub上下载Transformer-XL的代码库。找到合适的存储库并将其克隆到本地： ``` $ git clone https://github.com/kimiyoung/transformer-xl.git ``` 3. 安装依赖项：在安装完PyTorch和下载Transformer-XL代码库后，需要安装代码库的相关依赖项。可以使用以下命令安装依赖项： ``` $ cd transformer-xl $ pip install -r requirements.txt ``` 4. 数据预处理：对于Transformer-XL模型，首先需要对数据进行预处理。根据您的数据集和任务，需要编写适当的数据预处理代码。这些代码将读取数据集并将其转换为模型所需的输入。 5. 配置模型：在使用Transformer-XL之前，需要配置模型。可以使用代码库中提供的样例配置文件，在其中指定模型的参数和超参数。根据需要修改配置文件。 6. 训练模型：使用预处理好的数据和配置文件，可以开始训练Transformer-XL模型。运行以下命令启动训练过程： ``` $ python train.py --config path_to_config_file ``` 其中，`path_to_config_file`应替换为您的配置文件路径。 7. 模型推断：训练完成后，您可以使用训练得到的模型进行推断。编写适当的推断代码，加载模型并使用输入数据进行预测。 请注意，以上步骤仅提供了基本的使用Transformer-XL的指导。根据具体需求和任务，您可能需要进一步修改代码和进行调优。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值