关于STM8CAN产生bus-off如何自动恢复

关于STM8CAN产生bus-off如何自动恢复

  • 硬件条件:STM8AF52A8、TJA1040T
  • 软件条件:IAR
    这里只是产生bus-off的一种情况:当CANH和CANL短接在一起的时候,STM8的can控制器就停止工作了,如何让CAN重新工作。

理论上:看STM8的参考手册,其中CAN主控制寄存器(CAN_MCR)的第六位ABOM可以决定CAN控制器自动退出离线状态,简单的说就是自动恢复。
这里写图片描述这里写图片描述按照上述手册所描述的,只要将ABOM置“1”就可以实现自动恢复。那么我们只需要简单的在CAN初始化的过程中将ABOM置“1”即可。那么就在CAN_Init(……);之后加CAN->MCR |= (uint8_t)CAN_MCR_ABOM;那么这样ABOM置“1”了。那么运行之后,CAN还是不能够恢复…….不知是不是哪里出错了还是设置不对,有经验的可以教教我。

以上的方法是没有实现自动恢复的。之后发现可以采用另外一种方法,就是当产生bus-off会触发STM8的中断函数,通过仿真发现其中CAN寄存器CAN_MSR的ERRI位会被置”1”,在通过查手册看了下CAN_MSR寄存器。写到置位以后会触发中断,那么当出现bus-off的时候可以通过中断服务函数来判断。那么接下来纠结的CAN错误中断服务函数是哪一个?在不下心的情况下发现了CAN发送中断后面的一个注释,大家可以看看。后面有一个ER,说明这个发送中断服务函数包括错误函数。意思就是当CAN发送报文和有错误触发的时候都会进入下面这个中断服务函数。

INTERRUPT void CAN_TX_IRQHandler(void); /* CAN TX/ER/SC */

接下来我们就要在中断服务函数中判断是否出现了BUS-OFF,从函数和手册中可以得知(就上面的截图就说到,BOFF置”1”,不再接收和发送报文),只要BOFF位被置“1”,说明进入了bus-off中断了。

CAN_IT_BOF        =((uint16_t)0x0400), /*!< Bus-off   interrupt   */
INTERRUPT_HANDLER(CAN_TX_IRQHandler, 9)
 {
  /* In order to detect unexpected events during development,
     it is recommended to set a breakpoint on the following instruction.
  */
    CAN_ClearITPendingBit(CAN_IT_TME);
    if(CAN_GetITStatus(CAN_IT_BOF) == SET)
    {
        //这里加你的CAN初始函数,将CAN重新初始化CAN_Init(……);
        CAN_ClearITPendingBit(CAN_IT_BOF);
    }
 } 

这里写图片描述

按照上面的做法理论上是可以实现CAN恢复的,如果还是不行,那么就需要另外找办法了

在CAN出现BUS-OFF恢复后你可能会出现下面一个问题,在CAN恢复以后会有莫名几帧报文出现,这是因为STM8有一个自动重传模式,如果这不影响你的正常使用那是没有关系的,如果你想关闭这个自动重发的功能,你只需要将CAN_MCR寄存器的NART位置”1”就可以了,在CAN_Init();函数里面找以一个后面一点的位置加上下面这条语句。

CAN->MCR |= (uint8_t)CAN_MCR_NART;

应该就可以了。(这次寄存器就起作用了O(∩_∩)O哈哈~),下面就是手册里面介绍的。
这里写图片描述
这里写图片描述
这里写图片描述
上面说的很多都是契合STM32寄存器的内容,如果在使用STM32的CAN的过程中也可参考上述寄存器的配置。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

m0_38042083

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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