[狂人新聞台] Taycan硬知識 - -12,000 Nm扭力 解密Porsche Taycan 動力核心

＃小編：坐穩了！令人屏息震驚的加速力道將駕駛和乘客狠狠壓進座椅

永磁同步馬達（PSM）而不是非同步馬達（ASM）

可不是每一種馬達都適合電動車。保時捷使用的是永磁同步馬達（PSM），較成本較低的非同步馬達（ASM）擁有更高的連續輸出功率，也不容易因過熱而需要調降功率。保時捷永磁同步馬達（PSM）透過三相交流電壓的電力電子系統供電與控制；換言之，馬達轉速由交流電壓在零點附近從正極流向負極的頻率來決定。在 Taycan 的馬達中，脈衝變流器負責調節定子磁場旋轉頻率，從而管理轉子轉速。轉子採用釹鐵硼合金製成的高品質永久磁鐵，在製造過程中會經過高強度定向磁場進行永久磁化。永久磁鐵在煞車過程中也有助於高效動能回收。當車輛處於滑行狀態，馬達便進入發電模式，讓磁鐵將電壓和電流導入定子線圈。

Taycan 電動馬達的「髮夾型繞組」

Taycan 電動馬達的「髮夾型繞組」技術亦完整體現了保時捷DNA - 登峰造極的科技。在這項技術中，構成線圈的導線不是圓形，而是矩形。相較於自持續滾動卷軸上取得銅線的傳統繞線技術，髮夾技術則採用成型組裝法，將矩形銅線分成個別好幾段，並彎曲成形似髮夾的 U 形，分別插入安裝線圈的定子疊片中，令矩形截面的表面層層相疊，再以雷射焊接「髮夾」兩端形成線圈，提升線圈密度，進而提高定子的銅含量。
保時捷髮夾技術的優勢，在於可將銅含量從過去的50%提升至近70%，達成相同容積能夠輸出更高的動力輸出與扭力目標；另一個重要的優勢則是相鄰銅線可均勻接觸，進而改善導熱，強化髮夾定子的冷卻效果。Taycan的電動馬達可將超過 90% 的能量轉化為動力：但是，與內燃機引擎一樣，耗能會轉化為熱能，這也使得電動馬達有一層冷卻水套包覆，為其散熱。

脈衝變流器的控制系統 蘊含保時捷的科技心血結晶

為了精確控制永磁同步馬達，電力電子系統必須掌握轉子的準確角度位置，此時就得仰賴解析器了。解析器由一個磁場傳導金屬製成的轉子盤、一個勵磁線圈和兩個接收線圈組成；勵磁線圈產生磁場，透過編碼器傳輸到接收器繞組，並在接收線圈中產生電壓，電壓相位與轉子位置成比例移動。控制系統可依據這些資訊準確計算轉子的角度位置。此一名為脈衝變流器的控制系統蘊含保時捷的科技心血結晶，負責將 800 V直流電轉換為交流電，並輸送至兩具電動馬達中。保時捷是有史以來第一家採用 800V電壓的車廠，這項技術一開始是為了保時捷 919 Hybrid 混合動力賽車而研發，現在則運用在量產車中，採用較細的電纜降低重量和體積，進而縮短充電時間。

Taycan電動馬達每分鐘轉速高達 16,000 轉。前後軸的驅動單元亦分別搭載一具變速箱，以在轉速範圍內成就保時捷經典的動態表現、效能和極速的完美協作。Taycan 是史上首款後軸搭載二速變速箱的電動跑車，其中第一檔的齒比非常短，前輪動力由一組單速行星變速箱傳輸到車輪。
此一組合賦予Taycan Turbo S強大的動力。前軸電動馬達的 440 Nm扭力經由齒輪比轉換後，將約 3,000 Nm的扭力傳至車輪；後軸電動馬達的 610 Nm扭力在第一檔時倍增為 9,000 Nm，齒比較長的二檔則確保高速行駛間維持高效能和動力儲備。這是一項深富開創性的先進科技，關注最細微之處，使得保時捷在純電時代仍能延續百年來的創新傳統。

＃Porsche #Taycan #TurboS ＃永磁同步馬達 ＃髮夾型繞組 ＃

異質晶片整合 半導體中心助攻台廠搶AI及智慧感測商機

2019/10/31 廣編企劃

評論

為推動科技產業升級，財團法人國家實驗研究院致力於推動國內科技人才培育及創新研發，近年除與學術界積極合作，提供平台解決方案以外，也積極協助產業界新創及新產品開發，希望作為學研與產業間的技術整合平台，以發揮高效的槓桿作用，創造共生共榮的各領域生態系。10月7日齊集台灣半導體研究中心、國家高速網路與計算中心、台灣儀器科技研究中心共同展出智慧領域技術成果，會中吸引廣大業界與學界共襄盛舉，希冀藉由這樣的機會，讓更多產學研界能認識國研院在研發平台服務所做的努力，並見證近年國研院引領的技術革新。

5G及物聯網時代來臨，從工業領域的自動化生產機台，到3C消費領域的穿戴式裝置，都須要核心的晶片模組；然而不同的應用，也有不同的晶片設計須求，規格可說是千萬種。對於想要搶攻物聯網商機的大小企業和新創廠商來說，最大的挑戰就在於是否擁有晶片自主能量。例如研發工業用機器手臂的製造商，若能快速取得性能優異且有效整合電源、感測、記憶等多項功能的晶片模組，就能降低成本、縮短開發時間、優先進入市場。又如穿戴裝置，內部各自獨立的處理器、感測器、電路IC等，若能充分整合成更有效率的晶片單元，就能縮小穿戴裝置的體積，提高運作效能。

異質整合研發有成 助攻國內產學界搶物聯網商機

國研院旗下的台灣半導體研究中心，在「產業趨勢論壇暨國研院智慧領域」的活動發表歷經了多年研發，在「異質晶片整合」技術取得重大進展。不論是工業用大電流的電路IP晶片組、或是低耗電物聯網裝置的智慧感測晶片、甚至連深度學習、機器學習所需的AI運算晶片，產學界都能運用台灣半導體研究中心所開發出的異質晶片整合平台，來降低開發門檻，讓業者沒有後顧之憂，全力衝刺市場。

半導體研究中心副主任莊英宗指出，半導體產業目前最熱門的趨勢是如何將不同材料整合為元件；這主要是因應物聯網時代包括電競、智慧家庭、無人載具、智慧城市等各種裝置，都有「異質運算核心」的需求。例如穿戴裝置愈來愈強調各種各樣的「感測」及「邊緣運算」，因此必須整合類比感測晶片與數位運算晶片；又如電路IP日益複雜，也須整合節能、電流、感測等多樣功能。

物聯網應用百花齊放 自主晶片能量才能搶得先機

莊英宗表示，「『物聯網』喊了很多年，過去未能大規模地實現，原因之一就是必須達成異質晶片的整合，才能降低物聯網裝置的開發成本及時程。」有別於過去的通用型晶片，未來AI、物聯網應用百花齊放，開發各式創新應用的小型企業，更須要的是符合自身需求的客製化晶片，然而學術單位或企業缺乏基礎研究與產品整合的驗證環境，自主開發晶片可說難上加難。這也是為什麼台灣半導體研究中心耗費五、六年的時間，研發出不同應用領域的異質晶片整合平台，來滿足產學界即將爆發的需求。

以智慧感測晶片為例，原本感測單元、電路單元、記憶體單元、以及處理單元各自獨立，全都放入穿戴裝置內，將導致體積過大，不符實用。半導體中心提供的異質整合設計架構，可將所有單元有效整合，並已有成功設計案例；換言之，智慧手錶、生醫穿戴裝置、AR/VR裝置的開發廠商，只要採用這個異質整合架構，再加上自己的創意，就能快速開發出自有晶片。這也符合時下正夯的客製化ASIC(特殊應用積體電路)晶片概念。

從穿戴裝置到無人工廠 晶片整合需求大不同

過去行動通訊主要鎖定消費端，不過未來物聯網的創新應用，有很大一部分將在工業領域實現，例如工廠自動化、工業4.0等等。因此除了低功耗、小電流的穿戴裝置，台灣半導體研究中心也研發出大電流、高電壓所需的異質晶片設計平台，可廣泛應用於機器手臂、CNC自動生產機台、晶圓定位平台、甚至無人工廠等等工業場景。這對於擅長製造業的台灣而言，可說是既充滿商機又能實現產業的轉型升級。

舉例來說，工業馬達內部的構造主要包括電源管理晶片、控制器、驅動IC等等；在以往，馬達的電源控制只須要兩條線，一進一出，但如今愈新型的馬達，效率愈高，所需接收的訊號也更為多元，勢必須要更複雜的控制電路；另一方面，節能的要求與日俱增，也必須在電源IC週邊加裝更多顆IC來符合綠能安規、進行斷路保護等。此外，生產線上的無人檢測、品管、預防性維修等，都會用到感測系統，更增添業者在整合上的難度，此時就很適合運用半導體中心的工業用異質晶片整合架構來進行突破。

自主微感測系統晶片 是台灣創新的關鍵

台灣半導體研究中心謝嘉民副主任表示，台灣發展IoT相關創新，自主微感測系統晶片是重大關鍵，它必須能涵蓋光、機感測器以及電路IP等不同屬性的IC及元件；不過因為前期研發投資大、驗證周期長，且應用情境太廣泛，一般廠商跨入不易。謝嘉民指出台灣半導體研究中心的異質系統整合平台，台灣半導體研究中心的異質系統整合平台，有兩大特色：一是盡量減少傳統的封裝，在IC層面進行整合；二是結合不同材料，將新式的感測用類比IC，建立國內產學研領域的系統級封裝研究生態圈，如提供微機電(MEMS)、感測器(Sensor)的半導體製造技術，並結合2.5D/3D先進超薄化封裝技術的驗證製造環境，以發展人體感測、工業訊號感測、甚至光達(LiDar)感測等應用，協助學界優秀的研究重果與業界生產技術接軌，提供國內發展微型化、行動裝置與物聯網相關解決方案。

在成果發表的同一天，半導體中心也開放AI系統開發實驗室，供論壇與會者參觀。物聯網時代著重資料的運算分析，AI已成為不可或缺的解決方案；然而許多學術單位和新創公司，比較擅長軟體面，例如機器學習、深度學習等演算法或模型的開發；對於運算IC的硬體設計較為陌生。有鑑於此，半導體中心的AI系統開發架構也提供產學界使用，資源不足的小型單位，也可輕鬆發展出AI SoC(人工智慧系統單晶片)解決方案。

半導體中心設計服務組蔡維昌組長補充，半導體中心提供的AI SoC設計平台，主要有兩大特點，一是提供客製化解決方案，可設計不同的應用需求的系統晶片，不必侷限市面上現成的通用AI SoC晶片；二是將AI SoC所需的的矽智產(IP)備妥並整合成晶片系統，學界或新創只須專注AI加速電路，大大簡化IC硬體的開發過程。

舉例來說，大學實驗室在開發手機人臉辨識的AI模型或演算法時，需要IC硬體來進行運算，不過手機的人臉辨識解鎖，講求快速、低功耗等特性，所需的加速電路必須客製化，市面上的通用AI晶片無法滿足需求，加上設計一顆AI SoC需包括CPU、記憶體、輸入輸出週邊元件、匯流排、加速電路等各項元件等，而實驗室師生又沒有足夠的資源自行開發整顆AI SoC晶片，便形成研發瓶頸。

此時半導體中心不僅提供AI SoC設計平台，還有相關的EDA設計軟體和訓練課程，AI開發者只要專注不同推論的加速電路設計，將之套用於設計平台，即可完成AI系統單晶片的開發。也就是說，學校實驗室或新創，透過這個設計平台，能夠快速驗證AI構想，縮短開發時程。除了手機之外，包括穿戴裝置的即時翻譯、生醫檢測儀等，都有低功耗、快速產出的特性，也很適合採用半導體中心的AI SoC設計平台。

發揮槓桿作用 促進產學整合 創造台灣科技業契機

莊英宗指出，「台灣半導體研究中心將自己定位為『新元件』、『新整合』、『新應用』的創意基地，努力解決產業界及學術界所面臨的問題。」藉由提供前瞻異質整合的共通平台，讓業者能輕易利用晶片設計環境、實作及封裝平台、取得客製化IP開發、驗證等各種服務。「我們的使命是發揮槓桿作用，將先進研發成果提供產業界及學術界運用，替台灣的科技業創造更多契機。」

附圖：對於想要搶攻5G及物聯網商機的大小企業和新創廠商來說，最大的挑戰就在於是否擁有晶片自主能量。
Photo Credit : 國研院
圖2
歷經多年研發，台灣半導體研究中心開發出的異質晶片整合平台，能針對感測類比晶片、運算數位晶片、電路IP進行高效能的整合。（Photo Credit : 國研院）
台灣半導體研究中心針對工業用電路IP系統進行異質整合。（Photo Credit : 國研院）
圖4
台灣半導體研究中心推出的AI SoC設計平台，讓學術界及新創業者，也能輕鬆開發出AI晶片。（Photo Credit : 國研院）

資料來源：https://www.inside.com.tw/article/17949-narlabs-tsri

#工業物聯網IIoT #工業4.0 #智慧工廠 #智慧製造 #人工智慧AI #馬達 #電流特徵分析

【電流特徵＋建立模型＋巡檢定位，多方會診設備健康狀態】

設備機台的維護有三個層次：事發修復、預防保養和預知保養。以構造簡單、成本低廉、應用廣泛的感應馬達為例，正確的預知保養並排除設備的初期故障，可節省 5～20% 能耗。理論上，馬達接近全載時效率最高，但實務上基於可靠度起見，寧可讓多台馬達以 50% 效率同時平行運轉，意謂有半數能源將被浪費！假如處於「半載運轉、但振動未達極限值」，效率會更低；且只量測振動無法評估設備運轉效能，須借助預知保養、依設備即時狀態進行維護。

此外，平行運轉會導致機組「掛點」的時間點相近，越早預知狀態、計算效率，以便及時修護或置換，越有助於備料、估算排程並避免額外損失，偏偏早期振動訊號的微幅上升難以察覺，唯有預知維護才能減少無預警停機。預知保養的檢測技術眾多、莫衷一是，各家互有長短、相輔相成。其中，「振動特徵分析」常用於檢知機械運作，目前業界大多參考 ISO 10816，對於不同的設備功率及基座安裝型式，訂有對應的振動速度方均根值上限及安全等級。

此法可以概括的得知機台的整體狀態，但無法進一步確認故障的成因，且無法預測突發式的故障。另一個方法是觀測振動頻譜，更能辨識問題環節；也有人會在機台安裝多個加速度計 (Accelerometer) 量測，然後從廠務端拉線至中控台、收集數據，但缺點是：硬體需求大、通訊成本高、須慎選量測點位置並排除環境嘈雜的干擾因素。振動頻譜分析在操作上常遇到的困境是：量測多少會干擾製程或現場工作，需要作業人員的配合，但現場人員對於頻譜分析未必有經驗。

這些消極方式僅能檢測會隨時間惡化的故障情形，無法應對突然跳機或已進入故障／失效末期、須立即處置者，且異常訊號易受干擾、數據分析需要專業奧援。於是，業界試圖從量測「電訊號」、冀透過「電壓／電流特徵分析」和以此為基礎的物理模型診斷設備，可直接從中央控制端擷取資料、省下設備端部署成本。高溫、高壓、粉塵皆容易引發感測器、致動器零部件或設備機構故障，可能是漸進、突然、間歇性發生，假如觀測時間不夠長，很難從設備端擷取訊號解析。

因此，建議以「電流特徵分析」對轉動設備進行長時間的連續監控，一旦檢知設備的異常情形，再輔以現場設備的「振動量測」或「頻譜分析」進行確認。電訊號十分敏感，且可估算能耗並回推電流負載率，監測供電品質。不過，訊號式終究只能檢驗設備機械異常，無法具體顯示異常狀況與能耗間的關係，用以維持設備運轉效率；若欲獲悉更明確的訊息或是早期預警，須輔以模型式診斷。電壓、電流可與振動檢測並行不悖，前者用以做連續性監測、發現異常後，再用手持式設備定位確認，遠較在各機台安裝許多加速度計更為實際。

延伸閱讀：
《「預知保養」防患未然，複合式檢測相得益彰》
http://compotechasia.com/a/feature/2018/1211/40617.html
(點擊內文標題即可閱讀全文)

#台灣科技大學機械工程系 #聆特科技