想用AI颠覆编码器？ Melexis 用 51 参数 GRU 算磁位置，KTM5800 为何仍用固定流水线

不是争论“AI 能不能跑”，而是把参数、乘法、激活函数、训练真值和 0.5 μs 时序预算逐项摊开。

电机驱动器每一个控制周期都要知道转子角度。装编码器时，角度由传感器测出来；无感 FOC 则用电压、电流和电机模型估出来。

MathWorks 把估算器换成了神经网络。Melexis 更进一步，在公开专利里把 RNN 放进磁位置传感器。

MathWorks 有官方示例，Melexis 有公开专利参数和附图。KTM5800 为什么仍然使用 ADC、校准、反正切、滤波和查表这条固定链路，可以逐项核算。

Melexis的RNN确实画进了传感器

WO2024013043A1 的申请人为 Melexis Technologies SA 与 Vrije Universiteit Brussel（VUB），国际公开日为 2024 年 1 月 18 日；中国同族为 CN119546926A。

独立权利要求限定了至少两个磁传感器，并用循环神经网络根据磁场信号求 1、2 或 3 自由度位置；每个自由度最多 300 个可训练参数。

图1：专利图 4B。磁传感器、前端和训练后的 ANN 位于同一传感器装置内；ANN 可由模拟加速器、数字协处理器或可编程处理器执行。原专利 PDF 第 54 页。

专利还给出以下边界：

• 1 自由度最多 300 个参数，2 自由度最多 600 个，3 自由度最多 900 个；

• RNN 可使用 GRU、LSTM 或简单循环单元，总单元数可限定在 12 个以内；

• 处理器实施例为 32 位 CPU 加 FPU，内部时钟不超过 100、200 或 400 MHz，Flash 不超过 1 或 2 MB，RAM 不超过 256 或 512 KB；

• 网络可在传感器芯片内，也可在第二颗芯片上；

• 文中提出的系统响应要求是约 10 ms；

• 位置误差指标使用 MSE 小于量程的 2%、1.5% 或 1%，部分曲线使用 MAE，单位为毫米。

这些是专利覆盖范围，不是 Melexis 量产料号的数据手册指标。专利没有给出一颗量产芯片的型号、采样率、全温最大误差、最坏执行周期或失效回退时间。

MathWorks网络：38个参数，不只是32次乘加

MathWorks 的 ARNN 每拍输入 6 个量：Vα、Vβ、Iα、Iβ、sinθe[k−1]、cosθe[k−1]。

网络为 6输入 → 4个tanh神经元 → 2输出。参数逐项展开：

第一层权重：6 × 4 = 24

第一层偏置：4

第二层权重：4 × 2 = 8

第二层偏置：2

总参数：24 + 4 + 8 + 2 = 38

合计 38 个可训练参数。

一次推理的网络核心包含：

• 32 次权重乘法；

• 32 次累加加法，按偏置初始化累加器计；

• 4 次 tanh；

• 2 个上一拍状态量的读取和 2 个新状态量的写回。

只算权重存储，FP32 为 38×4=152 B，INT16 为 38×2=76 B，INT8 为 38 B。这些数字不含代码、激活函数查表、定点缩放、饱和保护和中间状态。

若硬件只有 1 条每拍可接收一次运算的 MAC 通道，32 次权重运算至少占 32 个发射周期；4 条并行 MAC 至少 8 个周期；8 条并行 MAC 至少 4 个周期。这里仍未计算 4 次 tanh、访存和控制开销。

图2：MathWorks 官方网络结构。官方说明为两个全连接层和一个激活层。

Melexis图14：51个参数对应多少运算

专利图 14A 给出一个可直接复算的实例：

• 输入：4 个 Hall 信号；

• 隐藏层：1 层、2 个 GRU 单元；

• 输出：1 个位置量；

• 可训练参数：51 个。

图3：专利图 14A/14B。4 个 Hall 元件配 GRU2 时为 51 个参数；9 个 Hall 元件为 81 个；16 个 Hall 元件为 123 个。原专利 PDF 第 66 页。

按图中的 n=4 输入、h=2 隐藏单元、d=1 输出，并采用与 51 参数相符的 reset-after GRU 计数：

GRU 参数 = 3 ×（输入权重 nh + 循环权重 h² + 两组偏置 2h）+ 输出层参数（h+1）d

= 3 ×（4×2 + 2² + 2×2）+（2+1）×1

= 48 + 3 = 51

每个新采样点的矩阵乘法：3h（n+h）+ hd = 3×2×（4+2）+ 2 = 38 次。

再加复位门和状态混合的 3h = 6 次逐元素乘法，合计 44 次标量乘法。按“偏置先装入累加器、每个权重乘积累加一次”的口径，同一结构还要完成 48 次加/减、4 次 sigmoid、2 次 tanh。

51 个参数按 FP32 保存为 204 B，按 INT16 保存为 102 B。专利上限 300 参数/自由度对应 FP32 1200 B、INT16 600 B、INT8 300 B。

专利图 10A 还显示，GRU/RNN 使用的历史长度从 1 增加到 10、20、50 或 100 时，MAE 会变化。专利正文提出至少 3、5、10 或 20 帧时间序列；采用有状态推理时，每来一个新样本只推进一次循环状态，并不每拍重算整段历史。原始曲线在专利 PDF 第 61 页。

KTM5800的0.5微秒等于40个80MHz时钟

KTM5800 v1.5 手册公开的相关数字是：

• 内部主频 80 MHz；

• 双 16-bit、2 MHz SAR ADC；

• 典型延时时间 0.5 μs；

• SPI 最高 36 Mbps；

• 256 点非线性校准表，每点 16 bit；

• 单对极校准后 INL 典型值不超过 ±0.025°；

• 输出噪声典型值 0.01°，条件标为 6 sigma。

对应原文见 KTM5800 v1.5 手册第 4、5、8 页。

80 MHz 的一个时钟是 12.5 ns；0.5 μs ÷ 12.5 ns = 40。

0.5 μs 典型延时等价于 40 个 80 MHz 时钟。

MathWorks 网络若串行使用 1 条 MAC，32 次权重运算至少占 32 个周期，即 0.4 μs，已经等于 40 时钟等效值的 80%；4 次 tanh、读写、缩放和控制尚未计入。

Melexis 图 14 的 GRU2 若串行使用 1 个乘法器，44 次乘法的下限是：44 ÷ 80 MHz = 0.55 μs。

这还没有计入 48 次加/减、4 次 sigmoid 和 2 次 tanh。

这组计算不能证明 KTM5800 的 DSP “算不了神经网络”。手册没有公开 MAC 通道数、乘法器吞吐、tanh/sigmoid 实现方式和各模块占用周期。它证明的是：如果沿用 80 MHz、0.5 μs 这组公开指标，单乘法器串行实现没有完整时序余量；要进入主角度链，必须增加并行 MAC、激活函数硬件或改变流水线。

Melexis 专利使用的目标是约 10 ms 响应，KTM5800 手册给的是 0.5 μs 典型延时，两者相差 20000 倍。两项指标的定义和应用场景不同，不能拿来比较产品速度；这个比值只标出两份设计的时间尺度差异。

输入也不是同一组信号

MathWorks 网络读取的是电机控制器内部的 Vα、Vβ、Iα、Iβ，再带上一拍预测的正余弦角度。它根据逆变器怎样施加电压、电流怎样响应，估计转子电角度。

KTM5800 的输入是 AMR/TMR 或光电前端送来的差分正余弦：

x = A·cosθ + Bx

y = B·sin（θ+φ）+ By

KTM5800 不直接获得相电流、母线电压和 PWM 状态。把 MathWorks 的 38 个参数搬进 KTM5800，六个输入里有四个不存在。

Melexis 专利走的是另一条路：至少两个空间分开的磁传感器，输入可加入成对差分、梯度、差分比值和温度，再由 RNN 求位置。专利图 24 把这些步骤写进了方法流程，原图在专利 PDF 第 74 页。

训练数据要覆盖什么

MathWorks 官方示例不是拿几圈波形直接训练。

它对速度和转矩工作点做扫描：0% 到 10% 额定转速区间减少转矩变化，10% 到 100% 区间同时改变速度和转矩；只在电压、电流进入稳态后采集。数据按 70% 训练、15% 验证、15% 测试拆分，官方给出的示例训练数据生成时间约 3 小时。

训练标签可以来自 Simulink 电机模型真值。换成实机数据时，QEP、旋变、光编或转台提供独立角度真值。拿 KTM5800 自己的反正切输出当标签，只会复制原算法的误差。

Melexis 专利把训练覆盖写到了晶圆和装配层：

• 权利要求 10 至少使用 3 颗不同传感器，优选来自 3 片不同晶圆；

• 实施例列出 5、10、20、50 或 100 颗传感器；

• 可从 TT、SS、FF 三种 corner wafer 取样；

• 每片晶圆可取 5 颗，中心 1 颗、边缘 4 颗；

• 环境温度可按 20°C 间隔取点；

• 位置可按量程的 1% 间隔取点；

• 外部干扰场可取至少 10、20 或 32 个值；

• 训练数据可加入高度方向气隙偏差、横向偏差、人工噪声和多颗永磁体差异。

102 B 或 600 B 只是权重存储量。训练集仍要覆盖传感器、磁铁、气隙、偏心、温度和安装差异的组合。

KTM5800现有校准链要付多少成本

KTM5800 的一键非线性校准要求电机匀速达到 4000 rpm 以上，典型流程等待 5 s 内达到理想效果，再把校准结果写入 MTP。

256 点表每点 16 bit，存储量为：256 × 16 = 4096 bit = 512 B。

高精度校准时，手册图 8 使用同轴光学编码器作为参考，把 KTM5800 测量值与参考角度之差写进 256 点表。对应原文在 KTM5800 v1.5 手册第 22、23 页。

因此，AI 方案不能只回答“权重比 512 B 误差表更省”。它还要用同一套总成证明：

• 全角域最大误差是否不超过 ±0.025°；

• -40°C 到 125°C 的最大误差是多少；

• 180000 rpm 上限附近是否保持单调；

• 最坏执行时间是否满足角度更新周期；

• 输入超范围、权重校验失败或循环状态异常时，几拍内报警并切回哪条链。

MSE不能替代最大误差

MathWorks 示例报告的测试 MSE 为 6.2514e-06。Melexis 专利用 MSE 占量程百分比和 MAE 毫米曲线描述效果。KTM5800 手册则给 INL、6 sigma 噪声和典型延时。

这三套指标不能横向替换。

平均误差或均方误差可以被大量正常样本稀释；编码器每转一圈都会经过最差角区，主角度链还要检查最大误差、单调性、0°/360°接缝、全温漂移和延迟上界。

神经网络可以进入磁位置传感器，Melexis 的专利已经给出结构、参数范围和训练路径。它是否已经进入某颗量产芯片，公开资料没有给出型号和数据手册。

KTM5800 也不是“不能运行 38 参数网络”。按公开数字，38 参数 ARNN 的权重只需 76 B INT16；问题是 0.5 μs 对应 40 个 80 MHz 时钟，而网络核心之外仍有激活、定点、状态、校验和回退。没有 MAC 并行度、WCET、全温最大误差与故障处理数据，就不能把“能算一次”写成“能接管主角度”。

可截图保存

三张知识卡片

KNOWLEDGE CARD 01

MathWorks ARNN

每拍做什么

38参数

• 32 次权重乘法

• 32 次累加

• 4 次 tanh

• INT16 权重 76 B

6 输入 → 4 tanh → 2 输出

KNOWLEDGE CARD 02

Melexis 图14

GRU2 的运算账

51参数

• 44 次标量乘法

• 48 次加/减

• 4 次 sigmoid

• 2 次 tanh

4 Hall → 2 GRU → 1 位置

KNOWLEDGE CARD 03

KTM5800

公开时序账

40时钟

• 内部主频 80 MHz

• 典型延时 0.5 μs

• ARNN 权重最少 32 拍

• GRU2 乘法最少 44 拍

激活、访存、缩放仍未计入

公开核验来源

• WO2024013043A1：Magnetic position sensor system, device and method using a recurrent neural network

• CN119546926A：中国同族《使用循环神经网络的磁位置传感器系统、设备和方法》

• MathWorks：Field-Oriented Control of PMSM Using Position Estimated by Neural Network

• MathWorks：Building Neural Network for Virtual Position Sensing

• KTM5800 产品手册 v1.5

证据边界

• Melexis 专利覆盖通用 1D/2D/3D 磁位置传感，包含平移、曲线运动、纯旋转及摇杆等实施例；不能直接写成高速旋转编码器量产规格。

• 专利中的 10 ms 是应用响应要求描述，KTM5800 的 0.5 μs 是产品手册典型延时，定义不同，不能用于产品性能排名。

• GRU2 运算量按图 14A 的 4 输入、2 隐藏单元、1 输出及与 51 参数吻合的 reset-after GRU 公式复算；48 次加/减采用“偏置先装入累加器、每个权重乘积累加一次”的口径，不同实现的融合运算和访存次数会变化。

如是有为 · 把位置反馈链路讲到能验证、能决策
整理日期：2026-08-12