当前位置:网站首页>AUTOSAR从入门到精通100讲(八十三)-BootLoader自我刷新
AUTOSAR从入门到精通100讲(八十三)-BootLoader自我刷新
2022-04-23 06:13:00 【格图洛书】
背景:
汽车软件Boot程序的主要作用是刷新App程序。在在一个具体客户项目中,Boot也是客户需求的一部分,跟随项目也有软件开发计划(有的为了和其它Boot区分,把项目上的Boot称作CB, Customer Boot)。对于已经下线盒盖的控制器,无论是在供应商或者客户手里测试,只能通过CB刷新App。如果需要CB自刷新,就需要额外的方法。
规范:
整车厂只有对App程序刷新的规范,没有对Boot自我刷新的规范。因为规范是针对量产车的,售后只负责App程序的升级,不对Boot升级(也不允许Boot升级)。所以,Boot的自刷新只存在于项目开发阶段,且由供应商自行提供方案。本文分析五种Boot自更新方案的优缺点。
方案一:SB更新CB:
如图1-a,有的软件架构是两级Boot:SB+CB,Start Boot只检查CPU最小系统,与具体项目的外围电路无关,它独立于客户需求,由供应商自行维护,在Pilot项目早期就应开发完成。因为程序启动顺序是SB->CB->App,这样在SB里增加刷新逻辑可以更新CB。通常情况下运行CB更新App程序,特殊情况下程序启动后一直停留在SB里,更新CB。
优点:
1.逻辑结构简单清晰,软件分工明确。
2.一次刷新,操作简易。
缺点:
1.需要较大的Flash空间在SB里存放刷新逻辑,项目SOP后又要禁止这种刷新方案,造成额外的浪费。
2.软件分三级启动,结构复杂,开发和维护成本
版权声明
本文为[格图洛书]所创,转载请带上原文链接,感谢
https://getuluoshu.blog.csdn.net/article/details/121422127
边栏推荐
猜你喜欢
[point cloud series] pnp-3d: a plug and play for 3D point clouds
【点云系列】点云隐式表达相关论文概要
Chapter 3 pytoch neural network toolbox
【点云系列】Neural Opacity Point Cloud(NOPC)
Pymysql connection database
【点云系列】Fully-Convolutional geometric features
WinForm scroll bar beautification
MySQL的安装与配置——详细教程
【点云系列】Relationship-based Point Cloud Completion
1.1 PyTorch和神经网络
随机推荐
SSL / TLS application example
Résolution du système
CMSIS CM3源码注解
【点云系列】FoldingNet:Point Cloud Auto encoder via Deep Grid Deformation
深度学习模型压缩与加速技术(一):参数剪枝
x509解析
【点云系列】DeepMapping: Unsupervised Map Estimation From Multiple Point Clouds
Thanos. SH kill bully script, easily delete half of the files in the system at random
torch.mm() torch.sparse.mm() torch.bmm() torch.mul() torch.matmul()的区别
Infrared sensor control switch
图像分类白盒对抗攻击技术总结
Systrace 解析
面试总结之特征工程
“Expression #1 of SELECT list is not in GROUP BY clause and contains nonaggregated
使用 trt 的int8 量化和推断 onnx 模型
主流 RTOS 评估
pth 转 onnx 时出现的 gather、unsqueeze 等算子
1.1 pytorch and neural network
如何对多维矩阵进行标准化(基于numpy)
Compression and acceleration technology of deep learning model (I): parameter pruning