El controlador de un raspi 2B tiene un reloj con 60 veces la cantidad de tics por segundo que un PIC andando a 15 MHz y a la vez 4 núcleos lo que resulta, asumiendo que sea posible esto 4 veces en paralelo lo que resultaría en un factor de 240 de velocidad comparando los 2 tipos de placas.
Pero no se limita a ello. Un controlador del tipo Arduino o PIC o Avnet tiene quizá 256 MBytes de memoria Flash y quizá 64 kBytes de memoria RAM, el Raspi tiene muchísimo mas, por ejemplo 512 MBytes o 1 Gbyte de memoria RAM. Son esos recursos de memoria por ejemplo los que permiten usar un os en un Raspi pero si mucho un os de tiempo real, RTOS, como FreeRTOS en los PIC, Avnet o Arduino y similares.
Un os del tipo disponible en la placa Raspi requiere de estos extensos recursos y así lo que finalmente queda como velocidad de ejecución de programas no es 240 veces más rápido! De allí resulta la necesidad de aprender ciertas herramientas y donde este conocimiento es indispensable para realmente poder aprovechar las ventajas que ofrece una raspi. Vayamos por partes:
El os que se ejecuta en la Raspi y que representa el entorno dentro del cual uso la placa Raspi para mis experimentos es una versión del os "Linux" y la preferencial sería la versión "Raspbian" y donde en el nombre se oculta que es una variante del os Linux llamada "Debian", de allí el "...bian" en el nombre y "Rasp" como referencia a que esta versión de Debian se ejecuta y está implementada específicamente para ser usada en una placa Raspi!
Así me encontré con la necesidad de estudiar "Linux" para poder usar de forma educada y consciente las funciones de Raspbian en la Raspi! la plataforma "edX" en el Internet ofrece un excelente curso gratuito para estudiar el os Linux aquí! El curso es ejecutado por la "Fundación Linux" y el inventor del os Linux da una breve presentación. Yo ni cerca estoy de haber completado este curso, pero no mas que en las primeras lecturas se van adquiriendo conocimientos sobre la estructura de Linux en general y aplicable a "Raspbian" de la placa raspi que ayudan explorando el Raspbian en la placa Raspi permiten empezar a familiarizarse con este entorno de la placa Raspi!
El segundo bloque de conocimientos que se requiere o que es recomendable ir adquiriendo son conocimientos sobre el lenguaje de programación "Python"! También aquí encontré una fuente de información en forma de un curso llamado "Programming for Everybody (Getting started with Python). Un efecto muy útil que me resultó empezando con este curso fue que pude entender porqué el lenguaje de programación "Python" fue una buena decisión al crearse la primera placa Raspi y porqué Python podría ser de gran utilidad para mis objetivos relacionados al proyecto de mi sistema de control de escotas. Ven que siempre el nexo con mi proyecto de modelismo naval me da una referencia que hace de informaciones aparentemente muy teóricas algo que me fomenta reflexionar sobre las implicaciones en como perseguir mis objetivos de modelista naval!
La idea detrás de como pienso realizar mi proyecto del control de escotas basa en un "circuito de control" donde un motor de paso mueve la escota dando o quitando largo de escota disponible dependiendo de la posición de los controles del usuario en la emisora de su radio control, de la posición del palo de la vela y de la posición adecuada del motor de paso que hace girar el tambor de la escota.
Para ello mi sistema de control de escota necesita monitorear constantemente la posición del palo de la vela, posición angular entre el línea central del casco y la del palo de la vela y hacer girar el tambor de la escota a la posición adecuada limitando esto a la posición angular máxima definida por la posición de los controles del usuario en su emisora. Para ello la electrónica de mi sistema de control de escotas necesita analizar un constante flujo de información que abarca los datos suministrados constantemente por el sensor angular que informa sobre la posición actual del palo de la vela, dar los comandos requeridos al controlador del motor de paso para adaptar el largo de la escota a la posición actual del palo de la vela y monitorear el constante flujo de datos del sensor angular que supervisa el tambor de la escota.
Esto significa que una placa del tipo LPCXpresso 1769 cumplirá esta función y la placa Raspi representará esta placa LPCXpresso 1769 en los experimentos para verificar la calidad de los modelos de mi control de escotas que iré creando usando la lengua Modelica en el entorno de la software de la empresa Wolfram. La lengua Python es especialmente potente en analizar un flujo de datos y reconocer su estructura y asignarla a variables simbólicas que es lo que procesa la software Mathematica. Verán mas detalles sobre esto cuando llegue al punto donde los sistemas de evaluación que he adquirido para el control del motor de paso de la empresa Trinamic y de la empresa Austria Micro Systems, en breve AMS. estas herramientas me van a ayudar en un plazo de tiempo relativamente corto y cuyo largo se define de cuantos obstáculos tengo que eliminar estudiando las materias correspondientes y presentadas aquí en parte. Pero realmente y finalmente estoy empezando a avanzar haciendo experimentos con las placas como muestra la imagen de mi laboratorio electrónico.
Para cerrar esta contribución del hilo quiero mencionar que a razón de los experimentos físicos que estoy por empezar también tengo que ir avanzando en estudiar de como usar las IDEs correspondientes! Si toman como referencia mi tutorial avanzado sobre motores de paso publicado aquí y en el que "solo" demuestro en videos como seleccionando parámetros adecuados se logran velocidades que a mi se me hacían increíbles para un motor de paso. Pues bien, la IDE de Trinamic que utilicé entonces y que presente parcialmente en el tutorial sobre motores de paso ha sido reemplazada por una nueva versión muchísimo mas potente permitiendo no solo el influenciar nuevos parámetros de control del motor de paso que en parte son el resultado de los avances tecnológicos de la empresa Trinamic, sino que ademas permite crear extensos y detallados datos que se pueden visualizar en la IDE como gráficos. esto requiere no solo que entienda esos nuevos parámetros y técnicas usadas, sino también el digerir y reflexionar sobre el impacto que esto tiene para mi proyecto de modelación y mis experimentos. Pera adicionalmente a eso la hardware del sistema de evaluación de Trinamic ofrece nuevas posibilidades de análisis que quiero presentar en mi próxima contribución!
