4008-622-911
联想两款氮化镓充电器采用JOULWATT杰华特AHB主控芯片
在传统充电器初级拓扑中，LLC半桥谐振属于软开关，有着很高的转换效率。在PD3.1应用中，虽然LLC输入电压可以通过PFC前级稳压供电，但是输出电压不能满足PD3.1的5-28V宽范围输出，必须另外搭配降压电路来实现宽电压的输出范围。
而AHB非对称半桥拓扑不仅同样具备较高的转换效率，而且允许灵活地调整输出电压，无需搭配外置降压电路即可实现宽范围输出，非常适合PD快充应用。面对日趋成熟的AHB控制器市场，杰华特顺势而为，先后推出非对称半桥反激式控制器JW1556以及JW1556B，填补国内市场空白。
最近充电头网发现，联想推出了两款搭载杰华特的AHB主控芯片的PD氮化镓快充。
杰华特JW1556
杰华特型号JW1556，是一款非对称半桥反激式控制器，采用 QFN 4x4-20封装，适用于离线反激式转换器应用。供电输入电压范围 2.5-38V，最高工作频率达1.5MHz，支持65-300W快充应用。
杰华特JW1556 在重载下工作在ZVS模式，支持Adaptive ZVS 开关，实现效率最优化。在轻载下工作在DCM和BUR模式，可提供主开关和辅助开关两路输出控制，支持高压启动充电、X电容放电、输入电压线补等功能，各种保护功能非常完善，为auto recovery模式。
相关推荐
-
-
国产虹膜/人脸识别芯片公司有哪些？
国产虹膜/人脸识别芯片公司有哪些？应用场景和作用虹膜/人脸识别芯片技术的应用场景非常广泛，涉及到安防、金融、医疗等多个领域。在安防领域，虹膜/人脸识别芯片可以应用于门禁、监控、边境管理等场景，能够提高安全性和效率；在金融领域，虹膜/人脸识别芯片可以应用于ATM、手机支付、身份验证等场景，能够提高支付安全性和方便性；在医疗领域，虹膜/人脸识别芯片可以应用于病历管理、医疗数据安全等场景，能够提高医疗服务质量和效率。未来发展方向和前景虹膜/人脸识别芯片技术的未来发展方向主要包括以下几个方面：一是提高识别准确度和速度，二是加强防伪能力和数据安全性，三是实现多模态识别和智能化应用。虹膜/人脸识别芯片技术的发展前景非常广阔，随着人工智能技术的不断发展和应用，虹膜/人脸识别芯片将会在更多的领域得到应用，成为未来安全和便捷的代表性技术之一。目前型号和价格比较目前国内虹膜/人脸识别芯片公司包括迈瑞、帝科、金力集团、汉王科技等，它们都推出了多种型号的虹膜/人脸识别芯片产品。相比国际品牌的虹膜/人脸识别芯片，国产虹膜/人脸识别芯片的价格有一定优势，但在技术和品质方面仍需要进一步提升。虹膜/人脸识别芯片技术是未来安全和便捷的重要代表性技术之一，其应用场景和发展前景非常广阔。未来随着技术的不断进步，虹膜/人脸识别芯片技术将会在更多领域得到应用，为人们的生活带来更多方便和安全。
-
-
传感器和AI相结合，意法半导体智能传感器助力未来可持续的虚实交融生活
时间来到2023年，ST在中国召开了其首届传感器大会，支持本地端的AI计算的智能传感器成为了本次大会的焦点。在开幕演讲上，意法半导体副总裁·中国区总经理曹志平表示，我们的生活经历了从off-line到on-line的变革，以及从on-line到on-life发展，目前迈入Sustainable Onlife阶段，具备AI能力的传感器将会是构建永久在线的、虚拟交融的可持续生活的关键。2019年ST就推出了集成自家ML内核的传感器，这在当时确实是业界首款。而这款产品并不是ST的浅尝辄止，而是开启了其在AI传感器上的完整生态布局。时间来到2023年，ST在中国召开了其首届传感器大会，支持本地端的AI计算的智能传感器成为了本次大会的焦点。在开幕演讲上，意法半导体副总裁·中国区总经理曹志平表示，我们的生活经历了从off-line到on-line的变革，以及从on-line到on-life发展，目前迈入Sustainable Onlife阶段，具备AI能力的传感器将会是构建永久在线的、虚拟交融的可持续生活的关键。智能传感器要具备多强的计算能力，才能实现端侧AI应用？传感器和MCU/SoC之间又该如何分配数据的处理任务？带着这些问题我们有幸采访到了ST的诸多高层。智能传感器布局：从MLC进化到ISPU“智能传感器必须要能够实现独立的决策——通过它收集到的一些数据，能够不依赖微控制器（不管是节点级别的次微控制器，还是主SOC）独立做出决策。”意法半导体亚太区模拟器件、MEMS和传感器产品部 (AMS) MEMS及影像传感器子产品部市场及应用副总裁、智能手机创新中心负责人Davide BRUNO表示，“所以就ST本身而言，现在正在努力让传感器（不管是运动传感器、加速记仪，还是影像传感器方面）最终能够根据自己收集和感知到的数据做出独立的决策，并自动采取干预行为，从而得到预期的效果。”通常在一个端侧系统中，会需要用到传感器、MCU和其他一些连接的功能。传感器负责采集真实物理世界的信号以及人体的相关信息，然后负责将数据传递到MCU中进行计算。MCU通过对于数据的计算分析，然后产出控制信号给到执行机构。在这其中，复杂的数据运算可能需要上传到云端进行处理和记录。而ST在2019年推出的MLC（Machine Learning Core），则是在传感器内增加一个可重新配置的单元，被称为rPU。该rPU可以通过寄存器重新配置，能够运行一些简单的AI模型。其中FSM是用于设计逻辑连接的数学抽象。它是由有限数量的状态和状态之间的转换组成的行为模型，类似于流程图，可以在流程图中检查满足某些条件时逻辑的运行方式。FSM允许可以将一些算法从应用处理器转移到传感器中运行，从而持续降低功耗。而在传感器峰会上，我们听到了一个更新的产品类型叫做——ISPU，即Intelligent Sensor Processing Unit。据了解，ISPU其实是早在2022年初就已经发布，这是一款内置了DSP的IMU产品，ISPU是集成在传感器的ASIC中的一个专门用于机器学习和处理器的DSP，可采用专用指令集进行编程，能够运行1位NN精度的AI算法。Davide表示，ISPU能够在边缘自动分析处理数据，并根据特定应用的需求，采取干预行为，并确保所需的精确度，从而让终端应用变得更为丰富。而这一理念可以从IMU延伸到ST所有类型的MEMS和imaging传感器当中。意法半导体MEMS传感器产品市场经理Francesco BIANCHI表示，ISPU是意法半导体跨向人工智能领域的最大一步。目前，可以通过ISPU来帮助客户实现在他们自己的神经网络端，以及包括在他们自己的人工智能算法上的解决方案的打造。数据分区处理，带来系统能效提升通过在传感器中集成NN单元，像ISPU这样的产品，可以让用户的数据做到分区处理：在传感器上运行特定级别的一些数据的处理，比如说一些比较简单的或者是中等难度的数据处理；并将比较复杂的算法和比较密集强度的一些问题，留给MCU进行处理。因为传感器上的AI算力增强而实现的这种数据分区处理，能够大大提升整个端侧系统的能效。Francesco表示，如果从传统的系统优化的角度来说，大家都认为传感器本身就是一个低功耗的产品，是整体技术架构里面低功耗的一个部分。而对于MCU微控制器来说，因为它要进行大量数据的处理，所以它处理数据数量的高低，直接决定了它的功耗的多少。如果我们能够让一些原始数据实现本地（传感器侧）的处理，就可以帮助为微控制器留出更多的空间来进行复杂任务的处理。这是可以帮助进一步地优化系统及整体的功耗的。“更多原始数据的处理，都可以在ISPU实现本地完成。这样就能够提供更多的信息，提供更多的原数据，帮助我们和客户通过数据的方式执行更多的任务。通过这样的方法，可以帮助客户实现其解决方案极大的系统化的升级和优化。”此外，数据分区处理还可以提高安全等级。因为通过传感器所收集到的大部分数据都是原始数据，如果采用传统意义的传感器，这些数据可能会放到云端，或者是放到应用端去进行处理。因此，这些数据如果保护不好，就会出现外泄并为第三方所获取。但如果传感器本身就能够实现对数据的一些处理的话，它就帮助降低了数据外泄的可能性。正如Davide所讲到的，智能传感器的概念并不仅仅局限在MEMS传感器、IMU类型的传感器上，而是也贯穿到了Imagining的传感器产品布局中。意法半导体影像传感器总监Marc VASSEUR就强调到，ST的Imagine传感器可以在计算数据之间实现有效的平衡。影像传感器的原始数据量非常庞大，要基于其进行算法开发需要花费巨大的时间——很多可供终端用户使用的算法需要花2年以上的开发时间。“所以，我们提供的算法之所以能够为客户所使用，是要确保当我们在数据处理的分区的过程当中，特别是在图像处理的过程当中，我们非常接近这个层级数据的采集，确保我们的传感器能实现有效的数据的收集，数据的处理和数据的存储。”Marc分享到。超级传感器的融合之力，赋能未来应用传感器除了智能化外，也存在着融合的趋势，通过多种传感器融合，一方面可以实现系统中更好的BOM和面积优化，另一方面还可以带来安全冗余的特性。Francesco将这种融合的传感器称为超级传感器：“对于任何的应用来说，如果想进一步提升它的性能，都可以考虑使用这样的多传感器融合之后的超级传感器。我们之所以称之为超级传感器。”除了ISPU外，ST在此次传感器峰会上还介绍了一个独具特色的模块——vAFE。该类器件是在MEMS传感器上增加了一个模拟前端，从而实现了机电感知+模拟感知技术的融合。Francesco表示，通过vAFE，客户就能够有效地连接到MEMS传感器，从而能够更好地使用其内部的处理逻辑，能够更好地嫁接和外部任何的模拟器件之间的联系。据了解，vAFE提供的信号和运动传感器的信号本质上是同步的，所以可以在传感器的边缘完成独特的上下文感知分析，从而实现低功耗和最小可能的延迟。这也同样契合ST的智能传感器的概念。集成了vAFE的产品，在体积上更具优势，非常适用于TWS耳机等可穿戴设备的应用。传感器融合的技术和强大的AI算力结合，能够赋能诸多的新兴终端产品形态。例如针对折叠屏手机，ST就将陀螺仪和加速度计的数据相结合，然后在传感器的算法中进行融合，进而可以持续跟踪精确的屏幕开合角度、速度和位移等信息的判断。这一专利技术基于LID系列的产品，因此被称为LID角度解决方案。Francesco表示，ST在三年前就已经开始投入在这一专利技术的研发中，目前已经进一步推出了新的传感器产品，可以支持多屏和折叠屏上的数据的传感收集和处理。同时Francesco也表示，多传感器融合的超级传感器可以适用于多种新兴的应用，这不仅包括折叠屏手机，也包括新一代笔记本电脑等。而在XR设备上，超级传感器可以为用户呈现出一些混合现实的影像和效果；而在汽车应用上，这一技术也早就广泛使用，通过多个高精度传感器的数据进行融合，从而形成超级传感器来进一步赋能ADAS的性能。结语此次在北京召开的ST传感器峰会，是ST首次在中国召开的、以传感器为主题的大型峰会活动。而我们透过ST的分享，观察到了传感器技术的趋势变化。传感器已经不再是单纯的一个感知器件，而是在追求精准感知的基础上，延展出更多的和AI相关的计算、融合的功能。在端侧AI的浪潮中，传感器在系统优化层面上，可以提供更多的数据处理的价值，助力未来真正的“可持续的、虚实交融的生活”。
哦! 它是空的。