产品列表
品牌专区
BOM询价
关于我们
为了提高电机控制性能,将功率逆变器和高性能位置、电流检测环路用于功率反馈级是必须的,否则电机性能和效率很难提高。位置和速度编码器反馈正是工业设备提升性能的关键一环。编码器——提供准确的反馈信息众所周知,将变频电压作用域使用脉冲宽度调制的电机,可以实现对电机的开环速度控制,在逆变器处于稳态或缓慢变化的动态条件下,工况也是比较平稳的。很多相对要求不高的应用会使用这种开环的速度控制,不需要编码器,设计相对简单,成本也更低。但是开环控制需要严格的瞬态响应来让电机同步,而且开环控制的缺点也很明显,因为不存在内部的反馈,对速度的控制精度很有限,而且此后操作者对受控对象的变化便不能做进一步的控制,无法优化电流控制来提高电机效率。如果仅仅是低性能的控制,那么开环比却可以胜任为了提高设备效率,闭环反馈被引入进来。在闭环反馈控制中,存在由输入到输出的信号前向通路,也包含从输出端到输入端的信号反馈通路,两者组成一个闭合的回路。自动控制建立在闭环反馈之上。那如何提供这个闭环反馈信号,答案是编码器。现在应用在高精度位置编码信号链的编码器解决方案非常多。光学传感器、旋变器、线性可变差动变压器(LVDT)和磁传感器(AMR、GMR、TMR、霍尔)等都有相应的应用。这些器件的应用,为驱动器提供了位置信号,驱动器基于这些反馈信号保证电机优良的速度、转矩输出性能。从低到高分辨率的编码器选择一般来说,最高分辨率的编码器使用光学技术的编码器,而中高分辨率的编码器使用磁或光学传感器(磁越来越多)。中低分辨率编码器使用旋变器(旋转变压器)或霍尔传感器。现在磁性编码器的应用很常见,但是要说需要最高分辨率的应用,光电式对比电磁式无疑拥有更高分辨率而且结构更紧凑。光电编码器的精度和分辨率和码道的直接相关,增加码道分辨率和精度就越高。不过码道的增加和光电检测、通孔加工等一系列高精核心技术相关,难度很高。在中高分辨率的应用中,随着磁编码器技术的发展,磁编码的应用已经成为主流。磁编码在以往很多利用光学编码器的应用里展现出了更耐用的特性,很多厂商有专用的感应芯片和解码芯片,为编码器提供ASIC级整体解决方案。不论是AMR、GMR还是TMR都已经能提供极精准且快速响应的位置传感,最普通的霍尔也是性价比很高的选择。在中低分辨率应用里,旋转变压器是很常见的选择,虽然其分辨率上限没有那么高,但是在很多环境相对严苛的工业应用里,它倍受青睐。因为旋转变压器在极端环境条件(如高温以及冲击和振动)下非常可靠,独有的优势也让其应用非常稳定。
编码器——提供准确的反馈信息
从低到高分辨率的编码器选择
随着今年全球经济下行压力的到来,不少半导体厂商都选择了裁员或剥离业务,用于节省成本提高利润率。英特尔也不例外,近日英特尔宣布将剥离可插拔硅光模块业务,由捷普来承接这一业务。被出售的硅光模块业务早在Q3季度的财报上,英特尔CEO Pat Gelsinger就表示为了实现2023年节省30亿美元成本的目标,他们决定剥离并出售可插拔硅光模块业务,从而专注在附加价值高的主营业务和AI基础设施扩展所需的光学I/O解决方案上。而这也是最近两年半以来,英特尔剥离的第十个业务。此前命运相近的业务还有SSD业务、笔记本Modem等。由此看来英特尔将主要重心放在了计算业务和晶圆代工上,尤其是在完成5年4个工艺节点的目标同时,还要能维持可观的利润率,这也就意味着英特尔不得不与其他非关键业务做出分割。我们再来看看购买英特尔这一业务的捷普,捷普专注于设计、制造和供应链解决方案,其云和企业基础设施高级副总裁Matt Crowley表示,这笔交易能够很好地满足数据中心行业重要客户的需求,包括超大规模、人工智能云数据中心等。在于2015年收购了奥新科技后,捷普已经成了光学网络与数据中心基础设施行业的顶级全面解决方案供应商之一了。其作为光无源器件、光有源器件、CATV、城域网和长距离传输系统的制造服务商,已经推出了各种高质量低成本的有源和无源器件与模块。除此之外,捷普也在针对数据中心推出FinTech与云计算相关的高性能、低延迟服务器,以今年推出的J312-S 1U和JS322-S 2U为例,也都是基于第四代Intel Xeon双插槽处理器打造的。此番收购英特尔的硅光模块业务,捷普也能够进一步降低开发和部署增强型光网络解决方案的复杂性。硅光模块的优劣势硅光模块作为采用了硅光子技术的可插拔光模块,其中硅光IC以SOI晶圆作为半导体基底材料,所以绝大多数标准的CMOS制造工艺也能适用。而且由于光子的物理特性,反而较老的CMOS节点完美适合这类光电设备的制造。相较于传统的分立器件,其进一步优化了材料成本、封装成本等。同时其集成、组装和测试也都可以在晶圆级下完成,测试效率更高。硅光模块采用激光束来代替电子信号传输数据,通过光来代替铜作为传输介质,提高了芯片到芯片之间的连接速度,所以更适合对延迟有着严格要求的应用。硅光模块也并非毫无缺点,比如其插入损耗较大,所以只能在较短的传输距离下实现足够的可靠性,所以很难大部分厂商都还在继续研究如何实现更好地与有源功能器件(比如光源和光放)的集成。此外,虽然硅光芯片的生产可以采用CMOS工艺,但根据不同晶圆厂的特种工艺水平不同,其硅光节点的先进程度和良率都存在差异。总结尽管硅光模块带来的成本优势或许在100G的光模块产品中不明显,但随着数据中心逐渐向400G、800G迁移,低成本的硅光模块会成为更多数据中心的选择,这对于想在数据中心业务上更进一步的捷普来说,收下英特尔的硅光模块无疑是一笔值当的交易。
冷年之中,步履不停,半导体仍是全球最活跃的行业!2023年,半导体市场的逆风周期仍未过去,企业收并购的脚步却不曾停歇。根据公开的信息,《中国电子报》记者梳理了23桩半导体领域的国际收并购案例,发现2023年全球半导体领域的收并购案主要集中在AI、EDA、宽禁带半导体等领域,呈现以下特点。2023年部分半导体相关收购案(中国电子报整理)特点一:EDA领域收并购事件最集中若以数量来看,2023年以EDA为代表的电子系统设计企业相关的收购最为活跃,且大多是对同领域或相邻领域公司的横向收购。EDA头部企业Cadence一年之内收购了四家企业,其中三家是同样从事电子系统设计的企业。新思科技、Keysight都有软件企业纳入麾下。当然,也有EDA企业被收购,比如Insight和Diakopto就分别被西门子和ANSYS两家工程软件公司收入囊中。EDA企业积极拓展,以横向收购应对先进制程加剧芯片设计复杂程度的挑战,成为2023年半导体收并购事件的主阵地。收购原因1:先进制程加剧芯片设计复杂性EDA企业普遍希望通过收购提升芯片设计的自动化体验,以应对先进制程带给布局、布线、检测等主要设计流程的挑战。典型案例A:Keysight收购CliosoftKeysight收购Cliosoft,就是看中了Cliosoft的流程及数据管理功能。采用先进制程的芯片设计涉及更多、更复杂的IP模块和数据,而Cliosoft等企业提供的管理工具,能够帮助用户构建高效的工作流程。典型案例B:ANSYS收购DiakoptoANSYS收购Diakopto是为了应对寄生效应问题。随着芯片采用的工艺越来越先进,芯片设计布局中的寄生效应问题也日益复杂。基于收购,ANSYS希望在芯片设计的早期就检测到寄生效应,并为工程师提供可行的解决方案,以提升芯片的可靠性并加快上市时间。收购原因2:跟进热门技术和热点领域EDA企业照例对热门技术和热点应用领域产生强大兴趣。与时俱进,不被落后于时代是EDA企业“买买买”的不竭动力。典型案例A:Cadence收购PulsicCadence收购Pulsic的主要目标,是将人工智能引入芯片设计。虽然近年来芯片设计的自动化水平持续提升,但模拟电路的设计仍然对手动的布局、布线有着较高的依赖程度。Cadence等EDA企业和Pulsic、Astrus等芯片设计解决方案公司,都在基于智能化技术,提升模拟电路的布局效率。此前,Cadence推出了Virtuoso Studio解决方案,通过AI、云、2.5D/3D封装等技术,支持客制化的芯片设计。Cadence希望本次收购,能够将Pulsic的自动化技术融入Virtuoso Studio,利用AI降低模拟芯片的设计难度。典型案例B:新思科技收购PikeTec新思科技收购PikeTec,志在软件定义汽车。随着汽车电子电气架构日渐复杂,由软件、传感器、计算、机电一体化构成的软件定义系统也更加庞大,测试和验证工作随之增加。新思科技计划将PikeTec的测试自动化工具和服务加入自身产品线,为汽车OEM提供更加全面的虚拟化和测试方案。特点二:人工智能相关收并购“波及面”最大人工智能的爆炸式发展,炸开的不仅是人工智能领域,也包括半导体行业。如果要为2023年不同应用领域、不同产业环节的半导体收购寻找一个“最大公约数”,人工智能是不二之选。因为人工智能这个“香饽饽”,发生了软硬件企业之间的“跨界”收购,涉及英伟达、AMD、微软等领军科技企业,也受到产业界最高度的关注。收购原因1:软硬件协同2023年,既有算力芯片企业收购软件企业的案例,也有软件企业收购算力芯片企业。目的都在于构建软硬件一体化的AI解决方案,让用户能够根据自身场景和需求便捷部署AI服务。典型案例A:AMD收购两家AI软件企业AMD收购了Mipsology和Nod.ai两家AI软件企业,以完善人工智能软件堆栈,扩展软件工具、数据库和模型生态,使用户能够更简捷地在AMD硬件部署和运行AI模型。典型案例B:微软收购DPU芯片企业微软作为OpenAI的主要投资者,已经将ChatGPT托管到自家云服务Azure上,并推动ChatGPT与搜索引擎Bing的整合。要支撑广大用户对于AI软件、应用和工具的调用,就离不开强力的数据中心基础设施。微软收购的Fungible是一家DPU供应商,而DPU被誉为继CPU、GPU之后数据中心的第三块主力芯片,能够让计算更加靠近数据产生的地方,给CPU减负,从而提升系统的整体计算效率。目前亚马逊、阿里云等云厂商都拥有了自研DPU,微软选择通过收购迎头赶上,也反应了云厂商应对AIGC引爆的数据洪流时,将软硬件耦合放在了重要位置。收购原因2:抢滩边缘AI随着模型压缩技术的进步和边缘设备算力的提升,AIGC正在向边缘侧下沉。由于边缘设备不需要将敏感数据传输到云端或存储在外部服务器,边缘AI在隐私保护和节省成本等方面具有优势。基于边缘人工智能,开发者可以让最终产品从机器学习中受益,且不必对用户隐私、功耗、成本和实时性能等关键指标作出妥协。典型案例A:英伟达收购OmniML英伟达低调收购的OmniML主要提供机器学习应用微型化技术,能够压缩AI模型的体量,使模型在边缘AI设备运行。目前,AIGC和大模型等AI最新业态,普遍以数据中心作为最主要的基础设施。或许边缘设备将成为AI的下一个战场,让AI乃至大模型的部分能力来到消费者身边。典型案例B:英飞凌收购Imagimob英飞凌收购边缘设备机器学习技术供应商Imagimob,是为了强化边缘AI解决方案,在快速增长的边缘 AI市场抢占先机。在未来几年内,人工智能和机器学习将大规模进入嵌入式应用,在保护用户隐私的同时实现新的功能,并提升控制和能效水平。通过此次收购,英飞凌提升了在机器学习解决方案领域的影响力,并补充了人工智能产品线,让机器学习算法能够在最小型的MCU运行,为客户创新提供支持。英飞凌希望让每一位开发者——哪怕新手,都能轻松使用边缘AI的工具并开发推理模型。特点三:宽禁带半导体相关收并购最值得期待2023年,宽禁带半导体领域迎来两起大额收购——所谓“大额”,是指收购金额超过了被收购方主营的宽禁带半导体的市场规模,或是该类宽禁带半导体在某一领域的市场规模。这也折射出收购方对于宽禁带半导体发展前景的信心。典型案例A:英飞凌8.3亿美元收购氮化镓系统公司在2022年氮化镓市场规模约为1.8亿美元的前提下,英飞凌斥资8.3亿美元收购了氮化镓系统公司,以构建包含硅、碳化硅和氮化镓三种主要功率半导体技术的业务版图。英飞凌发言人Gregor Rodehueser(格雷戈尔·罗德霍瑟)向《中国电子报》记者表示,氮化镓正在成为功率半导体的关键材料,与硅和碳化硅并列,将在未来几年发挥更加重要的作用,特别是在移动充电、数据中心电源、住宅太阳能逆变器和电动汽车等应用中。英飞凌目前拥有约450名氮化镓专家和350多个氮化镓专利族,正在通过收购等措施巩固在电源系统领域的领先地位,完善氮化镓路线图,并加快相关产品的上市。典型案例B:博世15亿美元收购芯片制造商TSI博世收购TSI的主要目的是制造用于电动汽车的碳化硅芯片。根据市调机构数据,博世收购TSI的金额超过了2022年车用碳化硅功率器件的市场规模,展现了博世对于碳化硅市场需求的乐观预期。博世计划向TSI的罗斯维尔工厂注资超过15亿美元,将TSI的半导体制造设施转变为更先进的工艺,第一批基于8英寸碳化硅晶圆生产的芯片将于2026年下线。据博世测算,相比硅基芯片,碳化硅芯片的能源消耗最多可减少50%,安装碳化硅功率器件的电动汽车在一次充电后的行驶里程(较安装硅基功率器件的电动汽车)平均提升6%。
询价列表 ( 件产品)