4008-622-911
安森美NCP1681图腾柱功率因数控制器的介绍、特性、应用、及封装
安森美onsemi NCP1681图腾柱功率因数控制器是一款PFC控制器，优化用于驱动无桥图腾柱PFC拓扑。该无桥图腾柱PFC为功率因数校正架构，由一个在PWM开关频率下驱动的快速开关支脚和另一个在交流线路频率下工作的支脚组成。该拓扑消除了传统PFC电路输入端存在的二极管电桥，从而大幅提高了功率级效率。NCP1681控制器可配置为在连续导通模式 (CCM) 或多模式 (CrM-CCM) 下工作。
安森美NCP1681图腾柱功率因数控制器采用SOIC-20封装。
NCP1681 特性
图腾柱PFC拓扑消除了输入二极管电桥
高功率电平下连续导通模式 (CCM) 运行
可选多模式运行，大功率在CCM模式，中等功率在CrM模式
DCM中频率折返，最小频率为25kHz
在超轻负载条件下进入跳跃模式
新颖的电流检测方案
数字电压环路补偿
交流线路监控电路和交流相位检测
在所有工作模式下功率因数接近统一
指示PFC可随时工作的信号（“pfcOK”引脚）
NCP1681 应用
功率因数校正
服务器电源
离线
电信5G电源
网络电源
游戏机电源
UHD电视电源
NCP1681 封装外形
相关推荐
-
-
2023 年中国电源管理芯片行业发展前景：市场前景较好 市场规模保持增长势头
电源管理芯片是模拟芯片重要分支作为模拟芯片重要分支，电源管理芯片应用广泛，需求多样化之下电源管理芯片功能不断推陈出新。电源管理芯片在电子设备系统中担负起对电能的变换、分配、检测及其他电能管理的职责，通过识别、控制 CPU 供电幅值产生相应的短矩波并推动后级电路进行功率输出，是电子设备中的关键器件，在各类电子产品和设备中应用广泛。电源管理芯片按技术结构可以分为 AC/DC 芯片、DC/DC 芯片、PFC 芯片、LDO 芯片、电池充放电控制芯片、栅驱动芯片、接口控制芯片等。在大数据、AI、物联网等新兴产业发展的时代背景下，电子设备需求及种类增长迅速，电源管理芯片作为电子设备的能量供应心脏，重要性日益突出。目前在下游应用种类的不断推陈出新之下，电源管理芯片的功能日渐精细复杂，增效节能需求日益突出，未来市场空间十分广阔。——电源管理芯片在模拟市场的占比超过三分之一根据 Frost&Sullivan 的数据，2021 年中国模拟芯片行业市场规模约 2731 亿元，中国为全球最主要的消费市场，且增速高于全球模拟芯片市场整体增速。初步统计 2022 年中国模拟芯片市场规模将增长至 2895 亿元。中国电源管理芯片约占模拟芯片的 36%。——电源管理芯片下游运用广泛电源管理芯片性能的优劣对整机的性能有着直接的影响，按照功能可以分为线性稳压器 ( LDO ) 、电荷泵 ( Charger-pump ) 芯片、DC-DC 转换器、AC-DC 转换器等。衡量电源管理芯片的核心性能指标包括效率、功耗、耐压、启动时间、集成度等。所有电子设备都需要电源，电源管理芯片应用领域广泛，但是不同的系统对电源的要求不同，根据不同的应用领域，电源管理芯片下游应用包括移动和消费电子、工业控制、汽车、电信与基建等。目前以消费电子、通信设备、汽车等下游应用占比较高。——电源管理芯片产品高效低耗、集成化、数字化、智能化发展受下游应用领域需求的影响，不同领域对电源管理芯片的需求方向发生变动。其中在电源领域，电能转换效率和待机功耗永远是核心指标之一，通过更加先进的电路拓扑技术、更低导阻的功率器件技术、更高开关频率技术、更精巧的高压启动技术等实现电源管理芯片及其电源系统的高效率和低功耗要求。在消费电子领域，电源的轻薄短小一直都是优化用户体验的重点需求，具有更小的体积、更高的集成度、更少的外围器件的电源管理芯片成主要的需求方向。电源管理芯片的输入和输出均为模拟信号，引入数字控制器内核实现在同类常规电源芯片中难以实现的内核数字化功能，另外电源管理芯片的智能化是大势所趋。——电源管理芯片行业市场规模将保持稳健增长电源管理 IC 研发依赖资深工程师经验，具有较高壁垒，产品迭代慢生命周期长，因此盈利稳定性一般高于逻辑芯片公司，企业通过兼并收购横向拓展产品品类和部分产品从 8 寸到 12 寸迁移的行业趋势正在发生。在加强供应链可控性及提升中国芯竞争力的背景下，国内电源管理 IC 厂商获得更多迭样机会，有望加速国产替代，国内电源管理芯片市场增速有望显著高于全球市场，未来复合增长率达 15%，2028 年市场规模约达 340 亿美元。
-
-
ST意法机器学习解决方案助力车企探索汽车AI可能性
ST意法半导体的首款车规机器学习解决方案SL-AIAID012401V1由AEKD-AICAR1评估套件、AI人工智能插件和AutoDevKit车规开发板组成，能够识别驻车、正常路况、崎岖道路、车轮侧滑或突然转向四种汽车状态。这是一个难得的机会，可以通过测试和开发汽车人工智能应用，以确定该技术是否适合这个市场。事实上，许多车企还在探索在行业现阶段，机器学习对他们是否有意义。从头开始创建算法需要投入大量的人力和资金。把评估解决方案导入我们的AutoDevKit平台，可以让开发人员更轻松地探索车规人工智能的可行性。将机器学习引入汽车的挑战在寻找正确的应用▲汽车状态识别系统的整体架构虽然机器学习的热度在消费市场上稳步上升，但是，汽车行业仍在探究机器学习技术可以为汽车带来什么。几十年来，人工智能一直是汽车行业的一个热门话题，研究人员早在2001年就已经在探索如何在导航系统中应用机器学习。然而，人工智能趋向于用在几种应用场景，例如，自动驾驶或事故检测。此外，出于安全性和可靠性考虑，汽车行业几十年来一直依赖启发式方法。简而言之，汽车制造商在不需要训练神经网络的情况下就已经擅长提供先进的功能。因此，开发平台必须降低汽车机器学习的技术门槛，同时又不影响设计者构想较为传统的应用。找到正确的工具为了帮助开发人员创建他们的杀手级应用程序，无论它是否使用机器学习算法，AEKD-AICAR1都配备了一个带有4mb闪存的MCU，以及AEK-LCD-DT028V1显示屏，用于UIs和更一般的应用程序。主板还提供两个CAN FD收发器和两个电位器，用于测试模数转换器的性能。因此，这个电路板可以连接执行器板驱动电机，处理无线通信功能，或者管理LED等设备。因此，这块板子的灵活性足以帮助开发团队用其他的系统开发应用。然而，顾名思义，我们的开发团队用AEKD-AICAR1开发应用，因为汽车行业要求降低机器学习的技术门槛。AEKD-AICAR1：让机器学习变得更好用的解决方案在指引开发者▲AEKD-AICAR1套件AEKD-AICAR1配有AEK-CON-SENSOR1连接器板和AIS2DW12三轴加速度计。开发人员可以获取MEMS数据，并使用长短期记忆（LSTM）递归神经网络(RNN)确定汽车的四种状态。该套件还旨在简化演示应用的开发，因为AEKD-AICAR1在MCU闪存内预装了提前训练好的神经网络。LSTM RNN当前版本是在Google Colab环境中使用TensorFlow 2.4.0框架开发的神经网络，然后，我们使用意法半导体的工具将提前训练好的神经网络转换为适合在STM32上运行的C代码库。为了进一步指导和培训开发者，我们为用户提供了一份Google Colab环境、模型训练、数据采集等工具的用户入门指南。用户可以使用TensorFlow等众多热门机器学习框架创建、训练和验证神经网络，从而使团队能够借用许多现有的社区项目。然后，我们还展示了意法半导体神经网络所用人工智能插件是如何优化算法，使其适合在微控制器上运行。简而言之，我们分享我们的知识经验和实用工具，以便开发人员可以更轻松地测试项目，确定机器学习是否适合汽车应用。使用真实环境最终，工程师将获得一个程序，这个程序可以让他们尝试用传感器开发新应用，评估自己的需求，并更好地了解从头开始需要付出的成本的一小部分内是可行的需求。在AEKD-AICAR1捆绑包中有连接器板，这意味着用户可以轻松换用另一个传感器，做进一步的评测。汽车行业固有的安全性和可靠性限制要求让开发者无法用市面上可以买到的消费级电路板测试汽车产品概念。AEKD-AICAR1通过在许多人用于开发实际应用的汽车级平台上进行实验，从而解决了这个问题。构想原创应用由于汽车行业的机器学习仍处于起步阶段，用户经常寻找具有最大灵活性的平台。事实上，用一个系统开发多个项目有助于节省时间和资源，例如，有一位客户对LSTM节点稍加改动，即可分析车辆悬架的响应性能，确定弹簧补偿程度，从而改善驾驶体验。同样，开发人员可以用传感器开发新应用，例如，预测电池的充电状态，或将传感器安装在方向盘上，用于检查驾驶员的心率。简而言之，AEKD-AICAR1灵活多变，应用不限于传统的汽车应用及状态检测。
哦! 它是空的。