變換級使用LLC諧振拓撲結合功率半導體可使典型效率達到94%
發布時間:2021/8/27 23:37:07 訪問次數:701
LHP150F 24V輸出版本提供6.3A的穩定電流和12.6A的峰值電流。相同的比率適用于LHP150F和LHP300F的所有版本。
當出現峰值負載情況時，可以在長達10秒的時間內提供200%的額定功率。
對于低諧波電流失真，LHP150F和LHP300F使用有源功率因數校正器（PFC），變換級使用LLC諧振拓撲，結合最新一代的功率半導體可使典型效率達到94%。
針對對流冷卻進行了優化，使其可在-10℃至+70℃的環境溫度范圍內運行。
制造商:Microchip 產品種類:數字信號處理器和控制器 - DSP, DSC RoHS: 詳細信息 產品:DSCs 系列:dsPIC33EPxxxMC50x 商標名:dsPIC 安裝風格:SMD/SMT 封裝 / 箱體:QFN-28 核心:dsPIC33E 內核數量:1 Core 最大時鐘頻率:60 MHz L1緩存指令存儲器:- L1緩存數據存儲器:- 程序存儲器大小:64 kB 數據 RAM 大小:8 kB 工作電源電壓:3 V to 3.6 V 最小工作溫度:- 40 C 最大工作溫度:+ 85 C 資格:AEC-Q100 封裝:Tube 程序存儲器類型:Flash 商標:Microchip Technology 接口類型:I2C, SPI, UART 輸入/輸出端數量:21 I/O 數據總線寬度:16 bit 說明書類型:Fixed/Floating Point 計時器/計數器數量:5 Timer 處理器系列:dsPIC33E 產品類型:DSP - Digital Signal Processors & Controllers 工廠包裝數量:61 子類別:Embedded Processors & Controllers 電源電壓-最大:3.6 V 電源電壓-最小:3 V 看門狗計時器:Watchdog Timer 單位重量:70.800 mg
STM32Cube.AI允許開發人員將機器學習處理任務從云端轉移到基于STM32的邊緣設備，以減少延遲、節約能源、提高云利用率，并通過大限度地減少互聯網上的數據交換來保護隱私。
現在，用戶使用STM32 MCU具有額外的靈活性，可以選擇高效的機器學習技術進行設備上分析，是長期在線使用案例和智能電池供電應用的理想之選。
STM32微控制器(MCU)上開發用于邊緣推理的神經網絡外，最新的STM32Cube.AI版本(7.0版)還支持新的監督和半監督方法，這些方法可以處理更小的數據集和更少的CPU周期。
(素材來源：eccn和ttic.如涉版權請聯系刪除。特別感謝）
LHP150F 24V輸出版本提供6.3A的穩定電流和12.6A的峰值電流。相同的比率適用于LHP150F和LHP300F的所有版本。
當出現峰值負載情況時，可以在長達10秒的時間內提供200%的額定功率。
對于低諧波電流失真，LHP150F和LHP300F使用有源功率因數校正器（PFC），變換級使用LLC諧振拓撲，結合最新一代的功率半導體可使典型效率達到94%。
針對對流冷卻進行了優化，使其可在-10℃至+70℃的環境溫度范圍內運行。
制造商:Microchip 產品種類:數字信號處理器和控制器 - DSP, DSC RoHS: 詳細信息 產品:DSCs 系列:dsPIC33ExxMC50x 商標名:dsPIC 安裝風格:SMD/SMT 封裝 / 箱體:QFN-28 核心:dsPIC33E 內核數量:1 Core 最大時鐘頻率:60 MHz L1緩存指令存儲器:- L1緩存數據存儲器:- 程序存儲器大小:64 kB 數據 RAM 大小:8 kB 工作電源電壓:3 V to 3.6 V 最小工作溫度:- 40 C 最大工作溫度:+ 85 C 資格:AEC-Q100 封裝:Tube 程序存儲器類型:Flash 商標:Microchip Technology 接口類型:I2C, SPI, UART 輸入/輸出端數量:21 I/O 數據總線寬度:16 bit 說明書類型:Fixed/Floating Point 計時器/計數器數量:5 Timer 處理器系列:dsPIC33E 產品類型:DSP - Digital Signal Processors & Controllers 工廠包裝數量:61 子類別:Embedded Processors & Controllers 電源電壓-最大:3.6 V 電源電壓-最小:3 V 看門狗計時器:Watchdog Timer 單位重量:70.800 mg
STM32Cube.AI允許開發人員將機器學習處理任務從云端轉移到基于STM32的邊緣設備，以減少延遲、節約能源、提高云利用率，并通過大限度地減少互聯網上的數據交換來保護隱私。
現在，用戶使用STM32 MCU具有額外的靈活性，可以選擇高效的機器學習技術進行設備上分析，是長期在線使用案例和智能電池供電應用的理想之選。
STM32微控制器(MCU)上開發用于邊緣推理的神經網絡外，最新的STM32Cube.AI版本(7.0版)還支持新的監督和半監督方法，這些方法可以處理更小的數據集和更少的CPU周期。
(素材來源：eccn和ttic.如涉版權請聯系刪除。特別感謝）
相關技術資料- 11-28最新集成傳感激光測距模塊規格參數技術應用
- 11-28Supermicro NVIDIA HGX B200系統參數應用設
- 11-28新一代 ToF 激光測距傳感器詳細探討
- 11-28全新 Riedon™ 功率電阻產品系列
- 11-28分流電阻的檢測原理及市場格局
- 11-28前沿技術AI輔助診斷應用新進展
- 11-2712位模數轉換器 (ADC)參數特點技術封裝
- 11-27三角函數加速器 (TMU)系列
- 11-27單芯片“艙行泊”一體化方案探究
- 11-27CoolSiC肖特基二極管技術參數應用設計
- 11-27納微GaN Safe系列NV6515（650V,32mΩ max）IC
- 11-27臨界導通模式（CrM）詳情
公網安備44030402000607
