Qorvo PAC 5222 荣获 “2022 年度 BLDC 电机控制器十大主控芯片”

分享到:

11月17日, “电子发烧友” 举办了 2022 电机控制先进技术研讨会(秋季)。同时他们还颁发了 “2022 年 BLDC 电机技术市场表现奖” 相关奖项,旨在通过业界共同推荐、评选出 BLDC 电机行业内市场表现优秀,具有技术和创新能力的企业,以激励 BLDC 电机企业的创新热情,激发企业的创新激情。其中,Qorvo PAC5222 荣获 “2022 年度 BLDC 电机控制器十大主控芯片”。
 
Qorvo PAC5222
 
Qorvo 的 PAC 5222 属于 Qorvo 广泛的全功能电源应用控制器®(PAC)产品系列,为控制下一代智能能源电器、装置和设备并为其供电进行了高度优化。
 
这款应用控制器将 50MHz Arm® Cortex®-M0 32 位微控制器内核与 Qorvo 正在申请专利的多模式电源管理器™、可配置模拟前端™和特定应用电源驱动器™集成在一起,形成了最紧凑的基于微控制器的 BLDC 和 PMSM 电机控制和驱动解决方案。
 
除了这款得奖产品外,Qorvo 的 PAC 系列还有多款芯片,这些产品同时也具备多个方面的优势,能够满足不同应用场景的需求。
 
Qorvo PAC5222
 
PAC 系列芯片的优势:
 
一、高性能 “all-in-one” 的电源管理器
 
集成支持高达 600V 的开关电源控制器,可以配置为 Flyback、高压 Buck 或 SEPIC 拓扑,集成多路线性稳压器用于芯片内部供电;
 
12uA 的超低待机功耗;
 
灵活多级别的电源和温度监控。
 
二、马达控制专用的栅极预驱动器
 
集成高至 2.5A 驱动能力的高低侧栅极驱动器,可以灵活配置的传输延迟和故障检测。
 
三、专有的可配置模拟前端
 
集成高性能的 3 路差分 PGA 和 4 路单端PGA用于电压电流采样。
 
用于 Sensorless BLDC 过零点检测的专用相位比较器,简化外部电路和算法设计。
 
多达 10 个保护比较器,可实现窗口电流检测和保护,同时与 PWM 预驱动器联动,如有过流故障可迅速切断输出。
 
部分产品支持 cycle-by-cycle 的电流限制,可以实现限流或功率限制等功能。
 
高集成度可满足驱动器小尺寸、低成本以及高性能的要求。
 
集成马达控制所需外围分立器件,比如,DCDC、运放、IGBT/MOSFET 预驱动器、最大限度的减少外部器件个数以优化 BOM 成本。
 
文章为原创,转载请注明原网址:https://rf.eefocus.com/article/id-336442
 
继续阅读
一文讲解无线通信领域的混频器和调制器

在所有的无线设计中,混频器和调制器都支持变频并实现通信。它们确定整个信号链的基本规格。它们的接收信号链具有最高功率,对来自发射通路中的数模转换器(DAC)的信号进行上变频,并实现数字预失真(DPD)系统,从而影响整个通信系统的性能。那么,基本混频器的工作原理如何?有哪些重要规格要考虑?目前有哪些混频器和调制器方案可用来改进和简化系统设计?

存储器技术发展概述

半导体存储技术在电子设计中占有重要的地位,在几乎任何包含处理器的系统中都会用到各种各样的存储器。 随着处理器的进化和发展,存储技术也跟随着不断进步。 另外,随着处理器和计算机系统而不断复杂的软件系统,也对存储技术提出越来越高的要求,新型的存储技术因此不断涌现。 然而,当今的主流存储技术在可预见的将来仍然会被大量应用在计算机系统、数码相机、智能手机等电子设备当中。

I2C总线的工作原理

I2C总线是一种十分流行并且强大的总线,其多用于一个(或多个)主机与单个或多个从设备通讯的场景。图1表明了多种不同的外设可以共享这种只需要两根线便可以连接到处理器的总线,相对于其他接口来说,这也是I2C总线可以提供的最大优势之一。这篇应用笔记的目标是帮助大家理解I2C总线是如何工作的。

引线键合和倒装焊封装制程工艺详解

系统级封装技术已经成为电子技术研究新热点和技术应用的主要方向之一,SIP封装工艺作为SIP封装技术的重要组成部分,值得从事相关技术行业的技术人员和学者进行研究和学习,引线键合和倒装焊作为系统级封装的两种工艺,各有其特点和优势,需要根据具体生产要求进行选择。

机器视觉的三种种目标识别方法讲解

随着机器视觉技术的快速发展,传统很多需要人工来手动操作的工作,渐渐地被机器所替代。传统方法做目标识别大多都是靠人工实现,从形状、颜色、长度、宽度、长宽比来确定被识别的目标是否符合标准,最终定义出一系列的规则来进行目标识别。这样的方法当然在一些简单的案例中已经应用的很好,唯一的缺点是随着被识别物体的变动,所有的规则和算法都要重新设计和开发,即使是同样的产品,不同批次的变化都会造成不能重用的现实。而随着机器学习,深度学习的发展,很多肉眼很难去直接量化的特征,深度学习可以自动学习这些特征,这就是深度学习