安森美推出高能效电机驱动器IC,节省80%空载能耗

发布时间:2012-12-27 阅读量:669 来源: 我爱方案网 作者:

【导读】安森美半导体推出新的步进电机驱动器IC——LV8702V,其提了供比市场上现有产品显著提高的能效。这器件是针对复印机、扫描仪及多功能打印机等办公自动化设备应用而专门设计的。

安森美半导体三洋分部电源产品总经理Tsutomu Shimazaki说:“近年来,多种电子产品应用中使用的步进电机的能效很低,已经成为全球业界关注的问题,也是电源系统设计工程师须面对的挑战。LV8702V克服这挑战,提供独特的驱动系统,使其能够节省空载能耗达80%,并降低电机峰值电流近77%。这方案大力帮助我们客户开发办公自动化电子产品,符合提升能效的全球需求。”

特性及优势

LV8702V除了降低总能耗,还帮助减少或降低打印机位置控制等应用中的电机的发热、振动及噪声。由于能效提升,这驱动器IC和电机的表面温度分别下降达46oC和28oC,可以帮助省去冷却风扇,节省相应的空间及成本,并提升系统可靠性。LV8702V步进电机驱动器IC通过监控驱动器波形来检测电机状况;这器件根据电机转速或负载来自动减小电流值,因而降低能耗。这新器件的工作电压范围为9伏(V)至32 V。保护特性包括输出短路保护、过热关闭功能及失步(step-out)检测功能。

LV8702V是安森美半导体AMIS30542/43/22/12带无传感器电机反馈的高度智能型步进电机控制方案系列的另一成员。这系列产品为设计人员提供适合宽广应用范围和驱动电流的高性价比及领先的性能。如今,停转检测、步损及电流驱动优化等先进功能易于集成到此前或因成本而不用“高端”电机控制功能的应用中。

价格及供货

LV8702V采用尺寸为5.6 mm x 15.0 mm的SSOP44J封装。这器件每批量2,000片的预算单价为6.00美元。

励磁模式:半步;速度:1,500 pps
电机:半桥(HB)电机双极型;负载:空载
励磁模式:半步;速度:2,000 pps
电机:半桥(HB)电机双极型;负载:空载;上电时间:20分钟
相关资讯
美光Q4营收展望107亿美元超预期,AI存储需求引爆股价

美光科技(Micron Technology)于6月25日发布最新财报,其中对2024财年第四季度的业绩展望显著超越市场预期。公司预计第四财季营收将达约107亿美元,远高于华尔街分析师普遍预测的98.9亿美元。受此积极信号影响,美光股价在盘后交易时段应声上涨,凸显市场对其增长前景的强烈信心。

三星引入三星显示为XR头显供应OLEDoS,索尼独供格局生变

三星电子正计划调整其首款Android XR头显Project Moohan(代号“无限”)的屏幕供应链策略,拟将关联企业三星显示纳入OLEDoS(硅基OLED)面板供应商体系,与索尼形成“双供应商”结构。此举旨在打破索尼的独家供应局面,提升供应链韧性及议价能力。尽管三星显示加入,索尼仍将保持第一供应商地位,但三星电子借此强化了长期布局XR市场的战略基础。

先进封装驱动芯片性能革命,台积电产能扩张应对AI浪潮

台积电与苹果共同开发的晶圆级多芯片模块(WMCM)技术标志着先进封装的新高度。作为InFO-PoP的升级版,WMCM融合CoW(Chip on Wafer)与RDL(Redistribution Layer)等尖端工艺。其核心创新在于采用平面封装架构取代传统垂直堆叠逻辑芯片与DRAM,显著提升散热效率与整体性能。这项独家技术将成为苹果下一代iPhone搭载的A20处理器(预计采用2nm制程)的关键性能支柱。同时,苹果自研的AI服务器芯片正稳步导入台积电的3D晶圆堆叠SoIC封装技术,进一步强化计算密度和能效。

算力、智能与控制的融合:英特尔4U工控机、RK3568主板、HPM伺服板的全面对比

在现代工业自动化向智能化、网络化、柔性化加速演进的大背景下,高性能、高可靠、特定场景优化的核心硬件设备构成了系统的“大脑”、“眼睛”和“四肢”。英特尔4U工控机(IPC-615H5)、RK3568高性能监控主板和HPM6400/6300伺服电机控制板分别代表了通用工业计算平台、边缘AI视觉处理平台和高精度运动控制平台的最典型形态。它们在各自的领域拥有独特优势,共同支撑起复杂的工业控制闭环。本文旨在对这三款核心产品进行全方位对比分析,剖析其技术特点、优劣势、应用场景及市场前景,为工业自动化方案选型提供专业参考。

应对AI算力激增:安森美推出全链路数据中心电源解决方案与指南

人工智能技术,特别是生成式AI和大规模机器学习模型的迅猛发展,对全球数据中心的基础设施提出了前所未有的高要求。海量数据的实时处理与复杂模型训练,导致数据中心计算负载激增,随之而来的功耗攀升已成为产业亟待解决的核心瓶颈。这不仅推高了运营成本,也对电网承载能力和可持续发展目标构成严峻挑战。如何在高性能计算需求持续增长的同时,有效控制并降低能源消耗,成为AI数据中心建设与升级的关键命题。