最小尺寸挑战最长电池寿命,Maxim nanoPower解决方案

发布时间:2017-03-15 阅读量:2096 来源: 我爱方案网 作者: candytang

如今,智能设备的体积越来越小,功能却越来越多,所以延长电池寿命和待机时间就成为了设计人员正在竭力解决的难题。为了更好的支持新型可穿戴、健康监护、物联网(IoT)、移动以及其它智能型联网设备,就必须掌握降低静态电流(IQ)的技术。电源静态电流是影响系统待机功耗的最大因素,而降低IQ是为设备提供最高电源效率和最长电池寿命的最有效技术。



Maxim nanoPower解决方案,让你的IQ降至历史新低



Maxim MAX17222 nanoPower boost (升压调节器)是一款输入电压范围0.4V-5.5V,输出电压范围1.8V-5V,输入限流为500mA的升压调节器,相比同类产品可减少多达50%的方案面积,同时提供95%的峰值效率,使发热降到最低。MAX17222具有业内最高效率和300nA最低静态电流(IQ),帮助可穿戴及消费类IoT设计以最小面积获取最长电池寿命,为当今的设计师提供强大支持。



MAX17222不仅实现了最低静态电流,而且使散热和关断电流降至最低。在True Shutdown模式下电流消耗只有0.5nA,几乎不造成任何电池消耗,从而提供最长的电池寿命并省去了外部电源开关。此外,MAX17222还带有内部补偿,只需单个配置电阻和支持满功率输出的小尺寸输出滤波器。为便于使用,这款boost采用微小的高密度6焊球WLP封装 (0.88mm x 1.4mm)和6引脚标准uDFN封装(2mm x 2mm),工作温度范围为-40℃至+85℃,可理想用于各类可穿戴设备,据IDC预测将在2020年实现18.4%的年增长率(CAGR)。



nanoPower突出特色:最长、最小、最高


最长电池寿命:待机模式和关断模式下,显著降低电池消耗;0.4V输入(0.88V启动电压)兼容低压电池和超级电容工作
行业最小方案:相比同类产品,高度集成的boost可节省多达50%空间
行业最高效率:95%的峰值效率,在主动工作模式下最大程度减小散热


目前,Maxim整套nanoPower解决方案已开始批量供货,包括:比较器、运算放大器和针对超低功耗应用推出的监控器,可通过Maxim官网或特许经销商购买。
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。