当前位置: 首页 > news >正文

CS5715:2.7V~26V宽输入,单节锂电池适用,最高36V输出,省掉电感电流检测电阻,软启动时间可调,异步升压DCDC控制器

CS5715E是一款适用于单节锂电池的宽输入异步升压DC-DC控制器,输入电压范围2.7~26V,最大输出电压36V,适用于手持及便携设备、LCD显示器、充电器及移动电源等场景。采用ESOP10L封装(底部带散热片,4000颗/卷),工作结温-40℃~125℃,环境温度-40℃~85℃,热阻40℃/W,ESD防护达±2KV(HBM),可靠性优异。

核心亮点是省去电感电流检测电阻,直接采样外部NMOS漏极电流,通过ILIM引脚电阻编程设定峰值电流,简化外围设计并减少发热。采用电流模式PWM工作,轻载时自动切换至跳周模式(PSM)提升效率,误差放大器内置1.2V基准电压(精度±1%)。开关频率可通过RT引脚外部电阻在100KHz~1MHz范围内调节,RT电阻取值19.2KΩ~192KΩ,浮空时默认180KHz;输出电压通过FB引脚分压电阻设定,适配不同输出需求。

具备可调软启动功能,通过ILIM引脚外接电容可延长软启动时间,有效降低启动电流尖峰与输出电压过冲,软启动时间随电容增大而延长、随ILIM电阻增大而缩短。保护机制完善,包含输入欠压保护(2.6V阈值,0.1V滞回)、开关管过流保护(OCP)、150℃过温保护(30℃滞回),关断电流低至3.5μA,静态工作电流700μA,功耗控制优异。

使能引脚(EN)高电平(≥1.22V)开启、低电平(≤1.18V)关断,可直接连接输入电压实现自启动。外围需搭配外部NMOS、3.3μH~47μH功率电感(饱和电流需留足余量)、低ESR的X5R/X7R陶瓷电容及快恢复肖特基二极管,输入输出电容需贴近芯片管脚以抑制噪声,大电流路径需优化布线,保障散热与稳定性。

一 CS5715的特性

36V最大输出电压

2.7V~26V输入电压范围

100KHz至1MHz的可调频率

外部可调软启动时间

+1%反馈基准电压

3.5μA关断电源电流

开关管过流保护OCP

输入欠压保护UVP

过温保护OTP

二 CS5715的应用信息

1 典型应用图

2 引脚排列及定义

3 功能框图

4 基础参数

http://www.jsqmd.com/news/239296/

相关文章:

  • HunyuanVideo-Foley效果展示:不同场景下音效生成质量评测
  • MediaPipe Hands实战案例:手部关键点检测详解
  • 减少布线成本:USB设备网络化的工厂改造案例
  • 我用 ModelEngine 做了个日报智能体,AI 写周报的速度快得离谱
  • 零经验拿下第一份大模型实习,笨办法全公开
  • 人脸检测模型鲁棒性测试:极端光照角度下的表现
  • 性能测试的结果如何解读和分析?
  • MediaPipe Hands实战:智能零售手势交互系统部署
  • 软件测试基础 | 你会搭建测试环境吗?
  • GLM-4.6V-Flash-WEB生产部署:高可用架构设计案例
  • 印度政府否认强制苹果、三星共享智能手机源代码
  • AI自动打码在医疗影像中的应用:患者隐私保护方案
  • 【AI×实时Linux:极速实战宝典】异构计算 - 在FPGA+CPU架构(如Zynq)上,利用Linux UIO驱动实现硬实时加速
  • 从0开始学AI编程:IQuest-Coder-V1-40B新手入门
  • HunyuanVideo-Foley损失函数设计:保证音效时空一致性的关键技术
  • 【AI×实时Linux:极速实战宝典】嵌入式部署 - 树莓派/Jetson Nano上的RT-Linux裁剪与轻量化AI模型部署技巧
  • 手势识别系统优化:MediaPipe Hands推理速度提升技巧
  • 实测HY-MT1.5-1.8B:0.18秒翻译速度超商业API
  • 多模态Agent落地实战:从零开发能看懂、听懂、会操作的全感知智能助手
  • 如何实现跨摄像头手势识别?分布式部署案例
  • Python venv:构建独立开发环境的务实指南
  • 救命神器9个AI论文工具,研究生轻松搞定毕业论文!
  • AI手势识别模型更新机制:如何升级至最新版本
  • AI人脸隐私卫士应用场景:多行业隐私保护解决方案
  • 快速掌握LCD12864:基础编程方法图解
  • 为什么Context Engineering突然爆火?大模型开发者必学指南,建议收藏
  • 别再为模糊需求扯皮了!引入 EARS:像写代码一样写 PRD
  • HunyuanVideo-Foley实战手册:提升视频制作效率的AI神器
  • GLM-4.6V-Flash-WEB实战案例:医疗影像辅助分析系统
  • AI手势识别与追踪模型轻量化:移动端适配实战