NCV47822-D双通道高侧开关：带可调电流限制与诊断功能

dual
high
side
switch
需积分: 10 0 下载量 44 浏览量 更新于2024-07-09 收藏 225KB PDF 举报
"NCV47822-D是一款双路高侧开关，具有可调电流限制和诊断功能，适用于严苛的汽车环境。" 本文将详细介绍NCV47822-D这款集成电路，它是一款双通道高侧开关，每个通道的最大输出电流可达250mA。设计时考虑了在恶劣的汽车环境中使用，具备了高输入电压容忍度，能够处理反向输入电压，并集成了过流、过温保护功能。 NCV47822-D的一大特点在于其内置的电流感测功能，可以通过连接到每个通道CSO引脚的电阻进行调整。CSO引脚输出的电流会在电阻上产生一个与通道输出电流成比例的电压降，这使得系统可以监测并诊断每个通道的输出电流状态。 此外，该器件还提供了一些扩展的诊断功能，这些功能在关断状态下也能工作，并由专用的输入和输出引脚控制。这使得系统能更全面地监控设备的工作状况，及时发现并处理问题。 NCV47822-D的主要特性包括： 1. **每个通道的输出电流最高可达250mA**：适合驱动各种小功率负载。 2. **两个独立的使能输入（兼容3.3V逻辑）**：允许独立控制两个通道的开/关状态。 3. **可调电流限制**：通过外部电阻设定，最高可达350mA，提供了灵活的电流管理方案。 4. **保护功能**： - **电流限制**：防止过载对设备造成损害。 - **热关断**：当器件温度过高时自动关闭，保护内部电路。 - **反向输入电压和反向偏置电压保护**：防止电源极性错误导致的损坏。 5. **诊断功能**： - **短路到电池检测**：能够识别输出端是否发生短路至电池的情况。 - **其他可能的诊断功能**：可能还包括开路负载检测、过温警告等，具体依赖于设备的配置。 这款芯片在汽车电子应用中非常有用，比如汽车照明控制、传感器供电或车载娱乐系统的电源管理。它的集成保护和诊断特性确保了系统在复杂工况下的可靠性和安全性。设计者可以根据具体需求，通过设置电流限制和利用诊断功能，优化其在系统中的应用。

NCV5-二次开发框架技术红皮书

2012-10-06 上传
《NCV5-二次开发框架技术红皮书》是一本详细介绍如何在NC 5.0平台上进行二次开发的专业指南。本书由用友NC-总体设计部与平台技术部联合编著，旨在帮助开发者深入理解并有效利用NC 5.0框架进行系统定制和功能增强。 ...

NCV5-开发平台技术红皮书

2010-05-10 上传
NCV5-开发平台技术红皮书是用友NC-UAP的一份技术文档，旨在指导开发者快速搭建NC开发环境，掌握NC开发技术的基础知识。本文档涵盖了NC开发环境的建立、NC初学者开发指南、数据库表pdm及SQL脚本的生成等内容。 一、...

ncv_contrib-master\modules\wechat_qrcode\src\wechat_qrcode.cpp:56: error

2023-10-15 上传
在编译ncv_contrib-master项目中的wechat_qrcode模块时，出现了错误，具体错误信息为ncv_contrib-master\modules\wechat_qrcode\src\wechat_qrcode.cpp的第56行出现了错误。 要解决这个错误，我们首先需要打开...

为什么 NCV78702 要配合 NCV78723 使用

2023-06-13 上传
NCV78702和NCV78723是ON半导体公司推出的两款汽车电子产品，分别是LED驱动器和功率管理芯片。NCV78723是一款高度集成的电源管理IC，可以为车内的各种电子设备提供电源管理和保护功能。NCV78702作为LED驱动器，需要...

用友ncv6.5数据字典

2023-07-02 上传
用友NCV6.5数据字典是用友公司开发的一款数据管理工具，它在企业资源管理系统中起到了重要的作用。 首先，用友NCV6.5数据字典可以帮助企业管理者更好地了解和把握企业的数据情况。通过数据字典，企业管理者可以清晰...

read(911,*) Para_Inlst07 IF (TRIM(Para_Inlst07)=='POOL_STRUCTURE') THEN read(911,*) NCV_Structure(N3Dpool) ENDIF allocate(OBCV_X(NCV_Structure(N3Dpool))) allocate(OBCV_Y(NCV_Structure(N3Dpool))) allocate(OBCV_Z(NCV_Structure(N3Dpool))) allocate(GAMA_OBCV(NCV_Structure(N3Dpool))) allocate(GAMA_OBX(NCV_Structure(N3Dpool))) allocate(GAMA_OBY(NCV_Structure(N3Dpool))) allocate(GAMA_OBZ(NCV_Structure(N3Dpool)))

2023-06-10 上传
这段代码首先从文件911中读取一个字符串Para_Inlst07，然后判断这个字符串是否等于"POOL_STRUCTURE"，如果是，则从文件911中读取一个数值NCV_Structure(N3Dpool)。接着，这段代码调用了allocate函数，分别为OBCV_X、...

物理：已知1mol的某种实际气体,在一定温度下,其压强随体积变化的函数关系为p=c/(v-b)-a/(v)^2式中a,b,c均为常量.求该气体系统经一准静态过程,体积由V1膨胀到V2时,气体对外界所做的功.

2023-04-24 上传
根据热力学第一定律，气体对...∆W=nCv(T2-T1)=nCv^((pV2)/(nR)-pV1)/(nR))(T2-T1) 其中，n为1mol，Cv可以看成是常量，T1和T2为气体的初始温度和末温度，p和V1、V2为已知数据，可以代入计算得到气体对外界所做的功。

NCV1117ST33T3G怎么用

2023-10-19 上传
NCV1117ST33T3G是一款低压差稳压器，它可以将输入电压降低到一个稳定的输出电压。使用时，需要将输入电压接到芯片的输入引脚，将输出电压接到芯片的输出引脚，同时将芯片的地引脚接到电路的地线上。需要注意的是，...

class SVDRecommender: def init(self, k=50, ncv=None, tol=0, which='LM', v0=None, maxiter=None, return_singular_vectors=True, solver='arpack'): self.k = k self.ncv = ncv self.tol = tol self.which = which self.v0 = v0 self.maxiter = maxiter self.return_singular_vectors = return_singular_vectors self.solver = solver def svds(self, A): if which == 'LM': largest = True elif which == 'SM': largest = False else: raise ValueError("which must be either 'LM' or 'SM'.") if not (isinstance(A, LinearOperator) or isspmatrix(A) or is_pydata_spmatrix(A)): A = np.asarray(A) n, m = A.shape if k <= 0 or k >= min(n, m): raise ValueError("k must be between 1 and min(A.shape), k=%d" % k) if isinstance(A, LinearOperator): if n > m: X_dot = A.matvec X_matmat = A.matmat XH_dot = A.rmatvec XH_mat = A.rmatmat else: X_dot = A.rmatvec X_matmat = A.rmatmat XH_dot = A.matvec XH_mat = A.matmat dtype = getattr(A, 'dtype', None) if dtype is None: dtype = A.dot(np.zeros([m, 1])).dtype else: if n > m: X_dot = X_matmat = A.dot XH_dot = XH_mat = _herm(A).dot else: XH_dot = XH_mat = A.dot X_dot = X_matmat = _herm(A).dot def matvec_XH_X(x): return XH_dot(X_dot(x)) def matmat_XH_X(x): return XH_mat(X_matmat(x)) XH_X = LinearOperator(matvec=matvec_XH_X, dtype=A.dtype, matmat=matmat_XH_X, shape=(min(A.shape), min(A.shape))) # Get a low rank approximation of the implicitly defined gramian matrix. eigvals, eigvec = eigsh(XH_X, k=k, tol=tol ** 2, maxiter=maxiter, ncv=ncv, which=which, v0=v0) # Gramian matrix has real non-negative eigenvalues. eigvals = np.maximum(eigvals.real, 0) # Use complex detection of small eigenvalues from pinvh. t = eigvec.dtype.char.lower() factor = {'f': 1E3, 'd': 1E6} cond = factor[t] * np.finfo(t).eps cutoff = cond * np.max(eigvals) # Get a mask indicating which eigenpairs are not degenerate tiny, # and create a reordering array for thresholded singular values. above_cutoff = (eigvals > cutoff) nlarge = above_cutoff.sum() nsmall = k - nlarge slarge = np.sqrt(eigvals[above_cutoff]) s = np.zeros_like(eigvals) s[:nlarge] = slarge if not return_singular_vectors: return np.sort(s) if n > m: vlarge = eigvec[:, above_cutoff] ularge = X_matmat(vlarge) / slarge if return_singular_vectors != 'vh' else None vhlarge = _herm(vlarge) else: ularge = eigvec[:, above_cutoff] vhlarge = _herm(X_matmat(ularge) / slarge) if return_singular_vectors != 'u' else None u = _augmented_orthonormal_cols(ularge, nsmall) if ularge is not None else None vh = _augmented_orthonormal_rows(vhlarge, nsmall) if vhlarge is not None else None indexes_sorted = np.argsort(s) s = s[indexes_sorted] if u is not None: u = u[:, indexes_sorted] if vh is not None: vh = vh[indexes_sorted] return u, s, vh将这段代码放入一个.py文件中，用Spyder查看，有报错，可能是缩进有问题，无法被调用，根据这个问题，给出解决办法，给出改正后的完整代码

2023-06-07 上传
eigvals, eigvec = eigsh(XH_X, k=self.k, tol=self.tol ** 2, maxiter=self.maxiter, ncv=self.ncv, which=self.which, v0=self.v0) # Gramian matrix has real non-negative eigenvalues. eigvals = np....

class SVDRecommender: def __init__(self, k=50, ncv=None, tol=0, which='LM', v0=None, maxiter=None, return_singular_vectors=True, solver='arpack'): self.k = k self.ncv = ncv self.tol = tol self.which = which self.v0 = v0 self.maxiter = maxiter self.return_singular_vectors = return_singular_vectors self.solver = solver def svds(self, A): if self.which == 'LM': largest = True elif self.which == 'SM': largest = False else: raise ValueError("which must be either 'LM' or 'SM'.") if not (isinstance(A, LinearOperator) or isspmatrix(A) or is_pydata_spmatrix(A)): A = np.asarray(A) n, m = A.shape if self.k <= 0 or self.k >= min(n, m): raise ValueError("k must be between 1 and min(A.shape), k=%d" % self.k) if isinstance(A, LinearOperator): if n > m: X_dot = A.matvec X_matmat = A.matmat XH_dot = A.rmatvec XH_mat = A.rmatmat else: X_dot = A.rmatvec X_matmat = A.rmatmat XH_dot = A.matvec XH_mat = A.matmat dtype = getattr(A, 'dtype', None) if dtype is None: dtype = A.dot(np.zeros([m, 1])).dtype else: if n > m: X_dot = X_matmat = A.dot XH_dot = XH_mat = _herm(A).dot else: XH_dot = XH_mat = A.dot X_dot = X_matmat = _herm(A).dot def matvec_XH_X(x): return XH_dot(X_dot(x)) def matmat_XH_X(x): return XH_mat(X_matmat(x)) XH_X = LinearOperator(matvec=matvec_XH_X, dtype=A.dtype, matmat=matmat_XH_X, shape=(min(A.shape), min(A.shape))) #获得隐式定义的格拉米矩阵的低秩近似。 eigvals, eigvec = eigsh(XH_X, k=self.k, tol=self.tol ** 2, maxiter=self.maxiter, ncv=self.ncv, which=self.which, v0=self.v0) #格拉米矩阵有实非负特征值。 eigvals = np.maximum(eigvals.real, 0) #使用来自pinvh的小特征值的复数检测。 t = eigvec.dtype.char.lower() factor = {'f': 1E3, 'd': 1E6} cond = factor[t] * np.finfo(t).eps cutoff = cond * np.max(eigvals) #获得一个指示哪些本征对不是简并微小的掩码， #并为阈值奇异值创建一个重新排序数组。 above_cutoff = (eigvals > cutoff) nlarge = above_cutoff.sum() nsmall = self.k - nlarge slarge = np.sqrt(eigvals[above_cutoff]) s = np.zeros_like(eigvals) s[:nlarge] = slarge if not self.return_singular_vectors: return np.sort(s) if n > m: vlarge = eigvec[:, above_cutoff] ularge = X_matmat(vlarge) / slarge if self.return_singular_vectors != 'vh' else None vhlarge = _herm(vlarge) else: ularge = eigvec[:, above_cutoff] vhlarge = _herm(X_matmat(ularge) / slarge) if self.return_singular_vectors != 'u' else None u = _augmented_orthonormal_cols(ularge, nsmall) if ularge is not None else None vh = _augmented_orthonormal_rows(vhlarge, nsmall) if vhlarge is not None else None indexes_sorted = np.argsort(s) s = s[indexes_sorted] if u is not None: u = u[:, indexes_sorted] if vh is not None: vh = vh[indexes_sorted] return u, s, vh def _augmented_orthonormal_cols(U, n): if U.shape[0] <= n: return U Q, R = np.linalg.qr(U) return Q[:, :n] def _augmented_orthonormal_rows(V, n): if V.shape[1] <= n: return V Q, R = np.linalg.qr(V.T) return Q[:, :n].T def _herm(x): return np.conjugate(x.T) 将上述代码修改为使用LM，迭代器使用arpack

2023-06-08 上传
eigvals, eigvec = eigsh(XH_X, k=self.k, tol=self.tol ** 2, maxiter=self.maxiter, ncv=self.ncv, which=self.which, v0=self.v0, mode=self.solver) # 格拉米矩阵有实非负特征值。 eigvals = np.maximum...
weixin_38602098
  • 粉丝: 3
  • 资源: 963
上传资源 快速赚钱

最新资源