高性能摩托车灯降压恒流ic全亮/半亮/循环模式短路保护AP5126

深圳世微半导体小丘 2024-01-19 10:25:43

产品描述
AP5126 是一款 PWM 工作模式,高效率、外围简单、内置功率管,适用于 12-80V 输入的高精度降压 LED 恒流驱动芯片。输出最大功率可达15W,最大电流 1.2A。
AP5126 可实现全亮/半亮功能切换,通过MODE 切换:全亮/半亮/循环模式。
AP5126 工作频率固定在 140KHZ ,同时内置抖频电路,可以降低对其他设备的 EMI 干扰。另外采用平均电流采样模式,可以提高宽输入电压情况下的电流精度。
AP5126 带有输出短路保护功能,12-80V 输入条件下,短时短路不会损坏电源器件。
特点
◆ 内部集成 90V 功率管
◆ 宽输入电压范围:12V~80V
◆ 固定工作频率:140KHZ
◆可设定电流范围:10mA~1200mA
◆ 内置抖频电路,降低对其他设备的 EMI 干扰
◆ 平均电流模式采样,恒流精度更高
◆ 0-100%占空比控制,无电流节点跳变
◆ 输出短路保护
◆ 过温保护
◆ 功能模式:全亮/半亮
◆ ESOP8 封装
应用领域
◆ 电动车,摩托车灯照明
◆ 汽车灯照明
◆ 手电筒

 

 

 

 

 

...全文
217 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
【pytorch(cuda)】基于DQN算法的无人机三维城市空间航线规划(Python代码实现)内容概要:本文档介绍了基于DQN(深度Q网络)算法的无人机在三维城市空间中的航线规划方法,结合PyTorch框架和CUDA加速实现Python代码编程。该方案利用深度强化学习技术,使无人机能够在复杂的城市环境中自主学习最优飞行路径,有效避开障碍物并实现高效导航。文中涵盖了算法设计、环境建模、奖励机制设定、神经网络结构搭建及训练过程等关键技术细节,并通过仿真实验验证了方法的有效性和鲁棒性。此外,文档还提及相关路径规划、强化学习及其他科研领域的多种算法与应用场景。; 适合人群:具备一定Python编程基础和深度学习背景,熟悉强化学习或路径规划方向的研究生、科研人员及从事无人机导航、智能交通等领域开发工作的技术人员。; 使用场景及目标:①应用于三维城市环境下无人机自动避障与路径优化;②为深度强化学习在实际工程中的落地提供参考案例;③帮助读者掌握DQN算法在连续状态空间中的建模与实现技巧; 阅读建议:建议读者结合提供的代码资源进行实践操作,重点关注DQN网络结构设计、状态-动作空间定义以及奖励函数的构建逻辑,同时可对比其他路径规划算法(如A*、RRT、PSO等)以加深理解。

1,268

社区成员

发帖
与我相关
我的任务
社区描述
软件工程/管理 管理版
社区管理员
  • 研发管理社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧