新闻详情

新闻详情

首页 / 资讯中心 / 详情

读懂 EN 引脚:阈值与迟滞、漏电流来源、测试的坑

发布时间:2026/11/15 20:15:07来源:尧图网络
读懂 EN 引脚:阈值与迟滞、漏电流来源、测试的坑
电源芯片的引脚里EN 是最不起眼的一个不扛电流、不走数据大部分设计里就是两个电阻分压完事。但翻翻电源芯片的故障案例上电不起振输出时有时无待机功耗超标这类问题追到根上经常是这个引脚——阈值差一点、迟滞少一点、漏电流漏一点行为就完全两样。这篇把 EN 脚的三件事讲清楚阈值与迟滞怎么工作、漏电流从哪儿来、测的时候坑在哪。一、EN 阈值芯片的开机键不是一个点是一对点EN 引脚的本质是一个带迟滞的电压比较器输入。以 TI TPS56837 为例EN 上升阈值 1.18V、下降阈值 1.07VTI 的 TPSM843A26 则给出了更细的结构——EN 电压低于内部启动阈值约 0.8V时芯片处于关断模式越过第一阈值后内部 LDO 先行启动第二个阈值标称 1.2V要等 VIN UVLO约 4V与 VCC UVLO 都满足后才生效此时芯片才真正开始软启动。两个关键认识第一阈值是对不是点。上升阈值VEN_rising和下降阈值VEN_falling之间的差就是迟滞窗口。TI 在多颗芯片的数据手册里明确建议外部分压做可调 UVLO 时迟滞建议设 500mV 以上。迟滞的作用是防止输入电压在阈值附近缓慢爬坡时电池放电、掉电过程、缓慢上电芯片反复开关——这在 UVLO 专题里提过叫 chattering表现为输出打嗝、继电器式咔咔响。第二EN 阈值 ≠ 芯片立刻输出。从 EN 越阈到软启动开始中间还隔着内部 LDO 建压、逻辑初始化的固定流程。以 TPSM843A26 为例越过第二阈值后有典型 64µs 的上电延迟用于初始化控制环路若 EN 上升沿很陡从越阈到软启动开始的总延迟最长可达 1ms。测试时如果拿EN 上电到输出建立当阈值时间会把这段内部流程也算进去数值随芯片型号波动很大。外部分压的设计逻辑EN 阈值本身不高1V 上下直接当输入欠压门槛用是不够的所以标准做法是从 VIN 经两个电阻分压到 EN。此时的设计方程里有两个容易忽略的量——芯片 EN 脚的内部上拉电流 Ip和迟滞电流 Ih如 TPS56637 的 Ip1µA、Ih4µA。迟滞电流在 EN 越过阈值后才注入等效于把上分压电阻的电流抬了一把所以实际迟滞量受上电阻阻值影响——这就是为什么 TI 的公式里 R1上电阻直接决定迟滞大小。忽略 Ip/Ih 去按纯分压算阈值实际启动点会偏。二、漏电流三个来源一条比一条隐蔽EN 脚是高阻输入datasheet 标的漏电流通常是 nA 级如 TI TPSM81299 典型 1nA。但实际流进流出这个引脚的电流往往不是这个数。来源一datasheet 漏电流的条件陷阱。TI 应用笔记 SLVA295 专门讲过一个现象宽压输入芯片的 EN 脚在驱动电压处于 0.6V4V 中间区间时漏电流可达 20µA低于 0.6V 或高于 4V 时只有 0.2µA——差 100 倍。原因是输入级的体二极管在某些中间电平下正向导通。设计关断电路比如用开漏输出拉低 EN时如果按 0.2µA 选上拉电阻实际遇到 20µA 的区间低电平就压不下去芯片关不断。datasheet 漏电流参数必须连着测试条件一起看只看数值不看条件等于没看。来源二外部分压网络的常态损耗。EN 分压电阻直接挂在 VIN 上只要系统上电这条支路就在耗电。对电池供电的常供电设备这条看不见的路径是待机功耗的常驻项。TI E2E 上有工程师为了极限降功耗把上拉电阻算到 240MΩ代价是必须精确核算 EN 漏电流10nA 级与阈值余量——阻值越大漏电流和阈值温漂对分压点的干扰越显著。低功耗设计里EN 网络要不要算进待机功耗预算答案是肯定的。来源三温度。PN 结漏电流有一条广为引用的经验法则每升高 10℃ 翻一倍。25℃ 时 1µA 的漏电流到 85℃ 就是 64µA 量级。这对 EN 意味着什么常温下余量足够的关断设计高温下可能失效——漏电流把 EN 电压垫高本该关断的芯片关不干净反之本该启动的芯片因内部上拉电流源能力有限可能被外部网络的等效负载拖得启不动TI 数据手册明确提醒EN 外部电路的漏电流不得超过内部最小上拉电流否则芯片无法启动。常温测试全部合格的板子高低温箱里出问题这是常见根因之一。三、测试三个坑与对应做法坑一缓扫描的速率不统一阈值读数漂。EN 阈值测试的标准手法是VIN 保持额定EN 电压从 0 缓升监测输出输出跳变瞬间的 EN 电压即上升阈值再缓降测下降阈值。问题在缓字——扫描速率不同比较器延迟和芯片内部滤波造成的读数偏差不同。同一颗芯片扫快扫慢差几十毫伏很常见。产线做法是把扫描速率写死进流程如固定 mV/ms 档让每颗芯片出自同一套条件迟滞窗口是两个阈值相减两遍扫描速率不一致时迟滞值比单阈值错得更厉害。坑二跳变判定用输出电压但预偏置和缓启动会骗过你。输出端挂了负载电容时EN 越阈后输出是软启动斜坡输出电压达到额定这个判据会把软启动时间混进去。正确判据是输出开始脱离 0V/初始值的时刻对应 EN 比较器翻转而不是输出到额定的时刻。有预偏置的场合输出端本就有电压更要用电流或波形形态判不能只盯电压幅值。坑三漏电流测试的量程、漂移与板面漏电。EN 漏电流是 nAµA 级普通 DMM 的 µA 档分辨不出 1nA量程先对用 pA 级源表SMU测是正路但要注意高阻测量下的开机漂移——SMU 切到高阻档后需要等待读数稳定秒级到十秒级读早了数值虚高。另外 EN 网络上的印制板表面漏电助焊剂残留、潮湿在 nA 级测量里不是背景噪声是被测对象本身——板子不清洗测出来的芯片漏电流可能大部分是板面漏电。一个工程共识EN 阈值与迟滞测试电压维度和 EN 漏电流测试电流维度是两项独立测试量程、仪表、判据都不同不要指望一套配置测完。量产里阈值项用扫描跳变捕捉漏电项用定点加压小电流读数分开编排。四、结语EN 脚的工程分寸感就在一点上迟滞少 100mV输入纹波大的场合就打嗝漏电流手册上看 0.2µA、中间电压区间实际 20µA关断电路就压不住常温合格、高温翻倍的漏电流把余量吃光。它不参与功率路径却决定芯片在不在服务区——读懂它是读懂一颗电源芯片的第一步。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉