新闻详情

新闻详情

首页 / 资讯中心 / 详情

测量LMC662的输入电流

发布时间:2026/11/13 1:24:21来源:尧图网络
测量LMC662的输入电流
测量LMC662的输入偏置电流LMC662 DatasheetAD\Test\2026\September\TestLMC662InCurrent.SchDoc01【测量LMC662输入电流】一、测试电路这款LMC662功放已经在我的原题库盒子里放了很久 可能之前购买它是因为它具有极低的输入偏置电流以及低的失调电压。 对于它的特性下面我们通过自制电路板来测试 仍然使用电容充电法来测量它的输入偏置电流 同样也可以测量它的输入偏置电压 铺设单面PCB适合一分钟制板 一分钟之后我们得到测试电路板 使用双面PCB其中一面腐蚀测试线路另外一面保留铜箔进行静电屏蔽。 电路板制作的非常完美 下面我们焊接测试。二、测量结果焊锡电路板使用高温水蒸气进行清洗 然后再用热风枪对其进行烘干 将整个电路板放置在金属屏蔽盒内 给其提供5伏工作电源 测量内部的5伏和负5伏电压都正常。 下面我们观察一下它对应的输出信号。 令人意想不到的是它的输出居然是一个震荡信号 峰峰值大约为1.5伏 对应的频率一兆赫兹。 即使将频蔽盒进行密封 这个振荡信号依然不消失 说明这是电路内部震荡所产生的。 那么问题来了为什么电路会震荡呢将外部万用表测量引线去除 此时我们可以看震荡波形峰峰值减小了 频率增加到两兆赫兹左右。 因此可以看到刚才一兆赫兹的巨大的震荡 与外部测量引线有关系 也就是在它的输出端 如果连接外部测量万用表的引线 有可能会等效给它增加一个相应的寄生的电感和电容引起它的震荡。 那么我们下面重新设计电路板 在它的输出增加LC滤波电路 我们来减小外部测量对它本身工作状态的影响。接下来我们在电路中增加输出滤波回路 使用一个10K欧姆和10微法的电容对运放输出进行滤波 重新铺设单面PCB制作测试电路板 一分钟之后得到测试电路板 焊接电路板将它放入金属屏蔽盒进行测试 果然输出的信号不再震荡 那下面我们记录输出的变化 进而测量LMC622的输入偏置电流的大小 也就是它的正输入端的偏置电流的大小。fromheadmimport*fromtsmodule.tsvisaimport*dm3068open()tdim[]vdim[]C1e-9starttimetime.time()foriinrange(100):ttime.time()-starttime tdim.append(t)vdm3068vdc()vdim.append(v)time.sleep(1)tspsave(measure,tdimtdim,vdimvdim)printff(i,t,v)dvvdim[-1]-vdim[0]dttdim[-1]-tdim[0]Ioffsetdv*C/dt printff(dv,dt,Ioffset)plt.plot(tdim,vdim,lw3)plt.xlabel(Time(s),colorsteelblue,fontsize24)plt.ylabel(Vout(V),colorsteelblue,fontsize24)plt.grid(True,whichboth,linestyle--,alpha0.7)plt.tight_layout()plt.show()测量100个输出电压变化数值。 可以看到它的输出是随着时间增加而下降 意味着LMc622的证书端的偏电流是流入芯片 将造成它外部连接电容上的电压下降 我们根据他的电压下降的速率 可以大体估算出LMcu22的正输入端的偏置电流是20.6飞安。重新测量一次这一次它的电压变化变缓了 整体对应的输入偏置电流大概是11.2飞安 相隔大约一个小时之后再进行测量 这次我们发现它对应的输入电压呈现上下波动的情况 整体上对应的电流在2.3个飞安左右 也说明了此时整个测试系统 测试电路板进入了一个稳定平衡状态。tdim[0.0000,1.2336,2.4406,3.6197,4.8602,6.0691,7.2558,8.4882,9.6974,10.9075,12.1164,13.2960,14.5355,15.7441,16.9568,18.1655,19.3417,20.5834,21.7942,22.9725,24.2190,25.4199,26.6374,27.8420,29.0236,30.2589,31.4670,32.6783,33.8848,35.0935,36.3049,37.5139,38.6972,39.9316,41.1417,42.3498,43.5610,44.7391,45.9785,47.1883,48.3981,49.6116,50.8170,52.0272,53.2354,54.4141,55.6536,56.8644,58.0743,59.2821,60.4599,61.7013,62.9089,64.1185,65.3287,66.5405,67.7476,68.9603,70.1369,71.3771,72.5877,73.7951,75.0150,76.1830,77.4233,78.6334,79.8114,81.0499,82.2600,83.4702,84.6778,85.8640,87.0982,88.3083,89.5190,90.7283,91.9060,93.1441,94.3535,95.5340,96.7733,97.9820,99.1901,100.4025,101.5816,102.8186,104.0276,105.2373,106.4466,107.6568,108.8658,110.0771,111.2563,112.4959,113.7032,114.9161,116.1242,117.3103,118.5415,119.7500]vdim[-0.0414,-0.0415,-0.0415,-0.0414,-0.0414,-0.0414,-0.0414,-0.0414,-0.0414,-0.0414,-0.0415,-0.0415,-0.0415,-0.0415,-0.0415,-0.0415,-0.0415,-0.0415,-0.0413,-0.0413,-0.0413,-0.0413,-0.0413,-0.0412,-0.0412,-0.0411,-0.0412,-0.0412,-0.0411,-0.0411,-0.0411,-0.0412,-0.0413,-0.0413,-0.0412,-0.0411,-0.0411,-0.0410,-0.0410,-0.0409,-0.0410,-0.0410,-0.0411,-0.0411,-0.0411,-0.0411,-0.0412,-0.0412,-0.0411,-0.0410,-0.0409,-0.0410,-0.0410,-0.0410,-0.0409,-0.0410,-0.0410,-0.0410,-0.0410,-0.0411,-0.0411,-0.0412,-0.0412,-0.0412,-0.0411,-0.0412,-0.0412,-0.0411,-0.0410,-0.0410,-0.0411,-0.0411,-0.0411,-0.0411,-0.0411,-0.0411,-0.0412,-0.0413,-0.0413,-0.0413,-0.0413,-0.0413,-0.0414,-0.0414,-0.0414,-0.0412,-0.0412,-0.0413,-0.0414,-0.0415,-0.0415,-0.0416,-0.0416,-0.0417,-0.0418,-0.0418,-0.0417,-0.0417,-0.0417,-0.0417]※总结 ※本文使用了电流充电方法 测试了LMC622的输入电流 大体上它的输入天制电流在10至20飞安左右 等电路趋于平衡状态时 电流可以缩减到两三个飞安左右。■ 相关文献链接:LMC662 Datasheet
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 2026/11/13 0:43:49

【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 2026/11/12 23:59:09

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 2026/11/12 9:50:02

【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 ... 2026/11/12 9:25:38

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 2026/11/12 15:57:44

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 2026/11/13 0:02:27

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
📞 ✉