ESP32-Paxcounter项目中的AXP192电源管理芯片初始化问题分析
2025-07-07 21:29:51作者:俞予舒Fleming
问题背景
在ESP32-Paxcounter项目中,使用LilyGo T-beam 1.0开发板的用户遇到了AXP192电源管理芯片初始化不稳定的问题。该问题表现为设备启动时OLED显示屏无法正常工作,I2C总线通信出现大量错误,导致系统行为不可预测。
问题根源分析
经过深入调查,发现问题根源在于LilyGo T-beam 1.0开发板的设计缺陷。该开发板将标有"3V3"和"3.3V"的两个引脚都连接到了AXP192芯片的DCDC1输出端。根据AXP192的数据手册,该输出在启动/上电时被设置为1.8V,而非预期的3.3V。
这种设计导致以下连锁反应:
- OLED显示屏在启动时仅获得1.8V供电
- 由于供电不足,显示屏的SDA/SCL引脚被内部过压二极管拉低至约2.1V(1.8V+0.3V)
- 这个电压对ESP32的I2C总线来说过低,导致通信失败
- I2C总线故障又影响了AXP192芯片的正常初始化和配置
解决方案
硬件解决方案
通过在GPIO-0和"3.3V"引脚之间添加一个标准二极管(如1N4001),可以临时解决这个问题:
- 二极管将OLED显示屏的供电提升至约2.8V(3.3V-0.5V)
- 这使得SDA/SCL引脚电压足够高,确保I2C总线正常工作
- 系统启动、睡眠唤醒等功能都能稳定运行
软件优化
在软件层面,可以采取以下措施:
- 将DCDC1和DCDC3通道设置为保护通道,确保睡眠/唤醒模式正常工作
- 优化AXP192初始化流程,确保电源管理芯片在系统启动时正确配置
性能测试结果
经过硬件修改后,系统性能测试结果令人满意:
-
正常工作模式:
- 峰值电流:367mA(WiFi开启时)
- 平均电流:190mA(扫描状态)
-
轻睡眠模式:
- 平均电流:约1mA
- 唤醒时间:10-100毫秒
-
完全关机模式:
- 平均电流:57.49μA
对其他版本的影响
虽然本分析主要针对T-beam 1.0版本,但类似问题可能也存在于其他版本中:
- T-beam 1.1版本可能面临相同问题,因其规格书显示输出电压为2.5V
- T-beam 1.2版本使用AXP2101芯片,需要单独处理
结论与建议
对于使用LilyGo T-beam 1.0开发板的ESP32-Paxcounter项目用户,建议:
- 实施上述硬件修改方案以确保系统稳定运行
- 关注后续软件更新中可能包含的电源管理优化
- 对于新设计,应考虑选择不存在此电源设计问题的硬件版本
这个问题展示了嵌入式系统中电源管理设计的重要性,特别是当多个子系统(如显示屏、传感器等)共享同一电源轨时,需要仔细考虑启动顺序和电压兼容性问题。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137