Hubris项目中LM5066热插拔控制器的电流测量校准问题分析
2025-06-26 21:38:25作者:姚月梅Lane
问题背景
在Hubris项目中使用LM5066热插拔控制器时,发现电流测量值存在明显的比例误差。当实际负载电流为1A时,系统报告值为1.4A;2A负载时报告2.82A;3A负载时报告4.24A。这表明测量值比实际值高出约1.4倍。
根本原因分析
经过技术团队调查,发现问题源于电流检测电阻的配置不匹配。电路设计中实际使用了7毫欧的电流检测电阻,但系统计算时却基于5毫欧的电阻值进行换算。根据欧姆定律(V=IR),当检测电阻值增大时,相同的电流会产生更大的电压降,导致测量值偏高。
解决方案实现
技术团队通过以下两个主要修改解决了这一问题:
-
基础校准修正:首先修正了电流比例系数,将计算基准从5毫欧调整为实际使用的7毫欧电阻值。这一修改确保了电流测量的基础准确性。
-
测量噪声优化:进一步增加了测量平均功能,通过配置256次采样平均,将测量更新率优化至约4Hz。这种处理方式有效降低了测量噪声,提高了数据的稳定性和可靠性,同时保持了足够的响应速度。
技术细节补充
LM5066控制器提供了灵活的测量配置选项:
- 支持通过PMBus接口读取多种参数,包括输入电压、电流、输出功率等
- 提供块读取功能,可一次性获取多个测量值
- 具有可配置的采样平均功能,用户可根据应用需求平衡测量精度和响应速度
在实际应用中,选择256次平均是一个合理的折中方案,既保证了约4Hz的更新率满足大多数监控需求,又显著提高了测量精度。
总结
通过这次问题解决,项目团队不仅修正了电流测量误差,还优化了整体测量系统的性能。这为系统提供了更准确的电源监控数据,对于确保设备稳定运行和故障诊断具有重要意义。同时,这一案例也展示了在嵌入式系统中正确处理传感器校准和噪声抑制的重要性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0204- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
608
4.05 K
🔥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
69
21
暂无简介
Dart
850
205
🎉 (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
1.47 K
829
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
12
1
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
24
0
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++
924
774
🎉 基于Spring Boot、Spring Cloud & Alibaba、Vue3 & Vite、Element Plus的分布式前后端分离微服务架构权限管理系统
Vue
235
152
昇腾LLM分布式训练框架
Python
131
157