XPowersLib库中AXP2101低电量警告功能实现详解
2025-06-04 21:52:51作者:羿妍玫Ivan
概述
本文将深入解析基于XPowersLib库的AXP2101电源管理芯片低电量警告功能的实现方法。AXP2101是一款功能强大的电源管理芯片,广泛应用于各种嵌入式系统和物联网设备中,能够提供完善的电源管理解决方案。
硬件准备与初始化
硬件连接
在使用AXP2101芯片前,需要正确连接硬件:
- SDA引脚连接到微控制器的I2C数据线(默认为21)
- SCL引脚连接到微控制器的I2C时钟线(默认为22)
- IRQ引脚连接到中断输入引脚(默认为35)
初始化设置
bool result = power.begin(Wire, AXP2101_SLAVE_ADDRESS, i2c_sda, i2c_scl);
if (result == false) {
Serial.println("power is not online...");
while (1)delay(50);
}
初始化成功后,我们可以设置VBUS输入电压和电流限制:
power.setVbusVoltageLimit(XPOWERS_AXP2101_VBUS_VOL_LIM_4V36);
power.setVbusCurrentLimit(XPOWERS_AXP2101_VBUS_CUR_LIM_1500MA);
电源输出配置
AXP2101提供了多种电源输出通道,包括:
- 5个DC-DC转换器(DC1-DC5)
- 4个ALDO(模拟LDO)
- 2个BLDO(数字LDO)
- 1个CPUSLDO(CPU专用LDO)
- 2个DLDO(动态LDO)
我们可以通过以下方式获取各通道状态:
Serial.printf("DC1 : %s Voltage:%u mV \n", power.isEnableDC1() ? "+" : "-", power.getDC1Voltage());
// 其他通道类似...
电压监测功能
AXP2101内置了多种电压监测功能,需要手动启用:
power.enableBattDetection();
power.enableVbusVoltageMeasure();
power.enableBattVoltageMeasure();
power.enableSystemVoltageMeasure();
power.enableTemperatureMeasure();
低电量警告功能实现
警告阈值设置
AXP2101提供了两级低电量警告:
- 警告级别2(Level2):较高电量警告
- 警告级别1(Level1):极低电量警告(可能导致关机)
// 设置低电量警告阈值(5%-20%)
power.setLowBatWarnThreshold(5);
// 设置低电量关机阈值(0%-15%)
power.setLowBatShutdownThreshold(1);
实际测试得到的电压与百分比对应关系:
- 20% ≈ 3.7V
- 15% ≈ 3.6V
- 10% ≈ 3.55V
- 5% ≈ 3.5V
- 1% ≈ 3.4V
中断配置
为了接收低电量警告,需要配置中断:
// 禁用所有中断
power.disableIRQ(XPOWERS_AXP2101_ALL_IRQ);
// 清除中断状态
power.clearIrqStatus();
// 启用所需中断
power.enableIRQ(
XPOWERS_AXP2101_BAT_INSERT_IRQ | XPOWERS_AXP2101_BAT_REMOVE_IRQ |
XPOWERS_AXP2101_VBUS_INSERT_IRQ | XPOWERS_AXP2101_VBUS_REMOVE_IRQ |
XPOWERS_AXP2101_PKEY_SHORT_IRQ | XPOWERS_AXP2101_PKEY_LONG_IRQ |
XPOWERS_AXP2101_BAT_CHG_DONE_IRQ | XPOWERS_AXP2101_BAT_CHG_START_IRQ |
XPOWERS_AXP2101_WARNING_LEVEL1_IRQ | XPOWERS_AXP2101_WARNING_LEVEL2_IRQ
);
主循环处理
在主循环中,我们需要定期读取电压信息并处理中断:
void loop() {
if (millis() > interval) {
interval = millis() + 3000;
// 读取并打印电压信息
Serial.print("getBattVoltage:"); Serial.print(power.getBattVoltage()); Serial.println("mV");
// 其他电压读取...
if (power.isBatteryConnect()) {
Serial.print("getBatteryPercent:"); Serial.print(power.getBatteryPercent()); Serial.println("%");
}
}
if (pmu_flag) {
pmu_flag = false;
uint32_t status = power.getIrqStatus();
// 处理低电量警告中断
if (power.isDropWarningLevel2Irq()) {
Serial.println("The voltage percentage has reached the low voltage warning threshold!!!");
}
// 处理极低电量关机中断
if (power.isDropWarningLevel1Irq()) {
int i = 4;
while (i--) {
Serial.printf("The voltage percentage has reached the low voltage shutdown threshold and will shut down in %d seconds.\n", i);
delay(1000);
}
power.shutdown(); // 执行关机
}
// 清除中断状态
power.clearIrqStatus();
}
delay(10);
}
注意事项
-
电池百分比校准:首次使用时,电池百分比可能不准确,PMU会在充放电循环后自动学习电池曲线并校准百分比。
-
电压稳定时间:当使用稳压源测试时,降低电压后百分比不会立即变化,需要一定时间才会缓慢下降。
-
安全警告:在运行示例前,请确认PMU的外部负载电压设置,错误的设置可能损坏外部负载。
-
中断处理:确保正确配置了中断引脚,并设置了合适的上拉电阻。
总结
通过XPowersLib库,我们可以方便地实现AXP2101的低电量警告功能。合理设置警告阈值和关机阈值,可以有效保护电池和设备安全。本文详细介绍了从硬件初始化到功能实现的完整流程,开发者可以根据实际需求调整参数,实现更符合应用场景的电源管理方案。
登录后查看全文
热门项目推荐
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
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++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
343
146