Raspberry Pi Pico 2低功耗模式深度解析与实践指南
2025-06-25 16:39:15作者:庞队千Virginia
前言
Raspberry Pi Pico 2作为新一代微控制器,其低功耗特性备受开发者关注。本文将深入探讨Pico 2的低功耗实现机制,并提供完整的实践方案,帮助开发者实现微安级功耗控制。
Pico 2低功耗架构解析
Pico 2基于RP2350芯片,提供了多种可编程电源状态(Power State),从P0到P15共16个级别。其中P1.7(二进制1111,十进制15)是最深的低功耗状态,理论功耗仅0.148mA。
电源管理单元(powman)是控制这些状态的核心模块,通过powman_set_power_state()和powman_get_power_state()函数进行状态切换和查询。
实现超低功耗的关键步骤
1. 基础电源状态设置
uint32_t ps = 15; // P1.7状态
int result = powman_set_power_state(ps);
if(result != 0) {
// 错误处理
}
2. USB PHY关闭与引脚配置
要实现数据手册中的0.148mA超低功耗,必须正确处理USB相关电路:
// 关闭USB PHY
usb_hw->muxing = 0;
usb_hw->pwr = 0;
// 启用DP/DM内部下拉
gpio_set_pulls(USB_DM_PIN, true, false);
gpio_set_pulls(USB_DP_PIN, true, false);
3. 外设与GPIO处理
- 断开所有未使用的GPIO连接
- 移除调试接口(SWD/SWCLK)
- 对于电池供电系统,建议移除R10电阻(需谨慎操作)
实测数据与优化建议
在不同配置下实测的功耗数据:
- 仅设置电源状态:约0.7mA
- 断开USB/UART/SWD:约0.36mA(VSYS供电)
- 完整优化配置:0.15mA(符合数据手册规格)
完整示例代码
#include "pico/stdlib.h"
#include "hardware/powman.h"
#include "hardware/usb.h"
void enter_ultra_low_power() {
// 配置USB
usb_hw->muxing = 0;
usb_hw->pwr = 0;
gpio_set_pulls(USB_DM_PIN, true, false);
gpio_set_pulls(USB_DP_PIN, true, false);
// 设置最深低功耗状态
powman_set_power_state(15);
// 进入休眠
__wfi();
}
注意事项
- 超低功耗模式下调试接口将不可用
- 唤醒后需要重新初始化USB等外设
- 实际功耗受PCB设计和外部电路影响较大
- 电池供电时需考虑唤醒后的电压稳定性
未来展望
Raspberry Pi官方正在开发更高层次的电源管理API,未来可能会提供更简便的低功耗控制接口。开发者可以关注SDK更新,或参考本文方案实现当前的超低功耗需求。
通过本文介绍的方法,开发者可以充分发挥Pico 2的低功耗优势,为电池供电的IoT设备提供长达数年的运行时间。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
191
210
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
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
481
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
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++
649
270
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
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
211