DIY无人机--升压降压电路

DIY无人机--升压降压电路

这是无人机的电源管理核心,把电池电压一步步变成系统需要的稳定电压,我分模块给你讲清楚

1. 整体功能

  • 输入:锂电池(DC4.2V,满电电压,实际放电会到 3.7V 左右)
  • 输出
    • 5V:给电机、无线模块等供电
    • 3.3V:给 STM32、陀螺仪等精密芯片供电
  • 流程:电池 → 防反接 → 开关 → 升压到 5V降压到 3.3V

逐模块拆解

🛡️ ① 防反接 + 电源开关部分

  • JP2:电池接口,VBAT接电池正极,GND接负极
  • D5(二极管 S4):防反接保护
    • 原理:电池接反时,二极管截止,电流无法流通,保护后面电路不被烧毁
    • 正常接法:电池正极 → 二极管 → 后级电路
  • KG1(MSS22D18):双刀双掷电源开关
    • 作用:控制整个系统电源通断
    • 引脚:1/2/3 为一组,4/5/6 为一组,拨到一边时VBATVCC4.2V导通,拨到另一边断开

⚡ ② 升压电路(BL8530:4.2V → 5V)

这是一个升压 DC-DC 电路,把电池的 3.7~4.2V 升到稳定 5V:

  • L1(47UH 电感):储能元件
    • 原理:芯片内部开关管导通时,电感充电;开关管断开时,电感释放能量,抬升电压
  • U3(BL8530):升压芯片
    • IN:输入(接电池电压 VCC4.2V)
    • OUT:输出(5V)
    • GND:接地
  • D6(二极管 S4):整流二极管
    • 作用:只允许电流从电感流向输出端,防止输出电压倒灌回电感
  • C15(47UF):输出滤波电容
    • 作用:平滑 5V 输出电压,滤除纹波,让电压更稳定

🔌 ③ 降压电路(662K:5V → 3.3V)

这是一个低压差线性稳压器(LDO),把 5V 稳定降到 3.3V:

  • U4(662K):LDO 芯片
    • Vin:输入(接 5V)
    • Vout:输出(3.3V)
    • ADJ:可调引脚,这里通过内部电阻固定输出 3.3V
    • GND:接地
  • C5/C6(104 = 0.1UF):高频滤波电容
    • 作用:滤除高频噪声,防止电路自激
  • C17(47UF):输出滤波电容
    • 作用:平滑 3.3V 输出,应对负载突变(比如 STM32 突然大电流工作)

3. 完整电流流向(从电池到 3.3V)

  1. 电池正极 → JP2 → D5(防反接) → KG1(电源开关) → VCC4.2V
  2. VCC4.2V → L1 电感 → U3(BL8530)IN → 内部升压 → OUT 输出 5V
  3. 5V → D6 整流 → C15 滤波 → 得到稳定 5V
  4. 5V → U4(662K)Vin → 内部降压 → Vout 输出 3.3V
  5. 3.3V → C6/C17 滤波 → 给 STM32、陀螺仪等模块供电

4. 关键知识点

  • 为什么要先升压再降压?锂电池电压会从 4.2V 掉到 3.0V,直接给 3.3V 模块供电会不稳定;先升到稳定 5V,再降到 3.3V,能保证全放电周期内电压都稳定。
  • 二极管 D5/D6 的区别
    • D5:防反接,保护电路
    • D6:升压电路的整流管,配合电感实现升压
  • 电容的作用:所有电容都是 “滤波”,像小水库,把电压波动抹平,让芯片吃到干净稳定的电。

Read more

了解ASR(自动语音识别)和模型Whisper

ASR是自动语音识别技术,现代端到端的主流ASR架构为: 音频 → [预处理 → 神经网络编码 → 解码] → 文本                ↑                                           ↑            信号处理                          深度学习 Whisper 是由 OpenAI 于 2022 年发布的开源语音识别模型。它是一个基于 Transformer 架构的端到端模型,具有以下核心特点:多任务模型、多语言支持、多种格式、强鲁棒性和无需微调开箱即用。 一、ASR 音频输入与预处理一般通过ffmpeg与VAD配合完成 1、特征提取与编码 现在的ASR通常使用声学特征直接输入神经网络。 常见的声学特征有以下四种,但是现在一般直接使用神经网络自动学习特征,例如Conformer编码器就是神经网络组成的。 * MFCC(梅尔频率倒谱系数):13-40维 * 梅尔频谱(Mel-Spectrogram):80-128维   * 滤波器组(Filter Bank):40-80维 * 原

MATLAB实现基于烟花算法(FOA)进行无人机三维路径规划的详细项目实例(含完整的程序,GUI设计和代码详解) 还请多多点一下关注 加油 谢谢 你的鼓励是我前行的动力 谢谢支持 加油 谢谢

MATLAB实现基于烟花算法(FOA)进行无人机三维路径规划的详细项目实例(含完整的程序,GUI设计和代码详解) 还请多多点一下关注 加油 谢谢 你的鼓励是我前行的动力 谢谢支持 加油 谢谢

目录 MATLAB实现基于烟花算法(FOA)进行无人机三维路径规划的详细项目实例... 1 项目背景介绍... 1 项目目标与意义... 2 提升无人机自主导航能力... 2 促进智能优化算法应用落地... 2 优化三维路径规划精度和效率... 2 提供完整的三维环境建模与仿真平台... 2 增强系统鲁棒性和适应性... 2 支撑无人机复杂任务需求... 3 推动智能控制与航空航天交叉融合... 3 培养智能算法工程化能力... 3 项目挑战及解决方案... 3 高维三维空间路径规划复杂性... 3 动态环境下的路径更新难题... 3 约束条件复杂多样... 3 路径平滑性与可执行性保障... 4 算法参数调优困难... 4 计算资源与时间限制... 4 环境建模精度与真实感不足... 4 项目模型架构... 4 项目模型描述及代码示例... 5 项目特点与创新... 9 高效的三维路径优化机制... 9 多维度约束融合能力.

Z-Image-GGUF提示词优化:使用‘--ar 1:1’‘--style raw’等ComfyUI原生命令增强控制力

Z-Image-GGUF提示词优化:使用‘--ar 1:1’‘--style raw’等ComfyUI原生命令增强控制力 1. 项目简介与核心价值 今天我们来聊聊一个能让你的AI绘画更听话、更精准的秘密武器——Z-Image-GGUF模型中的ComfyUI原生命令。如果你用过Z-Image,可能会觉得它生成的图片质量不错,但有时候就是不听使唤,想要正方形图却给了长方形,想要写实风格却偏要加点艺术滤镜。 这就是我们今天要解决的问题。 Z-Image-GGUF是阿里巴巴通义实验室开源的一个文生图模型,它最大的特点就是支持GGUF量化格式,这意味着你不需要顶级显卡也能跑起来。但很多人不知道的是,这个模型在ComfyUI里隐藏着一套强大的原生命令系统,就像给你的AI画笔装上了精准的导航仪。 让我给你看个对比: * 普通提示词:a beautiful landscape * 优化后提示词:a beautiful landscape --ar 1:1 --style raw --no blurry 第一个可能给你任何尺寸、任何风格的风景图,第二个则明确告诉你:我要1:1的正方形

Uniapp+Vue3 使用父传子方法实现自定义tabBar

一、流程介绍 代码编写顺序 * 第一步:pages.json配置tabbar并配置custom配置项 * 第二步:编写自定义tabbar组件的静态代码(最好使用v-for去写,仿照原生tabbar逻辑) * 第三步:各tabbar页面调用tabbar组件,并传入tabbar索引值 * 第四步:tabbar组件接受传入的值,通过传入索引值判断高亮对象,点击另外的tabbar图标时跳转到相应页面 页面执行顺序 * 第一步:跳转到新的tabbar页面,该组件中的数据重置 * 第二步:tabbar页面向组件传入索引并保存在currentIndex中 * 第三步:v-show判断相应tabbar图标高亮 * 第四步:点击新的tabbar,执行handleItemClick操作,跳转到新的tabbar页面(回到第一步) 二、代码 在page.json中定义tabbar 在page.json中定义tabbar并将custom设置为true 启用自定义tabbar的配置,可以将默认的tabbar隐藏 仍然使用uniapp默认的tabbar定义方式是为了防止跳转过程