非屏蔽电感和电感上电流不稳定惹的祸

本文分析了一块使用78L33芯片将电压降至3.3V,再通过BL8530芯片升至5V的电路板频繁烧毁芯片的问题。发现78L33输出不稳定及电感引起的干扰可能是故障根源,需进一步研究电感的辐射干扰及电流变化产生的电动势。

做的一个板子,首先用一个78L33芯片把输入的电压降低到3.3V,然后jin'紧接着一个3.3V到5V的升压芯片BL8530,电路上有一个电感,非屏蔽的。这个板子经常发现有发有烧芯片的现象。

很长一段时间不知道啥原因导致的。直到有一天一个客户做的ban'板子寄到我这里测试,发现他的78L33用万用表测输出的是3V。波纹很小。但是会发现会规律性的zai在电源sh上出现干扰,而且和这个电感经过的电流频率相关。

这可能就是板子jin经常烧芯片的原因。可能是电感的辐射干扰,也可能是电感电流的周期性大范围变化chan产生的电动势。

还要进一步研究。

内容概要:本文是一篇关于使用RandLANet模型对SensatUrban数据集进行点云语义分割的实战教程,系统介绍了从环境搭建、数据准备、模型训练与测试到精度评估的完整流程。文章详细说明了在Ubuntu系统下配置TensorFlow 2.2、CUDA及cuDNN等深度学习环境的方法,并指导用户下载预处理SensatUrban数据集。随后,逐步讲解RandLANet代码的获取与运行方式,包括训练、测试命令的执行与参数含义,以及如何监控训练过程中的关键指标。最后,教程涵盖测试结果分析、向官方平台提交结果、解读评估报告及可视化效果等内容,并针对常见问题提供解决方案。; 适合人群:具备一定深度学习基础,熟悉Python编程深度学习框架,从事计算机视觉或三维点云相关研究的学生、研究人员及工程师;适合希望动手实践点云语义分割项目的初学者与进阶者。; 使用场景及目标:①掌握RandLANet网络结构及其在点云语义分割任务中的应用;②学会完整部署一个点云分割项目,包括数据处理、模型训练、测试与性能评估;③为参与相关竞赛或科研项目提供技术支撑。; 阅读建议:建议读者结合提供的代码链接密码访问完整资料,在本地或云端环境中边操作边学习,重点关注数据格式要求与训练参数设置,遇到问题时参考“常见问题与解决技巧”部分及时排查。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值