墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
7.1k累计阅读
7.1k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
电路设计以及PCB制作中，经常碰见电源符号：VCC、 VDD、VEE、VSS，他们具有什么样的关系？
一、解释
VCC：C=circuit
表示电路的意思, 即接入电路的电压
VDD：D=device
表示器件的意思, 即器件内部的工作电压
VSS：S=series
表示公共连接的意思，通常指电路公共接地端电压
VEE
：负电压供电；
VEE：负电压供电VPP：编程/擦除电压。
二、说明
1、对于数字电路来说，VCC是电路的供电电压,VDD是芯片的工作电压（通常Vcc>Vdd），VSS是接地点。
2、有些IC既有VDD引脚又有VCC引脚，说明这种器件自身带有电压转换功能。
3、在场效应管（或COMS器件）中，VDD为漏极，VSS为源极，VDD和VSS指的是元件引脚，而不表示供电电压。
关于电源IC的Vcc电压，你了解吗？
什么是电源 IC 的 Vcc 电压?它有什么特点?关于绝缘型反激式转换器的性能评估，除了规格以外，需要确认的“重要检查点”本次将说明“Vcc 电压”。 MOSFET 的漏极电压和电流、及输出整流二极管的耐压 变压器的饱和 Vcc 电压 输出瞬态响应和输出电压上升波形 温度测量和损耗测量 电解电容器 Vcc 电压 Vcc 电压是用来使电源 IC 工作的电源。本电路中，利用变压器降低输入电压产生了电源 IC 的 Vcc 电压。 首先，重温一下电路。基本上不论哪种 IC，都必须要有电源才能够工作。当然，成为其他设备电源的电源 IC 也一样。DC/DC 转换器的输入电压为 DC 电压
电路中各种地，数字地DGND、模拟地AGND、功率地PGND、电源地GND、交流地AGND、大地EGND的区别及处理
Answer:在现代接地概念中、对于线路工程师来说，该术语的含义通常是‘线路电压的参考点’;对于系统设计师来说，它常常是机柜或机架;对电气工程师来说，它是绿色安全地线或接到大地的意思。一个比较通用的定义是“接地是电流返回其源的低阻抗通道”。注意要求是”低阻抗”和“通路”。Answer：对于一个电子信号来说，它需要寻找一条最低阻抗的电流回流到地的途径，所以如何处理这个信号回流就变得非常的关键。
vasp和ms_武汉理工大学赵焱课题组开发脚本 MS建模一键获取VASP输入文件POSCAR
本文给大家推介并分享一个通过Materials Studio一键获取VASP输入文件POSCAR的脚本，xsd2pos.pl。此脚本是武汉理工大学首席教授赵焱在帮助学生解决VASP计算问题时编写，解决了其他间接非手动获取POSCAR存在的问题，同时也相较于其他方法更为便捷，相信会对从事VASP计算的同行们带来便利。赵焱老师怀着哺育天下学子的情怀，希望给大家分享一下。下文介绍一下它的使用方法以及它所...
【原理图】电路中的VCC VDD VSS VEE GND含义 以及STM32电源
学习看原理图
激光光束质量评估与光斑尺寸计算：从理论到MATLAB实践
本文详细解析激光光束质量评估与光斑尺寸计算的理论基础及MATLAB实践方法，重点介绍M²因子的测量与应用。通过高斯光束模型、CCD成像法和MATLAB算法实现，帮助读者掌握从理论到实践的完整流程，提升激光系统调试与评估能力。
ROS水下仿真神器uuv_simulator：从零搭建水下机器人测试环境（附Gazebo配置全流程）
本文详细介绍了如何使用ROS和uuv_simulator从零搭建水下机器人仿真测试环境，包括Gazebo配置全流程。通过系统环境准备、水下世界构建、机器人模型定制开发等步骤，帮助开发者在虚拟海洋环境中高效验证算法，大幅降低研发成本。特别适合水下机器人研发人员参考。
IC芯片管脚的定义
常用IC芯片管脚的定义中引文翻译
基于ROS2的实时视频流转换：image2rtsp在多路相机采集中的应用
本文详细介绍了如何在ROS2机器人系统中使用image2rtsp工具，将ROS2内部的相机图像话题实时转换为标准的RTSP视频流。重点阐述了其安装配置、核心参数调优，并提供了多路相机采集的实战方案，解决了机器人视觉数据跨平台、跨网络分发的难题，极大提升了视频流集成的部署效率。
笔记：电子设备接地，接的到底是什么地？
一个比较通用的定义是“接地是电流返回其源的低阻抗通道注意要求是”低阻抗”和“通路”。接地就是指在系统与某个电位基准之间建立低电阻通路，相同接地点之间的连线被称为地线。它与大地是不同的。有时候需要将它与大地连接，有时候也不需要，视具体情况而定。引入接地技术，最初是为了防止电力或电子等设备遭雷击而采取的保护性措施，目的是把雷电产生的雷击电流通过避雷针引入到大地（防雷接地），从而起到保护作用。
Jenkins中文显示不全？三步搞定Locale插件+汉化包的正确安装姿势
本文针对Jenkins界面中文显示不全问题，提供从原理到实战的深度解决方案。文章详细解析了Locale插件与中文语言包的核心机制，并分步指导如何通过配置JVM环境、正确安装插件及执行深度排查，彻底解决汉化顽疾，实现Jenkins界面的完美中文显示。
电芯外观及体系设计(Cell Design)-①容量平衡设计(Cell Balance Design)
全面获取并正确解读客户需求，将需求进行分解和预判，结合公司现有资源、技术，给出设计方案。一个优秀的电芯设计方案，应该是稳健的，可操作的，满足客户需求的同时，并能为公司带来较多利润。电芯设计需同时考虑周期，性能，品质，加工性，成本，及安全与稳健性。设计人员时刻要有成本控制观念，但利润则是由公司战略所决定。
VCC，VDD，VSS是什么意思？
介绍了VCC，VDD，VSS是什么意思
数控系统（CNC）系列：Hurco VMX42SR_（3）.控制系统硬件组成部分
控制箱是CNC系统的核心部分，负责处理所有的控制指令和数据。它通常包含主控板、电源模块、接口板等关键组件。伺服驱动器是CNC系统中的关键组件，负责将主控板发出的控制信号转换为电机所需的驱动电流。它通过闭环控制确保电机的精确运动。电机是CNC系统中的执行机构，负责实现主控板发出的运动指令。常见的电机类型包括步进电机和伺服电机。传感器是CNC系统中的重要组件，用于检测和反馈机床的运行状态。常见的传感器类型包括位置传感器、速度传感器、温度传感器等。电源供应系统为CNC系统的所有组件提供电力。主电源。
xilinx芯片管脚使用限制_Xilinx-FPGA器件管脚说明doc
管脚名称I/O配置配置后I/O管脚描述专用管脚VCCII有多个VCC管脚，每个都必须连接＋5V电源，且每个引脚最好连接一个0.01-0.1UF的电容到地。GNDII有多个GND管脚，每个都必须接地。CCLKIorOI配置期间，主动配置方式时为输出或异步外围模式；从配置方式时为输入或同步外围模式。配置完后，CCLK有一个弱上拉电阻，并能够被选为回读时钟。DONEI/OODONE是一个带有内部上拉...
SAP成本核算的核心逻辑
SAP成本核算采用"计划-归集-分析"闭环管理，以CO模块为核心，集成PP、MM等模块。核算前需配置标准成本控制范围、成本中心等主数据。标准成本通过BOM和工艺路线计算（CK11N），采购和生产过程记录实际成本差异。制造费用通过成本中心归集，作业成本按实际耗用量分配。完工产品按标准成本入库，月末通过KO88结算工单差异，物料分类账（CKMLCP）还原实际成本。整个流程实现FI与CO数据同步，确保账务一致。关键事务码包括CK11N（成本估算）、MIGO（物料移动）、CO11N（报工）等。
STM32F407中文手册
STM32f407中文手册 本参考手册面向应用开发人员，提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列，各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性，请参见数据手册。有关 ARM Cortex™-M4F 内核的信息，请参见《Cortex™-M4F 技术参考手册》。
TPS65130使用（单电源转正负双电源升压芯片）
我真是服了，TI给参考原理图是省电模式。这尼玛坑的是，在不带载和带轻载的时候，电压都是正常的，结果等我焊接完重载后，电流库库网上增，麻了啊。要是大家不怎么接触开关电源这块，还是建议直接买现成的模块，4块钱包邮解君愁。我在下一个版本里使用的是连续模式，不是省电模式。等我全部测试完毕，再给大家发出来。行，这篇我就帮不上什么忙了，毕竟我接触开关电源也比较少，预祝大家制作成功。
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
AG32管脚的配置
比如：上图的PIN_33，如果ADC的channal14在使用，那这个管脚只能用于这路ADC。用户可以把它配置成uart0_tx，也可以配置成GPIO1_2，还可以配置成spi_cs，等等。信号线，是指MCU里能操作的信号线，比如gpio1_1/uart0_tx/spi_cs等等，在连接在mcu内核上的信号接点；管脚，就是芯片裸露在外边的引脚（32PIN的有32个管脚，64PIN的有64个管脚...）另外，其中的ADC和USB的管脚，如果不接ADC和USB，仍然是可以被用做普通IO的。
Statistics and Machine Learning Toolbox
Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具
lwip-2.0.3
lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。
USB2.0接口管脚定义
USB2.0接口管脚定义 USB，是英文UniversalSerialBus（通用串行总线）的缩写，而其中文简称为“通串线”，是一个外部总线标准，用于规范电脑与外部设备的连接和通讯。是应用在PC领域的接口技术。USB接口支持设备的即插即用和热插拔功能。USB是在1994年底由英特尔、康柏、IBM、Microsoft等多家公司联合提出的。外观...
STM32电源之Vref（ADC的参考电压）
ADC的参考电压都是通过Vref+提供的。ADC和DAC参考电压为了确保在低压输入和输出上有更好的精度，用户可以在VREF+上连接一个低于VDDA的单独参考电压——VREF+是模拟输入(ADC)或输出(DAC)信号的最高电压，用满量程值表示。二、选用外部参考基准电压，其原理同第一种是一样一样的，只不过将第一种中的参照电压换成了自己设定的基准源的电压，公式同上。在小于等于64Pin的芯片中，在芯片的内部Vref+是和VDDA连接在一起的，也就是说ADC的是以VDDA为参考电压的。VREF+约2.048 V。
FPGA入门：如何看懂管脚信息表和原理图的管脚
指的是物理引脚资源。比如B5_IO_R20，指的是这颗芯片上实实在在存在的、可以用来传输信号的金属触点。指的是逻辑功能。当你写 Verilog 代码，把这个引脚定义为“连接一个LED控制开关”时，这个IO就被你配置成了GPIO（通用输入输出）模式。它们描述的是同一个电信号（Net）在电路板传输路径上的不同节点。举例表格中第40行的数据：40B5_IO_R20A61PIN_R20FPGA芯片内部的逻辑信号。通过芯片底部的 R20焊球（对应“标识”PIN_R20）流出。通过PCB走线，连到了。
XCZU19EG_FFVC1760芯片的封装和管脚
XCZU19EG_FFVC1760芯片的封装和管脚
17原理图查找连接的管脚接口_第三节 主板原理图之标识的作用
1、附加电路：主要将主信号或主电压进行转换或变换的电路。如下图：是将 AVDD 电压通过阻容电路转换为VCC_MT6189的专用电压。如图： 2、线路连接页号提示：为了用户方便查找，在每一条非终端的线路上会标识与之连接的另一端信号的页码。 例如下图：我们想查找 FM_INR 和FM_INL 由谁输入到 U601 的，那么根据线路连接页号提示，就可以直接寻找第...
KP311BWGA 5V150mA非隔离型降压芯片（典型电路及管脚封装解析）
在小家电和辅助电源领域，工程师们常常面临一个挑战：如何在有限的空间和预算内，实现高效、稳定的电源设计。传统方案往往需要多个分立元件，不仅增加了成本，还提高了设计的复杂性。必易推出的，以其高性能、低成本和高集成度，为这一挑战提供了一个全新的解决方案。这款芯片将 500 V 高压 MOSFET、续流二极管、高压启动电路和采样电阻集成在一个 ASOP-7 封装中，不仅简化了设计，还显著降低了系统成本和功耗。贴片电阻 ×1（假负载 1 kΩ）贴片电容 ×3（输入/输出/VDD）二极管 ×1（续流，片内集成）
viper12a电源电路图_VIPer12A功率开关电源IC.pdf
VIPer12A功率开关电源ICLK VIPer12A AC/DC PWM功率开关- 1 -特点? 宽电压 85~265Vac 输入? 待机功耗小于 120mW@220Vac? 集成高压启动电路? 集成高压功率开关? 9V~38V 宽 VDD 工作电压? 电流模式 PWM 控制方式? 内置过温、过流、过压、欠压锁定等保护功能? 兼容 VIPer12 管脚(不需要修改电路走线及变压器)? 封装形式：...
关于AM5728的电源
分析AM5728及评估板的电源
Altium Designer 画元器件库，别再搞错管脚名和序号了（新手避坑指南）
本文详细解析了Altium Designer中元器件库绘制时管脚名与管脚标识符的区别与正确设置方法，帮助新手避免常见错误。通过实例演示和操作指南，确保原理图符号与PCB封装的准确对应，提升电子设计效率与可靠性。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
1万+
扫一扫
