发布时间:2024-06-13 阅读量:1636 来源: 综合自网络 发布人: wenwei
【导读】精密电阻往往和高精度电阻关联到一起,精度代表电阻阻值的准确性,事实上这种准确性受很多因素的影响。这些影响阻值准确性的因素我们统称为“应力”。应力来自很多方面,比如环境温度的变化,电阻自身通电后产生的自热,来自PCB 的压力或拉力,外部环境的湿气,甚至是腐蚀性的气体,还有比如焊接,脉冲,过载,静电,辐射等等。所有上面提到的“应力”都会使电阻的阻值产生变化,就是说影响电阻的阻值精度,那么什么样的电阻才是精密电阻?答案是稳定性和精确性并存的电阻。
一、为什么稳定性比精确性更为重要 ?
电阻的阻值会受到各种“应力”影响而发生改变,离开稳定性的高精度是没有意义的。举个例子,电阻出厂时的精度是+0.01%,为这个精度我们支付了昂贵的费用,但在几个月的存储或者几百小时的负载后阻值可能变化超过+300ppm 甚至更多。另一种最常见的情况是电阻在来料检验的时候在标称的精度范围以内,焊接到 PCB 后就超出了标称的精度范围。还有比如潮湿,静电等都会导致电阻的阻值产生不可逆的变化。我们要强调的是稳定性应该放在首位来考虑,而不是片面的追求高精度。
二、精密电阻的主要参数
1、精度
精度是来料检验的重要指标,是否所有的精密电阻生产厂家在出厂前都做了100%的精度测试?答案是否定的。虽然精密电阻有很多不同的工艺和材料的区分,但几乎所有的精密电阻都需要进行调阻才能做到“高精密”。比如精密薄膜电阻在表面进行激光调阻,而精密箔电阻通过切断调阻带来调阻等。调阻的过程事实上是测量的过程,但调阳后的产品并非成品,还要经过封装等一些后续工艺,这一过程可能会对电阻的阻值造成影响。另外测量仪器的准确性和正确的测量方法也相当重要,尤其对于超过万分之一精度的电阻,以及毫欧电阻,高阻值的精密电阻。
2、温飘
在电阻的规格书里,我们往往只看到一个温飘指标,比如±5ppm/°C。实际的情况是很可能这个温飘指标并没有覆盖产品需求的工作温度范围,就是说在不同的温度区间内,同一电阻的温飘是有区别的。应该说大多数的精密电阻厂家的规格书里并没有明确定义不同温度区间的温飘指标,有些厂家只在整个工作温度范围内挑选其中最好的一段曲线作为规格书中的温飘指标,这是一个普遍的现象。还有一个事实是温飘指标在出厂前很难被 100%测量,测量需要昂贵的费用。另外要进行精确的测量可能对产品本身产生破坏性的影响,比如贴片电阻的温飘测量一般都建议焊接在 PCB 板上进行,温飘的测量过程带来的应力会使阻值产生变化。温飘的控制主要基于电阻材料本身以及制造工艺。比如精密箔电阻通过使用特殊的低温飘合金以及应力补偿的方式达到接近零温的性能。
3、阻值及误差
通常为低阻来减少回路的功率损耗,其阻值精度直接影响测量精度,通常采用0.5%与1%。
4、功率
即散热能力的表现,同样阻值状态下,功率越大其载流能力就越大,同时与其布板或连接端子大小息息相关,外接电路散热能力越强,对应热阻就越低,通流能力也相应提高。
特瑞仕半导体株式会社(日本东京都中央区 董事总经理:木村 岳史,以下简称“特瑞仕”) 开发了开发了符合车载AEC-Q100 Grade 1标准的降压型DC/DC转换器新产品——XD9704/XD9705系列。
2026年8月6日,英飞凌(Infineon)联合合作伙伴举办“Infineon SST技术与应用解析”线上研讨会,围绕固态变压器(SST)的设计与应用,重点解读其功率器件如何提升系统效率、简化级联设计,推动SST在数据中心、储能及电动汽车充电等场景中的落地。
随着AI算力需求的爆发式增长与先进制程的持续演进,半导体产业正从单点技术突破迈向全链条协同发展的新阶段。2026年9月9日至11日,IICIE国际集成电路创新博览会(IC创新博览会)将在深圳国际会展中心盛大启幕。本届展会以“跨界融合、全链协同,共筑特色芯生态”为主题,深度联动CIOE中国光博会与elexcon深圳国际电子展,打造总规模达32万平方米、汇聚超5000家参展企业与24万名专业观众的国际化高端平台。通过“一证通览三展”的创新模式,IICIE将全面贯通半导体、光电与电子嵌入式三大关键领域,为产业上下游提供高效、精准的资源对接通道。
随着生成式AI商业化进程的加速,算力需求呈指数级增长,头部大模型厂商的竞争正从算法层全面延伸至底层硬件基础设施。今日,知名人工智能企业Anthropic首次公开确认,已正式组建内部半导体团队,为其核心产品Claude大模型开发定制化AI芯片。这一举措标志着该公司正从“纯模型研发”向“模型+芯片一体化”方向转型,旨在通过软硬件协同设计突破通用算力瓶颈,在日益激烈的AI“造芯”竞赛中掌握算力成本的主动权。
随着人形机器人加速迈向人机共融的开放场景,如何平衡设备的稳定性、安全性与响应能力,已成为决定其能否真正落地的关键。人形机器人面临着一项极具挑战的全身控制难题:全身数十个关节、传感器与执行器必须实现毫秒级的精准协同,才能维持机体动态平衡并完成定向动作。一旦协同机制失效或控制回路出现时延,机器人便会面临失足摔倒甚至引发安全事故的风险。 针对这一行业痛点,ADI指出,2026年正成为物理智能从概念迈向现实的关键之年。当智能脱离抽象的数据领域,真正进入运动、受力与交互并存的物理场景后,其底层架构必须发生根本性变革。 本文将深度解析机器人智能的实际承载位置,梳理中央计算单元、边缘系统与本地控制模块的职能划分,并阐明此类分布式架构设计对于实现确定性物理智能的核心意义。