发布时间：2025-03-6 阅读量：2211 来源: 发布人: lina
【导读】电子电路中的电流通常必须受到限制。例如在USB端口中，必须防止电流过大，以便为电路提供可靠的保护。同样在充电宝中，必须防止电池放电。放电电流过高会导致电池的压降太大和下游设备的供电电压不足。
电子电路中的电流通常必须受到限制。例如在USB端口中，必须防止电流过大，以便为电路提供可靠的保护。同样在充电宝中，必须防止电池放电。放电电流过高会导致电池的压降太大和下游设备的供电电压不足。
因此，通常需要将电流限制在一个特定值。大多数功率转换器都有过流限制器，以保护其免受额外电流造成的损坏。在一些DC-DC转换器中，甚至可以调整阈值。
在图1中，还可以使用具有内置甚至可调节限流器的DC-DC升压转换器。在这种情况下，无需额外的限流器模块。不过，也有许多应用在电源通路中不使用DC-DC转换器。例如，当系统中的电压为24 V时，该线路中的电流应受到限制，但负载必须恰好在24 V电压下运行。在这种情况下，可以使用额外的限流器模块，如图1中蓝色所示。
限流器电路提供了针对这一问题的解决方案。它来自保护模块系列，包括热插拔控制器、浪涌保护器、电子电路保护器和理想二极管。
市场上的大多数IC都使用外部MOSFET作为打开和关闭电流的开关，同时也用于限制电流，在这种情况下，开关的工作方式类似于线性稳压器。然而，这种开关必须确保MOSFET始终在其安全工作区(SOA)内运行。否则，半导体和电路将会受损。遗憾的是，选择一个合适的MOSFET并以一种永远不会越过SOA的方式运行有时并非易事。工作温度、电压、电流，特别是时间，均会对其造成影响。为确保安全运行，必须仔细考虑这些因素，做出正确选择。图2显示了典型N沟道MOSFET的SOA图。允许MOSFET在所示线路下方运行。
图3显示了一个专用限流器IC——ADI公司的 MAX17523 。它有两个MOSFET，可以将电流限制在150 mA和1 A之间的某个值。如果电流达到限值，则切断电流并等待一段时间后恢复，或者电流持续中断，直到下一次导通，又或者通过降低电压来限制电流。然后，内部MOSFET在欧姆区中工作。这是一种线性稳压器功能。在这些可调节的限制模式中，内部MOSFET始终位于SOA内，不会受损。无需进行详细的计算或评估。
如果使用合适的高度集成IC，则限制电路中的电流不是问题。也可以将这类电路与没有可调节限流器的DC-DC变换器相结合。
免责声明：本文为转载文章，转载此文目的在于传递更多信息，版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题，请联系小编进行处理。
推荐阅读：
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。
