KTH5774 —— 3D 摇杆/操纵杆霍尔位置传感器芯片

KTH5774 是一款摇杆、操纵杆专用的 3D 霍尔磁感
应芯片,主要面向对线性度和可靠性要求严格的应用
场景。 KTH5774 基于 3D 霍尔技术,内部分别集成了 X
轴、 Y 轴和 Z 轴三个独立的霍尔元件,能够通过测量和
处理磁通密度矢量的三个空间分量(即 B
X
、 B
Y
和 B
Z

来感知其周围任何移动的磁铁。信号链采用高精度运
放通过 16 bit ADC 将模拟信号转换后,提供给内置的
高性能 DSP 模块进行进一步数据处理。内部集成了摇
杆中心和外圈校正算法,配合可编程参数,可大大提
高摇杆出厂一致性和降低测试成本。
相较于传统的线性霍尔传感器摇杆, KTH5774 直
接将磁场强度与摇杆位移成比例映射, 3D 霍尔摇杆采
取了一种创新的机制来确定其机械位置。它通过分析
磁场在垂直( BZ )和平行( BX 、 BY )方向上的比值
" BZ/BX "和" BZ/BY ",运用反正切函数( ATAN )
运算来精确实现位置解算。这种方法从基本原理上自
动校正了因间隙变化、温度影响或器件老化等引起的
磁通密度波动,不再单纯依赖于磁场的绝对强度测量,
从而克服了标准线性霍尔摇杆面临的挑战,比如对模
具 精度 、磁 铁 一致 性 和组 装精 度 的严 苛 要求 。
KTH5774 型号的 3D 霍尔传感器正是这一技术进步的
体现,它极大改善了在实际生产中的热稳定性问题。
即使面对制造过程中难以避免的公差,例如霍尔元件
与磁体相对位置的微小偏差,该传感器依然能够展现
出卓越的线性度和稳定性,确保了在复杂或非理想条
件下依然保持高水平的性能表现。总之基于 3D 霍尔原
理的专用芯片 KTH5774 的从设计端的革新带来了更
高的精度、稳定性和适应性,减少了对外部因素变动
的敏感性,提升了整体系统的可靠性和用户体验。
KTH5774 芯片内集成了两种控制方式其可以通
过一条命令即可进行切换,第一种是基于笛卡尔坐标
系(将 3D 算法后的结果映射到平面控制),第二种是
基于极坐标系(方位角和极径)。它们之间的区别在于
控制的逻辑和直观感受如下:

  1. 二维空间的平面控制方式:
    控制逻辑:这种控制方法直接对应于我们熟悉
    的二维平面上的点,摇杆的前、后、左、右移动分别
    增加或减少对应的数值
    用户通过推动摇杆沿水平或垂直方向移动,直
    观地控制在平面上的前后左右行进。
    直观性:对于大多数用户来说,这种控制方式
    非常直观,因为它模拟了我们在平面上直接移动的概
    念,易于理解和操作。
    操作简便:操作上相对简单,适合于需要快速
    反应和平面直行、转弯的应用场景。
  2. 基于极坐标系的方位角和极径方式:
    控制逻辑:在这种控制模式下,摇杆的移动被
    解释为在极坐标系中的变化。方位角(或称作角度)
    决定了前进的方向,而极径(如应用到轮椅控制中,
    类比为速度或加速度的控制)则可关联到行进速度或
    强度。用户通过摇杆的旋转来改变行进方向,而摇杆
    的推压深度可控制移动的距离或速度。
    直观性:这种控制方式在某些特定场景下可提
    供更灵活的控制,比如需要连续旋转或以非线性路径
    移动时,能够提供更细腻的控制体验。
    总的来说,基于平面的控制方式更适用于一般用
    户和日常的直线及简单转向操作,而基于极坐标的控
    制方式可为需要精细操作或特定移动模式的用户提供
    更多控制选项。
    此外 KTH5774 将处理后的位置信息可以通过多
    种接口形式输出给主控,可支持数字接口 UART/IIC ,
    也可以通过模拟信号的形式给出。
    主要特性

    绝对 3D 位置检测

    磁路设计简单

    温度偏移补偿

    集成摇杆中点和外圈多点校准算法

    支持多种工作模式和数据输出格式

    支持 UART 通信,波特率可编程设置

    支持 IIC 通信,快速模式 400KHz

    支持双路模拟输出

    工作电压 2.8V ~ 5.5V

    工作温度 -40 ~ +85 ℃
    典型应用

    操纵杆
相关推荐
BOLD-Rainbow9 小时前
DCRNN (Diffusion Convolutional Recurrent Neural Network)
人工智能·深度学习·机器学习
zhangfeng11339 小时前
如何用小内存电脑训练大数据的bpe,16g内存训练200g数据集默认是一次性读入内存训练
大数据·人工智能
Candice Can9 小时前
【机器学习】吴恩达机器学习Lecture1
人工智能·机器学习·吴恩达机器学习
老蒋每日coding9 小时前
AI Agent 设计模式系列(十五)—— A2A Agent 间通信模式
人工智能·设计模式
搞科研的小刘选手9 小时前
【智能检测专题】2026年智能检测与运动控制技术国际会议(IDMCT 2026)
人工智能·学术会议·智能计算·电子技术·智能检测·运动控制技术·南京工业大学
Elastic 中国社区官方博客9 小时前
Agent Builder 现已正式发布:在几分钟内发布上下文驱动的 agents
大数据·人工智能·elasticsearch·搜索引擎·ai·全文检索
翱翔的苍鹰9 小时前
通俗讲解在中文 NLP中要用 jieba 分词,以及它和 循环神经网络(RNN) 的关系。
人工智能·pytorch·rnn·神经网络·自然语言处理
安科瑞小许9 小时前
零碳园区:政策驱动下的智慧能源转型之路
大数据·人工智能·能源·碳排放·零碳园区
SelectDB技术团队9 小时前
构建 AI 数据基座:思必驰基于 Apache Doris 的海量多模态数据集管理实践
人工智能·apache·知识图谱
小二·9 小时前
Python Web 开发进阶实战:AI 伦理审计平台 —— 在 Flask + Vue 中构建算法偏见检测与公平性评估系统
前端·人工智能·python