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
HPC_fac1305206781620 分钟前
科研深度学习:如何精选GPU以优化服务器性能
服务器·人工智能·深度学习·神经网络·机器学习·数据挖掘·gpu算力
猎嘤一号1 小时前
个人笔记本安装CUDA并配合Pytorch使用NVIDIA GPU训练神经网络的计算以及CPUvsGPU计算时间的测试代码
人工智能·pytorch·神经网络
天润融通1 小时前
天润融通携手挚达科技:AI技术重塑客户服务体验
人工智能
Elastic 中国社区官方博客3 小时前
使用 Elastic AI Assistant for Search 和 Azure OpenAI 实现从 0 到 60 的转变
大数据·人工智能·elasticsearch·microsoft·搜索引擎·ai·azure
江_小_白4 小时前
自动驾驶之激光雷达
人工智能·机器学习·自动驾驶
yusaisai大鱼6 小时前
TensorFlow如何调用GPU?
人工智能·tensorflow
前端Hardy6 小时前
纯HTML&CSS实现3D旋转地球
前端·javascript·css·3d·html
珠海新立电子科技有限公司8 小时前
FPC柔性线路板与智能生活的融合
人工智能·生活·制造
IT古董8 小时前
【机器学习】机器学习中用到的高等数学知识-8. 图论 (Graph Theory)
人工智能·机器学习·图论
曼城周杰伦8 小时前
自然语言处理:第六十三章 阿里Qwen2 & 2.5系列
人工智能·阿里云·语言模型·自然语言处理·chatgpt·nlp·gpt-3