HN62512是什么芯片?HN62512多规格5V/12V500mA,24V350mA芯片解析

HN62512 是华诺芯(HIN)推出的一款 非隔离降压(BUCK)控制芯片,内部集成了 650V 高压 MOSFET,采用 PWM+PFM 相结合的控制方式。

它专门用于离线式小功率电源------就是直接从 220V 市电取电,降压后输出几伏到二十几伏直流,给风扇、小家电供电的那种电源板。特点是外围元件极少、系统成本低。

主要特点

集成 650V 高压 MOS 管(导通电阻 4.2Ω,漏极最大电流 3A),不用外接功率管

高压快速启动,上电自动充电启动,不需要启动电阻

PWM+PFM 混合控制:负载下降时频率跟着降,空载最低频率仅 670Hz,待机功耗低、无音频噪声

开关频率最高 60kHz,内置频率抖动,EMI 好处理

恒流源驱动技术,逐周期限流

FB 悬空默认输出 12V------反馈分压电阻不接就直接出 12V,做 12V 方案连分压电阻都省了

软启动:启动后 256 个周期内频率和电流阈值逐步爬升,避免开机冲击

动态响应优化:侦测到负载突变时最低频率自动从 670Hz 提高到 3kHz,快速响应

引脚定义(SOP-8 封装)

引脚---名称---功能

1---VCC---芯片电源(正常工作时可由输出经二极管供电)

2---GND---地

3---FB---输出电压检测脚

4---CS---电流采样脚(接采样电阻设定限流值)

5~8---D---内置高压 MOS 漏极,接输入电源

输出规格怎么定?

输出电压由 FB 脚的分压电阻决定,和普通的 431 反馈一样:

Vout = 2.0V × (1 + R上/R下)

常见输出规格 ---接法

12V---FB 直接悬空,芯片默认输出 12V

5V / 24V 等---接分压电阻即可

输出电流由 CS 脚采样电阻限制(阈值 500mV),电阻越小电流越大。规格书中给出的典型能力:

85~265VAC 全电压输入,BUCK 输出 >2V 时可持续输出 350mA(85-265V 宽电压范围通用)

实际输出功率 = 输出电压 × 电流,比如 12V×350mA≈4.2W、24V×350mA≈8.4W,具体还看散热条件

要注意一个设计约束:非隔离 BUCK 的输出电压必须低于输入电压(220V 整流后约 310V 直流),所以输出范围是 2V~24V;芯片内部耐压 650V,裕量充足。

典型应用电路

外围只需要这几个元件:

AC 输入 → 整流桥 → 滤波电容(高压直流)

降压电感(一颗工字电感或色环电感)

续流二极管(输出电压 8~24V 用快恢复二极管;低于 8V 注意压降选择)

输出电容

FB 分压电阻(12V 输出可省略)

注意:这是非隔离方案,输出和市电不隔离! 整机外壳和人体可接触部分要做好绝缘,只适合小家电内部供电这种封闭式场合。

适用场景

小家电:电饭煲、加湿器的控制板供电

小风扇:220V 直供电风扇的电机/控制电源

LED 辅助电源、继电器驱动电源

各种需要"小功率、低成本、省空间"的非隔离降压场合

总结

HN62512 是一颗"够用就好"的实用型芯片:650V 高压 MOS 内置、高压自启动、FB 悬空直接出 12V,做 5V/12V 350mA 这类小功率非隔离电源,外围只需电感+二极管+电容几个元件,保护齐全还自带软启动,把成本和体积都压到了最低。如果你的产品是不接触市电的小家电,这类非隔离 BUCK 方案比反激方案便宜得多。

相关推荐
笨笨饿1 小时前
#142_VS Code.map文件插件的用法
git·python·stm32·单片机·嵌入式硬件·物联网·vim
早八晚十啊1 小时前
双MCU架构:基于视觉反馈的简易自行瞄准装置(激光云台控制)
单片机·嵌入式硬件
恒锐丰科技林技术员2 小时前
EG27517 高速低侧单通道栅极驱动芯片解析
经验分享·嵌入式硬件·硬件工程
铅笔小新z2 小时前
【stm32】RTC(实时时钟)
stm32·单片机·实时音视频
Yiran_G2 小时前
LoRa数据帧设计与工程实现:地址、长度、校验及版本兼容
网络·嵌入式硬件·物联网
糖糖单片机设计2 小时前
基于 STM32 的风力发电机控制系统
stm32·单片机·嵌入式硬件
企鹅的蚂蚁3 小时前
Zephyr RTOS 常用 API 详解:从 GPIO、线程到 CAN FD(附 STM32/FreeRTOS 对照)
stm32·单片机·嵌入式硬件·rtos·zephyr
2501_922639581 天前
率能半导体 SS6285L直流双向马达驱动芯片:18V/5A,覆盖电子锁、按摩仪、电动玩具、机器人四大应用场景
单片机·嵌入式硬件·硬件工程
专一的咸鱼哥1 天前
预训练 ONNX 模型转换为 .eim
嵌入式硬件·机器人