news 2026/9/3 4:15:20

天天在用的芯片:78L05 电源稳压器详解

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
天天在用的芯片:78L05 电源稳压器详解

今天又是与电路板打交道,我本来专攻嵌入式软件的,现在来到这家公司,好像碰软件碰的少了,现在就是画板,学习各个电路。想念敲代码的日子。

一、78L05 是做什么的

78L05 的功能非常单一,但非常重要:

将较高且不稳定的直流电压,转换为稳定的 5V 直流电压输出。

可以把它理解为电路中的“电压调节器”。
不管输入电压在一定范围内如何变化,输出端始终保持在 5V 左右,为后级电路提供可靠的电源。


二、78L05 名称的含义

很多初学者第一次看到 78L05,会觉得名字毫无规律,其实它的命名是有明确含义的。

  • 78:表示正电压线性稳压器系列

  • L:表示低电流版本(Low Current)

  • 05:表示输出电压为 5V

因此,78L05 的完整含义是:

一颗输出电压为 5V、输出电流较小的正电压线性稳压芯片。


三、78L05 的封装形式

78L05 常见的封装主要有两类:

1. TO-92 封装

外形类似小三极管,体积小、焊接方便,常用于教学实验、电路验证、小功耗系统。

2. 贴片封装(如 SOT-89、SOT-23)

体积更小,常用于成品电路板或对体积有要求的设备。


四、78L05 的引脚定义

以最常见的 TO-92 封装为例,当芯片正面朝向自己、引脚向下时:

  • 左脚:输入电压(Vin)

  • 中间:地(GND)

  • 右脚:输出电压(Vout,5V)

记忆方式可以理解为:
左边进电,中间接地,右边输出。

实际使用中一定要注意方向,接反极容易损坏芯片。


五、78L05 的工作原理(通俗理解)

78L05 属于线性稳压器

它的工作方式并不是“转换”,而是“消耗”。
当输入电压高于 5V 时,多余的电压会以热量的形式消耗掉。

例如:

  • 输入 9V

  • 输出 5V

  • 多出的 4V 转化为热量

这也是为什么 78L05 在电压差大、电流稍高时会明显发热。


六、关键参数说明

在实际使用中,重点关注以下几个参数即可:

输入电压范围

通常推荐输入电压在 7V 到 12V 之间。
输入电压过低会导致输出电压不稳定。

输出电压

固定为 5V,精度一般在允许误差范围内,满足绝大多数数字电路需求。

最大输出电流

最大约 100mA。
工程中建议不要长期超过 70mA,以减少发热和延长寿命。

功耗问题

芯片功耗与输入输出电压差以及负载电流直接相关。
功耗过大时,芯片会明显升温。


七、78L05 的标准使用电路

78L05 在使用时,必须配合电容使用

典型做法是:

  • 输入端并联 0.33 微法电容

  • 输出端并联 0.1 微法或 1~10 微法电容

这些电容的作用是抑制电压波动,防止电路振荡,使输出更稳定。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/2 21:55:04

PyTorch-CUDA镜像支持Knowledge Graph Embedding吗?

PyTorch-CUDA镜像支持Knowledge Graph Embedding吗? 在当今知识密集型AI应用的浪潮中,如何高效地从海量结构化数据中提取语义关系,已成为自然语言处理与智能推理系统的核心挑战。知识图谱(Knowledge Graph, KG)作为组…

作者头像 李华
网站建设 2026/9/3 0:20:59

GitHub Insights分析PyTorch项目流量趋势

GitHub Insights 视角下的 PyTorch-CUDA 镜像使用趋势与技术实践 在深度学习项目日益复杂、算力需求持续攀升的今天,一个稳定、高效且可复现的开发环境几乎决定了整个研发流程的成败。你有没有经历过这样的场景:好不容易写完模型代码,一运行…

作者头像 李华
网站建设 2026/9/2 21:52:43

CUDA out of memory错误排查与镜像资源配置建议

CUDA out of memory错误排查与镜像资源配置建议 在现代深度学习开发中,一个看似简单的训练脚本突然抛出 RuntimeError: CUDA out of memory,可能直接打断连续数小时的实验进程。这种“显存爆炸”现象不仅令人沮丧,还常常让开发者陷入“到底是…

作者头像 李华
网站建设 2026/9/2 21:52:44

Git Show显示提交详情:查阅PyTorch代码变更记录

Git Show 显示提交详情:深入解析 PyTorch 代码变更与环境复现 在深度学习项目日益复杂的今天,一个常见的困扰是:同样的模型代码,在不同环境中训练结果却不一致。你可能在一个实验室的服务器上跑得完美收敛,但换到另一台…

作者头像 李华
网站建设 2026/9/3 0:23:27

InfiniBand网络配置:提升PyTorch-CUDA-v2.7多节点效率

InfiniBand网络配置:提升PyTorch-CUDA-v2.7多节点效率 在构建千卡级大模型训练集群时,一个看似不起眼的细节往往决定成败——节点间的通信延迟。你可能已经为每台服务器配备了最新的H100 GPU,使用了NVLink实现单机内显存统一寻址,…

作者头像 李华
网站建设 2026/9/3 0:23:48

PyTorch-CUDA-v2.8镜像对XLM-R跨语言模型的本地运行

PyTorch-CUDA-v2.8镜像对XLM-R跨语言模型的本地运行 在现代自然语言处理(NLP)的研发场景中,一个常见的挑战是:如何在有限的本地资源下,高效运行像 XLM-R 这样参数量高达数亿的多语言预训练模型?尤其对于需…

作者头像 李华