讲讲我对LPC824Breakout的一些看法吧,先来个LPC824 Breakout原理图截图: 附件内容截图: 拿到板子的我在看板子上的元件时,发现没有LDO,于是看看原理图,好吧,CP2102当了串口的同时,还兼职电压转换,又get到新的知识了,要注意的是,这样只限于小电流。 这里附上芯片手册里电压要求:Single power supply (1.8 V to3.6 V). 总共32个引脚,居然能有28个IO确实BT,但芯片手册里这句话是什么意思?“一个输入模式匹配引擎和最多 29个通用 I/O 引脚” 芯片手册中文版和英文版见后面附件。 Breakout设计成这样,意图很明显,就是原理图里的8051。一方面方便电工们用到已有的51资源,更好的替代51。另一方面,减低自身的推广成本。肯定还有其他作用的,只是我的智商只能想到这些了。 这里我们来比较下824和51 单价方面:显然51胜利。 性能方面:824完爆51。 功耗方面:824胜。 这个来自芯片手册(见下面),虽然没去看51的,大概印象吧 u在将IRC用作时钟源的低电流模式下,工作模式中的功耗低至90uA/MHz。u用于降低功耗的集成PMU(电源管理单元)。u低功耗模式:睡眠模式、深度睡眠模式、掉电模式和深度掉电模式。u通过USART、SPI 和I2C 外设上的活动从深度睡眠和掉电模式中唤醒。u由定时器控制自行从深度掉电模式唤醒。u上电复位(POR)。u掉电检测(BOD)。 下面是我把breakout放在51板上吧,由于这个51板是捡来的,原理图什么的都没,细细研究太费时间了,就没有太多研究。其实其实,现在是板上的流水灯的程序,只是偶然点亮了数码管,还好板子和下面链接的板子不一样,不然就要说我盗图了。PS:开发板用breakout供电,所以不要用大电流器件。 需要说的是,如果是普中的51的板子的话,可以把板子的电源接到3v3,这样就不会烧东西了,至于其他板子,自己看芯片手册,应该是受不了5V的电压的。慎重,换之不易,烧了可惜。 串口程序下载及资源,请看这里 https://www.nxpic.org/module/forum/forum.php?mod=viewthread&tid=606596#lastpost https://www.nxpic.org/module/forum/thread-606640-1-1.html
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![rar](https://img-home.csdnimg.cn/images/20241231044955.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![zip](https://img-home.csdnimg.cn/images/20241231045053.png)
![IntLib](https://img-home.csdnimg.cn/images/20250102104920.png)
![package](https://csdnimg.cn/release/downloadcmsfe/public/img/package.f3fc750b.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/ZIP.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/ZIP.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/PNG.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/TXT.png)
![file-type](https://csdnimg.cn/release/download/static_files/pc/images/minetype/PNG.png)
- 1
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/default.jpg!1)
- 粉丝: 5
- 资源: 937
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
最新资源
- 自动驾驶核心算法-YOLOv11多目标追踪与碰撞预警系统开发指南.pdf
- 自动驾驶核心-YOLOv11多目标轨迹跟踪与碰撞预警系统开发.pdf
- 自动驾驶新范式-YOLOv11多传感器融合障碍物检测方案.pdf
- 浙江大学 翁恺 C 语言程序设计课程视频及课件
- Python 实现1-DGAN生成对抗网络的数据生成(含模型描述及示例代码)
- MATLAB实现BO-LSSVM贝叶斯优化算法优化最小二乘支持向量机数据回归预测 (含模型描述及示例代码)
- MATLAB实现CNN-LSSVM基于卷积神经网络-最小二乘支持向量机的数据回归预测(含模型描述及示例代码)
- python-3.13.0
- Matlab实现EEMD集合经验模态分解时间序列信号分解(含模型描述及示例代码)
- 边缘计算优化-YOLOv11模型量化压缩与嵌入式设备部署指南.pdf
- 边缘计算新标杆-YOLOv11模型量化与TensorRT加速实战.pdf
- 边缘计算优化-YOLOv11在嵌入式设备的轻量化部署与性能调优.pdf
- 跨模态融合实践-YOLOv11与多传感器数据协同的仓储管理.pdf
- 轨道交通安全-YOLOv11道岔异物检测与列车进站预警系统.pdf
- 跨模态融合实践-YOLOv11红外与可见光双传感器目标追踪.pdf
- 跨平台实战-YOLOv11模型在Jetson、TensorRT的极致优化技巧.pdf
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback-tip](https://img-home.csdnimg.cn/images/20220527035111.png)
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)