【摘 要】
:
随着信息时代和人工智能时代的快速发展,移动终端设备已经在人们的生活和工作中发挥了不可替代的作用,这对移动设备的充电速度以及充电设备的便携性都提出了更高的要求。反激式变换器以其拓扑结构简单、成本低和天然隔离输入输出环路的优点,在小功率变换器以及便携式设备的充电器领域广受欢迎。GaN功率管因为有着更高的迁移率,相比于传统的Si功率管有着更好的开关响应,在高速开关的场合中得到了越来越广泛的应用。本文设计
论文部分内容阅读
随着信息时代和人工智能时代的快速发展,移动终端设备已经在人们的生活和工作中发挥了不可替代的作用,这对移动设备的充电速度以及充电设备的便携性都提出了更高的要求。反激式变换器以其拓扑结构简单、成本低和天然隔离输入输出环路的优点,在小功率变换器以及便携式设备的充电器领域广受欢迎。GaN功率管因为有着更高的迁移率,相比于传统的Si功率管有着更好的开关响应,在高速开关的场合中得到了越来越广泛的应用。本文设计了一款高效率,且同时适配于Si功率管和GaN功率管的恒压有源钳位反激式AC-DC控制芯片。本文采用的有源式钳位相比于传统的RCD钳位有着更大的优势,不但能够将损耗在RCD电阻上的漏感能量回收,而且可以利用漏感和钳位电容之间的谐振电流来实现功率开关管的零电压开通(ZVS),减少了开关损耗,进而能够达到更高的传输效率。控制器采用峰值电流控制模式和自适应的调制方式,在全负载范围内设计了四种不同的工作模式,包括自适应调整模式(AAM)、自适应跳周期模式(ABM)、低功耗模式(LPM)和待机模式(SBP),实现了四种模式的随负载自动切换,既保证了重载工况下的高效率,又降低了轻载工况下的系统功耗。在AAM模式下,系统通过检测主功率管在每个周期的零电压开通条件来自适应的调节钳位功率管的开通时间,从而实现主副开关管在每个周期内的零电压开通。在ABM模式下,增加了额外的自适应控制逻辑,可以根据负载大小动态的调节每个Burst周期的脉冲个数,避免了模式切换中出现较大的输出电压纹波。LPM模式将Burst周期限制在25k Hz左右,防止系统的工作频率进入音频范围而出现大的工作噪声。SBP模式允许系统在极轻载或者空载下功率管以很低的开关频率工作,进一步降低系统的轻载功耗。本文首先对反激式AC-DC的基本结构和工作原理进行了介绍,其中着重分析了有源钳位反激式电路的工作原理和应用特点,包括如何实现漏感回收和功率管的零电压开通等,接着对系统的峰值电流控制模式进行了小信号建模并计算出了其功率级传输函数,得到了系统的零极点分布图。然后本文对芯片的整体框架进行了设计,并制定了设计指标。在完成了包括带隙基准电路、LDO电路、UVLO电路、自适应控制电路等子模块电路之后,对整个系统进行了仿真和验证。芯片采用Dongbu 0.18m BCD工艺设计。外围测试电路为90V-220V交流输入电压,20V输出电压的有源钳位反激结构,最大负载电流为2.25A,输出电压纹波低于80m V,负载调整率为±0.9%。满载下,在90VAC和230VAC两种输入电压工况下的传输效率分别达到了93.5%和92.8%;在10%负载下,以上两种输入电压工况下的传输效率也分别达到了87.6%和85.4%,满足设计目标。
其他文献
近年来,随着计算设备算力的提升、高质量数据集的构建以及先进模型和算法的提出,人工智能逐步缩小了与人类的差距,并在多个领域击败了人类。在人工智能的发展过程中,深度学习扮演着至关重要的角色。令人遗憾的是,深度学习模型的优异表现需要有大规模数据做支撑,这阻碍了该类技术在现实生活中的应用。如何让深度学习模型从数量有限的数据中提取有效信息并具有较高的泛化能力,这一问题促使学者们提出了少样本学习。学者们针对少
在现代信息化社会中,电子投票逐渐取代了传统的纸质投票方式,受到了越来越多的研究者的关注。然而,电子投票系统面临着选票隐私泄露、选票填充攻击、投票活动被恶意投票者中止等诸多安全挑战,严重制约了其广泛应用。与此同时,区块链作为基于点对点网络的分布式账本,具有去中心化、去信任、不可篡改的特点,这些特点与电子投票系统中的公告栏的安全要求不谋而合。因此,将区块链技术与现代密码学技术,如零知识证明、承诺、签名
无人机已广泛应用于不同领域中,随着任务场景不断的复杂化,单架无人机已无法很好的完成探测、侦察任务。多架无人机构成的无人机集群在任务执行时需要协同配合完成信息交换和收集,而一个良好的无人机集群自组织网络(Flying Ad Hoc Network,FANET)是集群内部完成信息交换的基础。在FANET的研究中,无人机高速移动造成网络拓扑剧烈变化以及无人机节点自身能量有限是影响无人机集群网络性能的两个
过去的五十多年间,芯片上集成的晶体管数量在摩尔定律的引领下每两年增加一倍,其速度和效率持续提高,但是自从半导体工艺进入到28nm节点后,先进工艺所带来的研发成本和物理极限问题加大了延续摩尔定律的难度。在这样的背景之下,芯粒技术的出现为维持性能、制造成本和物理极限三者之间的平衡提供了可能,设计人员将复杂的So C按照功能划分为多个裸片,完成裸片之间的互连后将它们封装在多芯片模块中,多个裸片协同工作,
随着电动汽车产业的发展,对芯片的需求量日益剧增,国内的车企大多使用国外的芯片作为主流产品,来获得汽车的电气系统的稳定性与可靠性。步进电机驱动芯片是车规芯片中最常用的芯片之一,被应用在各种机械连接的场合下。但我国车规芯片的发展时间较短,稳定性和可靠性目前没有得到国内市场的认可,可替换性较差,所以对车规芯片所需的高可靠性和稳定性研究也越来越受重视。本文对步进电机的原理和步进电机驱动芯片的原理进行分析描
随着数字图像处理技术的日益发展,普通的数字显示设备由于自身工艺的限制,其动态范围难以达到人眼的级别,再加上成像环境的影响,显示出的图像经常存在着曝光不平衡、颜色失真和运动阴影等问题,图像质量已无法满足人们的要求。宽动态范围(Wide Dynamic Range,WDR)技术则正是致力于解决此方面的问题,借助于WDR技术,数字显示设备能够分辨出图像最亮和最暗的部分,因此对于图像高光和阴暗区域的曝光能
随着芯片制造工艺的发展,单个晶体管的体积和功耗变得越来越小,单位芯片面积可集成的晶体管数量遵循摩尔定律提升,这导致高端芯片的整体功耗在不断上升。晶体管密度的增加使芯片上的金属布线变得越来越密集和纤细,芯片整体功耗的增大又使金属布线的电流密度越来越大,从而引发了芯片出现EM、IR-Drop等非理想效应,这些效应对芯片的可靠性构成了严重威胁,同时芯片整体功耗的上升也给芯片的热设计带来了巨大的困难,可以
近年来,无线充电技术的普及对各类便携电子设备提出了快速发展的要求。无线充电芯片由于其耦合线圈输入范围较宽,无法直接对芯片内部各个功能模块进行供电,所以需要一种低压差线性稳压器(LDO,Low Dropout Regulator)电路,可将输入电压转换为合适的低电压并对内部电路供电,从而使无线充电芯片内部模块正常工作。基于上述问题,本文的主要研究目标是设计一个用于无线充电芯片内部的宽输入LDO电路。
在卷积神经网络中,深度学习技术凭借其强大的特征提取能力、较强的分类能力,近年来在自然语言处理、语音识别、计算机视觉等领域都有广泛应用。但这种优异性能依赖于大量的参数量和计算量,随着卷积神经网络应用领域的不断扩大,与之对应的是需要有更好的硬件平台,其中就包括更高的计算能力和更好的数据带宽。目前行业内的佼佼者都在致力于挖掘各种基于芯片的解决方案。而CPU和GPU更高的功耗以及需要根据场景进行布置,此方
在当今这个剧烈变化着的时代,伴随着诸如可穿戴电子产品、无人机、商用服务机器人、电动车内的各系统的车载控制器等智能设备越来越成熟、产品性能需求越来复杂,对充当伺服控制器的芯片的功能要求也越来越多变。因此采用旧有硬件结构的伺服控制器逐渐难以平衡实际应用中工程需求的各个方面。与此同时具备相当灵活性的So C设计也逐渐应用于伺服控制领域,伺服控制集成电路IP化已经是必然的趋势。目前,国内主打面向控制类需求