随着人工智能（Artificial Intelligence,AI）和大数据（Big Data）的广泛应用,服务器集群发展迅速,大量的数据负荷要求其电源管理芯片（Power Management IC,PMIC）拥有更好的瞬态性能。而电源电路的环路非最优设置、外围器件老化以及制造工艺偏差等问题,降低了系统的瞬态性能,甚至会影响到环路的稳定性。针对上述问题,本文设计了一种基于系统识别（System Identification,SI）的buck DCDC自动补偿（Autotuning）算法。首先介绍了所设计电路的基本工作原理,然后开展了以下主要工作:（1）利用状态空间平均法推导出功率级传递函数并且设计对应的补偿传递函数形式;（2）设计了系统识别算法,包括采样延迟补偿方案、系统识别优化方案、功率级参数提取及其修正方案,成功提取了高精度的功率级参数;（3）设计了自动补偿算法,包括相位裕度（Phase Margin,PM）、多个穿越频率（Multiple Crossover Frequency,MCF）、极限环振荡（Limit Cycle Oscillation,LCO）以及闭环输出阻抗的判断,通过该算法筛选出了最优的补偿参数,实现了高性能的瞬态响应。最后在Simulink中搭建仿真环境,根据所提出的算法进行算法级和寄存器传输级（Register Transfer Level,RTL）仿真验证,并搭建测试样机,对基于系统识别的自动补偿算法进行现场可编程逻辑门阵列（Field Programmable Gate Array,FPGA）原型验证。仿真和实测结果表明,本文所设计的系统识别算法,实现了功率级参数的提取,其误差为4.42%,耗时100ms;而基于闭环输出阻抗的自动补偿算法,实现了最优补偿参数的筛选,耗时124ms。当负载从5A切换到0A,过冲电压及其响应时间分别为70m V和80μs,相比传统补偿方案分别减小了36%和20%;当负载从0A切换到5A,欠冲电压及其响应时间分别为80m V和80μs,相比传统补偿方案分别减小了38%和33%,达到了设计指标要求。