0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

如何使用前饋補(bǔ)償網(wǎng)絡(luò)解決相關(guān)性

電子設(shè)計(jì) ? 來(lái)源:eeweb ? 作者:Melexis公司 ? 2021-05-21 06:25 ? 次閱讀

本應(yīng)用筆記介紹了MLX10803的Buck拓?fù)渲衅骄?a target="_blank">LED電流的依賴性。由于它被設(shè)計(jì)為以低于150 kHz的開(kāi)關(guān)頻率工作,因此本文檔將介紹如何使用前饋補(bǔ)償網(wǎng)絡(luò)解決相關(guān)性。

理論:切換延遲

由于內(nèi)部傳播延遲而導(dǎo)致的延遲

o4YBAGCnXYGAGb_mAABTv-3HUvc541.png

在上面的圖片(圖1)中,線圈電流的IREF / VREF引腳上定義的閾值達(dá)到了1。但是,MLX10803在檢測(cè)到電流之間的內(nèi)部延遲時(shí)間為T_InternalDelay(?50 ns)。 RSense的閾值(為1),DRVOUT上的FET的實(shí)際開(kāi)關(guān)為2。

備注:此延遲與去抖動(dòng)時(shí)間(Tdeb?30 ns)無(wú)關(guān)。Tdeb旨在消除由于RSense引腳上的振鈴而引起的任何問(wèn)題。

由于驅(qū)動(dòng)器FET的下降斜率而導(dǎo)致的延遲

關(guān)斷FET所需的時(shí)間會(huì)產(chǎn)生一個(gè)額外的延遲:T_FEToff_delay

例如:

當(dāng)使用EVB10803_1降壓評(píng)估板(其中SOT223 BSP318s以R2 = 100Ω驅(qū)動(dòng))時(shí),F(xiàn)ET的關(guān)閉延遲約為30 ns。

相比之下,SOT23 PMV213SN具有較小的柵極電容,再加上100Ω的驅(qū)動(dòng)電阻會(huì)增加?120 ns的延遲(見(jiàn)圖2)。

pIYBAGCnXY-ARcdGAADJ_7sL4iw821.png

由于開(kāi)關(guān)延遲,ILED的電源依賴性

LED平均電流的誤差取決于電源。

[tex]我_ {error} = frac {V_ {sup} -V_ {LED}} {L}乘以T_ {totalhspace {1mm} offhspace {1mm} delay} [/ tex]

和:

[tex] T_ {totalhspace {1mm} offhspace {1mm} delay} = T_ {內(nèi)部
延遲} + T_ {FEToffDelay} [/ tex]

評(píng)論:

FET的下降沿通常是主要因素。減小T_FETToffDelay將增加FM無(wú)線電頻帶中的EMC噪聲??梢酝ㄟ^(guò)在FET的源極路徑中添加鐵氧體磁珠來(lái)改善FM無(wú)線電頻帶中的這種噪聲。

增加電感值L也會(huì)降低Ierror。

o4YBAGCnXZqAKyIkAAC_Px91G2s921.png

通過(guò)在Rsense(R7)上的電壓之上加上與電源有關(guān)的電壓,可以實(shí)現(xiàn)補(bǔ)償。當(dāng)電源電壓上升時(shí),這會(huì)增加RSENSE輸入引腳上的電壓。當(dāng)電源電壓升高時(shí),這會(huì)降低峰值電流閾值,從而穩(wěn)定了LED電流。

實(shí)際實(shí)現(xiàn)是通過(guò)添加2個(gè)電阻R1和R6完成的。這將產(chǎn)生一個(gè)補(bǔ)償電流,其近似值為:

[tex] I_ {VCMP} =-[frac {R_ {6} /(R_ {6} + R_ {1})乘以V_ {S}} {R_ {7}}] [/ tex]

電流補(bǔ)償斜率由–R6 /(R6 + R1)確定,可用于補(bǔ)償由于非零關(guān)閉延遲而導(dǎo)致的ILED上升。需要進(jìn)行一些實(shí)驗(yàn)才能找到正確的值。

下面的應(yīng)用原理圖以及下面的補(bǔ)償網(wǎng)絡(luò)已將供電依賴性降低到±1%以下。
* R1 =引腳8和引腳5之間的47kΩMLX10803
* R6 = R3和引腳5之間的電阻200ΩMLX10803

編輯:hfy

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • led
    led
    +關(guān)注

    關(guān)注

    242

    文章

    23320

    瀏覽量

    661875
  • 驅(qū)動(dòng)器
    +關(guān)注

    關(guān)注

    53

    文章

    8263

    瀏覽量

    146677
  • 驅(qū)動(dòng)電阻
    +關(guān)注

    關(guān)注

    1

    文章

    33

    瀏覽量

    10168
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    自然語(yǔ)言處理網(wǎng)絡(luò)綜述

    自然語(yǔ)言處理(NLP)網(wǎng)絡(luò)是人工智能和語(yǔ)言學(xué)領(lǐng)域的一個(gè)重要交叉學(xué)科,旨在通過(guò)計(jì)算機(jī)模型理解和處理人類語(yǔ)言。神經(jīng)
    的頭像 發(fā)表于 07-12 10:10 ?338次閱讀

    使用NumPy實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)

    要使用NumPy實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)(Feedforward Neural Network),我們需要從基礎(chǔ)開(kāi)始構(gòu)建,包括初始化網(wǎng)絡(luò)參數(shù)、定義激活函數(shù)及其導(dǎo)數(shù)、實(shí)現(xiàn)
    的頭像 發(fā)表于 07-11 16:30 ?1729次閱讀

    神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)和常見(jiàn)激活函數(shù)

    神經(jīng)網(wǎng)絡(luò)(Feedforward Neural Network, FNN)是人工神經(jīng)網(wǎng)絡(luò)中最基本且廣泛應(yīng)用的一種結(jié)構(gòu),其結(jié)構(gòu)簡(jiǎn)單、易于理解,是深度學(xué)習(xí)領(lǐng)域中的基石。FNN通過(guò)多層節(jié)
    的頭像 發(fā)表于 07-09 10:31 ?986次閱讀

    全連接神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)的比較

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)作為其核心組成部分,在各個(gè)領(lǐng)域展現(xiàn)出了強(qiáng)大的應(yīng)用潛力和價(jià)值。在眾多神經(jīng)網(wǎng)絡(luò)類型中,全連接神經(jīng)網(wǎng)絡(luò)(F
    的頭像 發(fā)表于 07-09 10:31 ?9390次閱讀

    深度神經(jīng)網(wǎng)絡(luò)中的過(guò)程

    深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks,DNNs)中的過(guò)程是其核心操作之一,它描述了數(shù)據(jù)從輸入層通過(guò)隱藏層最終到達(dá)輸出層的過(guò)程,期間不涉及任何反向傳播或權(quán)重調(diào)整。這一過(guò)程是神經(jīng)
    的頭像 發(fā)表于 07-08 17:29 ?437次閱讀

    神經(jīng)網(wǎng)絡(luò)在自然語(yǔ)言處理中的應(yīng)用

    自然語(yǔ)言處理(Natural Language Processing, NLP)作為人工智能領(lǐng)域的一個(gè)重要分支,旨在讓計(jì)算機(jī)能夠理解和處理人類語(yǔ)言。隨著深度學(xué)習(xí)技術(shù)的興起,神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-08 17:00 ?402次閱讀

    神經(jīng)網(wǎng)絡(luò)的工作原理和應(yīng)用

    神經(jīng)網(wǎng)絡(luò)(Feedforward Neural Network, FNN),作為最基本且應(yīng)用廣泛的一種人工神經(jīng)網(wǎng)絡(luò)模型,其工作原理和結(jié)構(gòu)對(duì)于理解深度學(xué)習(xí)及人工智能領(lǐng)域至關(guān)重要。本文
    的頭像 發(fā)表于 07-08 11:28 ?1824次閱讀

    人工神經(jīng)網(wǎng)絡(luò)模型的分類有哪些

    詳細(xì)介紹人工神經(jīng)網(wǎng)絡(luò)的分類,包括神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度神經(jīng)
    的頭像 發(fā)表于 07-05 09:13 ?1293次閱讀

    bp神經(jīng)網(wǎng)絡(luò)還是反饋

    BP神經(jīng)網(wǎng)絡(luò),即反向傳播(Backpropagation)神經(jīng)網(wǎng)絡(luò),是一種神經(jīng)網(wǎng)絡(luò)(Feedforward Neural Network
    的頭像 發(fā)表于 07-03 10:16 ?928次閱讀

    控制系統(tǒng)與反饋控制系統(tǒng)的區(qū)別

    在工業(yè)自動(dòng)化領(lǐng)域中,控制系統(tǒng)是確保生產(chǎn)過(guò)程穩(wěn)定、高效運(yùn)行的關(guān)鍵。其中,控制系統(tǒng)和反饋控制系統(tǒng)是兩種常見(jiàn)的控制策略。它們各自具有獨(dú)特的工作原理和優(yōu)勢(shì),適用于不同的應(yīng)用場(chǎng)景。本文將對(duì)
    的頭像 發(fā)表于 06-17 11:45 ?4185次閱讀

    接觸與非接觸式測(cè)量相關(guān)性的方法

    接觸式測(cè)量和非接觸式測(cè)量是兩種常見(jiàn)的測(cè)量方法,它們?cè)诠I(yè)生產(chǎn)、科學(xué)研究和日常生活中都有廣泛的應(yīng)用。本文將詳細(xì)介紹這兩種測(cè)量方法的基本原理、特點(diǎn)、應(yīng)用領(lǐng)域以及它們之間的相關(guān)性。 一、接觸式測(cè)量
    的頭像 發(fā)表于 06-14 09:24 ?1769次閱讀

    Chrome瀏覽器地址欄更新,運(yùn)用機(jī)器學(xué)習(xí)提升相關(guān)性判斷準(zhǔn)確

    據(jù)悉,谷歌成功將機(jī)器學(xué)習(xí)(ML)模型融入Chrome多功能框,以實(shí)現(xiàn)更為精準(zhǔn)的內(nèi)容推薦。舉例而言,若用戶在短時(shí)間內(nèi)關(guān)閉某網(wǎng)頁(yè),AI便會(huì)判定此頁(yè)非所需,進(jìn)而降低其相關(guān)性得分。
    的頭像 發(fā)表于 04-30 11:15 ?539次閱讀

    帶電壓的中端輸入同步降壓控制器TPS40074數(shù)據(jù)表

    電子發(fā)燒友網(wǎng)站提供《帶電壓的中端輸入同步降壓控制器TPS40074數(shù)據(jù)表.pdf》資料免費(fèi)下載
    發(fā)表于 04-11 11:13 ?0次下載
    帶電壓<b class='flag-5'>前</b><b class='flag-5'>饋</b>的中端輸入同步降壓控制器TPS40074數(shù)據(jù)表

    MC_PMSM_motor_param.h系數(shù)是如何計(jì)算的?

    請(qǐng)教:在MC_PMSM_motor_param.h中的關(guān)于的系數(shù)如何計(jì)算得到?
    發(fā)表于 03-22 06:10

    工作頻率為300 kHz的汽車LED驅(qū)動(dòng)器

    本應(yīng)用筆記介紹了 MLX10803 降壓拓?fù)渲衅骄?LED 電流的依賴來(lái)源。由于其設(shè)計(jì)工作在低于 150 kHz 的開(kāi)關(guān)頻率,因此本文檔將介紹如何使用補(bǔ)償
    發(fā)表于 01-30 15:17 ?364次閱讀
    工作頻率為300 kHz的汽車LED驅(qū)動(dòng)器