利用次级侧同步开关后置稳压器(SSPR)设计多路输出开关电源
目前,多路输出变换器普遍采用对主路输出进行闭环PWM控制方式,而其他的辅助输出采用间接稳压方式。由于只对主输出进行闭环控制,占空比的改变对辅助输出的负载影响较大,尤其是从轻载到满载变化时,负载交叉调整的性能变差。常用的技术有以下几种。
第一,多路输出变换器的设计可以考虑采用多种拓扑结构。通常,调整主路输出,其他辅路输出会按照隔离变压器相应的匝数比进行交叉调整。此方法存在多种问题,包括反激和正激变换器,尤其是除了在调整主路中的输出电压以外,非常难以在各辅路输出端获得精确的电压,因为在设计多输出电源变压器时使用的匝数比只是近似值。此外,任何一路输出上的瞬态负载影响将反映在所有其他负载上。并且,由于各变压器绕组间存在漏电感,因此负载交叉调整率将比较差。这些问题可以通过将交叉调整的输出电压设置得稍稍大于所需值,并在每个辅助输出端加一个线性调节器来解决,如图1所示。电流小于3.0A时,最好使用线性调节器作为后级调整输出,但是此种方法会牺牲较大的效率为代价,限制了低输出电流应用。若采用WVC技术的多路输出反激变换器,可以有效改善输出的直流和瞬态特性。具体来说,对各路输出电压均进行采样作加权后调节占空比D,如果权衡系数和补偿环节设计合理,电源品质将会得到显著改善。正激变换器多路输出采用耦合电感的设计方法,需要使电感的匝数比等于主变压器的输出绕组的匝数比,对于负载不对称的用电环境下交叉调节性能没有明显改善。
图1 线性调节器
第二,为了改善负载交叉调整率,可使用单独的DC/DC变换器来进行组合,实现多路输出稳压,但电路比较复杂,且价格非常昂贵。另一个选择是用UC3573控制器设计一个降压转换器作为后调节器,如图2所示,比较适合3.0~8.0A电流输出。这种方法能达到90%的高效率,但是如果后调节器采用多个副线圈的话需要增加整流器、电感和电容器。这种方法增加了一级LC滤波回路,在多路输出时,滤波器的数量明显增加。同时,这种降压斩波电路一般应用在输入电压和输出电压均较低的电路结构当中。
图2 降压转换器
图3磁放大后调节器
第三,用UC1838控制器设计磁放大后调节器,如图3所示。它的效率很高,特别适合大于5.0A中低电流的应用,但在高电流应用中效率很低。而且,它不易实现过流保护,轻负载时的低调节度和高频(200kHz)时磁放大电感的高费用使它不是一个完美的解决方案。
图4 次级侧同步后置稳压器
第四,一个较好的选择是用新型的次级侧同步后置稳压器(SSPR),如图4所示。这样既可以实现前沿又可以实现后沿调节。SSPR在多路输出隔离电源的精确调节应用方面具有简单、高效率、高频化、无损耗过流保护和遥控开关机等优点。应用CS5101比LM5115、UCC2540和LT3710等带有双N沟道MOSFET后置同步稳压器控制电路简单,能够适应于输入高压和低压的各种电路结构。CS5101是一种带有N沟道MOSFET驱动的同步前沿开关调节控制器,可直接由变压器的次级绕组生成一个精确稳压的次级输出,从而最大限度地减小了主路输出电感器和电容器尺寸。同时,它可以应用于单端或双端拓扑结构。
次级侧同步后置稳压器(SSPR)的工作描述
SSPR调节器允许辅路在没有初级侧反馈的情况下独立控制输出。SSPR开关后面连接次级侧整流二极管和输出电感。在电流模式的单端正激拓扑结构中,初级控制器保持一个稳定的伏秒值。前沿和后沿的初级侧电流波形如图5所示。使用峰值电流测量的电流模式控制前沿情况下,后沿调制将导致环路的不稳定。
CS5101 SSPR控制器作为前沿调制设计,应用于电流模式或电压模式控制。
图5 主要开关电流波形
SSPR技术的应用
SSPR能用在各种电路拓扑结构中,包括单端/双端降压变换器、反激变换器,可以用于电流控制模式或电压控制模式。
图6 主开关波形
在每种拓扑电路中,通常N-FET功率开关会和一个正向二极管串联使用,如图6所示。由于N-FET被连接在两个二极管中间,不可能使用单个的共阴极或共阳极的整流器,N-FET的源级电压从变压器的次级峰值电压到大约-0.7V(反向二极管的正向压降)之间变化,设计者必须创建一个浮动的驱动地。
图7 滤波电感在地端时的主开关波形
如果变压器的次级多路输出没必要是公共地的话,滤波电感可以连接在地端,如图7所示。使用这种结构,N-FET的源级也就是输出电压VO。这样使得驱动FET的电路变得简单、可靠,VC和VCC电压能从同一点取。但是通过电感的正向电压转换被输出电压箝位,所以,必需从另外的次级输出获得SYNC同步脉冲信号。
图8 负电压输出时的SSPR应用
有两种方式可以产生负电压输出。一种是简单地在输出端反接地,如图8所示。SSPR电路支持负电压输出。
图9 参考地的负电压输出SSPR应用
另一种方法如图9所示。SSPR的栅极驱动电路的参考为电源地,在这种结构中,需要增加反馈信号倒相。
在推挽或桥式双端拓扑结构中,仅需要一个功率开关去控制输出电压。如图10所示。输出滤波电感可以连接在输出正端或输出地端。工作频率是初级控制器开关频率的两倍。
图10双端拓扑结构SSPR应用
对于大功率电源,有中心引出端的单封装整流器应用,SSPR功率开关的栅极驱动电路可以通过隔离变压器来实现。如图11所示。
图11隔离变压器驱动的SSPR应用
设计实例
下面给出一个双路输出的电流模式控制正激变换器的设计。主路5.0V输出采用PWM控制器(CS3842A),辅路3.3V输出采用CS5101控制。
设计参数
输入电压范围18~36Vdc,主路输出VO1/IO1:5.0Vdc/0.2~3.0Adc,辅路输出VO2/ IO2:3.3Vdc/0.3~2Adc,开关频率100kHz,主辅路线性调整率、负载调整率均<1.0%
功率变压器采用TDK磁芯PC40EER25.5-Z,3.3V输出和5V输出均采用相同的圈数,功率变压器的匝数比NPY:NSY5:NSY3:NAUX等于20:11:11:8。占空比范围:Dmax=0.586,Dmin = 0.293。5.0V输出电感L1=100μH,使用一个T72-26的铁硅铝磁环,34T,#24AWG。3.3V输出电感L2=50μh。使用一个T80-26的铁硅铝磁环,42T,#24AWG。两路输出各用一只铝电解电容,330μf/15V,ESR=0.12Ω。因为变换器采用电流模式控制,初级峰值电流的采样通过电流取样电阻R10获得。初级侧电流斜率的变化受到次级两路输出电感的影响。在最低输入电压时占空比超过50%,为了避免环路的不稳定,斜波补偿是必要的。
SSPR控制输出计算
从以上数据可知,低压输入时3.3V绕组电压为:VSY3=18×(11/20)=9.90V。
假设肖特基整流管的正向压降为0.75V,满载时FET的正向压降为0.1V,占空比修正为:
DO3LL=(3.3+0.75+0.1)/9.9=0.419
DO3HL=(3.3+0.74+0.1)/19.8=0.209。
供电电压VCC直接取自于3.3V的绕组,其随着输入电压的变化而变化,VCC=9.0V~19V。Vcc的参考是地,而门驱动电压VC参考点是Q3的源级,VC = 8.0V~18V。
CS5101的同步电压阈值是2.5V。为了可靠的工作,SYNC脚的电压必须在脉冲期间都高于2.5V。
VSYNC(MIN)=VSY(MIN)×(R14/(R13+R14))=((18×11)/20)×(15K/(5.1K+15K))=7.39V
VSYNC(MAX)=((36×11)/20))×15K/5.1K=14.87V
由于线圈上的电压在恢复期间是负值,在R14并联一个箝位二极管D9。
斜波电容的值是用最小导通时间(高压输入时)和内部电流源电流来计算的。CRAMP=C16=300PF。
输出电流大小可以通过输出负端的电流取样电阻R19获得。由电阻R16、R17和R20等电阻组成的电压分压连接到电流放大器,从而计算过流保护设置点。
设计结果和波形
电路电性能参数如表1所示。
从表中可以看出,3.3V输出负载效应和源效应均优于0.3%。
实际波形如图12和图13所示。
图12 初级侧波形
图13 SSPR波形
上一篇:DCDC转换器让您的电力更持久
下一篇:什么是数字电源
- Allegro MicroSystems 在 2024 年德国慕尼黑电子展上推出先进的磁性和电感式位置感测解决方案
- 左手车钥匙,右手活体检测雷达,UWB上车势在必行!
- 狂飙十年,国产CIS挤上牌桌
- 神盾短刀电池+雷神EM-i超级电混,吉利新能源甩出了两张“王炸”
- 浅谈功能安全之故障(fault),错误(error),失效(failure)
- 智能汽车2.0周期,这几大核心产业链迎来重大机会!
- 美日研发新型电池,宁德时代面临挑战?中国新能源电池产业如何应对?
- Rambus推出业界首款HBM 4控制器IP:背后有哪些技术细节?
- 村田推出高精度汽车用6轴惯性传感器
- 福特获得预充电报警专利 有助于节约成本和应对紧急情况
- 一加手机OnePlus 10 Pro早期概念渲染图解密
- 摩托罗拉Edge 30 Ultra/Edge X解密:骁龙“898”
- IARSystems率先支持集成AI技术的Arm Cortex-M55内核
- 意法半导体端口保护 IC为STM32USB-C双角色输电量身定制
- 为什么元宇宙商业离我们还很遥远?
- SENSOR CHINA:展示传感器核心力量,联接智慧未来
- Marvell 携手台积电打造 5 纳米技术数据基础设施产品组合
- Marvell 携手台积电打造 5 纳米技术数据基础设施产品组合
- Imagination联手Packetcraft共同推出低功耗音频解决方案
- 英特尔告诉你智能边缘的重大机遇在哪里?