新闻详情

新闻详情

首页 / 资讯中心 / 详情

035_奇模振荡在推挽结构中的触发条件排查

发布时间:2026/10/13 7:50:34来源:尧图网络
035_奇模振荡在推挽结构中的触发条件排查
035、奇模振荡在推挽结构中的触发条件排查一个让产线停摆三天的诡异振荡几年前做一款工业电源模块,推挽拓扑,输出功率不大,但样机在老化房跑温循的时候,出现了很奇怪的失效:常温满载一切正常,温度一降到零下十度附近,输出纹波突然变大,效率掉了七八个点,输入端电流波形从规整的方波变成了明显不对称的样子。更邪门的是,这个现象只在某一批次变压器上出现,换另一批磁芯就没事。当时第一反应是磁芯饱和,查了伏秒积、查了气隙、查了驱动死区,都没问题。后来用高带宽电流探头分别卡两个推挽管的漏极电流,才发现问题所在:两个管子的电流波形在低温下出现了高频包络调制,频率大概在开关频率的三到五倍之间,两个管子的电流此消彼长,像跷跷板一样来回摆。这就是奇模振荡。它和差模振荡不一样,差模是两条支路同相一起振,奇模是两条支路反相,一个涨另一个就落。推挽结构天生有两条对称的功率路径,一旦这两条路径的某个参数出现微小失配,加上环路里存在足够的增益和恰当的相位,奇模分量就会被放大并维持。那次踩坑让我付出的代价是:产线停三天,重新筛选磁芯批次,改驱动电阻,最后靠调整两个管子的栅极驱动走线长度差才压下去。从那以后,我对推挽结构的奇模振荡触发条件做了系统梳理,下面把这些年积累的判断思路写出来。奇模振荡和差模振荡的本质区别很多人一看到振荡就想到反馈环路补偿,但在推挽结构里,振荡可以分成两种模式。差模振荡是两条支路同时受到扰动,电流同增同减,表现为母线电流整体波动。这种振荡通常和输入滤波器的负阻抗特性、或者闭环响应有关,处理思路是调补偿、加阻尼。奇模振荡
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/12 6:33:38

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/12 18:11:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/12 11:15:39

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/13 5:44:28

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/12 12:51:35

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/12 19:12:34

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉