如何降低晶体管和变压器的损耗,提高开关电源效率?一文全部总结
ztj100 2025-01-20 18:20 19 浏览 0 评论
大家好,我是李工,创作不易,希望大家多多支持我。今天给大家分享的是:开关电源损耗与效率、开关晶体管损耗、开关变压器损耗。
一、开关电源的损耗
开关电源的损耗主要来自三个元件:开关晶体管、变压器和整流二极管。
1、开关晶体管损耗
主要分为开通/关断损耗两个方面。开关晶体管的损耗主要与开关管的开关次数有关,还与工作频率和负载特性有关。如果开关时间增加一倍,开关管的损耗将增加约2~3倍,而开关管的损耗与开关电源的工作频率成正比。
2、开关变压器的损耗
主要包括磁滞损耗、涡流损耗和铜损。开关变压器的涡流损耗和变压器线圈的铜损与工作频率的平方成正比,而磁滞损耗除与工作频率外还与磁通密度的1.6次方成正比。
3、整流二极管的损耗
主要由两部分组成:正向导通损耗和反向恢复损耗。整流二极管的正向损耗与整流二极管的正向压降有关,而反向恢复损耗与二极管的反向恢复时间有关。
以上三种损耗占开关电源总损耗的20%以上。如何降低开关晶体管和变压器的损耗,提高效率,是每个工程师在设计的时候都会考虑到的问题。
二、开关晶体管损耗
开关晶体管的损耗主要包括开通损耗和关断损耗。
1、开关晶体管的等效电路
三极管(或MOSFET)的输入可以等效为一个电容并联一个电阻,其输入电压为:
三极管(或MOSFET)导通时,输出端可以等效为一个电感并联一个电阻;三极管截止时,可以等效为一个电容与一个电阻并联;其输出电压为:
集电极电流为:
2、开关晶体管开通/关断过程——纯阻性负载
三极管开关特性参数:
(1) 延迟时间 t d
当输入信号 Vin 变为正时,集电极电流Ic上升到其最大值 Icm 的 10%所需的时间。
(2) 上升时间 t r
集电极电流Ic从其最大值 Icm 的 10% 上升到 90%所花费的时间。
(3) 存放时间 t s
当输入信号 V in变为负时,峰值集电极电流 I cm降至其值的 90%所需的时间。
(4) 下降时间 t f
集电极电流Ic从其最大值 Icm 的 90% 下降到 10%所花费的时间。
3、 开关晶体管导通/关断过程-反激式输出电源
采用反激式开关电源,流过开关管的电流是锯齿波。起初开关管导通,流过变压器初级线圈的电流很小,但在变压器关断前电流变得很大。因此晶体管在导通时间(t d和t r)的损耗很小,而在关断时间(t s和t f)的损耗很大,相差几十倍。
4、开关晶体管导通/关断过程-正向输出电源
对于正向开关电源,流过开关管的电流是梯形波形。起初开关管导通,流过变压器初级线圈的电流比较大。它在晶体管关闭之前变大。因此,开关管在导通初期(t d和t r)和关断期间(t s和t f)的损耗均大于反激式开关电源。
降低开关损耗的一种方法是尽可能缩短晶体管的导通/关断时间,尤其是关断时间,另一种方法是降低工作频率。
5、开关时间对开关损耗的影响
纯阻性负载的开关损耗与开关管的四次开关次数成正比。因此增加晶体管的导通/关断时间会同时降低开关电路的电压和电流上升率。也有利于降低开关电源的辐射干扰,但会增加晶体管的开关损耗。
在感性负载中,正激式和反激式开关电源的开关损耗不同。
三、开关电源变压器损耗
1、单极开关电源变压器磁芯的磁滞回线
上图为单极开关电源正常工作时变压器铁心的磁化曲线(磁滞回线)。当励磁电流对铁芯进行磁化时,磁通密度沿磁化曲线abc变化。在这种情况下,磁通密度随着磁场强度的增加而增加。退磁时,磁通密度和磁场强度沿磁化曲线cda变化。在这种情况下,磁通密度随着磁场强度而降低。
一方面,当脉冲宽度一定时,励磁电流和退磁电流产生的磁场强度大小相等方向相反,因此磁滞环的两端(a和c)为基本稳定。另一方面,磁滞回线的两端会随着脉冲宽度的变化而变化。
2、变压器铁芯的选择
关于变压器铁芯的选择,我们主要考虑体积、工作效率、可靠性、成本等方面,其中必然涉及到变压器铁芯的诸多参数,如:最大磁通密度Bm(或磁饱和磁通密度B s )、最大磁导率μ m、有效磁导率μ e、矫顽力H m和涡流损耗等。这些参数基本上与工作频率有关,尤其是涡流损耗P e和磁滞损失 P h。
原文链接:http://www.kynixsemiconductor.com/News/44.html
以上就是关于开关电源损耗的知识,希望大家多多支持我,得点赞,关注,有问题欢迎在评论区留言,大家一起讨论。
- 上一篇:直击2016里约奥运,解读五环含义
- 下一篇:亲子手工夏天知了折纸图解教程
相关推荐
- 其实TensorFlow真的很水无非就这30篇熬夜练
-
好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...
- 交叉验证和超参数调整:如何优化你的机器学习模型
-
准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...
- 机器学习交叉验证全指南:原理、类型与实战技巧
-
机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...
- 深度学习中的类别激活热图可视化
-
作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...
- 超强,必会的机器学习评估指标
-
大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...
- 机器学习入门教程-第六课:监督学习与非监督学习
-
1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...
- Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置
-
你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...
- 神经网络与传统统计方法的简单对比
-
传统的统计方法如...
- 自回归滞后模型进行多变量时间序列预测
-
下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...
- 苹果AI策略:慢哲学——科技行业的“长期主义”试金石
-
苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...
- 时间序列预测全攻略,6大模型代码实操
-
如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)