0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

如何使用前馈补偿网络解决相关性

电子设计 来源:eeweb 作者:Melexis公司 2021-05-21 06:25 次阅读

本应用笔记介绍了MLX10803的Buck拓扑中平均LED电流的依赖性。由于它被设计为以低于150 kHz的开关频率工作,因此本文档将介绍如何使用前馈补偿网络解决相关性。

理论:切换延迟

由于内部传播延迟而导致的延迟

o4YBAGCnXYGAGb_mAABTv-3HUvc541.png

在上面的图片(图1)中,线圈电流的IREF / VREF引脚上定义的阈值达到了1。但是,MLX10803在检测到电流之间的内部延迟时间为T_InternalDelay(〜50 ns)。 RSense的阈值(为1),DRVOUT上的FET的实际开关为2。

备注:此延迟与去抖动时间(Tdeb〜30 ns)无关。Tdeb旨在消除由于RSense引脚上的振铃而引起的任何问题。

由于驱动器FET的下降斜率而导致的延迟

关断FET所需的时间会产生一个额外的延迟:T_FEToff_delay

例如:

当使用EVB10803_1降压评估板(其中SOT223 BSP318s以R2 = 100Ω驱动)时,FET的关闭延迟约为30 ns。

相比之下,SOT23 PMV213SN具有较小的栅极电容,再加上100Ω的驱动电阻会增加〜120 ns的延迟(见图2)。

pIYBAGCnXY-ARcdGAADJ_7sL4iw821.png

由于开关延迟,ILED的电源依赖性

LED平均电流的误差取决于电源。

[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_ {内部
延迟} + T_ {FEToffDelay} [/ tex]

评论:

FET的下降沿通常是主要因素。减小T_FETToffDelay将增加FM无线电频带中的EMC噪声。可以通过在FET的源极路径中添加铁氧体磁珠来改善FM无线电频带中的这种噪声。

增加电感值L也会降低Ierror。

o4YBAGCnXZqAKyIkAAC_Px91G2s921.png

通过在Rsense(R7)上的电压之上加上与电源有关的电压,可以实现补偿。当电源电压上升时,这会增加RSENSE输入引脚上的电压。当电源电压升高时,这会降低峰值电流阈值,从而稳定了LED电流。

实际实现是通过添加2个电阻R1和R6完成的。这将产生一个补偿电流,其近似值为:

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

电流补偿斜率由–R6 /(R6 + R1)确定,可用于补偿由于非零关闭延迟而导致的ILED上升。需要进行一些实验才能找到正确的值。

下面的应用原理图以及下面的补偿网络已将供电依赖性降低到±1%以下。
* R1 =引脚8和引脚5之间的47kΩMLX10803
* R6 = R3和引脚5之间的电阻200ΩMLX10803

编辑:hfy

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • led
    led
    +关注

    关注

    242

    文章

    23163

    浏览量

    658739
  • 驱动器
    +关注

    关注

    52

    文章

    8173

    浏览量

    146092
  • 驱动电阻
    +关注

    关注

    1

    文章

    33

    浏览量

    10146
收藏 人收藏

    评论

    相关推荐

    自然语言处理网络综述

    自然语言处理(NLP)网络是人工智能和语言学领域的一个重要交叉学科,旨在通过计算机模型理解和处理人类语言。神经
    的头像 发表于 07-12 10:10 286次阅读

    使用NumPy实现神经网络

    要使用NumPy实现一个神经网络(Feedforward Neural Network),我们需要从基础开始构建,包括初始化网络参数、定义激活函数及其导数、实现
    的头像 发表于 07-11 16:30 1587次阅读

    神经网络的基本结构和常见激活函数

    神经网络(Feedforward Neural Network, FNN)是人工神经网络中最基本且广泛应用的一种结构,其结构简单、易于理解,是深度学习领域中的基石。FNN通过多层节
    的头像 发表于 07-09 10:31 638次阅读

    全连接神经网络神经网络的比较

    随着人工智能技术的飞速发展,神经网络作为其核心组成部分,在各个领域展现出了强大的应用潜力和价值。在众多神经网络类型中,全连接神经网络(F
    的头像 发表于 07-09 10:31 8654次阅读

    深度神经网络中的过程

    深度神经网络(Deep Neural Networks,DNNs)中的过程是其核心操作之一,它描述了数据从输入层通过隐藏层最终到达输出层的过程,期间不涉及任何反向传播或权重调整。这一过程是神经
    的头像 发表于 07-08 17:29 340次阅读

    神经网络在自然语言处理中的应用

    自然语言处理(Natural Language Processing, NLP)作为人工智能领域的一个重要分支,旨在让计算机能够理解和处理人类语言。随着深度学习技术的兴起,神经网络
    的头像 发表于 07-08 17:00 320次阅读

    神经网络的工作原理和应用

    神经网络(Feedforward Neural Network, FNN),作为最基本且应用广泛的一种人工神经网络模型,其工作原理和结构对于理解深度学习及人工智能领域至关重要。本文
    的头像 发表于 07-08 11:28 1493次阅读

    人工神经网络模型的分类有哪些

    详细介绍人工神经网络的分类,包括神经网络、卷积神经网络、循环神经网络、深度神经
    的头像 发表于 07-05 09:13 1003次阅读

    bp神经网络还是反馈

    BP神经网络,即反向传播(Backpropagation)神经网络,是一种神经网络(Feedforward Neural Network
    的头像 发表于 07-03 10:16 658次阅读

    控制系统与反馈控制系统的区别

    在工业自动化领域中,控制系统是确保生产过程稳定、高效运行的关键。其中,控制系统和反馈控制系统是两种常见的控制策略。它们各自具有独特的工作原理和优势,适用于不同的应用场景。本文将对
    的头像 发表于 06-17 11:45 3539次阅读

    接触与非接触式测量相关性的方法

    接触式测量和非接触式测量是两种常见的测量方法,它们在工业生产、科学研究和日常生活中都有广泛的应用。本文将详细介绍这两种测量方法的基本原理、特点、应用领域以及它们之间的相关性。 一、接触式测量
    的头像 发表于 06-14 09:24 1272次阅读

    Chrome浏览器地址栏更新,运用机器学习提升相关性判断准确

    据悉,谷歌成功将机器学习(ML)模型融入Chrome多功能框,以实现更为精准的内容推荐。举例而言,若用户在短时间内关闭某网页,AI便会判定此页非所需,进而降低其相关性得分。
    的头像 发表于 04-30 11:15 510次阅读

    带电压的中端输入同步降压控制器TPS40074数据表

    电子发烧友网站提供《带电压的中端输入同步降压控制器TPS40074数据表.pdf》资料免费下载
    发表于 04-11 11:13 0次下载
    带电压<b class='flag-5'>前</b><b class='flag-5'>馈</b>的中端输入同步降压控制器TPS40074数据表

    MC_PMSM_motor_param.h系数是如何计算的?

    请教:在MC_PMSM_motor_param.h中的关于的系数如何计算得到?
    发表于 03-22 06:10

    工作频率为300 kHz的汽车LED驱动器

    本应用笔记介绍了 MLX10803 降压拓扑中平均 LED 电流的依赖来源。由于其设计工作在低于 150 kHz 的开关频率,因此本文档将介绍如何使用补偿
    发表于 01-30 15:17 312次阅读
    工作频率为300 kHz的汽车LED驱动器