如何設計高壓DCM反相電荷泵轉換器

作者 : John Betten,德州儀器(TI)應用工程師

在先進駕駛輔助系統(ADAS)、聲納應用超聲波換能器,以及通訊設備中,都需要用到小電流、負高壓來偏置感測器。返馳式轉換器、Cuk轉換器和反相降壓-升壓轉換器都是可能的解決方案,但是會受到一些不利因素的影響…

在先進駕駛輔助系統(ADAS)、聲納應用超聲波換能器,以及通訊設備中,都需要用到小電流、負高壓來偏置感測器。返馳式轉換器、Cuk轉換器和反相降壓-升壓轉換器都是可能的解決方案,但是會受到一些不利因素的影響,如變壓器(返馳和Cuk)龐大笨重,或控制器的輸入電壓額定值(反相降壓-升壓)限制了其最大負電壓。本文將詳細介紹轉換器的工作原理,它將單個電感與以非連續導通模式(DCM)工作的反相電荷泵結合,與接地參考升壓控制器配合使用,可以以較低的系統成本產生較大的負輸出電壓。

圖1顯示了簡化的功率級原理圖。請注意,此原理圖與傳統的反相降壓-升壓轉換器不同,後者的控制器在VIN和-VOUT之間「浮動」。在那種轉換器中,可實現的最大-VOUT是控制器的最大VCC減去最大輸入電壓。這樣的話就幾乎不可能找到一種控制器能夠驅動輸出電壓為-100V或更高的N通道場效電晶體。

20190605TA31P1
圖1 電感驅動的反相電荷泵的簡化功率級。

電路的工作可分為三個階段(圖2)。

20190605TA31P2
圖2 DCM工作的三個階段。

在第一個階段,FET在工作週期(d)期間導通,它在電感上施加VIN,允許電流從零上升,從而儲存能量。然而,在前一個週期中,C1(其保持大約等於VOUT的電壓)耗盡了其過量儲存的能量,反向偏置了D1和D2,這就是D1、D2和C1未在此階段顯示的原因,而C2提供所有負載電流。

在下一個階段d'中,FET關斷,電感電流開始放電,導致其電壓極性反轉。這大大增加了節點VFET處的電壓,允許C1透過D1充電。在此階段,電流傾降,直至D1關斷。然而,由於D1的反向恢復特性,電流在最終關斷之前變為反向,此時電感電流斜率改變並且其電壓極性再次反轉。

第三個階段d'',能量從C1傳遞到C2。當D1停止導通時,由於VFET節點電壓被強制接地(通過FET本體二極體的電流通路),電感電壓被鉗位到VIN。電流流過D2,直到C1和C2兩端的電壓相等,但通過FET本體二極體的電流會持續直到電感電流減小到零。此時,電感兩端的電壓崩潰,電路產生寄生效應,直到FET再次導通。

圖3詳細介紹了關鍵電壓和電流的波形。DCM工作允許盡可能小的電感,但可以有較高的峰值電流。DCM工作的電感在最大工作週期、最小VIN和滿載時確定。依照控制器資料表仔細檢查最大工作週期,通常可以選擇60~90%,否則可能發生脈衝跳躍。較大的電感會使工作進入連續導通模式(CCM),因為在下一個開關週期之前電流不會返回到零。這樣,所用的電感可能比實現所需的要大,因此要加倍小心以防止次諧波振盪。

20190605TA31P3
圖3 DCM中的關鍵電路波形。

設計方程式

對於DCM工作,公式(1)很好地闡釋了電感如何儲存能量:

20190605TA31P3-1

其中ipk是峰值電感電流,η是轉換器效率。峰值電感電流等於公式(2):

20190605TA31P3-2

由以下兩個公式:

20190605TA31P3-3

得到工作週期(d):

20190605TA31P3-4

由於VIN是FET導通時電感兩端的電壓,而ipk是工作週期d結束時的電感電流,因此將公式(2)代入公式(3)得到公式(4)和(5):

20190605TA31P3-5

在d'階段,平均負載電流由公式(6)和(7)中的幾何關係確定:

20190605TA31P3-6

將公式(2)代入公式(7)得到公式(8):

20190605TA31P3-7

該週期的剩餘期間定義為d'',這時能量轉移到C2並且剩餘的電感電流放電到零,如公式(9):

20190605TA31P3-8

圖4是利用倍壓器實現該轉換器的原理圖示例,其中允許每個功率級元件的電壓應力等於滿輸出電壓的一半。這使得元件的選擇更加廣泛。在這個應用中,計算出的電感就好像輸出電壓只有一半,而負載電流為兩倍。

20190605TA31P4
圖4 帶倍壓器和電平轉換電流鏡的電感驅動反相電荷泵示意圖。

該轉換器提供小型單電感解決方案,用於產生較大的負電壓。此外,它允許使用低成本接地參考升壓控制器來驅動N通道FET。

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

加入LINE@,最新消息一手掌握!

發表評論