寄生峰值:造成反饋迴路不穩定的寄生反饋路徑

作者 : John Dunn,EDN專欄作者

即使是最優秀的工程師,也可能深受不易察覺的電子作用之害,尤其是「寄生反饋路徑」對原本穩定的反饋迴路造成破壞時…

我一直堅信電子比人更加聰明。即使是最優秀的工程師,也可能深受不易察覺的電子作用之害,尤其是存在「寄生反饋路徑」(sneak feedback path)對原本穩定的反饋迴路造成破壞而必須找到問題所在的時候。本文以一個案例研究來看這個問題。

我手邊有一種多輸出直流(DC)電源,其設計偶爾會出現迴路不穩定,目前正著手找出原因,進而尋求補救措施。我因此設置了一個注入訊號,稱為“E-test”,如1所示。這樣一來,只要檢查與E1相關的E2,就可以查看反饋迴路的增益和相位屬性。

圖1:E-test的基本迴路增益測試計畫。

設計中有一個電流絕緣隔離層,因此測試設置如2所示。

圖2:更詳細的迴路增益測試計畫。

我們現在看看隔離電路是如何配置的(3)。

圖3:交替動作的箝位隔離電路。

由於在驅動變壓器次級中心接頭存在DC電流源,透過變壓器初級上的兩個二極體引起交替箝位動作,訊號輸入電壓E (左側)轉換為訊號輸出電壓E (右側)。由於兩個NPN電晶體的Vcesat和四個二極體的正向壓降,我們會損失一些電平,但卻能非常接近地實現從輸入到輸出的線性傳遞函數。更詳細的電路如4所示。

圖4:比圖3更詳細的交替動作箝位隔離電路。

請注意1N4623穩壓二極體上的8V電源。稍後我們將返回考慮這兩個部份的性質。

5所示的一對曲線顯示了隔離電路的輸出和隨後的PWM控制訊號輸出與隔離電路的輸入之間關係。為了實現反饋迴路控制,這就是我們所需要的。

圖5:隔離電路的線性度。

雖然現在已經被新的型號取代了,但是這台在惠普(HP)­時代——現隸屬於是德科技(Keysight Technologies)開發的4395A網路分析儀仍可用於迴路測試(6)。

圖6:左側是用於E-test的HP 4395A網路分析儀,右側則繪出如何將其連接到待測單元(UUT)。

4395A網路分析儀透過7所示的1:1介面變壓器連接到UUT。同軸電纜的編織層用作測試變壓器的初級,而電纜的中心導體則用作測試變壓器的次級。兩個100Ω電阻為分析儀的射頻(RF)輸出提供近50Ω負載,而100Ω和10Ω兩個電阻則形成了一個非常小的E-test,以便在執行測試時使電源的工作狀態盡可能接近正常。

圖7:測試變壓器及其與HP 4395A網路分析儀的連接。

我們在E-test的不同激勵程度下進行了迴路增益測試,結果讓我們大吃一驚。

由於來自分析儀的測試訊號電平從0dBm下降到-12dBm,因此得到了不同的測試結果(8)。

圖8:在網路分析儀的激勵為(a)0dBm、(b)-3dBm、(c)-6dBm、(d)-9dBm、(e)-10dBm和(f)-12dBm的情況下所看到的迴路增益。

當網路分析儀的輸出電平被設置為0dBm時,迴路增益滾降特性起初看起來不錯,但隨著激勵電平的改變,滾降特性發生了巨大變化。

結果發現罪魁禍首如9所示。

圖9:寄生反饋路徑。

8V的電源來自PWM動作所控制的同一個逆變器,因此導致了如9所示的寄生反饋路徑。穩壓二極體的導通電阻促進了這條路徑,而且,在我看來,Rzener相對於測試激勵的變化導致了奇怪的測試結果。

可以將穩壓二極體替換為主動IC,如10所示。

圖10:消除寄生反饋路徑。

透過使用具有極低動態電阻的LM136並改變一個電阻,可以恢復PNP電晶體的Q點,以消除寄生反饋路徑。

測試結果如11所示。

圖11:去除了寄生路徑的迴路增益和迴路相位。

隨著寄生反饋路徑的中斷,在所有測試驅動電平的情況下,增益相位結果都很好並且彼此相似。

我們錯誤地假設電源是一個線性系統。由於穩壓二極體的行為,電源實際上是一個非線性系統。

從頭開始,我們可以說,在進行迴路增益和迴路相位測試時應始終在不同的激勵電平下運行,從而查看測試結果是否在每個激勵電平下相互匹配。如果結果並非如此,那麼某個地方就存在非線性,這就可能會給我們或我們的終端用戶帶來麻煩。

(參考原文:Sneaky peak: sneaky feedback paths that de-stabilize an otherwise stable feedback loopby John Dunn)

本文同步刊登於EDN Taiwan 202212月號雜誌

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