如何利用国产C2000实时DSP,QX320F280049,提高GaN数字电源设计实用性

与碳化硅 (SiC)FET 和硅基FET 相比,氮化镓 (GaN) 场效应晶体管 (FET) 可显著降低开关损耗和提高功率密度。这些特性对于数

字电源转换器等高开关频率应用大有裨益,可帮助减小磁性元件的尺寸。

电力电子行业的设计人员需要采用新的技术和方法来提高GaN 系统的性能,在利用GaN 技术开发现代电源转换系统

时,C2000™实时微控制器 (MCU) 可帮助应对各种设计挑战。

C2000实时MCU 的优点

C2000 MCU 等数字控制器具有出色的适用性,适合各种复杂的拓扑和控制算法,例如零电压开关、零电流开关或采用混合磁

滞控制的电感器-电感器-电容器 (LLC) 谐振直流/直流电源。

C2000 MCU 可提供以下优势:

复杂的时间关键型计算处理。C2000 MCU 拥有高级指令集,可显著减少复杂数学计算所需的周期数。计算时间减少

后,可以在不增加MCU 工作频率的情况下提高控制环路频率。

精确控制。C2000 MCU 中的高分辨率脉宽调制器 (PWM) 可提供 150ps的分辨率,而且内置的模拟比较器和可配置逻辑

块 (CLB) 有助于安全处理出现的各种错误情况。

软件和外设可扩展性。随着系统要求的变化,C2000™ 平台支持向上或向下扩展实时MCU 功能,同时保持软件投入,

从而减少软件投入加快产品上市速度。例如, TMS320F280025 等低成本C2000™ MCU 可在小型服务器电源中实现实时

处理和控制;而TMS320F28379D 是高频率多相系统中的常用器件。但TMS320F28379D 保持了和TMS320F280025代码的

兼容性。

使用C2000 MCU 应对GaN 开关挑战

如前所述,实现更高的开关频率可减小开关转换器中磁性元件的尺寸,但同时这会带来许多控制方面的挑战。例如,在图腾柱

功率因数校正 (Totem-pole PFC) 拓扑中,减小电感器的尺寸不仅会导致零交叉点处的电流尖峰增加,还会增加死区引起的第三

象限损耗,这些影响综合起来会增加总谐波失真 (THD) 并降低效率。

为解决上述问题,C2000实时MCU 通过功能丰富的PWM 启用软启动算法,从而消除电流尖峰并改善THD。C2000 MCU 还拥

有扩展的指令集、浮点运算单元 (FPU) 和三角函数加速器 (TMU),进而显著降低PWM 导通时间等参数的计算时间。计算时间

减少还可提高控制环路频率,再结合PWM 的 150ps分辨率,可帮助降低第三象限损耗。

使用TI GaN 技术连接C2000 MCU

如图1所示,C2000 MCU、数字隔离器件和GaN FET 都是器件连接中必不可少的一部分。

1图 1:连接C2000 MCU、数字隔离器和600V GaN FET

增强型数字隔离器可帮助抑制瞬态噪声并保护C2000 MCU。C2000 MCU 无需外部逻辑器件,利用其高分辨率 PWM、可配置

逻辑块和增强型捕捉模块实现GaN FET 的安全性、温度和错误报告等所有功能,从而提供精确的控制输出。600V GaN FET 中

的集成驱动器可减少由感应振铃导致的系统设计问题。综合使用这些器件便无需增加额外的外部元件,因而可降低总体成本。

结束语

TI C2000实时MCU 和GaN FET 协调工作,可为现代数字电源系统提供灵活而简单的解决方案,同时也提供了先进的功能来实

现高功率密度且高效的数字电源系统。我们的参考设计都经过全面测试并附有完善的文档说明,可帮助加速高效且高功率密度

的数字电源系统的开发进程。

相关推荐
音视频牛哥1 分钟前
《“人工智能+”行动意见》深度解析:从智能红利到产业落地,直播模块的技术价值与应用路径
人工智能·计算机视觉·音视频开发
mahuifa7 分钟前
OpenCV 开发 -- 图像基本处理
人工智能·python·opencv·计算机视觉
GEO科技权威资讯24 分钟前
生成对抗网络 (GAN):理解其原理与创作能力
人工智能·神经网络·生成对抗网络
曙曙学编程34 分钟前
stm32——独立看门狗,RTC
c语言·c++·stm32·单片机·嵌入式硬件
sheepwjl42 分钟前
《嵌入式硬件(四):温度传感器DS1820》
单片机·嵌入式硬件
六月的可乐1 小时前
【干货推荐】AI助理前端UI组件-悬浮球组件
前端·人工智能·ui
蔡俊锋1 小时前
【无标题】
人工智能·chatgpt
说私域1 小时前
基于开源AI大模型AI智能名片S2B2C商城小程序的参与感构建研究
人工智能·小程序·开源
码蛊仙尊1 小时前
2025计算机视觉新技术
人工智能·计算机视觉
西猫雷婶1 小时前
scikit-learn/sklearn学习|广义线性回归损失函数的基本表达式
深度学习·神经网络·学习·机器学习·线性回归·scikit-learn·概率论