【脉宽调制DCDC功率变换学习笔记023】渐进分析法

1、概念

将传递函数的渐近表达式作为分析基础,称为渐近分析法。

图 8.1 所示的是闭环控制 DC-DC 变换器的小信号框图。增益 是 PWM 增益, 是电压反馈补偿,其他小信号增益表示功率级传递函数。由图 8.1 可得

{8.1}

图 8.1 应用梅森增益定律推导出频域性能指标的表达式。音频敏感度由此确定为

{8.2}

如果已知小信号增益,则用式 (8.2) 可推导出音频敏感度的方程式。这种直接方法适用于反馈补偿设计,却难以产生有用的效果。 代替直接方法,用渐近分析法更容易简化分析,获得设计信息。将式 (8.2) 分解成两个渐近近似值:

{8.3}

对于大多数实际的变换器, 在低频是非常大的,在中频跨越 0 dB 线,并且在高频下持续下降。因此,环路增益的 0 dB 交越频率作为渐近近似的边界:频率 位于 0 dB 交越频率之前和频率 之后。

式 (8.3) 的渐近近似与伯德图相结合的分析方法称为渐近分析法。渐近分析法明确说明了电压反馈补偿对音频敏感度 的影响,从而展示出简单明了的设计信息。这种方法不需要复杂的分析处理,并且很快以一个因式分解的形式推导出 的表达式。多数情况下, 的分解表达式有利于通过观察而立即写出。

图 8.1 中可以得到输出阻抗的表达式,为了进行渐进分析将其代入到渐近近似值中。因为式 (8.3) 和式 (8.4) 具有同样的结构,所以渐近分析法可以同时应用于音频敏感度和输出阻抗。

{8.4}

2、示例

用下面的方程来详细说明渐近分析,G(s)T(s) 的简单表达式。

{8.5}

2.1、情况 A

举一个简单的例子,G(s)是常数,假定 T(s) 是一个单积分函数:。图 8.2 说明了由具体给定的 G(s) 和 T(s) 构造 |F| 的渐近曲线。如前所述,|T| 的 0dB交越频率,在图 8.2 中将其表示为 ,成为近似边界。频率高于 ,|F| 跟随 |G|;频率低于 ,++线性除法对应对数减法,++从 |G| 中减去 |T| 得到 |F|。如图 8.2 所示,由图形分析很容易确定上升斜率和 |F| 的角频率。

如【015-016】所述,通过伯德图构造的逆过程,将IFI的渐近线转化为F(s)解析方程

{8.6}

在频率 处,将 推导首项系数 的值:

{8.7}

得到关系式:

{8.8}

由式 (8.8) 得到 的表达式:

{8.9}

将式 (8.9) 代入得:

{8.10}

另一方面,将 代入式 (8.5) 中,直接推导的精确方程式:

{8.11}

对于这种特殊情况,渐近分析与精确分析相同:。但是,其一致性源于 T(s) 结构简单,并非适用于一般情况。

2.2、情况B

在这种情况下,G(s) 是低通滤波器,T(s) 是单积分器。图 8.3 是 |F| 的渐近图。

图 8.3 中 |F| 的渐近曲线被转换为 F(s) 的因式分解方程

{8.12}

通过计算 处的大小,得到 值:

{8.13}

化简得

{8.14}

得到 表达式

{8.15}

另一方面,将已知的传递函数代入式 (8.5) 中得到 F(s) 传递函数的精确表达式

{8.16}

这与前面渐近分析的结果相同。

2.3、情况C

图 8.4 阐述了 |F| 渐近图。

根据表 8.2 中的步骤将渐近曲线转换为 F(s) 的因式分解方程

{8.17}

采用与情况 B 相同的步骤推导式 (8.17) 中的首项系数。将已知的 G(s) 和 T(s) 表达式直接代入到式 (8.5) 中,得到

{8.18}

通过比较式 (8.17) 和式 (8.18) 可知,渐近分析只是对精确评估的近似。即使如此,这种近似实际上是准确的,原因如下:首先,两个方程具有相同的首项系数和分子。这些系数决定了低频特性,故两个传递函数表现出相同的低频特性。其次,近似方程 的高频渐近线由下式给出:

{8.19}

而精确方程式由下式给出:

{8.20}

由图 8.4 中渐近线的几何结构可知

{8.21}

得到关系式

{8.22}

这表明两个方程的高频渐近线也是相同的。由前面的分析得出结论,在低频和高频区域渐近近似与精确方程式重复,但在中频有一些偏差。在大多数情况下,该中频误差小到可以忽略不计。

3、渐进分析步骤

的图形渐近分析包括下面两个步骤:

  1. 第一步是已知 G(s) 和 T(s) 表达式,画出 的渐近图。

  2. 第二步是从第一步获得的 渐近图,推导 F(s) 的表达式。 表 8.1 和表 8.2 给出了渐近分析的一般规则。表 8.1 给出了 渐近图的步骤,而表 8.2 总结了从 渐近图中推导 F(s) 表达式的规则。

相关推荐
mykj15513 小时前
英语单词APP解锁学习新方式,智能高效背单词
学习·英语单词app
知识分享小能手4 小时前
深度学习学习教程,从入门到精通,深度学习中的正则化 — 完整知识点与代码示例(7)
人工智能·深度学习·学习
~kiss~5 小时前
Agent 的 未来吗?String: An Agentic OS Where Every App Is a Markdown File
学习
HugoStudio_SWAN5 小时前
洛谷 B4450 / B3867 / B3923 智慧购物、储蓄与做题——从程序到生活
c++·学习·程序人生·算法·生活
猎头南楼7 小时前
VLA 模型落地端侧:从架构选型到量化部署的工程实践笔记
笔记·架构·大模型
Capricorn19887 小时前
日志级幻觉排障:GPT-6 Astra 迈入 AGI 时代,知芽 Notebook Skill 如何以引用校验与零命中诚实弃权解决长文失忆
论文阅读·人工智能·笔记·gpt·agi
UIU1147 小时前
scanf与cout的误区:探究其内部的机制
c++·学习·c#·scanf
疯狂打码的少年8 小时前
【数据库技术】多值依赖与第四范式(4NF)
数据库·笔记·算法
tq10868 小时前
算法的另一面
笔记
点心的游戏开发世界10 小时前
GDScript 入门笔记(五):函数
笔记·游戏引擎·godot