Oskilloskoopin taajuusalueen mittausvirtalähteen kohinan mittausongelma
Teholähteen melun analysointiprosessissa klassisempi menetelmä on käyttää oskilloskooppia teholähteen kohinan aaltomuodon tarkkailuun ja sen amplitudin mittaamiseen, jotta voidaan määrittää virtalähteen kohinan lähde. Kuitenkin, kun digitaalisten laitteiden jännite vähitellen laskee ja virta vähitellen kasvaa, virtalähteen suunnittelu vaikeutuu, ja teholähteen kohinan arvioimiseen on käytettävä tehokkaampia testausmenetelmiä. Tämä artikkeli käsittelee taajuusalueen menetelmän käyttöä virtalähteen kohinan analysoinnissa. Kun vikaa ei voida paikantaa tarkkailemalla aikatason aaltomuotoa, aika-taajuusmuunnos suoritetaan FFT-menetelmällä (Fast Fourier Transform) ja aika-alueen teholähteen kohinan aaltomuoto muunnetaan taajuusalueeksi analysointia varten. Virheenkorjauksen yhteydessä signaalin ominaisuuksien tarkastelu aika- ja taajuusalueen näkökulmasta voi tehokkaasti nopeuttaa virheenkorjausprosessia.
Yhden levyn virheenkorjausprosessin aikana havaittiin, että verkon virtalähteen kohina oli 80 mv, mikä ylitti laitevaatimukset. Jotta laite voisi toimia vakaasti, virtalähteen melua on vähennettävä.
Ennen kuin korjaat tämän vian, tarkista virtalähteen kohinanvaimennusperiaatteet. Sähkönjakeluverkon eri taajuuskaistat käyttävät erilaisia komponentteja kohinan vaimentamiseen. Irrotuskomponentteja ovat tehonsäätömoduulit (VRM), erotuskondensaattorit, piirilevyn tehomaatasoparit, laitepaketit ja sirut. VRM sisältää tehosirun ja oheislaitteiden lähtökapasitanssin, joka toimii noin DC:stä matalataajuiseen (noin 100K). Sen vastaava malli on kaksikomponenttinen malli, joka koostuu vastuksesta ja kelasta. On parasta käyttää irrotuskondensaattoreita useiden suuruusluokkien kondensaattoreiden kanssa, jotta keskitaajuuskaista (noin 10K - 100M) katetaan kokonaan. Johtuen johdotuksen induktanssista ja paketin induktanssista, vaikka suuri määrä erotuskondensaattoreita olisi pinottu, se on vaikeaa toimia korkeammilla taajuuksilla. Piirilevyn teholähteen maataso muodostaa levykondensaattorin, jolla on myös erotusvaikutus, noin kymmeniä megatavuja. Sirupakkaukset ja sirut vastaavat suurtaajuuskaistoista (yli 100M). Nykyiset huippuluokan laitteet lisäävät yleensä irrotuskondensaattoreita pakkaukseen. Tällä hetkellä piirilevyn erotusalue voidaan pienentää kymmeniin megatavuihin tai jopa useisiin megatavuihin. Siksi, kun virtakuorma pysyy muuttumattomana, meidän tarvitsee vain määrittää, millä taajuuskaistalla jännitekohina esiintyy, ja sitten optimoida tätä taajuuskaistaa vastaavat erotuskomponentit. Kaksi erotuselementtiä toimivat yhdessä vierekkäisillä taajuuskaistoilla, joten myös vierekkäisten taajuuskaistojen erotuselementit tulee ottaa huomioon erotuselementtien kriittisiä pisteitä analysoitaessa.
Perinteisen teholähteen virheenkorjauskokemuksen perusteella verkkoon lisättiin ensin joitakin erotuskondensaattoreita tehonsyöttöverkon impedanssimarginaalin lisäämiseksi, jotta varmistetaan, että tehonsyöttöverkon impedanssi keskitaajuuskaistalla vastaa sovelluksen tarpeita. skenaario. Tuloksena on vain muutaman mV aaltoilun lasku, minimaalinen parannus. Tälle tulokselle on useita mahdollisuuksia: 1. Kohina on matalataajuista eikä ole näiden irrotuskondensaattorien alueella; 2. Kapasitanssin lisääminen vaikuttaa tehonsäätimen VRM:n silmukkaominaisuuksiin ja kapasitanssin aiheuttama impedanssin pieneneminen liittyy VRM:ään. Heikkeneminen tasoittuu. Tämän kysymyksen mielessä harkitsimme oskilloskoopin taajuusalueen analyysitoiminnon käyttöä nähdäksemme teholähteen kohinan spektriominaisuudet ja paikallistaaksemme ongelman lähteen.
Oskilloskoopin taajuusalueen analyysitoiminto toteutetaan Fourier-muunnoksen avulla. Fourier-muunnoksen ydin on, että mikä tahansa aikatason sekvenssi voidaan ilmaista eritaajuisten siniaaltosignaalien äärettömänä superpositiona. Analysoimme näiden siniaaltojen taajuutta, amplitudia ja vaiheinformaatiota, joka on analyysimenetelmä, joka vaihtaa aikatason signaalin taajuusalueelle. Digitaalisella oskilloskoopilla näytteistetty sekvenssi on diskreetti, joten nopeaa Fourier-muunnosta (FFT) käytetään yleisimmin analyysissämme. FFT-algoritmi on optimoitu Discrete Fourier Transform (DFT) -algoritmilla. Laskelmien määrää pienennetään useilla suuruusluokilla, ja mitä enemmän pisteitä pitää laskea, sitä suurempi on säästö laskelmissa.
