新闻详情

新闻详情

首页 / 资讯中心 / 详情

第16篇_电路分析_VRM同步Buck手算效率与损耗模型

发布时间:2026/11/14 9:15:49来源:尧图网络
第16篇_电路分析_VRM同步Buck手算效率与损耗模型
第16篇 | 服务器 VRM 同步 Buck 电路手算效率——损耗模型与波形拆解分析方法Buck 电路图 → 导通/开关损耗分项公式推导 → 仿真验证SW 节点波形 电感电流 效率曲线 → 开关频率与电感选型的工程权衡一、导言CPU 的饭怎么喂服务器 CPU 要 1.05V、几十安的供电直接从 12V 降压而来。本篇以一个典型单相参数为例Vin12VVout1.05VIout30Afsw500kHzL0.15μH把同步 Buck 的损耗一笔一笔算清楚看效率是怎么被吃掉的。二、电路图 同步 Buck 单相电路12V ──┐ │ [高侧 MOS HS] ──┐ 驱动PWM控制器 自举 ├── SW ──[ L 0.15μH ]──┬──→ 1.05V/30A 输出 [低侧 MOS LS] ──┘ │ │ [ Cout ] 输出电容 GND │ GND高侧管导通占空比 D Vout/Vin低侧管在死区外互补导通续流。输出电容滤除纹波。三、公式逐步推导3.1 占空比与电感纹波占空比D Vout / Vin 1.05 / 12 ≈ 8.75% 电感纹波电流 ΔIL (Vin − Vout) × D / (fsw × L) (12 − 1.05) × 0.0875 / (500000 × 0.15e-6) ≈ 12.7A峰峰值 电感电流在 30A ± 6.35A 之间三角波动纹波比例 ΔIL/IL ≈ 42%偏大工程上常按 20%~30% 设计说明电感量偏小——这正是后面工程权衡的伏笔。3.2 高侧管损耗开关为主导通损耗P_HS_cond Iout² × Rds(on) × D 900 × 3mΩ × 0.0875 ≈ 0.24W 开关损耗P_HS_sw 0.5 × Vin × Iout × (tr tf) × fsw 0.5 × 12 × 30 × (10ns 8ns) × 500000 ≈ 1.62W 高侧合计 ≈ 1.86W开关损耗是导通的近 7 倍3.3 低侧管损耗导通为主导通损耗P_LS_cond Iout² × Rds(on) × (1 − D) 900 × 2mΩ × 0.9125 ≈ 1.64W 死区期间体二极管续流损耗另计约 0.3W 低侧合计 ≈ 1.94W3.4 其他损耗项电感 DCR 损耗P_L Iout² × DCR 900 × 1mΩ ≈ 0.9W 驱动损耗P_drv (Qg_HS Qg_LS) × Vdrv × fsw (15nC 20nC) × 12 × 500000 ≈ 0.21W3.5 效率汇总总损耗 ≈ 1.86 1.94 0.9 0.21 ≈ 4.9W 输出功率 1.05 × 30 31.5W 效率 ≈ 31.5 / (31.5 4.9) ≈ 86.5%单相 86.5% 在 500kHz 下属中等水平实际服务器 VRM 多相并联 更优器件 轻载模式整机效率可上 90%。四、仿真验证✅ 仿真一SW 节点波形SW (V) 12 ┤━━┓ ┏━┓ ┏━┓ │ ┃ ┃ ┃ ┃ ┃ ← 高电平宽度 D×T ≈ 17.5ns │ ┗━━━━┛ ┗━━━━┛ ┗━ T2μs500kHz 0 ┤╱╲ 振铃寄生电感×MOS电容 └─────────────────→ t高电平占空比与手算 D8.75% 一致下降沿/上升沿的振铃幅度取决于功率环路寄生电感——呼应第 15 篇的布局即防护。✅ 仿真二电感电流IL (A) 36.4 ┤ ╱╲ ╱╲ ╱╲ │ ╱ ╲ ╱ ╲ ╱ ╲ 30 ┤━━╱━━━━╲╱━━━━╲╱━━━━╲━ ← 平均值 Iout │ ╱ ╲ ╲ 23.6 ┤╱ ╲ ╲ └────────────────────→ t 纹波 ΔIL ≈ 12.7A与手算一致✅ 仿真三效率随负载变化效率% 90 ┤ ━━━━━●━━━━━ ← 中载最优 │ ╱ ╲ 86 ┤ ╱● ╲ │ ╱ ╲ ← 重载导通损耗I²占比上升 70 ┤╱ 轻载固定损耗驱动/控制占比大 └──┬────┬────┬────┬──→ Iout 5A 15A 30A 45A轻载效率被固定损耗拖累驱动、控制芯片静态功耗所以服务器 VRM 有轻载跳相/二极管仿真模式重载效率被 I² 型导通损耗拖累。五、工程权衡设计杠杆调大的收益调大的代价开关频率 fsw电感电容更小、瞬态响应快开关损耗线性增长、驱动损耗增加电感量 L纹波小、导通损耗略降体积大、瞬态响应慢、易饱和Rds(on)导通损耗低通常 Qg 大、成本高服务器 VRM 的典型取舍频率选在 500kHz~1MHz 之间体积与损耗的平衡点电感按 20%~30% 纹波比例选高低侧管按低侧压电阻、高侧拼速度分工选型呼应第 14 篇多相并联摊薄单相应力相数由 CPU 功耗决定。 本篇一句话总结Buck 效率是分项损耗的减法游戏高侧管败在开关损耗、低侧管败在导通损耗、电感败在 DCR、驱动败在 Qg手算纹波、占空比与五项损耗86.5% 的效率就有了一笔笔出处频率与电感是两根主杠杆拧哪根都要看另一根的脸色。上一篇第15篇 · MOSFET 常见翻车下一篇下一章预告 → 第四章 门电路与逻辑 IC 篇数字世界的乐高积木
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉