新闻详情

新闻详情

首页 / 资讯中心 / 详情

034_稳定性圈在真实版图上的变形与误判

发布时间:2026/11/21 5:21:53来源:尧图网络
034_稳定性圈在真实版图上的变形与误判
034、稳定性圈在真实版图上的变形与误判那个让我差点丢掉客户的振荡故障几年前做一个多路电源分配的项目,板上有一组低压差线性稳压器给模拟前端供电。原理图阶段我在每个稳压器的输出端都留了足够的相位裕度,仿真出来的波特图很漂亮,增益裕度大约十几dB,相位裕度六十度出头。按照常规判断,这个环路是稳的。板子回来之后,问题出现了。有一路输出在负载跳变的时候会持续振荡,频率大概在几百kHz,幅度不大,一两百毫伏,但足以让后级ADC采样彻底乱掉。更麻烦的是,这个振荡不是每次都出现,跟负载电流大小、温度、甚至探头碰触的位置都有关系。我一开始怀疑是补偿网络参数不对,换了几个电容值,现象有改善但没有根除。后来又怀疑是输入电源的阻抗问题,加了输入电容,还是不行。折腾了将近一周,最后用近场探头扫了一圈,发现振荡频率对应的波长在PCB上刚好对应输出电容到稳压器之间的那段走线长度。把示波器探头的地线弹簧去掉,用极短的接地弹簧重新测量,振荡幅度明显变小——说明我之前看到的波形本身就包含了测量引入的伪信号。但真正的问题还没解决。后来把输出电容从原来的位置往稳压器方向移了近一厘米,振荡彻底消失了。这件事让我重新理解了“稳定性圈”这个概念在真实版图上的含义。教科书和仿真工具里讨论的稳定性,默认所有元件都是理想集总参数,连接是零阻抗的。但真实版图上,一段几毫米的走线、一个过孔、甚至焊盘本身的形状,都会让这个“圈”发生变形。稳定性圈到底在描述什么先把这个概念说清楚。任何闭环反馈系统,它的环路增益可以写成频率的函数。在复平面上,这个函数随频率变化会画出一条曲线。
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 2026/11/20 0:44:51

【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 2026/11/19 15:17:14

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 2026/11/20 20:45:42

【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 ... 2026/11/20 16:11:20

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 2026/11/20 18:41:01

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 2026/11/20 0:44:55

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
📞 ✉