新闻详情

新闻详情

首页 / 资讯中心 / 详情

使用NSD1025驱动IGBTDL2M100N5

发布时间:2026/11/17 7:37:32来源:尧图网络
使用NSD1025驱动IGBTDL2M100N5
测试双路低端MOS驱动芯片NSD1025**AD\Test\2026\September\TestDL2M100N5STC32G.SchDoc ***01【驱动IGBT测试】一、电路设计手边有一款双RGBT模块 它的耐压为500伏 下面准备使用它作为高压储能电容的放电开关 下面设计一个简单电路 查看一下对它的驱动的基本特性 电路中控制单片机使用的是STC32G 铺设单面PCB适合一分钟制版 一分钟之后得到测试电路板 焊接电路板清洗之后进行测试。 首先使用STC单片机ISP软件 查看是否能够访问到单片机 单片机访问正常下面编写测试程序。二、测试结果首先编写了一个测试程序 闪烁电路板上的LED灯 下载程序可以看到LED灯在闪烁 由此验证现在单片机硬件和软件开发供应链正常。设置FTC32G单片机的 PWM输出 使用它一对互补PWM输出来驱动 IGBT。 示波器可以观察到它们呈现互补的PWM波形 占空比为1/4这符合我们设置的内部参数频率为1K赫兹。 在开始的时候设置死区时间为0可以查看在下降沿。 或者上升沿两个波形之间没有死区 将时区域时间寄存器设置为16 可以测量上升沿和下降沿之间死去时间为452纳秒。 由此我们可以看到死区寄存器它单位时间是 35MHz分之一。给电路施加12伏的工作电压 启动驱动芯片NSD1025 可以看到1025的输出和输入之间是同向的驱动电压关系 输入电压信号也就是黄色信号波形为12伏。 NTS1025输入输出之间延迟很短 仔细测量它的上升沿大约延迟了24.6纳秒。 下降沿之间的延迟比较混乱 具体为什么是这样波形还不太清楚。接下来测量IGBT的栅极和漏极之间的电压关系 可以看到它们也是反相关系。 当黄色栅极电压信号变为高电平时 青色漏极电压信号几乎立即下降到低电平。但是当栅极电压为0伏时 漏极电压上升却缓慢。 这是因为漏极上面是连了一个10K欧姆的电阻到12伏。 如果我们把上升过程中间点对应的100纳秒 作为 IGBT漏极电容和10k充电电阻的时间常数的话。 对应的 IGBT 漏极的寄生电容大约为10纳法反过来我们看一下栅极上升沿对应的漏极下降沿。 他们之间的确延迟很少。 如果有延迟的话大约是30纳秒左右其中有一个有趣的地方 那就是在漏极的下降沿前面有一个上升的过程 也就是青色信号线对应的上升过程。 可以看到这个过程实际上有可能是由栅极耦合过来 也就是通过栅极和漏极之间的电容耦合进来 由栅极的驱动上升电压 通过栅极和漏极之间的电容耦合到漏极所产生的这个上升信号。※总结 ※本文测量了利用NSD1025芯片驱动RGBT导通的情况。 验证了这种驱动方式是可行的 为后面我们制作G RGBT放电电路打下基础。■ 相关文献链接:测试双路低端MOS驱动芯片NSD1025
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 2026/11/17 7:04:08

【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 2026/11/17 5:42:44

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 2026/11/16 19:23:38

【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 ... 2026/11/17 6:55:04

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 2026/11/17 5:57:47

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 2026/11/16 17:28:18

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
📞 ✉