Online-SMPS-analyysi käyttäen TINACloudia

SMPS tai kytkentätilan virtalähde on tärkeä osa modernia elektroniikkaa. Tällaisen piirin simuloimiseksi tarvittava raskas ohimenevä analyysi voi viedä paljon aikaa ja tietokoneen tallennuksen. Tällaisten piirien analyysin tukemiseksi TINACloud tarjoaa tehokkaita työkaluja ja analyysitiloja.

Suorita simulointi nyt TINACloudilla, upotettu yllä olevaan ikkunaan tai hae TINACloudia selaimesi uudessa välilehdessä napsauttamalla tässä

Steady State Solverin käyttäminen

SMPS-piirin analyysin kaikkein aikaa vievin osa on tasaisen tilan saavuttaminen, kun lähtöjännitteen DC-taso ei muutu ja ulostulon aaltomuodossa on vain pieni jaksollinen aaltoilu. Jos haluat löytää tämän tilan automaattisesti, TINACloudissa on Analysointivalikossa vakaan tilan ratkaisija.

Syöttövaiheen analyysi

Yksi SMPS-piirien standardi-analyyseistä on tulonmuutoksen vasteen laskeminen, jolla testataan SMPS-suunnittelun kykyä säätää ulostuloa syöttöviivassa tapahtuvilla muutoksilla. Tämä voidaan saavuttaa lisäämällä syöttöjännitteeseen pulssi ja tarkistamalla lähtö ja muut jännitteet. Koska tulonmuutos on suhteessa vakaan tilaan, voimme aloittaa sen TINACloudin vakaan tilan ratkaisijan laskemista vakaan tilan alkuarvoista.

Kuormitusvaiheen analyysi

Toinen vakioanalyysi on määrittää SMPS-vaste nopealle kuormituksen muutokselle. Simuloin- nin avulla kuormitusmuutoksiin saadaan vastaus lisäämällä kuorman virtapulssi ja analysoimalla lähtö ja muut jännitteet. Koska kuorman muutos on suhteessa vakaan tilaan, voimme aloittaa sen TINACloudin vakaan tilan ratkaisijan laskemista vakaan tilan alkuarvoista.

AC-analyysi

AC-analyysi- ja stabiilisuusanalyyseihin voidaan käyttää ns. Keskimääräisiä malleja TINACloudissa. Keskimääräiset mallit edustavat menetelmää, joka perustuu efektien keskiarvoon kytkentäprosessin aikana. Tuloksena olevat yhtälöt ovat lineaarisia, joten menetelmä on erittäin nopea, jotta saadaan vakausanalyysiin tarvittavat Bode- ja Nyquist-tontit. Huomaa, että TINACloudin AC-analyysitoimintoa varten tarvitset keskimääräisen mallin, ohimeneviä malleja ei sovelleta ja ne antavat virheellisiä tuloksia