口腔医院网站做优化/seo技术培训宁波

口腔医院网站做优化,seo技术培训宁波,网站自助建设平台,百度快照提交入口我和我的同事们经常被问到关于 PCB 效应的相同问题,例如: 仿真何时需要 PCB 效果? 为什么时域仿真需要 PCB 效应? 当 PCB 效应必须包含在仿真中时,频率是否重要? 设计人员应该在多大程度上关注 VRM 模型中包…

我和我的同事们经常被问到关于 PCB 效应的相同问题,例如:

 

仿真何时需要 PCB 效果?

 

为什么时域仿真需要 PCB 效应?

 

当 PCB 效应必须包含在仿真中时,频率是否重要?

 

设计人员应该在多大程度上关注 VRM 模型中包含的 PCB 效果?

 

无论频率如何,这些都是有效的问题,但我的答案总是一样的。如果你想要正确的答案,PCB 效应是总是需要 PCB 效果无论频率如何,都需要。换句话说,无论您是模拟 1 Gbps SerDes、56 Gbps SerDes、DDR5-5600 总线、DDR4、电源、稳压器模块 (VRM) 还是配电网络 (PDN),您都必须始终包含印刷电路板效应才能获得正确答案!PCB 上有多个电感和电容寄生效应,可以完全改变电路性能的动态。

 

为什么 PCB 效应对于精确仿真至关重要

我想我们都同意,Signal Integrity 社区大多非常重视这个“思想流派”,通常包括 PCB 效应。但是,仍然存在异常值,这并不总是正确的。不包括 PCB 效应的最大差距似乎存在于电力电子领域。

 

当超越原理图时,了解 PCB 效应对仿真的影响至关重要。

 

PCB 效应对仿真精度的影响

例如,让我们使用 Texas Instrument TPS7H4003 评估板。TPS7H4003 是一个 18A DC/DC 转换器。参考图 1,左侧波形显示了 Sandler State-Space Average VRM 模型的时域电压响应输出没有包括 PCB 效果。右边的波形显示了输出电压响应的测量结果,清楚地表明左图中没有看到额外的 1MHz 振荡。中心波形描述了当 PCB 效应包含在 Sandler State-Space Average VRM 模型中时的输出电压响应。正如我们所看到的,中心波形现在不仅包括 1MHz 的振荡,而且还与测得的波形相匹配。除非使用 Keysight ADS 将 PCB 效应包含在仿真结果中,否则无法实现这一结果。

 

图 1 - 有和没有 PCB 效应的时域仿真与测量 [1]

 

阻抗和噪声频谱分析

“我们可以看看另一个例子,通过引用最近与一些同事一起完成的 DesignCon 2024 论文的摘录,来展示 PCB 效应在仿真中的重要性。2000Amp 核心轨的设计、仿真和验证挑战”的摘录,看看另一个例子,该示例显示了 PCB 效应在仿真中的重要性."参考图 2,当比较没有 PCB 效应和有 PCB 效应的仿真结果时,有两个非常快速的观察结果。

 

第一个是路径电阻增加了 22,000%(2.455 uOhm 至 57.441 uOhm),由每个图上的标记 m1 表示。在这种情况下,2000 安培低于 1V PDN 的目标阻抗约为 40 uOhm。作为设计师,如果没有 PCB 效应,我们可能会认为我们有足够的余量,而实际上,您需要通过在设计中添加更多铜来降低实际电阻,以满足所需的 40 uOhm 阻抗目标。

 

第二个观察结果是,在考虑 PCB 效应时,观察到我们的 VRM 控制回路电感(242.425 pH 至 426.882 pH)增加了 76%。

 

参考 EQ(1),电感增加 76% 意味着该设计的电容将增加 76%,以满足 40 uOhm 阻抗目标。同样,如果没有 PCB 效应,就不会观察到或捕捉到这一点。最终,这将导致 PCB 重新设计,这将在时间表上花费更多的时间和金钱。

 

情商(1)

 

图 2 - 无和有 PCB 效应的 2000 安培内核电源轨 PDN 的阻抗仿真 [2]

 

为了解释为什么在 2000A VRM 和 PDN 的设计中必须考虑 PCB 效应,图 3 比较了有和没有 PCB 效应的噪声频谱。在 VRM 的开关频率下,具有 PCB 效应的噪声频谱高出 3 dB [2]。

 

图 3 - 带和不带 PCB 效应的 2000 安培 VRM 和 PDN 噪声频谱 [2]

 

忽视 PCB 效应的成本

简而言之,正确很重要!计划外的 PCB 重新设计可能会破坏项目开发计划。除了 PCB 重新设计所需的额外成本外,为避免这种成本,您的仿真中还必须包括 PCB 效应。如果在设计签核之前没有正确考虑,构成我们 PCB 的寄生效应,无论是传输线还是电源层,都会对整体设计产生重大影响。

 

您是否需要以下方面的帮助:

  • 为您的设计签核生成 PCB (SnP) 模型或封装 (SnP) 模型

  • 希望通过准确的电磁分析确保设计中互连的信号完整性

  • 希望通过精确的电磁分析来分析设计中 PDN 的电源完整性

  • 支持电源完整性或信号完整性的端到端仿真工作

  • 电源平面上的直流降分析

  • 电热分析

  • 为差分对、DDR4、DDR5 或高速 SerDes 网络生成 EM 提取

  • 或者甚至只是确保 S 参数 (SnP) 模型质量 Signal Edge Solutions 非常乐意与您合作。

 

引用:

  1. 桑德勒,S.,丹南,B.,巴恩斯,H.,约茨,C.面向 Power Integrity Engineer 的 VRM 建模和稳定性分析.DesignCon 2023 年。

  2. Sandler, S., Dannan, B., Barnes, H., Ezra, I., Ni, Y.,2000 A 磁芯电源轨的设计、仿真和验证挑战.DesignCon 2024 年。

  3. 信号完整性 电源完整性和电磁 (EM) 建模出版物 |Signal Edge Solutions 有限责任公司

  4. TPS7H4003EVM 评估板 |TI.com

  5. PathWave 先进设计系统(ADS) |是德科技

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/73488.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

2024跨境电商挑战:AI反检测技术在避免封号中的作用

2024跨境电商挑战:AI反检测技术在避免封号中的作用 跨境电商的浪潮席卷全球,为商家打开了通往世界各地的大门。然而,随着平台监管的加强,合规性问题成为商家不得不面对的挑战。在电商平台的严格监控下,任何违规行为都…

网络运维学习笔记(DeepSeek优化版) 024 HCIP-Datacom OSPF域内路由计算

文章目录 OSPF域内路由计算:单区域的路由计算一、OSPF单区域路由计算原理二、1类LSA详解2.1 1类LSA的作用与结构2.2 1类LSA的四种链路类型 三、OSPF路由表生成验证3.1 查看LSDB3.2 查看OSPF路由表3.3 查看全局路由表 四、2类LSA详解4.1 2类LSA的作用与生成条件4.2 2…

多智能体融合(Multi-Agent Fusion)

多智能体融合(Multi-Agent Fusion)是指在多智能体系统(MAS, Multi-Agent System)中,多个智能体(Agent)通过协作、竞争或共享信息,实现全局最优的智能决策和任务执行。该方法广泛应用…

[学习笔记]NC工具安装及使用

工具简介 Netcat(简称 nc)是一款强大的命令行网络工具,被称作瑞士军刀,用来在两台机器之间建立 TCP/UDP 连接,并通过标准的输入输出进行数据的读写,大家也可以使用Nmap(增强版nc工具&#xff0…

SvelteKit 最新中文文档教程(11)—— 部署 Netlify 和 Vercel

前言 Svelte,一个语法简洁、入门容易,面向未来的前端框架。 从 Svelte 诞生之初,就备受开发者的喜爱,根据统计,从 2019 年到 2024 年,连续 6 年一直是开发者最感兴趣的前端框架 No.1: Svelte …

【Unity】 HTFramework框架(六十三)SerializableDictionary可序列化字典

更新日期:2025年3月26日。 Github 仓库:https://github.com/SaiTingHu/HTFramework Gitee 仓库:https://gitee.com/SaiTingHu/HTFramework 索引 一、SerializableDictionary可序列化字典1.使用SerializableDictionary2.实现思路 二、Serializ…

斜对角线的应用

引入 题目描述 经典应用:八皇后问题 dg和udg数组的解释 对角线 d g [ u i ] d g [ u i ] dg[ui]dg[ui] dg[ui]dg[ui],反对角线 u d g [ n − u i ] u d g [ n − u i ] udg[n−ui]udg[n−ui] udg[n−ui]udg[n−ui]中的下标 u i ui ui和 n − …

STM32学习笔记之存储器映射(原理篇)

📢:如果你也对机器人、人工智能感兴趣,看来我们志同道合✨ 📢:不妨浏览一下我的博客主页【https://blog.csdn.net/weixin_51244852】 📢:文章若有幸对你有帮助,可点赞 👍…

mapbox V3 新特性,添加三维球鹰眼图控件

👨‍⚕️ 主页: gis分享者 👨‍⚕️ 感谢各位大佬 点赞👍 收藏⭐ 留言📝 加关注✅! 👨‍⚕️ 收录于专栏:mapbox 从入门到精通 文章目录 一、🍀前言1.1 ☘️mapboxgl.Map 地图对象1.2 ☘️mapboxgl.Map style属性1.3 ☘️mapbox-gl-globe-minimap 三维球体鹰眼…

MySQL-调优策略-SQL语句

引言 架构调优,在系统设计时首先需要充分考虑业务的实际情况,是否可以把不适合数据库做的事情放到数据仓库、搜索引擎或者缓存中去做;然后考虑写的并发量有多大,是否需要采用分布式;最后考虑读的压力是否很大&#xf…

DS足球监控【比分直播】监控,钉钉实现自动提醒

文章目录 目标网站分析详细分析提醒工具代码截图成功提示对爬虫、逆向感兴趣的同学可以查看文章,一对一小班教学:https://blog.csdn.net/weixin_35770067/article/details/142514698 目标网站分析 https://live.dszuqiu.com/监控目标:实现固定时间内对比分监控,实现自动下单…

基于ssm的医院预约挂号系统

一、系统架构 前端:jsp | bootstrap | jquery | css | ajax 后端:spring | springmvc | mybatis 环境:jdk1.8 | mysql | maven | tomcat 二、代码及数据 三、功能介绍 01. 注册 02. 登录 03. 首页 04. 医院挂号 05. …

三维动态规划-LeetCode3418. 机器人可以获得的最大金币数

太爽了!做完这道题,让我感觉就像是斩杀了一条大龙!历时72天,分3次花掉30小时。终获突破! 零、题目 3418. 机器人可以获得的最大金币数 给你一个 m x n 的网格。一个机器人从网格的左上角 (0, 0) 出发,目…

Ubuntu22.04搭建freeradius操作说明

Ubuntu22.04搭建freeradius操作说明 更新依赖库 sudo apt update sudo apt install build-essential sudo apt install libtalloc-dev sudo apt install libssl-dev 按照freeradius sudo apt install freeradius 修改freeradius配置 文件路径如下 /etc/freeradius/3.…

es中安装ik分词器

在线安装ik插件(较慢) docker exec -it es /bin/bash ./bin/es-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip 看到报错了,我访问一下。就是没有了…

最大字段和问题 C++(穷举、分治法、动态规划)

问题描述 给定由n个整数(包含负整数)组成的序列a1,a2,…,an,求该序列子段和的最大值。规定当所有整数均为负值时定义其最大子段和为0 穷举法 最简单的方法就是穷举法,用一个变量指示求和的开始位置,一个变量指示结束…

如何理解三极管截至区、放大区、饱和区

一、 三极管符号: NPN : PNP: 二、Vce、与Ic曲线图 1、截至区:ib很小的时候就是截至区。因为Ib很小的时候等价于Ub很小,Ub如果不足以达到0.7V PN结就不会导通,所以三极管就…

DeepSeek Smallpond 在火山引擎 AI 数据湖的探索实践

资料来源:火山引擎-开发者社区 DeepSeek Smallpond 介绍 Smallpond 是一套由 DeepSeek 推出的 、针对 AI 领域,基于 Ray 和 DuckDB 实现的轻量级数据处理引擎,具有以下优点: 1.轻量级 2.高性能 3.支持规模大 4.无需运维 5.P…

Linux进程间的通信

进程间通信 1.进程间通信介绍2.匿名命名管道原理操作 1.进程间通信介绍 1.1 进程间通信目的:一个进程需要将他的数据发送给另一个进程,大家应该都多少接触过linux中的管道符"|",这个符号就是用来多个命令执行,在Linux中…

直播预告 | TDgpt 智能体发布 时序数据库 TDengine 3.3.6 发布会即将开启

从海量监控数据,到工业、能源、交通等场景中实时更新的各类传感器数据,时序数据正在以指数级速度增长。而面对如此庞杂的数据,如何快速分析、自动发现问题、精准预测未来,成为企业数字化转型过程中的关键挑战。 TDengine 的答案是…