采用反激式转换器进行高功率应用设计
2025-07-16 【 字体:大 中 小 】
“本文介绍了借助多相运行(即多个变压器并联)提升反激式转换器功率水平的可能性。此外,这种配置还降低了反激式开关模式电源拓扑结构输入侧的传导发射。
”作者:Frederik Dostal,电源管理主题专家
摘要
本文介绍了借助多相运行(即多个变压器并联)提升反激式转换器功率水平的可能性。此外,这种配置还降低了反激式开关模式电源拓扑结构输入侧的传导发射。
引言
多相反激式转换器能够突破功率的最大极限,具备易于设计的优势,还能有效减少传导干扰。
反激式转换器是生成稳压且电气隔离电压的理想选择。凭借简洁的电路架构与成熟的技术体系,这种电压转换技术在众多领域得到了广泛应用。图1展示了反激式转换器的简化示意图。
不过,反激式技术的应用存在一些局限性。其最大可传输功率是有限的。这是因为,在开关Q1导通期间,变压器的初级侧有电流流过,如图1所示。在此期间,能量存储在变压器线圈T1中。在Q1关断期间,初级侧没有电流流动,但变压器的次级侧会形成电流。先前存储的能量通过次级绕组释放出来。
变压器中能够存储的最大能量是有限的。因此,反激式转换器的最大功率也受到了限制。虽然借助特殊设计的变压器,可使输出功率突破100 W,但一般来说,反激式结构更适用于输出功率在约60 W及以下的场景。

图1.一种采用无光耦技术的简单反激式转换器。
要让反激式拓扑在更高功率场景下高效运作,有一种别出心裁却极为精妙的方案。通过使用多个通道,反激式转换器可以配备两个或更多的变压器来运行,将输出功率分配到这些变压器上。这类变压器在市面上品类丰富、选型多样,并且支持并联使用。
图2展示了一个双通道反激式转换器电路。它由一个特殊的控制器集成电路MAX15159进行控制。这款集成电路是一种双通道反激式控制器,采用相移的方式工作,并确保电流均匀分布在两条并联的功率路径中。更为值得一提的是,借助两个MAX15159反激式控制器,还可以驱动由四个变压器组成的四相反激式电路。因此,在使用小型变压器的情况下,这样的电路能够产生超过100 W的高功率输出。

图2.MAX15159能够控制多相反激电路。
与单通道反激式电路类似,多相反激式电路也能在反馈路径中不依赖光耦合器而运行。MAX15159配备了无光耦技术。这项技术通过评估关断时间初级侧绕组两端的电压来调节输出电压。
多相反激式(转换器)的一个独特优势在于,它能有效降低传导干扰。在输入侧,反激式(转换器)的工作特性类似于开关模式降压转换器;也就是说,就像使用降压拓扑结构的稳压器一样。这两种拓扑结构中都会产生脉冲输入电流。为了将输入侧的干扰降至最低,多相反激式转换器中的各个通道采用了相移技术;也就是说,各个通道在不同的时间启动。这不仅改善了电磁干扰(EMI)性能,还减少了输入侧所需电容器的尺寸和数量。图3展示了一个双通道反激式转换器的输入侧电流情况。

图3.多相反激式转换器输入侧的电流流动。
多相反激式转换器具有一个独特的优势,能够在许多应用中借助多个结构简单、成本低廉且外形小巧的变压器来替代单个大型变压器。
结论
在开发具有电气隔离功能的电源时,除了常见的解决方案(即功率等级低于60 W时采用反激式转换器,高于60 W时采用正激式转换器)之外,还有其他方案可选。多相反激式转换器同样能够胜任60 W以上功率等级的应用场景。以MAX15159控制器集成电路为代表的解决方案,创新性地应用了无光耦技术。此类方案摒弃了光耦合器,借助相移控制策略将传导干扰抑制到极低水平。
猜你喜欢
让1.1亿辆电动汽车拥有“充电自由”
三个月吸金近15亿,光联芯科领跑片间光互连赛道
LTspice®操作方法:使用.STEP指令执行重复分析
Coherent高意首发800G QSFP ZR相干模块,科技赋能IP-over-DWDM
英飞凌推出CoolGaN双向开关和CoolGaN Smart Sense,提高功率系统的性能和成本效益
东玛克打造的首款“会思考的麦克风”,亮相青岛高教展!
市值破万亿,AMD全栈AI平台价值加速释放
代工梦的现实检验:英特尔“制造转型”走到哪一步了?
通用电流模式控制型降压稳压器的有源电压定位设计与考量
黄仁勋的下一枚棋子:英伟达收编开源模型,把算力需求焊死在GPU上
详解 Cascode SiC JFET 在 LLC 中的应用:优势与 dv/dt 控制
纳芯微高级工程师贾晓雨:智能底盘芯片如何从技术路线走向量产?
工厂里平常的一天,直到红色警报闪烁……
算力狂飙下的封装突围:华天先进攻坚高阶封测国产化
AI拉动12英寸硅片量价齐升 涨价红利2027年集中释放
5G射频迷局:为何传统频谱分析仪难以捕捉现代射频干扰?
锁相环:参考振荡器与时钟分配缓冲器的选型
英迪芯微,一家中国车规芯片企业的创业坚守和二次曲线
AI质检迈入ACI认知检测时代:工业视觉模型实现产线持续自学习
工业机器人如何学习成为灵巧的机器