LED 驱动器应用中升压转换器的简单开路保护


  驱动高亮度 LED 的一种方法是对标准升压转换器拓扑进行修改,以驱动恒定电流通过负载。但是,这种实施方法存在一个严重问题,因为 LED 串中出现的开路故障会移除负载电流的通路。由于来自转换器(此时在无反馈情况下工作)的高输出电压,这样可能会对电路造成潜在损坏。本文为您介绍一种简单的健壮开路故障保护方法,其使用一个齐纳二极管和一个电阻器,并且对总效率的影响可以忽略不计。通过将一个高压升压转换器配置为一个恒流驱动器,用于驱动 3 支高亮度白光 LED,并在输出端产生一个模拟故障状态,我们可以验证这种拓扑结构的功能性。该电路将输出电压控制在某个安全水平,并在受保护状态下减少输出电流。
  典型高亮度 LED 升压转换器
  我们常常对转换器进行修改,以在单节锂离子(Li-Ion)、碱性及其它应用中驱动高亮度 LED。在这些应用中,LED 串的电压超出了电池或者电源轨电压。在标准升压配置结构中,利用一个分压器产生电路的反馈电压 VFB,从而对输出电压 VOUT 进行监控。转换器对输出电压进行调节,让 VFB 始终都等于片上参考电压 VREF。这种拓扑为自适应型,可用负载代替反馈分压器中的上层电阻器,从而保持恒定电流而非恒定电压,如图 1 中 LED 串所示。负载电流依赖于升压转换器的片上参考电压,其计算方法如下:
   
  这种简单实施方法存在的一个严重问题是,LED 串中出现的开路故障会移除负载电流的通路。当没有电流流过反馈电阻器 RSET 时,VFB 被下拉至接地。作为响应,升压转换器会尽可能地增加其工作占空比至最大值,目的是在反馈 (FB)针脚上维持正确的电压。利用理想化的升压转换器传输函数表明,当转换器接近其最大占空比时,可以产生高输出电压 (VOUT)。请思考一个90%(常用值)典型最大占空比且 5V 输入的升压转换器:
   
  转换器输出端高压带来发生多次故障的可能性。这种电压可能会超出内部或者外部开关式器件或者无源组件的额定值。另外,如果在没有采取保护措施的情况下操作电路,它还会给用户带来潜在危险,并可能会在连接时损坏负载。
   
  图 1 无开路保护 LED 驱动器高压升压转换器结构
  保护电路
  在出现开路状态时,负载电流必须有一条备用通路。尽管将一个电阻器与 LED 串并联可以提供一条通路,但其并不理想,因为它会引起巨大的效率损失。替代配置(图 2)由一个齐纳二极管和一个电阻器组成,可提供足够的系统保护,并且效率损失微乎其微。
   
  图 2 有开路保护 LED 驱动器电路
  当负载电流通路被移除时,输出电压上升,直到齐纳二极管 ZD1 开启,同时电流流经 RPRO 和 RSET 接地。输出电流由 RPRO 和 RSET 的串联组合决定,因为 VFB 受到驱动后等于内部带隙参考电压 VREF。因此,输出保护电流默认为:
   
  我们为齐纳二极管选择一个电压,以使正常电路工作期间没有电流流经它。为了确保该二极管在正常运行期间完全关闭,所选电压应至少高于最大负载电压 2V,但小于升压转换器的规定最大输出电压。这样,电路设计人员便不会经常被迫增加输出电容器 C2 和 C3 以及箝位二极管 SD1 的额定电压。输出电压被控制为齐纳二极管电压与参考电压的和:
   
  通过平衡电路保护期间的 LED 电流感应误差和功耗来选择 RPRO 值。实际上,RPRO 的值应尽可能地大,以最小化齐纳二极管的功耗:
   
  进入电路的误差,由齐纳二极管的漏电流IZL以及升压转换器内部误差放大器的偏置电流 IFB 所引起。方程式 6 是一个经过修改的传输函数,其包括了这些误差:
   
  由于这两种电流一般都小于 1 µA,因此引起的误差非常小,在大多数实现中均可以忽略不计。
  演示论证
  作为一个应用举例,TI TPS61170 升压转换器 IC 被配置为一个恒定电流 LED驱动器。在诸如背光照明或者手电筒等应用中,它是驱动高亮度LED串的理想升压转换器。3V-18V 输入范围允许使用较宽的电源范围,例如:2S 到 4S 锂离子或者 3S 到 12S 碱性电池组、USB 或者 12V 电源轨。
   
  图 3 保护电路激活示波器截屏
  升压转换器经过配置,用于驱动 3 支高亮度白光 LED(260 mA)。典型参考电压为 1.229 V 时,将简化的负载电流用于方程式7中,计算得到RSET:
   
  我们选用1mA值作为保护电流(IPRO),以计算RPRO值:
   
  我们为 ZD1 选择一个 15V 齐纳二极管,以表现约 10V 预计负载电压时的最小漏电流,同时还将输出控制在远低于升压转换器最大允许输出电压 (40V) 的某个值。输出电压被控制在齐纳二极管电压 (VZD1),其与转换器参考电压的和为:
   
  利用选择的负载电流和保护电阻器,计算与预期负载电流的偏差(参见下列方程式 10)。数据表值200 nA用于反馈偏置电流 (IFB),1 µA 值则用于预计的齐纳二极管漏电流,VOUT 约为 10V。
   
  电路的目标负载电流为 260 mA。正如我们所看到的那样,一旦组件理论值被方程式 10中的有效值代替,它们引起的误差将远多于保护电路本身带来的误差。
  为了测试保护电路的运行情况,我们使用一个 38 Ω 的电阻器十进位箱代替 LED 串,目的是模拟设计负载电流下 LED 串的电压。通过快速地将负载电阻从 38 Ω 改变为 1038Ω,可以模拟一次开路故障。如图3所示,这种输出电流变化(绿色线条)表明了负载阻抗的突然变化。为了进行补偿,TPS61170 输出电压(黄色线条)上升,以重新达到设计负载电流。但是,这种变化不会始终如此,直到达到其最大占空比,输出电压稳定在了约 16V 的箝位电压。
  结论
  我们为您介绍了一种给配置为恒定电流 LED 驱动器的升压转换器提供开路保护的简单方法。这种电路由一个齐纳二极管和一个附加电阻器组成,其将输出电压限制在一个安全水平,同时在负载出现开路故障时降低输出电流。另外,这种方法给负载电流计算过程带来了一些误差,并使正常电路运行期间的效率稍有降低,但这些影响都可以忽略不计。将一个升压转换器配置为一个 LED 驱动器,并添加一个 15V 齐纳二极管和一个 1.2kΩ 电阻器,用于输出保护。这样便演示论证了这种保护电路的功能性。该演示论证电路在模拟负载故障状态下的输出表现符合我们的预期。

参考
http://www.ti.com.cn/general/cn/docs/gencontent.tsp?contentId=65758

开路 LED 故障简单保护电路的工作原理

作者:John Betten,德州仪器 (TI) 应用工程师


下载前可以先看下教程 https://pan.quark.cn/s/a426667488ae 标题“仿淘宝jquery图片左右切换带数字”揭示了这是一个关于运用jQuery技术完成的图片轮播机制,其特色在于具备淘宝在线平台普遍存在的图片切换表现,并且在整个切换环节中会展示当前图片的序列号。 此类功能一般应用于电子商务平台的产品呈现环节,使用户可以便捷地查看多张商品的照片。 说明中的“NULL”表示未提供进一步的信息,但我们可以借助标题来揣摩若干核心的技术要点。 在构建此类功能时,开发者通常会借助以下技术手段:1. **jQuery库**:jQuery是一个应用广泛的JavaScript框架,它简化了HTML文档的遍历、事件管理、动画效果以及Ajax通信。 在此项目中,jQuery将负责处理用户的点击动作(实现左右切换),并且制造流畅的过渡效果。 2. **图片轮播扩展工具**:开发者或许会采用现成的jQuery扩展,例如Slick、Bootstrap Carousel或个性化的轮播函数,以达成图片切换的功能。 这些扩展能够辅助迅速构建功能完善的轮播模块。 3. **即时数字呈现**:展示当前图片的序列号,这需要通过JavaScript或jQuery来追踪并调整。 每当图片切换时,相应的数字也会同步更新。 4. **CSS美化**:为了达成淘宝图片切换的视觉效果,可能需要设计特定的CSS样式,涵盖图片的排列方式、过渡效果、点状指示器等。 CSS3的动画和过渡特性(如`transition`和`animation`)在此过程中扮演关键角色。 5. **事件监测**:运用jQuery的`.on()`方法来监测用户的操作,比如点击左右控制按钮或自动按时间间隔切换。 根据用户的交互,触发相应的函数来执行...
垃圾实例分割数据集 一、基础信息 • 数据集名称:垃圾实例分割数据集 • 图片数量: 训练集:7,000张图片 验证集:426张图片 测试集:644张图片 • 训练集:7,000张图片 • 验证集:426张图片 • 测试集:644张图片 • 分类类别: 垃圾(Sampah) • 垃圾(Sampah) • 标注格式:YOLO格式,包含实例分割的多边形点坐标,适用于实例分割任务。 • 数据格式:图片文件 二、适用场景 • 智能垃圾检测系统开发:数据集支持实例分割任务,帮助构建能够自动识别和分割图像中垃圾区域的AI模型,适用于智能清洁机器人、自动垃圾桶等应用。 • 环境监控与管理:集成到监控系统中,用于实时检测公共区域的垃圾堆积,辅助环境清洁和治理决策。 • 计算机视觉研究:支持实例分割算法的研究和优化,特别是在垃圾识别领域,促进AI在环保方面的创新。 • 教育与实践:可用于高校或培训机构的AI课程,作为实例分割技术的实践数据集,帮助学生理解计算机视觉应用。 三、数据集优势 • 精确的实例分割标注:每个垃圾实例都使用详细的多边形点进行标注,确保分割边界准确,提升模型训练效果。 • 数据多样性:包含多种垃圾物品实例,覆盖不同场景,增强模型的泛化能力和鲁棒性。 • 格式兼容性强:YOLO标注格式易于与主流深度学习框架集成,如YOLO系列、PyTorch等,方便研究人员和开发者使用。 • 实际应用价值:直接针对现实世界的垃圾管理需求,为自动化环保解决方案提供可靠数据支持,具有重要的社会意义。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值