电子技术——A类输出阶

news2024/11/12 6:35:14

电子技术——A类输出阶

因为射极跟随器具有较低的输出阻抗,射极跟随器是A类输出阶的典型代表。我们之前已经学习过射极跟随器的小信号模型,本节我们讨论其大信号模型。

传输特性

下图展示了一个射极跟随器的原理图:

射极跟随器
其中 Q 1 Q_1 Q1 为射极跟随器,电流源 Q 2 Q_2 Q2 提供偏置电流 I I I 。传输方程为:

v O = v I − v B E 1 v_O = v_I - v_{BE1} vO=vIvBE1

其中 v B E 1 v_{BE1} vBE1 的大小依赖于 i E 1 i_{E1} iE1 因为 i E 1 = I + i L i_{E1} = I + i_L iE1=I+iL 因此依赖于输出电流 i L i_L iL 若我们忽略输出电流的影响(假设一直是0.7V)那么传递曲线为:

传递曲线
Q 1 Q_1 Q1 饱和时,达到输出最大电压:

v O m a x = V C C − V C E 1 s a t v_{Omax} = V_{CC} - V_{CE1sat} vOmax=VCCVCE1sat

对于负向,当 Q 2 Q_2 Q2 饱和的时候,达到理论的最小输出电压:

V O m i n = − V C C + V C E 2 s a t V_{Omin} = -V_{CC} + V_{CE2sat} VOmin=VCC+VCE2sat

或是 Q 1 Q_1 Q1 截止:

V O m i n = − I R L V_{Omin} = -IR_L VOmin=IRL

若想达到理论的最小输出电压,必须满足:

I ≥ ∣ − V C C + V C E 2 s a t ∣ R L I \ge \frac{|-V_{CC} + V_{CE2sat}|}{R_L} IRLVCC+VCE2sat

输出波形

还是考虑上面的电路,若忽略 V C E s a t V_{CEsat} VCEsat 并且偏置电流 I I I 选择合适,那么波形就可以在 − V C C -V_{CC} VCC + V C C +V_{CC} +VCC 摆动,静态点为零电压,如图:

理想情况
对应的 v C E 1 = V C C − v O v_{CE1} = V_{CC} - v_O vCE1=VCCvO 的波形对应如下:

理想情况
若假设 Q 2 Q_2 Q2 进入饱和区时 Q 1 Q_1 Q1 恰好关闭,即:

I = V C C / R L I = V_{CC}/R_L I=VCC/RL

i C 1 i_{C1} iC1 电流为:

理想情况

耗散功率

下图展示了 Q 1 Q_1 Q1瞬时耗散功率 变化 p D 1 ≡ v C E 1 i C 1 p_{D1} \equiv v_{CE1}i_{C1} pD1vCE1iC1

耗散功率

上图中我们发现最大瞬时耗散功率为 V C C I V_{CC}I VCCI 此时 Q 1 Q_1 Q1 没有输入信号,也就是静态点。也就是说,当放大器没有信号输入的时候,此时静态管的功率耗散达到最大值,我们知道无信号输入很有可能发生并且发生的时间可能很长,因此 Q 1 Q_1 Q1 将可能持续保持在高功率的状态下。

其中 Q 1 Q_1 Q1 的耗散功率取决于负载 R L R_L RL ,考虑一种极端情况,即负载开路的情况, Q 1 Q_1 Q1 通过的电流一直是 I I I ,此时耗散功率取决于输出电压 v O v_O vO ,最大功率 p D 1 = 2 V C C I p_{D1} = 2V_{CC}I pD1=2VCCI 发生在 v O = − V C C v_O = -V_{CC} vO=VCC 的时候。然而,这个情况不可能保持太久,因此在设计上不需要考虑这一点,而此时的平均功率为 V C C I V_{CC}I VCCI 。另外一种极端情况发生在 R L = 0 R_L = 0 RL=0 的时候,即负载短路。理论情况下 R L R_L RL Q 1 Q_1 Q1 会通过无限大的负载电流,实际情况下受到非线性因素的影响,此时 Q 1 Q_1 Q1 会达到最大耗散功率,此时BJT的结温可能会达到极限值,因此为了防止这种情况,输出阶应该配备 短路保护电路

电流源 Q 2 Q_2 Q2 的耗散功率也必须考虑在内,因为 Q 2 Q_2 Q2 通过的电流值不变始终是 I I I 。因此 Q 2 Q_2 Q2 的最大功率为 2 V C C I 2V_{CC}I 2VCCI 此时 v O = V C C v_O = V_{CC} vO=VCC ,同样这个情况不会发生太长时间,其平均功率为 V C C I V_{CC}I VCCI

能量转换效率

输出阶的能量转换效率定义为:

η ≡ Load power ( P L ) Supply power ( P S ) \eta \equiv \frac{\text{Load power}(P_L)}{\text{Supply power}(P_S)} ηSupply power(PS)Load power(PL)

对于输出一个峰值为 V o ^ \hat{V_o} Vo^ 正弦信号,则负载的平均功率为:

P L = ( V o ^ / 2 ) 2 R L = 1 2 V o ^ 2 R L P_L = \frac{(\hat{V_o} / \sqrt{2})^2}{R_L} = \frac{1}{2} \frac{\hat{V_o}^2}{R_L} PL=RL(Vo^/2 )2=21RLVo^2

通过 Q 1 Q_1 Q1 和电源的平均电流为 I I I 电源电压为 2 V C C 2V_{CC} 2VCC 因此电源的平均功率为:

P S = 2 V C C I P_S = 2V_{CC} I PS=2VCCI

则能量转换效率为:

η = 1 4 V o ^ 2 I R L V C C = 1 4 ( V o ^ I R L ) ( V o ^ V C C ) \eta = \frac{1}{4} \frac{\hat{V_o}^2}{IR_LV_{CC}} = \frac{1}{4}(\frac{\hat{V_o}}{IR_L}) (\frac{\hat{V_o}}{V_{CC}}) η=41IRLVCCVo^2=41(IRLVo^)(VCCVo^)

因为 V o ^ ≤ V C C , V o ^ ≤ I R L \hat{V_o} \le V_{CC}, \hat{V_o} \le IR_L Vo^VCC,Vo^IRL 因此当:

V o ^ = V C C = I R L \hat{V_o} = V_{CC} = IR_L Vo^=VCC=IRL

的时候达到理论能量转换效率最大值 25 % 25\% 25% 。因为其过低的能量转换效率,A类输出阶很少被使用在大功率(大于1W)的输出设备上。实际上的能量转换效率在 10 % ∼ 20 % 10\% \sim 20\% 10%20%

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.coloradmin.cn/o/372869.html

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,一经查实,立即删除!

相关文章

并发编程-学习总结(下)

目录 1、Future 1.1、Callable和Runnable的不同 1.2、Future的主要功能 1.3、常用方法 1.4、Future使用注意事项 1.5、CompletableFuture(旅游平台问题) 1.5.1、需求 1.5.2、解决方案1:串行 1.5.3、解决方案2:线程池 1.5.4、解决方案3&#xf…

Prometheus本地存储和VictoriaMetrics远端存储

文章目录Prometheus本地存储简介blockWAL本地存储配置参数VictoriaMetrics简介单机版部署使用安装VictoriaMetrics配置Prometheus使用Victoriametrics配置Grafana以Victoriametrics作为数据源集群版部署使用部署vmstorage部署vmselect部署vminsert配置Prometheus使用vminsert配…

LearnOpenGL-入门-你好,三角形

本人刚学OpenGL不久且自学,文中定有代码、术语等错误,欢迎指正 我写的项目地址:https://github.com/liujianjie/LearnOpenGLProject LearnOpenGL中文官网:https://learnopengl-cn.github.io/ 文章目录图形渲染管线基本介绍着色器…

文献计量三大定律之一---洛特卡定律及普赖斯定律

科学生产率是洛特卡定律的基础,科学生产率”(Scientific Productivity))是指科学家(科研人员)在科学上所表现出的能力和工作效率,通常用其生产的科学文献的数量来衡量。 1926年,洛特卡在一篇论文中提出了科…

Windows作为操作系统的典型特征和主要功能

我是荔园微风,作为一名在IT界整整25年的老兵,今天我们来重新审视一下Windows这个我们熟悉的不能再熟悉的系统。我们每天都在用Windows操作系统,但是其实我们每天直接在打交道的并不是Windows操作系统的内核,而是Windows操作系统的…

Docker部署Springboot项目(含MySQL+Redis)

使用Docker部署之前写的一个博客项目,主要用到了MySQL和Redis,Redis作网站访问量统计。下面会对具体的部署方式作详细讲解 一、服务器安装Docker 1、删除docker旧版本 sudo yum remove docker \docker-client \docker-client-latest \docker-common \…

(三十五)大白话MySQL一个事务多次查询一条数据读到的都是不同的值,这就是不可重复读?

上一讲我们说完了多个事务并发执行时候,对MySQL的缓存页里的同一行数据同时进行更新或者查询的时候,可能发生的脏写和脏读的问题 我们也都理解了,之所以会发生脏写和脏读,最关键的,其实是因为你一个事务写或者查的是人…

黑盒测试的常用方法

这里我们先设置一个示例,后面的文章中会根据示例来进行讲解 假设有一个程序是判断一个整形数字是否属于1-100 目录 1.等价类法 2.边界值法 3.判定表法 4.场景设计法 5.错误猜测法 6.正交法 1.等价类法 概念:系统性的确定要输入的测试条件的方法可以看出概念非常抽象,那…

命令执行漏洞 | iwebsec

文章目录1 靶场环境2 命令执行漏洞介绍3 靶场练习01-命令执行漏洞02-命令执行漏洞空格绕过03-命令执行漏洞关键命令绕过04-命令执行漏洞通配符绕过05-命令执行漏洞base64编码绕过4 命令执行漏洞危害01-读写系统文件02-执行系统命令03-种植恶意木马04-反弹shellpython反弹shellp…

Android 基础知识4-3.4 ImageView(图像视图)详解

一、ImageView简介 ImageView是Android开发中最常用的组件之一,主要用于显示图片,但是它不只是能显示图片,任何Drawable对象都可以使用它来显示。 二、ImageView 的继承关系 ImageView的继承关系 如下: java.lang.Object 《-- …

生成式语言大模型压缩技术思考——以ChatGPT为例

ChatGPT引领了生成式语言大模型的应用与技术热潮,首先简单回顾ChatGPT应用范式:将其应用于指定的下游任务时(如知识问答、翻译、编码),ChatGPT需要经历三个阶段的训练(增强人类语境的猜想)&…

基于nodejs+vue的平面设计课程管理系统vscode

后台由管理员,教师和学生三个角色,其主要功能包括首页,个人中心,学生管理,教师管理,课程类型管理,课程学习管理,试题讲解管理,作业信息管理,作业提交管理&…

Flutter3引用原生播放器-IOS(Swift)篇

前言由于Flutter项目中需要使用到播放器功能,因此对flutter中各种播放器解决方案进行了一番研究和比对,最后决定还是自己通过Plugin的方法去引用原生播放器符合自己的需求,本篇文章会对各种解决方案做一个简单的比较,以及讲解一下…

STM32—DMA

什么是DMA? DMA(Direct Memory Access,直接存储器访问) 提供在外设与内存、存储器和存储器、外设与外设之间的高速数据传输使用。它允许不同速度的硬件装置来沟通,而不需要依赖于CPU,在这个时间中,CPU对于内存的工作来…

Leetcode 剑指 Offer II 016. 不含重复字符的最长子字符串

题目难度: 中等 原题链接 今天继续更新 Leetcode 的剑指 Offer(专项突击版)系列, 大家在公众号 算法精选 里回复 剑指offer2 就能看到该系列当前连载的所有文章了, 记得关注哦~ 题目描述 给定一个字符串 s ,请你找出其中不含有重复字符的最长…

软考之操作系统知识

目录 1.进程管理-进程的概念 2.进程的三态图和五态图 3.进程的同步与互斥 4.PV操作应用 5.死锁问题 6.银行家算法 7.存储管理 8.段式存储组织 9.段页式存储组织 10.页面置换算法 11.磁盘管理 12.作业管理 13.索引文件结构 14.树型目录结构 15.空闲存储空间管理 …

第四届蓝桥杯省赛 C++ B组 - 翻硬币

✍个人博客:https://blog.csdn.net/Newin2020?spm1011.2415.3001.5343 📚专栏地址:蓝桥杯题解集合 📝原题地址:翻硬币 📣专栏定位:为想参加蓝桥杯的小伙伴整理常考算法题解,祝大家都…

人工智能学习07--pytorch09--LeNet

参考: 视频: https://www.bilibili.com/video/BV187411T7Ye/?spm_id_from333.999.0.0&vd_sourceb425cf6a88c74ab02b3939ca66be1c0d 博客:https://blog.csdn.net/STATEABC/article/details/123661612?utm_mediumdistribute.pc_feed_404.…

如何使用goquery进行HTML解析以及它的源码分析和实现原理

目录 goquery 是什么 goquery 能用来干什么 goquery quick start 玩转goquery.Find() 查找多个标签 Id 选择器 Class 选择器 属性选择器 子节点选择器 内容过滤器 goquery 源码分析 图解源码 总结 goquery 简介 goquery是一款基于Go语言的HTML解析库,…

聚类算法(上):8个常见的无监督聚类方法介绍和比较

无监督聚类方法的评价指标必须依赖于数据和聚类结果的内在属性,例如聚类的紧凑性和分离性,与外部知识的一致性,以及同一算法不同运行结果的稳定性。 本文将全面概述Scikit-Learn库中用于的聚类技术以及各种评估方法。 本文将分为2个部分&…