详细的FPGA电源系统设计(附器件选型)

详细的FPGA电源系统设计(附器件选型)

        某型FPGA的内部逻辑模块需要1.2V的电源

V_{CCINT}

进行供电,并要求其稳定性在±50mV之内,如下图所示。

       本文采用TPS54302电源转换器将12V输入电压转换为1.2V输出电压,其最大输出电流为3A。要使得所产生的电压稳定在1.2V±50mV,需要考虑输出电压纹波、输出电流阶跃变化所引起的输出电压变化、输出电压的偏置及PCB线路的电压压降等因素。

       输入电容的选择

       输入电容分为两种,一种是大容量电容,一种是滤波电容。当输入电源距离TPS54302有几英尺以上时就需要大容量电容。TPS54302的datasheet推荐使用47 uF的电解电容。选择额定电压为35V的松下EEEFK1V470AP作为大容量电容。TPS54302的datasheet推荐使用10 uF的陶瓷电容作为退耦电容,并且另推荐使用一个0.1 uF的陶瓷电容进行高频滤波。初步选择型号为GCM32ER71E106KA42的10 uF陶瓷电容以及型号为GRM155R71E104KE14的0.1 uF陶瓷电容。

        下面对这两个电容的额定电压和额定纹波电流参数进行核定。根据TPS54302 datasheet公式4可以计算出

\Delta V_{IN}

为193.5mV。值得注意的是,根据上下文的语句,公式4中所用到的bulk capacitor value和maximum series resistance of the bulk capacitor应该指的是这个10 uF陶瓷电容的参数。由此可知,10 uF和0.1 uF的额定电压需要大于

V_{IN}+\Delta V_{IN} = 12.1 V

。GCM32ER71E106KA42和GRM155R71E104KE14的额定电压均为25V,大于12.1V,满足要求。根据TPS54302 datasheet公式5可知,最坏情况下的纹波电流能够达到1.5 A。经过在SimSurfing软件中查询GCM32ER71E106KA42的Temp.rise可知,需要5A的纹波电流才能使得该电容温升达到20℃。

        根据如下式所示的电容阻抗计算公式可知

                                                                

0.1uF电容的阻抗将比10uF电容的阻抗大100倍。因此,纹波电流几乎都从10uF电容流过。所以,即使GRM155R71E104KE14在温升为20摄氏度时的额定纹波电流仅为0.9A,也足矣。

       Bootstrap电容的选择

       TPS54302 datasheet对bootstrap电容的要求是X7R或X5R,容值为0.1 uF的陶瓷电容即可。上面选择的GRM155R71E104KE14即可满足要求。

       设定输出电压值

      根据公式6,分别使得 R2 = 100 K (TNPW0402100KBEED), R3 = 97.6 K (ARG02BTC9762),即可使得TPS54302输出1.2066V的电压,此处比FPGA要求的1.2V典型值高6.6mV是考虑了PCB线路压降以及电阻标称值的因素。

       Undervoltage Lockout设置

       TPS54302默认的输入电压升高时的under voltage lockout阈值为4.1V,而输入电压下降时的under voltage lockout阈值为3.6V。这两个阈值对于本文的12V输入电压不适用。因为当负载端需要较大功率时,输入端在仅大于4.1V时就开始工作了,此时输入端的电流将较大,导致输入电压又降低,从而导致TPS54302无法稳定工作。将输入电压上升和下降时的under voltage lockout阈值分别设置为9.6V和8.8V。由公式1和公式2,可以计算出R4和R5的阻值分别为360K (0402WGD3603TCE)和51K (ERJU2RD5102X)。

       输出滤波器组件

       电感器的选择

       因为对于输出电流的阶跃响应主要由输出端的大容量电容完成,所以这里不必选择小电感值的电感来使得TPS54302可以快速响应输出电流的阶跃变化。因此,这里选择

K_{IND}=0.2

,使得电感值较大,AC电流幅值更低,输出电压纹波更小。使用公式8可以计算出

L_{MIN}=4.5 \mu H

,这里选择标称值为5.6 uH的电感。使用公式9可以计算出该电感的最大RMS电流值为3.005 A。使用公式10计算出该电感的峰值电流为3.3 A,但是考虑到TPS54302输出的最大峰值电流为5.9 A,该电感需要至少承受5.9 A的电流。最终,选择威世的IHLP4040DZER5R6M01电感,其额定的RMS电流和饱和电流分别为8.5A和16A。

       输出电容的选择

       在选择输出电容的时候需要考虑三个因素:the modulator pole, 输出电压纹波及输出电压对负载电流阶跃变化的暂态响应。在公式11中,令输出电流的阶跃变化量为1.5A,允许的输出电压变化量为10mV,可以计算出输出端的大容量电容容值为750 uF。因为当负载端需要的电流发生突变时,这些电流由大容量电容提供,因此要求大容量电容的ESR足够小才能使得电流经过ESR时的压降足够小。这里选择两个聚合物铝电容ECASD40E337M006KA0进行并联。每个电容的容值为330 uF,ESR为6 mOhms,额定电压为2.5V,此时,1.5 A输出电流引起的暂态响应为11.3 mV,略大于10 mV的目标值。

       利用公式12可以计算出当要求纹波电压为10mV时,滤波电容的容值需要大于15uF。其中,将5.6uH的电感值带入公式8中,可以计算出公式12中所需要的

I_{ripple}=K_{IND}·I_{OUT}

的值。同时,根据公式13可知,当要求输出电压纹波小于10mV时,ESR的值需要小于20.8 mOhms。本文选择两个22uF的陶瓷电容使得TPS54302的输出纹波小于10mV。该电容型号为GRM21BR60J226ME39,1.2V电压时容值为18.8uF,封装0805,ESR为3 mOhms,根据公式15可知,每个陶瓷电容的RMS ripple current为69 mA,在Simsurfing软件中查看Temp.rise发现69 mA所引起的陶瓷电容温升几乎为0。

       前馈电容的选择

       由于两个22uF的陶瓷电容和两个330uF的聚合物铝电容并联之后,总的ESR只有1mOhms。为了提高交叉频率(crossover frequency)处的相位裕度(phase margin),需要在电阻R2处并联一个前馈电容。根据公式14可以计算出交叉频率

f_o

为6 kHz,带入公式16中可知前馈电容C6容值为265 pF。本文选择GCM1555C1H271FA16D陶瓷电容,它的温度系数为C0G。

       总结

       要使得TPS54302输出电压的稳定度保持在1.2V±50mV内,需要考虑输出电压偏置、输出电压纹波、输出电压暂态响应及PCB线路压降。在本文的器件选择中,这四者的设计目标分别为10mV、10mV、10mV及6mV。这样,离FPGA对1.2V电源轨道的±50mV稳定度要求还有一定的余量。值得注意的时,在电容器件选型时,电容容值并不是恒定不变的,要考虑电容值随电容两端电压变化的情况。另外,推荐村田的Simsurfing软件,里面有每个电容的详细参数,这对设计来说帮助很大。 最后,由于本文作者水平有限,文中难免有不足之处,还望各位读者不吝指正,感谢!

Read more

GLM-4v-9b实战指南:用llama.cpp GGUF格式在消费级GPU部署多模态模型

GLM-4v-9b实战指南:用llama.cpp GGUF格式在消费级GPU部署多模态模型 1. 为什么你需要关注GLM-4v-9b 你有没有遇到过这样的场景:一张密密麻麻的财务报表截图发到工作群,大家却没人愿意花十分钟手动抄录数据;或者客户发来一张手机拍的电路板照片,问“这个元件型号是什么”,你只能回个尴尬的微笑;又或者团队正在做竞品分析,需要从几十份PDF产品手册里快速提取图表信息——这些不是小问题,而是每天真实消耗工程师、运营、产品经理大量时间的“视觉理解黑洞”。 过去,这类任务要么靠人工硬啃,要么得调用API付费接口,响应慢、成本高、隐私难保障。直到2024年,智谱AI开源了glm-4v-9b——一个真正能在你自己的RTX 4090上跑起来的90亿参数多模态模型。它不只是一张“能看图说话”的新名片,而是把高分辨率图像理解能力,塞进了一张消费级显卡的显存里。 重点来了:它支持原生1120×1120输入,这意味着你不用再把一张A4扫描件缩成模糊小图上传;它对中文表格、小字号OCR、技术类图表的理解,在公开评测中直接超过了GPT-4-turbo和Claude 3 Opus;

使用 VS Code 与 GitHub Copilot 高效 Vibe Coding 指南

欢迎大家关注「几米宋」的微信公众号,公众号聚焦于云原生、AI、服务网格、工具教程、技术观察以及日常感悟等内容,更多精彩内容请访问个人网站 jimmysong.io。 📄 文章摘要 掌握 VS Code 与 GitHub Copilot 的高效开发技巧,提升你的编程体验与效率,开启愉快的 vibe coding 之旅。 🔗 在 jimmysong.io 上 阅读原文 体验更佳。 最近一段时间笔者试用了众多的 vibe coding(氛围编程)工具,但是试用了一圈后,最终还是选择了 VS Code 与 GitHub Copilot 的组合。不为别的,就是因为最得心应手、性价比最高、最有可扩展性。本文将从环境配置、工作空间和插件、界面布局、

[AI工具箱] Vheer:免费、免登录,一键解锁AI绘画、视频生成和智能编辑

[AI工具箱] Vheer:免费、免登录,一键解锁AI绘画、视频生成和智能编辑

项目简介 今天偶然发现了个堪称“赛博活佛”的AI网站,名叫Vheer。它的作风相当大方,里面绝大部分功能都直接免费敞开用,就问你服不服。 文生图、图生视频、智能修图这些主流AI功能一个不落。点开就能用。而且非常的大气,比如抠图,别的网站按张收费,它直接让你一口气传20张照片自动处理,完全免费,甚至你去花时间不需要注册。 它几乎移除了所有上手障碍。网站首页清晰地排列着各种功能,没有晦涩的术语。你想把文字变成图片,或者让静态照片动起来,点开对应的按钮,输入你的想法,结果很快就能呈现在你面前。整个过程简单得就像在用一款普通的手机APP。 食用指南 访问地址 传送地址 官网的免费会员上面写的几个非常吸引人的地方,第一没有任何水印,第二生成图片视频这些是没有任何数量上的限制,只有高级别的模型和高速通道不能使用(但是实测下来,生成的速度也是相当不错)。 网站也提供了一些订阅模式,可以使用更高级的模型,但是这些高级模型需要消耗算力点。根据自己的需要看是否订阅。 由于功能实在太多了,强烈建议亲手测试一下 操作与体验——文生图 官网光一个文生图的功能就折腾出来了40多个功能,除了

从GAN到ChatGPT:AIGC技术演进与实战应用指南

快速体验 在开始今天关于 从GAN到ChatGPT:AIGC技术演进与实战应用指南 的探讨之前,我想先分享一个最近让我觉得很有意思的全栈技术挑战。 我们常说 AI 是未来,但作为开发者,如何将大模型(LLM)真正落地为一个低延迟、可交互的实时系统,而不仅仅是调个 API? 这里有一个非常硬核的动手实验:基于火山引擎豆包大模型,从零搭建一个实时语音通话应用。它不是简单的问答,而是需要你亲手打通 ASR(语音识别)→ LLM(大脑思考)→ TTS(语音合成)的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说,这是个绝佳的练手项目。 从0到1构建生产级别应用,脱离Demo,点击打开 从0打造个人豆包实时通话AI动手实验 从GAN到ChatGPT:AIGC技术演进与实战应用指南 技术背景:关键模型演进时间轴 2014年 - GAN横空出世 生成对抗网络(GAN)通过生成器与判别器的对抗训练,首次实现了高质量图像生成。核心突破在于: