运放基本知识

薛定谔的猫~~~

已于 2023-03-08 11:18:39 修改

阅读量648

点赞数 1

文章标签：单片机嵌入式硬件

于 2023-03-07 18:32:05 首次发布

本文链接：https://blog.csdn.net/estzmj/article/details/129382073

版权

放大器是一个二端口器件，接收一个输入的外加信号，产生一个输出的信号 = 增益X输入，这里增益是一个比例常数，称为线性放大器。按照输入输出信号的属性，可分为四类放大器，以电压放大器举例，通过戴维南等效电路可得如下：

$V_{o} = \frac{R_{L}}{R_{L}+R_{o}} A_{OC}V_{I}$ ； $V_{I} = \frac{R_{i}}{R_{s}+R_{i}}V_{s}$ ；由于这些额外的衰减，加载效应不希望的，使得增益与特定的输入源和输出负载有关，明显 $\begin{vmatrix} \frac{V_{o}}{V_{s}} \end{vmatrix} \leq \begin{vmatrix} A_{OC} \end{vmatrix}$ ；理想的具有 $R_{i} = \infty \, \, \, R_{O} = 0$ ；

另外一种常见的电流放大器，采用诺顿等效给输入源和放大器建模。

$\frac{i_{O}}{i_{S}} = \frac{R_{S}}{R_{S}+R_{i}} A_{sc}\frac{R_{O}}{R_{O}+R_{L}}$ ；理想的电流放大器有， $R_{i}=0\, \, \, R_{O}=\infty$ ；与理想电压放大相反。

四种运放汇总如下：

基本放大器及理想端电阻
输入	输出	放大器类型	增益	$R_{i}$	$R_{O}$
$v_{I}$	$v_{o}$	电压	V/V	$\infty$	0
$i_{I}$	$i_{o}$	电流	A/A	0	$\infty$
$v_{I}$	$i_{o}$	跨导	A/V	$\infty$	$\infty$
$i_{I}$	$v_{o}$	跨阻	V/A	0	0

开环的运放增益 $\alpha$ 都是非常大的，常用的差分运放，理想运放满足如下条件： $r_{d} = \infty \, \, \, i_{P}=i_{N}=0\, \, \, v_{P}=v_{N}$ ；满足 $v_{o}= \alpha \left ( v_{P}-v_{N} \right ) = \alpha V_{D}$ 如下：

由于开环增益 $\alpha \rightarrow \infty \Rightarrow v_{D}\rightarrow 0$ ；

1）同相放大器：

可推导出

运放的闭环增益A与开环增益 $\alpha$ 是不一样的，增益A是针对 $v_{I}$ 的输入，而开环增益 $\alpha$ 是针对 $v_{D}$ 。

开环增益 $\alpha$ 与运放内部的电阻、二极管和晶体管的特性都有关，对于温度变化，老化及生产过程中的变化都很灵敏，而闭环增益A（输入是 $v_{I}$ ），与外部器件有关，牺牲大量的开关增益来换取闭环增益的稳定性。

2）电压跟随器：

主要是起到了一个阻抗变换的作用，在源和负载之间起到了一个缓冲的作用。

3）反相放大器

根据虚短虚断可得出增益

4）微分器

$v_{o}\left ( t \right )=-RC\frac{dv_{I}\left ( t \right )}{dt}$

5）积分器

负反馈介绍：

负反馈系统方框图如下图所示：

$x_{o}=\alpha x_{d} \; \; \; \; x_{f}=\beta x_{o}\; \; \; \; x_{d} =x_{i}-x_{f} \; \; \; A = \frac{x_{o}}{x_{i}}=\frac{\alpha }{1+\alpha \beta }$

环路增益 $T = \alpha \beta$ ； $A=\frac{1}{\beta }\frac{1}{1+1/T}$ ； $x_{d}=\frac{x_{o}}{\alpha }=Ax_{i}/\alpha =\frac{1}{1+T}x_{d}$ ；

$x_{f}=\beta x_{o}=\beta Ax_{i}=\frac{1}{1+1/T}x_{i}$

由以上可知，当T趋于无穷时， $x_{d}\rightarrow 0\; \; \;$ ；反馈信号 $x_{f}$ 跟踪输入信号 $x_{i}$ 。

将A分别对 $\alpha$ 以及分别对 $\beta$ 求导，可以得出 $\frac{dA}{A }=\frac{1}{1+T}\frac{d\alpha }{\alpha }$ ； $\frac{dA}{A}=-\frac{d\beta }{\beta }$ ；

对某一给定的在 $\alpha$ 上相对变化，在A上产生的变化被降低了1+T倍，对于足够大的T，即使在 $\alpha$ 上有明显的变化，在A上只会引起低微的变化。在负反馈 $\beta$ 中的增加（减少）将会在A中产生等量的减少（增加）。对于给定的 $\alpha$ ，闭环增益愈低，结果愈趋于理想。当正负反馈均存在时，

总反馈 $\beta$ = $\beta _{N}-\beta _{P}$ 。