A Low-Complexity Dual-Voltage-Loop Digital Control Architecture With Dynamically Varying Voltage and Current References
Notice bibliographique
Résumé
In this paper, a low-complexity dual-voltage-loop digital control architecture is presented for voltage regulators (VRs), delivering power to processors. The proposed digital control architecture uses low speed and less complex digital-to-analog converters instead of high-speed analog-to-digital converters, thus significantly reducing the system complexity and cost. In this control architecture, there are two voltage loops, and the voltage reference is dynamically generated to selectively track one of them, as compared to other control methods where the output voltage tracks the voltage reference. Moreover, a straightforward control law is used, which does not require any compensator, making the proposed digital architecture simple and easy to implement. The dual-voltage-loop architecture breaks dependence between the system transient response and the system control bandwidth. One voltage loop is designed for the stable system operation, and the other is dedicated for the load transient response. Thus, the digital controller can be designed in such a way that the VR operates at a relatively low switching frequency to reduce power losses, and at the same time, it is also able to provide fast transient response. The proposed small signal model reveals that the inner current loop is analog and the voltage loop is digital. The proposed controller thus can benefit from both: having valuable features of digital control but without limitations such as limit cycle, which is eliminated by the inherent dithering characteristic. Theoretical, simulation and experimental results prove the effective operation and excellent dynamic performance of the low-complexity digital controller, thus making it a valuable candidate for a high-volume, low-cost digital controller for processors' VRs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».