瑞萨丨技术干货借助GaN双向开关革新电源设计-Ameya360 electronic components purchasing network

瑞萨丨技术干货借助GaN双向开关革新电源设计

Release time：2026-04-21

author：AMEYA360

source：瑞萨

reading：578

　　随着全球电源需求正出现前所未有的激增，设计人员不断面临挑战，需要在个人设备、AI基础设施、太阳能、电池系统、电机及车辆等多种领域中实现更小的系统尺寸，并以更高的效率提供更高的功率水平。氮化镓(GaN)以其优越的半导体特性，正在推动一场变革，引领着电力电子领域的真正复兴。这一变革得益于前所未有的快速、小巧电力开关的问世。

　　高电压GaN双向开关(BDS)通过在单个器件内实现双向电流导通和阻断，从而助力打造更加高效、紧凑且更具成本效益的功率转换器。此类开关支持创新的单级功率变换器拓扑结构，从而在AI数据中心基础设施、太阳能微型逆变器、电池系统以及汽车车载充电器等应用中减少了元器件数量并提高了效率。

　　单级功率转换

　　利用瑞萨GaN BDS，设计人员可以摒弃带电解直流母线电容的传统两级式交流/直流转换器，实现元器件更少、重量更轻、效率更高的单级拓扑结构。此类拓扑支持双向能量流动，对于交流/直流转换和直流/交流逆变器均十分有用。这些设备还实现了非隔离多电平T型中点钳位(T-NPC)拓扑(如Vienna整流器)。这类拓扑具有更低的传导损耗，并且适用于三相AI基础设施和电机驱动器，同时提供双向流动特性并能降低EMI。

瑞萨丨技术干货借助GaN双向开关革新电源设计

　　Figure 1. Renesas GaN BDSs enable innovative topologies such as single-stage AC/DC converters, resulting in lower part count for smaller, lighter, more efficient power systems

　　瑞萨电子的TP65B110HRU 650V、110mΩ高电压GaN双向开关可在单个器件中同时阻断正向和反向电流，与传统单向硅基或碳化硅开关相比，能够以更少的元器件实现更高效率的单级功率转换。该器件减少了开关数量并省去了太阳能微型逆变器中的中间直流母线电容，根据美国加州能源委员会(CEC)标准，其功率转换效率可达97.5%以上。

　　这些创新的D模式氮化镓BDS产品具有650V连续电压额定值、低导通电阻、顶部散热的表面贴装封装(集成硅基MOSFET)，并与标准栅极驱动器兼容。对于设计人员来说，只要使用标准驱动器和简单的栅极电阻，驱动D模式氮化镓器件就和驱动硅基MOSFET一样简单。这与E模式氮化镓形成鲜明对比——后者需要额外元器件，不仅占用更多电路板空间，还会增加物料清单(BOM)成本和驱动损耗。

瑞萨丨技术干货借助GaN双向开关革新电源设计

　　Figure 2. GaN BDS implementation in a solar microinverter application and TP65B110HRU efficiency curves at different panel voltages, reaching 97.5% CEC efficiency

　　该GaN BDS具有快速开关特性，以及清晰的波形和出色的效率(在太阳能微型逆变器中最高可达97.5%)。产品通过了JEDEC和其他针对氮化镓的可靠性标准测试(包括交流和直流偏置测试)，确保满足工业和汽车应用的稳健性要求。您可以在评估板用户手册和氮化镓BDS技术白皮书中阅读有关性能测试和资格认证的更多信息。

　　亲自使用GaN BDS评估板来评估这些新型开关，测试不同的驱动选项，进行交流过零检测，并实施ZVS软开关。我们还将GaN BDS与其他兼容组件相结合，开发了系统级解决方案，以实现优化且低风险的设计，从而加快各类电力电子应用中的产品上市速度，其中包括500W太阳能微型逆变器、3.6kW功率因数校正(PFC)Vienna整流器以及多种单级家用电器。

　　深入了解TP65B110HRU GaN双向开关及其在高能效电源系统中的应用，并阅读我们的白皮书以进一步了解该技术的架构设计及部署优势。

瑞萨丨技术干货借助GaN双向开关革新电源设计

（"Note: The information presented in this article is gathered from the internet and is provided as a reference for educational purposes. It does not signify the endorsement or standpoint of our website. If you find any content that violates copyright or intellectual property rights, please inform us for prompt removal."）

行业新闻

瑞萨丨技术干货｜解决方案套件概念：AI赋能的智能电动自行车——重塑城市出行与智能交通

　　电动自行车正在迅速重塑城市出行方式。作为汽车之外更可持续、更灵活的选择，电动自行车不仅有助于缓解交通拥堵，也符合绿色低碳的发展趋势。随着电动自行车技术的不断进步和普及，用户对安全性、可靠性和智能辅助功能的期待也在持续提升。　　然而，无论是传统机械自行车还是电动自行车，当前仍高度依赖骑手的主动感知以及按计划进行的维护保养。许多机械问题往往是逐步演变的，在性能明显下降或故障真正发生之前，几乎没有预警信号。这种被动式维护方式容易导致意外故障、更高的维修成本，甚至带来潜在的安全隐患。　　瑞萨通过AI赋能的智能电动自行车概念方案应对这些挑战。该方案基于嵌入式边缘人工智能(AI)，在自行车本体上即可实现预测性维护、智能骑行辅助、环境感知以及电池管理优化，无需依赖云端连接。　　嵌入式边缘AI实现预测性与智能骑行　　智能电动自行车的核心由Renesas AIK-RA8D1 AI开发套件驱动。该套件基于RA8D1微控制器(MCU))，这是一款面向实时嵌入式AI应用设计的高性能Arm® Cortex-M85® MCU。借助Renesas Reality AI Tools®，开发者可以部署高度优化的AI模型，使其完全运行于MCU本地，无需云端计算支持。　　这种系统架构在实现更安全、更高效骑行体验的同时，也有效控制了功耗和系统成本，非常适合大规模部署于智能出行设备中。　　AI赋能的智能电动自行车围绕以下两大核心能力，全面提升骑行体验:　　AI驱动的状态监测　　更顺畅、更安全的骑行体验，全面提升用户感受　　瑞萨电动自行车概念　　AI驱动的状态监测　　无论是传统自行车、电动自行车，还是共享出行车队中的自行车，本质上都是精密的机械系统。其性能高度依赖于关键部件的健康状况，包括链条、齿轮、轴承以及车架连接部位。随着时间推移，这些部件会因机械应力、环境影响以及骑行工况而逐渐磨损和劣化。　　传统的维护方式通常依赖定期人工检查或基于里程的保养周期。这些方法往往不够精准且偏被动，容易导致突发故障，增加维护成本和运营风险。　　通过将AIK‑RA8D1与加速度传感器直接集成到自行车中，实时AI驱动的状态监测成为可能。系统可持续分析振动特征和运动模式，及早发现机械性能退化的迹象。　　关键预测性维护功能包括：　　链条劣化检测(Chain Deterioration Detection)——系统监测传动系统的振动模式。当振动特征偏离正常状态时，可在性能明显下降之前识别出链条过度磨损或润滑异常问题。　　齿轮异常检测(Gear Anomaly Detection)——AI模型可识别由齿轮齿面磨损、损坏或变速器对位异常引起的异常振动模式，实现早期干预。　　轴承失效检测(Bearing Failure Detection)——轴承在劣化过程中会产生特定的高频振动特征。系统可在出现可听噪声或严重机械损伤之前就检测到这些异常。　　车架结构监测(Frame Structure Monitoring)——通过振动分析，还可识别车架的松动或结构性变化，从而提升骑行安全性并延长整车使用寿命　　瑞萨如何实现智能自行车监测　　要构建高精度的状态监测AI模型，必须采集涵盖正常运行状态和多种机械故障状态的数据集。　　为此，系统采用AIK-RA8D1 AI开发套件，并通过Pmod™模块连接外部加速度传感器。开发套件和传感器均直接安装在自行车上，在真实骑行场景中采集振动和运动数据。　　数据集采集通过Data Storage Tools完成。该工具可作为插件集成在Renesas e² studio中，也可作为独立应用供第三方IDE用户使用工具可实时采集加速度传感器的原始数据，并进行存储，用于后续的数据标注和AI模型训练。　　Figure1.Training Set-up　　AI模型开发与部署　　在完成数据标注并上传至Renesas Reality AI Tools后，可利用云端AutoML功能训练和评估多个AI模型，并针对RA8D1 MCU进行部署优化。　　最终选定的模型能够识别七种系统状态：　　电动自行车状态：识别空闲与静止状态　　链条运行状态：识别正常的正向与反向链条运动　　齿轮异常：基于变速器位置检测两种故障状态　　后轮结构状态：识别潜在的后轮松动问题　　该优化模型在仅占用5KB内存的情况下，实现了99.63%的识别准确率，可高效运行于RA8D1 MCU上。　　Figure2.Model Development to Deployment Flow　　部署完成后，推理结果可通过集成在e² studio开发环境中的AI Live Monitor工具进行实时监控。　　AI增强型骑行智能　　除状态监测外，AIK RA8D1还可作为智能电动自行车计算核心，充当中央处理节点，分析来自电机、电池及各类传感器的数据——支持在有或无额外传感硬件的情况下运行。　　AI赋能的骑行功能示例包括：　　载荷分布检测——通过分析振动与运动信号，系统可估算骑手及货物的重量分布。据此推荐或自动调整坐垫位置，以提升舒适性和踩踏效率。　　路面类型识别(Surface Detection)——AI模型可识别沥青路、碎石路或不平整地形。并根据路况动态调整电机扭矩和功率输出，从而提升稳定性与能效。　　目标检测，实现更安全骑行(Object Detection for Safer Riding)——结合视觉传感器时，AI模型可识别周围车辆与障碍物，在盲区来车时触发预警。　　“See with Sound”的空间感知能力——通过麦克风阵列，系统可估算周围车辆的来向，并向骑手提供空间方位提示，而无需持续视觉关注。　　推动下一代智能出行　　AI驱动的智能电动自行车方案充分展示了嵌入式边缘AI对个人出行和共享交通的变革潜力。通过将预测性维护与环境感知能力直接集成到自行车中，制造商能够打造更安全、更可靠、更高效的出行解决方案。　　瑞萨AI技术致力于帮助客户基于可扩展的边缘AI平台，构建适用于实时嵌入式部署的智能出行系统。　　告别突发故障，从瑞萨开始打造更智能、更安全的自行车。　　准备好将AI驱动的状态监测引入骑行领域了吗?

2026-06-02 09:56 reading：303

model	brand	Quote
RB751G-40T2R	ROHM Semiconductor
MC33074DR2G	onsemi
CDZVT2R20B	ROHM Semiconductor
BD71847AMWV-E2	ROHM Semiconductor
TL431ACLPR	Texas Instruments

model

brand

Quote

ROHM Semiconductor

onsemi

ROHM Semiconductor

ROHM Semiconductor

Texas Instruments

model	brand	To snap up
IPZ40N04S5L4R8ATMA1	Infineon Technologies
BP3621	ROHM Semiconductor
TPS63050YFFR	Texas Instruments
STM32F429IGT6	STMicroelectronics
ESR03EZPJ151	ROHM Semiconductor
BU33JA2MNVX-CTL	ROHM Semiconductor

model

brand

To snap up

IPZ40N04S5L4R8ATMA1

Infineon Technologies

ROHM Semiconductor

Texas Instruments

STMicroelectronics