4. 杂散电感测量方法：阻抗分析法、时域反射法（TDR）、双脉冲测试法
做PCS设计，杂散电感是个绕不开的坎。你仿真做得再漂亮，板子打样回来一测，波形上那个尖峰就能让你头疼半天。我常说，杂散电感就像电路里的幽灵——你看不见它，但它无处不在。
那怎么抓住这个幽灵？得靠测量。今天聊三种主流方法：阻抗分析法、时域反射法（TDR）、双脉冲测试法。这三种方法各有各的脾气，也各有各的适用场景。
核心观点：没有万能的方法，只有最合适的工具。阻抗分析法看全局，TDR看局部，双脉冲看实际工况。
4.1 阻抗分析法
阻抗分析法，说白了就是用频域的眼光看问题。你拿一台阻抗分析仪或者矢量网络分析仪（VNA），扫一个频段，然后从S参数或者阻抗曲线上把杂散电感提取出来。
我个人习惯在设计验证阶段用这个方法。板子刚回来，先不上电，用阻抗分析仪扫一下功率回路的阻抗特性。为什么？因为这时候你还没焊功率器件，测出来的就是纯PCB走线的寄生参数，没有半导体结电容的干扰。
实战技巧：测量时一定要做开路/短路校准（OSL校准），不然你测出来的数据里混着夹具和线缆的寄生参数，那就不准了。我见过有人拿没校准的数据去仿真，结果仿真和实测差了30%以上。
具体怎么提取？从阻抗实部和虚部入手。在低频段，杂散电感表现为感抗，Z = jωL。你取几个频率点的虚部值，做个线性拟合，斜率就是电感值。
// 阻抗分析法提取杂散电感（Python示例）
import numpy as np
# 假设测得的阻抗数据
freq = np.array([1e6, 2e6, 5e6, 10e6]) # 频率点，单位Hz
Z_imag = np.array([0.628, 1.256, 3.14, 6.28]) # 阻抗虚部，单位Ω
# 计算角频率
omega = 2 * np.pi * freq
# 线性拟合：Z_imag = L * omega
L = np.polyfit(omega, Z_imag, 1)[0]
print(f"提取的杂散电感: {L*1e9:.2f} nH")
嗯，这里要注意：频率别选太高。为什么？因为到了高频段，趋肤效应和邻近效应会让等效电感发生变化，你提取出来的值就不准了。我一般取1MHz到10MHz这个区间。
4.2 时域反射法（TDR）
TDR这个方法，我最早是在做高速数字电路时接触的。那时候测DDR走线的阻抗连续性，后来发现用在功率回路上也挺好使。
原理不复杂：你往被测线上送一个快速上升沿的阶跃信号，然后看反射回来的波形。反射波形的幅度和时间延迟，就包含了阻抗变化的信息。说白了，TDR就是给电路做「B超」。
注意：TDR的分辨率取决于阶跃信号的上升时间。上升沿越快，能分辨的物理距离就越短。比如50ps的上升沿，理论上能分辨约7.5mm的物理长度。如果你的功率回路走线只有几厘米，那得用高速TDR模块才行。
我曾经在一个项目中用TDR找过IGBT模块内部的杂散电感分布。模块封装好了，没法拆开看，但用TDR一测，反射波形上清清楚楚地显示出键合线和DBC基板之间的阻抗不连续点。嗯，那个项目最后帮客户优化了模块布局，杂散电感降了15%。
TDR测量杂散电感的具体步骤：
- 第一步：校准TDR仪器，包括开路、短路、负载校准
- 第二步：连接被测功率回路，注意探头接地要短
- 第三步：观察反射波形，找到阻抗突变的位置
- 第四步：根据反射系数计算局部阻抗，再换算成电感
你想想看，TDR最大的优势是什么？是空间定位能力。阻抗分析法只能告诉你整个回路的总电感，但TDR能告诉你「哪一段走线电感大」。这对优化布局太重要了。
4.3 双脉冲测试法
双脉冲测试法，这是我最常用的方法，也是业内公认的「金标准」。为什么？因为它是在实际开关工况下测的，测出来的杂散电感最接近真实值。
原理很简单：给功率器件（IGBT或SiC MOSFET）发两个脉冲，第一个脉冲建立电流，第二个脉冲用来观察关断瞬态。在关断瞬间，di/dt很大，杂散电感上会产生压降V = L * di/dt。你测出这个压降和di/dt，一除就得到杂散电感。
计算公式：Lσ = Vds_peak / (di/dt)
其中Vds_peak是关断时漏源电压的尖峰值，di/dt是电流下降斜率。
我记得有一次做SiC MOSFET的双脉冲测试，测出来的杂散电感比仿真值大了将近一倍。一开始我以为是测量方法有问题，后来仔细排查，发现是功率回路的布局和仿真模型对不上——仿真里忽略了直流母排的寄生电感。你看，理论和实际总是有差距的。
双脉冲测试的注意事项：
- 探头要校准：电压探头和电流探头都要做去嵌，不然高频分量不准
- 接地要短：探头接地线越长，测出来的杂散电感越大（因为包含了地线本身的电感）
- 电流要够大：小电流下di/dt不够大，信噪比差，测不准
- 波形要抓准：用示波器的余晖模式，多抓几次取平均
// 双脉冲测试数据处理（Python示例）
import numpy as np
# 假设从示波器导出的数据
time = np.array([...]) # 时间轴
Vds = np.array([...]) # 漏源电压
Id = np.array([...]) # 漏极电流
# 找到关断时刻
turn_off_idx = np.argmax(np.diff(Vds)) # 电压开始上升的点
# 计算di/dt
dt = time[turn_off_idx+10] - time[turn_off_idx]
di = Id[turn_off_idx] - Id[turn_off_idx+10]
di_dt = di / dt
# 提取电压尖峰
Vds_peak = np.max(Vds[turn_off_idx:turn_off_idx+50]) - Vds[turn_off_idx-10]
# 计算杂散电感
L_stray = Vds_peak / di_dt
print(f"杂散电感: {L_stray*1e9:.2f} nH")
避坑指南：我曾经犯过一个错误——直接用示波器上的光标去读Vds尖峰和di/dt。后来发现这样误差很大，因为示波器的采样率不够高时，光标读出来的值可能不是真正的峰值。建议把波形数据导出来，用软件做插值后再计算。
三种方法对比
| 对比项 | 阻抗分析法 | 时域反射法（TDR） | 双脉冲测试法 |
|---|---|---|---|
| 测量域 | 频域 | 时域 | 时域 |
| 是否需要上电 | 否 | 否 | 是（高压） |
| 空间定位能力 | 无 | 强 | 弱 |
| 精度 | 中 | 高 | 高 |
| 适用阶段 | 设计验证 | 问题定位 | 最终验证 |
| 设备成本 | 高（VNA） | 中（TDR模块） | 低（示波器+探头） |
三种方法各有千秋。我个人建议：设计阶段用阻抗分析法快速验证，遇到问题用TDR精确定位，最终用双脉冲测试法做最终确认。这样一套组合拳下来，杂散电感基本就控住了。
嗯，说到底，测量只是手段，目的是把杂散电感降下来。但如果你连测都测不准，那优化就无从谈起。所以，先把测量方法吃透，后面再聊怎么抑制。