我主编的电子技术实验手册(07)——串联电路

        本专栏是笔者主编教材(图0所示)的电子版,依托简易的元器件和仪表安排了30多个实验,主要面向经费不太充足的中高职院校。每个实验都安排了必不可少的【预习知识】,精心设计的【实验步骤】,全面丰富的【思考习题】。因此,对于开展电子技术教学犯愁的师生,本专栏应该能够帮到你们。

图0 本专栏对应的教材封面

实验07  串联电路

【实验目的】

  1. 学会利用欧姆定律计算串联电路中的电流和电压。
  2. 理解基尔霍夫电压定律在串联电路中的应用。

【预习知识】

        对于图1的简单电路,根据欧姆定律很容易知道电源电压等于总电流乘以总电阻,即:

U_{s}=I_{T}R_{T}

图1 一个电阻与电源相连

        在串联电路中,所有的元件都连在同一条路径中。因此,流过每一个元件的电流都是相同的。当我们把电阻串联起来,总电阻会增加,其阻值等于各阻值之和。图2给出了两个电阻的串联电路,总电阻为:

R_{T}=R_{1}+R_{2}

图2 两个电阻串联

把这个式子带到上面由欧姆定律得到的公式,可得:

U_{S}=I_{T}(R_{1}+R_{2})=I_{T}R_{1}+I_{T}R_{2}=U_{1}+U_{2}

        这个结果说明电源电压等于各电阻上压降之和,这种关系被称为基尔霍夫电压定律,它更准确地表述是:在一个电路中,任何一个闭合回路中所有元件上电压的代数和等于零

        注意电压的极性是非常重要的。来自电源的电流在电阻上产生电压降,电阻上的压降与源电压的极性相反,如图2所示。我们使用基尔霍夫电压定律时,需要掌握以下规则:

  1. 在回路中选择一个任意的起点,从起点选定一个参考方向:顺时针或逆时针都可。
  2. 对于每个电压源或负载,标记电压的方向如果与参考方向一致,取正值,反之取负值。
  3. 当回到起点时,把经过的所有电压求代数和,结果为0。

【实验元件与仪器】

  1. 330Ω、1.0kΩ、1.5kΩ、2.2kΩ碳膜电阻各1支
  2. 万用表1个
  3. 直流稳压电源1个

【操作内容及步骤】

1. 按上面要求的规格准备好4个电阻,用万用表实测一下阻值并记录在表1中,再计算它们串联起来的总电阻 R_{T}

标题

2. 按照图3把这4个电阻在面包板上串联起来,用欧姆表测量一下总电阻并记录在表1中,看是否与上一步的计算结果一致?

图3 测量串联总电阻

3. 接下来我们给这4个串联电阻接上+12V电源,同时串联一个电流表,如图4所示,并参考图5完成连线。通电之前仔细检查万用表红表笔是否接入电流插孔,档位是否选中了较大的直流电流量程,红黑表笔是否为串联进电路的,两根表笔连接是否为红进黑出。然后,计算一下总电流的理论值 I_{T}=U_{S}/R_{T},记录在表2对应栏中。最后,接通电源,记录电流表读数,看是否与理论值接近。

图4 串联电源和电流表
图5 测量串联电流连线图
标题

4. 由于4个电阻串联,所以流过它们的电流是相同的。你可以利用上一步测得的 I_{T} 乘以每个阻值,得到每个电阻上的压降 U_{AB}U_{BC}U_{CD} 和 U_{DE},将计算结果填入表2中。 

5. 再取一个万用表,用直流电压档位依次测量 U_{AB}U_{BC}U_{CD} 和 U_{DE},记录在表2中。

6. 根据表2中的测量值,参照【预习知识】中使用基尔霍夫电压定律的规则,证明这个串联回路中各元件电压的代数和为0。

_________________________________________________________________________

7. 重复上一步的证明过程,但这次选取不一样的起点,换一个参考方向。

_________________________________________________________________________

8. 将电路在 C 点断开,测量开路电压 U_{open},如图6所示,证明基尔霍夫电压定律对开路依然适用。

_________________________________________________________________________

图6 断开C点测量开路电压

 

【实验思考与讨论】

1. 为什么求闭合回路电压代数和与选择的起点无关?

2. 基尔霍夫电压定律适用于任何闭合路径,即使回路中没有电流。如何利用上面第8步的实验结果证明这个表述是正确的?

3. 同样基于上面第8步的实验结果,如果一个220V电路的保险丝断了,那保险丝两端的电压会是多少?

4. 电路如图7所示,使用基尔霍夫电压定律计算 U_{X} 的大小和方向。

图7 第4题图

5. 电路如图8所示,请计算:
(1)如果灯泡上的压降是8.0V,电阻上的压降是多少?
(2)电路中的电流为多少?
(3)灯泡的电阻是多少?

图8 第5题图

(本文完)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/28168.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

大屏幕互动系统PHP源码 附动态背景图和配乐素材 含搭建教程

最新大屏幕互动系统PHP源码 附动态背景图和配乐素材 含搭建教程 测试环境:apachePHP7.3MySQL5.7 源码免费下载地址抄笔记 (chaobiji.cn)

C++前期概念(重)

目录 命名空间 命名空间定义 1. 正常的命名空间定义 2. 命名空间可以嵌套 3.头文件中的合并 命名空间使用 命名空间的使用有三种方式: 1:加命名空间名称及作用域限定符(::) 2:用using将命名空间中某个成员引入 3:使用using namespa…

代码随想录算法训练营第六十二天 | 739.每日温度、496.下一个更大元素 I、503.下一个更大元素II

739.每日温度 文字讲解:代码随想录 视频讲解:单调栈,你该了解的,这里都讲了!LeetCode:739.每日温度_哔哩哔哩_bilibili 解题思路 思路一:暴力双循环 O(n^2) 思路二:单…

ICML24麻省理工提出使用更少的条件独立性测试来发现因果关系新方法

【摘要】众多科学领域的核心问题围绕着理解因果关系这一基本问题。然而,大多数基于约束的因果发现算法,包括广受欢迎的PC算法,通常会进行指数级数量的条件独立性(CI)测试,在各种应用中造成局限。为解决这一问题,我们的工作重点是表征在减少CI测试数量的情况下,可以了解潜在因果…

Explain Python Machine Learning Models with SHAP Library

Explain Python Machine Learning Models with SHAP Library – Minimatech (能翻墙直接看原文) Explain Python Machine Learning Models with SHAP Library 11 September 2021Muhammad FawiMachine Learning Using SHapley Additive exPlainations …

用户管理相关命令(修改sudoer文件添加用户权限)visudo: /etc/sudoers: 权限不够

1.useradd <用户名>&#xff1a;用来新建一个用户&#xff08;-m&#xff1a;创建用户的家目录 -s&#xff1a;指定/bin/bash&#xff09; 2.userdel <用户名>&#xff1a;删除一个用户&#xff0c;还会存在家目录&#xff08;-r&#xff1a;删除用户的同时&…

jeecg在线表单开发模式保存表时报The jdbcUrl is Null, Cannot read database type

报错信息如图 原因分析 使用jeecg框架 数据库使用的是DM数据库&#xff0c;在JeecgSystemApplication中&#xff0c;使用了注解过滤DruidDataSourceAutoConfigure&#xff0c;配置文件使用的是多数据源的方式 会出现这种情况 源码分析 getOnlineDataBaseConfig方法的dataBa…

Gson的常见用法

一引入依赖 <!-- json解析的工具包 --> <dependency><groupId>com.google.code.gson</groupId><artifactId>gson</artifactId><version>2.8.6</version> </dependency> <!-- 主要为了代码简洁和日志打印 --> <…

怎么找抖音视频素材?在哪里找爆款热门的素材呢?

在短视频时代&#xff0c;拍摄和分享短视频已经成为一种潮流。但是&#xff0c;许多人都会面临一个问题&#xff0c;那就是——视频素材从哪里来&#xff1f;今天&#xff0c;我将为大家介绍几个优质的网站&#xff0c;让你的视频素材不再愁。 蛙学府&#xff1a;https://www.…

STM32项目分享:智慧农业(机智云)系统

目录 一、前言 二、项目简介 1.功能详解 2.主要器件 三、原理图设计 四、PCB硬件设计 1.PCB图 2.PCB板打样焊接图 五、程序设计 六、实验效果 七、资料内容 项目分享 一、前言 项目成品图片&#xff1a; 哔哩哔哩视频链接&#xff1a; https://www.bilibili.c…

C++ 54 之 继承中同名的静态成员处理

#include <iostream> using namespace std;// 父类 class Base07{ public:static int m_a; // 静态成员&#xff0c;类内定义static void fun(){cout << "Base中的fun"<< endl;}static void fun(int a){cout << "Base中的fun(int a)&qu…

几个小创新模型,KAN组合网络(LSTM、GRU、Transformer)时间序列预测,python预测全家桶...

截止到本期&#xff0c;一共发了8篇关于机器学习预测全家桶Python代码的文章。参考往期文章如下&#xff1a; 1.终于来了&#xff01;python机器学习预测全家桶 2.机器学习预测全家桶-Python&#xff0c;一次性搞定多/单特征输入&#xff0c;多/单步预测&#xff01;最强模板&a…

【MySQL】索引(上)

https://www.wolai.com/curry00/fzTPy3kSsMDEgEcdvo4G5w https://www.bilibili.com/video/BV1Kr4y1i7ru/?p69 https://jimhackking.github.io/%E8%BF%90%E7%BB%B4/MySQL%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0/#%E7%B4%A2%E5%BC%95 索引是一种用于快速查询和检索数据的数据结构…

AI大模型探索之路-实战篇:智能化IT领域搜索引擎之知乎网站数据获取(流程优化)

系列篇章&#x1f4a5; No.文章1AI大模型探索之路-实战篇&#xff1a;智能化IT领域搜索引擎的构建与初步实践2AI大模型探索之路-实战篇&#xff1a;智能化IT领域搜索引擎之GLM-4大模型技术的实践探索3AI大模型探索之路-实战篇&#xff1a;智能化IT领域搜索引擎之知乎网站数据获…

linux笔记8--安装软件

文章目录 1. PMS和软件安装的介绍2. 安装、更新、卸载安装更新ubuntu20.04更新镜像源&#xff1a; 卸载 3. 其他发行版4. 安装第三方软件5. 推荐 1. PMS和软件安装的介绍 PMS(package management system的简称)&#xff1a;包管理系统 作用&#xff1a;方便用户进行软件安装(也…

【深度学习】解析Vision Transformer (ViT): 从基础到实现与训练

之前介绍&#xff1a; https://qq742971636.blog.csdn.net/article/details/132061304 文章目录 背景实现代码示例解释 训练数据准备模型定义训练和评估总结 Vision Transformer&#xff08;ViT&#xff09;是一种基于transformer架构的视觉模型&#xff0c;它最初是由谷歌研究…

blender bpy将顶点颜色转换为UV纹理vertex color to texture

一、关于环境 安装blender的bpy&#xff0c;不需要额外再安装blender软件。在python控制台中直接输入pip install bpy即可。 二、关于代码 本文所给出代码仅为参考&#xff0c;禁止转载和引用&#xff0c;仅供个人学习。 本文所给出的例子是https://download.csdn.net/downl…

BerkeleyDB练习

代码; #include <db.h> #include <stdio.h>int main() {DB *dbp;db_create(&dbp, NULL, 0);printf("Berkeley DB version: %s\n", db_version(NULL, NULL, NULL));dbp->close(dbp, 0);return 0; } 编译运行

4-异常-log4j配置日志滚动覆盖出现日志丢失问题

4-异常-log4j配置日志打印滚动覆盖出现日志丢失问题(附源码分析) 更多内容欢迎关注我&#xff08;持续更新中&#xff0c;欢迎Star✨&#xff09; Github&#xff1a;CodeZeng1998/Java-Developer-Work-Note 技术公众号&#xff1a;CodeZeng1998&#xff08;纯纯技术文&…

XGBoost预测及调参过程(+变量重要性)--血友病计数数据

所使用的数据是血友病数据&#xff0c;如有需要&#xff0c;可在主页资源处获取&#xff0c;数据信息如下&#xff1a; 读取数据及数据集区分 数据预处理及区分数据集代码如下&#xff08;详细预处理说明见上篇文章--随机森林&#xff09;&#xff1a; import pandas as pd im…