【电路笔记】-欧姆定律

欧姆定律

文章目录

  • 欧姆定律
    • 1、概述
    • 2、AC电路的等效性
      • 2.1 输入电阻
      • 2.2 输入电感
      • 2.3 输入电容
    • 3、欧姆定律的局部形式
      • 3.1 介绍和定义
      • 3.2 德鲁德模型(Drude Model)
      • 3.3 局部形式表达式
    • 4、电阻和宏观欧姆定律
    • 5、总结

电流、电压和电阻之间的基本关系被称为欧姆定律,可能是电子学中最著名和最基本的物理定律。 1827 年,德国物理学家格奥尔格·西蒙·欧姆 (Georg Simon Ohm) 在《Die galvanische Kette, mathematisch bearbeitet》。

在第一部分中,我们将介绍宏观欧姆定律,这是在学习过程早期向学生展示的形式。

在第二部分中,我们将看到可以根据电路的拓扑结构及其源的性质来调整方程的不同形式,特别是在考虑交流状态时。

第三部分介绍了更高级的概念,其中我们重点关注方程的介观定义,该方程被称为欧姆定律的局部表达式。

1、概述

我们考虑流过电阻器 R R R 的电流 I I I,电阻器 R R R 在其端子处产生电势差 U U U

在这里插入图片描述

图1:流经电阻的电流在其端点处的电压

欧姆定律在这三个参数之间建立了简单的线性关系,例如 U = R × I U=R\times I U=R×I。 任何验证欧姆定律的电气元件都可以标记为欧姆导体,并呈现如图 2 所示的电压-电流特性:

在这里插入图片描述

图2:欧姆导体的U/I特性

值得注意的是,欧姆定律是经验定律,这意味着它来自实验观察而不是理论。

宏观形式广泛应用于电子电路中,是一个非常有用的公式。 我们可以利用其他两个参数(例如 U U U I I I)的知识来计算未知参数(例如 R R R)。 此外,它允许我们以 P = R × I 2 P=R×I^2 P=R×I2 的形式写出电阻器中耗散功率的表达式。

2、AC电路的等效性

当电流和电压为正弦波形时,欧姆定律可以推广。 在这种情况下,我们使用复数表示法来写出 U = Z × I U=Z \times I U=Z×I 等定律,其中 Z Z Z 是一组线性元件(电阻器、电容器和电感器)的复数阻抗。

2.1 输入电阻

如果我们再次考虑交流状态下图 1 所示的电路,欧姆定律可以写为 u ( t ) = R i ( t ) u(t)=R_i(t) u(t)=Ri(t),其中 i ( t ) = I × sin ⁡ ( ω t ) i(t)=I\times\sin(\omega t) i(t)=I×sin(ωt) u ( t ) = U × sin ⁡ ( ω t + ϕ ) u(t)=U\times \sin(\omega t+\phi) u(t)=U×sin(ωt+ϕ) I I I U U U是各个信号的幅度。 然而,由于纯电阻分量中的相位差为零,因此我们得到 U = R I U=RI U=RI

在交流状态下,电阻器中欧姆定律的表达式与直流状态下类似。

2.2 输入电感

当考虑电抗元件时,情况会有所不同,让我们从电感器开始:

在这里插入图片描述

图3:电感L的电感器上的交流电压和电流

根据楞次定律,电感器产生的电压 u ( t ) u(t) u(t) 与电感和电流 i ( t ) i(t) i(t) 的变化成正比,如公式 1 所示:

在这里插入图片描述

图4:电感器中的电压和电流之间的关系

由公式1可知,电流与电压的关系可写为 u ( t ) = L ω × I sin ⁡ ( ω t + ϕ ) u(t)=L\omega \times I\sin(\omega t+\phi) u(t)=Lω×Isin(ωt+ϕ)。 当使用复数表示法并且知道复数域中的推导操作类似于乘以 j ω j\omega 时,演示会更加容易,其中包括将相量 i ( t ) i(t) i(t) 乘以 ω \omega ω 并进行 ϕ = + π / 2 \phi=+\pi/2 ϕ=+π/2 的旋转 rad(请参阅有关相量图和代数的文章)。

因此,在电感器中,电流和电压信号的相移为 △ ϕ = + π / 2 r a d \triangle \phi=+\pi/2 rad ϕ=+π/2rad。 由于通常将电压视为参考,因此其表达式保持不变( u ( t ) = U × sin ⁡ ( ω t ) u(t)=U\times\sin(\omega t) u(t)=U×sin(ωt)),而电流可写为 i ( t ) = I × sin ⁡ ( ω t + ϕ ) i(t)=I\times \sin(\omega t+\phi) i(t)=I×sin(ωt+ϕ)

电感器中的欧姆定律可以写成 $U=L\omega I $; ϕ = + π / 2 \phi=+\pi/2 ϕ=+π/2 rad。

2.3 输入电容

最后,我们讨论交流状态下的电容器:

在这里插入图片描述

图5:电容C的电容器两端的交流电压和电流

在这个配置中,电容器的电荷是时间的函数,其表达式为 q ( t ) = C × u ( t ) q(t)=C\times u(t) q(t)=C×u(t)。 由于 i ( t ) = d q ( t ) / d t i(t)=dq(t)/dt i(t)=dq(t)/dt,我们可以直接或使用复数表示法证明 i ( t ) = − C ω × U sin ⁡ ( ω t + ϕ ) i(t)=-C_\omega \times U\sin(\omega t+\phi) i(t)=Cω×Usin(ωt+ϕ)

如果我们再次考虑电压为参考信号,则这里的相移为 $\triangle \phi =-\pi/2 $rad,因此电流的表达式为 i ( t ) = I × sin ⁡ ( ω t − ϕ ) i(t)=I\times \sin(\omega t-\phi) i(t)=I×sin(ωtϕ)

电容器中的欧姆定律可以写成 U = I / C ω U=I/C_\omega U=I/Cω ϕ = − π / 2 弧度 \phi=-\pi/2 弧度 ϕ=π/2弧度

3、欧姆定律的局部形式

在本节中,我们讨论一个更高级的概念,称为欧姆定律的局部形式。 在介绍这种特殊形式之前,我们需要先介绍和定义一些概念。 我们要注意,在下文中,向量以粗体显示,而标量则不是。

3.1 介绍和定义

局部形式可以应用于微观和宏观之间的中间空间尺度,称为介观尺度。 通常,介观尺度被认为足够大,可以在基本体积中包含大量粒子(在我们的例子中是电子),但又足够小,以便压力和温度等参数保持局部状态。

我们通常将电子称为“电荷载流子”或简称为“载流子”,它们由载流子密度 n e n_e ne、速度矢量 v v v、基本电荷e和质量 m e m_e me定义。

根据这些参数,我们可以定义一个重要的向量 j j j,称为电流密度,为 j = − e n e v j=-en_ev j=enev。 术语 − e n e -en_e ene也称为电荷密度,记为 ρ e \rho_e ρe

3.2 德鲁德模型(Drude Model)

考虑 S S S 段的欧姆导体,施加一定的电压 V V V,该电势差会产生电场 E E E,迫使导体的载体移动:

在这里插入图片描述

图6:欧姆导体内的力(红色)和场的示意图

载体的运动由两个作用方向相反的力决定:

  • 电力 − e E -eE eE 倾向于使电子沿与电场相反的方向移动(带正电的载流子的方向相同)。
  • 摩擦力 − k v -kv kv 往往会减慢电子速度。 该力是由构成欧姆导体晶格的静止电荷产生的,电子有一定的概率会撞击其中。参数 k k k 是一个常数,取决于被视为导体的材料。

Drude 模型(1900)包括考虑这两种力并将牛顿第二定律应用于载体:

在这里插入图片描述

公式2:德鲁德模型中的牛顿第二定律

3.3 局部形式表达式

我们可以重新整理公式 2,写出 k / m = 1 / τ k/m=1/\tau k/m=1/τ,其中 τ \tau τ 是欧姆导体的弛豫时间参数:

在这里插入图片描述

在永久状态 ( t > > τ t>>\tau t>>τ) 中,该一阶微分方程接受以下表达式作为解:

在这里插入图片描述

最后,电流密度可以重写为:

在这里插入图片描述
我们通常将标量项 δ \delta δ 写为电导率,局部欧姆定律规定 j = δ E j=\delta E j=δE

局部形式对于研究微观尺度的电特性特别有帮助。

4、电阻和宏观欧姆定律

欧姆导体中的电场可以写成 E = ( V / L ) n E=(V/L)_n E=(V/L)n,其中 n n n 是与 E E E 方向相同的单位矢量。

电流 I I I定义为:

在这里插入图片描述

电流( C / s C/s C/s)确实可以理解为穿过截面( m 2 m^2 m2)的电流密度( C / m 2 / s C/m^2/s C/m2/s)之和。

对于图 5 所示的拓扑,前面的表达式可以简化为$ I=\delta ES 。当用 。 当用 。当用V/L$替换字段E时,我们得到:

在这里插入图片描述
最后,我们可以得出结论,欧姆定律的局部形式使我们能够检索宏观欧姆定律和电阻 $R=L/(\delta S) $的定义。 我们还可以注意到, 1 / δ 1/\delta 1/δ 可以用 ρ \rho ρ 代替, ρ \rho ρ 定义为欧姆导体的电阻率。

然而,积分表达式的简化吸引了两个强有力的假设:电导率 δ \delta δ 在整个材料中是恒定的,电流密度 j j j 与材料的轴共线并且均匀。 基本上,这两个假设可以通过假设材料是各向同性的(所有方向上的均匀性)来收集。

在一般情况下,对于任何拓扑并且如果材料是各向异性的,则可以使用以下公式计算电阻:

在这里插入图片描述

5、总结

  • 本文重点介绍著名的物理定律,即欧姆定律。 第一部分进行了回顾,其中显示了其框架、定义、后果和用途。
  • 第二部分给出了供应源在 AC 制度下运作的更一般的法律形式。 当考虑电子学的三个基本元件时,我们意识到交流状态下的定律形式对于电阻器来说不会改变,但对于电抗元件来说却有不同的写法。
  • 在最后一节中,我们提出了欧姆定律的局部形式,它适用于宏观和微观世界之间的中间尺度:介观尺度。 首先介绍了许多新的定义和概念,然后通过Drude模型解释如何获得局部表达。 最后,我们证明了可以从局部形式中检索出定律的宏观形式以及阻力的表达。

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/news/152804.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

cpu飙高问题,案例分析(一)

一、复习知识点: CPU性能指标: load average:负载,linux查看的时候,通常显示如下: load average后面有三段数字:代表了系统1分钟,5分钟,15分钟平均负载。 形象的类别可…

使用npm发布自己的组件库

在日常开发中,我们习惯性的会封装一些个性化的组件以适配各种业务场景,突发奇想能不能建一个自己的组件库,今后在各种业务里可以自由下载安装自己的组件。 一. 项目搭建 首先直接使用vue-cli创建一个vue2版本的项目,并下载好ele…

Ps:陷印

在准备图像进行专业印刷之前,陷印 Trap是一个重要的步骤。 在彩色印刷中,多种颜色的墨水通常分别印刷。陷印是一种叠印技术,它可避免打印时印版的微小偏差或移动而使打印图像出现微小的缝隙。 进行陷印处理以纠正未对齐现象 A. 未对齐现象&am…

代码逻辑修复与其他爬虫ip库的应用

在一个项目中,由于需要设置 http_proxy 来爬虫IP访问网络,但在使用 requests 库下载文件时遇到了问题。具体表现为在执行 Python 脚本时,程序会阻塞并最终超时,无法正常完成文件下载。 解决方案 针对这个问题,我们可以…

VB.net读写S50/F08IC卡,修改卡片密码控制位源码

本示例使用设备:Android Linux RFID读写器NFC发卡器WEB可编程NDEF文本/智能海报/-淘宝网 (taobao.com) 函数声明 Module Module1读卡函数声明Public Declare Function piccreadex Lib "OUR_MIFARE.dll" (ByVal ctrlword As Byte, ByRef serial As Byte, …

基于单片机K型热电偶温度采集报警系统

**单片机设计介绍, 基于单片机K型热电偶温度采集报警系统 文章目录 一 概要简介系统特点系统组成工作原理应用领域 二、功能设计设计思路 三、 软件设计原理图 五、 程序六、 文章目录 一 概要 # 基于单片机K型热电偶温度采集报警系统介绍 简介 该系统是基于单片…

【论文阅读笔记】Deep learning for time series classification: a review

【论文阅读笔记】Deep learning for time series classification: a review 摘要 在这篇文章中,作者通过对TSC的最新DNN架构进行实证研究,探讨了深度学习算法在TSC中的当前最新性能。文章提供了对DNNs在TSC的统一分类体系下在各种时间序列领域中的最成功…

8 Redis与Lua

LUA脚本语言是C开发的,类似存储过程,是为了实现完整的原子性操作,可以用来补充redis弱事务的缺点. 1、LUA脚本的好处 2、Lua脚本限流实战 支持分布式 import org.springframework.core.io.ClassPathResource; import org.springframework.data.redis…

Excel 文件比较工具 xlCompare 11.01 Crack

比较两个 Excel 文件之间的差异 xlCompare. xlCompare.com 是性能最佳的 Excel diff 工具,用于比较两个 Excel 文件或工作表并在线突出显示差异。xlCompare 包括免费的在线 Excel 和 CSV 文件比较服务以及用于比较和合并 Excel 文件的强大桌面工具。如果您想在线了…

软件测试: 测试用例

一. 软件测试四要素 测试环境,操作步骤,测试数据,预期结果 二. 基于需求进行测试用例的设计 基于需求设计测试用例是测试设计和开发测试用例的基础,第一步就要分析测试需求,验证需求是否正确,完整,无二义性,并且逻辑自洽.在需求正确的基础上细化测试需求,从测试需求提炼出一…

React整理总结(五、Redux)

1.Redux核心概念 纯函数 确定的输入,一定会产生确定的输出;函数在执行过程中,不能产生副作用 store 存储数据 action 更改数据 reducer 连接store和action的纯函数 将传入的state和action结合,生成一个新的state dispatc…

猫12分类:使用yolov5训练检测模型

前言: 在使用yolov5之前,尝试过到百度飞桨平台(小白不建议)、AutoDL平台(这个比较友好,经济实惠)训练模型。但还是没有本地训练模型来的舒服。因此远程了一台学校电脑来搭建自己的检测模型。配置…

hdfsClient_java对hdfs进行上传、下载、删除、移动、打印文件信息尚硅谷大海哥

Java可以通过Hadoop提供的HDFS Java API来控制HDFS。通过HDFS Java API,可以实现对HDFS的文件操作,包括文件的创建、读取、写入、删除等操作。 具体来说,Java可以通过HDFS Java API来创建一个HDFS文件系统对象,然后使用该对象来进…

集合的自反关系和对称关系

集合的自反关系和对称关系 一:集合的自反关系1:原理:2:代码实现 二:对称关系1:原理:2:代码实现 三:总结 一:集合的自反关系 1:原理: …

【python】直方图正则化详解和示例

直方图正则化(Histogram Normalization)是一种图像增强技术,目的是改变图像的直方图以改善图像的质量。具体来说,它通过将图像的直方图调整为指定的形状,以增强图像的对比度和亮度。 直方图正则化的基本步骤如下&…

【Android Jetpack】Hilt的理解与浅析

文章目录 依赖注入DaggerHiltKoin添加依赖项Hilt常用注解的含义HiltAndroidAppAndroidEntryPointInjectModuleInstallInProvidesEntryPoint Hilt组件生命周期和作用域如何使用 Hilt 进行依赖注入 本文只是进行了简单入门,博客仅当做笔记用。 依赖注入 依赖注入是一…

某60区块链安全之不安全的随机数实战二学习记录

区块链安全 文章目录 区块链安全不安全的随机数实战二实验目的实验环境实验工具实验原理实验内容EXP利用 不安全的随机数实战二 实验目的 学会使用python3的web3模块 学会以太坊不安全的随机数漏洞分析及利用 实验环境 Ubuntu18.04操作机 实验工具 python3 实验原理 由…

吴恩达《机器学习》9-1:代价函数

一、引入新标记方法 首先,引入一些新的标记方法,以便更好地讨论神经网络的代价函数。考虑神经网络的训练样本,其中每个样本包含输入 x 和输出信号 y。我们用 L 表示神经网络的层数,表示每层的神经元个数(表示输出层神…

基于单片机GPS轨迹定位和里程统计系统

**单片机设计介绍, 基于单片机GPS轨迹定位和里程统计系统 文章目录 一 概要二、功能设计设计思路 三、 软件设计原理图 五、 程序六、 文章目录 一 概要 一个基于单片机、GPS和里程计的轨迹定位和里程统计系统可以被设计成能够在移动的交通工具中精确定位车辆的位置…

Spring Boot - 自定义注解来记录访问路径以及访问信息,并将记录存储到MySQL

1、准备阶段 application.properties&#xff1b;yml 可通过yaml<互转>properties spring.datasource.urljdbc:mysql://localhost:3306/study_annotate spring.datasource.usernameroot spring.datasource.password123321 spring.datasource.driver-class-namecom.mysq…