【电路笔记】-串联电容器

串联电容器

文章目录

  • 串联电容器
    • 1、概述
    • 2、示例1
    • 3、示例3
    • 4、总结

当电容器以菊花链方式连接在一条线上时,它们就串联在一起。

1、概述

对于串联电容器,流过电容器的充电电流 ( i C i_C iC ) 对于所有电容器来说都是相同的,因为它只有一条路径可循。

然后,串联电容器都有相同的电流流过它们,如 i T = i 1 = i 2 = i 3 i_T = i_1 = i_2 = i_3 iT=i1=i2=i3 等。因此,无论其电容如何,每个电容器都会在其极板上存储相同量的电荷 Q Q Q。 这是因为任何一个电容器的极板存储的电荷必定来自其相邻电容器的极板。 因此,串联在一起的电容器必须具有相同的电荷。

Q T = Q 1 = Q 2 = Q 3 … . e t c Q_T = Q_1 = Q_2 = Q_3 ….etc QT=Q1=Q2=Q3.etc

考虑以下电路,其中三个电容器 C 1 C_1 C1 C 2 C_2 C2 C 3 C_3 C3 A A A 点和 B B B 点之间的电源电压上以串联支路连接在一起。

在这里插入图片描述

串联电容器

在前面的并联电路中,我们看到电路的总电容 C T C_T CT 等于所有单个电容器加在一起的总和。 然而,在串联电路中,总电容或等效电容 C T C_T CT 的计算方式不同。

在第一个电容器右侧板上方的串联电路中, C 1 C_1 C1 连接到第二个电容器 C 2 C_2 C2 的左侧板,第二个电容器 C 2 C_2 C2 的右侧板连接到第三个电容器 C 3 C_3 C3 的左侧板。 那么这种串联意味着在直流连接电路中,电容器 C 2 C_2 C2与电路有效隔离。

其结果是有效极板面积已减小至串联链中连接的最小个体电容。 因此,每个电容器上的电压降将根据各个电容的值而有所不同。

然后将基尔霍夫电压定律 (KVL) 应用到上述电路中,我们得到:

在这里插入图片描述

由于 Q = C × V Q = C \times V Q=C×V 并重新排列为 V = Q / C V = Q/C V=Q/C,因此将 Q / C Q/C Q/C 替换为上述 KVL 方程中的每个电容器电压 V C V_C VC 将得出:

在这里插入图片描述

每一项除以 Q 得出:

在这里插入图片描述

串联电容器方程

将串联电容器相加时,各个电容器的倒数 (1/C) 全部相加(就像并联电阻一样),而不是电容本身。 那么串联电容器的总值等于各个电容的倒数之和的倒数。

2、示例1

采用上述示例中的三个电容器值,我们可以计算出三个串联电容器的总等效电容 C T C_T CT

在这里插入图片描述

关于以串联配置连接在一起的电容器,需要记住的重要一点。 任意数量串联在一起的电容器的总电路电容 ( C T C_T CT) 将始终小于串联串中最小电容器的值。 在上面的示例中,总电容 C T C_T CT 计算为 0.055μF,但串联链中最小电容器的值仅为 0.1μF。

这种倒数计算方法可用于计算单个串联网络中连接在一起的任意数量的单个电容器。 然而,如果只有两个串联电容器,则可以使用更简单、更快速的公式。 给出如下:

在这里插入图片描述

如果两个串联电容相等且阻值相同,即: C 1 = C 2 C_1 = C_2 C1=C2,我们可以将上式进一步简化如下,求出串联组合的总电容。

在这里插入图片描述

那么我们可以看到,当且仅当两个串联电容相同且相等时,总电容 C T C_T CT将恰好等于电容值的二分之一,即: C / 2 C/2 C/2

对于串联电阻,串联电路上所有压降的总和将等于施加的电压 V S V_S VS (基尔霍夫电压定律),串联电容器也是如此。

对于串联电容器,电容器的容抗由于电源频率而充当阻抗。 该容抗在每个电容器上产生压降,因此串联的电容器充当容性分压器网络。

结果是,应用于电阻器的分压器公式也可用于查找串联的两个电容器的单独电压。 然后:

在这里插入图片描述

其中: C X C_X CX 是相关电容器的电容, V S V_S VS 是串联链上的电源电压, V C X V_{CX} VCX 是目标电容器上的压降。

3、示例3

当连接到 12V 交流电源时,求以下两个串联电容器组的总电容和各个均方根电压降。

​ a) 两个电容,每个电容为 47nF
​ b) 一个470nF的电容与一个1μF的电容串联
a) 总等电容,

在这里插入图片描述

两个相同的 47nF 电容器两端的电压降,

在这里插入图片描述
在这里插入图片描述

b) 总不等电容,

在这里插入图片描述

两个不同电容器两端的电压降: C 1 = 470 n F , C 2 = 1 μ F C_1 = 470nF,C_2 = 1\mu F C1=470nFC2=1μF

在这里插入图片描述

在这里插入图片描述

由于基尔霍夫电压定律适用于该电路以及每个串联电路,因此各个电压降的总和将等于电源电压 VS。 那么8.16 + 3.84 = 12V。

另请注意,如果电容器值相同(在我们的第一个示例中为 47nF),则电源电压将在每个电容器上均分,如图所示。 这是因为串联链中的每个电容器共享相等且精确的电荷量 ( Q = C × V = 0.564 μ C Q = C \times V = 0.564 \mu C Q=C×V=0.564μC),因此具有所施加电压 V S V_S VS 的一半(或两个以上电容器的百分比)。

然而,当串联电容器值不同时,较大值的电容器将自身充电到较低的电压,较小值的电容器将充电到较高的电压,在上面的第二个示例中,电压分别为 3.84 伏和 8.16 伏。 这种电压差使电容器能够在每个电容器的极板上保持相同的电荷量 Q,如图所示。

在这里插入图片描述

请注意,无论电源频率如何,两个串联电容器两端的压降比率将始终保持相同,因为它们的电抗 XC 将按比例保持相同。

那么,即使电源频率从 100Hz 增加到 100kHz,上面我们简单示例中的 8.16 伏和 3.84 伏这两个电压降也将保持不变。

尽管对于不同的电容值,每个电容器上的电压降会有所不同,但极板上的库仑电荷将相等,因为整个串联电路中存在相同量的电流,因为所有电容器都提供相同的数量或数量 电子。

换句话说,如果每个电容器极板上的电荷相同,因为 Q 是恒定的,那么随着其电容的减小,电容器极板上的电压降会增加,因为电荷相对于电容而言较大。 同样,较大的电容将导致其极板上的电压降较小,因为电荷相对于电容较小。

4、总结

总而言之,包含串联电容器的电路的总电容或等效电容 CT 是所有单个电容的倒数之和的倒数。

同样对于串联电容器,所有串联电容器将具有相同的充电电流流过它们,如 i T = i 1 = i 2 = i 3 i_T = i_1 = i_2 = i_3 iT=i1=i2=i3 等。串联的两个或多个电容器的极板上始终具有等量的库仑电荷。

由于电荷 ( Q ) 相等且恒定,电容器两端的压降仅由电容器的值决定,即 V = Q ÷ C V = Q ÷ C V=Q÷C。较小的电容值将导致较大的电压,而较大的电容值将导致较大的电压 将导致较小的电压降。

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/240908.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

matlab实践(十一):导弹追踪

1.题目 a9.94,x062.06 2.方程 我们有: ( d x d t ) 2 ( d y d t ) 2 w 2 (\frac{\mathrm d\mathrm x}{\mathrm d\mathrm t})^2(\frac{\mathrm d\mathrm y}{\mathrm d\mathrm t})^2\mathrm w^2 (dtdx​)2(dtdy​)2w2 还有导弹始终指向船 ( d x d t d y d t ) …

【快速开发】使用SvelteKit

自我介绍 做一个简单介绍,酒架年近48 ,有20多年IT工作经历,目前在一家500强做企业架构.因为工作需要,另外也因为兴趣涉猎比较广,为了自己学习建立了三个博客,分别是【全球IT瞭望】,【…

【Mode Management】CanSM详细介绍

目录 1. Introduction and functional overview 2.Dependencies to other modules 3.Functional specification 3.1General requirements 3.2State machine for each CAN network 3.2.1Trigger: PowerOn 3.2.2Trigger: CanSM_Init 3.2.3 Trigger: CanSM_DeInit 3.2.4 …

机器学习 | 概率图模型

见微知著,睹始知终。 见到细微的苗头就能预知事物的发展方向,能透过微小的现象看到事物的本质,推断结论或者结果。 概率模型为机器学习打开了一扇新的大门,将学习的任务转变为计算变量的概率分布。 实际情况中,各个变量…

单词接龙[中等]

一、题目 字典wordList中从单词beginWord和endWord的 转换序列 是一个按下述规格形成的序列beginWord -> s1 -> s2 -> ... -> sk&#xff1a; 1、每一对相邻的单词只差一个字母。 2、对于1 < i < k时&#xff0c;每个si都在wordList中。注意&#xff0c;beg…

Midjourney V6版本的5大新特性,掌握了,想法和实现信手拈来

Midjourney v6已推出&#xff1a;更简单的提示、增强的文本集成和更高水平的照片真实感&#xff01;以下是每个创意人员都需要了解的 5 个重要见解。 一、产品文字整合 使用简单风格提示向您的产品添加文本提示&#xff1a;带有文字“SALMA”的白色健身瓶 Midjourney v5.2&am…

Git安装和使用教程,并以gitee为例实现远程连接远程仓库

文章目录 1、Git简介及安装2、使用方法2.1、Git的启动与配置2.2、基本操作2.2.1、搭建自己的workspace2.2.2、git add2.2.3、git commit2.2.4、忽略某些文件不予提交2.2.5、以gitee为例实现git连接gitee远程仓库来托管代码 1、Git简介及安装 版本控制&#xff08;Revision cont…

只用10分钟,ChatGPT就帮我写了一篇2000字文章

有了ChatGPT之后&#xff0c;于我来说&#xff0c;有两个十分明显的变化&#xff1a; 1. 人变的更懒 因为生活、工作中遇到大大小小的事情&#xff0c;都可以直接找ChatGPT来寻求答案。 2. 工作产出量更大 之前花一天&#xff0c;甚至更久才能写一篇原创内容&#xff0c;现…

qt简单连接摄像头

要使用摄像头&#xff0c;就需要链接多媒体模块以及多媒体工具模块 需要在.pro文件中添加QT multimedia multimediawidgets 是用的库文件 QCamera 类用于打开系统的摄像头设备&#xff0c; QCameraViewfinder 用于显示捕获的视频&#xff0c; QCameraImageCapt…

Java并发工具类---ForkJoin、countDownlatch、CyclicBarrier、Semaphore

一、Fork Join fork join是JDK7引入的一种并发框架&#xff0c;采用分而治之的思想来处理并发任务 ForkJoin框架底层实现了工作窃取&#xff0c;当一个线程完成任务处于空闲状态时&#xff0c;会窃取其他工作线程的任务来做&#xff0c;这样可以充分利用线程来进行并行计算&a…

系列十四、SpringBoot + JVM参数配置实战调优

一、SpringBoot JVM参数配置实战调优 1.1、概述 前面的系列文章大篇幅的讲述了JVM的内存结构以及各种参数&#xff0c;今天就使用SpringBoot项目实战演示一下&#xff0c;如何进行JVM参数调优&#xff0c;如果没有阅读过前面系列文章的朋友&#xff0c;建议先阅读后再看本篇文…

Java整合APNS推送消息-IOS-APP(基于.p12推送证书)

推送整体流程 1.在开发者中心申请对应的证书&#xff08;我用的是.p12文件&#xff09; 2.苹果手机用户注册到APNS&#xff0c;APNS将注册的token返回给APP&#xff08;服务端接收使用&#xff09;。 3.后台服务连接APNS&#xff0c;获取连接对象 4.后台服务构建消息载体 5.后台…

Searching for MobileNetV3(2019)

文章目录 Abstract主要内容实验结果 IntroductionRelated WorkEfficient Mobile Building BlocksNetwork SearchPlatform-Aware NAS for Block-wise SearchNetAdapt for Layer-wise Search Network ImprovementsRedesigning Expensive LayersNonlinearitiesLarge squeeze-and-e…

PHP-Xlswriter高性能导出Excel

使用背景 使用传统的PHPExcel导出效率太慢&#xff0c;并且资源占用高&#xff0c;数据量大的情况&#xff0c;会导致服务占用大量的资源&#xff0c;从而导致生产意味&#xff0c;再三思索后&#xff0c;决定使用其他高效率的导出方式 PHP-Xlswriter PHPExcel 因为内存消耗过…

信号与线性系统翻转课堂笔记9——傅里叶变换

信号与线性系统翻转课堂笔记9——傅里叶变换 The Flipped Classroom9 of Signals and Linear Systems 对应教材&#xff1a;《信号与线性系统分析&#xff08;第五版&#xff09;》高等教育出版社&#xff0c;吴大正著 一、要点 &#xff08;1&#xff0c;重点&#xff09;…

MyBatis中延迟加载,全局和局部的开启使用与关闭

文章目录 MyBatis中延迟加载&#xff0c;全局和局部的开启使用与关闭1、问题提出2、延迟加载和立即加载延迟加载立即加载 3、三种对应的表关系中的加载4、打开全局延迟加载&#xff08;实现一对一的延迟加载&#xff09;5、实现一对多的延迟加载&#xff08;将上面设置的全局延…

零成本搭建一款博客网站(基于Vercel+Hexo完美实现)【保姆级教程】

文章目录 &#x1f438;基于VercelHexo零成本搭建博客网站&#x1f43b;实现思路 &#x1f42e;Hexo的配置与安装&#x1f412;Hexo的美化与使用&#x1f42b;Github的推送与部署&#x1f43c;Vercel部署与网站上线&#x1f41b;总结 &#x1f438;基于VercelHexo零成本搭建博客…

【数据结构】递归与分治

一.递归 1.递归的概念&#xff1a; 子程序&#xff08;或函数&#xff09;. 接调用自己或通过一系列调用语句间接调用自己&#xff0c;成为递归。 递归是一种描述问题和解决问题的基本方法。 重复地把问题转化为与原问题相似的新问题&#xff0c;直到问题解决为止。 2.递归…

ElasticSearch学习篇9_文本相似度计算方法现状以及基于改进的 Jaccard 算法代码实现

背景 XOP亿级别题库的试题召回以及搜题的举一反三业务场景都涉及使用文本相似搜索技术&#xff0c;学习此方面技术以便更好的服务于业务场景。 目前基于集合的Jaccard算法以及基于编辑距离的Levenshtein在计算文本相似度场景中有着各自的特点&#xff0c;为了优化具体的计算时…

【Linux驱动】字符设备驱动程序框架 | LED驱动

&#x1f431;作者&#xff1a;一只大喵咪1201 &#x1f431;专栏&#xff1a;《RTOS学习》 &#x1f525;格言&#xff1a;你只管努力&#xff0c;剩下的交给时间&#xff01; 目录 &#x1f3c0;Hello驱动程序⚽驱动程序框架⚽编程 &#x1f3c0;LED驱动⚽配置GPIO⚽编程驱动…