交流电路基本概念

2023-10-30 06:10
文章标签 基本概念 交流电路

本文主要是介绍交流电路基本概念,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

交流电路

  • 正弦波基本概念
    • 平均值
    • 有效值
      • 电磁感应(可略)
        • 正弦波交流(原理(可略))

交流电(英文:AlternatingCurrent,简写AC)是指大小和方向都发生周期性变化的电流,因为周期电流在一个周期内的运行平均值为零,称为交变电流或简称交流电。英文简写为AC。生活中使用的市电就是具有正弦波形的交流电

所以交流电路中我们先研究一下正弦波,我把原理放到后面,有需要的看看,没需要的看前面即可。


正弦波基本概念

随时间按正弦规律变化的电压、电流称为正弦电压和正弦电流。表达式为:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
振幅、角频率和初相称为正弦量的的三要素。

  1. 振幅:电流振幅或电压振幅是指电流或电压变化的最大值,也叫电压或电流的峰值。’
  2. 角频率ω:正弦量单位时间内变化的弧度数。
    角频率与周期及频率的关系:
    在这里插入图片描述
  3. 初相:t=0时的相位(相位:正弦量表达式中的角度)

相位差:两个同频率正弦量的相位之差,其值等于它们的初相之差
在这里插入图片描述在这里插入图片描述在这里插入图片描述

平均值

1个周期内的瞬时值之和的平均数。正弦波一周期和为0,所以以半个周期计算平均值。
在这里插入图片描述
在这里插入图片描述

有效值

在这里插入图片描述
在两个相同的电阻器件中,分别通过直流电和交流电,如果经过同一时间,它们发出的热量相等,那么就把此直流电的大小作为此交流电的有效值。正弦电流的有效值等于其最大值的0.707倍。

电磁感应(可略)

电和磁场有着密切的联系。导体在磁场中移动式会产生电流。我们称之为:“佛莱明右手定则”

右手定则:拇指方向是导体移动方向,食指指的是磁场方向,中指为电流方向。

在这里插入图片描述
此时电压为:e(电压)=磁通量密度B(T)*导体的长度L(m)*导体的移动速度v(m/s).
这可是发电机的基本原理哦。
在这里插入图片描述

正弦波交流(原理(可略))

交流电通常波形为正弦曲线。交流电可以有效传输电力。但实际上还有应用其他的波形,例如三角形波、正方形波。

下图表示导线在磁场中旋转时会获得多大的电动势(电压)。
在这里插入图片描述

磁通量和向直角方向切入的速度成正比,则产生电压。旋转速度及位置不同会引起电压发生变化,这张图就是正弦波。**这里用e(瞬时值)表示电压,最大值设为Em**则一下关系式成立
e=Em * sinθ[V]
θ表示导线的角度,与磁通量成直角时为90°旋转半圈为180°转一圈为360°。用弧度法(单位【rad】)表示旋转的角度对照图如下

在这里插入图片描述

比如发电机,我们用角速度表示线圈每秒中旋转几圈。角速度用w表示单位【rad/s】。假设旋转θ【rad】需要时间t【s】则
θ=wt 此时,刚才的交流电动势公式可以表示如下
e=Em * sinwt[V]

在这里插入图片描述
从0到2π所需的时间,也就是旋转一周需要的时间,即为一个周期T。每秒中重复的T叫做频率f,用【Hz】(赫兹)表示。

参考资料

  1. 《欧姆社——电气电路》
  2. 百度百科
  3. 维基百科

这篇关于交流电路基本概念的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/306103

相关文章

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【机器学习】高斯网络的基本概念和应用领域

引言 高斯网络(Gaussian Network)通常指的是一个概率图模型,其中所有的随机变量(或节点)都遵循高斯分布 文章目录 引言一、高斯网络(Gaussian Network)1.1 高斯过程(Gaussian Process)1.2 高斯混合模型(Gaussian Mixture Model)1.3 应用1.4 总结 二、高斯网络的应用2.1 机器学习2.2 统计学2.3

【Rocketmq入门-基本概念】

Rocketmq入门-基本概念 名词解释名称服务器(NameServer)消息队列(Message Queue)主题(Topic)标签(Tag)生产者(Producer)消费者(Consumer)拉取模式(Pull)推送模式(Push)消息模型(Message Model) 关键组件Broker消息存储工作流程 名词解释 名称服务器(NameServer) 定义: 名称服务器

数据结构的基本概念和术语的一些介绍

数据:是客观事物的符号表示,包括两种:                  数值型(整数,实数)和非数值型(文字,图形,声音 数据元素:是数据的基本单位,通常作为一个整体进行表示。                  与数据的关系:是数据集合的个体 数据项:组成数据元素的不可分割的最小单位。 以上三者的关系:数据>数据元素>数据项                  例如:学生表>个人记录>

【DL--05】深度学习基本概念—函数式模型

函数式模型 函数式模型算是本文档比较原创的词汇了,所以这里要说一下 在Keras 0.x中,模型其实有两种,一种叫Sequential,称为序贯模型,也就是单输入单输出,一条路通到底,层与层之间只有相邻关系,跨层连接统统没有。这种模型编译速度快,操作上也比较简单。第二种模型称为Graph,即图模型,这个模型支持多输入多输出,层与层之间想怎么连怎么连,但是编译速度慢。可以看到,Sequentia

【DL--04】深度学习基本概念—data_format

data_format 这是一个无可奈何的问题,在如何表示一组彩色图片的问题上,Theano和TensorFlow发生了分歧,’th’模式,也即Theano模式会把100张RGB三通道的16×32(高为16宽为32)彩色图表示为下面这种形式(100,3,16,32),Caffe采取的也是这种方式。第0个维度是样本维,代表样本的数目,第1个维度是通道维,代表颜色通道数。后面两个就是高和宽了。这种t

【DL--03】深度学习基本概念—张量

张量 TensorFlow中的中心数据单位是张量。张量由一组成形为任意数量的数组的原始值组成。张量的等级是其维数。以下是张量的一些例子: 3 # a rank 0 tensor; this is a scalar with shape [][1. ,2., 3.] # a rank 1 tensor; this is a vector with shape [3][[1., 2., 3.]

【DL--02】深度学习基本概念--符号计算

符号计算 Keras的底层库使用Theano或TensorFlow,这两个库也称为Keras的后端。无论是Theano还是TensorFlow,都是一个“符号式”的库。 因此,这也使得Keras的编程与传统的Python代码有所差别。笼统的说,符号主义的计算首先定义各种变量,然后建立一个“计算图”,计算图规定了各个变量之间的计算关系。建立好的计算图需要编译以确定其内部细节,然而,此时的计算图还

数据结构 基本概念和述语

数据结构 基本概念和述语数据(data)数据元素(data element)数据项(data item)数据对象(data object)数据结构(data structure)逻辑结构与物理结构逻辑结构物理结构 抽象数据类型(Abstract Data Type, ADT):数据类型:抽象数据类型三元组的定义:抽象数据类型的表示与实现抽象数据类型Triplet的表示和实现: 算法和算法分析

分布式系统的一些基本概念

GitHub:https://github.com/wangzhiwubigdata/God-Of-BigData 关注公众号,内推,面试,资源下载,关注更多大数据技术~大数据成神之路~预计更新500+篇文章,已经更新50+篇~ 分布式 来自csdn,作者:陆小凤 进阶篇来自:bangerlee 作者对部分地方做了订正 目前这系列文章是网络上分布式