【电子通识】学习网上《初学者学习电子的常见误区文章》有感

2024-01-27 22:04

本文主要是介绍【电子通识】学习网上《初学者学习电子的常见误区文章》有感,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!

        学习硬件电子电路过程中,特别是初级阶段,可能会走进一些误区,会比较迷茫和困惑。如果这时不能正确对待好这些困惑,就会影响正常的学习,干扰学习的进程,严重时可能会半途而废。今天我从网络上看到为初学者写的篇文章,觉得挺好的。所以想分享出来并结合实际来说说初学者学习电子时会有哪些误区呢?


工具买越贵越好?

        “工欲善其事,必先利其器 ”。在学习过程中,一般最容易解决的问题就是学习的工具准备,因为这些工具是可以用钱买得到的,所以比较好解决。而学电子硬件初始要用到的工具有螺丝刀、钳子、电烙铁、热风枪、万用表等等。

        但是否说在初学阶段我们就需要买一些昂贵的仪器呢?举个例子就像是说你想跑步,是否在初学阶段就一定要买台跑步机?或者说拿万用表来说,便宜的有几十块的,贵的有上千元的。我们是否开始就需要配置一个上千的万用表呢?


        其实,我们在进行购买和选择时,要根据自己的经济能力进行衡量,就算是实力很强,在初学阶段不必过分追求仪器精度和昂贵程度。在入门期间可能就测试个电压是不是5V,输出是不是高电平等等简单的定性测试,不像是科研一样,要求仪器精确。所以普通的产品其实已经能够满足我们使用需要。在进阶的时候我们再去根据需求购买更精密的仪器。

        试想生活中很多人想健身,买了非常多的器械。但真正能坚持下来的、不是尝尝鲜的到底有几人呢?多数人开始就上了一套很好的装备,但无法坚持下来。我们需要的是由浅入深,根据自己的需求动态的去采购,这样不仅能更有趣,也能在学习的路上给自己一个奖励,所以这种路径比较合适普通人。

工具和仪器要买齐全套

        学习电子过程中,涉及的工具和仪器有不少。焊接工具、直流稳压电源、示波器、函数发
生器、电子负载等等。


        那是不是都要买完了才能学电子?肯定不是的。对于我们初学者来说,暂时先准备好一些基础的工具就好,比如万用表、焊接工具这些,抱着“所有工具和仪器我要买齐全套”这种想法是不可取的。
        一方面,有些工具和仪器对初学者是暂时还用不着的,所以即使买了估计也是压箱底。另一方面,初学者思想上可能会对学习摇摆不定,说不定明天对学习丧失兴趣,就不想继续。

        此外有一些仪器在初学的时候压根不知道怎么使用,到真的要使用的时候才发现性能不够或是不方便使用,那这样的仪器用起来也不顺手到时再买新的旧的又无法消化,干脆在开始的时候没有考虑周全就先考虑,不要着急购入仪器。

学习电子的起步从哪里开始

        初学者在学习电子电路开始阶级,相信一定会有这样的困惑“从哪开始学?


        从元器件基础知识和单片机最小系统学习作为起步最为科学。元器件有电阻、电容、电感、二极管,三极管等等,元器件是电路的最小组成单元,也是比较基础的知识,可以先从认识这些元件开始。

        比如先认识常见元器件外观是怎样的?电路符号怎么画?有什么特性?怎么检测好坏?这部分知识难度不大,比较容易看到学习成果,有利于增强我们学习的信心。

        此外嵌入式可以先从最小系统开始学习。因为一些复杂的功能只是最小系统增加一些外设而已。
        学习初期可以参与一些简单的实践活动,例如拆开一些电子电器,打开外壳观察里面的电子元器件,结合元器件书中的讲解进行实践活动。现在也有很多仿真工具,可以在电脑上不需要其他硬件环境直接仿真。

        如果想动手,也可以焊接一些有趣的电子小制作,这有利于提高我们对电子电路的学习兴趣。在建立了初步完整的元器件知识体系后,再转入电路分析的学习。


学电子不看书本

        学电子不看书本用电子类杂志作为入门学习的教材是不可取的。有些初学者学习电子时不看书本,或者连本入门的教材都没有,只看杂志或网上的文章。今天这里看一点,那里看一点,以为这正是能“集百家之所长”,这样学习得更全。


        这样的想法当然是不可取的,学习电子电路,初学的时候不要用电子类杂志,或者网上的文章作为入门学习的教材。有些文章短小精悍,系统性不强,只看这些文章进行学习,这势必造成知识不成体系,知识断点太多。正确的方法是以一本书为主教材,从头到尾系统地看完,建立初步的知识体系。还是要有自己的方式和方法,通过学习总结自己的笔记,然后再融合和精炼。

        当然网络上也有一些很好的案例文章,这些文章对知识要求的综合性比较高,建议在初学阶段不要很认真的钻进去,而是到进阶和有自己动手实践经验的时候再看一下别人的分析文章和思路,这样会更有效果。


        转载自:电子电路

这篇关于【电子通识】学习网上《初学者学习电子的常见误区文章》有感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/651602

相关文章

嵌入式软件常见的笔试题(c)

找工作的事情告一段落,现在把一些公司常见的笔试题型整理一下,本人主要是找嵌入式软件方面的工作,笔试的也主要是C语言、数据结构,大体上都比较基础,但是得早作准备,才会占得先机。   1:整型数求反 2:字符串求反,字符串加密,越界问题 3:字符串逆序,两端对调;字符串逆序,指针法 4:递归求n! 5:不用库函数,比较两个字符串的大小 6:求0-3000中含有9和2的全部数之和 7

51单片机学习记录———定时器

文章目录 前言一、定时器介绍二、STC89C52定时器资源三、定时器框图四、定时器模式五、定时器相关寄存器六、定时器练习 前言 一个学习嵌入式的小白~ 有问题评论区或私信指出~ 提示:以下是本篇文章正文内容,下面案例可供参考 一、定时器介绍 定时器介绍:51单片机的定时器属于单片机的内部资源,其电路的连接和运转均在单片机内部完成。 定时器作用: 1.用于计数系统,可

问题:第一次世界大战的起止时间是 #其他#学习方法#微信

问题:第一次世界大战的起止时间是 A.1913 ~1918 年 B.1913 ~1918 年 C.1914 ~1918 年 D.1914 ~1919 年 参考答案如图所示

[word] word设置上标快捷键 #学习方法#其他#媒体

word设置上标快捷键 办公中,少不了使用word,这个是大家必备的软件,今天给大家分享word设置上标快捷键,希望在办公中能帮到您! 1、添加上标 在录入一些公式,或者是化学产品时,需要添加上标内容,按下快捷键Ctrl+shift++就能将需要的内容设置为上标符号。 word设置上标快捷键的方法就是以上内容了,需要的小伙伴都可以试一试呢!

AssetBundle学习笔记

AssetBundle是unity自定义的资源格式,通过调用引擎的资源打包接口对资源进行打包成.assetbundle格式的资源包。本文介绍了AssetBundle的生成,使用,加载,卸载以及Unity资源更新的一个基本步骤。 目录 1.定义: 2.AssetBundle的生成: 1)设置AssetBundle包的属性——通过编辑器界面 补充:分组策略 2)调用引擎接口API

Javascript高级程序设计(第四版)--学习记录之变量、内存

原始值与引用值 原始值:简单的数据即基础数据类型,按值访问。 引用值:由多个值构成的对象即复杂数据类型,按引用访问。 动态属性 对于引用值而言,可以随时添加、修改和删除其属性和方法。 let person = new Object();person.name = 'Jason';person.age = 42;console.log(person.name,person.age);//'J

大学湖北中医药大学法医学试题及答案,分享几个实用搜题和学习工具 #微信#学习方法#职场发展

今天分享拥有拍照搜题、文字搜题、语音搜题、多重搜题等搜题模式,可以快速查找问题解析,加深对题目答案的理解。 1.快练题 这是一个网站 找题的网站海量题库,在线搜题,快速刷题~为您提供百万优质题库,直接搜索题库名称,支持多种刷题模式:顺序练习、语音听题、本地搜题、顺序阅读、模拟考试、组卷考试、赶快下载吧! 2.彩虹搜题 这是个老公众号了 支持手写输入,截图搜题,详细步骤,解题必备

《offer来了》第二章学习笔记

1.集合 Java四种集合:List、Queue、Set和Map 1.1.List:可重复 有序的Collection ArrayList: 基于数组实现,增删慢,查询快,线程不安全 Vector: 基于数组实现,增删慢,查询快,线程安全 LinkedList: 基于双向链实现,增删快,查询慢,线程不安全 1.2.Queue:队列 ArrayBlockingQueue:

硬件基础知识——自学习梳理

计算机存储分为闪存和永久性存储。 硬盘(永久存储)主要分为机械磁盘和固态硬盘。 机械磁盘主要靠磁颗粒的正负极方向来存储0或1,且机械磁盘没有使用寿命。 固态硬盘就有使用寿命了,大概支持30w次的读写操作。 闪存使用的是电容进行存储,断电数据就没了。 器件之间传输bit数据在总线上是一个一个传输的,因为通过电压传输(电流不稳定),但是电压属于电势能,所以可以叠加互相干扰,这也就是硬盘,U盘

人工智能机器学习算法总结神经网络算法(前向及反向传播)

1.定义,意义和优缺点 定义: 神经网络算法是一种模仿人类大脑神经元之间连接方式的机器学习算法。通过多层神经元的组合和激活函数的非线性转换,神经网络能够学习数据的特征和模式,实现对复杂数据的建模和预测。(我们可以借助人类的神经元模型来更好的帮助我们理解该算法的本质,不过这里需要说明的是,虽然名字是神经网络,并且结构等等也是借鉴了神经网络,但其原型以及算法本质上还和生物层面的神经网络运行原理存在