实验三十一、OCL 电路输出功率和效率的研究

一、题目

研究 OCL 功率放大电路的输出功率和效率。

二、仿真电路

OCL 功率放大电路如图1所示。
在这里插入图片描述 图 1     OCL   功率放大电路 图1\,\,\,\textrm{OCL}\,功率放大电路 1OCL功率放大电路图中采用 NPN 型低频功率晶体管 2SC2001,其参数为: I C M = 700   mA I_{CM}=700\,\textrm{mA} ICM=700mA P T = 600   mW P_T=600\,\textrm{mW} PT=600mW U ( B R ) C E O = 25   V U_{(BR)CEO}=25\,\textrm V U(BR)CEO=25V U C E S = 0.6   V U_{CES}=0.6\,\textrm V UCES=0.6V;PNP 型低频功率晶体管 2SA952,其参数为: I C M = − 700   mA I_{CM}=-700\,\textrm {mA} ICM=700mA P T = 600   mW P_T=600\,\textrm{mW} PT=600mW U ( B R ) C E O = − 25   V U_{(BR)CEO}=-25\,\textrm V U(BR)CEO=25V U C E S = − 0.6   V U_{CES}=-0.6\,\textrm V UCES=0.6V
输出功率 P o P_o Po 为交流功率,可采用瓦特表测量;电源消耗的功率 P V P_{V} PV 为平均功率,可采用直流电流表测量电源的输出平均电流,然后计算出 P V P_{V} PV

三、仿真内容

1、观察输出信号波形的失真情况。
2、分别测量静态时以及输入电压峰值为 11   V 11\,\textrm V 11V 时的 P o P_o Po P V P_V PV,计算效率。

四、仿真结果

仿真结果如表1所示。 表 1     测试数据 表1\,\,\,测试数据 1测试数据

输入信号   \\\, V1峰值/V直流电流表1   \\\, 读数 I C 1 I_{C1} IC1/mA直流电流表2   \\\, 读数 I C 2 I_{C2} IC2/mA电源消耗的   \\\, 功率 P V P_V PV/W瓦特表读   \\\, P o P_o Po/WOCL 电路输出信号正、负   \\\, 向峰值 U o m a x + U_{omax+} Uomax+ U o m a x − U_{omax-} Uomax/V
000000,0
1162.28262.7231.5001.01110.218,-10.206

由表1中的数据,经计算,可得电源消耗的功率、输出功率和效率,如表2所示。 表 2     功率和效率 表2\,\,\,功率和效率 2功率和效率

输入电压   \, 峰值为 11 V + V C C +V_{CC} +VCC 功耗   P V + \,P_{V+} PV+/W − V C C -V_{CC} VCC 功耗   P V − \,P_{V-} PV/W电源总功耗 P V P_V PV/W输出功率   P o m \,P_{om} Pom/W效率/%
计算公式 I C 1 V C C I_{C1}V_{CC} IC1VCC I C 2 V C C I_{C2}V_{CC} IC2VCC ( I C 1 + I C 2 ) V C C (I_{C1}+I_{C2})V_{CC} (IC1+IC2)VCC ( U o m a x + − U o m a x − 2 ) 2 / ( 2 R L ) \Big(\displaystyle\frac{U_{omax+}-U_{omax-}}{2}\Big)^2/(2R_L) (2Uomax+Uomax)2/(2RL) P o m / P V P_{om}/P_V Pom/PV
计算结果0.7470.7531.5001.04369.5%

五、结论

(1)OCL 电路输出信号峰值略小于输入信号峰值,输出信号波形产生了交越失真,且正、负输出幅度略有不对称。产生交越失真的原因是两只晶体管均没有设置合适的静态工作点,正、负向输出幅值不对称的原因是两只晶体管的特性不是理想对称。
(2)由理论计算可得电源消耗的功率 P V = 2 π ⋅ V C C ⋅ ( U o m a x + − U o m a x − ) / 2 R L ≈ 1.560   W P_V=\frac{2}{π}\cdot\frac{V_{CC}\cdot(U_{omax+}-U_{omax-})/2}{R_L}\approx1.560\,\textrm W PV=π2RLVCC(Uomax+Uomax)/21.560W该数据明显大于仿真结果,必然使效率降低,为 η = P o m P V ≈ 66.9 % η=\frac{P_{om}}{P_V}\approx66.9\% η=PVPom66.9%与通过仿真所得结果误差小于 5 % 5\% 5%,产生误差的原因是输出信号产生了交越失真和非对称性失真。由此可见,对于功率放大电路的仿真对设计具有指导意义。
(3)本例演示了功率的测试方法。

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:/a/95266.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Java实现根据商品ID获取1688商品详情跨境属性数据,1688商品重量数据接口,1688API接口封装方法

要通过1688的API获取商品详情跨境属性数据,您可以使用1688开放平台提供的接口来实现。以下是一种使用Java编程语言实现的示例,展示如何通过1688开放平台API获取商品详情属性数据接口: 首先,确保您已注册成为1688开放平台的开发者…

Vue的使用(2)

一个简单的Vue项目的创建 创建一个UserList.vue组件 在App.vue中使用该组件 使用组件的第一步&#xff0c;导入组件使用组件的第二部&#xff0c;申明这个组件使用组件的第三步&#xff1a;引用组件 结果&#xff1a; 事件和插值语法 <template> <div><!-- te…

08-pandas 入门-pandas的数据结构

要使用pandas&#xff0c;你首先就得熟悉它的两个主要数据结构&#xff1a;Series和DataFrame。虽然它们并不能解决所有问题&#xff0c;但它们为大多数应用提供了一种可靠的、易于使用的基础。 一、Series Series是一种类似于一维数组的对象&#xff0c;它由一组数据&#x…

专业制造一体化ERP系统,专注于制造工厂生产管理信息化,可定制-亿发

制造业是国民经济的支柱产业&#xff0c;对于经济发展和竞争力至关重要。在数字化和智能化趋势的推动下&#xff0c;制造业正处于升级的关键时期。而ERP系统&#xff0c;即企业资源计划系统&#xff0c;能够将企业的各个业务环节整合起来&#xff0c;实现资源的有效管理和信息的…

Web项目与帆软11集成后通过项目访问cpt文件会弹出数据决策系统登录界面如何取消

1、登录帆软 - 数据决策系统 * 点击 &#xff1a;管理系统 - 模板认证 - 点击设置按钮 - 关闭 2、选择关闭单个认证 你点击后&#xff0c;它默认所有都是开的。你依次点击关闭&#xff0c;然后再把要的模板点击开启&#xff0c;如下图所示&#xff1a;第一个就表示开了认证&am…

NB水表和LoRa水表有哪些不同之处?

NB水表和LoRa水表是两种目前市场上常见的智能水表&#xff0c;它们在功能、性能、应用场景等方面存在一些不同之处。 一、技术方面 NB水表采用NB-IoT技术&#xff0c;而LoRa水表采用LoRa技术。NB-IoT技术是窄带物联网技术&#xff0c;它具有良好的低功耗、低成本、高覆盖、高可…

vue 转盘抽奖功能,可控制抽奖概率

实现逻辑&#xff1a; 思路&#xff1a;首先需要一个转盘&#xff0c;然后需要一个抽奖按钮定位在中间&#xff0c;图片提前设计或者用背景颜色代替&#xff08;这里用的是图片&#xff0c;然后计算概率&#xff09;&#xff0c;使用css完成转动效果&#xff0c;每次转动完成之…

游戏中的图片打包流程,免费的png打包plist工具,一款把若干资源图片拼接为一张大图的免费工具

手机游戏开发中&#xff0c;为了提高图片渲染性能&#xff0c;经常需要将小图片合并成一张大图进行渲染。如果手工来做的话就非常耗时。TexturePacker就是一款非常不错方便的处理工具。TexturePacker虽然非常优秀&#xff0c;但不是免费的。 对于打包流程&#xff0c;做游戏的…

大数据项目实战(Sqoop安装)

一&#xff0c;搭建大数据集群环境 1.4 Sqoop安装 1.sqoop安装 &#xff08;1&#xff09;上传安装包 &#xff08;2&#xff09;解压安装包 tar -zxvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /export/servers &#xff08;3&#xff09;重命名 mv sqoop-1.4.6.b…

继承AndroidView Model的错误

ViewModelProvider(this)[RegisterViewModel::class.java] 一行简单的代码&#xff0c;总是报这个错误 Caused by: java.lang.NoSuchMethodException: com.xinfa.registerlogin.viewmodel.LoginViewModel. [class android.app.Application] 经过一下午的思索&#xff0c;终于找…

发光太阳聚光器的蒙特卡洛光线追踪研究(Matlab代码实现)

&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;欢迎来到本博客❤️❤️&#x1f4a5;&#x1f4a5; &#x1f3c6;博主优势&#xff1a;&#x1f31e;&#x1f31e;&#x1f31e;博客内容尽量做到思维缜密&#xff0c;逻辑清晰&#xff0c;为了方便读者。 ⛳️座右铭&a…

JVM 内存大对象监控和优化实践

作者&#xff1a;vivo 互联网服务器团队 - Liu Zhen、Ye Wenhao 服务器内存问题是影响应用程序性能和稳定性的重要因素之一&#xff0c;需要及时排查和优化。本文介绍了某核心服务内存问题排查与解决过程。首先在JVM与大对象优化上进行了有效的实践&#xff0c;其次在故障转移与…

【AI】数学基础——高数(积分部分)

高数&#xff08;函数&微分部分&#xff09; 文章目录 1.4 微积分1.4.1 基本思想1.4.2 定积分定义定义计算定积分定积分性质定理N-L公式泰勒公式麦克劳林公式 1.5 求极值1.5.1 无条件极值1.5.2 条件极值1.5.3 多条件极值1.5.4 凹函数与凸函数 1.4 微积分 用于求解速度、面积…

Windows Qt 5.12.10下载与安装

Qt 入门实战教程&#xff08;目录&#xff09; C自学精简实践教程 目录(必读) 1 Qt5.12.10下载 qt-opensource-windows-x86-5.12.10.exe 官方离线安装包 Download Source Package Offline Installers | Qt 下载巨慢&#xff08;也可能很快&#xff09; 只能下载到最新的&…

Nodejs快速搭建简单的HTTP服务器,并发布公网远程访问

前言 Node.js 是能够在服务器端运行 JavaScript 的开放源代码、跨平台运行环境。Node.js 由 OpenJS Foundation&#xff08;原为 Node.js Foundation&#xff0c;已与 JS Foundation 合并&#xff09;持有和维护&#xff0c;亦为 Linux 基金会的项目。Node.js 采用 Google 开发…

C# Emgu.CV 条码检测

效果 项目 代码 using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System.Linq; using System.Text; using System.Windows.Forms; using Emgu.CV; using Emgu.CV.Util; using static Emgu.C…

1960-2022年各国ESG(环境、社会、治理)数据-草案数据集

1960-2022年各国-ESG&#xff08;环境、社会、治理&#xff09;-草案数据集 1、时间&#xff1a;1960-2022年 2、范围&#xff1a;世界各国 3、来源&#xff1a;世界银行 4、说明&#xff1a;世界银行的ESG&#xff08;环境、社会、治理&#xff09;数据草案数据集涵盖了17…

算法通过村第四关-栈白银笔记|括号问题

文章目录 前言1. 括号匹配问题2. 最小栈问题3. 最大栈 总结 前言 提示&#xff1a;如果让我送给年轻人四个字&#xff0c;就是&#xff1a;量力而行。 量力而行不会失眠&#xff0c;不会啃老&#xff0c;不会为各种考试焦虑。顺其自然活得轻松。其实&#xff0c;量力而行最易大…

系统架构:软件工程

文章目录 资源知识点自顶向下与自底向上形式化方法结构化方法敏捷方法净室软件工程面向服务的方法面向对象的方法快速应用开发螺旋模型软件过程和活动开放式源码开发方法功用驱动开发方法统一过程模型RUP基于构件的软件开发UML 资源 信息系统开发方法 知识点 自顶向下与自底…

ElasticSearch - 海量数据索引拆分的一些思考

文章目录 困难解决方案初始方案及存在的问题segment merge引入预排序 拆分方案设计考量点如何去除冗余数据按什么维度拆分&#xff0c;拆多少个最终的索引拆分模型演进历程整体迁移流程全量迁移流程流量回放比对验证异步转同步多索引联查优化效果 总结与思考参考 困难 索引数据…