当前位置: 首页 > news >正文

【硬件设计】模拟电子基础三--集成运算放大电路

模拟电子基础三--集成运算放大电路

  • 一、集成运算放大器
    • 1.1 定义、组成与性能
    • 1.2 电流源电路
    • 1.3 差动放大电路
    • 1.4 理想运算放大器
  • 二、集成运算放大器的应用
    • 2.1 反向比例运算电路
    • 2.2 同向比例运算电路
    • 2.3 反向加法运算电路
    • 2.4 反向减法运算电路
    • 2.5 积分运算电路
    • 2.6 微分运算电路
    • 2.7电压比较器电路
  • 三、仪表放大器
    • 3.1 定义、原理、特点及分类
    • 3.2 AD620仪表放大器
  • 四、功率放大器
    • 4.1 定义与特点
    • 4.2 工作模式
    • 4.3 内部电路及应用


前言:本章为知识的简单复习,适合于硬件设计学习前的知识回顾,不适合运用于考试

一、集成运算放大器

1.1 定义、组成与性能

①定义

集成运算放大器是一种具有很高放大倍数的多级直接耦合放大电路。是发展最早、应用最广泛的一种模拟集成电路。
特点:高增益、高可靠性、低成本、小尺寸
在这里插入图片描述

②组成

从原理上说,集成运放实质上是一个具有高电压增益高输入电阻低输出电阻的直接耦合多级放大电路。集成运放其内部电路一般由输入级中间级输出级偏置电路四部分组成,对于高性能、高精度等特殊集成运放,还要增加有关部分的单元电路,如温度控制电路、温度补偿电路、内部补偿电路、过流或过热保护电路、限流电路、稳压电路等。
在这里插入图片描述

③性能

  • 开环差模电压增益: β-放大倍数(值无穷大,几万倍到几十万倍)
  • 输入失调电压:当Uo输出电压为0时,U+ - U-的值一般为10mv以内
  • 输入失调电流:输入电阻为无穷大时,电流约等于0,但实际仍有的输入电流
  • 输入偏置电流:偏置电路提供的偏置电流,用于调节静态工作点
  • 差模输入电阻和输出电阻
  • 温度漂移
    输入失调电压温漂
    输入失调电流温漂
  • 共模抑制比:差模放大倍数/同模放大倍数,值越小越好
    最大共模输入电压
    最大差模输入电压

1.2 电流源电路


定义:

电流源是模拟集成电路中应用十分广泛的单元电路。在集成运放中的电流源为放大电路提供稳定的偏置电流,同时作为放大电路的有源负载,提高放大电路的增益。常见的电流源电路有镜像电流源电路、比例电流源电路和微电流源电路几种。

①镜像电流源

Multisim仿真图:
在这里插入图片描述

公式推导:
IR1 = Ic1 + 2Ib
∵ Ic1 = βIb ,Ic2 = βIb
∵ Ic1 = Ic2

②比例电流源

Multisim仿真图:
在这里插入图片描述

公式推导:
Ube1 + Ie1R2 = Ube2+ Ie2R3
∵ Ube1 ≈ Ube2
∴ Ie1R2 = Ie2R3
∵ Ie1 ≈ IR1 , Ie2 ≈ Ic2
∴ IR1R2 = Ic2R3 , R2/R3 = Ic2/IR1

③微电流源

Multisim仿真图:
在这里插入图片描述

公式推导:
Ic1 ≈ Ic2 = (Ube2 - Ube1)/R2


1.3 差动放大电路


定义:

差动放大电路又叫差分放大电路,它是另一类基本放大电路,它能有效的减小由于电源波动和晶体管随温度变化而引起的零点漂移,因而获得广泛的应用,特别是大量的应用于集成运放电路,作为多级放大器的前置级。

Multisim仿真图:
在这里插入图片描述
① 当两端偏置电压不同时,会导致输出电压差
在这里插入图片描述
② 减小R2
在这里插入图片描述
可以发现电压差减小了,因此我们可以通过调节R2,去调节输出电压差


1.4 理想运算放大器

说明:
Auo: 开环放大倍数,80dB~140dB,近乎无穷大
Rid : 输入电阻: 1 0 5 10^5 105 ~ 1 0 11 10^{11} 1011
Ro : 几十欧 ~ 几百欧
KCMRR: 共模抑制比 - 70dB~130dB

①虚短
理想运放两输入端电位相等(虚短)
∵ uo=AuoUi=Auo(u+ - u-)
∴ u+-u-= uo/Auo
∵ Aud ≈ ∞
∴ u+=u-

②虚断
理想运放输入电流等于零(虚断)
∵ 理想的Rid= ∞
∴ I+ = I-= 0



二、集成运算放大器的应用

2.1 反向比例运算电路

Multisim仿真图:
在这里插入图片描述

公式推导:
∵ 虚短:
V 1 − U − R 3 = U − − U o R 4 \frac{V_1- U_-}{R_3} = \frac{U_- - U_o}{R_4} R3V1U=R4UUo
∵ 虚断:
U+ = U-,而U+ = 0
∴ U- = 0
V 1 U o = − R 3 R 4 = − 1 2 \frac{V_1}{U_o} = -\frac{ R_3}{R_4} = -\frac{1}{2} UoV1=R4R3=21

示波器图形:
在这里插入图片描述


2.2 同向比例运算电路

Multisim仿真图:
在这里插入图片描述

公式推导:
∵ 虚短:
0 − U − R 1 = U − − U o R 3 \frac{0- U_-}{R_1} = \frac{U_- - U_o}{R_3} R10U=R3UUo
∵ 虚断:
U+ = U-,而U+ = V1
∴ U- = V1
− V 1 R 1 = V 1 − U o R 3 -\frac{V_1}{R_1} = \frac{V_1-U_o}{R_3} R1V1=R3V1Uo
化简可得:
V 1 U o = R 1 R 3 + R 1 = 1 3 \frac{V_1}{U_o} = \frac{R_1}{R_3+R_1} = \frac{1}{3} UoV1=R3+R1R1=31

示波器图形:
在这里插入图片描述


2.3 反向加法运算电路

Multisim仿真图:
在这里插入图片描述

公式推导:
∵ 虚短:
V 1 − U − R 5 + V 2 − U − R 1 = U − − U o R 3 \frac{V_1-U_-}{R_5} + \frac{V_2 - U_-}{R_1}= \frac{U_- - U_o}{R_3} R5V1U+R1V2U=R3UUo
∵ 虚断:
U+ = U-,而U+ = 0
∴ U- = 0
V 1 R 1 + V 2 R 1 = − U o R 3 \frac{V_1}{R_1} + \frac{V_2}{R_1}= -\frac{U_o}{R_3} R1V1+R1V2=R3Uo
化简可得:
V 1 + V 2 = − U o 2 V_1 + V_2= -\frac{U_o}{2} V1+V2=2Uo

示波器图形:
在这里插入图片描述


2.4 反向减法运算电路

Multisim仿真图:
在这里插入图片描述

公式推导:
∵ 虚短:
V 1 − U − R 1 = U − − U o R 3 \frac{V_1-U_-}{R_1} = \frac{U_- - U_o}{R_3} R1V1U=R3UUo
∵ 虚断:
U+ = U-,而U+ = V 2 ∗ R 6 R 6 + R 2 V_2 * \frac{R_6}{R_6 + R_2} V2R6+R2R6
∴ U- = V 2 ∗ R 6 R 6 + R 2 V_2 * \frac{R_6}{R_6 + R_2} V2R6+R2R6

化简可得:
V 1 − V 2 = − U o V_1 - V_2= -U_o V1V2=Uo

示波器图形:
在这里插入图片描述


2.5 积分运算电路

电路:
在这里插入图片描述
公式推导:
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


2.6 微分运算电路

电路:
在这里插入图片描述

公式推导:
在这里插入图片描述

波形为:
在这里插入图片描述


2.7电压比较器电路

Multisim仿真图:
在这里插入图片描述
函数发生器配置:
在这里插入图片描述
开启电路仿真,可以看到LED灯闪烁。

示波器波形:
在这里插入图片描述



三、仪表放大器

3.1 定义、原理、特点及分类

①定义

仪表放大器是一种精密差分电压放大器,它源于运算放大器,且优于运算放大器。仪表放大器把关键元件集成在放大器内部,其独特的结构使其具有高共模抑制比、高输入阻抗、低噪声、低线性误差、低失调漂移、增益设置灵活和使用方便等特点,使其在数据采集、传感器信号放大、高速信号调节、医疗仪器和高档音响设备等方面倍受青睐。

②原理

在这里插入图片描述
仪表放大器主要由两级差分放大器电路组成。其中,运放A1、A2为同向差分输入方式,同向输入可以大幅提高电路的输入阻抗,减小电路对微弱信号的衰减;差分输入可以使电路只对差模信号放大,而对共模输入信号只起跟随作用,使得送到后级的差模信号与共模信号的幅值之比(及共模抑制比CMRR)得到提高。
在以运放A3为核心部件组成的差分放大电路中,在CMRR要求不变的情况下,可明显降低对电阻R3和R4,Rf和R5的精度匹配要求,从而使仪表放大器电路比简单的差分放大电路具有更好的共模抑制能力。
在R1=R2,R3=R4,Rf=R5的条件下,电路的增益为:
G=(1+2R1/Rg)Rf/R3。
由公式可见,电路增益的调节可以通过改变Rg阻值实现。

③特点

  • 高共模抑制比
  • 高输入阻抗
  • 低噪声
  • 低失调电压和失调电压漂移
  • 低线性误差
  • 具有“检测”端和“参考”端

④分类
在这里插入图片描述


3.2 AD620仪表放大器

介绍:

  • AD620是一种低功耗、高精度仪表放大器,他只需要一个外接电阻即可设置各种增益(1~1000)。

  • AD620与分立元件组成的仪表放大器(三运放结构)相比较具有体积小、功耗低、精度高等优点。

  • AD620已在精密数据采集系统(如衡量器和传感器接口)获得广泛应用。也成为医疗仪器(如心电图和非侵入血压测量计)的首选器件。

在这里插入图片描述

应用:

压力检测电路:
在这里插入图片描述
心率检测电路:
在这里插入图片描述



四、功率放大器

4.1 定义与特点

①定义

功率放大电路是一种以输出较大功率为目的的放大电路。

②特点

  • 输出信号电压大;
  • 输出信号电流大;
  • 放大电路的输出电阻与负载匹配。

③电压放大器与功率放大器的区别:

  • 电压放大—不失真地提高输入信号的幅度,以驱动后面的功率放大级,通常工作在小信号状态。
  • 功率放大—信号不失真或轻度失真的条件下,提高输出功率,通常工作在大信号状态。

4.2 工作模式

  • 甲类:Q点适中,信号在整个周期内都能通过。效率<50%
  • 乙类:Q点在截止区,半个周期导通,效率≤78%
  • 甲乙类:Q点接近截止区,导通大于半个周期,效率介于甲类和乙类之间

在这里插入图片描述


4.3 内部电路及应用

内部的两种电路:
在这里插入图片描述

应用:
在这里插入图片描述



在这里插入图片描述

相关文章:

【硬件设计】模拟电子基础三--集成运算放大电路

模拟电子基础三--集成运算放大电路 一、集成运算放大器1.1 定义、组成与性能1.2 电流源电路1.3 差动放大电路1.4 理想运算放大器 二、集成运算放大器的应用2.1 反向比例运算电路2.2 同向比例运算电路2.3 反向加法运算电路2.4 反向减法运算电路2.5 积分运算电路2.6 微分运算电路…...

JavaWeb(11)——前端综合案例5(小黑记事本)

一、实例需求 ⌛ 功能需求&#xff1a; ① 列表渲染 ② 删除功能 ③ 添加功能 ④ 底部统计 和 清空任务 二、代码实现 ☕ <!DOCTYPE html> <html lang"en"> <head> <meta charset"UTF-8" /> <meta http-equiv"X-UA-Compa…...

在使用TensorFlow的时候内部报错:内部某个方法或属性不存在

看到TensorFlow内部封装的方法报错的时候&#xff0c;我的第一反应是版本不匹配&#xff0c;立马去搜了对应版本&#xff0c;按照网上给的TensorFlow 2.2.0keras 2.3.1 python 3.7&#xff0c;反反复复安装、卸载、升级、降低版本了很多回还是八行&#xff0c;就在心态快要爆爆…...

dubbo之高可用

负载均衡 概述 负载均衡是指在集群中&#xff0c;将多个数据请求分散到不同的单元上执行&#xff0c;主要是为了提高系统的容错能力和对数据的处理能力。 Dubbo 负载均衡机制是决定一次服务调用使用哪个提供者的服务。 策略 在Dubbo中提供了7中负载均衡策略&#xff0c;默…...

gitee代码扫描js代码,降低复杂度,减少if-else判断的处理方法

把if-else换成如下形式 页面上的代码 <el-button id"btnSave" type"primary" :loading"loadingEdit" click"saveEdit(put,baseSet)"> {{ $t("formLabel.save") }} </el-button> methods代码&#xff1a; // 编…...

MySQL及SQL语句(3)

MySQL及SQL语句(3) 文章目录 MySQL及SQL语句(3)一、多表查询1.1 准备sql1.2 笛卡尔积1.3 多表查询的分类&#xff1a;内连接查询外连接查询子查询多表查询练习 二、事务2.1 事务的基本介绍概念操作实例事务提交的两种方式 2.2 事务的四大特征原子性持久性隔离性一致性 2.3 事务…...

MySQL 查询语句大全

目录 基础查询 直接查询 AS起别名 去重&#xff08;复&#xff09;查询 条件查询 算术运算符查询 逻辑运算符查询 正则表达式查询⭐ 模糊查询 范围查询 是否非空判断查询 排序查询 限制查询&#xff08;分页查询&#xff09; 随机查询 分组查询 HAVING 高级查询…...

【Axure高保真原型】账单列表和详情

今天和大家分享账单列表和详情的原型模板&#xff0c;点击月份可以展开或收起对应的菜单列表&#xff0c;该模板是用中继器制作的&#xff0c;在中继器里填写数据后&#xff0c;自动计算出支出和收入总和&#xff0c;点击订单&#xff0c;可以查看该订单的详情。 【原型效果】…...

嵌入式面试题1

1 读程序段&#xff0c;回答问题 int main(int argc, char *argv[]) { int c 9, d 0; c c % 5; d c; printf("d%d\n",d);return 0;} a) 写出程序输出 b) 在一个可移植的系统中这种表达式是否存在风险&#xff1f;why? 答&#xff1a; 1.程序输出为&#xff1a;…...

base64转二进制流,file文件

base64转二进制流 img标签src属性&#xff0c;可以直接使用base64字符串&#xff0c;base64需要先解码&#xff0c;然后再转为流 /*** Base64字符串转二进制流* param {String} dataurl Base64字符串(字符串包含Data URI scheme&#xff0c;例如&#xff1a;data:image/png;b…...

各种查找算法的效率分析

各种查找算法的效率 顺序查找 一般顺序表&#xff08;没有顺序&#xff0c;随机排列&#xff09; 成功时平均查找长度&#xff1a; 1 . . . n n n 1 2 \frac{1...n}{n}\frac{n1}{2} n1...n​2n1​失败时平均查找长度&#xff1a; n n n 有序顺序表&#xff08;按照递增或递…...

微报告下载!市场不确定性周期下的激光雷达前装赛道

随着理想L9 Pro版本&#xff08;取消激光雷达&#xff09;的上市&#xff08;相比AD Max版本降价3万元&#xff09;&#xff0c;中国乘用车市场仅剩下蔚来&#xff08;NT2.0平台&#xff09;、阿维塔11仍全系标配激光雷达。 这对于激光雷达赛道来说&#xff0c;是一个明确的信…...

Java版企业电子招标采购系统源码Spring Cloud + Spring Boot +二次开发+ MybatisPlus + Redis tbms

​ 功能描述 1、门户管理&#xff1a;所有用户可在门户页面查看所有的公告信息及相关的通知信息。主要板块包含&#xff1a;招标公告、非招标公告、系统通知、政策法规。 2、立项管理&#xff1a;企业用户可对需要采购的项目进行立项申请&#xff0c;并提交审批&#xff0c;查…...

并网逆变器学习笔记6---三电平SVPWM下的连续和不连续调制

之前在学习中总结过一次DPWM策略选择&#xff1a;并网逆变器学习笔记5---三电平DPWM 但是对于三电平逆变器而言&#xff0c;如何从连续调制切换到不连续调制&#xff0c;存在一些疑惑点&#xff0c;下午闲来无事&#xff0c;把SVPWM下的连续调制和不连续调制的开关状态选择&am…...

TS协议之PES(ES数据包)

TS协议之PAT&#xff08;节目关联表&#xff09;TS协议之PMT&#xff08;节目映射表&#xff09;TS协议之PES&#xff08;ES数据包&#xff09; 该文档已上传&#xff1a;下载地址 1. 概要 1.1 TS数据包&#xff08;PES&#xff09;协议数据组成 TSTS头PES头ES。TS&#xf…...

银河麒麟V10 SP3 X86 二进制文件部署 mysql-5.7.29 GTID 半同步复制的双主架构

文章目录 [toc]啰嗦一下mysql 的 AB 复制和 gtid 复制的优缺点AB 复制&#xff08;Asynchronous Replication&#xff09;GTID 复制&#xff08;Global Transaction Identifier Replication&#xff09; mysql gtid 并行复制和半同步复制的优缺点并行复制&#xff08;Parallel …...

python爬虫3:requests库-案例1

python爬虫3&#xff1a;requests库-案例1 前言 ​ python实现网络爬虫非常简单&#xff0c;只需要掌握一定的基础知识和一定的库使用技巧即可。本系列目标旨在梳理相关知识点&#xff0c;方便以后复习。 申明 ​ 本系列所涉及的代码仅用于个人研究与讨论&#xff0c;并不会对网…...

计算机网络 数据链路层 媒体接入控制

...

面部表情识别(Pytorch):人脸检测模型+面部表情识别分类模型

目录 0 相关资料1 基于人脸检测面部表情分类识别方法2 项目安装2.1 平台与镜像2.2 项目下载2.3 模型下载2.4 上传待测试图片2.5 项目安装 3 demo测试 0 相关资料 面部表情识别2&#xff1a;Pytorch实现表情识别(含表情识别数据集和训练代码)&#xff1a;https://blog.csdn.net…...

外卖点餐小程序开源源码——支持扫码点餐

一套支持店内扫码点餐、外卖点餐配送于一体的餐饮系统&#xff0c;支持商家创建优惠券&#xff0c;支持商家自定义打印机功能&#xff0c;支持商家财务管理&#xff0c;支持商户菜品管理&#xff0c;支持菜品自定义分类&#xff0c;支持商家招募骑手入驻功能。系统基于thinkphp…...

面向多模态 Agent 的统一 Harness 事件模型

面向多模态 Agent 的统一 Harness 事件模型 1. 引入与连接:构建智能体的神经系统 1.1 开场故事:智能体的"失语症" 想象一下这个场景:你正在使用一款最新的智能助手,它声称可以"理解一切"。你先给它看了一张暴风雨的照片,然后问:"这张图片里发…...

如何快速下载番茄小说:开源Rust下载器完整指南

如何快速下载番茄小说&#xff1a;开源Rust下载器完整指南 【免费下载链接】Tomato-Novel-Downloader 番茄小说下载器不精简版 项目地址: https://gitcode.com/gh_mirrors/to/Tomato-Novel-Downloader 前言 在数字阅读时代&#xff0c;很多读者喜欢在番茄小说上阅读免费…...

一键部署DeepSeek-OCR:WEBUI镜像让复杂场景文字识别变得简单高效

一键部署DeepSeek-OCR&#xff1a;WEBUI镜像让复杂场景文字识别变得简单高效 1. 引言 1.1 OCR技术的实际应用价值 在日常工作和生活中&#xff0c;我们经常遇到需要从图片或文档中提取文字的场景。无论是处理发票、识别证件信息&#xff0c;还是将纸质文件转换为可编辑的电子…...

Android开发必看:fitsSystemWindows的5个实际应用场景与避坑指南

Android开发必看&#xff1a;fitsSystemWindows的5个实际应用场景与避坑指南 在Android开发中&#xff0c;fitsSystemWindows这个看似简单的属性&#xff0c;却常常让开发者陷入各种布局适配的困境。特别是在全面屏、刘海屏设备普及的今天&#xff0c;正确处理系统窗口的适配问…...

PX4飞控开发实战(六)-基于VScode的模块化源码扩展与调试

1. 为什么选择VScode开发PX4飞控模块 第一次接触PX4飞控开发时&#xff0c;我尝试过用纯命令行工具链来编译和调试代码。那种在终端里反复输入make命令、面对满屏报错信息的体验&#xff0c;让我深刻理解了什么叫"开发效率黑洞"。直到后来改用VScode&#xff0c;整个…...

利用screen高效管理串口会话:从基础操作到高级技巧

1. 为什么选择screen管理串口&#xff1f; 第一次接触串口调试时&#xff0c;我和大多数人一样用的是minicom。直到有次调试某款嵌入式设备&#xff0c;发现minicom显示BIOS信息时色彩混乱&#xff0c;这才开始寻找替代方案。screen这个看似普通的终端复用工具&#xff0c;在串…...

LFM2.5-1.2B-Thinking-GGUF应用案例:工厂巡检报告自动生成+隐患关键词高亮标注

LFM2.5-1.2B-Thinking-GGUF应用案例&#xff1a;工厂巡检报告自动生成隐患关键词高亮标注 1. 项目背景与需求 在工业生产环境中&#xff0c;设备巡检是保障安全生产的重要环节。传统的人工巡检报告撰写存在以下痛点&#xff1a; 效率低下&#xff1a;巡检员需要花费大量时间…...

UGUI-视觉优化解决方案总结

文章目录前言UGUI的哪些组件可能需要性能优化&#xff1f;ScrollView的ViewPort可能有哪些解决方案?Image有可能包含哪些解决方案?Text有可能包含哪些解决方案?总结前言 这段时间接触了许多关于UGUI性能优化的内容&#xff0c;总结一下 UGUI的哪些组件可能需要性能优化&…...

手把手教你从零搭建Ubuntu20.04下的ROS2开发环境

1. 为什么选择Ubuntu 20.04和ROS2 机器人开发领域近年来发展迅猛&#xff0c;而ROS2作为第二代机器人操作系统&#xff0c;已经成为行业新标准。相比第一代ROS&#xff0c;ROS2在实时性、跨平台支持和分布式架构等方面都有显著提升。我最初接触ROS2时也经历过不少挫折&#xff…...

RAG的完整链路拆解:从文档切片到向量检索到LLM回答

RAG是目前最主流的破解方案&#xff1a;不改模型&#xff0c;而是在回答之前先去知识库里把相关信息捞出来&#xff0c;跟问题一起喂给LLM。LLM从万事通变成了带参考资料的答题者。 上篇我们搞清了一件事&#xff1a;LLM的知识边界就是训练数据的边界。超出这个边界它不会说不知…...