当前位置: 首页 > news >正文

LC并联电路在正弦稳态下的传递函数推导(LC并联谐振选频电路)

LC并联电路在正弦稳态下的传递函数推导(LC并联谐振选频电路)

本文通过 1.解微分方程、2.阻抗模型两种方法推导 LC 并联选频电路在正弦稳态条件下的传递函数,并通过仿真验证不同频率时 vo(t) 与 vi(t) 的幅值相角的关系。

电路介绍

已知条件

电路结构如下

LC并联电路

  • R:电阻值
  • C:电容值
  • L:电感值
  • 输入电源vi(t)
    v i ( t ) = V I c o s ( w t ) v_i(t) = V_Icos(wt) vi(t)=VIcos(wt)

其中

V I :输入电压的幅值 w :输入电源的角频率 w 2 π :输入正弦信号的频率 \begin{array}{c} V_I: 输入电压的幅值\\ w: 输入电源的角频率\\ \frac{w}{2\pi} :输入正弦信号的频率 \end{array} VI:输入电压的幅值w:输入电源的角频率2πw:输入正弦信号的频率

理论计算

1.解微分方程法

解微分方程法常用的四个步骤

  1. 根据节点法列写微分方程
  2. 找出特解 vp(t)
  3. 找出对应的齐次方程的通解 vh(t)
  4. 根据初始条件计算通解中的常数参数

总的通解为特解+齐次解

v ( t ) = v p ( t ) + v h ( t ) v(t) = v_p(t) + v_h(t) v(t)=vp(t)+vh(t)

v p ( t ) v_{p}(t) vp(t) ,特解

v h ( t ) v_{h}(t) vh(t) ,齐次解

1.1 列些微分方程

前置知识

  • 电容伏安特性: i = C d v d t i = C\frac{dv}{dt} i=Cdtdv
  • 电感伏安特性: v = L d i d t v = L\frac{di}{dt} v=Ldtdi
  • 电感伏安特性的积分形式:
    1 L ∫ − ∞ t v d t = i \frac{1}{L} \begin{aligned} \int\limits_{-\infty}^t v \mathrm{d} t \end{aligned} = i L1tvdt=i

节点法列方程

v i ( t ) − v o ( t ) R = C d v o ( t ) d t + 1 L ∫ − ∞ t v o ( t ) d t \frac{v_i(t) - v_o(t)}{R} = C\frac{dv_o(t)}{dt} + \frac{1}{L} \begin{aligned} \int\limits_{-\infty}^t v_o(t) \mathrm{d} t \end{aligned} Rvi(t)vo(t)=Cdtdvo(t)+L1tvo(t)dt

整理移相得

v i ( t ) R = C d v o ( t ) d t + 1 L ∫ − ∞ t v o ( t ) d t + v o ( t ) R \frac{v_i(t)}{R} = C\frac{dv_o(t)}{dt} + \frac{1}{L} \begin{aligned} \int\limits_{-\infty}^t v_o(t) \mathrm{d} t \end{aligned} +\frac{v_o(t)}{R} Rvi(t)=Cdtdvo(t)+L1tvo(t)dt+Rvo(t)

等式两边对 t 微分,且带入 $
v_i(t) = V_Icos(wt)
$ 可得:

− w V I s i n ( w t ) R = C d v o 2 ( t ) d t 2 + 1 R d v o ( t ) d t + 1 L v o ( t ) \begin{array}{c} \frac{-wV_Isin(wt)}{R} = \\ C\frac{dv_o^2(t)}{dt^2} +\frac{1}{R}\frac{dv_o(t)}{dt} + \frac{1}{L}v_o(t) \end{array} RwVIsin(wt)=Cdt2dvo2(t)+R1dtdvo(t)+L1vo(t)

1.2 找特解

设 vo(t) 的特解的形式为 v p ( t ) = A c o s ( w t + ϕ ) v_p(t) = Acos(wt+\phi) vp(t)=Acos(wt+ϕ),其中 A 和 ∅ 为要求得未知量,将 vp(t) 带入微分方程,可得:

− w V I s i n ( w t ) R = − C w 2 A c o s ( w t + ϕ ) − 1 R w A s i n ( w t + ϕ ) + 1 L A c o s ( w t + ϕ ) \begin{array}{c} \frac{-wV_Isin(wt)}{R} = -Cw^2Acos(wt+\phi) \\ -\frac{1}{R}wAsin(wt+\phi) + \frac{1}{L}Acos(wt+\phi) \end{array} RwVIsin(wt)=Cw2Acos(wt+ϕ)R1wAsin(wt+ϕ)+L1Acos(wt+ϕ)

利用三角函数的公式可得:

− w V I s i n ( w t ) R = − C w 2 A c o s ( w t ) c o s ( ϕ ) + C w 2 A s i n ( w t ) s i n ( ϕ ) − w A R s i n ( w t ) c o s ( ϕ ) − w A R c o s ( w t ) s i n ( ϕ ) + A L c o s ( w t ) c o s ( ϕ ) − A L s i n ( w t ) s i n ( ϕ ) \begin{array}{c} \frac{-wV_Isin(wt)}{R} = -Cw^2Acos(wt)cos(\phi) + \\ Cw^2Asin(wt)sin(\phi)-\frac{wA}{R}sin(wt)cos(\phi) \\ -\frac{wA}{R}cos(wt)sin(\phi) + \frac{A}{L}cos(wt)cos(\phi)\\ -\frac{A}{L}sin(wt)sin(\phi) \end{array} RwVIsin(wt)=Cw2Acos(wt)cos(ϕ)+Cw2Asin(wt)sin(ϕ)RwAsin(wt)cos(ϕ)RwAcos(wt)sin(ϕ)+LAcos(wt)cos(ϕ)LAsin(wt)sin(ϕ)

合并同类项

− w V I s i n ( w t ) R = ( A L − C w 2 A ) c o s ( w t ) c o s ( ϕ ) + ( C w 2 A − A L ) s i n ( w t ) s i n ( ϕ ) − w A R s i n ( w t ) c o s ( ϕ ) − w A R c o s ( w t ) s i n ( ϕ ) \begin{array}{c} \frac{-wV_Isin(wt)}{R} = \\ (\frac{A}{L}-Cw^2A)cos(wt)cos(\phi) + \\ (Cw^2A-\frac{A}{L})sin(wt)sin(\phi)-\\ \frac{wA}{R}sin(wt)cos(\phi) \\ -\frac{wA}{R}cos(wt)sin(\phi) \end{array} RwVIsin(wt)=(LACw2A)cos(wt)cos(ϕ)+(Cw2ALA)sin(wt)sin(ϕ)RwAsin(wt)cos(ϕ)RwAcos(wt)sin(ϕ)

提公因式

− w V I s i n ( w t ) R = ( A L − C w 2 A ) ( c o s ( w t ) c o s ( ϕ ) − s i n ( w t ) s i n ( ϕ ) ) − w A R ( s i n ( w t ) c o s ( ϕ ) + c o s ( w t ) s i n ( ϕ ) ) \begin{array}{c} \frac{-wV_Isin(wt)}{R} = \\ (\frac{A}{L}-Cw^2A)(cos(wt)cos(\phi)\\ -sin(wt)sin(\phi))\\ -\frac{wA}{R}(sin(wt)cos(\phi) \\ +cos(wt)sin(\phi)) \end{array} RwVIsin(wt)=(LACw2A)(cos(wt)cos(ϕ)sin(wt)sin(ϕ))RwA(sin(wt)cos(ϕ)+cos(wt)sin(ϕ))

利用三角函数公式合并

− w V I s i n ( w t ) R = ( A L − C w 2 A ) c o s ( w t + ϕ ) − w A R s i n ( w t + ϕ ) \begin{array}{c} \frac{-wV_Isin(wt)}{R} = \\ (\frac{A}{L}-Cw^2A)cos(wt+\phi) \\ -\frac{wA}{R}sin(wt+\phi) \end{array} RwVIsin(wt)=(LACw2A)cos(wt+ϕ)RwAsin(wt+ϕ)

根据以下公式

A 1 c o s ( θ ) − A 2 s i n ( θ ) = A 1 2 + A 2 2 s i n ( θ − t a n − 1 ( A 1 A 2 ) ) \begin{array}{c} A_1cos(\theta) - A_2sin(\theta)\\ =\sqrt{A_1^2+A_2^2}sin(\theta-tan^{-1}(\frac{A_1}{A_2})) \end{array} A1cos(θ)A2sin(θ)=A12+A22 sin(θtan1(A2A1))

可以继续合并化简为:

− w V I s i n ( w t ) R = ( A L − C w 2 A ) 2 + ( w A R ) 2 ∗ s i n ( w t + ϕ − t a n − 1 ( A L − C w 2 A w A R ) ) \begin{array}{c} \frac{-wV_Isin(wt)}{R} = \\ \sqrt{(\frac{A}{L}-Cw^2A)^2+(\frac{wA}{R})^2}*\\ sin(wt+\phi-tan^{-1}(\frac{\frac{A}{L}-Cw^2A}{\frac{wA}{R}})) \end{array} RwVIsin(wt)=(LACw2A)2+(RwA)2 sin(wt+ϕtan1(RwALACw2A))

令对应位置相等,可得

− w V I R = ( A L − C w 2 A ) 2 + ( w A R ) 2 \begin{array}{c} \frac{-wV_I}{R} = \sqrt{(\frac{A}{L}-Cw^2A)^2+(\frac{wA}{R})^2} \end{array} RwVI=(LACw2A)2+(RwA)2

ϕ = t a n − 1 ( R ( 1 − C w 2 L ) w L ) \begin{array}{c} \phi = tan^{-1}(\frac{R(1-Cw^2L)}{wL}) \end{array} ϕ=tan1(wLR(1Cw2L))

化简上式可得

( w V I ) 2 R 2 = ( A L − C w 2 A ) 2 + ( w A R ) 2 \begin{array}{c} \frac{(wV_I)^2}{R^2} = (\frac{A}{L}-Cw^2A)^2+(\frac{wA}{R})^2 \end{array} R2(wVI)2=(LACw2A)2+(RwA)2

分解因式

( w V I ) 2 R 2 = A 2 L 2 + ( C w 2 A ) 2 − 2 A L C w 2 A + ( w A R ) 2 \begin{array}{c} \frac{(wV_I)^2}{R^2} = \\ \frac{A^2}{L^2}+(Cw^2A)^2-2\frac{A}{L}Cw^2A+(\frac{wA}{R})^2 \end{array} R2(wVI)2=L2A2+(Cw2A)22LACw2A+(RwA)2

两边同时乘以 L2R2

( L w V I ) 2 = A 2 R 2 + ( L R C w 2 A ) 2 − 2 A 2 L R 2 C w 2 + ( L w A ) 2 \begin{array}{c} (LwV_I)^2 = A^2R^2+(LRCw^2A)^2\\ -2A^2LR^2Cw^2+(LwA)^2 \end{array} (LwVI)2=A2R2+(LRCw2A)22A2LR2Cw2+(LwA)2

提出 A 移项整理得

A 2 = ( L w V I ) 2 R 2 + ( L R C w 2 ) 2 − 2 L R 2 C w 2 + ( L w ) 2 \begin{array}{c} A^2 = \frac{(LwV_I)^2}{R^2+(LRCw^2)^2 -2LR^2Cw^2+(Lw)^2} \end{array} A2=R2+(LRCw2)22LR2Cw2+(Lw)2(LwVI)2

分式上下同时除以 (Lw)2

A 2 = V I 2 ( R L w ) 2 + ( R C w ) 2 − 2 R 2 C L + 1 \begin{array}{c} A^2 = \frac{V_I^2}{(\frac{R}{Lw})^2+(RCw)^2-\frac{2R^2C}{L}+1} \end{array} A2=(LwR)2+(RCw)2L2R2C+1VI2

两边开方,同时只取正解

A = V I ( R L w ) 2 + ( R C w ) 2 − 2 R 2 C L + 1 \begin{array}{c} A = \frac{V_I}{\sqrt{(\frac{R}{Lw})^2+(RCw)^2-\frac{2R^2C}{L}+1}} \end{array} A=(LwR)2+(RCw)2L2R2C+1 VI

因此,可得 vp

v p ( t ) = A c o s ( w t + ϕ ) v_p(t) = A cos(wt + \phi) vp(t)=Acos(wt+ϕ)

其中:

A = V I ( R L w ) 2 + ( R C w ) 2 − 2 R 2 C L + 1 \begin{array}{c} A = \frac{V_I}{\sqrt{(\frac{R}{Lw})^2+(RCw)^2-\frac{2R^2C}{L}+1}} \end{array} A=(LwR)2+(RCw)2L2R2C+1 VI

ϕ = t a n − 1 ( R ( 1 − C w 2 L ) w L ) \begin{array}{c} \phi = tan^{-1}(\frac{R(1-Cw^2L)}{wL}) \end{array} ϕ=tan1(wLR(1Cw2L))

1.3 找通解

微分方程对应的齐次方程为

0 = C d v o 2 ( t ) d t 2 + 1 R d v o ( t ) d t + 1 L v o ( t ) \begin{array}{c} 0 = C\frac{dv_o^2(t)}{dt^2} +\frac{1}{R}\frac{dv_o(t)}{dt} + \frac{1}{L}v_o(t) \end{array} 0=Cdt2dvo2(t)+R1dtdvo(t)+L1vo(t)

设齐次微分方程解的形式为

v h = A e s t \begin{array}{c} v_h = Ae^{st} \end{array} vh=Aest

其中 A 和 s 为待确定的参数,带入可得

0 = C A s 2 e s t + 1 R s A e s t + 1 L A e s t \begin{array}{c} 0 = CAs^2e^{st} + \frac{1}{R} sAe^{st} + \frac{1}{L}Ae^{st} \end{array} 0=CAs2est+R1sAest+L1Aest

不考虑 A 为 0 的情况,约掉同类项后可得

0 = C s 2 + 1 R s + 1 L \begin{array}{c} 0 = Cs^2 + \frac{1}{R} s + \frac{1}{L} \end{array} 0=Cs2+R1s+L1

解得

s 1 = − ( 1 R − 1 R 2 − 4 C L ) 2 C \begin{array}{c} s_1 = \frac{-(\frac{1}{R}-\sqrt{\frac{1}{R^2} - \frac{4C}{L}})}{2C} \end{array} s1=2C(R1R21L4C )

s 2 = − ( 1 R + 1 R 2 − 4 C L ) 2 C \begin{array}{c} s_2 = \frac{-(\frac{1}{R}+\sqrt{\frac{1}{R^2} - \frac{4C}{L}})}{2C} \end{array} s2=2C(R1+R21L4C )

可得

v h = A 1 e s 1 t + A 2 e s 2 t \begin{array}{c} v_h = A_1e^{s_1t} + A_2e^{s_2t} \end{array} vh=A1es1t+A2es2t

因为 C > 0,L > 0,所以

( 1 R 2 − 4 C L ) < 1 R 2 \begin{array}{c} (\frac{1}{R^2} - \frac{4C}{L}) < \frac{1}{R^2} \end{array} (R21L4C)<R21

所以
( 1 R − 1 R 2 − 4 C L ) > 0 \begin{array}{c} (\frac{1}{R}-\sqrt{\frac{1}{R^2} - \frac{4C}{L}}) > 0 \end{array} (R1R21L4C )>0

所以 s1 < 0,s2 < 0

同时,我们讨论的是正弦稳态的情况下的响应,所以 t 趋近于无限长,此时

A 1 e s 1 t → 0 , A 2 e s 2 t → 0 A_1e^{s_1t} \rightarrow 0,\qquad A_2e^{s_2t} \rightarrow 0 A1es1t0,A2es2t0

所以 vh = 0。

1.4 根据初始条件确定参数

由于稳态条件下通解为 0, 所以这一步不需要了。

1.5 最终的解

至此,用微分方程的方法得到的最终的解为

v o ( t ) = v p ( t ) + v h ( t ) v_o(t) = v_p(t) + v_h(t) vo(t)=vp(t)+vh(t)

v o ( t ) = A c o s ( w t + ϕ ) v_o(t) = A cos(wt + \phi) vo(t)=Acos(wt+ϕ)

其中:

A = V I ( R L w ) 2 + ( R C w ) 2 − 2 R 2 C L + 1 \begin{array}{c} A = \frac{V_I}{\sqrt{(\frac{R}{Lw})^2+(RCw)^2-\frac{2R^2C}{L}+1}} \end{array} A=(LwR)2+(RCw)2L2R2C+1 VI

ϕ = t a n − 1 ( R ( 1 − C w 2 L ) w L ) \begin{array}{c} \phi = tan^{-1}(\frac{R(1-Cw^2L)}{wL}) \end{array} ϕ=tan1(wLR(1Cw2L))

2.阻抗模型方法

阻抗模型下的电路示意图
阻抗模型

2.1 基础知识

电阻的阻抗模型:
Z R = R Z_R = R ZR=R

电容的阻抗模型:

Z C = 1 j w C Z_C = \frac{1}{jwC} ZC=jwC1

电感的阻抗模型:

Z L = j w L Z_L = jwL ZL=jwL

阻抗模型里,输入输出都是复数。

复数输入 Vi 为:

V i = V I e j w t V_i = V_Ie^{jwt} Vi=VIejwt

复数输出 Vo 为:

V o = V O e j w t + ϕ V_o = V_Oe^{jwt + \phi} Vo=VOejwt+ϕ

2.2 计算过程

阻抗模型的适用条件是正弦稳态条件下,可以直接利用分压法进行计算。

V o ( t ) = V i ( t ) Z C / / Z L Z R + Z C / / Z L V_o(t) = V_i(t) \frac{Z_C // Z_L}{Z_R + Z_C//Z_L} Vo(t)=Vi(t)ZR+ZC//ZLZC//ZL

其中

Z C / / Z L = 1 j w C + 1 j w L Z_C // Z_L = \frac{1}{jwC + \frac{1}{jwL}} ZC//ZL=jwC+jwL11

带入,可得

Z C / / Z L Z R + Z C / / Z L = 1 j w C + 1 j w L R + 1 j w C + 1 j w L \begin{array}{c} \frac{Z_C // Z_L}{Z_R + Z_C//Z_L} = \frac{\frac{1}{jwC + \frac{1}{jwL}}}{R+\frac{1}{jwC + \frac{1}{jwL}}} \end{array} ZR+ZC//ZLZC//ZL=R+jwC+jwL11jwC+jwL11

分子分母同时除以

1 j w C + 1 j w L \frac{1}{jwC + \frac{1}{jwL}} jwC+jwL11

可得

Z C / / Z L Z R + Z C / / Z L = 1 R ( j w C + 1 j w L ) + 1 \begin{array}{c} \frac{Z_C // Z_L}{Z_R + Z_C//Z_L} = \frac{1}{R(jwC+\frac{1}{jwL})+1} \end{array} ZR+ZC//ZLZC//ZL=R(jwC+jwL1)+11

继续化简

Z C / / Z L Z R + Z C / / Z L = 1 j ( R w C − R w L ) + 1 \begin{array}{c} \frac{Z_C // Z_L}{Z_R + Z_C//Z_L} = \frac{1}{j(RwC-\frac{R}{wL})+1} \end{array} ZR+ZC//ZLZC//ZL=j(RwCwLR)+11

用复数的角坐标表示

Z C / / Z L Z R + Z C / / Z L = 1 1 + ( R w C − R w L ) 2 e j t a n − 1 ( R w C − R w L ) \begin{array}{c} \frac{Z_C // Z_L}{Z_R + Z_C//Z_L} = \frac{1}{\sqrt{1+(RwC-\frac{R}{wL})^2}e^{jtan^{-1}(RwC-\frac{R}{wL})}} \end{array} ZR+ZC//ZLZC//ZL=1+(RwCwLR)2 ejtan1(RwCwLR)1

拆分并化简倒数为负指数
Z C / / Z L Z R + Z C / / Z L = 1 1 + ( R w C − R w L ) 2 e − j t a n − 1 ( R w C − R w L ) \begin{array}{c} \frac{Z_C // Z_L}{Z_R + Z_C//Z_L} = \frac{1}{\sqrt{1+(RwC-\frac{R}{wL})^2}} e^{-jtan^{-1}(RwC-\frac{R}{wL})} \end{array} ZR+ZC//ZLZC//ZL=1+(RwCwLR)2 1ejtan1(RwCwLR)

将Vi(t),Vo(t)以及上边的传递函数带入

V o ( t ) = V i ( t ) Z C / / Z L Z R + Z C / / Z L \begin{array}{c} V_o(t) = V_i(t) \frac{Z_C // Z_L}{Z_R + Z_C//Z_L} \end{array} Vo(t)=Vi(t)ZR+ZC//ZLZC//ZL

可得

V O e j ( w t + ϕ ) = V I e j w t 1 1 + ( R w C − R w L ) 2 e − j t a n − 1 ( R w C − R w L ) \begin{array}{c} V_Oe^{j(wt + \phi)} = \\ V_Ie^{jwt}\frac{1}{\sqrt{1+(RwC-\frac{R}{wL})^2}} e^{-jtan^{-1}(RwC-\frac{R}{wL})} \end{array} VOej(wt+ϕ)=VIejwt1+(RwCwLR)2 1ejtan1(RwCwLR)

合并化简可得

V O e j ( w t + ϕ ) = V I 1 + ( R w C − R w L ) 2 e j ( w t − t a n − 1 ( R w C − R w L ) ) \begin{array}{c} V_Oe^{j(wt + \phi)} =\\ \frac{V_I}{\sqrt{1+(RwC-\frac{R}{wL})^2}} e^{j(wt-tan^{-1}(RwC-\frac{R}{wL}))} \end{array} VOej(wt+ϕ)=1+(RwCwLR)2 VIej(wttan1(RwCwLR))

取对应项相等,可得

V O = V I 1 + ( R w C − R w L ) 2 \begin{array}{c} V_O= \frac{V_I}{\sqrt{1+(RwC-\frac{R}{wL})^2}} \end{array} VO=1+(RwCwLR)2 VI

ϕ = − t a n − 1 ( R w C − R w L ) \phi =-tan^{-1}(RwC-\frac{R}{wL}) ϕ=tan1(RwCwLR)

根据欧拉公式展开,并取虚部即为要求的时域部分的结果

v o ( t ) = V O c o s ( w t + ϕ ) v_o(t) = V_Ocos(wt+\phi) vo(t)=VOcos(wt+ϕ)

其中

V O = V I 1 + ( R w C − R w L ) 2 V_O= \frac{V_I}{\sqrt{1+(RwC-\frac{R}{wL})^2}} VO=1+(RwCwLR)2 VI

ϕ = − t a n − 1 ( R w C − R w L ) \phi =-tan^{-1}(RwC-\frac{R}{wL}) ϕ=tan1(RwCwLR)

与微分方程计算的结果一致。

绘制函数曲线

传递函数

使用函数绘制工具,以 w 作为变量,绘制传递函数的曲线,并调整 L,R,C 参数,观察不同参数对传递函数的影响,绘制演示如下

下面视频是不同 w 下的幅值变化曲线,可以观察到改变 L 可以调整谐振频率,更改 C 既会影响谐振频率,又会改变通频带的胖瘦(品质因数 Q ),更改 R 只改变胖瘦(品质因数 Q ),不改变谐振频率,在谐振频率处传递函数的幅值为1,说明输出幅值与输入幅值相等。

LC并联电路传递函数幅值随w的变化

下面是不同 w 下的相角变化曲线,上下的角度是正负 90°,改变 R 不会改变谐振频率,在谐振频率相角为 0°。

LC并联电路相角随w的变化

通过曲线图可以看到,电阻会影响品质因数,但是不会改变谐振频率,谐振频率处的输出信号幅值与输入相等,相角偏移为0,说明谐振时,输出与输入完全一致。

谐振频率为:

F = 1 2 π L C F = \frac{1}{2\pi\sqrt{LC}} F=2πLC 1

电路的品质因数 Q 为谐振频率 与 带宽的比值,带宽是幅值为幅值为谐振点幅值的 0.707 倍时的频率点的差值,因此,波形越瘦,电路的品质因数越高,改变电阻可以改变品质因数。

仿真验证

下图仿真在谐振点时输入信号与输出信号完全相同

谐振点仿真结果

下图是扫频的仿真,可以看到,在谐振点处传递函数幅值最大为 1,且相角为0.

交流扫频仿真结果

参考

正弦稳态:https://www.bilibili.com/video/BV1ts411v7Ep?p=17

阻抗模型:https://www.bilibili.com/video/BV1ts411v7Ep?p=19

电路的 Q 值: https://www.crystal-radio.eu/enlckring.htm#q

相关文章:

LC并联电路在正弦稳态下的传递函数推导(LC并联谐振选频电路)

LC并联电路在正弦稳态下的传递函数推导&#xff08;LC并联谐振选频电路&#xff09; 本文通过 1.解微分方程、2.阻抗模型两种方法推导 LC 并联选频电路在正弦稳态条件下的传递函数&#xff0c;并通过仿真验证不同频率时 vo(t) 与 vi(t) 的幅值相角的关系。 电路介绍 已知条件…...

【前后端】大文件切片上传

Ruoyi框架上传文件_若依微服务框架 文件上传-CSDN博客 原理介绍 大文件上传时&#xff0c;如果直接上传整个文件&#xff0c;可能会因为文件过大导致上传失败、服务器超时或内存溢出等问题。因此&#xff0c;通常采用文件切片&#xff08;Chunking&#xff09;的方式来解决这些…...

图像处理 -- ISP功能之局部对比度增强 LCE

局部对比度增强&#xff08;LCE&#xff09; 局部对比度增强&#xff08;Local Contrast Enhancement, LCE&#xff09;是一种图像处理技术&#xff0c;旨在通过调整图像的局部区域对比度&#xff0c;增强图像细节和视觉效果。LCE 的实现方式多种多样&#xff0c;以下是几种常…...

C++速通LeetCode简单第5题-回文链表

解法1&#xff0c;堆栈O(n)简单法&#xff1a; /*** Definition for singly-linked list.* struct ListNode {* int val;* ListNode *next;* ListNode() : val(0), next(nullptr) {}* ListNode(int x) : val(x), next(nullptr) {}* ListNode(int x, ListN…...

【Java 优选算法】双指针(下)

欢迎关注个人主页&#xff1a;逸狼 创造不易&#xff0c;可以点点赞吗~ 如有错误&#xff0c;欢迎指出~ 有效三角形的个数 题目链接 解法 解法1:暴力枚举--->O(n^3) 解法2:利用单调性,使用双指针来解决---->O(n^2) 优化:对整个数组进行排序先固定最大数在最大数的左…...

动态规划:07.路径问题_珠宝的最大价值_C++

题目链接&#xff1a;LCR 166. 珠宝的最高价值 - 力扣&#xff08;LeetCode&#xff09;https://leetcode.cn/problems/li-wu-de-zui-da-jie-zhi-lcof/description/ 一、题目解析 题目&#xff1a; 解析&#xff1a; 有过做前几道题的经验&#xff0c;我们会发现这道题其实就…...

COMDEL电源CX2500S RF13.56MHZ RF GENERATOR手侧

COMDEL电源CX2500S RF13.56MHZ RF GENERATOR手侧...

GPU加速生物信息分析的尝试

GPU工具分类 实话实说&#xff0c;暂时只有英伟达的GPU才能实现比较方便的基因组分析集成化解决方案&#xff0c;其他卡还需要努力呀&#xff0c;或者需要商业公司或学术团体的努力开发呀&#xff01;FPGA等这种专用卡的解决方案也是有的&#xff0c;比如某测序仪厂家&#xf…...

【零散技术】详解Odoo17邮件发送(一)

序言:时间是我们最宝贵的财富,珍惜手上的每个时分 Odoo的邮件功能十分强大&#xff0c;在非常多的场景中可以看见其应用&#xff0c;例如原生的用户邀请&#xff0c;报价单发送&#xff0c;询价单发送等等.... 那么抛开原生自带的功能&#xff0c;我们如何巧妙的通过代码进行自…...

函数题 6-5 求自定类型元素的最大值【PAT】

文章目录 题目函数接口定义裁判测试程序样例输入样例输出样例 题解解题思路完整代码AC代码 编程练习题目集目录 题目 要求实现一个函数&#xff0c;求N个集合元素S[]中的最大值&#xff0c;其中集合元素的类型为自定义的ElementType。 函数接口定义 ElementType Max( Element…...

Python---爬虫

文章目录 目录 前言 一.Http请求/响应模块 requests模块 二.文本筛选模块 re模块 XPath模块 XPath 路径表达式 XPath 语法元素 三. 爬虫模板 爬虫案例 前言 Python爬虫是一种通过自动化程序爬取互联网上的信息的技术。爬虫可以自动访问网页并提取所需的数据&#xff0c;比…...

设计模式之组合设计模式

一、组合设计模式概念 组合模式 (Component) 是一种结构型设计模式&#xff0c;将对象组合成树形结构以表示“部分-整体”的层次结构。 组合模式使得用户对单个对象和组合对象的使用具有唯一性。 适用场景 想要表示对象的部分-整体层次结构。想要客户端忽略组合对象与单个对象的…...

Java汽车销售管理

技术架构&#xff1a; springboot mybatis Mysql5.7 vue2 npm node 有需要该项目的小伙伴可以添加我Q&#xff1a;598748873&#xff0c;备注&#xff1a;CSDN 功能描述&#xff1a; 针对汽车销售提供客户信息、车辆信息、订单信息、销售人员管理、财务报表等功能&…...

js TypeError: Cannot read property ‘initialize’ of undefined

js TypeError: Cannot read property ‘initialize’ of undefined 在JavaScript开发旅程中&#xff0c;遇到TypeError: Cannot read property ‘initialize’ of undefined这样的错误提示&#xff0c;无疑是令人沮丧的。这个错误通常意味着你试图访问一个未定义对象的initiali…...

【Motion Forecasting】【摘要阅读】BANet: Motion Forecasting with Boundary Aware Network

BANet: Motion Forecasting with Boundary Aware Network 这项工作发布于2022年&#xff0c;作者团队来自于OPPO。这项工作一直被放在arxiv上&#xff0c;并没有被正式发表&#xff0c;所提出的方法BANet在2022年达到了Argoverse 2 test dataset上的SOTA水准。 Method BANet…...

Cpp快速入门语法(下)(2)

文章目录 前言一、函数重载概念与使用C为何支持函数重载&#xff1f; 二、引用概念语法特性权限(常引用)使用场景与指针的区别 三、内联函数四、auto关键字(C11)五、基于范围的for循环(C11)六、指针空值nullptr(C11)总结 前言 承前启后&#xff0c;正文开始&#xff01; 一、函…...

【GO开发】MacOS上搭建GO的基础环境-Hello World

文章目录 一、引言二、安装Go语言三、配置环境变量&#xff08;可跳过&#xff09;四、Hello World五、总结 一、引言 Go语言&#xff08;Golang&#xff09;因其简洁、高效、并发性强等特点&#xff0c;受到了越来越多开发者的喜爱。本文将带你一步步在Mac操作系统上搭建Go语…...

探索轻量级语言模型 GPT-4O-mini 的无限可能

随着人工智能技术的日益发展&#xff0c;语言模型正逐渐成为人们日常生活和工作中不可或缺的一部分。其中&#xff0c;GPT-4O-mini 作为一个轻量级大模型&#xff0c;以其强大的功能和易用性吸引了众多关注。本文将带您了解 GPT-4O-mini 的出色表现、应用场景以及如何免费使用这…...

CSS 笔记 1

1. CSS 优先级&#xff0c; 内部大于外部。 2. 几个属性&#xff1a; flex-grow: 1; 让 当前元素 在剩余空间中&#xff0c; 占据尽可能多的高度&#xff0c;确保它能在中间居中。 max-height: 300px; 限制最大高度 300 像素&#xff0c; flex-grow: 1; 导致占的太满了&#x…...

2024/9/16 dataloader、tensorboard、transform

一、pytorch两大法宝元素 假设有一个名为pytorch的包 dir()&#xff1a;用于打开包&#xff0c;看里面的内容 help():用于查看具体的内容的用处 二、python文件&#xff0c;python控制台和jupyter的使用对比 三、pytorch读取数据 pytorch读取数据主要涉及到两个类&#xff1…...

脑机新手指南(八):OpenBCI_GUI:从环境搭建到数据可视化(下)

一、数据处理与分析实战 &#xff08;一&#xff09;实时滤波与参数调整 基础滤波操作 60Hz 工频滤波&#xff1a;勾选界面右侧 “60Hz” 复选框&#xff0c;可有效抑制电网干扰&#xff08;适用于北美地区&#xff0c;欧洲用户可调整为 50Hz&#xff09;。 平滑处理&…...

MongoDB学习和应用(高效的非关系型数据库)

一丶 MongoDB简介 对于社交类软件的功能&#xff0c;我们需要对它的功能特点进行分析&#xff1a; 数据量会随着用户数增大而增大读多写少价值较低非好友看不到其动态信息地理位置的查询… 针对以上特点进行分析各大存储工具&#xff1a; mysql&#xff1a;关系型数据库&am…...

《从零掌握MIPI CSI-2: 协议精解与FPGA摄像头开发实战》-- CSI-2 协议详细解析 (一)

CSI-2 协议详细解析 (一&#xff09; 1. CSI-2层定义&#xff08;CSI-2 Layer Definitions&#xff09; 分层结构 &#xff1a;CSI-2协议分为6层&#xff1a; 物理层&#xff08;PHY Layer&#xff09; &#xff1a; 定义电气特性、时钟机制和传输介质&#xff08;导线&#…...

ESP32读取DHT11温湿度数据

芯片&#xff1a;ESP32 环境&#xff1a;Arduino 一、安装DHT11传感器库 红框的库&#xff0c;别安装错了 二、代码 注意&#xff0c;DATA口要连接在D15上 #include "DHT.h" // 包含DHT库#define DHTPIN 15 // 定义DHT11数据引脚连接到ESP32的GPIO15 #define D…...

解决本地部署 SmolVLM2 大语言模型运行 flash-attn 报错

出现的问题 安装 flash-attn 会一直卡在 build 那一步或者运行报错 解决办法 是因为你安装的 flash-attn 版本没有对应上&#xff0c;所以报错&#xff0c;到 https://github.com/Dao-AILab/flash-attention/releases 下载对应版本&#xff0c;cu、torch、cp 的版本一定要对…...

Java入门学习详细版(一)

大家好&#xff0c;Java 学习是一个系统学习的过程&#xff0c;核心原则就是“理论 实践 坚持”&#xff0c;并且需循序渐进&#xff0c;不可过于着急&#xff0c;本篇文章推出的这份详细入门学习资料将带大家从零基础开始&#xff0c;逐步掌握 Java 的核心概念和编程技能。 …...

智能仓储的未来:自动化、AI与数据分析如何重塑物流中心

当仓库学会“思考”&#xff0c;物流的终极形态正在诞生 想象这样的场景&#xff1a; 凌晨3点&#xff0c;某物流中心灯火通明却空无一人。AGV机器人集群根据实时订单动态规划路径&#xff1b;AI视觉系统在0.1秒内扫描包裹信息&#xff1b;数字孪生平台正模拟次日峰值流量压力…...

Redis的发布订阅模式与专业的 MQ(如 Kafka, RabbitMQ)相比,优缺点是什么?适用于哪些场景?

Redis 的发布订阅&#xff08;Pub/Sub&#xff09;模式与专业的 MQ&#xff08;Message Queue&#xff09;如 Kafka、RabbitMQ 进行比较&#xff0c;核心的权衡点在于&#xff1a;简单与速度 vs. 可靠与功能。 下面我们详细展开对比。 Redis Pub/Sub 的核心特点 它是一个发后…...

Java + Spring Boot + Mybatis 实现批量插入

在 Java 中使用 Spring Boot 和 MyBatis 实现批量插入可以通过以下步骤完成。这里提供两种常用方法&#xff1a;使用 MyBatis 的 <foreach> 标签和批处理模式&#xff08;ExecutorType.BATCH&#xff09;。 方法一&#xff1a;使用 XML 的 <foreach> 标签&#xff…...

【分享】推荐一些办公小工具

1、PDF 在线转换 https://smallpdf.com/cn/pdf-tools 推荐理由&#xff1a;大部分的转换软件需要收费&#xff0c;要么功能不齐全&#xff0c;而开会员又用不了几次浪费钱&#xff0c;借用别人的又不安全。 这个网站它不需要登录或下载安装。而且提供的免费功能就能满足日常…...