用HFSS仿真平面线圈的电感量

用HFSS工具仿真平面线圈的电感量

平面线圈是指在平面上绕制而成的线圈,如PCB上的电感线圈、无线供电使用的金属丝绕制而成的线圈等。根据线圈的不同形状可将平面线圈分为方形线圈,六角形线圈、八角形线圈、螺旋原型线圈等。

网络上的计算平面线圈电感量的工具

平面线圈的电感量网络上有计算工具可供使用,如下图所示:
在这里插入图片描述

决定平面电感线圈电感量的参数有线圈匝数、线宽、线间距、线圈外径。如上图,将匝数2.5圈,线宽15um, 线边缘距离1.5um, 线圈外径232.5um的参数值输入到表格中,可以得到正方形的线圈的电感量在2.292nH-2.26nH之间。

需要说明的是,线圈的厚度对电感量的影响较小,可以忽略不记。

通过HFSS工具仿真平面线圈的电感量

用HFSS工具设计出平面线圈如下图所示:
在这里插入图片描述
对S参数进行仿真,得到S参数的S11, S12的频谱图如下图所示:

在这里插入图片描述
由图可以看到,信号从端口一输入时,随着信号的频率增加,传输到端口2的信号减少,从端口1处反射的信号S11增加,这符合电感器的“通低频,阻高频”的特性

Y11的值是在端口2与地短路时测量端口1与地之间的导纳,这与我们日常生活中测量电感所用的方法相同。因此,根据 Y = 1 / Z = 1 j ω L Y=1/Z=\frac{1}{j\omega L} Y=1/Z=L1可以获得电感量的值。

通过Y参数计算获得线圈的电感量公式为:
L = i m ( 1 Y 11 ) / ω L=im(\frac{1}{Y11})/\omega L=im(Y111)/ω
其中Y11为端口一的输入导纳,即:当端口2短路,端口1施加1V电压激励时的输入电流值,为一复数,有实部和虚部两个分量。公式中im为取虚部运算。

Y11的值是在端口2与地短路时测量端口1与地之间的导纳,这与我们日常生活中测量电感所用的方法相同。因此,根据 Y = 1 / Z = 1 j ω L Y=1/Z=\frac{1}{j\omega L} Y=1/Z=L1可以获得电感量的值。

HFSS输出电感频谱的设置界面如下图所示:
在这里插入图片描述
输出的电感频谱曲线如下:

在这里插入图片描述
从图中可知,平面线圈电感量在低频(100MHz)时的电感量约为2.24nH. 与网络工具计算的结果相似。

  • 3
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
Dunn指数是一种用于聚类质评估的指标,它可以衡类簇内部的紧密度和类簇之间的分离度。其计算公式为: Dunn = min_{i!=j} { min_{k} {d(i,j) / max_{l} {d(k,l)} } } 其中,i和j表示不同的类簇,k和l表示类簇中的两个样本点,d(i,j)表示类簇i和j之间的距离,d(k,l)表示类簇k内任意两个样本点之间的距离。 下面是一个简单的Python实现: ```python import numpy as np from sklearn.metrics.pairwise import pairwise_distances def dunn_index(X, labels): # 计算类簇间的距离 distances = pairwise_distances(X) cluster_distances = [] for i in range(len(np.unique(labels))): for j in range(i+1, len(np.unique(labels))): mask = np.logical_or(labels == i, labels == j) cluster_distances.append(np.max(distances[mask][:, mask])) # 计算类簇内的距离 intra_distances = [] for i in range(len(np.unique(labels))): mask = labels == i if np.sum(mask) > 1: intra_distances.append(np.max(distances[mask][:, mask])) # 计算Dunn指数 return np.min(cluster_distances) / np.max(intra_distances) ``` 其中,X表示样本数据,labels表示样本的类簇标签。使用sklearn库中的pairwise_distances函数计算样本之间的距离。计算类簇间的距离时,通过遍历所有不同的类簇组合,计算它们之间的距离,并取最大值。计算类簇内的距离时,遍历所有类簇,对于每个类簇,计算其中任意两个样本点之间的距离,并取最大值。最后,返回最小类簇间距离与最大类簇内距离的比值,即为Dunn指数。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

JERRY. LIU

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值