我的电磁学讲义17:电介质

本文介绍了电介质在电容器中的作用,特别是提高电容和改变电势差的能力。电介质的极化分为位移极化和取向极化,导致束缚电荷的产生。极化强度矢量描述了电介质的极化程度,与电偶极矩和分子排列有关。有电介质时的高斯定理表明电位移通量与自由电荷的代数和相等,引入电位移矢量D,便于理解和应用。
摘要由CSDN通过智能技术生成

电介质

电介质就是绝缘体。电容器两极板之间往往夹有电介质。这样做的好处是,一提高电容器的力学稳定性。二是增加两极板之间的最大容许电势差,以免电容器被击穿。一般而言,电介质的击穿电压高于空气。三是,能提高电容器电容。电容器插入电容器后,电容器两极板之间的电压会减小,如图1所示。

6b6ebe29jw1eyqakalqyfj207b08fmx7.jpg
图1 将电介质插入电容器后,两极板间电压减小

电介质插入前后,电容器两极板间电势差分别为\(U_0\)\(U\),二者的比值为

\begin{equation*} \epsilon_r=\frac{ U_0}{U} \gt 1 \end{equation*}

电容比值为

\begin{equation*} \epsilon_r=\frac{ C}{C_0} \end{equation*}

常数\(\epsilon_r\)相对介电常数,也称相对电容率,这是一个无量纲的数。真空的相对介电常数定为1,空气的相对介电常数为1.0006,非常接近1。

极化

电容器极板间插入电介质,两极板电势差减小,说明两极板间的电场减弱了。对于平行板电容器,电介质插入前后的电场\(E_0\)\(E\)的关系为:

\begin{equation*} E=\frac{E_0}{\epsilon_r} \end{equation*}

电场变小,说明表面电荷密度也要变小,极板上的电荷不会发生变化,但是会在电介质上表面诱导出相反电荷。电介质是电中性的,放入电容器之间仍然会保持为电中性,但是会重现排布电介质内的电荷,这种现象叫做极化

一个中性分子所带正电荷与负电荷的量值总是相等的。但一般情况下,每个分子内的正、负电荷都不是集中在一点而是分布在分子所占体积之中的,线度为\(10^{-10}\mathrm m\)数量级内的体积。

有些电介质的分子的等效正、负电荷中心不重合的电介质称为有极分子电介质。如 HCl 、 H2O、CO、SO2、NH3、……。其分子有等效电偶极子,它们的电矩称作分子的固有电矩。

6b6ebe29jw1eyqbl2b5mcj20ez046q30.jpg
图2 有极分子

有些电介质的分子的等效正、负电荷中心重合的电介质称为无极分子电介质,分子的固有电矩为 0 ,如所有的惰性气体及CH4等。

6b6ebe29jw1eyqbneek9wj20ev05emx9.jpg
图3 无极分子

无外电场时,无极分子电介质固有电矩为零,呈电中性。对有极分子电介质,因其无规则热运动,每个分子的固有电矩的取向都是杂乱无章的,故在介质内任取一个小体积元,各个分子电矩的矢量和必定为零,也呈电中性。

6b6ebe29jw1eyqbqruibvj20gs04mq3a.jpg)
图4 无外场时,无极分子和有极分子都呈电中性

对于无极分子,在外电场作用下,分子正电中心和负电中心发生相对位移,形成附加分子偶极子,此称为位移极化

6b6ebe29jw1eyqcwh28xtj20c2047t8o.jpg
图5 无极分子位移极化

有极分子在外场中发生偏转而产生的极化

  • 2
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
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
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