模块二:线性直流电阻电路分析原理与方法

等效法

1、无缘网络的等效变换

一端口网络:任一复杂电路通过两个连接端钮与外电路相连,这样具有两个端钮的网络即称为一端口网络或者二端钮网络

A-有源;P-无源;N-有源,无源;

等效变换的条件:两个内部结构完全不同的一端口网络p1,p2,如果他们端口上的电压与电流之间的伏案特性完全相同,则称为两者等效;

串联电阻相加,并联电导相加;

星型连接可以与三角型连接相互转换;

2、电压源与电流源的等效变换

电压源:U=E-IR

电流源:U=RIs-RI

故等效条件是:E=RIs

方程法

目标:同时求解一组电路变量(支路电压或者电流)

问题:如何选取一组合适的方程(方程数与变量数相等,方程组线性无关,具有唯一解)

基础:基尔霍夫电压定律和电流定律,以及元件电压电流关系。

方法:通过网络图论来选取合适的方程组{支路电流法、网孔电流法和节点电压法)

网络图论初步

电路图:由集中参数元件组成的电网络

拓扑图:由线条(支路)和点(节点)所组成的图形,称此图为原电网络的拓扑图,简称为图

有向图:线图各支路规定了一个方向(用箭头表示,一般取电路图中支路电流方向一致)

回路:从一个节点出发,经过若干条支路后,又回到这个节点的通路

网孔回路:回路内无任何支路,则此回路称为网孔回路

当图的任二节点之间至少存在一条通路时,称为连通图,否则称为非连通图

连通图任二个节点之间至少存在一个回路,则称为不可分图,否则为可分图

如果图能无任何交叉地画在平面上,则称为平面图,否则为非平面图

T时有向图G的一个子图,它包含所有节点与一些支路的集合。树T满足三个条件:T是连通的;包含G的全部节点;不包含回路。(有向树图的选择不是唯一的,一般可以选出多个树)

树T所包含的支路称为树支;有向图G中其余的支路称为连支;树支数=n-1(节点数减一);连支数=支路数-树支数=b-n+1=l(网孔数)

割集Q连通图G的一个子图,满足:若移去Q中全部支路,原连通图G将被分为两个独立部分;若少移去Q中任意一条支路,原连通图G将保持连通

单连支回路:每一连支可与其两端之间的唯一树支路径构成一条唯一的回路。此回路称为单连支回路。回路方向与连支方向一致。

单连支回路一定可以写出独立的KVL方程;独立的KVL方程不一定要按照单连支回路来写

单树支割集:组成割集的支路仅含一条树支。割集方向与树支方向一致。

单树支割集一定可以写出独立的KCL方程;独立的KCL方程不一定要按照单树支割集来写

b:表示支路数

n:表示节点数

l:表示网孔数

支路电流法

支路法:以各支路电流和电压为未知量列写电路方程分析电路

支路电流法的一般步骤:

标定各支路电流的参考方向;选定(n-1)个节点,列写KCL方程;选定b-(n-1)个独立回路,列写KVL方程;(元件特性带入);求解上述方程,得到b个支路电流;进一步计算支路电压和进行其他分析

支路电流法的特点:支路电流法简单但要求同时列写KCL和KVL方程,方程数较多,且规律性不强(相对于后面的方法),手工求解比较复杂,便于计算机编程求解。

网孔回路法

基本思想:假想每个回路中有一个回路电流。则各支路电流可用回路电流线性组合表示

回路法的一般步骤:

选定l=b-(n-1)个独立回路,并确定其绕行方向;对l个独立回路,以回路电流为未知量,列出其KVL方程;求解上述方程,得到l个回路电流;求各支路电流(用回路电流表示);其他分析

网孔电流法:对平面电路,若以网孔为独立回路,此时回路电流也成为网孔电流,对应分析方法称为网孔电流法

节点电压法

节点电压(位):节点与参考点的电压差,方向为从独立节点指向参考节点。

节点电压法:以节点电压为未知量列写电路方程的方法。

节点电压法的独立方程数为(n-1)个。与支路电流法相比,方程数可减少b-(n-1)个。

适用于两个节点的节点电压公式:

一般性节点电压法

 列出(n-1)个电流方程,选定参考点(电位为零),用各点的电位来表示电流。

电路定理

叠加定理

定义:在线性电路中,任一支路电流(或电压)都是电路中各个独立电源单独作用时,在该支路产生的电流(或电压)的代数和。

单独作用:一个独立电源作用,其余独立电源不作用。不作用是指电压源u=0(短路),电流源i=0(开路)。

*功率不能叠加,只有线性变量可以运用叠加定理;含受控源(线性)电路亦可用叠加法,但受控源不能单独作用,应始终保留在电路中。

齐性原理

定义:当电路中只有一个激励(独立源)时,则响应(电压或电流)与激励成正比。

替代定理

定义:任意一个电路,其中第K条支路的电压已知为uk(电流为ik),那么就可以用一个电压等于uk的理想电压源(电流等于ik的独立电流源)来替代该支路,替代前后电路中各处电压和电流均保持不变。

注意:1)替代定理适用于线性、非线性电路、定常和时变电路。

  2)替代定理的应用必须满足:原电路和替代后的电路必须有唯一解;被替代的支路和电路其他部分应无耦合关系。

  3)未被代替的支路的相互连接及参数不能改变。

戴维南(诺顿)定理

二端网络:具有两个出线端的部分电路

无源二端网络:二端网络中没有电源(可简化为一个电阻)

有源二端网络:二端网络中含有电源

定义:任何一个含独立电源、线性电阻和线性受控源的二端口,对外电路来说,可以用一个电压Ud和电阻Rd的串联组合来等效代替:

电压源Ud:外电路 断开时端口处的开路电压:

电阻Rd:一端口中全部独立电源置零后的端口等效电阻。

注意:1)戴维南等效电路中电压源电压等于将外电路断开时的开路电压Ud,电压源方向与所求开路电压方向相同。

  2)串联电阻为将一端口内部独立电源全部置零(电压源短路,电流源开路)后,所得一端口网络的等效电阻。

   3)当一端口内部含有受控源时,控制支路与受控源支路必须包含在等效变换的同一部分电路中。

等效电阻的计算方法:1)电阻串并联公式:网络内部不含有受控源;

                                  2)加源法:端口(内部独立电源置零)加电压求电流法或加电流求电压法;

                                  3)开路短路法:等效电阻Rd=端口的开路电压Ud/短路电流Id。

最大功率传输定理

定义:线性有源一端口网络向可变电阻负载Rl传输最大功率的条件是:Rl=Rd。

当Rl=Rd时,负载获得最大功率。也称为功率匹配。匹配状态下,功率的传输效率只有百分之五十。经常出现在电子线路中。对于电路传输系统的输、配电线路,传输功率大,要求传输效率高,以减少传输过程中的能量损耗,因此都不在匹配状态下工作。

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 线性回归是一种常用的数据挖掘算法,它可以用来预测连续型变量的值。在房价预测中,我们可以使用线性回归来预测房价。线性回归的原理是通过建立一个线性方程来描述自变量和因变量之间的关系,然后利用已知的自变量和因变量的数据来拟合这个方程,从而得到一个预测模型。在房价预测中,我们可以将房屋的面积、房间数量、地理位置等作为自变量,将房价作为因变量,然后利用已知的房屋数据来拟合一个线性方程,从而得到一个预测模型,用来预测未知房屋的价格。实践中,我们可以使用Python等编程语言来实现线性回归算法,利用已知的数据来训练模型,然后使用模型来预测未知数据的结果。 ### 回答2: 线性回归是一种用于预测连续变量的监督学习算法。在房价预测中,线性回归可以通过利用历史数据和相关因素,如房屋面积、位置和装修状况等,预测房屋的售价。 线性回归的原理是拟合一条直线来近似预测目标变量和输入因素之间的关系。这条直线被称为回归线。回归线的斜率和截距分别表示输入因素和目标变量之间的关系和预测模型的截距。 在实践中,我们需要将数据集分成训练集和测试集。从训练集中选取一个子集,用来训练模型。一旦模型被训练完成,我们可以使用测试集来评估其准确性和泛化能力。 线性回归的评估指标包括平均平方误差(Mean Squared Error,MSE)和均方根误差(Root Mean Squared Error,RMSE)。MSE 衡量模型预测与实际数据之间差异的平方和的平均值。RMSE 是 MSE 的平方根。 在实践中,我们需要注意一些问题。例如,数据集的特征选择,是否需要进行数据缩放,异常值或离群值的处理,以及是否需要进行特征工程或增加多项式特征。此外,在模型的选择上,我们可以使用不同的正则化方法,如岭回归和 Lasso。这些方法可以避免过拟合和提高模型的泛化能力。 总之,线性回归是一种简单但有效的预测房价的模型。但是,在实际应用中,我们需要结合领域知识和业务需求来调整和优化模型,以提高其性能和可靠性。 ### 回答3: 线性回归是数据挖掘中常用的一种算法,通过对已有的数据进行分析和学习,建立一个线性模型,以此来预测新的未知数据。 在房价预测中,线性回归可以用来预测房价与其它因素的关系,如房屋面积、房龄、地段、物业等。通过建立一个线性方程,可以将这些因素与房价之间的关系用数学形式表示出来,对于未知的房屋可以通过该方程来预测其价格。 线性回归的原理是基于一组数据集,其中包含了预测变量和响应变量的数据。通过这些数据建立了一个回归方程,以预测响应变量的值。回归方程是一条直线,它用输入变量的值来预测输出变量的值。线性回归中的许多算法使用误差平方和来评估回归模型的好坏。误差平方和是指所有观测值与预测值之间差的平方和。 线性回归算法的实践需要经历以下步骤: 1. 数据收集:收集房屋的各种信息,包括房屋价格、面积、年龄、地理位置、物业等。 2. 数据处理:清洗数据,排除不合理或者有误的数据,并将数据进行统一的格式化处理。 3. 特征工程:在收集的数据中,选取与房价相关的因素,将其进行特征选择,处理成线性回归算法所能接受的数据格式。 4. 模型拟合:在处理好的数据集上,利用线性回归算法进行模型拟合,得到回归方程。 5. 模型评估:通过误差平方和等指标对模型进行评估,判断其预测效果的好坏。 6. 应用预测:使用建立好的模型,输入新的数据特征,进行房价预测。 线性回归算法的优点是模型简单,易于理解和应用,适合于处理数量较少的数据,同时还可以提供较为准确的预测结果。但是线性回归也有其局限性,例如不能处理非线性数据,对异常值敏感等。因此,在实际应用中需要针对不同的数据模型选择合适的算法进行处理。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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