数字万用表的设计
一个很不错数字万用表设计，内有详细的电路设计及介绍。流电阻或其他电参量的仪表,其功能可以任意组合并以十进制数字显示被测量结果,应用十分广泛,在传统的电工和电子测量中广泛使用的模拟测量仪虽然具有观察着可以自接看出表针偏转了多个格或满刻度的白分之儿等优点,但要对读数加以换算或说明尤其是不可避免的带来人为视差,不同的观察者可得出不同的结果,数字万用表则不同,他可以直接将测量结果用数字显示出来。数字万用表具有10大特点显示清晰直观,读数准确:为了提高观察的清晰度,新型手持式数字万用表(HDMM)已普遍用字高为26mm(约Lin)的大屏幕LCD(液晶显示器)。有些数字万用表还增加∫背光源,以便于夜间观察读数。为∫提高显示亮度,台式数字万用表大多选用LED数码管或数码管(VFD)。新型数字万用表还增加了标识符显示功能,包括测量项目符号(例如AC、DC、hFF、IOΩ2、IO(iIC、MFM),单位符号(例如mV、V、kV、μA、mA、A、g、k2、M2、nS、H、k、MHz、pF、n、、℃、),特殊符号(如低电压指示符号OBAT”、读数倮持符号“HOID¨或“DH、峰值保持符号“ PEAK HOLD或PH、自动量程符号AUIO、10倍乘符号“*10”、峰鸣器符号等)。有些数字万用表还在液晶显示器的小数点下面设置了量程标识符,例如当小数点下边显示200时,就表明所对应的量程为200,依次类推。为解决数字万用表不能反映被测电压的连续变化过程以及变化趋势这一难题,一种“数字模拟条图仪表也以问世。这里讲的模拟条图有双重含义:第一,被测量为连续变化的模拟量:第二,利用条图形来模拟被测量的大小及变化趋势。这类仪表将数字显示与高分辩率模拟条图显示集于一身,兼有数字万用表与指针万用表之优点,为用效字万用表完仝取代指针万用表创造了条件。智能数字万用表带微处理器与标准接口,可配计算机和打印机进行数据处理或自动打印,构成完整的测试系统。显示位数:字万用表的显示位数通常为312位~812位。具体讲,有31/2位、323位、334位、412位、43/4位、51/2位、612位、71/2位、812位供9种。判定数字万用表的位教有内条原则:第一,能显示从09所有数字的位是整数值;第二,分数位的数值是以最大显示值中最高位的数字为分子,用满量程时最高位的薮字作分母。例如某数字万用表的最大显示值为±1999,满量程计数值为200,这表明该仪表有3个整数位,而分数值的分子为1,分母是2,故称之为31/2位,读作三位半,其最高位只能显示0或1。需要指出的是,目前冇些新型能数字万用表的显示位数比较特殊。例如,VC8145型台式智能数字万用表的满量程值为33000,Ms8050型台式智能数字万用表的满量程值为53000,就很难将其归入哪一种显示位数。这中情况下,通常只给出满量程值。312位数字万用表设计准确度高:确度是测量结果中系统误差与随机误差的综合。它表示测量结果与真值的一致程度,也反映了测量误差的大小,真确度愈高,测量误差愈小。测量的绝对误差有以下三种表达式:△U士(a%RDG+b%KS)1-1)AU=士(a%RDG+(1-2)△U=士(a%RDG+b%S+n)式(1-1)中,RDG为读书值(即显示值),FS表示满量程值。拈号中第1项代表AD转换器和功能转换器(例如分压器)的综合误差,第2项是数字化处理所带来的误差。式(1-2)中,n是量化误差反映在末位数字上的变化量。若把n个字的误差折合成满量程的百分数,则变成式(1-1)。因此,上述二式是完全等价的。式(1-3)比较特殊,第三项通常表示由指针万用表,例如312位、412位数字万用表的准确度分别可达±0.3%、±0.05%1.14分辨力高数字万用表在最低电压量程上末位1个字所代表的电压值,称作仪表的分辨力,它反映了仪表灵敏度的高低。分辨力随显示位数的增加而提高。例如312位、412位、81/2位数字万用表的最高分辨力分别为100μV、10μVlnV。数字万用表的分辨力指标亦可用分辨率来袤示。分辨是指所能显示的最小数字(零除外)与最大数字的百分比。例如,31/2位数字万用表的分辨率为1/19990.05%。测试功能强:字万月表不仅可以测量官流电压(DCⅴ)、交流电压(ACV)、直流电流(DCA)、交流电流(ACA、电阻(g)、二极管正向压降(UF)、晶体管共发射极电流放大系数(hF),还能测量电容(C)、电导(G)、温度(T)和频率(f),而且利用峰鸣器挡(BZ)还可检查线路的通断。VC9850A+、VC9808、MS820H型数字万用表增加了电感挡。有的仪表还有信号发生器挡及AC/DC自动转换功能。新型数字万用表大多增加了下述测试功能:读书保持(HOLD)、逻辑( LOGIO)测试、真有效值(TRMS)测量、相对值(REL〕测量、自动关机( AUTO OFF POWER)、当电流挡拔错位置时的声音告警等。国产VC90型数字万用表具有语音报数功能。MS8209型五合一数字万用表,还可以测量站空比(测量范围是0.1%~999%,误差为±3.0%)、温度(测量范围是-20~400℃C或-20~-1000℃,误差为±3.0%)、相对湿度(测量范围是30%-95%,误差为±5.0%)、照度(测量范围是4000~40000x,误差为±5.0%)及噪卢(测量范围是35~10UB)。VC9808A+增加了2000M超高阻挡,VC8145A还能测量功率电平。最新丌发的33/4位~412位智能数字万用表,将高性能与低成本集于一身,大多具有下述功能:液晶条图显示( LCD Baryaph),多重显示,测量最小偵/最大值,峰值保持:数据储存,复位,数据输出,设定测量范围的上、下限,软件自动校准,快速测量等。国产MS9803R型智能数字万用表采用光电隔离的RS232C接口,还配有 PC Windows视窗软件,能在PC上记录数据及输出图表。利用MS9803R所提供的 DMM VIEW Version2软件,将MS9803R拔至直流200m挡,并通过RS-232C接口连到PC上,实测某一缓慢变化的直流电压。测量范围宽:41/2位手持式多功能数字万用表为例,其测量范围一般为:DCV(001mV~1000V),ACV(0.01mV~700V或750V),DCA(0.1A~20A), ACA DCA(1A~20A),g2(0.0192-20Mg,少数仪表可达200M92,甚至扩展到2000192),电导(0.1nS~100nS),电容(0.1pF~20pF),电感(1H~20H),频率(10Hz-20kHz,部分仪表可达200kHz,甚至扩展到10MHz),二极管正向压降UF(0~2V),晶休管电流放大系数Hf(0-1000),可满足常规电了测量的需要。智能数字万用表的测量范围更宽。测量速率快:字万用表在每秒钟内对被测电压的测量速率,单位是“次/秒”。它主要取决于AD转换器的转换速率。有的手持式数字万用表用测量周期来表示测量的快慢。完成次测量过程所需要的时间叫测量周期。显见,测量速率愈高,测量周期就愈短,二者呈倒数关系。312位数字万用表的测量速率一般为2~5次秒,多数仪表为2~3次秒。41/2位数字万用表可达20次/秒。5/2位~71/2位数字万用表一般为几十次/秒以上,有的能达到几百甚至上千次秒。H3458A型81/2位DMM工作在41/2位方式下的最高测量速率可达10万次秒,在81/2位、51/2位方式下分别为6次秒、5万次秒。测量速率与准确度指标存在矛盾,通常是准确度愈高,测量速率愈低,二者难以兼顾。解这一矛盾有两种方法:一种是增设快速测量挡,专配测量速率交快的AD转挨器;另一种方法是通过降低显示位数来大幅度提高测量速率,此法目前应用的比较普遍,可满足不同用户对测量速率的需要时。输入阻抗髙:字万用表电压挡具有很高的输入阻抗,通常为10-10000MQ,从被测量电路上吸取的电流极小,不会影响被测信号源的工作状态,能减小由信号源内阻引起的测量误差。集成度高,微功耗:持式数字万用表采用单片AD转换器,外围电路比较简单,只要少量铺助芯片和外围元件。近年来各种单片数宇万用表专用芯片竟相问世,使用片IC即可构成功能比较完善的自动量程式数字万用表,为简化设计和降低成本创造了有利条件。新型数字万用表普遍釆用CMOS大规模集成电路的AD转换器,整机功耗很低。31/2312位数字万用表设计位、41门2位手持式数字万用表的整机功耗仅几十亳瓦,可用9V叠层电池供电。51/2位~812位数字万用表的总功耗一般也只有十至几十瓦。侏护功能完善,抗干扰功能强:字万用表具有比较完善的保护电路,过载能力强,新型数字万用表还增加了高压保护器件,能防止浪用电压。使用时只要不超过规定的极限指标,即使出现误操作(例如用电阻挡去测量220V交流电压),一般也不会损坏仪表内部的大规模集成电路。当然应力求避免误操作,以免因外围元件〔如熔丝管、量程开关)损坏而影响正常使用。必须指出,仼何保护电路都不可能做到万无一失。换言之,倘若保护保护电路发生故障,仪表就失去的保护屏障。51/2位以下的数字万月表大多采用积分式AD转换器,其串模抑制比(SMR)共模抑制比(CMR)分别可达100dB、80~120dB。高档数字万用表还采用数字滤波、浮地、双重屏蔽等先进技术,进一步提高了抗干扰能力,CMR可达180dB数字万用表应用于国防、科研、工厂、学校、计量测试等技术领域,并随着技术的发展,其性能不断提高。13论文设计的主要工作本次设计通过相关资料的收集及对数字万用表工作原理分析列出总体思路,采用ICL7106型多功能低功耗单片31/2位AD转换器,选择双积分AD转换方式,设计出交流电压测量电路、直流电流测量电路、电阻测量电路、电导测量电路、频窣测量电路、电容测量电路等。研究其每个参量的测量方法及功能实现。它主要的核心是通过AD转换来实现的,通过对测量电路的原理分析设计,实现交直流电压、直流电流、电阻、电容、晶体管等测量。此次设计的31/2位教字万用表显示清晰直观、读数准确,分辨力高、测试能力强、微功耗、外围电路简单、价格便宜、成本低等优点。2312位数字万用表的结构设计2.131/2位数字万用表基本构成数字万用表的基本构成如图2-1所示。仪表的心脏是单片AD转换器,典型产品有ICL7106、ICL7136型31/位单片A①转换器。外围电路主要包括功能转换器、测量项目及量程选择开关、LCD(或LED显示器)。此外还有蜂鸣器震荡电路、驱动电路、检测线路通断电路、低电压指示电路、小数点标识符、驱动电路。LU转换器LCD(LED)功能ACDC量程选择AD转换器数字电路诜择转换器Q/U转换器www.dola.com图2-1数字万用表基本构成Fig 2-1 The basic component of ordinary digital multimeter2,2功能转换器的介绍及基本工作原理尽管数字万用表的型号繁多,整机电路也各有差异,但其基本测量原理大致相同。下面介绍数字万用表最常用的几种功能转换器的电路工作原理,对于本次数字万用表设计原理与应用具有重要的意义22.1线性ACDC转换器数字万用表的交流/直流(ACDC)转换器分平均值响应的AC/DC转换器、真有效值/直流( TRMS/DO)转换器两种平均值响应的线性ACDC转换器是由运算放大器和二极管组成的半波(或全波)线312位数字万用表设计性整流电路。它具有线性好、准确度髙、电路简单、成本低廉等优点。由于它是按照正弦波平均值与有效值的关系而定的,因此所构成的仪表只适用于测量不失真的止弦波电压线性全波整流式ACDC转换器的电路图如22所。交流电压满量程为200mV(有效值)现利用单运放TI61(IC1)与二极管T、D2组成平均值响应的线性整流电路,能消除二极管在小信号整流时所引起的非线性电压,使输出的平均值电压U与ACDC转换器的输入电压UN(有效值)呈线行关系,适合测量40~400Hz的正弦波,测量准确度优于1%。当频率超过400H时,测量误差会增大。电路中的R是T061同相输入端电阻。R2与R3为负反馈电阻,可将IC接成同相放大器。C1、C2为隔直电容TH(UM=20m)10OkC1L, NL01 47uU o R7 1MIN+160.02217106UD2 ILCD. 8K00k3K32RPCOM1D3R6200187K图22 AC/DC转换器的电路comFig 2-2 The circuit of the AC/DC Converters需要指出,该电路属于输出不对称式线性全波整流电路,在正、负半周时的等效电路及整沆输出波形如图23所示。正半周时电压放大倍数K>222(半波整流时正弦波的有效值与平均值的关系为UR=2.22U0);负半周时Kr=1,它相当于电压跟随器。具体讲,在正半周时v1导通,D2截止,IC1输出电流的途径是C1→VD1→R4→R6一RP→COM(地),并终过R3对C3充电。此时式中R电位器RP的电阻值。将R4=3k2,、R6=1,87k2、R2p=0~2002代入上试得到K=2.6~245>2.22。负半周时,VD2导通,V1截止,电流途径变成COM→RP→R6→D2→C1→C1,此时K=1。由R和IClRI[C1o UoR4VD?图2-3等效电路及输出波形Fig 2-3 Equivalent circuit and the output waveformC组成的平滑滤波器可滤除交流纹波,高频千扰信号则被由R、C构成的高频滤波器所滤掉,从而获得了稳定的平均值电压,再通过312位单片AD转换器IC2(ICL7106)完成数/模转换,驱动LCD显示出测试结果。图2-2中的阴影区表示连接AD转换器与LCD的导电橡胶条。该电路能消除整流管的非线性误差。RP是校准交流电压的电位器,调整RP可使仪表直接显示出被测电压的有效值。C是运放IC的频率补偿电容。R2和C4还向VD2提供偏压,以减小TL061对小信号放大时的波形失真。TL061的电源亦可取自9V电源。上述ACDC转换器适配各种31/2~412位单片AD转换器,并可将LCD改成LED显示器。设计交流电压挡(ACV)时,还应在ACDC转换器的输入端接上如图22中所示的精密电阻分压器R1~R222简易平均值AC①C转换器简易平均值ACDC转换器的电路图2-4所示。由于该电路末使用运算放大器及电位器,因此电路简单,不需要调整。两个ACV挡分别为200V、750V(RMS)。VD为整流管,VD2为保护二极管。R1为输入端电阻,仪表输入阻抗∠≈R=R1+R2+R32=4.51M。C1为隔育电容。正半周时四导通,VD2截止,做半波整流;负半周时T1截止,四D2导通,由VD2给电流提供泻放回路。整流后的脉动直流经C2滤波,获得平均值电压Uo。R2和R3为滤波器312位数字万用表设计负载,兼作750V拦的分压器,可将U再衰减10倍。ACⅤ挡的测量准确度可达±1.2%~士15%,误差略高于线性整流电路。D和V2应采用N4004型1A400ⅴ的硅整流管,以便承受较高的反向电压。对半波整流而言,正弦波电压平均值与有效值的关系为U=045Uw。巧妙地利用电阻分压器可使仪表直接显示被测电压有效值。不难验证,对于200V挡,若UN=2000V(RMS),则Jl=0.45U/m=0.45×200.0V=90V10×103=0R2+R3=90My200. 0mvR1+R2+R24.51×10°1 CI VDI200VIN+4.5M0.1μR27106750VU.F200mACvLCDVD2本Tc2IN4004Ou hR30.022COMO1KCOM图24简易平均值ACDC转换器电路Fig, 2-4 The circuit of simple average of ac/ dc converterarm对于750V挡,若U,=750V(RMS),则R1×10U=0.45U,m337,5mⅤ=75.0mVR,+rtr4.5×10只要改变小数电位置,即可使750V挡直接显示出U值。具体方法是去掉小数点后仍用200mV基本表测量U,并将显示单位取V,这样就把75.0mV变换成750V。223IU转换器数字万用表的直流电流挡(DCA)一殷设置4挡:2nA、20mA、200mA、20A,IU转换器的电路图2-5所示。其中20A挡专用个输入插孔。被测电流经过分流器可转换成电压信号。分流器由R~R组成,总电阻为100g2。其中,R1和R2采用精密金属膜电阻,R3
- 2020-12-08下载
- 积分：1
卷积神经网络CNN学习笔记 pdf
个人整理的CNN学习笔记，所有素材均来自于互联网。把经典的摘之以作备案，待整理好这份笔记后，发现对CNN也有了深入理解，希望对你也有帮助！LOCALLY CONNECTED NEURAL NETCONVOLUTIONAL NETSTATIONARI? Statisties issimilar at dif ferent locationsLearn multiple filters.Example: 1000x1000 image1M hidden unitsFilter size: 10x10E.g. 1000x1000 image100M parameters100 FiltersFilter size: 10x10u鴻網互聯EEIDEE下面的分析来源于:htp/ log csdn. net/zouxy09/ article/details,/8781543我们知道,隐含层的每一个神经元都连接10x10个图像区域,也就是说每一个神经元存在10x10=100个连接权值参数。那如果我们每个神经元这100个参教是相同的呢?也就是说每个神经元用的是同一个卷积核去卷积图像。这样我们就只有多少个参数??只有100个参数啊!!!亲!不管你隐层的神经元个数有多少,两层间的连接我只有100个参数啊!亲!这就是权值共享啊!亲!这就是卷积神经网络的主打卖点啊!亲!(有点烦了,呵呵)也许你会问,这样做靠谱吗?为什么可行呢?好了,你就会想,这样提取特征也忒不靠谱吧,这样你只提取了一种特征啊?对了,頁聪明,我们需要提取多种特征对不?假如一种滤波器,也就是一种卷积核就是提出图像的一种特征,例如某个方向的边缘。那么我们需要提取不同的特征,怎么办,加多几种滤波器不就行了吗?对∫。所以假设我们加到100种滤波器,每种滤波器的参数不一样,表示它提出输入图像的不同特征,例如不同的边缘。这样每种滤波器去卷积图像就得到对图像的不同特征的放映,我们称之为 Feature Map。所以100种卷积核就有100个 Feature Map。这100个 Feature Map就组成了一层神经元。到这个时候明了了吧。我们这一层有多少个参数了?100种卷积核x每种卷积核共享100个参数=100×100=10K,也就是1万个参数。才1万个参数啊!亲!(又来了,受不了了!)见上图右:不同的颜色表达不同的滤波器嘿哟,遗漏一个问题了。刚才说隐层的参数个数和隐层的神经元个数无关,只和滤波器的大小和滤波器种类的多少有关。那么隐层的神经元个数怎么确定呢?它和原图像,也就是输入的大小(神经元个数)、滤波器的大小和滤波器在图像中的滑动步长都有关!例如,我的图像是1000×1000像素,而滤波器大小是10×10,假设滤波器没有重叠,也就是步长为10,这样隐层的神经元个数就是(1000×1000y(10×10}=100×100个神经元了,假设步长是8,也就是卷积核会重叠两个像素,那么……我就不算了,思想懂了就好。注意了,这只是一种滤波器,也就是一个 Feature Map的神经元个数哦,如果100个 Feature Map就是100倍了。由此可见,图像越大,神经元个数和需要训练的权值参数个数的贫富差距就越大。CONV NETS: EXTENSIONSBypool ing"(e. g. max or average)filterresponses at different locations we gain Over the years. some new medes have proven to be veryrubustness to the exact spatial location effective when plugged inte corv-netsof featuresL2 PoolingU, kEN(x,r)Local Contrast normalizationhN(x y)iN(xvIRenato总之,卷积网络的核心思想是将:局部感受野、权值共享(或者权值复制)以及时间或空间亚采样这三种结构思想结合起来获得了某种程度的位移、尺度、形变不变性。23实例视觉皮层存在两类相关的细胞,S细胞( Simple Cel)和C( Complex Cell)细胞。S细胞在自身的感受野内最大限度地对图像中类似边缘模式的剌激做出响应,而C细胞具有更大的感受野,它可以对图像中产生刺激的模式的空间位置进行精准地定位C是卷积层,S是下采样层。参看这个两个网址,对理解CNN非常有帮助http://www.68idc.cn/help/buildlang/ask/20150705417730.htmlhttp://www.68idc.cn/help/buildlang/ask/20150705419299.html涵pC1s2c384江蘇鴻網互刷三 -TOLERc是卷积层,S是下采样层。输入的一幅图像,在C1层,通过和3个卷积模板做卷积运算,然后加上偏置值,再经过 sigmoid激活函数,得到3幅输出图像,在S2层,对C1层输出的3幅图像做下采样,假设采样因子是2,也就是图中每2*2的 patch中的4个像素进行求和,再加偏置,再通过激活函数,得到3张尺寸减小了的输出图像。同样的,再经过C3S4。将S4的输出拉成一个向量,输入传统的神经网络中,并得到输出24综合实例G1: feature maps8@28X28C3: f. mapInp ut20@10x1032×32S1: f. mapsS4: f. maps@14x1420@5x5C5:120Output: 9ConvolutionsSubsamplingSubsamplingconnectionConvolutions og. Csdn. n Convolutions 688图中的卷积网终Ⅰ作流程如下,输入层由32×32个感知节点组成,接收原始图像。然后,计算流程在卷积和子抽样之间交替进行,如下所述·第一隐藏层进行卷积,它由8个特征映射组成,每个特征映射由28×28个神经元组成,每个神经元指定一个5×5的接受域,这28×28个神经元共享5×5个权值参数,即卷积核第二隐藏层实现子抽样和局部平均,它同样由8个特征映射组成,但其每个特征映射由14×14个神经元组成。每个神经元具有一个2×2的接受域,一个可训练系数,一个可训练偏置和一个 sigmoid激活函数。可训练系数和偏置控制神经元的操作点;第三隐藏层进行第二次卷积,它由20个特征映射组成,每个特征映射由10×10个神经元组成。该隐藏层中的每个神经元可能具有和下一个隐藏层几个特征映射相连的突触连接,它以与第一个卷积层相似的方式操作。第四个隐藏层进行第二次子抽样和局部平均汁算。它由20个特征映射组成,但每个特征映射由5×5个神经元组成,它以与第一次抽样相似的方式操作。●第五个隐藏层实现卷积的最后阶段,它由120个神经元组成,每个神经元指定一个5×5的接受域。最后是个全连接层,得到输出向量。综合起来,如下图山辆入员/閩张38的圈像辆入|种特图到C28×28KD卷,:对应位遇相森再未和⊙如偏置每种图有个偏置a老积层f同治减函数6↑5的卷铝kC6个偏置值b输邶钟培钲图24X0mno:22域的值平均坐smle=2辆入6种征图列12|2k2个55的着核kKk22个偏置值b辆出12钟特钲图8×88×g年怦居D mean pooL斜样9=2s输出口钟特征图4x叶把S园輪出的特征图垣成一年向量入,维,:平4x×12=12F房入节点有2个192资接的神经刚络W1,09W参教W:20×192矩阵爹教bho0x1向量oh辆出节点有个,国为baby的度是o·上图中28如何变成24的?12如何变成8的?详情见这个网址:hto:/ud. stanfordedu/wki/ index. php/ Featureextractionusing convolution这个过程中,有这么几个参数:a.深度 depth:神经元个数,决定输出的dept厚度。同时代表滤波器个数。*b.步长 stride:决定滑动多少步可以到边缘。C.填充值zero- padding:在外围边缘补充若干圈0,方便从初始位置以步长为单位可以刚好滑倒末尾位置,通俗地讲就是为了总长能被步长整除。最左边一列是输入层,第二列是第一个滤波器(W0),第三列是第二个滤波器(W1),第四列是输出层。*该图有两个神经元,即 depth=2,意味着有两个滤波器数据窗口每次移动两个步长取3*3的局部数据,即stde=2。zero-padding=13cNN的激励层与池化层ReLU激励层不要用 sigmoid,因为它容易饱和、造成终止梯度传递,且没有0中心化ReLU的优点是收敛快,求梯度简单。·池化poo层池化,简言之,即取区域平均或最大,如下图所示Single depth slice1124Xmax pool with 2X2 filters5678 and stride 26832234304y参考文献:·htp:/ yann lecun. com/exdb/lenet/index. html( Yann securη实现的CNN演示,以动画的形式演示了位移、加噪、旋转、压缩等识别,最有价值的是把隐层用图像显示出来了,很生动形象)
- 2021-05-07下载
- 积分：1
