首先,请参考这些基本公式,然后发现现实世界中有很多非线性特征,例如,当您超过相位限制或所有低通滤波器引起符号间干扰时,第二个PLL环路响应中的异或鉴相器(ISI),除非滤波器在二进制符号内产生谐振,否则您将“高余弦”滤波器应用于零抖动。
要学习的最重要的一课是在不受任何实施限制的情况下,了解任何环境压力,EMI,SNR和WRITE GOOD设计规范的影响所带来的问题。即“非特定于实施。通过阅读类似任何商业组件的良好规范来更好地理解这一点,并明确指定您的项目以了解对t和f的Z,V,I,t和f的所有输入和输出的所有要求,然后您有一些东西可以进行验证,测试,并具有良好的接受标准和错误余量,并进行测试以不了解后果,最薄弱的环节以及设计中的故障检测,纠正方面。
他们不教这是在学校。但是您可以通过注意细节快速学习。
然后,您将学习如何通过限制,有限范围,双带宽或更好的PID回路使系统更加线性,以通过将反馈模式从加速模式更改为速度到位置来最小化或防止过冲。
模拟/数字电子学中有用的一些关键关键技能是执行灵敏度分析,最坏情况公差,实验设计(DoE),裕度测试(例如,同时更改电源误差,%时钟误差和振动)和设计/过程验证测试计划或DVT / PVT。
从高端到免费工具,例如VSpice,Mag-designer,滤波器设计器,Bode分析仪,网络分析仪,模态分析仪和... 96通道逻辑分析仪,我已经使用了数十种不同的工具进行仿真。有时候,当您放上所有探针时,所有东西都可以工作。...但是最近为了展示N,我告诉我喜欢所有数十种Physics Java工具,包括带有此原始II型PLL示例的电路分析仪。
对于线性二阶系统,我更喜欢自己测试的基准。
Ts2%=Q∗To2fo=1To=Q=
- 阶跃响应过冲= 200%(高Q)和70%(临界阻尼)。
- 您可以在使用频谱分析仪和DSO进行测试验证后学习,以开发针对不同阻抗和力关系的方程式
- 例如,对于给定的下落高度和停止高度(在大多数材料中)
- g=drop.heightstop.height
- 通过加速度计验证,然后进行阻尼振荡
- 同样重要的是,速度与震动之间的关系(以g为单位)可针对机械脉冲的不同时间间隔创建一条称为“脆性边界”的逆功率曲线。
轶事经历
1975年开始工作时,通常我会在Impedance Nomograph图表上进行所有计算,除非我需要1%的精度。该图适用于多种串联或并联滤波器。然后,您将了解有用阻抗范围的L和C值的有用范围。例如,将纹波滤波器提供给数据/信号滤波器。但是对于严重的RF滤波器,它们将使用复杂特性(如Bessel,Cauer,Gaussian等)成为具有复杂规格的> 5阶带阻带通。
通过电抗/阻抗比,我得到Q,而从谐振频率得到带宽,这给了我一阶响应时间。
或者从RC值获得转折频率。
或者对于具有L和F的调谐滤波器,我可以选择Q或C谐振或反谐振(180或0度)
您可以通过网络搜索“ RLC NOMOGRAPH”找到此图表和类似图表
这个答案的目的不是要教您如何使用它的数十种应用程序,而是假设您对Q,ESR,ESL,Zo带状线以及RLC的所有应用程序都有深刻的了解,而只是想快速获得“滑块速度与计算器答案”。
我们在1975年使用平方尺和乘法的滑动规则,并提出了一个试题,以统计学方式定义每个标度的准确性。日志,x,除法等
回想起来,这取决于您的热情,运气,机会和技能。通常您记得的是,您曾经知道如何证明高斯定律。或Runga Cutta方法或特征值方程或非线性积分。这些都是许多人可能永远不会再使用的工具,直到遇到需要它的问题为止,然后您可能会找到一种更简单的方法,但是您了解某人之前已经做过这件事,并且向他们学习了如何以新方式解决问题。
大学不仅是解决您可能永远不会使用的问题解决工具和方程式,而且还知道如何通过诸如非线性行为的傅立叶谱等基本原理来理解您所看到和听到的事物,例如绝缘子的行为,或者欧姆定律如何应用于生命。这么多荒诞而反省的方式。
- Univ致力于学习如何自学新技术并找到看似不可能的解决方案,但是从过去开始,您就知道可能存在一种解决方案,并且必须发现如何通过协作使其发挥作用。
FWIW大约40年后,我嫁给了我的温尼伯大学教授在控制系统401的儿子的岳母(他也是T EE教授的U),他教我如何分析波特图,超调,累积综合误差平方分析和根源。现在,当我看到专业的卡车司机时,如果我在高速公路上无聊时,我会在脑海中比较此计算结果,然后与休闲的消费类汽车司机进行比较,并想象一下如今的机器人自动驾驶汽车算法如何通过PID回路以及对风险规避分析和超调进行补偿得益于针对高速视频的软件算法和其他此类令人难以置信的话题而获得的过多收益...