再次复习总结EMC中的差模、共模产生及其测试频段

品质因数Q是衡量储能器件效率的关键参数,Q值高意味着损耗小。电容Qc值与寄生电阻(ESR)有关,聚丙烯电容在高频下性能更稳定。在EMC测试中,针对不同频率段的差模和共模干扰,需选用合适的滤波电容和电感,如加大差模滤波电容Cd值,或在高频段使用Y1,Y2电容与电感L组合过滤共模干扰。

品质因数Q:表征一个储能器件(如电感线圈、电容等)、谐振电路所储能量同每周损耗能量之比的一种质量指标。

Q=2πfL/R=ωL/R=1/ωCRc;
Q值越高,损耗越小,效率越高。谐振器的频率稳定度就越高。调谐回路中的电感线圈,Q值要求较高,因为Q值越高,回路的损耗就越小.

电容Qc值:电容的电抗除以寄生电阻(ESR)=(1/ωC)/ESR,随频率的变化而变化。

D:Q的倒数。1/Q=R/|X|,损失角即D值,电解电容器因为内阻较大故D值较高.
当引线电感与实际电容器的电容谐振,这将会产生一个串联谐振,产生一个很小的串联阻抗,所以非常适合在射频电路的耦合和去耦电路中应用。当电路的工作频率高于串联谐振频率时,该电容器将表现为电感性而不是电容性。
电容:
CD:有极性铝电解电容。
CB:聚丙烯电容器。
当频率在20~60kHz时,用聚丙烯电容器比铝电解电容器更稳定,聚丙烯电容在高频状态,它的有效电容量随着频率的升高几乎保持恒定,电解电容器用于开关电源频率时有效电容量随着频率的升高而急剧下降。


EMC测试中电磁骚扰
低频段9—150 kHZ
差模干扰为主,加大差模滤波电容Cd值(增大X电容)或在相线或中线中串接一个差模电感。随着频率的增加,共模干扰的影响会愈来愈严重。
中频段150 kHZ—2.0MHZ
同时存在差模干扰与共模干扰,不过以共模干扰为主,未接Y1,Y2电容到大地(一定要是低阻通路)。
2.0—30MHZ高频段
起影响的主要是共模干扰,差模干扰影响很小;一定要从改善共模滤波器的滤波效果来想办法。
整改措施:在接Y1,Y2电容后再串入电感L,到大地;L值:在高频段,L的感抗要足够大。

 

 

 

### EMC干扰与共模干扰的区别与联系 #### 一、基本概念 干扰和共模干扰是电磁兼容性(EMC)领域的重要概念。干扰是指存在于信号线与其回路线之间的干扰,其电流方向相反且大小通常相等[^1]。而共模干扰则是指存在于信号线与地之间或者回路线与地之间的干扰,其电流方向相同且可能不完全相等[^2]。 #### 二、主要特点 - **干扰的特点** 干扰的电流会在信号线及其回路间流动,并形成一个小环天线结构,从而能够向外辐射磁场或接收外部磁场的影响[^3]。由于干扰直接影响到有用的信号质量,因此它对电路性能的危害较大。 - **共模干扰的特点** 共模干扰虽然本身不会直接损害设备的功能,但如果电路存在不平衡现象,则可能导致部分共模干扰转化为干扰,进而严重影响系统的正常运行[^4]。 #### 三、解决方法 针对这两种不同类型的干扰,可以采取相应的措施来降低它们带来的负面影响: - **对于干扰** 使用电感是一种有效的手段。电感由两个匝数相同并按一定方式缠绕的线圈构成,在面对电流时呈现较高的阻抗,而对于共模电流则几乎无阻碍作用,这样就可以有效滤除掉成分[^4]。另外,合理设计PCB布局也有助于减少干扰的发生几率。 - **对于共模干扰** 应用共模扼流圈(Common Mode Choke),即通过让两条导线上产生的磁通相互抵消的方式来阻止共模电流传播;同时还可以采用屏蔽技术防止外界环境因素引发额外的共模噪音侵入系统内部[^1]。此外,使用双绞线传输数据也是抑制共模干扰的好办法之一,因为它可以使两根导体所受外部干扰大致相当,从而达到削弱甚至消除这些干扰的效果。 #### 四、两者间的联系 尽管干扰和共模干扰各自具有独特的性质及处理策略,但它们并非孤立存在的实体——当实际工程场景下的线路出现不对称状况时,原本属于共模类别的扰动可能会转变成为更具破坏力的形式—形式展现出来。这表明了保持整个布线体系平衡的重要性,只有这样才能最大限度地避免此类转换过程发生,保障整体通信链路稳定可靠运作。 ```python # 示例代码展示如何实现简单的低通滤波器用于去除高频噪声 import numpy as np from scipy.signal import butter, lfilter def create_low_pass_filter(cutoff_frequency, sampling_rate, order=5): nyquist = 0.5 * sampling_rate normal_cutoff = cutoff_frequency / nyquist b, a = butter(order, normal_cutoff, btype='low', analog=False) return b, a def apply_filter(data, b, a): y = lfilter(b, a, data) return y sampling_rate = 1000 # 假设采样率为1kHz cutoff_frequency = 100 # 截止频率设置为100Hz b, a = create_low_pass_filter(cutoff_frequency, sampling_rate) input_signal = np.random.rand(1000) # 随机生成输入信号作为例子 filtered_signal = apply_filter(input_signal, b, a) # 过滤后的信号 ```
评论 4
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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