23389

ПОВЕРКА ЭЛЕКРОННОГО АВТОМАТЧЕСКОГО ПОТЕНЦИОМЕТРА КАЛИБРАТОРОМ ИКСУ-2000

Лабораторная работа

Коммуникация, связь, радиоэлектроника и цифровые приборы

Уравнение равновесия компенсационной схемы: Ext=RбmRпрIввRмIнв Rпр=RRшRп RRшRп; m доля приведенного сопротивления; Iвв ток верхней ветви; Iнв ток нижней ветви; Схема работы ИКСУ2000 В режиме измерений: ЭКРАН Микропроцессорный модуль Цифровая величина Аналоговая величина АЦП ПЭВМ В режиме воспроизведения: Выходные клеммы клавиатура Аналоговая величина АЦП Цифровая величина Микропроцессорный модуль ПЭВМ.

Русский

2013-08-05

68.86 KB

6 чел.

ПОВЕРКА ЭЛЕКРОННОГО АВТОМАТЧЕСКОГО ПОТЕНЦИОМЕТРА КАЛИБРАТОРОМ ИКСУ-2000

Цель работы: исследовать работу калибратора-измерителя унифицированных сигналов ИКСУ-2000 при проведении проверки автоматического потенциометра и оценки его пригодности к работе.

Приборы и оборудование: Автоматический электронный потенциометр; калибратор измеритель ИКСУ-2000, соединительные провода.

           Показания                   Показания                 Абсолютная           Относительная             Приведенная

          образцового               проверяемого             погрешность            погрешность                погрешность

         прибора(Со) оС          прибора(Си) оС                 Δ оС                     δ %                        δpr %

0

-0,5

0,5

0,25

40

38

2

5

1

80

78

2

2,5

1

120

118,5

1,5

1,25

0,75

160

159

1

0,625

0,5

200

199,5

0,5

0,25

0,25

160

159,5

0,5

0,3125

0,25

120

119

1

0,833333

0,5

80

78,5

1,5

1,875

0,75

40

39

1

2,5

0,5

0

-0,5

0,5

0,25

Δ=Cо-Сп                       δ= Δ/Со*100%                               δpr= Δ/200*100%

K=0,5;  δprmax=1

Прибор не удовлетворяет классу точности.

Δ=f(Co)

δ=f(Co)

δpr=f(Co)

ПРИНЦИПИАЛЬНАЯ СХЕМА.

Уравнение равновесия компенсационной схемы:

Ex(t)=(Rб+m*Rпр)*Iвв–Rм*Iнв                                   Rпр=(R*Rш*Rп)/(R+Rш+Rп);

m – доля приведенного сопротивления; Iвв – ток верхней ветви; Iнв – ток нижней ветви;

Схема работы ИКСУ-2000

В режиме измерений:

ЭКРАН

Микропроцес-сорный модуль

Цифровая величина

Аналоговая величина

АЦП

ПЭВМ

В режиме воспроизведения:

Выходные клеммы

клавиатура

Аналоговая величина

АЦП

Цифровая величина

Микропро-цессорный модуль

ПЭВМ


 

А также другие работы, которые могут Вас заинтересовать

49068. Выбор смысле схемы развития районной электрической сети при соблюдении заданных требований к надежности схемы 608.5 KB
  Точными или прямыми методами называются такие, которые в предположении, что все вычисления ведутся точно (без округлений) позволяют получить точные значения неизвестных в результате конечного числа операций. Практически все вычисления ведутся с округлениями, поэтому и значения неизвестных, полученных точным методом, будут содержать погрешности. Точными методами являются метод Гаусса и решение линейных уравнений установившегося режима с помощью обратной матрицы.
49069. Написать программу, описывающую структуру MARSH 375 KB
  Ввод с клавиатуры данных в массив, состоящий из восьми элементов типа MARSH; записи должны быть упорядочены по номерам маршрутов. Вывод на экран информации о маршруте, номер которого введен с клавиатуры...
49070. Система кадрового делопроизводства на железнодорожной станции Вихоревка 1.45 MB
  Исследовать теоретические основы системы кадрового делопроизводства и определить её место в системе управления персоналом; исследовать методику оценки состояния системы кадрового делопроизводства и её совершенствования; провести анализ системы кадрового делопроизводства железнодорожной станции Вихоревка и дать оценку её состояния...
49072. Использование нейронных сетей при прогнозе стоимости подержанных автомобилей 553 KB
  Нейронные сети неожиданно открыли возможности использования вычислений в сферах до этого относящихся лишь к области человеческого интеллекта возможности создания машин способность которых учиться и запоминать удивительным образом напоминает мыслительные процессы человека [9]. Своей популярностью искусственные нейронные сети ИНС обязаны уникальному свойству заложенных в них идей: они способны обучаться на множестве примеров впоследствии узнавая в потоке информации черты ранее встреченных образов и ситуаций. По своей природе...
49073. Использование аппарата нейронных сетей для оценки риска банкротства предприятия 238 KB
  Нейронные сети и их преимущества для решения задачи оценки рисков Пример разработки модели нейронной сети для анализа риска наступления банкротства предприятия Модель нейронной сети для предсказания финансовой несостоятельности организации. Нейронные сети и их преимущества для решения задачи оценки рисков На практике при анализе рисков часто встречаются задачи связанные с наблюдением случайных величин. При этом сама зависимость будет выведена...
49074. Применение нейронных сетей для принятия решений 288.5 KB
  Существует множество областей применения искусственного интеллекта: принятие решений доказательства теорем игры творчество распознавание образов обработка данных на естественном языке обучающиеся сети нейросети и т. Мой выбор обусловлен стремлением узнать эффективно ли использовать нейросети при принятии решений об освобождении от оплаты за обучение учащихся детских школ искусств. Цель данной курсовой работы заключается в том чтобы показать...
49075. Крупные детали (коленчатые валы, муфты, промежуточные валы и др. детали должны иметь повышенную твёрдость 260-300 НВ) 242 KB
  Конструкционные стали Улучшаемые стали. Конструкционные стали применяемые для изготовления валов Термическая обработка сталей. Выбор термической обработки стали марки 40ХНМА.
49076. Расчет термической обработки стали марки 5ХНМ 275.5 KB
  Если обрабатывается мягкий материал (дерево, пластмассы, цветные металлы) или при обработке стали и чугуна применяются малые скорости резания и стружка имеет малое сечение, то в единицу времени на процесс резания затрачивается мало энергии. Если обработка происходит при больших скоростях резания, обрабатываются твердые металлы и стружка имеет большое сечение