万用电表的使用
从一根指针和一串数字,认识量程、分辨率与欧姆刻度。
用数字式与指针式万用表测量五组电压、五个电阻,比较读数与标称值。再把欧姆档写成无量纲电路模型,理解为什么同一刻度盘不同位置的读数难度不同。
读实验报告 · 浏览器交互 · Python 笔记本 · Wolfram 笔记本
图 1 选择量程读取示值 → 比较相对标称偏差 → 理解欧姆刻度疏密
选择你的入口
| 用途 | 入口 | 打开方式 |
|---|---|---|
| 阅读原理、记录与结论 | Markdown 实验报告 · 排版阅读版 | GitHub、Markdown 阅读器或本地浏览器 |
| 改变参数、查看曲线响应 | HTML 交互阅读版 | 直接在线打开,也可下载到本机 |
| 运行 Python 计算与探索 | Jupyter Notebook | JupyterLab 或 VS Code |
| 运行原生数学排版与交互计算 | Wolfram Notebook · Paclet 安装包 | Wolfram 前端 |
| 对照源实验记录 | 源报告 PDF | GitHub 或 PDF 阅读器 |
从记录到计算
数据包括五个电阻(3 Ω 至 20 kΩ)和照明电路、四种电池的电压读数。每种对象各保留两台表的量程与示值;下表选择两类有代表性的标称比较。
欧姆档采用内置电池、串联总内阻与待测电阻的理想模型。$R_x=R_{\mathrm{int}}$ 时指针半偏;标称值是读数比较的参照,仪表误差评价则需要校准标准。
$$ \frac{I_x}{I_0}=\frac{1}{1+R_x/R_{\mathrm{int}}},\qquad D=\left|\frac{x_{\mathrm{read}}-x_{\mathrm{nom}}}{x_{\mathrm{nom}}}\right|\times100\%. $$
表 1 关键计算结果
| 计算量 | 数值 | 单位 |
|---|---|---|
| 3 Ω 电阻:数字表标称偏差 | $26.6667$ | % |
| 47 Ω 电阻:数字表标称偏差 | $0.851064$ | % |
| 七号电池:数字表标称偏差 | $74.2$ | % |
低阻读数对表笔、导线和接触更敏感;七号电池的端电压读数为数字表 0.387 V、指针表 0.25 V。将这些现象与量程、实际负载和电池状态联系起来阅读。
把标称比较与刻度模型放在一起

图 2 五个电阻的数字表读数相对标称偏差绝对值
![]() |
![]() |
| 图 3 同五个电阻的指针表读数相对标称偏差绝对值 |
图 4 理想串联欧姆表的归一化刻度曲线 |
电阻编号依次对应 3、47、200、2000、20000 Ω。前两幅展示观测读数的标称比较,第三幅是电路方程计算的刻度模型;将曲线斜率与指针位置对应,可理解中段读数的优势。
在 Notebook 中探索
| 操作 | 参数与范围 | 观察什么 |
|---|---|---|
| 移动欧姆刻度滑块 | 选择电阻比 $R_x/R_{\mathrm{int}}=0.1,0.5,1,2,5,10,20$ | 观察标记点的归一化偏转与局部刻度疏密 |
HTML 阅读版 包含上述控件;Jupyter 与 Wolfram Notebook 沿报告章节展开公式、数据处理和模型计算。
建议按以下顺序阅读:
- 先从报告中的量程表读出各对象的示值,再比较两类万用表。
- 在欧姆模型中选择电阻比 1 与 10,比较半偏位置和靠近零电流处的刻度。
- 在 Notebook 中查看一分度半宽条件下的 B 类估计,结合读数界限的定义理解其数值。
在本机打开
环境安装与字体设置见使用指南。在仓库根目录启动本实验:
.\.venv\Scripts\python.exe -m jupyterlab experiments/course-03/multimeter/notebooks/analysis.ipynb
安装 Paclet 后,通过包入口打开 Wolfram Notebook。将安装路径改为本机仓库所在位置:
PacletInstall["D:/general-physics-lab/notebook/paclets/MultimeterLab/dist/MultimeterLab-0.1.0.paclet"];
Needs["MultimeterLab`"];
MultimeterLab`OpenNotebook[]
数据与计算实现
| 内容 | 入口 |
|---|---|
| 规范观测数据 | resistance.csv · voltage.csv |
| 单位、参数与模型条件 | experiment.json |
| Python 计算模块 | multimeter.py |
| Wolfram 计算实现 | analysis.wl |
| 计算结果与数表 | python.json |
| 数据来源与整理记录 | provenance.json |

