普通物理实验 3 · 项目首页 · 使用指南

在线虚拟实验 · 模型依据与参数来源

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

万用电表的使用:记录、计算与物理探索

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

五个电阻的数字表读数相对标称偏差绝对值

图 2 五个电阻的数字表读数相对标称偏差绝对值

同五个电阻的指针表读数相对标称偏差绝对值 理想串联欧姆表的归一化刻度曲线
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:

  1. 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。
  2. 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。
  3. 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

返回课程目录 · 浏览全部实验