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

示波器的调节与使用

把格数换成物理量,把闭合轨迹换成频率比。

从正弦、三角和方波的屏幕读格计算幅度、有效值与周期,再用李萨如图形比较频率。相同峰峰值的不同波形具有不同有效值,频率比和相位也会共同改变轨迹形状。

读实验报告 · 浏览器交互 · Python 笔记本 · Wolfram 笔记本

示波器的调节与使用:记录、计算与物理探索

图 1 读取电压时间格数 → 换算有效值与周期 → 观察李萨如频率比

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

三种波形均记录电压档 0.2 V/div、峰峰高度 5 div、时间档 0.2 ms/div、周期长度 5 div。李萨如记录使用五种标准频率,与约 1000 Hz 的待测信号比较。

对称、无直流分量、方波占空比 50% 的理想波形,其有效值分别为 $U_p/\sqrt2$、$U_p/\sqrt3$ 与 $U_p$。李萨如频率换算采用报告所定义的交点计数方向。

$$ U_{pp}=k_Vy,\qquad T=k_tx,\qquad f=1/T,\qquad f_y=f_x\frac{N_x}{N_y}. $$

表 1 关键计算结果

计算量 数值 单位
正弦波读格换算有效值 $0.353553$ V
三角波读格换算有效值 $0.288675$ V
方波读格换算有效值 $0.5$ V
五组李萨如计数频率均值 $1000$ Hz

三种波形的峰峰值同为 1 V,几何有效值却不同。正弦毫伏表读数 0.507 V 与读格换算值的偏差约为 43.4%,可结合测量档位、读格与仪表响应阅读原记录。

时间波形与 X–Y 轨迹的两种视角

峰值 0.5 V、频率 1000 Hz 的理想正弦波模型

图 2 峰值 0.5 V、频率 1000 Hz 的理想正弦波模型

相同峰值与频率的理想三角波模型 频率比 fy:fx=1000:500、相位 π/4 的理想李萨如轨迹
图 3
相同峰值与频率的理想三角波模型
图 4
频率比 fy:fx=1000:500、相位 π/4 的理想李萨如轨迹

时间波形将横轴解释为毫秒;李萨如图将两轴解释为归一化电压。这里的曲线由相应理想方程生成,读格与交点计数保存在原记录表。

在 Notebook 中探索

操作 参数与范围 观察什么
切换波形 在正弦、三角和方波之间选择 比较相同峰峰值下的形状与有效值关系
改变标准频率和相位 标准频率 250–2000 Hz 五档,相位 $0,\pi/4,\pi/2$ 观察闭合轨迹、交点数和特殊相位的退化形状

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. 先由电压档和格数复算峰峰值、峰值,再使用各波形对应的有效值系数。
  2. 从时间档复算周期,比较周期法和李萨如计数法得到的频率。
  3. 切换频率比与相位,观察哪些轨迹适合使用一般交点计数。

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/oscilloscope/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/OscilloscopeLab/dist/OscilloscopeLab-0.1.0.paclet"];
Needs["OscilloscopeLab`"];
OscilloscopeLab`OpenNotebook[]

数据与计算实现

内容 入口
规范观测数据 lissajous.csv · waveforms.csv
单位、参数与模型条件 experiment.json
Python 计算模块 oscilloscope.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