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

光敏传感器光电特性研究

从微小取样压降出发,把光电响应和负载回路一起检查。

改变灯杆位置与负载,记录硅光电池端电压及取样电阻压降。由取样电压换算电流,比较共同负载的位置响应,并借助归一化单二极管模型探索光电池曲线形状。

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

光敏传感器光电特性研究:记录、计算与物理探索

图 1 记录负载取样压降 → 换算电流检查回路 → 探索光电池模型形状

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

四个灯杆刻度为 0、3、6、9 cm,每个位置记录十四种负载,共五十六组读数。取样电阻 $R_1=10\ \Omega$,灯杆 0 cm 对应实际距离约 2 cm。

回路差采用原接线图中的串联负载关系,并忽略电压表加载。理想单二极管模型定义 $v=V/V_{oc}$、$a=qV_{oc}/(nk_BT)$,以无量纲参数比较形状。

$$ I=\frac{U_{R1}}{R_1},\qquad \Delta U=U_o-I(R_n+R_1),\qquad \frac I{I_{ph}}=1-\frac{\exp(av)-1}{\exp(a)-1}. $$

表 1 关键计算结果

计算量 数值 单位
近位置最大记录负载电流 $0.23$ mA
3 cm 刻度最大记录负载电流 $0.08$ mA
近位置回路相对差最大值 $70.378788$ %

共同 1 kΩ 负载下,四个位置电流分别为 0.22、0.08、0.05、0.05 mA。端电压与图示串联回路预测存在明显差异,分析从负载电流和回路一致性展开;器件端点参数需要对应的开路、短路测量。

把负载响应与回路诊断放在同一视野

共同 1 kΩ 标记负载下的取样换算电流与灯杆刻度

图 2 共同 1 kΩ 标记负载下的取样换算电流与灯杆刻度

近位置十四个负载的端电压记录减串联回路预测 a=10 的理想单二极管归一化电流–电压模型
图 3
近位置十四个负载的端电压记录减串联回路预测
图 4
a=10 的理想单二极管归一化电流–电压模型

第一幅比较同负载读数,第二幅定位原记录的回路差,第三幅解释理想模型形状。灯杆刻度用于区分位置条件,照度关系需由照度测量建立。

在 Notebook 中探索

操作 参数与范围 观察什么
切换灯杆位置 在 0、3、6、9 cm 记录之间选择 同时比较端电压–电流记录和负载回路差
改变理想模型参数 选择 $a=5,10,15$ 观察归一化曲线弯曲程度与开路端附近的变化

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 10 Ω 取样电阻复算一组电流,注意 mV 与 mA 的对应。
  2. 在不同灯杆位置之间切换,联合查看原记录和回路电压差。
  3. 转到理想模型,用无量纲参数比较曲线形状,再阅读实测条件。

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/photosensor/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/PhotosensorLab/dist/PhotosensorLab-0.1.0.paclet"];
Needs["PhotosensorLab`"];
PhotosensorLab`OpenNotebook[]

数据与计算实现

内容 入口
规范观测数据 measurements.csv
单位、参数与模型条件 experiment.json
Python 计算模块 photosensor.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