工频电磁波对电子管的干扰

news2024/10/6 14:33:10

电磁干扰(EMI)是玩电子管绕不开的话题,特别是一些电磁环境恶劣的位置,对电子管的干扰是不可忽视的。

前段时间完成1AE4电子管混合放大耳放之后,发现有持续的嗡声,在四周安静的时候能够清晰的听到噪音,这种噪音还是很影响听感,于是,准备找到这种噪音的来源。由于是第一次使用gyrator方案制作耳放线路,因此,最初的思路全部放在了线路的设计上,当时分析了几个噪音的来源,把注意力放在了主电源、灯丝驱动、接地方案、gyrator线路设计等这几个地方。

整个线路只保留主电源,灯丝驱动,放大部分,去掉了输出牛这些暂时用不到的部分。

我先后测试了主电源,灯丝驱动这几个部分,发现了一些设计的bug,主电源输出时是没有任何波纹的,用毫伏表测试,噪音波纹大概在100uVrms的程度,但是经过线路传输到放大器板子之后,由于电子管的板子没有设置退耦电容,因此,这个位置产生了一些感应噪音,大约20mVpp的样子。另外灯丝板子也发现了同样的问题,放大器板子的接地方案本身没有问题,在放大器板子上分别接上主电源和灯丝电源的退耦电容,这些小噪音都消失了,示波器显示这些位置的波纹都非常的小了。

然后我用示波器检测了电子管屏极和阴极之间的波纹,发现有高达64mVpp的工频波纹,这让我非常惊讶,这个噪音波纹其实是非常高了。我把思路放在了gyrator的走线上。毫无疑问,干扰来自于空间的工频电磁波(50HZ),因为整流之后,如果有噪音波纹,应该是100HZ的波纹,我猜测是空间的波纹产生的感应电动势影响到了mos的栅极,而栅极上过长的布线会形成更高的感应电动势,于是,我再次设计了放大器的pcb板,增加了主电源和灯丝的退耦电容,优化了线路的单点接地,背面大面积的覆铜做电磁屏蔽。gyrator全部采用贴片件,布局集中在3*2厘米的范围内,并增加了一个屏蔽罩,极大的减小了gyrator布线的尺寸,并尽可能靠近电子管的屏极(小于1cm),做了这些优化措施之后,这一版有了明显的提升,电子管屏阴之间的噪音降低到了24-26mVpp的样子。但这个并没有达到我最理想的程度。

线路上的优化基本做到了极致,外界的电磁环境是我无法改变的事实,因此只能想办法从电磁屏蔽上进一步减小噪音。电子管本身就是一个天线,我猜想是电子管本身的感应形成了余下的噪音,我给放大器板子做了一个铁表面,并且找了一个壁厚5mm的铁管子,刚好可以把电子管包裹在内。准备好一切之后,我再次测量了屏阴之间的噪音,这些屏蔽措施有一些作用,噪音降低到了22-24mVpp,降低并不多,因为减少的干扰主要是高频电磁波,可以看到示波器上波形的毛刺减少了,但是50HZ的工频干扰依然存在。。。

上面示波器的图形可以明显的看到加铁管屏蔽之后的波形变化,毛刺明显的减少,也就是说,屏蔽生效了,但是对低频干扰依然无能为力。这促使我思考干扰的来源和形成的原因。于是我准备做一个另外的实验。我先把电子管卸下来,然后换了一个20k的电阻上去代替电子管,用示波器查看电阻两端的波纹,上电之后,发现电阻两端没有明显的噪音,波纹在5mVpp以内。能观察到明显的EMI干扰,这属于正常范畴,也说明了噪音肯定和电子管有关。但无法肯定是gyrator和电子管共同作用产生了噪音还是电子管单独产生的噪音,于是我又将gyrator的mos取下,切断了gyrator的线路,并接了一个33k的电阻作为负载电阻代替gyrator,再次上电测量,这次发现电子管屏阴之间的波纹高达32mVpp。

这下就确定了波纹的来源,可以确认是电子管感应空间电磁波形成了噪音。而且还确定了gyrator对噪音本身的抑制作用。gyrator属于串叠推挽结构,推挽可以明显的减少偶次谐波。示波器做傅里叶变换分析波纹来源也证明了这点,谐波分量最高的是50hz,其次是150hz和250hz。100hz和200hz的分量基本看不到。

于是我开始思考低频电磁波是如何影响电子管的,毫无疑问,电子管内部主要受电磁波影响的是电子和离子,而且起作用的应该是低频磁场,低频磁场穿透力非常强,我之前的屏蔽措施对其毫无作用。当电子或离子受到电磁波影响之后,会被磁场扭转方向,从而导致电子的运动路径(灯丝和空间)发生变化,从而导致到达屏极的电子的时间分布发生变化,最终形成了有节律的波纹,其中电子应该是形成噪音最大的来源,还有一个来源是被磁场影响的阳离子撞击栅极形成的栅流,经过栅地电阻之后,产生微小的压降,再被电子管放大形成的噪音。

我将栅地电阻从100k降低到10k,因为现在DAC的大部分输出阻抗都低于600欧姆,10K可以保证足够的阻抗,换了栅地电阻之后再次测量显示,噪音波纹降低了2mVpp,大概在20mVpp上下浮动。剩下的,就是我无法解决的电子造成的噪音了。

其实到此为止,对电子管受低频磁场影响的定性分析已经完成,剩下的噪音只能通过改变设计来想办法消除,比如用两根电子管做差分放大,把两根电子管上的噪音变成共模干扰,再通过差分线路来消除,或则通过推挽放大线路,用输出变压器来消除共模信号。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1136573.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

数字化时代,企业如何实现精细化管理来提高自身驱动力

作为“世界工厂”的中国,制造业一直是优势产业。制造业是现代国民经济和综合国力的重要支柱,其制造业的生产总值一般占一个国家国内生产总值的20%~55%。2022年,中国制造业增加值占 GDP 比重达到 27.69%,规模达到 4.35万…

jenkins、ant、selenium、testng搭建自动化测试框架

如果在你的理解中自动化测试就是在eclipse里面讲webdriver的包引入,然后写一些测试脚本,这就是你所说的自动化测试,其实这个还不能算是真正的自动化测试,你见过每次需要运行的时候还需要打开eclipse然后去选择运行文件吗&#xff…

Qt布局 day11

Qt布局 day11 布局基本流程 布局管理器,可以管理widget,让他帮忙管理 1.创建好我们想要布局的widgets2.我们创建QBoxLayout对象将其小部件添加到布局中3.我们调用QWidget::setLayout()将QBoxLayout对象安装到小部件上4.布局中国的小部件将重新设置父类…

02 功能模块与技术选型

本专栏将从基础开始,循序渐进,以实战为线索,逐步深入SpringSecurity相关知识相关知识,打造完整的SpringSecurity学习步骤,提升工程化编码能力和思维能力,写出高质量代码。希望大家都能够从中有所收获&#…

PMP考试都是什么题型?

这里要讲一些关于新考纲的知识点,这些内容都会在考试中出现。为了快速作答,我们要抓住主要的点,优先回答自信的题目。 1、不需要全都答对180道题。 按照二八法则,只要能答对80%的题目,容错率大约是20%(约…

亚马逊卖家必备:自养号测评如何帮助新店铺脱颖而出?

亚马逊是全球最大的电商平台之一,成为亚马逊新店铺的卖家是许多商家的梦想。然而,在一个庞大的市场中脱颖而出并吸引客户并不容易。所以,如何在亚马逊上成功推广新店铺呢?让我们来探讨一下,有哪些技巧可以帮助您实现这个目标。 …

UE5 C++自定义Http节点获得Header数据

一、新建C文件 选择All Classes,选择父类BlueprintFunctionLibrary,命名为SendHttpRequest。 添加Http支持 代理回调的参数使用DECLARE_DYNAMIC_DELEGATE_TwoParam定义,第一参数是代理类型,后面是参数1类型,参数1&…

2-Java进阶知识总结-2-递归-异常-流-File

文章目录 Java SE进阶知识总结-2Objects、Math、System、BigDecimalObjectsMathSystemBigDecimal 包装类基本数据类型对应的包装类自动拆箱和自动装箱包装类常见问题 时间类JDK8(-)JDK8()日历类(获取当前时间&#xff…

7年阿里测试经验之谈 —— 用UI自动化测试实现元素定位!

随着IT行业的发展,产品愈渐复杂,web端业务及流程更加繁琐,目前UI测试仅是针对单一页面,操作量大。为了满足多页面功能及流程的需求及节省工时,设计了这款UI 自动化测试程序。旨在提供接口,集成到蜗牛自动化…

BUUCTF 文件中的秘密 1

BUUCTF:https://buuoj.cn/challenges 题目描述: 小明经常喜欢在文件中藏一些秘密。时间久了便忘记了,你能帮小明找到该文件中的秘密吗? 密文: 下载附件,解压得到JPEG图片。 解题思路: 1、根据题目提示…

预训练+微调 逆合成预测

【JCIM 2020】数据增强预训练基于模板 Template methods Figure 1. 预训练微调 workflow 首先,通过增强的反应数据(真实存在的数据计算机生成的反应数据)进行Pretrain Encoder A, 2、只使用真实反应数据对Pretrain Encoder A 进…

最小生成树专题1 最小生成树-Prim算法

题目: 样例1: 输入 4 5 0 1 3 0 2 2 0 3 3 2 3 1 1 2 1 输出 4 样例2: 输入 3 1 0 1 1 输出 -1 思路: Prim 算法和 朴素版的 Dijkstra 有点类似,也叫做 朴素版Prim算法,但也还是有点区别。 Dijkstra 中…

​CRM系统如何选型?

不少企业都想要使用CRM客户管理系统,但往往在CRM选型阶段就被折腾的五迷三道。CRM系统选型难在哪里?下面我们从企业用户和CRM厂商两方面进行分析,来说说关于CRM系统选型的那些事。 企业自身原因: 1、认知偏差 看到一个观点&…

GNN图神经网络入门

1.为什么会提出图神经网络? 答:为了处理图Graph这种特殊的数据结构。 2.为什么要与神经网络搭上关系? 答:利用神经网络能够拟合任意函数的能力(或者理解为强大的为特征变换能力)。 3.图神经网络的最终目的是…

Ajax、Json深入浅出,及原生Ajax及简化版Ajax

Ajax 1.路径介绍 1.1 JavaWeb中的路径 在JavaWeb中,路径分为相对路径和绝对路径两种: 相对路径: ./ 表示当前目录(可省略) ../ 表示当前文件所在目录的上一级目录 绝对路径: http://ip:port/工程名/资源路径 2.2 在JavaWeb中…

EG网关串口连接台达PLC

EG网关串口连接台达PLC 前言:台达PLC是一款国产优秀的可编程控制器,广泛应于工业控制领域,是一款性能高,运行稳定的控制器。此次我们要把台达DVP-ES系列PLC通过modbus驱动连接到EMCP物联网云平台(简称EMCP)…

一些额外且好用的 icon 图库

一些额外且好用的 icon 图库 之前偶然逛到 最佳 Icon 图标库推荐,收藏等于学会,这个真的挺好用的,不过这里的 icon 都是和 React 组件绑定了,额外补充一些不和框架绑定的图库 font awesome 这个应该用的人满多的,算…

基于springboot实现时间管理系统项目【项目源码+论文说明】

基于springboot实现时间管理系统演示 摘要 在Internet高速发展的今天,我们生活的各个领域都涉及到计算机的应用,其中包括时间管理系统的网络应用,在外国时间管理系统已经是很普遍的方式,不过国内的管理系统可能还处于起步阶段。时…

KNN 和 SVM 图片分类 任务 代码及细节分享

使用KNN (K-最近邻) 方法进行图像分类也是一个常见的选择。以下是 使用sklearn的KNeighborsClassifier进行图像分类的Python脚本: import os import cv2 import numpy as np import logging from sklearn.neighbors import KNeighborsClassifier from sklearn.met…

jdbc 中 Statement 不能避免注入式漏洞(SQL注入漏洞)

注入式漏洞 也称为 SQL注入漏洞,是一种常见的应用程序安全漏洞。当应用程序将用户输入的数据直接 拼接 到SQL查询语句中,而未对输入进行有效的过滤和转义时,攻击者可通过构造恶意的输入来执行非法的SQL语句,从而实现对应用程序的攻…