LC串联带初始值的时域表达式

ops/2025/3/6 11:08:20/

LC串联,在t0时刻接入直流电压 U i n U_{in} Uin
电感电流 i ( t ) i(t) i(t)和电容电压 u c ( t ) u_c(t) uc(t)的时域表达式可通过二阶微分方程求解。以下是推导过程与结果:

1. 微分方程建立

电感 L L L与电容 C C C串联,接入直流电压源 U in U_{\text{in}} Uin。根据基尔霍夫电压定律 K V L KVL KVL,有:

U in = L d i d t + u c U_{\text{in}} = L \frac{di}{dt} + u_c Uin=Ldtdi+uc

i = C d u c d t i = C \frac{du_c}{dt} i=Cdtduc

2. 化简为二阶微分方程

i = C d u c d t i = C \frac{du_c}{dt} i=Cdtduc 代入 KVL 方程,消去 i i i
U in = L d d t ( C d u c d t ) + u c U_{\text{in}} = L \frac{d}{dt}\left(C \frac{du_c}{dt}\right) + u_c Uin=Ldtd(Cdtduc)+uc

整理后得到二阶方程:
L C d 2 u c d t 2 + u c = U in LC \frac{d^2u_c}{dt^2} + u_c = U_{\text{in}} LCdt2d2uc+uc=Uin


3. 求解微分方程

齐次方程通解

齐次方程 L C u c ′ ′ + u c = 0 LC u_c'' + u_c = 0 LCuc′′+uc=0的通解为振荡形式:

u c (hom) ( t ) = A cos ⁡ ( ω t ) + B sin ⁡ ( ω t ) u_c^{\text{(hom)}}(t) = A \cos(\omega t) + B \sin(\omega t) uc(hom)(t)=Acos(ωt)+Bsin(ωt)
其中谐振角频率:
ω = 1 L C \omega = \frac{1}{\sqrt{LC}} ω=LC 1

非齐次方程特解

设特解为常数 u c (p) = U in u_c^{\text{(p)}} = U_{\text{in}} uc(p)=Uin。代入方程:
L C ⋅ 0 + U in = U in LC \cdot 0 + U_{\text{in}} = U_{\text{in}} LC0+Uin=Uin
成立,即特解有效。

通解与初始条件

电容电压的总解为:
u c ( t ) = U in ⏟ 特解 + A cos ⁡ ( ω t ) + B sin ⁡ ( ω t ) ⏟ 齐次解 u_c(t) = \underbrace{U_{\text{in}}}_{\text{特解}} + \underbrace{A \cos(\omega t) + B \sin(\omega t)}_{\text{齐次解}} uc(t)=特解 Uin+齐次解 Acos(ωt)+Bsin(ωt)

利用初始条件 u c ( 0 ) = u 0 u_c(0) = u_0 uc(0)=u0 i ( 0 ) = i 0 i(0) = i_0 i(0)=i0

  1. 代入 t = 0 t = 0 t=0
    u c ( 0 ) = U in + A = u 0 ⟹ A = u 0 − U in u_c(0) = U_{\text{in}} + A = u_0 \implies A = u_0 - U_{\text{in}} uc(0)=Uin+A=u0A=u0Uin

  2. 求导求初始电流
    d u c d t = − ω A sin ⁡ ( ω t ) + ω B cos ⁡ ( ω t ) \frac{du_c}{dt} = -\omega A \sin(\omega t) + \omega B \cos(\omega t) dtduc=ωAsin(ωt)+ωBcos(ωt)

i ( 0 ) = C ⋅ d u c d t ∣ t = 0 = C ω B = i 0 ⟹ B = i 0 C ω = i 0 L C i(0) = C \cdot \left.\frac{du_c}{dt}\right|_{t=0} = C \omega B = i_0 \implies B = \frac{i_0}{C \omega} = i_0 \sqrt{\frac{L}{C}} i(0)=Cdtduc t=0=CωB=i0B=Cωi0=i0CL


4. 最终表达式

电容电压

u c ( t ) = U in + ( u 0 − U in ) cos ⁡ ( ω t ) + i 0 L C sin ⁡ ( ω t ) u_c(t) = U_{\text{in}} + (u_0 - U_{\text{in}})\cos(\omega t) + i_0 \sqrt{\frac{L}{C}} \sin(\omega t) uc(t)=Uin+(u0Uin)cos(ωt)+i0CL sin(ωt)

电感电流

u c ( t ) u_c(t) uc(t)求导并乘以 C C C
i ( t ) = C d u c d t = − C ω ( u 0 − U in ) sin ⁡ ( ω t ) + i 0 cos ⁡ ( ω t ) i(t) = C \frac{du_c}{dt} = -C \omega (u_0 - U_{\text{in}})\sin(\omega t) + i_0 \cos(\omega t) i(t)=Cdtduc=Cω(u0Uin)sin(ωt)+i0cos(ωt)

ω = 1 L C \omega = \frac{1}{\sqrt{LC}} ω=LC 1代入后化简:
i ( t ) = − u 0 − U in L C sin ⁡ ( ω t ) + i 0 cos ⁡ ( ω t ) i(t) = -\frac{u_0 - U_{\text{in}}}{\sqrt{\frac{L}{C}}} \sin(\omega t) + i_0 \cos(\omega t) i(t)=CL u0Uinsin(ωt)+i0cos(ωt)


http://www.ppmy.cn/ops/163583.html

相关文章

【SegRNN 源码理解】self.revIN可逆实例标准化

if self.revin: #self.revin 1 (休止符)x self.revinLayer(x, norm).permute(0, 2, 1) # b,s,c -> b,c,s # goto 也是一种标准化 是什么两次标准化分布偏移实例归一化 实例归一化 分布偏移 计算方法 # 归一化步骤 x (x - mean) / std # 消…

网络安全rt是什么意思

1.什么时EDR :完全不同以往的端点被防护思路,而是通过云端威胁情报,机器学习,异常行为分析,攻击指示器等方式,主动发现来自外部或内部的安全威胁 。并进行自动化的阻止,取证,补救和溯源从而有效…

基于javaweb的SSM+Maven高考志愿智能资讯系统设计和实现(源码+文档+部署讲解)

技术范围:SpringBoot、Vue、SSM、HLMT、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、小程序、安卓app、大数据、物联网、机器学习等设计与开发。 主要内容:免费功能设计、开题报告、任务书、中期检查PPT、系统功能实现、代码编写、论文编写和辅导、论…

基于微信小程序的心理健康恢复系统+LW示例参考

系列文章目录 1.基于SSM的洗衣房管理系统原生微信小程序LW参考示例 2.基于SpringBoot的宠物摄影网站管理系统LW参考示例 3.基于SpringBootVue的企业人事管理系统LW参考示例 4.基于SSM的高校实验室管理系统LW参考示例 5.基于SpringBoot的二手数码回收系统原生微信小程序LW参考示…

Ubuntu20.04双系统安装及软件安装(五):VSCode

Ubuntu20.04双系统安装及软件安装(五):VSCode 打开VScode官网,点击中间左侧的deb文件下载: 系统会弹出下载框,确定即可。 在文件夹的**“下载”目录**,可看到下载的安装包,在该目录下…

第六节:基于Winform框架的串口助手小项目---收发数据《C#编程》

1.目标:实现数据的收发 2.代码演示 根据控件编程 (1)接收配置 自动清空 private void autoclear_chb_CheckedChanged(object sender, EventArgs e) {if (autoclear_chb.Checked){timer1.Start();}else{timer1.Stop();} } 手动清空 privat…

【每日学点HarmonyOS Next知识】web网络拦截、对话框、网页重定向、数据作用域、多线程

【每日学点HarmonyOS Next知识】web网络拦截、对话框、网页重定向、数据作用域、多线程 1、HarmonyOS 在web网络拦截情况下,在网络失败情况下,web组件的onErrorReceive和onHttpErrorReceive均未回调? 在网络拦截情况下,在网络失…

【AI深度学习基础】Pandas完全指南终极篇:构建企业级数据工程与AI应用 (含完整代码)

📚 Pandas 系列文章导航 入门篇 🌱进阶篇 🚀终极篇 🌌 🌌 前言 通过前两篇的学习,我们已掌握 Pandas 的核心操作与高阶技巧。本篇将突破工具边界,探索 生产级数据工程架构设计、亿级数据处理方…