熔断器熔断时间标准_一种熔断器熔断时间测试电路的制作方法

本实用新型涉及汽车制造技术领域,尤其涉及一种熔断器熔断时间测试电路。

背景技术:

伴随着日新月异的科技进步,人们对生活质量的追求也越来越高,汽车已经成为人们日常出行必不可少的交通工具,人们对汽车的舒适性、安全性要求也越来越挑剔。

随着人们对车辆性能要求的不断提高,对车载电器元件的性能要求也越来越高,车辆的电器件中有许多大功率用电器、每个大功率电器的回路中都会有一个熔断器(常说的保险)来确保整个回路的安全,一旦回路的电流过大超过了用电器的额定电流,熔断器就会在很短的时间内瞬间熔断,来保护整个回路和用电器的安全。所以熔断器的熔断时间特性就非常重要。而现有技术中,熔断器的熔断时间采用秒表及时,会造成计时效果不精确。若熔断器的熔断时间较短,则计时误差更大。

技术实现要素:

为了克服现有技术中采用秒表对熔断器的熔断时间测试时不精确的技术问题,本实用新型提供了一种熔断器熔断时间测试电路。

为了解决上述技术问题,本实用新型采用如下技术方案:

本实用新型提供了一种熔断器熔断时间测试电路,包括:

熔断器、滑动变阻器和电源,串联成闭合的主回路;

数据采集器,设置于所述熔断器的两端,采集所述熔断器的电压信号。

进一步来说,所述的熔断器熔断时间测试电路中,所述滑动变阻器的阻值调节范围为10-100欧姆。

进一步来说,所述的熔断器熔断时间测试电路中,所述电源的电压为12V。

进一步来说,所述的熔断器熔断时间测试电路中,所述熔断器包括两个片状的引脚,其中一个引脚与所述滑动变阻器连接,另一个引脚与所述电源连接。

进一步来说,所述的熔断器熔断时间测试电路中,所述数据采集器包括互相连接的计时电路和电压测试电路,所述电压测试电路与所述熔断器的两端连接。

进一步来说,所述的熔断器熔断时间测试电路中,所述数据采集器与220V的工作电源连接。

本实用新型的有益效果是:本实用新型实施例中的熔断器熔断时间测试电路制作简单、搭建方便、成本低廉,可以精确测量熔断器的熔断时间,有利于了解熔断器的熔断特性,利于进行提升整车电路安全性的设计和改进。

附图说明

图1表示本实用新型实施例中熔断器熔断时间测试电路的结构示意图。

具体实施方式

为使本实用新型的目的、技术方案和优点更加清楚,下面将结合附图及具体实施例对本实用新型进行详细描述。

参照图1所示,本实用新型实施例提供了一种熔断器熔断时间测试电路,包括:熔断器1、滑动变阻器3和电源4,串联成闭合的主回路;数据采集器2,设置于熔断器1的两端,采集熔断器1的电压信号。

具体来说,本实施例中的熔断器熔断时间测试电路,通过电源4对熔断器1提供熔断电流。根据所测试熔断器1的标称电流大小来调节滑动变阻器3的阻值,使整个主回路电流与测试电流相匹配。数据采集器2采集熔断器1两端的电压信号。试验过程中,熔断器1未熔断之前,熔断器1两端的电压近似为0V。当熔断器1突然熔断(主回路断开)后,熔断器1两端的电压会随着整个回路的断开变成电源电压。这时后可以通过数据采集器2读取熔断器1两端的电压从0V变为电源电压所需要的时间,即为熔断时间。本实施例中的熔断器熔断时间测试电路制作简单、搭建方便、成本低廉,可以精确测量熔断器的熔断时间,有利于了解熔断器的熔断特性,利于进行提升整车电路安全性的设计和改进。

进一步来说,滑动变阻器3的阻值调节范围为10-100欧姆,该阻值变化范围,可以匹配绝大多数的车载电器元件的阻值,可以实现对不同车辆的电器元件熔断器的测试。由于滑动变阻器3阻值远远大于熔断器1的阻值,熔断器1相当于一段导线,所以主回路中的熔断器1在未熔断之前,两端分得的电压几乎为0V。

为了模拟车辆上电器元件的使用环境,将电源4的电压设置为12V,从而保证了测试效果的准确性。

具体来说,熔断器1与车辆的保险盒匹配使用。其中熔断器1包括两个片状的引脚,其中一个引脚与滑动变阻器3的一端连接,另一个引脚与电源4的正极或者负极连接。从而将熔断器1、滑动变阻器3和电源4组成一个闭合的回路,可以模拟熔断器在车辆中的使用环境。

为了保证数据采集器2实现电压采集和计时的功能,数据采集器2包括互相连接的计时电路和电压测试电路,电压测试电路与熔断器1的两端连接。电压测试电路可以采集熔断器1两端的电压,当熔断器1两端的电压从0V变为12V时,计时电路可以记录该电压变化的时间,即为熔断时间。

另外,数据采集器2与220V的工作电源连接,数据采集器2需要外界工作电源进行工作。数据采集器2的采样频率可以进行调节,保证数据采集器2可以有很高的采集精度。相比较传统的秒表及时,数据采集器2可以提供更准确的计时时间。

本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。

在本实用新型的描述中,需要理解的是,术语“纵向”、“径向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本实用新型和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本实用新型的限制。在本实用新型的描述中,除非另有说明,“多个”的含义是两个或两个以上。

以上所述的是本实用新型的优选实施方式,应当指出对于本技术领域的普通人员来说,在不脱离本实用新型所述的原理前提下还可以作出若干改进和润饰,这些改进和润饰也在本实用新型的保护范围内。

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.mzph.cn/news/532404.shtml

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email:809451989@qq.com,一经查实,立即删除!

相关文章

DETR精读笔记

DETR精读笔记 论文:End-to-End Object Detection with Transformers (发表于 ECCV-2020) 代码:https://github.com/facebookresearch/detr 解读视频:DETR 论文精读【论文精读】 本笔记主要基于 Yi Zhu 老师的解读 引言…

lcd像素点密度_【教程】设置添加LCD密度(DPI)设置

该楼层疑似违规已被系统折叠 隐藏此楼查看此楼完美—————————————————分割————————————————————————反编译settings.apk(1.52)1.Settings.apk\res\values\arrays.xml在之前加入以下代码240242244246248250252254256258260262264266268…

GAN网络评估指标:IS、FID、PPL

GAN网络评估指标:IS、FID、PPL 转自:IS、FID、PPL,GAN网络评估指标 另外关于GAN的评价指标,推荐李宏毅老师的视频:【機器學習2021】生成式對抗網路 (Generative Adversarial Network, GAN) (三) – 生成器效能評估與條…

降维后输入分类器分类时报错_逻辑回归解决多分类方法及其优缺点分析

众所周知,逻辑回归常用于解决二分类任务,但是在工作/学习/项目中,我们也经常要解决多分类问题。本文总结了 3 种逻辑回归解决多分类的方法,并分析了他们的优缺点。一、One-Vs-Rest假设我们要解决一个分类问题,该分类问…

浅谈 PyTorch 中的 tensor 及使用

浅谈 PyTorch 中的 tensor 及使用 转自:浅谈 PyTorch 中的 tensor 及使用 这篇文章主要是围绕 PyTorch 中的 tensor 展开的,讨论了张量的求导机制,在不同设备之间的转换,神经网络中权重的更新等内容。面向的读者是使用过 PyTorch …

简述springmvc过程_spring mvc的工作流程是什么?

展开全部SpringMVC工作流程描述向服务器发送HTTP请求,请求被前端控制器 DispatcherServlet 捕获。DispatcherServlet 根据 -servlet.xml 中的配置对请62616964757a686964616fe59b9ee7ad9431333365646233求的URL进行解析,得到请求资源标识符(URI)。 然后根…

PyTorch 的 Autograd

PyTorch 的 Autograd 转自:PyTorch 的 Autograd PyTorch 作为一个深度学习平台,在深度学习任务中比 NumPy 这个科学计算库强在哪里呢?我觉得一是 PyTorch 提供了自动求导机制,二是对 GPU 的支持。由此可见,自动求导 (a…

商场楼层导视牌图片_百宝图商场电子导视软件中预约产品功能简介

百宝图商场电子导视软件中预约产品功能简介 管理端,可配合百宝图商场电子导视软件配套使用 1:数据展示:图形展示总预约数/预约时间峰值/预约途径/各途径数量对比 2:数据统计:有效预约数量/无效预约数量/无效预约原因备…

Pytorch autograd.grad与autograd.backward详解

Pytorch autograd.grad与autograd.backward详解 引言 平时在写 Pytorch 训练脚本时,都是下面这种无脑按步骤走: outputs model(inputs) # 模型前向推理 optimizer.zero_grad() # 清除累积梯度 loss.backward() # 模型反向求导 optimizer.step()…

相对熵与交叉熵_熵、KL散度、交叉熵

公众号关注 “ML_NLP”设为 “星标”,重磅干货,第一时间送达!机器学习算法与自然语言处理出品公众号原创专栏作者 思婕的便携席梦思单位 | 哈工大SCIR实验室KL散度 交叉熵 - 熵1. 熵(Entropy)抽象解释:熵用于计算一个随机变量的信…

动手实现一个带自动微分的深度学习框架

动手实现一个带自动微分的深度学习框架 转自:Automatic Differentiation Tutorial 参考代码:https://github.com/borgwang/tinynn-autograd (主要看 core/tensor.py 和 core/ops.py) 目录 简介自动求导设计自动求导实现一个例子总结参考资料 简介 梯度…

git安装后找不见版本_结果发现git版本为1.7.4,(git --version)而官方提示必须是1.7.10及以后版本...

结果发现git版本为1.7.4,(git --version)而官方提示必须是1.7.10及以后版本升级增加ppasudo apt-add-repository ppa:git-core/ppasudo apt-get updatesudo apt-get install git如果本地已经安装过Git,可以使用升级命令:sudo apt-get dist-upgradeapt命令…

随机数生成算法:K进制逐位生成+拒绝采样

随机数生成算法:K进制逐位生成拒绝采样 转自:【宫水三叶】k 进制诸位生成 拒绝采样 基本分析 给定一个随机生成 1 ~ 7 的函数,要求实现等概率返回 1 ~ 10 的函数。 首先需要知道,在输出域上进行定量整体偏移,仍然满…

深入理解NLP Subword算法:BPE、WordPiece、ULM

深入理解NLP Subword算法:BPE、WordPiece、ULM 本文首发于微信公众号【AI充电站】,感谢大家的赞同、收藏和转发(▽) 转自:深入理解NLP Subword算法:BPE、WordPiece、ULM 前言 Subword算法如今已经成为了一个重要的NLP模型性能提升…

http 错误 404.0 - not found_电脑Regsvr32 用法和错误消息的说明

​ 对于那些可以自行注册的对象链接和嵌入 (OLE) 控件,例如动态链接库 (DLL) 文件或 ActiveX 控件 (OCX) 文件,您可以使用 Regsvr32 工具 (Regsvr32.exe) 来将它们注册和取消注册。Regsvr32.exe 的用法RegSvr32.exe 具有以下命令行选项: Regs…

mysql error 1449_MySql错误:ERROR 1449 (HY000)

笔者系统为 mac ,不知怎的,Mysql 竟然报如下错误:ERROR 1449 (HY000): The user specified as a definer (mysql.infoschemalocalhost) does not exist一时没有找到是什么操作导致的这个错误。然后经过查询,参考文章解决了问题。登…

MobileNet 系列:从V1到V3

MobileNet 系列:从V1到V3 转自:轻量级神经网络“巡礼”(二)—— MobileNet,从V1到V3 自从2017年由谷歌公司提出,MobileNet可谓是轻量级网络中的Inception,经历了一代又一代的更新。成为了学习轻…

mysql 查询表的key_mysql查询表和字段的注释

1,新建表以及添加表和字段的注释.create table auth_user(ID INT(19) primary key auto_increment comment 主键,NAME VARCHAR(300) comment 姓名,CREATE_TIME date comment 创建时间)comment 用户信息表;2,修改表/字段的注释.alter table auth_user comment 修改后的表注…

mysql 高级知识点_这是我见过最全的《MySQL笔记》,涵盖MySQL所有高级知识点!...

作为运维和编程人员,对MySQL一定不会陌生,尤其是互联网行业,对MySQL的使用是比较多的。MySQL 作为主流的数据库,是各大厂面试官百问不厌的知识点,但是需要了解到什么程度呢?仅仅停留在 建库、创表、增删查改…

teechart mysql_TeeChart 的应用

TeeChart 是一个很棒的绘图控件,不过由于里面没有注释,网上相关的资料也很少,所以在应用的时候只能是一点点的试。为了防止以后用到的时候忘记,我就把自己用到的东西都记录下来,以便以后使用的时候查询。1、进制缩放图…