原创 电磁感应、电磁场与电磁波

2019-3-27 22:50 3759 24 5 分类: 模拟 文集: 电子电路

         我们通过观察可以发现,在一个固定的正电荷的附近放一个负电荷,则负电荷会被正电荷吸引。同样的,正电荷也会被固定的负电荷吸引。此时我们说正电荷或负电荷周围有电场,电场就会让置于其中的电荷产生某个方向上的力。通过观察又可以发现,在一个变化的磁场中导线会产生电流。电流的本质也是电荷的移动,所以我们也可以说变化的磁场激发了一个电场,这是电磁感应中的磁生电

         同样是通过观察发现,在一个固定的N极磁体附近放一个P极磁体,则P极会被N极吸引。同样的,N极也会被固定的P极吸引。此时我们说N极或P极周围有磁场,磁场会让置于其中的磁体产生某个方向上的力。通过观察又可以发现,在一个不断变化电流方向的导线周围放置一个磁体,此磁体也会被施加某个方向的力,而不断变化电流方向的导线可以描述为导线处于不断变换的电场中。所以我们说变化的电场激发了一个磁场,这是电磁感应中的电生磁

         通过前面两段的拗口描述,我们得出一个结论:

         变化的电场激发磁场,变化的磁场激发电场。也即是将电磁感应这个物理现象总结为统一的电磁场理论。

         由于这种互激发的特性,电场与磁场可以传导至很远的距离,我们将这种传导现象称为电磁波(但是刚才又想到,电场传导过程并没有产生电流,没有电流又是如何感生磁场的呢?)。研究发现,电磁波频率越高则其波长越短,则传导距离越近。电磁波频率越低则其波长越长,则传导距离越远。所以需要远距离传播,如无线电台中的FM调频(传播到整个城市)一般在100MHz左右,而仅用作近距离传播的手机3G信号(仅几公里),如CDMA就在2000MHz左右。但是,由于频率低无线电台能承载的信号密度就低,3G信号由于频率较高所以能承载的信号密度就高。这也就导致了我们从2G信号升级为3G信号乃至未来的5G信号,运营商的基站密度需要不断的增加(信号传输距离变短)。

         我们生活中使用着各种电器,空气中也充满了各种无线电(本质也是电磁波)信号,其本质也是互相激发传导的电场和磁场,那我们会不会被电磁波烤熟,我们的电器怎么还没有被电磁波烧坏?好消息是若电磁波的辐射能量越高则其频率也就越高,所以传播距离就越短。传播距离较远的电磁波其频率较低,辐射能量也就越低。而一般使用的电磁波频率都对人体和电器较安全,而为了使各种不同用途的无线电相安无事互不干扰且对人体和电器无害,各国都对电磁波的频率有严格的管制也整了很多国际约定。

PARTNER CONTENT

文章评论3条评论)

登录后参与讨论

curton 2019-4-23 15:41

好资源 学习了

eyesee00 2019-3-29 10:31

温故知新,感谢

eeNick 2019-3-28 15:22

很好的电磁感应、电磁场与电磁波资料,谢谢分享
相关推荐阅读
布兰姥爷 2023-04-21 23:07
跟姥爷深度学习4 从数学计算看神经网络
一、前言我们前面简单的做了一个气温预测,经过反复调试,效果还不错。实际上在这个方向上我们还可以更进一步优化,但因为我们是学习嘛,主要还是看广度而不是深度。考虑到后面要开始学习卷积网络,我们必须把更基础...
布兰姥爷 2023-04-21 23:04
跟姥爷深度学习3 神经网络的调试实操
一、前言前面我们做了一次天气预测的模型,训练的结果都还好,网络好歹是“拟合”了,但预测数据不合预期让我一直耿耿于怀。所以我又花了很长时间来研究为什么,我的理论依据明明没有问题(今日平均温度与近一周平均...
布兰姥爷 2023-04-21 23:02
跟姥爷深度学习2 TensorFlow的基本用法
一、前言前面我们浅用TensorFlow做了个天气预测,虽然效果不咋样,但算是将整个流程跑通了。这一篇我们在之前基础上对TensorFlow的一些参数进行简单介绍,在接口文件的基础上了解各参数的简单含...
布兰姥爷 2023-04-11 22:22
跟姥爷深度学习1,浅用tensorflow做个天气预测
一、前言最近人工智能、深度学习又火了,我感觉还是有必要研究一下。三年前浅学了一下原理没深入研究框架,三年后感觉各种框架都成熟了,现成的教程也丰富了,所以我继续边学边写。原教程链接:https://ww...
布兰姥爷 2023-03-29 12:41
AI为啥要用显卡
一、前言GPT的发布让AI再次热了起来,与上次阿尔法狗不同的是,现在人人都可以跟聊上几句,给它出出难题,还能调戏下。同期英伟达发布了针对AI领域的全新GPU H100,有的童鞋会疑惑,这个英伟达不是做...
布兰姥爷 2019-11-04 21:09
【零基础】使用Tensorflow实现神经网络
一、序言  前面已经逐步从单神经元慢慢“爬”到了神经网络并把常见的优化都逐个解析了,再往前走就是一些实际应用问题,所以在开始实际应用之前还得把“框架”翻出来,因为后面要做的工作需要我们将精力集中在业务...
我要评论
3
24
关闭 站长推荐上一条 /3 下一条