继电器分类及性能对比
大家好,这里是虹科电子每周见的测试测量科普专栏,很高兴又和大家见面了。今天我们一起来学习下继电器的分类以及性能对比。
1、使用寿命
2、操作时间
3、可靠性
4、隔离电压
5、导通电阻
6、输出电容
7、封装尺寸
8、成本方面
一般根据不同的继电器内部设计方式,我们一般将继电器分为电磁继电器(EMR)、舌簧继电器(Reed Relay)和固态继电器(SSR)(图片自上往下分别是电磁继电器(EMR)、舌簧继电器(Reed Relay)和固态继电器(SSR))。
舌簧继电器Reed Relay 固态继电器SSR
电磁继电器和舌簧继电器均属于机械式继电器,固态继电器属于半导体器件,接下来我们将分别从不同方面来分别介绍下这两大类继电器的性能对比:
1、使用寿命
从使用寿命上来看,由于固态继电器(SSR)采用固态技术,它们没有可移动降级或翘曲的部件,所以会具有更长的使用寿命。在正常操作规范下,电磁继电器的寿命在108次左右,舌簧继电器的寿命在109次左右,固态继电器没有切换次数的限制。
2、操作时间
电磁继电器的操作时间一般在3ms或者更长,舌簧继电器的切换时间大概是250μs到1ms之间,固态继电器的操作时间一般在50微秒。
3、可靠性
在继电器初始操作期间,机械式继电器和固态继电器将表现出类似的可靠性水平。然而,随着时间的推移,固态继电器将表现出一定的优势,原因与其使用寿命更长,没有活动部件相同。此外,无反弹操作可提高继电器的可靠性并确保一致的负载控制。
4、隔离电压
根据结构特点,固态继电器几乎总是表现出比机械继电器更高的从输入到输出的隔离电压。对于许多电信应用,需要至少3750VAC的电压隔离,这使得SSR成为电信设计的最佳选择。
5、导通电阻
电磁继电器的导通电阻一般在100毫欧左右,而固态继电器SSR的导通电阻在10欧姆左右,固态继电器SSR的导通电阻较高是由MOSFET的特点决定的。电磁继电器EMR的低导通电阻则使其拥有更大的负载电流能力,同时也拥有更少的信号衰减。
6、输出电容
机械继电器通常具有小于1皮法的输出电容,而固态继电器SSR通常具有大于20皮法的电容。由于电容是高频信号应用中需要特别注意的问题,所以EMR是高频应用的更好选择。
7、封装尺寸
继电器的内部组件决定了整个封装尺寸。由于电磁继电器EMR内部有机械部件(线圈,铁芯,臂,接触杆臂,弹簧结构),尺寸上会受到比较多的限制,另一方面,固态继电器SSR路径由半导体材料(硅,砷化镓)形成,尺寸仅局限于半导体元件的尺寸,因此能够以小得多的封装制造。
8、成本方面
整体来看,机械式的继电器比固态继电器的成本要低一些,并且存在一定的差距,随着制造技术的不断进步,这一差距已经大大缩小,使得越来越多的设计工程师能够获得固态继电器技术的优势
总而言之,继电器的不同类型各有其不同的优缺点,可以应对不同行业的测试需求。广州虹科电子携手英国pickering公司提供上千种基于不同PXI总线、PCI总线以及LXI总线的不同平台以及不同开关结构的解决方案,欢迎与我ltt@hkaco.com随时交流。
继电器分类及性能对比相关推荐
- 基于逻辑回归/决策树/随机森林/多层感知分类器/xgboost/朴素贝叶斯分类的资讯多分类性能对比
在上一篇(https://blog.csdn.net/baymax_007/article/details/82748544)中,利用逻辑回归实现资讯多分类.本文在之前基础上,又引入决策树.随机森林. ...
- 主流直播系统的分类及优势对比
主流直播系统的分类及优势对比 前言 随着信息化的逐步发展,网络链路在不断升 ...
- win10 子系统 ubuntu GPU驱动,CUDA, CUDNN安装与 win10 GPU 机器学习性能对比, numa_node 问题
这里写自定义目录标题 win10 子系统 ubuntu GPU 安装 与 win10 GPU 机器学习性能对比 win10 子系统 ubuntu GPU驱动,CUDA, CUDNN安装 win10 端 ...
- 分类的性能度量(准确率、精确度、召回率、F1值、Kappa系数)
在运用机器学习或深度学习进行数据分类时,通常会用一些性能的指标来度量分类的效果.在这里我们介绍最常用的几种分类的性能度量指标(准确率.精确度.召回率.F1值.Kappa系数). 对于二分类问题,我们的 ...
- 使用阈值调优改进分类模型性能
阈值调优是数据科学中一个重要且必要的步骤.它与应用程序领域密切相关,并且需要一些领域内的知识作为参考.在本文中将演示如何通过阈值调优来提高模型的性能. 用于分类的常用指标 一般情况下我们都会使用准确率 ...
- auuc 评估指标_分类之性能评估指标
本文主要介绍几种常用的用于分类的性能评估指标,同时介绍如何绘制ROC曲线以及计算AUC值的便捷方法.最后再附上一个绘制ROC曲线和计算AUC的Python源码实现. Precision和Recall ...
- R语言使用randomForest包构建随机森林模型(Random forests)、使用importance函数查看特征重要度、使用table函数计算混淆矩阵评估分类模型性能、包外错误估计OOB
R语言使用randomForest包中的randomForest函数构建随机森林模型(Random forests).使用importance函数查看特征重要度.使用table函数计算混淆矩阵评估分类 ...
- R语言使用rpart包构建决策树模型、使用prune函数进行树的剪枝、交叉验证预防过拟合、plotcp可视化复杂度、rpart.plot包可视化决策树、使用table函数计算混淆矩阵评估分类模型性能
R语言使用rpart包构建决策树模型.使用prune函数进行树的剪枝.使用10折交叉验证选择预测误差最低的树来预防过拟合.plotcp可视化决策树复杂度.rpart.plot包可视化最终决策树.使用t ...
- R语言使用R基础安装中的glm函数构建乳腺癌二分类预测逻辑回归模型、分类预测器(分类变量)被自动替换为一组虚拟编码变量、summary函数查看检查模型、使用table函数计算混淆矩阵评估分类模型性能
R语言使用R基础安装中的glm函数构建乳腺癌二分类预测逻辑回归模型(Logistic regression).分类预测器(分类变量)被自动替换为一组虚拟编码变量.summary函数查看检查模型.使用t ...
最新文章
- Flink从入门到精通100篇(二十四)-对Flink SQL Client 源码做深度解析
- The Excel Connection Manager is not supported in the 64-bit version of SSIS, as no OLE DB provider i
- ibm服务器 p5 硬盘,IBM虚拟化实战之p5服务器逻辑分区解读
- java interceptor用法_java自定义拦截器用法实例
- 【项目实施随笔】改造一下Dialog
- 机器学习 - [源码实现决策树小专题]决策树学习中如何进行分类预测
- 【搜索入门】桐桐的组合
- 关于Oracle的PARALLEL MAX SEVERS参数
- 用html设计logo,网页设计中的logo设计方法
- 促使网站快速收录的一些方法,超详细
- python代码错误有哪些_Python常见十六个错误集合,你知道那些?
- 2019年培养工作室主力计划——第1次任务
- 小程序实现商品详情页的tap标签与页面滚动联动效果
- 用户故事地图编写方法
- 2021年中国民航及其重点企业对比分析(中航集团VS东航集团VS南航集团VS海航集团)[图]
- 不用找,你想要的汽车壁纸素材都在这里
- 摄影测量航带设计程序
- 《社会调查数据管理——基于Stata 14管理CGSS数据》一1.5 本书简介和使用说明...
- Java高级-Lambda 表达式、异常处理、集合、泛型、List集合、Map集合、Collections类
- 西软服务器linux,FOXHIS前台西软服务器端和客户端安装教程.pdf