万用表你懂的
上传时间： 2013-11-09
上传用户：gyq
集合式直流电能表（小功率的） 特点： 精确度0.05%满刻度±1位数 可同时量测与显示/直流电压/电流/瓦特（千瓦）/瓦特小时（千瓦小时） 电压输入（DC0-99.99V/0-600.0V）自动变档功能 显示范围0-9999(电流/瓦特/千瓦),0至99999999(八位數瓦特小时)可任意规划 数位RS-485 界面 (Optional) 主要规格： 辅助电源消耗功率：＜0.35VA(DC12V/DC24V) ＜0.5VA（DC48V） ＜1.5VA（AC90-240V(50/60Hz)） 精确度: 0.05% F.S. ±1 digit (23 ±5℃) 输入范围：Auto range(DC0-99.99V/0-600.0V(DC voltage)) 输入抗阻：＞5MΩ（DC voltage） 取样时间：10 cycles/second(total) 过载显示: " doFL " 显示值范围: 0-9999 digit（DCA/W(KW)） 0-9999999.999 digit(WH/(KWH)) RS-485传输速度: 19200/9600/4800/2400 selective RS-485通讯位址: "01"-"FF"（0-255） RS-485通信协议: Modbus RTU mode 温度系数: 50ppm/℃ (0-50℃) 显示幕:Bight Red LEDs high 10.16 mm(0.4") 参数设定方式: Touch switches 记忆方式: Non-volatile E²PROM memory 绝缘耐压能力:2KVac/1min.(input/output)（RS-485(Isolating)） 1600 Vdc (input/output) （RS-485(Isolating)） 使用环境条件: 0-50℃(20 to 90% RH non-condensed) 存放环境条件: 0-70℃(20 to 90% RH non-condensed) CE认证: EN 55022:1998/A1:2000 Class A EN 61000-3-2:2000 EN 61000-3-3:1995/A1:2001 EN 55024:1998/A1:2001
上传时间： 2013-11-20
上传用户：s363994250
万用表原理与维修
上传时间： 2013-11-19
上传用户：邶刖
特点 精确度0.1%满刻度±1位數 可直接量測交直流电压(AC/DC 20~265V)无需另接电源 精密濾波整流,均方根值校正 尺寸小(24x48x50mm),穩定性 分离式端子,配線容易 CE认证
上传时间： 2013-11-05
上传用户：gaome
特点 显示范围0至19999(瞬間量),0至999999999(9位數累積量)可任意规划 精確度0.03%滿刻度(瞬間量) 頻率输入范围 0.01Hz 至 10KHz 瞬間量与累积量時間基數可任意规划(1 或 60 或 3600 秒) 瞬間量之最高显示值可任意规划(0至19999) 累积量之输入脈波比例刻画調整可任意规划(0.00001至9999.99999) 具有二組警報功能 15 BIT 隔离类比输出 数位RS-485 界面 数位脈波同步输出功能
上传时间： 2014-11-07
上传用户：xaijhqx
特点 精确度0.05%滿刻度 可显示与产生精密直流毫安電流,直流电压,頻率(脈波) 可模擬90度相位差脈波输出功能 高解析度类比输出功能(15bit DAC) 类比输出范围0至20.000毫安培(0至10.000伏特) 宽范围频率输出功能10Hz至4KHz 宽范围脈波输出功能1至10000個 尺寸小,稳定性高
上传时间： 2013-11-03
上传用户：yy_cn
基于单片机设计的数码电流电压表
上传时间： 2013-10-20
上传用户：forzalife
对于电子初学者，建议使用指针式万用表，因为它对我们熟悉一些电子知识原理很有帮助。下面我们介绍一些机械指针式万用表的原理和使用方法。
标签： 指针式万用表
上传时间： 2013-10-31
上传用户：oooool
本文介绍了采用光连续波反射法(OCWR) 技术的光回波损耗测试仪的校准内容和校准方法。校准内容包括内部光源的校准、光功率计的校准、回波损耗校准件的校准、回波损耗测量准确度的校准等诸多方面,着重介绍了校准回波损耗测量准确度的校准方法- 光回波损耗无源模拟法和有源模拟法,并介绍了无源模拟法和有源模拟法所使用的标准仪器和计算公式以及不确定度评定。经对多台光回波损耗测试仪的校准,表明本校准方法准确可行,满足了客户的需求。
上传时间： 2015-01-03
上传用户：as275944189
研究了超声导波进行长距离在役管道检测技术, 并利用人工神经网络进行管道缺陷的智能识别, 通过超声导波设备进行了管道缺陷检测实验, 从原始检测数据的信号处理结果中提取出了样本特征值, 并建立和训练了一种用于实现管道缺陷识别的BP神经网络。
上传时间： 2014-01-24
上传用户：梧桐
