三极管知识点总结

简介: 三极管知识点总结

一、三极管概述 (Bipolar Junction Transistor)

1.历史:

1947年12月23日,美国新泽西州贝尔实验室 3位科学家——巴丁博士、布莱顿博士和肖克莱博士 这3位科学家因此共同荣获了1956年诺贝尔物理学奖。


由于晶体管彻底改变了电子线路的结构,集成电路以及大规模集成电路应运而生, 这就让后来制造现代化的电子计算机之类的高精密装置变成了现实。


三极管,全称应为半导体三极管,也称双极型晶体管、晶体三极管


英文名称:Bipolar Junction Transistor,简称 BJT ,三极管图示:


929402510b2a2f42dbf4e4e182d4ef36_ffcc40d53f6c466eb522a2af34b75337.png


2.内部结构

5b17e3a8cfcfe898067c20e630e509cf_d0e5c24906714ec68775147385d8f40e.png


各极特点:集电极:面积大;基极:薄,掺杂浓度低;发射极:掺杂浓度高。


三极管是在一块半导体基片上制作两个相距很近的PN结,两个PN结把整块半导体分成三部分, 中间部分是基区,两侧部分是发射区和集电区,排列方式有PNP和NPN两种。


发射区与基区之间形成的PN结称为发射结,而集电区与基区形成的PN结称为集电结, 三条引线分别称为发射极e(Emitter)、基极b(Base)和集电极c(Collector)。


是一种控制电流的半导体器件,可把微弱信号放大成幅度值较大的电信号。


也可做为无触点开关使用(开关模式)。


3.符号

f1ba485f4b8f52b1ffcca3cd57c86ed4_f96689642f65434a80126459e9976b25.png

4.分类


按材料:

  • 硅管
  • 锗管


按结构:

  • NPN
  • PNP


按功能:


  • 开关管
  • 功率管
  • 达林顿管
  • 光敏管

按功率:


  • 小功率<0.5W
  • 中功率0.5-1W
  • 大功率>1W
  • 按工作频率:


  • 低频<3M
  • 中频3-30M
  • 高频30-500M
  • 超高频>500M

按制造工艺:


  • 合金型
  • 平面型
  • 扩散型
  • 按封装材料
  • 陶瓷
  • 玻璃
  • 金属
  • 塑料
  • 薄膜
  • 按封装形式
  • 贴片
  • 直插

二、三极管三种工作状态 (working position)

1.截止状态

当加在三极管发射结的电压小于PN结的导通电压,基极电流为零, 集电极电流和发射极电流都为零,三极管这时失去了电流放大作用, 集电极和发射极之间相当于开关的断开状态,我们称三极管处于截止状态。


2.放大状态

当加在三极管发射结的电压大于PN结的导通电压,并处于某一恰当的值时, 三极管的发射结正向偏置,集电结反向偏置,这时基极电流对集电极电流起着控制作用,使三极管具有电流放大作用,其电流放大倍数β=Ic/Ib, 这时三极管处放大状态。


3.饱和导通

当加在三极管发射结的电压大于PN结的导通电压,并当基极电流增大 到一定程度时,集电极电流不再随着基极电流的增大而增大,而是处 于某一定值附近不怎么变化,这时三极管失去电流放大作用,集电极 与发射极之间的电压很小,集电极和发射极之间相当于开关的导通状 态。三极管的这种状态我们称之为饱和导通状态。

三、极管输入\输出特性曲线 (characteristic curve)

三种状态:


  • 截止状态:特征:发射结电压小于开启电压,集电结反偏
  • 放大状态:特征:发射结正偏,发射结电压大于开启电压,集电结反偏
  • 饱和状态:特征:发射结正偏,集电结正偏

输入曲线:

输出曲线:

四、三极管电气参数解读 (Electrical parameter)

参照图:

参数:

五、三极管反相器

六、三极管开关电路应用 (On-off circuit)

相关文章
|
并行计算 异构计算
CUDA stream利用CUDA流重叠计
CUDA stream利用CUDA流重叠计
1248 0
CUDA stream利用CUDA流重叠计
|
算法 定位技术
基于ArcGIS:GIS空间分析复习-理论概念+案例分析2
基于ArcGIS:GIS空间分析复习-理论概念+案例分析
1003 0
|
机器学习/深度学习 存储 数据可视化
【PyTorch基础教程23】可视化网络和训练过程
为了更好确定复杂网络模型中,每一层的输入结构,输出结构以及参数等信息,在Keras中可以调用一个叫做model.summary()的API能够显示我们的模型参数,输入大小,输出大小,模型的整体参数等。
2144 0
【PyTorch基础教程23】可视化网络和训练过程
|
人工智能 自然语言处理 数据挖掘
智能体(AI Agent)开发实战之【LangChain】(三)结合大模型基于RAG实现本地知识库问答优化
智能体(AI Agent)开发实战之【LangChain】(三)结合大模型基于RAG实现本地知识库问答优化
|
NoSQL Linux Redis
每天百万访问也不怕,Redis帮你搞定UV统计
本文介绍了使用Redis实现高性能UV统计系统的方法。Redis凭借其内存数据库特性,支持毫秒级响应和自动去重,非常适合高并发场景下的访客统计。核心思路是利用Redis的Set数据结构作为"每日签到墙",通过记录用户访问ID实现自动去重,并设置24小时过期时间。文章提供了Python代码示例,展示如何记录用户访问和获取当日UV统计数据,还可扩展实现多页面UV统计。相比传统数据库方案,Redis方案更加轻量高效,是中小型网站实现流量统计的理想选择。
858 0
|
资源调度 自然语言处理 网络架构
RT-DETR改进策略【Neck】| 使用CARAFE轻量级通用上采样算子
RT-DETR改进策略【Neck】| 使用CARAFE轻量级通用上采样算子
457 11
RT-DETR改进策略【Neck】| 使用CARAFE轻量级通用上采样算子
|
Java Linux Maven
Docker镜像部署至Rancher全局配置 以xxl-job-admin为例
Docker镜像部署至Rancher全局配置 以xxl-job-admin为例
583 0
|
机器学习/深度学习 人工智能 算法
别emo,EMO来了!你的照片也能开口讲相声、飙情歌
阿里云推出AI面部驱动工具EMO,可在通义APP的【全民舞台】体验。用户上传图片,选择模板即可生成动态说话效果。目前模板丰富,包括《野狼Disco》等,但因体验者众多,生成时间约10分钟。EMO由阿里集团智能计算研究院研发,能根据音频生成逼真的表情和头部动作视频,保持人物身份一致,支持跨语言和风格。技术原理涉及深度学习和面部识别,有望应用于影视、教育等领域,但也面临隐私和伦理挑战。官方尚未开源模型和源码,期待未来改进和社区发展。
|
XML 前端开发 IDE
在 Compose 中使用 Jetpack 组件库
Jeptack Compose 主要目的是提高 UI 层的开发效率,但一个完整项目还少不了逻辑层、数据层的配合。幸好 Jetpack 中不少组件库已经与 Compose 进行了适配。
1477 0
|
存储 算法 Java
必会的10个经典算法题(附解析答案代码Java/C/Python看这一篇就够)(二)
必会的10个经典算法题(附解析答案代码Java/C/Python看这一篇就够)(二)
524 1