从TH2821A到AD5934：手把手教你用Python分析电感随频率变化的完整流程（附代码）

从TH2821A到AD5934：Python实现电感频率特性分析与可视化实战

在电子工程和电路设计中，电感器作为三大无源元件之一，其频率特性直接影响滤波、谐振等关键电路性能。传统RLC表（如TH2821A）虽然能快速测量电感值，但往往只能提供离散频率点的测试结果。本文将构建一个完整的Python分析流程，实现从硬件测量到软件分析的闭环，帮助开发者深入理解电感随频率变化的本质规律。

1. 电感频率特性测量基础

1.1 测量设备选型与原理

常见电感测量设备主要分为两类：

• RLC数字电桥（如TH2821A）：

  • 优势：操作简单，直接显示L、C、R参数
  • 局限：固定测试频率，无法连续扫描

• 阻抗分析模块（如AD5934）：

  • 优势：可编程频率扫描（1Hz-100kHz）
  • 特点：需外部分压电路，通过复数阻抗计算电感值

核心测量原理：

Z = R + jωL = |Z|∠θ

其中ω=2πf，通过测量阻抗幅值|Z|和相位角θ，可反推电感L和等效串联电阻R。

1.2 典型电感的频率特性

通过TH2821A实测两组数据对比：

注意：铁芯电感（如继电器线圈）频率特性变化显著，而磁芯电感在较高频率趋于稳定

2. AD5934测量系统搭建

2.1 硬件连接方案

AD5934典型应用电路包含三个关键部分：

1. 激励信号输出：通过DDS生成正弦波
2. 分压采样电路：R1与被测电感ZL构成电压 divider
3. 信号调理电路：放大、滤波后送入ADC

分压电阻选择经验：

# 根据预估感抗选择R1 def select_R1(freq_range, L_estimated): XL = 2 * np.pi * np.median(freq_range) * L_estimated return round(XL * 0.8) # 最佳匹配原则

2.2 校准与测量流程

完整的Python控制代码包含以下关键步骤：

import ad5933 from tsmodule.tsstm32 import * # 初始化设置 ad5933.init(settletime=20, extclock=1) # 设置扫频参数 frequencies = ad5933.setsweep( startf=100, stepf=10, numf=500, oscf=1, div=16 ) # 执行扫频测量 ad5933.sweep(SWEEP_MODE=1) raw_R, raw_I = stm32memo(2) # 获取实部/虚部数据

3. Python数据处理核心算法

3.1 阻抗参数计算

从原始数据到电感值的转换公式：

import numpy as np def calculate_LR(freq, R1, R_raw, I_raw): """ 计算电感值和等效电阻 参数： freq: 频率数组(Hz) R1: 分压电阻(Ω) R_raw: 测量实部 I_raw: 测量虚部 返回： L: 电感数组(H) R_equiv: 等效电阻数组(Ω) """ Z_mag = np.sqrt(R_raw**2 + I_raw**2) phase = np.arctan2(I_raw, R_raw) L = Z_mag * np.sin(-phase) / (2 * np.pi * freq) R_equiv = Z_mag * np.cos(phase) return L, R_equiv

3.2 数据可视化实现

使用Matplotlib绘制频率特性曲线：

import matplotlib.pyplot as plt def plot_frequency_response(freq, L, R): fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 8)) # 电感曲线 ax1.semilogx(freq, L*1000, 'b-', linewidth=2) ax1.set_xlabel('Frequency (Hz)') ax1.set_ylabel('Inductance (mH)') ax1.grid(True, which="both", ls="-") # 电阻曲线 ax2.semilogx(freq, R, 'r-', linewidth=2) ax2.set_xlabel('Frequency (Hz)') ax2.set_ylabel('Equivalent R (Ω)') ax2.grid(True, which="both", ls="-") plt.tight_layout() return fig

典型输出效果：

• 继电器线圈：电感从300mH@100Hz降至80mH@5kHz
• 工字电感：在>1kHz后稳定在9-10mH范围

4. 深度分析与工程应用

4.1 频率特性成因解析

影响电感频率特性的三大主因：

1. 磁芯材料渗透率变化：

   • 铁氧体：μ随f增加而下降
   • 硅钢片：存在涡流损耗

2. 绕组寄生效应：

   • 层间电容：形成自谐振点
   • 趋肤效应：高频电阻增加

3. 测量方法限制：

   • 分压比选择不当引入误差
   • 相位测量精度影响计算结果

4.2 实际应用建议

针对不同场景的测量方案选择：

优化测量精度的三个技巧：

1. 选择分压电阻使|Z_L|≈R1
2. 在目标频段内进行校准
3. 对异常数据点进行移动平均滤波

5. 进阶应用案例

5.1 电感非线性建模

基于测量数据建立等效电路模型：

from scipy.optimize import curve_fit def inductor_model(f, L0, a, b): """ 电感频率特性经验公式： L(f) = L0 * exp(-a*f) + b """ return L0 * np.exp(-a * f) + b # 拟合参数 popt, pcov = curve_fit(inductor_model, freq, L_measured) print(f"拟合参数: L0={popt[0]:.3f}, a={popt[1]:.3e}, b={popt[2]:.3f}")

5.2 自动测试系统集成

将整个流程封装为自动化测试类：

class InductorAnalyzer: def __init__(self, com_port='COM3'): self.device = AD5933Controller(com_port) def full_test(self, start_freq, end_freq, steps): # 设置扫频参数 freq_step = (end_freq - start_freq) / steps frequencies = self.device.set_sweep( start_freq, freq_step, steps ) # 执行测量 raw_data = self.device.run_sweep() # 数据处理 self.L, self.R = calculate_LR( frequencies, raw_data['real'], raw_data['imag'] ) # 生成报告 report = { 'freq': frequencies, 'L': self.L, 'R': self.R, 'SRF': self.find_srf() } return report def find_srf(self): """ 计算自谐振频率 """ phase = np.unwrap(np.arctan2(self.R, 2*np.pi*self.freq*self.L)) zero_crossings = np.where(np.diff(np.sign(phase)))[0] return self.freq[zero_crossings[0]] if zero_crossings else None

在完成多个电感样品的测试后，发现磁芯材料对频率特性的影响比预期更为显著。特别是在10kHz以上频段，某些铁氧体电感的损耗电阻会呈现非线性增长，这为高频电感选型提供了重要参考依据。