Erapod耳机,是扬声器纸盆什么纸的好的多还是,塑料盆多


推荐于 · 超过23用户采纳过TA的回答

嘚音圈插入环形气隙中永磁体被外部的轭铁所包围,从而可以免遭外界杂散磁场的干扰反过来也可以减小永磁体磁场对外界的影响,當声音以电流的形式通过磁场时线圈便会因电流强弱的变化产生不同频率的震动进而带动扬声器纸盆什么纸的好发出不同频率和强弱的聲音。

你对这个回答的评价是


f = f0时(性),为“力阻控制区”振速v 与f无关—— f>f0时(感性),为“质量控制区”加速度a与f无关——f<f0时(容性),为“弹性控制区”振幅A与f无关。

你对这个回答的评价是

下载百度知道APP,抢鲜体验

使用百度知道APP立即抢鲜体验。伱的手机镜头里或许有别人想知道的答案

前面扬声器参数解析一文中提到過扬声器单元大小与其低频下限之间的关系问题本文则从理论计算方面解释扬声器纸盆什么纸的好尺寸对应的其下限、上限频率。

扬声器扬声器纸盆什么纸的好的设计是一项技术性、理论性较高的课题在扬声器中扬声器纸盆什么纸的好的振动从频率上划分有两个阶段,┅个是在它的临界频率以下此时,扬声器振动可视为活塞振动状态为顺性控制区,另外一个是高于此临界频率为质量控制区,而通瑺我们认为该临界频率为扬声器扬声器纸盆什么纸的好的下限频率

临界频率的计算公式为:

其中, 是声速为344m/s;

是有效辐射半径,单位昰m;

因为低于临界频率扬声器纸盆什么纸的好做活塞运动,因此扬声器纸盆什么纸的好各个部分的振动相位是相同的而当高于此临界頻率时,扬声器纸盆什么纸的好各部分相位是不同的因此,其声压频响曲线上会出现多个波峰和波谷其在扬声器纸盆什么纸的好上直觀表现如下图所示:

上图为分别为扬声器振动模式中的径向节线和同心圆节线,前者也被称为摇铃模式通常是低频时出现,同心圆则发苼在高频这两种情况都是扬声器纸盆什么纸的好折环和锥盆振动反相,这也导致频响曲线出现不同程度的谷值;

根据经验选择阻尼好嘚折环,可以减小径向节振动而在锥盆中添加阻尼材料及锥盆中添加同心圆加强筋也能适当的控制同心圆反相振动,另外根据测出(噭光全息测量)的同心节圆位置,选择合适的防尘帽盖在这个位置,也能控制节圆振动

通常认为,扬声器的低频下限频率就是其锥盆嘚共振频率而共振频率就是当扬声器纸盆什么纸的好的惯性阻抗等于支撑的顺性阻抗时,即:

其中 是指支撑系统的顺性阻抗 则是振动系统的质量,由扬声器纸盆什么纸的好质量、音圈质量、空气随动质量三者构成

由上公式可以看出扬声器纸盆什么纸的好的下限频率与揚声器纸盆什么纸的好自身的质量以及顺性阻抗(类似之前文章中的劲度系数K)有关,与扬声器参数篇中提到的理念相同只不过参数篇Φ属于理想化的分析,这个公式则是属于严格计算

扬声器纸盆什么纸的好的上限频率是与盆的形状密切相关的,这是一个决定因素例洳,如下图曲线1就是直锥形盆顶角与高频截至频率之间的关系曲线曲线2是指数型或者抛物线性锥盆的曲率半径与高频截至频率之间的关系曲线:

当然,锥盆高频截至频率 也有计算公式如下:

其中 ——锥盆顶部杨氏模量;

由上公式可以看出,高频截至频率所有参数都与扬聲器扬声器纸盆什么纸的好设计参数有关确定扬声器纸盆什么纸的好参数自然能计算出该扬声器纸盆什么纸的好的截至频率来。

总结一丅无论是扬声器纸盆什么纸的好的下限频率还是上限频率,都涉及到扬声器纸盆什么纸的好材质决定的参数其是在真正设计扬声器的時候,往往都是反推计算会先确定想设计的目标扬声器纸盆什么纸的好,将要达到的下限频率为多少上限频率为多少?标称阻抗为多尐然后再反推出完成这样的参数需要什么样的材质,什么样的结构什么样的大小等等。

例如我们假设知道上面的需求参数了,然后選择扬声器纸盆什么纸的好的材质借助查表方式,求得其杨氏模量和密度再计算出不均匀度对应得声压以及查振幅与失真得关系曲线表而得出的线性振幅,从而计算出扬声器纸盆什么纸的好有效面积利用面积计算出半径;

接着利用扬声器纸盆什么纸的好高频上限的关系曲线,确定扬声器纸盆什么纸的好的曲率半径和锥顶角从而利用公式:

已知, 是材料密度已知, 是扬声器纸盆什么纸的好平均厚度查表得到, 是锥盆顶角已知;

由此可计算出 (扬声器纸盆什么纸的好静止质量);

再进一步利用公式计算出扬声器纸盆什么纸的好总質量,然后借助于下限截至频率的计算公式计算出 再取支撑顺性比,从而计算出该扬声器纸盆什么纸的好的折环顺性和支片顺性再选擇合适的折环厚度与比值,从而计算折环的波纹宽度和高度最终确定出扬声器纸盆什么纸的好所有参数来。

格式:PDF ? 页数:10页 ? 上传日期: 09:09:50 ? 浏览次数:19 ? ? 1500积分 ? ? 用稻壳阅读器打开

全文阅读已结束如果下载本文需要使用

该用户还上传了这些文档

我要回帖

更多关于 扬声器纸盆什么纸的好 的文章

 

随机推荐