红外物理学习笔记 ——第三章

第三章

基尔霍夫定律:就是说物体热平衡条件下,发射的辐射功率要等于吸收的辐射功率

M = α E M=\alpha E M=αE
α \alpha α 是吸收率, M M M 是幅出度(发射出去的), E E E是辐照度(外面照过来的)

普朗克公式: 描述了黑体光谱幅出度关于 温度波长 的关系
M λ b b = c 1 λ 5 1 e c 2 / λ T − 1 M_{\lambda bb}= \frac{c_1}{\lambda ^5} \frac{1}{e^{c_2/\lambda T}-1} Mλbb=λ5c1ec2/λT−11

c 1 , c 2 c_1,c_2 c1,c2 分别为第一、第二辐射常数

薇恩位移定律: 普朗克公式里面不是有两个变量吗,而且其图像都是先上升后下降,有一个峰值波长(平的,导数为0),所以你把普朗克公式对波长求个导,导数为0 就是,峰值波长了。薇恩位移定律可以通过温度确定峰值波长

λ m T = 2898.8 \lambda_m T = 2898.8 λmT=2898.8

PS: 把这东西带入普朗克公式可以得到黑体光谱幅出度的峰值

斯特藩-波尔兹曼定律: 他的意思就是说,你把普朗克公式对波长进行积分,就得到了全波长下黑体光谱幅出度关于温度的一个表达式

M b b = σ T 4 M_{bb}= \sigma T^4 Mbb=σT4

σ \sigma σ 是个常数

黑体辐射的简易计算 : 本来嘛,只要有了具体的 温度波长 ,直接套公式就行,但是有次方,有指数,计算比较麻烦。所以引入了两个函数(都是关于 温度波长 )简便计算。

  1. f 函数,用来简便计算特定温度下,特定波长的辐出度

M λ = f ( λ ⋅ T ) M λ m = f ( λ ⋅ T ) ⋅ b 1 T 5 M_{\lambda} = f(\lambda \cdot T) M_{\lambda_{m}} = f(\lambda \cdot T) \cdot b_1 T^5 Mλ=f(λ⋅T)Mλm=f(λ⋅T)⋅b1T5

M λ m = b 1 T 5 M_{\lambda_{m}} = b_1 T^5 Mλm=b1T5 是之前提到的幅出度的峰值,可由维恩位移定律带入普朗克公式得到

  1. F 函数,用来计算任意波长范围的辐出度

M 0 − λ = F ( λ ⋅ T ) M 0 − ∞ = F ( λ ⋅ T ) ⋅ σ T 4 M_{0 - \lambda } = F(\lambda \cdot T) M_{0 - \infty} = F(\lambda \cdot T) \cdot \sigma T^4 M0−λ=F(λ⋅T)M0−∞=F(λ⋅T)⋅σT4

M λ 1 − λ 2 = M 0 − λ 2 − M 0 − λ 1 = [ F ( λ 2 ⋅ T ) − F ( λ 1 ⋅ T ) ] ⋅ σ T 4 M_{\lambda_1 - \lambda_2 } =M_{0 - \lambda_2 } - M_{0 - \lambda_1 }= [F(\lambda_2 \cdot T)- F(\lambda_1 \cdot T)] \cdot \sigma T^4 Mλ1−λ2=M0−λ2−M0−λ1=[F(λ2⋅T)−F(λ1⋅T)]⋅σT4

工程最佳温度: 前面的学习我们知道给定温度可以得到一个峰值波长,给定波长也可以得到一个最佳温度,但是工程上的最佳温度和韦恩定律得出的并不相同。

λ e T e = 3669.73 \lambda_e T_e = 3669.73 λeTe=3669.73

T e = 1.266 T m T_e = 1.266 T_m Te=1.266Tm

最大对比度: 就是说想让目标和背景获得最大的可区分度,波长选多少合适

λ c T e = 2411 \lambda_c T_e = 2411 λcTe=2411

λ c = 0.832 λ m \lambda_c = 0.832 \lambda_m λc=0.832λm

发射率 ε \varepsilon ε: 用来衡量实际物体和黑体的接近程度,其实就是在给定温度 T T T 下,实际物体的辐射量比上黑体的辐射量,这个值越接近于1越好。

辐射温度、色温度、亮温度。在知道发射率的情况下,都可以算出真实温度。

相关推荐
懒惰才能让科技进步25 分钟前
从零学习大模型(十二)-----基于梯度的重要性剪枝(Gradient-based Pruning)
人工智能·深度学习·学习·算法·chatgpt·transformer·剪枝
love_and_hope40 分钟前
Pytorch学习--神经网络--搭建小实战(手撕CIFAR 10 model structure)和 Sequential 的使用
人工智能·pytorch·python·深度学习·学习
Chef_Chen43 分钟前
从0开始学习机器学习--Day14--如何优化神经网络的代价函数
神经网络·学习·机器学习
芊寻(嵌入式)1 小时前
C转C++学习笔记--基础知识摘录总结
开发语言·c++·笔记·学习
准橙考典1 小时前
怎么能更好的通过驾考呢?
人工智能·笔记·自动驾驶·汽车·学习方法
hong1616881 小时前
跨模态对齐与跨领域学习
学习
阿伟来咯~2 小时前
记录学习react的一些内容
javascript·学习·react.js
Suckerbin3 小时前
Hms?: 1渗透测试
学习·安全·网络安全
水豚AI课代表3 小时前
分析报告、调研报告、工作方案等的提示词
大数据·人工智能·学习·chatgpt·aigc
聪明的墨菲特i3 小时前
Python爬虫学习
爬虫·python·学习