文档介绍：该【传感器静态特性 】是由【雨林书屋】上传分享，文档一共【8】页，该文档可以免费在线阅读，需要了解更多关于【传感器静态特性 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。.
感器静特点的一般知
感器作感觉被量信息的器件,
是希望它能依照必定的律出适用信号,
所以
需要研究其出――入的关系及特点,
以便用理指其、
制造、校准与使用。理
和技上表征出――入之的关系平常是以建立数学模型来体,
也是研究科学
的基本出点。由于感器可能用来静量
(即入量是不随化的常量
)、准静
量或量(即入量是随而化的量
),理上用随机量的非性微分方程作
数学模型,但将在数学上造成困。
由于入信号的状不一样样,
感器所表出来的
出特点也不一样样,所以上,感器的静、特点可以分开来研究。所以,于不一样样性
的入信号,感器的数学模型常有与静之分。
由于不一样样性的感器有不一样样的内
在参数关系(即有不一样样的数学模型),它的静、特点也表出不一样样的特点。在理上,
了研究各种感器的共性,本依照数学理提出感器的静、
两个数学模型的一般
式,此后,依照各种感器的不一样样特点再作以详尽条件的化后予分。
指出的
是,一个高性能的感器必拥有优异的静和特点,才能完成无失真的。
静数学模型是指在静信号作用下
(即入量t的各数等于零
)获得的数
学模型。感器的静特点是指感器在静工作条件下的入出特点。
所静工作条
件是指感器的入量恒定或慢化而出量也达到相的定的工作状,
,
出量入量的确定函数。若在不考滞后、蠕的条件下,也许感器然有滞及蠕
等但考其理想的均匀特点,感器的静模型的一般式在数学理上可用n次方代数
方程式来表示,即
ya0a1xa2x2anxn(1-2)
式中x――感器的入量,即被量;
――感器的出量,即量;
a0――零位出;
a1――感器性敏捷度;
a2,a3,⋯,an――非性的待定常数。
a0,a1,a2,a3,⋯,an――决定了特点曲的形状和地点,一般通感器的校
准数据曲合求出,它可正可。
在研究其特点,可先不考零位出,依照感器的内在构参数不一样样,它各自可
..
.
能含有不一样样项数形式的数学模型,理论上为了研究方便,式(1-2)可能有以下四种情况,如
图1-7所示,这种表示输出量与输入量之间的关系曲线称为特点曲线。
理想的线性特点平常是所希望的传感器应拥有的特点,只有具备这样特点才能正确
无误地反响被测的真值,这时,传感器的数学模型如图1-7(a)所示。由图1-7(a)有
a0a2a3Lan0
所以获得
ya1x
由于直线上任何点的斜率均相等,所以传感器的敏捷度为
y
常数
Sa1
x
(2)仅有偶次非线性项,如图1-7(c)所示。其数学模型为
ya1xa2x2a4x4L
方程仅包括一次方项和偶次方项,由于它没有对称性,所以线性范围较窄。一般传感器
设计很少采用这种特点。平常,实质特点可能但是零点。
仅有奇次非线性,如图1-7(b)所示。其数学模型为
ya1xa3x3a5x5L
拥有这种特点的传感器,一般在输入量x相当大的范围内拥有较宽的准线性,这是较接
近理想线性的非线性特点,它相对坐标原点是对称的,即y(x)y(x),所队它拥有相当
宽的近似线性范围。平常,实质特点也可能但是零点。
图1-7传感器的静态特点
a)y=a1x;(b)y=a1x+a3x3+a5x5+L;
c)y=a1x+a2x2+a4x4+L;(d)y=a1x+a2x2+a3x3+L
..
.
一般情况下传感器的数学模型应包括多项式的所有项数,即
ya1xa2x2a3x3L
如图1-7(d)所示。这是考虑了非线性和随机等因素的一种传感器特点。
当传感器的特点出现了图1-7(b)、(c)、(d)所示的非线性的情况时,就必定采用线性赔偿措施。
传感器及其元零件的静态特点方程除在多数情况下可用代数多项式表示以外,在一些情
况下则以非多项式的函数形式来表示更为合适,如双曲线函数、指数函数、对数函数等。
要使传感器和计算机联机使用,传感器的静态特点用数学方程表示是必不可以少的,但是,
为了直观地、了如指掌地看出传感器的静态特点,使用图线(静态特点曲线)来表示静态特
性明显是较优越的方式。图线能表示出传感器特点的变化趋势以及哪处有最大或最小的输
出,哪处传感器敏捷度高,哪处低。自然,也能经过其特点曲线,大体地鉴识出是线性或非
线性传感器。作曲线的步骤大体是:图纸选择、坐标分度、描数据点、描曲线、加注解说明。
平常,传感器的静态特点曲线可绘在直角坐标中,依照需要,也可以采用对数或半对数坐标。
x轴永久表示被测量,y轴则永久代表输出量。坐标的最小分格应与传感器的精度级别相应。
分度过细,超出传感器的实质精度需要,将会造成曲线的人为起伏,表现出虚假精度和读出
无效数字;分度过粗将降低曲线的读数精度,曲线表现得过于平直,可读性大为削弱。图
1-8所示为同一特点的三种不一样样曲线表示。可以看出图1-8(a)分度比较合理,图1-8(b)纵
轴分度过细,而图1-8(c)纵轴分度过粗。
图1-8同一特点不一样样分度所绘曲线比较
静态特点数据的列表表示法
列表法就是把传感器的输入输出数据按必定的方式序次排列在一个表格之中。列表的优
..
.
点是:简单易行;形式紧凑;各数据易于进行数量上的比较;便于进行其他办理,如绘制曲
线、进行曲线拟合、进行插值计算,或求一组数据的差分或差商等。
传感器的静态特点主假如经过校准试验来获得的。所谓校准试验,就是在规定的试验条
件下,给传感器加上标准的输入量而测出其相应的输出量。在传感器的研制过程中,也可以
经过其已知的元零件的静态特点,采用图解法或解析法而求出传感器可能拥有的静态特点。
传感器的静态特点是经过各静态性能指标来表示的,它是衡量传感器静态性能利害的重
要依照。静态特点是传感器使用的重要依照,传感器的出厂说明书中一般都列有其主要的静
态性能指标的额定数值。
传感器可完成将某一输入量变换为可用信息,所以,老是希望输出量能不失真的反响输
入量。在理想情况下,输出输入给出的是线性关系,但在实质工作中,由于非线性(高次项
的影响)和随机变化量等因素的影响,不可以能是线性关系。所以,衡量一个传感器检测系统
静态特点的主要技术指标有:敏捷度、分辨率、线性度、迟滞(滞环)、重复性,以下分别
介绍:
(sensitivity)
敏捷度(静态敏捷度)是传感器或检测仪表在稳态下输出量的变化量y与输入量的变
化量x之比,用K表示,有
K
y
x
假如输入输出特点为线性的传感器或仪表,则
y
K
x
假如检测系统的输入输出特点为非线性,则敏捷度不是常数,而是随输入量的变化而改
变,应以dy/dx表示传感器在某一工作点的敏捷度。实质使用中,由于需要外加辅助电源的
传感器的输出量与供应传感器的电源电压有关,所以,其敏捷度的表达式常常需要包括电源
电压的因素。敏捷度是一个有单位的量,其单位决定于传感器输出量的单位和输入量的单位
以及有关的电源电压的单位。
比方:某位移传感器,当电源电压为1V时,每1mm位移变化引起的输出电压变化为
100mV,则其敏捷度可表示为100mV/(mm·V)。
..
.
例题:某铂丝热敏传感器。
(1)在小测量温度范围内,铂丝传感器阻值与温度可近似看作线性关系,如图1-9所示。有,
RR0(1tT)
敏捷度为:
KdR/dTR0t
其中,R0――是铂丝传感器在零度时的阻值,
――是铂丝传感器的温度系数。
2)将此铂丝传感器构成电桥进行温度测量,输出电压信号与温度的关系呈非线性关系,如图1-10所示,有:
Ua0a1Ta2T2
图1-9铂丝热敏传感器温度特点图1-10铂丝非线性温度特点
其中a0、a1、a2是常数。
敏捷度可表示为:
K
dU
2a2T
a1
dT
工程上近似表示为:
Ka1
分辨率
分辨率也称敏捷度阈值,即引起输出量产生可观察的渺小变化所需的最小输入量的变化
量。由于传感器的输入输出关系不可以能都做到绝对连续,有时,输入量开始变化,但输出量
..
.
其实不随之相应变化,而是输入量变化到必定程度时输出才突然产生一小的阶跃变化。
这就出
现了分辨率和阈值问题。
从微观来看,传感器的特点曲线其实不是十分圆滑的,
而是有好多微
小的起伏。当输入量改变
x时,输出量变化
y,x变小,y也变小。但是一般来说,x
小到某种程度,输出量就不再变化了,这时的
x就是分辨率或敏捷度阈值。
存在敏捷度阈值的原因有两个。一个是输入的变化量经过传感器内部被汲取,
所以反响
不到输出端上去。典型的例子是螺丝或齿轮的松动。
螺丝和螺帽,齿条和齿轮之间多少都有
空隙,假如x相当于这个空隙的话,那么
x是无法传达出去的。又比方,装有轴承的旋转
轴,假如不加上能战胜轴与轴之间摩擦的力矩的话,
轴是不会旋转的。第二个原因是传感器
输出存在噪声。假如传感器的输出值比噪声电平小,
就无法把适用信号和噪声分开。
假如不
加上最最少的输入值(这个输入值所产生的输出值与噪声的电平大小相当)
是得不到适用的
输出值的,该输入值即敏捷度阈值,也叫敏捷阈、门槛敏捷度、或阈值。
对数字显示的测量系统,分辨率是数字显示的最后一位所代表的值。
对指针式测量仪表,
分辨率与人们的观察能力和仪表的敏捷度有关。举例说明:
(1)数字天平
如图1-11所示的数字天均分辨率是多少?
答:由于对数字显示的测量系统,分辨率是数字显示的最后一位所代表的值。所以,数
。
(2)。如图1-12所示的指针式称重计的
敏捷度S为10mm/Kg。则此称重计的分辨率是多少?
答:由于人们所能观察的指针最小偏移量y=。
称重计的敏捷度S=10mm/Kg,所以,分辨率x=y/S==。
图1-11数字天平图1-12指针式称重计
线性度
..
.
平常为了标定和数据办理的方便,
总希望获得线性关系,
可采用各种方法如硬件或软件
的赔偿即进行线性化办理,
这样就使得输出不可以能丝绝不差的反响被测量的变化,
总存在一
定的误差(线性或非线性)
,即使实质是线性关系的特点,测量的线性关系也其实不完好与其
重合,而常用一条拟合直线近似代表实质的特点曲线。
线性度就是用来谈论传感器的实质输
入输出特点对理论拟合的线性输入输出特点的凑近程
度的一个性能指标,即传感器特点的非线性程度的参
数。线性度的定义为:传感器的实测输入输出特点曲线
与理论拟合直线(理想输入输出特点曲线)的最大误差
对传感器满量程输出之比的百分数表示。
线性度也称为
“非线性误差”或“非线性度”。
图1-13输入输出特点图
如图1-13所示,非线性误差(线性度)为:
max
100%
A
式中max――为实测特点曲线与理想线性曲线间的最大误差;
――为传感器满量程输出均匀值;
――为非线性误差(线性度)。
非线性误差(线性度)的大小是以一拟合直线或理想直线作为基准直线计算出来的,基
准直线不一样样,所得出的线性度就不一样样样,所以不可以抽象地提线性度或非线性误差,必定说明
其所依照的拟合基准直线,比较传感器线性度利害时必定建立在相同的拟合方法上。依照所
依照的基准直线的不一样样,线性度可分为理论线性度、端基线性度、独立线性度、最小二乘法
线性度等等。
理论线性度:又称绝对线性度,其拟合直线为理论直线,平常取零点作为理论直线的零
点,满量程输出100%作为停止点,这两点的连线即为理论直线,所以理论直线与实质测试
点没关。优点是简单、方便,但平常是最大误差max很大。
端基线性度:将传感器校准数据的零点输出均匀值和满量程输出均匀值连成直线(实质
特点曲线首、末两端点的连线),作为拟合直线。其方程式为:
ybkx
式中,b和k分别为截距和斜率。这种方法简单,但最大误差max也很大。
独立线性度:作两条与端基直线平行的直线,使之恰好包围所有的标定点(试验点),
..
.
以与二直线等距离的直线作为拟合直线。独立线性度方法也称最正确直线法,其实质就是使实
际输出特点相对于所选拟合直线的最大正误差等于最大负误差的一条直线作为拟合直线。
最小二乘法线性度:最小二乘法原理是一数学原理,它在误差的数据办理中作为一种数
据办理手段。最小二乘法原理就是要获得最可相信的测量结果,使各测量值的节余误差平方
和为最小。在等精度测量和不等精度测量中,之所以用算术均匀值或加权算术均匀值作为多
次测量的结果,是由于它们切合最小二乘法原理。最小二乘法在组合测量的数据办理、实验
曲线的拟合及其他多种学科等方面,均获得了广泛的应用。
最小二乘法线性度就是按最小二乘原理求取拟合直线,该直线能保证传感器校准数据的
残差平方和为最小,一般是用式
yb
kx
来表示最小二乘法拟合直线,式中系数
b和k
可按下述解析求得。
设实质校准测试点有
n个,则第i
个校准数据yi
与拟合直线上相应值之间的残差为。
i
yi
(b
kxi)
n
2
n
2分别对k和b求一阶偏导数并令其等于零,
按最小二乘法原理,应使
最小,故由
i1
i
i1
i
即可求得k和b:
由
[yi
(b
kxi)]2
0
k
[yi
(b
kxi)]2
0
b
解得
n
xiyi
xi
yi
k
n
xi2
(
xi)2
xi2
yi
xi
xiyi
b
n
xi2
(
xi)2
式中
xi
x1
x2
L
xn
yi
y1
y2
L
yn
xiyi
x1y1
x2y2
L
xnyn
xi2
x12
x22
L
xn2
最小二乘法的拟合精度很高,但校准曲线相对于拟合直线的最大误差的绝对值其实不用定最小,最大正、负误差的绝对值也不用定相等。
..