传感器的特性要点分析.ppt

式中： ξL——非线性误差（线性度）； |（ΔyL）max|——输出平均值与拟合直线间的最大偏差绝对值； yF.S.——满量程输出。F.S.是英文full scale（满量程）的缩写。  满量程输出用测量上限标称值yH与测量下限标称值yL之差的绝对值表示,即  yF.S.=|yH-yL| 显而易见,非线性误差的大小是以一定的拟合直线作为基准直线而算出来的。基准直线不同,得出的线性度也不同。传感器在实际校准时所得的校准数据,总包括各种误差在内。所以,一般并不要求拟合直线必须通过所有的测试点,而只要找到一条能反映校准数据的趋势同时又使误差绝对值为最小的直线就行。 需要注意的是,由于采用的拟合直线即理论直线不同,线性度的结果就有差异。因此,即使在同一条件下对同一传感器作校准实验时,得出的非线性误差ξL也就不一样,因而在给出线性度时,必须说明其所依据的拟合直线。 一般而言,这些拟合直线包括理论直线、端点连线、最小二乘拟合直线、最佳直线等。与之对应的有理论线性度、端点连线线性度、最小二乘线性度、独立线性度等。 （1）理论直线。如图1.3(a)所示,理论直线以传感器的理论特性直线（图示对角线）作为拟合直线,它与实际测试值无关。其优点是简单、方便,但通常（ΔyL）max很大。 图1.3 几种不同的拟合直线 （a） 理论直线；(b) 端点连线； 图1.3 几种不同的拟合直线 (c) 最小二乘拟合直线；(d) “最佳直线” （2） 端点连线。如图1.3(b)所示,它是以传感器校准曲线两端点间的连线作为拟合直线。其方程式为  y=b+kx 式中b和k分别为截距和斜率。这种方法方便、直观,但（ΔyL）max也很大。 （3）最小二乘拟合直线。这种方法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最小。如图1.3(c)所示,若用y=kx+b表示最小二乘拟合直线,式中的系数b和k可根据下述分析求得。 设实际校准测试点有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  Δi=yi-(b+kxi) 按最小二乘法原理,应使 最小。故由 ,分别对k和b求一阶偏导数并令其等于零，即可求得k和b： 式中: 在获得了k和b之值以后代入y=kx+b,即可得拟合直线,然后按Δi=yi-(kx+b)求出残差的最大值（ΔyL）max,就求出了非线性误差。 最小二乘法的拟合精度很高,但校准曲线相对拟合直线的最大偏差绝对值并不一定最小,最大正、负偏差的绝对值也不一定相等。 （4） “最佳直线”。这种方法以“最佳直线”作为拟合直线,该直线能保证传感器正、反行程校准曲线对它的正、负偏差相等并且最小,如图1.3(d)所示。由此所得的线性度称为“独立线性度”。显然,这种方法的拟合精度最高。通常情况下,“最佳直线”只能用图解法或通过计算机解算来获得。 2. 重复性 重复性表示传感器在同一工作条件下,被测输入量按同一方向做全程连续多次重复测量时,所得输出值（所得校准曲线）的一致程度。它是反映传感器精密度的一个指标。 通常用下式计算重复性： 式中,YF.S. 为理论满量程输出值,其计算式为 （1.7） 式中：x1——对应于测量下限的输入值； xm——对应于测量上限的输入值； k——理论特性直线的斜率。 式（1.7）中λ称置信系数，通常取2或3。子样标准偏差S可通过贝塞尔公式或极差公式估算，即   而 式中： （m——测量范围内不考虑重复测量的测试点数； j=1, 2, …, m; n ——重复测量次数； yji的含义是,若输入值x=xj,则在相同条件下进行n次重复试验,获得n个输出值yj1～yjn； i ——重复测量序数； ——算术平均值。 或  (1.9) 式中： Wn——极差,是指某一测量点校准数据的最大值与最小值之差； dn——极差系数。 极差系数可根据所用数据的数目n由表1.4查得。理论与实践证明,n不能太大,如n大于12,则计算精度变差,这时要修正dn 。 表1.4 极差系数与测量次数的对应关系 3. 迟滞 迟滞表明传感器在正（输入量增大）、反（输入量减小）行程期间,输出-输入曲线不重合的程度。也就是说,对应于同一大小的输入信号,传感器正、反行程的输出信号