传感器原理及检测技术精品.pptVIP

4．灵敏度与灵敏度误差 γs=(Δk/k)×100% 由于某种原因，会引起灵敏度变化，产生灵敏度误差。灵敏度误差用相对误差表示，即 可见，传感器输出曲线的斜率就是其灵敏度。对线性特性的传感器，其特性曲线的斜率处处相同，灵敏度k是一常数，与输入量大小无关。 K=Δy/Δx 传感器输出的变化量 y与引起该变化量的输入变化量 x之比即为其静态灵敏度，其表达式为 分辨力用绝对值表示,用与满量程的百分数表示时称为分辨率。在传感器输入零点附近的分辨力称为阈值。 5．分辨力与阈值 分辨力是指传感器能检测到的最小的输入增量。有些传感器,当输入量连续变化时,输出量只作阶梯变化,则分辨力就是输出量的每个“阶梯”所代表的输入量的大小。 6．稳定性 测试时先将传感器输出调至零点或某一特定点，相隔4h、8h或一定的工作次数后，再读出输出值，前后两次输出值之差即为稳定性误差。它可用相对误差表示,也可用绝对误差表示。 稳定性是指传感器在长时间工作的情况下输出量发生的变化，有时称为长时间工作稳定性或零点漂移。 测试时先将传感器置于一定温度(如20℃),将其输出调至零点或某一特定点，使温度上升或下降一定的度数(如5℃或10℃),再读出输出值，前后两次输出值之差即为温度稳定性误差。 8．抗干扰稳定性 7．温度稳定性 温度稳定性又称为温度漂移，是指传感器在外界温度下输出量发生的变化。 温度稳定性误差用温度每变化若干℃的绝对误差或相对误差表示,每℃引起的传感器误差又称为温度误差系数。 指传感器对外界干扰的抵抗能力，例如抗冲击和振动的能力、抗潮湿的能力、抗电磁场干扰的能力等。 评价这些能力比较复杂，一般也不易给出数量概念，需要具体问题具体分析。 9．静态误差 取2 σ和3 σ值即为传感器的静态误差。静态误差也可用相对误差来表示，即 静态误差的求取方法如下：把全部输出数据与拟合直线上对应值的残差,看成是随机分布,求出其标准偏差,即 静态误差是指传感器在其全量程内任一点的输出值与其理论值的偏离程度。 yi—各测试点的残差； n一测试点数。 与精确度有关指标：精密度、准确度和精确度(精度) 10、精确度 准确度：说明传感器输出值与真值的偏离程度。如,某流量传感器的准确度为0.3m3/s，表示该传感器的输出值与真值偏离0.3m3/s。准确度是系统误差大小的标志，准确度高意味着系统误差小。同样，准确度高不一定精密度高。 精密度：说明测量传感器输出值的分散性，即对某一稳定的被测量，由同一个测量者，用同一个传感器，在相当短的时间内连续重复测量多次，其测量结果的分散程度。例如，某测温传感器的精密度为0.5℃。精密度是随即误差大小的标志，精密度高，意味着随机误差小。注意：精密度高不一定准确度高。 精确度：是精密度与准确度两者的总和，精确度高表示精密度和准确度都比较高。在最简单的情况下，可取两者的代数和。机器的常以测量误差的相对值表示。 （a）准确度高而精密度低 （b）准确度低而精密度高 （c）精确度高 在测量中我们希望得到精确度高的结果。 被测量随时间变化的形式可能是各种各样的，只要输入量是时间的函数，则其输出量也将是时间的函数。通常研究动态特性是根据标准输入特性来考虑传感器的响应特性。 二、传感器的动态特性 动态特性指传感器对随时间变化的输入量的响应特性。 标准输入有三种： 经常使用的是前两种。 正弦变化的输入 阶跃变化的输入 线性输入 1．数学模型与传递函数 分析传感器动态特性，必须建立数学模型。线性系统的数学模型为一常系数线性微分方程。对线性系统动态特性的研究，主要是分析数学模型的输入量x与输出量y之间的关系，通过对微分方程求解，得出动态性能指标。 对于线性定常（时间不变）系统，其数学模型为高阶常系数线性微分方程，即 y——输出量； x——输入量； t——时间 a0， a1，… ，an ——常数； b0， b1，… ，bm ——常数 ——输出量对时间t的n阶导数； ——输入量对时间t的m阶导数 返回2 返回1 动态特性的传递函数在线性或线性化定常系统中是指初始条件为0时，系统输出量的拉氏变换与输入量的拉氏变换之比。 当传感器的数学模型初值为0时，对其进行拉氏变换，即可得出系统的传递函数 Y(s)——传感器输出量的拉氏变换式； X(s)——传感器输入量的拉氏变换式 上式分母是传感器的特征多项式，决定系统的“阶”数。可见，对一定常系统，当系统微分方程已知，只要把方程式中各阶导数用相应的s变量替换，即求出传感器的传递函数。 正弦输入下传感器的动态特性（即频率特性）由传递函数导出 为一复数，它可用代数形式及指数形式表示，即