2014智能仪器讲稿第四章.ppt

　测量过程: 先选定增益 把输入接地(即使输入为零)，此时整个测量通道的输出即为零位输出N0(一般不为零) ； 再把输入接基准电压Vr测得数据Nr，并将N0和Nr存于内存； 然后输入接Vx，测得Nx，则测量结果可用下式计算出来。 1.零位误差校正 2．增益误差的自动校正 Vx =A1*Nx +A0 A1=Vr/（Nr-N0） A0=Vr N0/（N0-Nr） 校正系数A1、A0 当通道是程控增益， 每个增益档有一组系数。 增益误差校正与零位误差校正过程相同 这种校正方法测得信号克服了放大器的漂移和增益变化的影响，降低了对电路器件的要求，达到与Vr等同的测量精度，但增加了测量时间 二、系统复杂关系建模算法 智能仪器采用软件算法：建模或查表 建立被测量与采集数据之间的关系，给出被测量 传感器或检测电路非比例关系 采用硬件校正电路实现比例关系 按比例关系刻度或显示 传统仪器的模拟表头或数字显示输出结果： 1．反函数法 如果知道传感器或检测电路的非线性特性的解析式y = f(x)，则就有可能利用基于此解析式的校正函数（反函数）来进行非线性校正。 例：某测温用热敏电阻的阻值与温度之间的关系为 　　　　　　　　　　　 　RT为热敏电阻在温度为T的阻值。 当温度在0～50℃之间： α=1.44×10-6 β=4016K 2.建模方法之一：代数插值法 　设有n+1组离散点：(x0, y0)，(x1, y1)，…，(xn, yn)，x∈[a，b]和未知函数f(x)，就是用n次多项式 去逼近f(x)，使Pn(x)在节点xi处满足 系数an，…，a1，a0应满足方程组 要用已知的（xi, yi） (i = 0, 1, …, n)去求解方程组，即可求得ai(i = 0, 1, …, n)，从而得到Pn(x)。此即为求出插值多项式的最基本的方法。 对于每一个信号的测量数值xi就可近似地实时计算出被测量yi = f(xi)≈Pn(xi)。 线性插值（一阶）和抛物线（二阶）插值 (1).线性插值：从一组数据（xi, yi）中选取两个有代表性的点（x0, y0）和（x1, y1），然后根据插值原理，求出插值方程 Vi = | P1 (Xi)－f (Xi) |, i = 1, 2, …, n – 1若在x的全部取值区间[a, b]上始终有Vi＜ε(ε为允许的校正误差)，则直线方程P1(x) = a1x+a0就是理想的校正方程。 (2)抛物线插值（二阶插值） 在一组数据中选取（x0, y0），（x1, y1），（x2, y2）三点，相应的插值方程 y x f（x） P（X） x0 y0 y1 y2 x2 x1 以表4.1所列数据说明抛物线插值的作用。节点选择（0，0），（10.15，250）和 （20.21，490）三点 可以验证，用此方程进行非线性较正，每点误差均不大于3℃，最大误差发生在130℃处，误差值为2.277℃ 　　(3) 分段插值法： 这种方法是将曲线y = f (x) 分成N段，每段用一个插值多项式Pni (x)进行非线性校正（i=1, 2, …N）。 　等距节点分段插值和不等距节点分段插值两类。 ① 等距节点分段插值: 适用于非线性特性曲率变化不大的场合。分段数N及插值多项式的次数n均取决于非线性程度和仪器的精度要求。 非线性越严重或精度越高，则N取大些或n取大些，然后存入仪器的程序存储器中。实时测量时只要先用程序判断输入x（即传感器输出数据）位于折线的哪一段，然后取出与该段对应的多项式系数并按此段的插值多项式计算Pni (x)，就可求得到被测物理量的近似值。 3.建模方法之二：曲线拟合法 曲线拟合，就是通过实验获得有限对测试数据（xi, yi）,利用这些数据来求取近似函数y= f ( x )。式中x为采集结果，y为被测物理量。与插值不同的是，曲线拟合并不要求y= f ( x )的曲线通过所有离散点（xi, yi），只要求y= f ( x )反映这些离散点的一般趋势，不出现局部波动。 最小二乘法连续函数拟合 自变量x与因变量y之间的单值非线性关系可以高次多项式来逼近 对于n个实验数据对（xi，yi）（i =1，2，…，n），则可得如下n个方程 解即为aj（j = 0，…，m）的最佳估计值 拟合多项式的次数越高，拟合结果的精度也就越高，但计算量相应地也增加。若取m = 1，则被拟合的曲线为直线方程 y = a0 + a1x n个实验数据对（xi,yi）（i = 1，2，…，n） 三、系统误差的标准数据表格校正法 当难以进行恰当的理论分析时，未必能建立合适的误差校正模型。但此时可以通过实验，即用