传感器的基本特性与指标.pptVIP

第二章 传感器技术基础 --基本特性与指标;1. 理想传感器应具有的特点 1） 传感器只敏感特定输入量，输出只对应特定输入； 2） 传感器的输出量与输入量呈惟一、稳定的对应关 系，最好为线性关系； 3） 传感器的输出量可实时反映输入量的变化。 实际中，传感器在特定的、具体的环境中使用，其 结构、元器件、电路系统以及各种环境因素均可能影响 传感器的整体性能。 ;影响传感器性能的因素;1．静态模型 静态时（输入量对时间t的各阶导数为零），可分析非线性系统，即有： x ——输入量； y ——输出量； a0 ——传感器的零位误差； a1 ——传感器的灵敏度，常用K或S表示。 a2,a3,…,an——待定常数（非线性项的系数）。;最理想的特性。 优点：简化传感器的理论分析、计算，为标定和数据处理带来很大方便， 避免非线性补偿环节，便于后续制作安装、调试，提高测量精度。;2．动态模型 传感器静态特性好，并不一定能很好地反映输入量随时间变化尤 其是快速变化的状况，可能因此而存在严重的动态误差。 传感器动态分析常用的数学模型有时域的微分方程和对应频域 的传递函数、频率响应函数以及状态方程。 线性系统的特点（叠加性、频率保持性）使得动态分析只分析线 性系统。 1）微分方程* 采用微分方程描述传感器：;2）传递函数 用拉氏变换将适当的数学模型（微分方程）转换成复数域（S域）的数学模型，可得相应的传递函数，以便于求解。 由控制理论知，对上式所表示的传感器，其传递函数为;2.3.1. 静态特性与指标 ;2．端基线性度 以校准数据的零点输出平均值和满量程输出平均值连成的直线为 参考直线所得的线性度 式中， --满量程输出平均值； --零点输出平均值。 特点:简单，但估计值偏大，零点不为零 3．最小二乘线性度 按最小二乘法原理拟合直线，使该直线与传感器 或系统的校准数据的残差平方和最小。 思路： 设拟合直线方程为 得偏差： 式中，i=1,2,…,n.（n为测试点数） 直线拟合原则：应使 为最小值。由 分别对k和b求一阶导数，并令其为0，即可求得k和b。 ;具体方法*： 由式（1），（2）化简得 （3）×n，（4）× 得;（5）-（6）得 （3）× ，（4）× 得 （7）-（8）得;此外，拟合直线的斜率k和截距b也可由以下两式求得： 式中 ， （推导从略） 特点：拟合精度高，在数据较多的情况下可由计算机处理，但其拟 合出的直线与标定曲线的最大偏差绝对值不一定最小，最大正负偏 差的绝对值也不一定相等 。例： 图中最小二乘拟合直线偏低，使 ， 从而使估计值偏大。;4．最佳直线线性度（独立线性度） 以所谓“最佳直线”作拟合直线，以保证传 感器正反行程校准曲线对该直线的正负偏差相 等并且最小。图中： 特点：拟合精度最高。 通常，“最佳直线”可用图解法或通过计算 机解算来获得。 当标定曲线（或平均校准曲线）为单调曲 线，且测量上、下限处的正、反行程校准数据 的算术平均值相等时，“最佳直线”可采用端点连 线平移来获得，有时称该法为端点平行线法。;二．迟滞误差（回差） 传感器或检测系统的输入量由小增大（正行程），继而自大减小 （反行程）的测试过程中，对应于同一输入量，输出量往往有差别， 这种现象称为迟滞。 产生原因：装置内的弹性元件、磁性 元件以及机械部分的摩擦、间隙、积塞 灰尘等。 迟滞大小常用全量程中最大迟滞 与满量程输出平均值 之比的百分数 （引用误差）表示： 式中， 为输出值在正反行程中的最大差值。;三．重复性误差（最大引用随机不确定度） 现象：多次重复测试时，在同是正行程或同是反行程中，对应同 一输入的输出量不同。 重复性：传感器或系统在同一工作条件下，输入量按同方向作全 量程连续多次变动时，所得特性曲线之间的一致程度。 如果用曲线中最大重复差值定义重复性误差，则因标定的循环次 数不同使其最大偏差值不同。因此不可靠。 重复性误差为随机误差，可定义如下： 式中 ——为重复性误差； ——各测量点极限误差的最大值 ——全部校准点正行程与反行程输出值的标准偏差中之最大值； k