网站大量收购闲置独家精品文档,联系QQ:2885784924

线性度、迟滞、重复性matlab计算.doc

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

传感与测试——线性度、迟滞、重复

压力传感器

知识点回顾:

①线性度(非线性误差)

输出一输入校准曲线(实际)

与所选定的拟合直线之间的吻合程度

②迟滞:正行程曲线与反行程

曲线之间的不重合程度

2015-04-26

③重复性:

正行程曲线或反行程曲线多次测量时曲线的一致程度.

a:置信系数,

a=2(95.4%)a=3(99.73%)

的算法:

贝塞尔公式

线性度、迟滞反映系统误差

重复性反映偶然误差

三者的合成即反映系统的总精度

es=en+en+er

④测量范围和量程:y..…-y.单边、双边、对称、不对

⑤灵敏度:单位输入下的输出:

⑥分辨力(率):

在测量范围内,所能检测的最小的输入量的变化

2015-04-26

FS

—2—

⑦灵敏阈:输出端产生可测变化的最小输入量的值,即零

点附近的分辨力

压力传感器的静态标定

活塞与油缸精密配合。这个缸塞系

统将被计量介质的压力P,变换成

作用于活塞底面上的力,该力使活

塞浮起,并与作用在活塞上面的标

准砝码(包括活塞自重)的重力W

相平衡,于是:

行程

传感器的

输入量(x)

传感器的输出量(y)

Y?

Y?

Y?

Y?

y?

正行程口

0

0.66

0.65

0.78

0.67

0.80

2

190.9

191.1

190.3

190.8

190.4

4

382.8

382.3

383.5

381.8

382.8

6

574.5

576.4

576.0

576.2

575.4

8

769.4

769.2

770.4

769.8

771.5

10

963.9

963.1

965.2

964.7

966.0

反行程7

10

964.2

965.1

966.5

965.7

967.2

8

770.6

772.4

771.0

770.8

772.1

2015-04-26

6

577.9

577.4

577.1

378.1

578.3

4

384.0

384.8

384.2

384.9

384.2

2015-04-26

Matlab程序:

%求检测系统线性度,迟滞,重复性

m=5;n=5;%m个测点,n个来回

x1=[2,4,6,8,10];%正行程的m个测点

yu=[190.9,382.8,575.8,769.4,963.9;

191.1,383.2,576.1,769.8,964.6;191.3,383.5,576.6,770.4,965.2;191.4,383.8,576.9,770.8,965.7;191.4,383.8,577.0,771.0,966.0];

yd=[191.6,384.1,577.3,770.6,964.4;

191.6,384.2,577.4,771.0,965.1;192.0,384.1,578.1,771.4,965.7;191.9,384.9,578.1,771.4,965.7;191.9,384.9,578.5,772.0,966.1];

%正行程测量数据

%反行程测量数据

EQ\*jc3\*hps38\o\al(\s\up19(x2),fo)

x2=vertcat(x2,x1);

i=i+1;

end

y=[yu;yd];

%扩展到全部的测点

%所有测量数据组成n×m矩阵

xmean=mean(x2);

ymean=mean(y);

xmean=mean(xmean,2)%x2

ymean=mean(ymean,2)%y

%x2的列方向均值

%y的列方向均值,即每个测点对应的均值

的总均值

的总均值

%以下为求系统线性度部分

Ixx=sum(sum((x2-xmean).^2))%

lxy=sum(sum((x2-xmean).*(y-ymean)))%

k=1xy./lxx

b=ymean-k*xmean

X=x1

Y1=k.*X+b

Y=Y1;forj=1:(2*n-1)

Y=Y1;

Y=vertcat(Y,Y1);

j=j+1;

end

%拟合直线

%Y由一维扩展到2n×m矩阵

dLmax=max(max(abs(y-Y)))%曲线与直线的最大差值

yFS=max(max(y))-min(min(y))%满量程输出

rL=dLmax./yFS%线性度

%以下为求系统迟滞

yumean=mean(yu)

ydmean=mean(yd)

DyiH=abs(yumean-ydmean)

文档评论(0)

chenzehao888 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档