Pět konstrukčních dovedností a technických ukazatelů senzoru

Počet senzorů se šíří po celém zemském povrchu i v okolním vesmíru a poskytuje světu data. Tyto cenově dostupné senzory jsou hnací silou rozvoje internetu věcí a digitální revoluce, které naše společnost čelí, ale propojení a přístup k datům ze senzorů ne vždy probíhá přímočaře nebo snadno. Tento článek představí technický index senzorů, 5 konstrukčních dovedností a podniky OEM.

Technický index je v první řadě objektivním základem pro charakterizaci výkonu produktu. Pochopení technických ukazatelů pomáhá se správným výběrem a používáním produktu. Technické ukazatele senzoru se dělí na statické a dynamické. Statické ukazatele zkoumají především výkon senzoru za podmínek statické invariantnosti, včetně rozlišení, opakovatelnosti, citlivosti, linearity, chyby návratu, prahové hodnoty, tečení, stability atd. Dynamický index zkoumá především výkon senzoru za podmínek rychlých změn, včetně frekvenční odezvy a skokové odezvy.

Vzhledem k četným technickým ukazatelům senzoru jsou různá data a literatura popisovány z různých úhlů pohledu, takže různí lidé mají různé chápání, a dokonce i nedorozumění a nejednoznačnost. Za tímto účelem je interpretováno následujících několik hlavních technických ukazatelů senzoru:

1, rozlišení a rozlišení:

Definice: Rozlišení se vztahuje k nejmenší naměřené změně, kterou je senzor schopen detekovat. Rozlišení se vztahuje k poměru rozlišení k hodnotě na plném rozsahu.

Interpretace 1: Rozlišení je nejzákladnějším ukazatelem senzoru. Představuje schopnost senzoru rozlišovat měřené objekty. Ostatní technické specifikace senzoru jsou popsány z hlediska rozlišení jako minimální jednotky.

U senzorů a přístrojů s digitálním displejem určuje rozlišení minimální počet zobrazených číslic. Například rozlišení elektronického digitálního posuvného měřidla je 0,01 mm a chyba indikátoru je ±0,02 mm.

Interpretace 2: Rozlišení je absolutní číslo v jednotkách. Například rozlišení teplotního senzoru je 0,1 ℃, rozlišení akcelerometru je 0,1 g atd.

Interpretace 3: Rozlišení je související a velmi podobný pojem jako rozlišení, oba představují rozlišení senzoru vzhledem k měření.

Hlavní rozdíl spočívá v tom, že rozlišení je vyjádřeno v procentech rozlišení senzoru. Je relativní a nemá žádný rozměr. Například rozlišení teplotního senzoru je 0,1 ℃, pro plný rozsah je 500 ℃, rozlišení je 0,1/500 = 0,02 %.

2. Opakovatelnost:

Definice: Opakovatelnost senzoru se vztahuje k míře rozdílu mezi výsledky měření, když se měření opakuje několikrát ve stejném směru za stejných podmínek. Také se nazývá chyba opakování, chyba reprodukce atd.

Interpretace 1: Opakovatelnost senzoru musí být mírou rozdílu mezi více měřeními získanými za stejných podmínek. Pokud se podmínky měření změní, srovnatelnost mezi výsledky měření zmizí, což nelze použít jako základ pro posouzení opakovatelnosti.

Interpretace 2: Opakovatelnost senzoru představuje rozptyl a náhodnost výsledků měření senzorem. Důvodem tohoto rozptylu a náhodnosti je, že uvnitř i vně senzoru nevyhnutelně existují různé náhodné poruchy, které vedou k tomu, že konečné výsledky měření senzoru vykazují charakteristiky náhodných proměnných.

Interpretace 3: Směrodatnou odchylku náhodné proměnné lze použít jako reprodukovatelný kvantitativní výraz.

Interpretace 4: U vícenásobných opakovaných měření lze dosáhnout vyšší přesnosti měření, pokud se jako konečný výsledek měření vezme průměr všech měření. Protože směrodatná odchylka průměru je výrazně menší než směrodatná odchylka každého měření.

3. Linearita:

Definice: Linearita (linearita) označuje odchylku vstupní a výstupní křivky senzoru od ideální přímky.

Interpretace 1: Ideální vztah vstup/výstup senzoru by měl být lineární a jeho křivka vstup/výstup by měla být přímka (červená čára na obrázku níže).

Skutečný senzor však má víceméně řadu chyb, což má za následek, že skutečná vstupní a výstupní křivka není ideální přímka, ale křivka (zelená křivka na obrázku níže).

Linearita je stupeň rozdílu mezi skutečnou charakteristickou křivkou senzoru a offline charakteristikou, známá také jako nelinearita nebo nelineární chyba.

Interpretace 2: Protože rozdíl mezi skutečnou charakteristickou křivkou senzoru a ideální čarou se liší při různých velikostech měření, často se v rozsahu celého rozsahu používá poměr maximální hodnoty rozdílu k hodnotě v plném rozsahu. Linearita je samozřejmě také relativní veličina.

Interpretace 3: Protože ideální přímka senzoru není pro obecnou měřicí situaci známa, nelze ji získat. Z tohoto důvodu se často používá kompromisní metoda, tj. přímé použití výsledků měření senzoru k výpočtu fitigační přímky, která je blízká ideální přímce. Mezi specifické metody výpočtu patří metoda koncové přímky, metoda nejlepší přímky, metoda nejmenších čtverců atd.

4. Stabilita:

Definice: Stabilita je schopnost senzoru udržet si svůj výkon po určitou dobu.

Interpretace 1: Stabilita je hlavním ukazatelem pro zkoumání, zda senzor pracuje stabilně v určitém časovém rozsahu. Mezi faktory, které vedou k nestabilitě senzoru, patří zejména teplotní drift a uvolnění vnitřního napětí. Proto je užitečné zvýšit teplotní kompenzaci a úpravu proti stárnutí, aby se zlepšila stabilita.

Interpretace 2: Stabilitu lze rozdělit na krátkodobou a dlouhodobou stabilitu podle délky časového období. Pokud je doba pozorování příliš krátká, stabilita a opakovatelnost jsou si blízké. Index stability proto zkoumá především dlouhodobou stabilitu. Konkrétní doba se určuje v závislosti na použití prostředí a požadavcích.

Interpretace 3: Pro kvantitativní vyjádření indexu stability lze použít jak absolutní, tak relativní chybu. Například snímač síly typu deformace má stabilitu 0,02 %/12 h.

5. Vzorkovací frekvence:

Definice: Vzorkovací frekvence označuje počet výsledků měření, které může senzor vzorkovat za jednotku času.

Interpretace 1: Vzorkovací frekvence je nejdůležitějším ukazatelem dynamických charakteristik senzoru, který odráží schopnost rychlé odezvy senzoru. Vzorkovací frekvence je jedním z technických ukazatelů, které je třeba plně zohlednit v případě rychlé změny měření. Podle Shannonova vzorkovacího zákona by vzorkovací frekvence senzoru neměla být menší než dvojnásobek frekvence změny měřené hodnoty.

Interpretace 2: S použitím různých frekvencí se odpovídajícím způsobem mění i přesnost senzoru. Obecně platí, že čím vyšší je vzorkovací frekvence, tím nižší je přesnost měření.

Nejvyšší přesnost senzoru se často dosahuje při nejnižší vzorkovací rychlosti nebo dokonce za statických podmínek. Proto je při výběru senzoru nutné zohlednit přesnost a rychlost.

Pět tipů pro návrh senzorů

1. Začněte s nástrojem pro sběrnici

Jako první krok by měl inženýr zvolit přístup, kdy nejprve připojí senzor pomocí sběrnicového nástroje, aby omezil neznámé. Sběrnicový nástroj připojuje osobní počítač (PC) a poté k I2C, SPI nebo jinému protokolu senzoru, který umožňuje senzoru „komunikovat“. Počítačová aplikace spojená se sběrnicovým nástrojem, která poskytuje známý a funkční zdroj pro odesílání a přijímání dat, který není neznámým, neověřeným ovladačem vestavěného mikrokontroléru (MCU). V kontextu sběrnicového nástroje může vývojář odesílat a přijímat zprávy, aby pochopil, jak daná sekce funguje, než se pokusí o práci na vestavěné úrovni.

2. Napište kód přenosového rozhraní v Pythonu

Jakmile si vývojář vyzkouší použití senzorů nástroje pro správu sběrnice, dalším krokem je napsání aplikačního kódu pro senzory. Místo přímého přechodu na kód mikrokontroléru pište aplikační kód v Pythonu. Mnoho utilit pro správu sběrnice konfiguruje pluginy a vzorový kód při psaní skriptů, které Python obvykle používá. NET je jedním z jazyků dostupných v platformě .NET. Psaní aplikací v Pythonu je rychlé a snadné a poskytuje způsob, jak testovat senzory v aplikacích, které nejsou tak složité jako testování v embedded prostředí. Kód na vysoké úrovni usnadní inženýrům bez embedded softwaru procházet skripty a testy senzorů.

3. Otestujte senzor pomocí Micro Pythonu

Jednou z výhod psaní prvního aplikačního kódu v Pythonu je, že volání aplikace do aplikačního programovacího rozhraní (API) sběrnice lze snadno nahradit voláním Micro Pythonu. Micro Python běží v reálném čase v embedded softwaru, který má mnoho senzorů, aby inženýři pochopili jeho hodnotu. Micro Python běží na procesoru Cortex-M4 a je to dobré prostředí pro ladění aplikačního kódu. Nejenže je to jednoduché, ale není zde třeba psát ovladače I2C nebo SPI, protože jsou již zahrnuty v knihovně funkcí Micro Pythonu.

4. Použijte kód dodavatele senzoru

U jakéhokoli vzorového kódu, který lze „nasbírat“ od výrobce senzorů, budou muset inženýři ujít dlouhou cestu, aby pochopili, jak senzor funguje. Bohužel mnoho dodavatelů senzorů není experty na návrh embedded softwaru, takže neočekávejte, že najdete příklad krásné architektury a elegance připravený pro produkční prostředí. Stačí použít kód dodavatele, naučit se, jak tato část funguje, a frustrace z refaktoringu se bude objevovat, dokud nebude možné jej čistě integrovat do embedded softwaru. Může to začít jako „špagety“, ale využití znalostí výrobců o tom, jak jejich senzory fungují, pomůže zkrátit mnoho zmařených víkendů před uvedením produktu na trh.

5. Používejte knihovnu funkcí pro fúzi senzorů

Je pravděpodobné, že přenosové rozhraní senzoru není nové a dosud nebylo vytvořeno. Známé knihovny všech funkcí, jako například „Knihovna funkcí senzorové fúze“ poskytovaná mnoha výrobci čipů, pomáhají vývojářům učit se rychle, nebo dokonce lépe, a vyhnout se cyklu přepracování nebo drastických úprav architektury produktu. Mnoho senzorů lze integrovat do obecných typů nebo kategorií a tyto typy nebo kategorie umožní hladký vývoj ovladačů, které jsou při správném zacházení téměř univerzální nebo méně opakovaně použitelné. Najděte si tyto knihovny funkcí senzorové fúze a seznamte se s jejich silnými a slabými stránkami.

Když jsou senzory integrovány do vestavěných systémů, existuje mnoho způsobů, jak zkrátit dobu návrhu a usnadnit jeho použití. Vývojáři se nikdy nemohou „zmýlit“, když se naučí, jak senzory fungují, z vysoké úrovně abstrakce na začátku návrhu a před jejich integrací do systému nižší úrovně. Mnoho dnes dostupných zdrojů pomůže vývojářům „pustit se do práce“, aniž by museli začínat od nuly.