सेन्सर वैशिष्ट्यांचे रेखीयकरण

सेन्सर वैशिष्ट्यांचे रेखीयकरण - सेन्सर आउटपुट मूल्याचे नॉन-रेखीय परिवर्तन किंवा त्याच्या प्रमाणात प्रमाण (अॅनालॉग किंवा डिजिटल) जे मोजलेले मूल्य आणि त्याचे प्रतिनिधित्व करणारे मूल्य यांच्यातील एक रेषीय संबंध प्राप्त करते.

रेखीयकरणाच्या मदतीने, दुय्यम उपकरणाच्या स्केलवर रेखीयता प्राप्त करणे शक्य आहे ज्यामध्ये नॉन-रेखीय वैशिष्ट्यांसह सेन्सर जोडलेले आहे (उदा. थर्मोकूपल, थर्मल रेझिस्टन्स, गॅस विश्लेषक, फ्लो मीटर इ.). सेन्सर वैशिष्ट्यांचे रेखीयकरण डिजिटल आउटपुटसह दुय्यम उपकरणांद्वारे आवश्यक मापन अचूकता प्राप्त करणे शक्य करते. काही प्रकरणांमध्ये रेकॉर्डिंग डिव्हाइसेसना सेन्सर कनेक्ट करताना किंवा मोजलेल्या मूल्यावर (उदा. एकत्रीकरण) गणितीय ऑपरेशन्स करताना हे आवश्यक असते.

एन्कोडर वैशिष्ट्याच्या दृष्टीने, रेखीयकरण हे व्यस्त कार्यात्मक परिवर्तन म्हणून कार्य करते.जर सेन्सरचे वैशिष्ट्य y = F (a + bx) असे दर्शवले असेल, जेथे x हे मोजलेले मूल्य आहे, a आणि b स्थिरांक आहेत, तर सेन्सर (Fig. 1) सह मालिकेत जोडलेल्या रेखीय यंत्राचे वैशिष्ट्य दिसले पाहिजे. याप्रमाणे: z = kF (y), जेथे F हे F चे व्यस्त कार्य आहे.

परिणामी, रेखीयकरणाचे आउटपुट z = kF(F (a + bx)) = a ' + b'x असेल, म्हणजेच मोजलेल्या मूल्याचे रेखीय कार्य.

तांदूळ. 1. सामान्यीकृत रेखीयकरण ब्लॉक आकृती: D — सेन्सर, L — रेखीयकरण.

शिवाय, स्केलिंग करून, अवलंबन z हे z '= mx फॉर्ममध्ये कमी केले जाते, जेथे m हा योग्य स्केल फॅक्टर आहे. जर रेखीयकरण भरपाईच्या पद्धतीने केले गेले असेल, म्हणजे अंजीर सारख्या सर्वो प्रणालीवर आधारित. 2, तर रेखीय फंक्शन कन्व्हर्टरचे वैशिष्ट्य सेन्सर z = cF (a + bx) च्या वैशिष्ट्यासारखे असले पाहिजे, कारण मोजलेल्या मूल्याचे रेखीय मूल्य फंक्शन लाइनराइजरच्या कनवर्टरच्या इनपुटमधून घेतले जाते आणि त्याचे आउटपुटची तुलना सेन्सरच्या आउटपुट मूल्याशी केली जाते.

फंक्शनल कन्व्हर्टर्स म्हणून लाइनराइझर्सचे वैशिष्ट्यपूर्ण वैशिष्ट्य म्हणजे त्यांच्याद्वारे पुनरुत्पादित अवलंबनांचा तुलनेने संकुचित वर्ग, मोनोटोनिक फंक्शन्सपर्यंत मर्यादित आहे, जो सेन्सर वैशिष्ट्यांच्या प्रकाराद्वारे निर्धारित केला जातो.

तांदूळ. 2. ट्रॅकिंग सिस्टमवर आधारित रेखीयकरणाचा ब्लॉक आकृती: D — सेन्सर, U — अॅम्प्लीफायर (ट्रान्सड्यूसर), FP — फंक्शनल कन्व्हर्टर.

लिनियरायझर्सचे खालील निकषांनुसार वर्गीकरण केले जाऊ शकते:

1. फंक्शन सेट करण्याच्या पद्धतीनुसार: टेम्प्लेट्स, मॅट्रिक्स इत्यादींच्या स्वरूपात अवकाशीय, नॉन-रेखीय घटकांच्या संयोजनाच्या स्वरूपात, डिजिटल गणना अल्गोरिदम, डिव्हाइसेसच्या स्वरूपात.

2.योजनेच्या लवचिकतेच्या प्रमाणात: सार्वत्रिक (म्हणजे, पुनर्रचना करण्यायोग्य) आणि विशेष.

3. स्ट्रक्चरल आकृतीच्या स्वरूपानुसार: उघडा (Fig. 1) आणि भरपाई (Fig. 2) प्रकार.

4. इनपुट आणि आउटपुट मूल्यांच्या स्वरूपात: एनालॉग, डिजिटल, मिश्रित (एनालॉग-डिजिटल आणि डिजिटल-एनालॉग).

5. सर्किटमध्ये वापरलेल्या घटकांच्या प्रकारानुसार: यांत्रिक, इलेक्ट्रोमेकॅनिकल, चुंबकीय, इलेक्ट्रॉनिक इ.

स्पेशियल फंक्शन लाइनराइझर्समध्ये प्रामुख्याने कॅम मेकॅनिझम, पॅटर्न आणि नॉन-लाइनर पोटेंशियोमीटर समाविष्ट असतात. ते अशा प्रकरणांमध्ये वापरले जातात जेथे प्रत्येक रूपांतरण स्टेजचे मोजलेले मूल्य यांत्रिक हालचालीच्या स्वरूपात सादर केले जाते (कॅम्स — मॅनोमेट्रिक आणि ट्रान्सफॉर्मर सेन्सर्सच्या वैशिष्ट्यांचे रेखीयकरण करण्यासाठी, मॉडेल — रेकॉर्डरमध्ये, नॉन-लिनियर पोटेंशियोमीटर — संभाव्य आणि ब्रिज सर्किट्समध्ये ).

पोटेंशियोमीटर वैशिष्ट्यांची नॉनलाइनरिटी प्रोफाइल केलेल्या फ्रेम्सवर वळण करून आणि विभागवार रेखीय अंदाजे पद्धत वापरून योग्य प्रतिकारांसह विभाग हाताळून प्राप्त केली जाते.

नॉन-लीनियर पोटेंशियोमीटर (चित्र 3) वापरून पोटेंटिओमेट्रिक प्रकारच्या इलेक्ट्रोमेकॅनिकल सर्वो सिस्टमवर आधारित रेखीयकरणामध्ये, रेखीय मूल्य रोटेशन किंवा यांत्रिक विस्थापनाचा कोन म्हणून दिसून येते. हे रेखीयकरण साधे, बहुमुखी आणि केंद्रीकृत नियंत्रण प्रणालींमध्ये मोठ्या प्रमाणावर वापरले जातात.

तांदूळ. 3. पोटेंशियोमेट्रिक प्रकाराच्या इलेक्ट्रोमेकॅनिकल सर्वो सिस्टमसाठी लिनियरायझर: डी — डीसी व्होल्टेजच्या स्वरूपात आउटपुटसह सेन्सर, Y — अॅम्प्लीफायर, M — इलेक्ट्रिक मोटर.

वैयक्तिक घटकांच्या (इलेक्ट्रॉनिक, चुंबकीय, थर्मल इ.) वैशिष्ट्यांची गैर-रेखीयता पॅरामेट्रिक फंक्शनल कन्व्हर्टरमध्ये वापरली जाते. तथापि, ते विकसित होणारी कार्यात्मक अवलंबित्व आणि सेन्सर्सची वैशिष्ट्ये यांच्यात, सामान्यतः पूर्ण जुळणी करणे शक्य नसते.

डिजिटल फंक्शन कन्व्हर्टरमध्ये फंक्शन सेट करण्याचा अल्गोरिदमिक मार्ग वापरला जातो. त्यांचे फायदे उच्च अचूकता आणि वैशिष्ट्यांची स्थिरता आहेत. ते वैयक्तिक कार्यात्मक अवलंबनांचे गणितीय गुणधर्म किंवा भागांद्वारे रेखीय अंदाजे तत्त्व वापरतात. उदाहरणार्थ, पूर्णांकांच्या वर्गांच्या गुणधर्मांवर आधारित पॅराबोला विकसित केला जातो.

उदाहरणार्थ, डिजिटल लाइनराइझर तुकड्यानुसार रेखीय अंदाजे पद्धतीवर आधारित आहे, जे वेगवेगळ्या पुनरावृत्ती दरांच्या डाळींनी जवळ येणारे विभाग भरण्याच्या तत्त्वावर कार्य करते. नॉनलाइनरिटीच्या प्रकारानुसार डिव्हाइसमध्ये घातलेल्या प्रोग्रामनुसार जवळ येत असलेल्या विभागांच्या सीमा बिंदूंवर फिलिंग फ्रिक्वेन्सी बदलतात. रेखीय प्रमाण नंतर एकात्मक कोडमध्ये रूपांतरित केले जाते.

डिजीटल रेखीय इंटरपोलेटर वापरून नॉनलाइनरिटीचे आंशिक रेषीय अंदाज देखील केले जाऊ शकते. या प्रकरणात, इंटरपोलेशन अंतराल भरण्याची वारंवारता केवळ सरासरीवर स्थिर राहते.

भागांच्या रेखीय अंदाजाच्या पद्धतीवर आधारित डिजिटल लाइनराइझर्सचे फायदे आहेत: जमा नॉनलाइनरिटीचे पुनर्संरचना सुलभ करणे आणि एका नॉनलाइनरिटीमधून दुसर्‍याकडे स्विच करण्याचा वेग, जो उच्च-गती केंद्रीकृत नियंत्रण प्रणालींमध्ये विशेषतः महत्त्वपूर्ण आहे.

युनिव्हर्सल कॅल्क्युलेटर, मशीन्स असलेल्या जटिल नियंत्रण प्रणालींमध्ये, या मशीन्समधून थेट रेखीयकरण केले जाऊ शकते, ज्यामध्ये फंक्शन संबंधित सबरूटीनच्या रूपात एम्बेड केलेले असते.