当前位置: 首页 > news >正文

PT100温度采集

1、信号采集的基本原理

PT100是将温度信号转换为电阻输出,其电阻值变化范围为0~200Ω。AD转换器只能对电压进行转换,无法采集直接采集温度,因此,需要一个1mA恒电流源给PT100供电,将电阻变化转换为电压变化。使用恒流源的好处,可以延长传感器寿命。由于输入信号范围为0~200mV,因此需要将信号放大,然后进行AD转换,得到电信号数据。

不采用恒压源设计的原因:

若采用恒压源供电,然后再将电阻和PT100串联,通过分压来实现,有点问题,就是当PT100阻值太小时,流过PT100的电流太大,导致传感器寿命变短。

2、运放采用MCP604

MCP604特点:

1)电压范围为2.7~6.0V

2)输出为Rail-to-Rail

3)工作温度范围:-40°C to +85°C

4)输入补偿电压(Input Offset Voltage)为±3mV,典型值为1mV,高灵敏度。

5)输入偏置电流(Input Bias Current)为1pA,当TA = +85°C时,I=20pA,提高采集精度。

6)线性输出电压摆动 (Linear Output Voltage Swing):VSS+0.1 ~ VDD–0.1,单位为V。

当电源电压为3.3V时,线性输出电压摆动为0.1~3.2V。为了保证放大信号工作在线性区,因此,当VDD=3.3V时,我们设置MCP604输出电压保持在:0.5V ~ 2.5V,满足运放电路设计需求。

3、电路图

Vo4 = (Vin1 -  Vref)*10

Io=1mA,Vref=Vo3=1.65V

1.7V<=Vin<=1.9V,1.7V<=V02<=1.9

1.8V<=Vo1<=2V,保证运放工作在线性区,这个很重要

0.5V<=Vo4<=2.5V,保证运放工作在线性区,这就是为什么需要串联50Ω的原因。

当输入电阻变化1Ω时,Vout就变化为10mV。由于MCP604输入补偿电压为±3mV,因此,当有0.3333Ω变化时,就会3.333mV变化,采集灵敏度较高。

0<=Rin<=200Ω输入时,由于回路串联50Ω,50Ω<=Rx<=250Ω

Vin1 -  Vref = Rx*0.001,单位A

4、软件校准

初出道的工程师总是想方设法提高电阻的精度,然而误差还是很大。还有的工程师干脆用连续可调电阻,通过调节其电阻值,配合万用表,让输出满足传递关系式,这种精度好像是得到了提高,但不方便生产,另外PCB设计难度也增加了。即使调试好了,要是用手误摸调节螺丝,可能会带来误差。唯一的方法,就是用固定电阻生产,采用软件帮忙,实现精准的校准。

1)当Rin=0时,读到一个电压值,记录为V50。保存V50,它不会随PT100阻值的变化而改变,因为采用的是恒流源供电。

2)接入标称电阻,令Rs=100Ω,读到一个电压值,记录为V150。保存V150,它温度为0时,读到的电压值

3)计算电流放大倍数:Io = (V150 - V50) / Rs;保存Io,就表示校准好了。

4)当输入电阻为R时,读到电压为Vo,则R = (Vo- V50) / Io

通过以上说明,软件校准具有很大的优越性,不仅生产方便,而且精度还高。为了提高精度,也可以将输出电压分成几个区间,分别校准,得到不同的Io,这样,输出线性度会更好。这些想法,都在我的设计中得到体现。

5、计算温度

当温度小于0时,

Ro*C*t^4 - 100Ro*C*t^3 + Ro*B*t^2 + R0*A*t + R0 - Rt=0

当温度大于0时,Rt=1+A*t+B*t*t

说明:

Rt为t℃时铂电阻的电阻值

R0为0℃时铂电阻的电阻值100Ω

A=3.9082×10^-3

B=-5.80195×10^-7

C=-4.2735×10^-12

 

相关文章:

PT100温度采集

1、信号采集的基本原理 PT100是将温度信号转换为电阻输出&#xff0c;其电阻值变化范围为0~200Ω。AD转换器只能对电压进行转换&#xff0c;无法采集直接采集温度&#xff0c;因此&#xff0c;需要一个1mA恒电流源给PT100供电&#xff0c;将电阻变化转换为电压变化。使用恒流源…...

ThinkSystem DM 全闪存阵列 —— 通过全闪存 NVMe 转型加速您的业务

ThinkSystem DM 全闪存阵列——通过全闪存 NVMe 转型加速您的业务 挑战 要缩短产品上市时间并提高客户满意度&#xff0c;企业必须不断改善关键业务运营的速度和响应能力。其中的一个关键要素是全闪存存储&#xff0c;它可以大幅加速关键工作负载。 不过&#xff0c;随着全闪…...

SpringCloud------代码demo(二)

SpringCloud------代码demo&#xff08;二&#xff09; 编码实操 以订单——支付微服务模块作为基础&#xff0c;开始逐渐扩充 微服务架构编码构建 1.约定 > 配置 > 编码 2.IDEA新建project工作空间 3.Rest微服务工程构建 总父工程 POM project module 首先创建maven项…...

TCL语法

目录 脚本、命令和单词符 置换 变量置换 命令置换 反斜杠置换 双引号和花括号 注释 脚本、命令和单词符 一个 TCL 脚本可以包含一个或多个命令。命令之间必须用换行符或分号隔开。 set a 1 set b 2 或者 set a 1&#xff1b;set b 2 都是合法的 TC…...

Partial convolution Gated convolution

组会讨论帖 1. 图像修复 图像修复&#xff08;Image Inpainting&#xff09;&#xff0c;顾名思义&#xff0c;就是将图像中损坏的部分修复起来&#xff0c;是一种图像编辑技术&#xff0c;可以应用在移除物体、修复老照片、图像补全&#xff08;eg,地震插值&#xff09;等等。…...

量化投资 无套利 No-arbitrage

文章目录 量化投资 无套利 No-arbitrageState of Nature市场域 Market Span 套利 Arbitrage无套利和正线性定价规则 No-arbitrage and Positive Linear Pricing RuleImplication 1: One-price PrincipleImplication 2: PositivityImplication 3: AdditivityImplication 4: Homo…...

小程序容器助力智能移动门户统一

智能移动统一门户遵循“统一规划&#xff0c;统一标准&#xff0c;统一建设&#xff0c;统一运维”的指导思想。它灵活运用前端展示平台&#xff0c;微服务后端平台&#xff0c;流程引擎&#xff0c;规则引擎&#xff0c;非结构化数据平台&#xff0c;即时通讯平台&#xff0c;…...

opencv-python相机标定详解

文章目录 角点检测查看角点标定 opencv中内置了张正友的棋盘格标定法&#xff0c;通过一些姿态各异的棋盘格图像&#xff0c;就能标定相机的内外参数。 角点检测 第一步是角点检测&#xff0c;首先需要读取棋盘格图像 import numpy as np import cv2 import ospath imgs #…...

由斯坦福、Nautilus Chain等联合主办的 Hackathon 活动,现已接受报名

由 Stanford Blockchain Accelerator、Zebec Protocol、 Nautilus Chain、Rootz Lab 共同主办的黑客松活动&#xff0c;现已接受优秀项目提交参赛申请。 在加密行业发展早期&#xff0c;密码极客们就始终在对区块链世界基础设施&#xff0c;在发展方向的无限可能性进行探索。而…...

PBDB Data Service:Measurements of specimens(标本测量)

Measurements of specimens&#xff08;标本测量&#xff09; 描述参数以下参数可用于指定您感兴趣的标本种类以下参数可用于筛选所选内容以下参数还可用于根据分类筛选结果列表以下参数可用于生成数据存档您可以使用以下参数选择要检索的额外信息&#xff0c;以及要获取记录的…...

低调的接口工具 ApiKit

最近发现一款接口测试工具--ApiKit&#xff0c;我们很难将它描述为一款接口管理工具 或 接口自测试工具。 官方给了一个简单的说明&#xff0c;更能说明 Apikit 可以做什么。 ApiKit API 管理 Mock 自动化测试 异常监控 团队协作 ApiKit的特点&#xff1a; 接口文档定义&a…...

opengauss 的回归测试

目录 一、回归测试说明 二、单独执行测试用例&#xff08;开发调试&#xff09; 一、回归测试说明 opengauss/postgresql 的回归测试&#xff0c;通过执行SQL比较输出打印&#xff0c;判断代码修改是否改变了其它功能逻辑。 OG的回归测试大体上和PG类似&#xff0c;主要是通…...

计算机组成原理基础练习题第四章-计算机的运算方法

对真值0表示形式唯一的机器数是&#xff08;&#xff09;。A、原码    B、补码和移码C、反码    D、以上都不对在整数定点机中&#xff0c;下述说法正确的是&#xff08;&#xff09;。A、原码和反码不能表示-1,补码可以表示-1B、三种机器数均可表示-1C、三种机器数均可表示…...

SpringBoot定时任务里的多线程

SpringBoot定时任务里的多线程 提示前言遇到的问题验证与解决验证单线程执行单任务分析代码及结果 单线程执行多任务 解决实现单任务的多线程为每个任务创建一个子线程 解决多任务的多线程设定固定容量线程池动态设定容量线程池固定线程池和动态线程池的选择 简单总结借鉴及引用…...

YOLO V3 SPP ultralytics 第二节:根据yolo的数据集,生成准备文件和yolo的配置文件

目录 1. 介绍 2. 完整代码 3. 代码讲解 3.1 生成 my_train_data.txt和my_val_data.txt 3.2 生成 my_data.data 文件 3.3 生成 my_yolov3.cfg 3.4 关于my_data_label.names文件 1. 介绍 根据 第一节 的操作&#xff0c;已经生成了下图中圆圈中的部分&#xff0c;而本…...

camunda流程引擎connector如何使用

在 Camunda 中&#xff0c;Connector 是一种用于与外部系统或服务交互的机制。它允许 BPMN 模型中的 Service Task 节点与外部系统或服务进行通信&#xff0c;从而使流程更加灵活和可扩展。使用 Connector&#xff0c;可以将业务流程与外部系统集成在一起&#xff0c;而无需编写…...

ECO基本概念:pre-mask eco gen patch flow

使用conformal LEC 进行pre-mask eco 时&#xff0c;如何产生patch&#xff0c;参考以下步骤&#xff1a; 官方推荐 Flattened ECO Flow&#xff08;FEF&#xff09; Conformal支持Flattened ECO Flow和Hierarchical ECO Flow。Flattened下&#xff0c;工具会将 ECO 分析重点…...

【初学人工智能原理】【4】梯度下降和反向传播:能改(下)

前言 本文教程均来自b站【小白也能听懂的人工智能原理】&#xff0c;感兴趣的可自行到b站观看。 本文【原文】章节来自课程的对白&#xff0c;由于缺少图片可能无法理解&#xff0c;故放到了最后&#xff0c;建议直接看代码&#xff08;代码放到了前面&#xff09;。 代码实…...

微信小程序路由传参

微信小程序路由传参 在微信小程序中&#xff0c;可以通过路由传参将数据传递给目标页面。以下是一种常见的方式&#xff1a; 在源页面中&#xff0c;使用 wx.navigateTo 或 wx.redirectTo 方法跳转到目标页面&#xff0c;并通过 URL 参数传递数据。示例&#xff1a; wx.navi…...

深入篇【C++】类与对象:再谈构造函数之初始化列表与explicit关键字

深入篇【C】类与对象&#xff1a;再谈构造函数之初始化列表与explicit关键字 Ⅰ.再谈构造函数①.构造函数体赋值②.初始化列表赋值【<特性分析>】1.至多性2.特殊成员必在性3.必走性&#xff1a;定义位置4.一致性5.不足性 Ⅱ.explicit关键字①.隐式类型转化②.作用 Ⅰ.再谈…...

如何在看板中体现优先级变化

在看板中有效体现优先级变化的关键措施包括&#xff1a;采用颜色或标签标识优先级、设置任务排序规则、使用独立的优先级列或泳道、结合自动化规则同步优先级变化、建立定期的优先级审查流程。其中&#xff0c;设置任务排序规则尤其重要&#xff0c;因为它让看板视觉上直观地体…...

【解密LSTM、GRU如何解决传统RNN梯度消失问题】

解密LSTM与GRU&#xff1a;如何让RNN变得更聪明&#xff1f; 在深度学习的世界里&#xff0c;循环神经网络&#xff08;RNN&#xff09;以其卓越的序列数据处理能力广泛应用于自然语言处理、时间序列预测等领域。然而&#xff0c;传统RNN存在的一个严重问题——梯度消失&#…...

Cilium动手实验室: 精通之旅---20.Isovalent Enterprise for Cilium: Zero Trust Visibility

Cilium动手实验室: 精通之旅---20.Isovalent Enterprise for Cilium: Zero Trust Visibility 1. 实验室环境1.1 实验室环境1.2 小测试 2. The Endor System2.1 部署应用2.2 检查现有策略 3. Cilium 策略实体3.1 创建 allow-all 网络策略3.2 在 Hubble CLI 中验证网络策略源3.3 …...

uniapp中使用aixos 报错

问题&#xff1a; 在uniapp中使用aixos&#xff0c;运行后报如下错误&#xff1a; AxiosError: There is no suitable adapter to dispatch the request since : - adapter xhr is not supported by the environment - adapter http is not available in the build 解决方案&…...

什么是Ansible Jinja2

理解 Ansible Jinja2 模板 Ansible 是一款功能强大的开源自动化工具&#xff0c;可让您无缝地管理和配置系统。Ansible 的一大亮点是它使用 Jinja2 模板&#xff0c;允许您根据变量数据动态生成文件、配置设置和脚本。本文将向您介绍 Ansible 中的 Jinja2 模板&#xff0c;并通…...

Pinocchio 库详解及其在足式机器人上的应用

Pinocchio 库详解及其在足式机器人上的应用 Pinocchio (Pinocchio is not only a nose) 是一个开源的 C 库&#xff0c;专门用于快速计算机器人模型的正向运动学、逆向运动学、雅可比矩阵、动力学和动力学导数。它主要关注效率和准确性&#xff0c;并提供了一个通用的框架&…...

视频行为标注工具BehaviLabel(源码+使用介绍+Windows.Exe版本)

前言&#xff1a; 最近在做行为检测相关的模型&#xff0c;用的是时空图卷积网络&#xff08;STGCN&#xff09;&#xff0c;但原有kinetic-400数据集数据质量较低&#xff0c;需要进行细粒度的标注&#xff0c;同时粗略搜了下已有开源工具基本都集中于图像分割这块&#xff0c…...

算法:模拟

1.替换所有的问号 1576. 替换所有的问号 - 力扣&#xff08;LeetCode&#xff09; ​遍历字符串​&#xff1a;通过外层循环逐一检查每个字符。​遇到 ? 时处理​&#xff1a; 内层循环遍历小写字母&#xff08;a 到 z&#xff09;。对每个字母检查是否满足&#xff1a; ​与…...

人机融合智能 | “人智交互”跨学科新领域

本文系统地提出基于“以人为中心AI(HCAI)”理念的人-人工智能交互(人智交互)这一跨学科新领域及框架,定义人智交互领域的理念、基本理论和关键问题、方法、开发流程和参与团队等,阐述提出人智交互新领域的意义。然后,提出人智交互研究的三种新范式取向以及它们的意义。最后,总结…...

push [特殊字符] present

push &#x1f19a; present 前言present和dismiss特点代码演示 push和pop特点代码演示 前言 在 iOS 开发中&#xff0c;push 和 present 是两种不同的视图控制器切换方式&#xff0c;它们有着显著的区别。 present和dismiss 特点 在当前控制器上方新建视图层级需要手动调用…...