下载掌阅APP，畅读海量书库
立即打开
传感器的一般特性主要是指传感器输出与输入之间的关系。一般用曲线、图表、数学表达式等方式表达。传感器的一般特性是与其内部结构、参数有密切关系的外部特性。
传感器的一般特性又因输入量(又称被测量)状态的不同而分为静态特性和动态特性。当输入量为常量或变化极慢时，称为静态特性。当输入量随时间变化较快时，称为动态特性。
传感器的输出与输入关系可用微分方程来描述。理论上，将微分方程中的一阶及以上的微分项取为零时，即得到静态特性。因此，传感器的静态特性只是动态特性的一个特例。
传感器的输出与输入应具有确定的对应关系，两者间最好成线性关系。但一般情况下，输出和输入不会符合所要求的线性关系，同时由于存在迟滞、蠕变、摩擦、间隙和松动等各种因素以及外界条件的影响，使输出、输入对应关系的唯一确定性也不能实现。对传感器的纯理论分析往往很复杂，因为实际应用的传感器，影响其特性的因素很多，有些是不确定的、随机变化的，难以反映客观规律，所以传感器的特性多用实验方法获得。经过一定的理论计算、处理，一般用校准数据来建立数学模型，将一定条件下实测得到的校准特性作为传感器的实际特性。
1.2.1 传感器的静态特性
传感器的静态特性是指被测量的值处于稳定状态时的输出、输入关系。衡量静态特性的重要指标是线性度、灵敏度、迟滞和重复性等。它们也是衡量传感器优劣的指标。
1．静态特性的定义
传感器在稳态(静态、缓变)信号作用下，其输入与输出的关系称为传感器的静态特性。
2．静态特性的数学模型
传感器如没有迟滞或蠕变效应，静态特性的数学模型为多次多项式：
式中， y 为输出量； a 0 为零位输出； a 1 , …, a n 为线性灵敏度； x 为输入量。各项系数不同，决定了特性曲线的具体形式。
3．静态特性的有关指标
1) 线性度
传感器的线性度是指传感器的输出与输入之间数量关系的线性程度。线性度又称非线性误差，指实际特性曲线与拟合曲线之间的最大偏差(绝对值)与传感器满量程输出值之比，线性度可用下式表示为
式中，Δ L max 为实际曲线与拟合直线之间的最大偏差； y fs 为输出满量程值，如图1.5所示。
图1.5 传感器的线性度
为了标定和数据处理的方便，希望传感器输出-输入的对应关系最好成线性关系。但一般情况下，输出、输入不会符合所要求的线性关系，同时由于存在迟滞、蠕变、摩擦、间隙和松动等各种因素以及外界条件的影响，使输出、输入对应关系的唯一确定性也不能实现。
线性传感器是指取线性特征为理论特征的传感器。线性度的大小是以拟合直线或理想直线作为基础直线算出来的，因此，基准直线不同，所得出的线性精度就不同。当传感器的非线性项方次不高，输入量变化范围不大时，用切线或割线等直线(此直线为拟合直线、理论直线、参考直线)来近似代表实际曲线的一段，此方法称为传感器非线性特征的“线性化”。一般并不要求拟合直线必须经过所有的检测点，而是要找到一条能反映校准数据的一般趋势，同时又使误差绝对值最小即可。
静态特性曲线可通过实际测试获得。首先在标准工作状态下，用标准仪器设备对传感器进行标定(测试)，得到其输入-输出实测曲线，即校准曲线，然后作一条理想直线，即拟合直线。在获得静态特性曲线之后，可以说问题已经得到了解决。但是为了标定和数据处理的方便，希望得到线性关系，这时可采用各种方法，其中也包括硬件或软件补偿的方法，进行线性化处理。
2) 灵敏度
灵敏度是传感器在稳态下输出增量与输入增量的比值。
对于线性传感器，其灵敏度就是它的静态特性的斜率，其特性曲线的斜率处处相同，灵敏度是一个常数，与输入量大小无关。如图1.6(a)所示，其中
图1.6 传感器的灵敏度
非线性传感器的灵敏度是一个随工作点而变的变量，如图1.6(b)所示，其表达式为
传感器静态数学模型有三种特殊形式来描述线性度和灵敏度。
(1) 理想的线性特性。其线性度最好，通常是所希望的传感器应具有的特性，只有具备这样的特性才能正确无误地反映被测的真值。其数学模型为
具有该特性的传感器的灵敏度为直线 y = a 1 x 的斜率，其中 a 1 为常数。
(2) 仅有偶次非线性项。其线性范围较窄，线性度较差，灵敏度为相应曲线的斜率，一般传感器设计很少采用这种特性。其数学模型为
(3) 仅有奇次非线性项。其线性范围较宽，且相对坐标原点是对称的，线性度较好，灵敏度为该曲线的斜率。其数学模型为
这种特性传感器使用时应采取线性补偿措施。
根据式(1-1)、式(1-5)、式(1-6)及式(1-7)的静态数学模型画出的关系曲线如图1.7所示。
图1.7 静态数学模型描述线性度和灵敏度的三种特殊形式
由图可见，除图1.7(a)为理想特性外，其他都体现出非线性，都应进行线性处理。常用的方法有理论直线法、端点线法、割线法、最小二乘法和计算程序法等。
3) 滞后量(迟滞误差)
传感器在正(输入量增大)反(输入量减小)行程中输出-输入曲线不重合称为迟滞。它一般是由实验方法测得。对于同一输入 x i 有不同的 y i ( y 正 ≠ y 反 )，对于这种传感器在正反行程期间(输入-输出)特性曲线不重合的程度称为迟滞误差。迟滞误差一般以满量程输出的百分数表示。
传感器的迟滞误差如图1.8所示，它反应了传感器机械结构和制造工艺上的缺陷，如：轴承摩擦、间隙、紧固件松动、积尘、材料内摩擦等，而且不稳定，由实验方法确定。
图1.8 传感器的迟滞误差
4) 重复性(重复性误差)
重复性是指传感器在同一工作条件下，输入量按同一方向在全测量范围内连续变动多次所得特性曲线的不一致性，如图1.9所示。
图1.9 传感器的重复性
重复性误差属于随机误差，常用绝对误差表示，也可用正反行程中的最大偏差表示，它是反映传感器精密度的一个指标，是随机误差的性质。
5) 稳定性
(1) 抗干扰稳定性：是指传感器对外界干扰的抵抗能力。
(2) 温度稳定性：又称温漂，表示温度变化时传感器输出值的偏离程度，一般用温度变化1℃输出的最大偏差与满量程的百分比表示。
6) 精确度
与精确度(精度)有关的指标是精密度和准确度。精确度是精密度与准确度两者的总和，精确度高表示精密度和准确度都比较高。在最简单的情况下，可取两者的代数和。精确度常以测量误差的相对值表示。在测量中我们希望得到精确度高的结果。
(1) 精密度：说明测量传感器输出值的分散性，即对某一稳定的被测量，由同一个测量者，用同一个传感器，在相当短的时间内连续重复测量多次，其测量结果的分散程度。例如，某测温传感器的精密度为0.5℃。精密度是随机误差大小的标志，精密度高，意味着随机误差小。要注意的是，精密度高不一定准确度高。
(2) 准确度：说明传感器输出值与真值的偏离程度。如，某流量传感器的准确度为0.3m 3 /s，表示该传感器的输出值与真值偏离0.3m 3 /s。准确度是系统误差大小的标志，准确度高意味着系统误差小。同样，准确度高不一定精密度高，如图1.10所示。
图1.10 传感器的精确度
1.2.2 传感器的动态特性
在实际测量中，大量被测量是随时间变化的动态信号。动态特性与被测量的变化形式有关。
1．动态特性的定义
动态特性是指传感器对随时间变化的输入量的响应特性，可用输入-输出函数关系的方程、图形、参数等来描述传感器的动态特性。
工程技术上采取一些近似的方法，忽略一些影响不大的因素可以用线性系统来描述传感器的动态特性，因而，可以用常系数线性微分方程表示传感器输出量 y 与输入量 x 的关系。输出 y ( t )曲线与输入 x ( t )曲线一致(从形状、频率、相位看)时，说明其动态特性好，理想的动态特性是其接近程度称为动态误差，即输出与输入信号不可能是完全相同的时间函数，其差异即动态误差。
2．动态特性的数学模型
传感器的动态数学模型是指：在随时间变化的动态信号作用下，传感器输出-输入量间的函数关系，通常称为响应特性。忽略了一些影响不大的非线性和随机变量等复杂因素后，可将传感器作为线性定常数系统来考虑，因而其动态数学模型可以用线性常系数微分方程来表示，解此方程即可得到传感器的暂态响应和稳态响应。
线性系统具有以下特性。
1) 叠加性
当一个系统有 n 个激励同时作用时，那么，它的响应就等于这 n 个激励单独作用的响应之和，即：
输入 x ( t )→输出 y ( t ) 输入 ax 1 ( t )+ bx 2 ( t )→输出 ay 2 ( t )+ by 2 ( t )
这样，分析常系数线性系统时，可以将一个复杂的激励信号分解成若干个简单的激励后，再进行分析。
2) 频率保持特性
输入频率为 f 的信号，稳态输出则为同一频率 f 的信号，即
输入 x ( t )→输出 y ( t )
输入 x ( t - t 0 )→输出 y ( t - t 0 )
这样，分析常系数线性系统的数学模型则是
式中， x ( t )为输入量；y(t)为输出量。 a n , a n -1 ,…, a 0 , b n , b n -1 ,…, b 0 均为与系统参数有关的结构常数，一般 m ＜ n ，且 b 1 = b 2 =…= b m , b 0 ≠0。
3．传递函数
在工程上，为了计算方便，将上述常系数线性微分方程变换为代数式形式来研究传感器的动态特性，常用拉普拉斯变换、傅里叶变换、拉普拉斯反变换等数学方法来实现。那么，传递函数就是以代数式的形式表征系统本身的传输、转换特性，而与激励及系统初始状态无关。也就是说，传递函数是描述线性定常系统的输入-输出关系的一种函数，能表示系统的动态特性。
4．动态特性的有关指标
在输入信号为动态(快速变化)的情况下，要求传感器不仅能精确地测量信号的幅值，而且能测量出信号变化的过程。这就要求传感器能迅速准确地响应和再现被测信号的变化。也就是说，传感器要有良好的动态特性。具体研究传感器的动态特性时，通常从时域和频域两方面采用瞬态响应法和频率响应法来分析。最常用的是通过几种特殊的输入时间函数，例如采用阶跃函数和正弦函数来研究其响应特性，称为阶跃响应法和频率响应法。
如静态特性指标一样，动态特性的指标如：时间常数 τ 、上升时间 t r 、最大超调量 σ F 、响应时间 t s 等，以上为时域动态特性指标，采用的是阶跃函数输入。例如，给传感器输入一个单位阶跃函数信号，其输出特性称为阶跃响应特性，如图1.11所示。由图可衡量阶跃响应的几项指标：
图1.11 传感器阶跃响应特性
(1) 时间常数 τ ：阶跃信号的响应曲线由零上升到稳态值的63.2%时，所需要的时间。
(2) 上升时间 t r ：阶跃的响应曲线有稳态值的10%上升到90%所需要的时间。
(3) 最大超调量 σ F ：阶跃响应曲线第一次超过稳态值的峰高， y max - y c = σ P (越小越好)，常用百分数表示，来说明传感器的相对稳定性。
(4) 响应时间 t s ；建立一个较精确的稳态值所需要的时间，也称过渡过程时间。
(5) 延迟时间 t d ；阶跃响应达到稳态值50%所需要的时间。
(6) 峰值时间 t p ；响应曲线上升到第一个峰值所需要的时间。
特别提示
传感器的选用原则
(1) 与测量条件有关的因素有：①测量的目的；②被测试量的选择；③测量范围；④输入信号的幅值，频带宽度；⑤精度要求；⑥测量所需要的时间。
(2) 与使用环境条件有关的因素有：①安装现场条件及情况；②环境条件(湿度、温度、振动等); ③信号传输距离；④所需现场提供的功率容量。
(3) 与购买和维修有关的因素有：①价格；②零配件的储备；③服务与维修制度，保修时间；④交货日期。