Bisakah saya membuat satu super-sensor dengan rata-rata pembacaan bersama dari beberapa sensor LM35? Bukankah ini lebih akurat karena saya akan meratakan bias sistematis dalam sensor individu? Juga, bukankah akan lebih tepat juga, karena kebisingan akan diredam / dirata-rata?
Tampaknya ini terlalu bagus untuk menjadi kenyataan. Maksud saya, hal-hal ini benar-benar murah sejauh sensor pergi, jadi apa yang menghentikan saya dari membeli seperti 10 dari mereka dan membuat sensor suhu super-akurat dengan metode ini?
sensor
temperature
garasiàtrois
sumber
sumber
Jawaban:
Anda tidak dapat menjamin lebih akurat, tetapi Anda mungkin bisa mendapatkan rasio sinyal terhadap noise yang lebih baik.
Bayangkan jika semua sensor dimatikan dengan jumlah yang sama seperti yang diizinkan dalam spesifikasi. Rata-rata mereka tidak akan menghasilkan akurasi yang lebih baik. Jika Anda memiliki sejumlah besar sensor ini dan mereka memiliki distribusi kesalahan acak dalam band kesalahan yang diizinkan, maka Anda akan mendapatkan akurasi yang lebih baik dengan rata-rata. Namun, masalahnya adalah Anda tidak memiliki cara untuk mengetahui apakah Anda memiliki kasus pertama atau kedua. Jika semua unit berasal dari tempat produksi yang sama, kesalahan mereka kemungkinan tidak didistribusikan secara acak.
Kebisingan turun, namun. Setiap sensor menambah noise pada pembacaannya. Ini tidak berkorelasi dengan noise dari sensor lain, sehingga rata-rata mengurangi noise. Tentu saja ini tidak berlaku untuk noise yang datang dari luar seluruh sistem karena itu akan berkorelasi dan rata-rata pembacaan beberapa sensor tidak akan mengurangi itu.
Perhatikan bahwa ada lebih dari satu cara untuk "rata-rata". Anda berpikir tentang rata-rata melintasi beberapa sensor untuk mengurangi kebisingan. Namun, karena kebisingan ini pada dasarnya acak, Anda bisa juga rata-rata antara beberapa pembacaan dari sensor yang sama yang diambil pada waktu yang berbeda. Dalam kasus yang lebih umum, ini benar-benar low pass filtering. Karena suhu berubah secara perlahan, penyaringan low pass yang agresif, output dari sensor suhu akan mengurangi kebisingan. Melihat ini di ruang frekuensi, Anda tahu suhu berubah perlahan sehingga komponen frekuensi tinggi kebisingan dan dapat dilemahkan dengan aman.
sumber
Ya, menggunakan banyak sensor dapat memberi Anda suhu rata - rata . Seberapa benar suhu itu masih dipertanyakan.
Jika 50% dari sensor berada di atas suhu sebenarnya, dan 50% di bawah, maka Anda akan mendapatkan suhu sebenarnya (atau sebagus). Jika 75% di atas dan 25% di bawah, maka Anda akan membaca suhu lebih tinggi dari itu.
Untuk keakuratan Anda akan memerlukan beberapa referensi untuk menguji sensor terhadap untuk mendapatkan suhu nyata - biasanya suhu yang dikenal untuk mengkalibrasi sensor terhadap.
Sedangkan untuk pembatalan kebisingan, Anda dapat melakukan hal yang sama persis dengan satu sensor dan mengambil sampel beberapa kali dan rata-rata hasilnya.
sumber
Jika kesalahannya acak Anda bisa mengharapkan peningkatan sekitar faktor 3 untuk 10 sensor (akar kuadrat dari 10). Tetapi kemungkinan ada kesalahan sistematis yang tidak akan dibatalkan.
Mengapa Anda menginginkan presisi yang lebih baik daripada 0,5 ° C?
Suhu manakah yang ingin Anda ukur? Jika Anda memiliki sepuluh sensor, semuanya tidak akan berada di tempat yang sama. Sebagian besar waktu akan lebih baik mendapatkan yang lebih tinggi presisi.
Apakah Anda memiliki ruang untuk 10 sensor?
Sebaiknya lakukan beberapa pembacaan satu sensor.
sumber
Anda berbicara tentang "bias sistematis". Jika kita membuat asumsi yang secara umum masuk akal bahwa pembacaan dari sensor memiliki deviasi rata-rata dan standar, daripada ketika ukuran sampel (jumlah sensor) meningkat maka deviasi standar harus berkurang.
Kemudian lagi jika seseorang mengambil beberapa bacaan dari sensor yang sama maka standar deviasi bacaan harus dikurangi juga.
Adapun rata-rata, anggaplah bahwa ketika suhu yang tepat adalah 80C dan sensor 1 mungkin membaca 79C, sensor 2 80C dan sensor 3 81C. Dalam hal ini rata-rata bacaan memberikan jawaban 80C sedangkan dari 3 sensor individu hanya satu yang memiliki nilai yang benar. Ada lagi yang perlu dipertimbangkan di sini, misalkan sensor 1 selalu membaca 1C rendah sementara sensor 3 selalu membaca 1C tinggi. Jika Anda dapat menentukan ini dengan membandingkannya dengan sumber yang akurat, maka Anda dapat memperbaiki pembacaan rendah 1C ini untuk sensor 1 di konversi pasca peranti lunak.
Secara praktis, bagaimana Anda memasang beberapa sensor sehingga semuanya berhubungan dengan titik yang sama persis di mana Anda ingin mengukur suhu? Untuk pembacaan akurasi tinggi, bahkan pemisahan kecil antara sensor dapat berarti bahwa mereka terkena suhu yang berbeda. Dalam hal ini, rata-rata bacaan tidak akan menghasilkan data yang berguna tentang suhu pada titik tertentu, hanya rata-rata di beberapa ruang. Semacam pemasangan 4 termometer di setiap sisi rumah Anda; sangat mungkin bahwa yang ada di sisi yang cerah akan memiliki suhu yang berbeda dari yang di sisi yang teduh.
sumber
Hanya untuk pilih-pilih dan tambahkan 2 sen ke pertanyaan ini: jika Anda tidak suka jawaban pilih-pilih , jangan baca yang ini atau Anda ingin membunuh saya.
Karena semua sensor memiliki beberapa bias internal, Anda tidak akan pernah menjadi super-akurat .
Jika Anda memiliki sensor dan mengetahui biasnya, Anda dapat mengkompensasi pembacaannya, dan mendapatkan suhu sesungguhnya. Dan Anda akan dibatasi oleh karakteristiknya (contoh: jika pembacaannya linear dalam perubahan suhu, atau jika kesalahannya tidak linear ... jika stabil seiring berjalannya waktu, atau tidak ...).
Jika Anda memiliki banyak sensor dan rata-rata, Anda akan mempersempit kesenjangan antara suhu nyata dan yang diukur, tetapi karena masing-masing memiliki kesalahan sendiri, rata-rata akan selalu memiliki beberapa kesalahan. Untuk menghindarinya, hanya jika Anda memiliki jumlah sensor yang persis sama di atas dan di bawah suhu yang benar, dan hanya jika mereka persis jumlah yang sama di atas dan di bawah ...
Pikirkan itu seperti standar massa internasional: berapa 1 kg? Ini massa tubuh tertentu, yang disimpan di Biro Bobot dan Ukuran Internasional. Ini bukan rata-rata dari banyak tubuh ...
sumber