当前位置:网站首页>手持振弦采集仪对振弦传感器激励方法和激励电压
手持振弦采集仪对振弦传感器激励方法和激励电压
2022-07-25 09:23:00 【河北稳控科技】
传感器激励方法和激励电压
激励:也称为“激振”,是振弦类传感器频率数据获取的必须过程,仅当传感器收 到合适的激励信号后才能产生自振,而仅当振弦传感器产生自振后才能输出频率信号,进一步的,读数电路会检测并读取振弦传感器的自振信号,才能通过计算得到 振动频率值。振弦传感器的激励信号(能够使传感器产生自振的外部信号)一般分 为两类,一类为高压短促脉冲,一类为特定频率的多组连续低压脉冲信号。
高压脉冲激励:使用较高电压(100~200V)向振弦传感器线圈发送短促脉冲,使任意频率的振弦传感器产生自振的过程或方法。
低压扫频激励:使用与传感器自振频率相当(接近)的频率向振弦传感器发送连续 的低压(3~10V)脉冲信号,使传感器产生自振的过程或方法。

振弦采集仪提供多种振弦传感器激励方法,以兼容更多型号的振弦传感器。 振弦传感器激励方法参数位于实时数据窗口右侧,共有 5 种方法可选,分别用MODTH0~MODTH4 表示。各种方法说明如下:

激励电压数据在屏幕上显示为 xxx/xxx 的形式,其中前面的数字表示实际的激励电压,后面的数字表示激励电压源电压 VSEN。 高压脉冲激励和低压扫频激励方法所使用的电源均来自于 VSEN,相对来说,使用比较高的 VSEN 时能得到更好的传感器信号,但有些传感器必须使用比较低的 VSEN 电压才会得到稳定的频率数据。手持振弦采集仪有两个版本, 当需要修改激励方法或者激励电压源时, 若设备背面有两个旋转开关,则直接旋转开关即可; 若没有旋转开关时需要用上述操作按键的方法进行参数修改。 激励方法旋转开关的档位含义与上表相同, 激励电压旋转开关的档位 0~15 表示设置 VSEN 为 0~15V(前 5 档固定为 5V)。

注意: 建议 VSEN 的电压不要超过 12V, 推荐设置为 5~8V。 如果 VSEN 电压设置太高, 测量某些小阻值(小于 200 欧姆) 传感器时会有传感器或者设备损坏的危险。在使用过程中,应注意观察显示于屏幕中的振弦信号质量值,针对某类或者某些传感器,不同的激励方法对信号质量影响会很大,激励方法的切换和使用应以信号质量最高为选取标准。
振弦传感器:(vibrating wire sensor)是以拉紧的金属钢弦作为敏感元件的谐振式传感器。当弦的长度确定之后,其固有振动频率的变化量即可表征钢弦所受拉力的大小。根据这一特性原理,即可通过一定的物理(机械)结构制作出测量不同种 类物理量的传感器(如:应变传感器、压力传感器、位移传感器等),从而实现被测物理量与频率值之间的一一对应关系,通过测量频率值变化量来计算出被测物理量 的改变量。
振弦传感器采集读数模块:指针对振弦传感器的特性而设计的传感器激励、读数模块。具有集成度高、功能模块化、数字接口的一系列特性,能完成振弦 传感器的激励、信号检测、数据处理、质量评估等专用针对性功能,进行传感器频 率和温度物理量模数转换,进而通过数字接口实现数据交互。振弦传感器读数模块 是振弦传感器与数字化、信息化之间的核心转换单元。
振弦传感器返回信号:当传感器产生自振后,钢弦自振切割传感器线圈,在线圈中 产生微弱电流,这种随钢弦振动变化的正弦电信号称为“振弦传感器返回信号”。
采样值:或称为“单个样本”,在本手册中尤指传感器返回的单个正弦信号,为了 提高正弦波频率值的测量精度,需要采集多组正弦信号进行综合计算。由于传感器 返回的正弦信号是由强变弱逐渐消失,且本身信号十分微弱,不同厂家振弦传感器 返回信号强度和时长均不相同,因此振弦模块在数据采集时采用部分抽样的方法获 取若干采样数据进行综合计算,对于每个采集到的正弦波称之为“一个样本”或 “一个采样值”。
标准差:(Standard Deviation),中文环境中又常称均方差,是总体各单位标准值 (采样值)与其平均数的算术平均数之差的平方根。标准差能反映一个数据集的离 散程度(平均数相同的两组数据,标准差未必相同)。一个较大的标准差,代表大部 分数值和其平均值之间差异较大;一个较小的标准差,代表这些数值较接近平均值, 质量较高。
ADC:(Analog-to-Digital Converter)模拟-数字转换器。是指将连续变化的模拟 信号转换为离散的数字信号的器件。
VREF:(Voltage reference)是指电路中一个与负载、功率供给、温度漂移、时间 等无关,能保持始终恒定的一个电压。参考电压可以被用于电源供应系统的稳压器, 模拟数字转换器和数字模拟转换器,以及许多其他测量、控制系统。
GPIO:(General Purpose Input Output)通用输入/输出(接口)或总线扩展器, 通俗地说,就是一些引脚,可以通过它们输出高低电平或者通过它们读入引脚的电 平状态。
边栏推荐
- 初识Opencv4.X----ROI截取
- 初识Opencv4.X----图像直方图绘制
- CUDA explanation - why GPU is used in deep learning
- MLX90640 红外热成像仪测温模块开发笔记(五)
- CCF 201509-2 日期计算
- 初识Opencv4.X----为图像添加椒盐噪声
- How to install pytorch—— A most simple and effective method!
- Principle analysis of self supervised depth estimation of fish eye image and interpretation of omnidet core code
- UI prototype resources
- 卷积神经网络发展历程(部分)
猜你喜欢

~1 CCF 2022-06-2 treasure hunt! Big adventure!

初识Opencv4.X----图像直方图绘制

SystemVerilog语法
![[data mining] Chapter 3 basis of data analysis](/img/ec/5d988371ea19919148ab6ef4d0247d.png)
[data mining] Chapter 3 basis of data analysis

Creation of adjacency matrix of undirected connected graph output breadth depth traversal

基于机智云平台的温湿度和光照强度获取

从鱼眼到环视到多任务王炸——盘点Valeo视觉深度估计经典文章(从FisheyeDistanceNet到OmniDet)(上)

FPGA基础进阶

低功耗和UPF介绍

Kotlin collaboration: foundation and use of collaboration
随机推荐
Android & kotlin: puzzle solution
关于MLOps中的数据工程,你一定要知道的.......
[data mining] nearest neighbor and Bayesian classifier
CCF 201604-2 俄罗斯方块
CCF 201509-4 高速公路
解决esp8266无法连接手机和电脑热点的问题
深度学习 段错误(Segment Core/ Exit code 139)情况记录
First acquaintance with opencv4.x --- ROI interception
初识Opencv4.X----方框滤波
一个硬件攻城狮的经济学基础
Expect+sh realize automatic interaction
*7-1 CCF 2015-09-1 sequence segmentation
预测2021年:加速实现RPA以外的超自动化成果
ARM GIC简介
matlab如何导入大量数据
ARMV8体系结构简介
Some usages of Matlab's find() function (quickly find qualified values)
基于PackNet的演进——丰田研究院(TRI)深度估计文章盘点(下)
【RNN】剖析RNN 之 从RNN-(Simple|LSTM) 到 序列生成 再到 seq2seq框架(encoder-decoder,或称为seq2seq)
[deep learning] convolutional neural network