Quiero decir, un sensor puede tener características como Y = X ^ 2 (X = la entrada, Y = la salida). Es decir, puedo encontrar fácilmente X si conozco Y. ¿Por qué es tan importante la linealidad?
Sí, podría tener un sensor que responda así (Y = X ^ 2). Su sensor aún debe hacerlo de manera confiable. En un sensor típico, Y=cX+d donde c y d son idealmente constantes. Debido a varios factores, por lo general no son constantes simples. Lo cerca que están c y d de ser realmente constantes es lo que se conoce como linealidad. En su ejemplo, probablemente tendría algo como Y=(cX+d)^2 , lo que causaría todo tipo de diversión.
La linealidad como en "respuesta lineal" no es el problema. La linealidad como en "los valores de Y se ajustan estrechamente a la respuesta lineal esperada" es lo que desea. En su ejemplo, no le preocuparía si el gráfico de Y y X es una línea recta. Querrá que su gráfico coincida estrechamente con la curva parabólica esperada. Lo más probable es que no coincida perfectamente. Para un sensor con una respuesta lineal, diría que la linealidad es pobre. Para uno como su sensor propuesto (Y = X ^ 2), no sé cómo lo llamaría, tal vez solo "respuesta deficiente".
A menudo, esto se traduce en hacer que un sistema sea más simple de calibrar y más confiable, pero también más costoso, ya que un mejor sensor generalmente significa más costoso. A veces querrá optar por un sensor más barato y menos lineal, y compensar sus fallas en el software.
Muchas cosas todavía usan microcontroladores baratos o de relativamente baja potencia, los micros de 8 bits no han desaparecido.
El resultado es que:
Si observa los aros que tiene que atravesar una CPU (en las instrucciones de la máquina ejecutadas para lograr una operación matemática) para hacer operaciones matemáticas de punto flotante con signo y la precisión de salida resultante, puede decidir que usar solo un sensor lineal es una opción más atractiva. prospecto.
Muchos circuitos de monitoreo para sensores son puramente analógicos y, por lo tanto, la complicación de mapear un valor medido a través de una ley de raíz cuadrada no es trivial. Si la medida está digitalizada, usar matemáticas dentro de la CPU es bastante trivial en comparación pero, como dije, muchos circuitos son puramente analógicos.
La linealidad minimiza la influencia de las imperfecciones posteriores en el circuito. Por ejemplo, digamos que hay un pequeño nivel constante de ruido introducido por un preamplificador. Si necesita corregir la respuesta de ese sensor Y 2 suyo, el nivel de ruido efectivo ( SNR ) es proporcional a la derivada de la función inversa, es decir
∂ X /∂ Y = re / re X √ Y = 1 / 2 √ Y ∝ 1 / X .
A niveles bajos de X , este ruido efectivo tiende a infinito (equivalentemente, la SNR se aproxima a cero). En realidad, no es tan dramático ya que las perturbaciones no son infinitesimales, pero el problema es real: donde el voltaje de salida está débilmente correlacionado con el valor medido, la precisión máxima alcanzable sufre.
Ahora podría pensar en filtrar el ruido de alguna manera, pero surge otro problema: el filtrado de frecuencia es básicamente lineal, y para que funcione bien asume que la señal en sí misma se ha vuelto lineal; para usar la terminología física, le gustaría filtrar para conmutar con la medición . Eso no se da con un sensor no lineal, por ejemplo, si tiene una señal de alta frecuencia en su cantidad X alrededor de X 0 y filtra la señal Y resultante , obtendrá una compensación constante por encima del valor Y 0 correspondiente , porque el la no linealidad cuadrada "dobla la pertubación hacia arriba".
Ahora, si dice , primero corrijamos digitalmente la no linealidad . Siguiente problema: solo puede tomar muestras discretas. El muestreo PCM está muy bien controlado matemáticamente , pero adivinen qué: ¡supone que todo es lineal! Las no linealidades causan artefactos de aliasing.
Para concluir: sí, de alguna manera puede corregirlo si los sensores no son lineales. Pero cada una de esas correcciones trae consigo nuevos problemas; si todo es lineal en primer lugar, puede estar más seguro de obtener la señal que desea.
venny
scott seidman
amit hasan