模拟量采集软件虚拟精度提升方案
AI的数据采集精度是AI采集的重要指标，一般来说控制器的AI精度会有一个指标，比如）0.5%，这个精度是标定精度，实际AI通过高一个等级的测量系统如0.1%测量后，经过线性标定的数据。控制器模拟量数据在控制器内部表现为数字量，即经过AD模数转换处理，因此AI的精度和数模转换器（AD）的位数有很大关系。
举例而言，一个10位AD的控制器，最大为1024，一个12位的AD，最大就是4096，一个10位AD的理论精度位0.1%，12位AD的理论精度位0.025%，以0~5V AI为例数据，数模转换后：
AD数据=（4096/5）*实际模拟电压
例如12位AD数据，AI模拟量位1V，则AD数据理论值为819。
实际使用的时候模拟量采集还受到电路、干扰、电源精度等影响，从而影响整机采集精度，一个）0.5%精度的12位AD控制器，1V的AI模拟量，采集数据为815~823，模拟量越大数据波动越大。
控制器标称精度就是控制器的“硬件”采集精度，为了提高数据采集精度，在线性度与响应速度允许范围内，可以通过软件的方法将数据精度提高。
常见的方法是滑动均值的方法：
例如上图的例子，每四个数据做一次均值计算：
，每次以4个数据窗口做滑动平均，以1个数据滑动步进单元。这种方法将使数据采集的响应速度降低。
理论上来说，滑动均值法是无法提高数据采集精度的，但是适用于电子系统的数据采集精度提升。看似矛盾，实际不矛盾，因为理论上来说计算数据采集精度的提升，用滑动均值法需要测试边界精度，例如一个0.5%精度的数据采集系统，做大偏移0.5，在最大边界偏移情况下，无论如何平均，偏移始终不变。
实际情况下滑动均值法可以提升数据采集精度，主要原因是因为电子系统的数据采集波动是正弦波动和随机波动两种情况，如果是正弦波动，滑动均值法可以以阵线波动的周期作为均值周期进行滑动平均，这样可以做到最优。
而对于随机波动，主要是多种干扰导致，电子系统也是由多种正弦基波叠加组成，可以分析其波动的基波，以基波周期作为滑动周期，也可以起到同样的作用。
数字加权低通滤波法是另一种常见的方法:
该方法与滑动均值类似，但是数据响应速度更高，且可以针对基波的波动引起的精度偏移效果更好。
实际在使用过程中需要具体分析采集数据的波动和干扰源特性，选择最适合的方法。
模拟量采集最主要的干扰源包括：地线干扰、电源干扰、数据源干扰、空间电磁干扰。最主要的是地线干扰，在前面其他文章章节中已经说明。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/216452.html原文链接：https://javaforall.net
