સીએટી 330 ડી/336 ડી ઓઇલ પ્રેશર સેન્સર EX2CP54-12 ને લાગુ પડે છે

પ્રેશર સેન્સરમાં ઉચ્ચ ચોકસાઇ અને વાજબી ભૂલ હોય છે, અને પ્રેશર સેન્સરની ભૂલ વળતર તેની એપ્લિકેશનની ચાવી છે. પ્રેશર સેન્સરમાં મુખ્યત્વે set ફસેટ ભૂલ, સંવેદનશીલતા ભૂલ, રેખીયતા ભૂલ અને હિસ્ટ્રેસિસ ભૂલ શામેલ છે. આ કાગળ આ ચાર ભૂલોની પદ્ધતિ અને પરીક્ષણ પરિણામો પરના તેમના પ્રભાવને રજૂ કરશે, અને તે જ સમયે માપનની ચોકસાઈ સુધારવા માટે પ્રેશર કેલિબ્રેશન પદ્ધતિ અને એપ્લિકેશન ઉદાહરણો રજૂ કરશે.

હાલમાં, બજારમાં ઘણા પ્રકારના સેન્સર છે, જે ડિઝાઇન ઇજનેરોને સિસ્ટમ દ્વારા જરૂરી પ્રેશર સેન્સર પસંદ કરવા માટે સક્ષમ બનાવે છે. આ સેન્સરમાં ફક્ત સૌથી મૂળભૂત કન્વર્ટર જ નહીં, પણ ઓન-ચીપ સર્કિટ્સવાળા વધુ જટિલ ઉચ્ચ-એકીકરણ સેન્સર શામેલ છે. આ તફાવતોને કારણે, ડિઝાઇન એન્જિનિયરને શક્ય તેટલું પ્રેશર સેન્સરની માપન ભૂલને વળતર આપવું આવશ્યક છે, જે સેન્સર ડિઝાઇન અને એપ્લિકેશન આવશ્યકતાઓને પૂર્ણ કરે છે તેની ખાતરી કરવા માટે એક મહત્વપૂર્ણ પગલું છે. કેટલાક કિસ્સાઓમાં, વળતર એપ્લિકેશનમાં સેન્સરની એકંદર કામગીરીમાં પણ સુધારો કરી શકે છે.

Set ફસેટ, રેન્જ કેલિબ્રેશન અને તાપમાન વળતર બધા પાતળા ફિલ્મ રેઝિસ્ટર નેટવર્ક દ્વારા અનુભવી શકાય છે, જે પેકેજિંગ પ્રક્રિયામાં લેસર દ્વારા સુધારેલ છે.

સેન્સર સામાન્ય રીતે માઇક્રોકન્ટ્રોલર સાથે સંયોજનમાં વપરાય છે, અને માઇક્રોકન્ટ્રોલરનું એમ્બેડ કરેલું સ software ફ્ટવેર પોતે સેન્સરનું ગાણિતિક મોડેલ સ્થાપિત કરે છે. માઇક્રોકન્ટ્રોલર આઉટપુટ વોલ્ટેજ વાંચ્યા પછી, મોડેલ એનાલોગ-થી-ડિજિટલ કન્વર્ટરના રૂપાંતર દ્વારા વોલ્ટેજને દબાણ માપન મૂલ્યમાં રૂપાંતરિત કરી શકે છે.

સેન્સરનું સરળ ગાણિતિક મોડેલ એ ટ્રાન્સફર ફંક્શન છે. મોડેલને આખી કેલિબ્રેશન પ્રક્રિયામાં optim પ્ટિમાઇઝ કરી શકાય છે, અને કેલિબ્રેશન પોઇન્ટના વધારા સાથે મોડેલની પરિપક્વતા વધશે.

મેટ્રોલોજીના પરિપ્રેક્ષ્યથી, માપનની ભૂલ ખૂબ કડક વ્યાખ્યા ધરાવે છે: તે માપેલા દબાણ અને વાસ્તવિક દબાણ વચ્ચેના તફાવતને રજૂ કરે છે. જો કે, વાસ્તવિક દબાણ સીધા મેળવી શકાતું નથી, પરંતુ યોગ્ય દબાણ ધોરણોને અપનાવીને તેનો અંદાજ લગાવી શકાય છે. મેટ્રોલોજિસ્ટ સામાન્ય રીતે એવા ઉપકરણોનો ઉપયોગ કરે છે જેની ચોકસાઈ માપન ધોરણો તરીકે માપેલા ઉપકરણોની તુલનામાં ઓછામાં ઓછી 10 ગણી વધારે હોય છે.

કારણ કે આઉટપુટ વોલ્ટેજને દબાણ ભૂલમાં રૂપાંતરિત કરવા માટે અનલિબ્રેટેડ સિસ્ટમ ફક્ત લાક્ષણિક સંવેદનશીલતા અને set ફસેટ મૂલ્યોનો ઉપયોગ કરી શકે છે.