登录
首页 » Others » NTC热敏电阻温度采集方案

NTC热敏电阻温度采集方案

于 2020-12-04 发布
0 386
下载积分: 1 下载次数: 3

代码说明:

NTC温度采集方案,有详细的算法,包括一些程序,硬件设计等SUNPLUS用热敏电阻做朵用温度月录页系统概要系统说明热敏电阻器1.2.1电阻一温度关系1.3数值处理线性插值软件说明软件说明2档案构成2.3程序说明程序范例DEMO程序使件原理佟使用资源硬件使用资源说明参考文献SUNPLUS用热敏电阻做朵用温度修订记录版本日期编写及修订者编写及惨订说明初版错误校SUNPLUS用热敏电阻做朵用温度系统概要系统说明木应用例实现ⅳrC热敏电阻器对温度的测量。热敏电阻器把温度的变化转换为电阻阻值的变化,再应用相应的测量电路把阻佶的变化转换为电压的变化;SPMC75F2413A内建8路ADC可以把模拟的电压值转换为数字信号,对数值信号进行处理可以得到相应的温度值。热敏电阻器热敏电陧有电阻值随温度升高而升高的正温度系数(3 ositive Tcmpcraturc Coefficient简称PC)热敏电阻和电阻值随温度升高而降低的负温度系数( Negative TemperatureCoefficient简称NTC)热敏电阻。NT~热敏电阻器,是·种以过渡金属氧化物为主要原材料,采用电了陶瓷⊥艺制成的热敏半导体陶瓷组件ε这种组件的电阻值随温度升髙而降低,利用这一特性可制成测温、温度补偿和控温组件,又可以制成功率型组件,抑制电路的浪涌电流。电阻温度特性可以近似地用下式来表示:式中:Rη、R分别表示NTC在温度T(K)和额定额定温度T(K)卜的电阻值,单位2,T、T为温度,单位K(Ts(k)-273.15+T(℃))。B,称作B值,NTc热敏电阻特定的材料常数(Beta)。由于B值同样是随温度而变化的,因此NT热敏电阻的实际特性,只能粗略地用指数关系来描述,所以这种方法只能以一定的精度来描述额定温度或电阻值附近的有限的范围。但是在实际应用中,要求有比较精桷的R-T曲线。要用比较复杂的方法(例如用thesteinhart-Hart方程),或者用表格的形式来给定电阻/温度关系应用例选用NC热敏电阻器CwF2-502F3950,基于精确的R-T曲线,来对温度进行精确的测量。电阻一温度关系如表1-1所示,NC热敏电阻器CwE2-502F3950各温度点的电阻值,即电阻一温度关系表。从提供的电阻一温度关系表中可以看出NTC热敏电阳器CWE2-502E3950的测温范围为[-55℃,125℃],其电阻值的变化范围为[25006292,242.6492]。表1-1电阻一温度关系衣温度℃电阻值Ω温度℃电阻值Q温度℃电阻值Q55250062542374045322523952213575120241219175C4918158018171895-471626844615393345l∠56384∠1377534313029342123231-4111655CSUNPLUS用热敏电阻做朵用温度4010232391042613898621.793295.53688267.43583521.83479043.93374819.23270833.93167074.730635292960184.6-2857030.22754054.72651247.9-25486002446101.6234374422415192139418.82037435.9-1935563.51833795-1732124.463C545.829053.827643.3-1326309.525047.91123854.2-1022724,621655.320642.719683.618774.917913.6417097.116332.915588.4111891.5014230113601.913005.412438.7l1900.111388.210901.310438.39997.74578.41109181113799128436.83133091.73147762.787449.16167150.C4176864.7592.4196332.49206C34.32215847.31225620.89235404,53245197.72255000264810.9274630.014456.93294291.283C4132.69313980.83323835.383696.03343562.193434.53194.1383C81.22392972.92402869412769.24422673.47432581.5442493.17452408.3462326.76472248.38482173.04492100.6502032511963.92521899.441837.4541777,6已1720.2561664.85571611.541560.2591510.746C1463.08611417,14621372.87631330.18641289.C21249.321211.03671174.C91138.44691104.04701070.83711C38.78721007.8273977.9374949,0675921.1776894.22868.1878843.027980795.1781772.4382750.4483729.1784708.685688.786669.4487650.88632.76SUNPLUS用热敏电阻做朵用温度89615.39C91582.0292566.179550.8194535.9495521.5396507.5797∠94.0598480.9499468.23100453.301443.9710243210321.15104410.26105399.69106389.4407379.5103369.85109360.48101,411112.57112334.01325.69114317.62115309.7716302.16117294.76118287.5719280.59120273.8121267.21122260.8123254.512L248.52125242.64数值处理通过表1-1电阻一温度关系表可以很直观的看到电阻的变化范围从242.649到2500629,在-55℃的时候其表现出的电阻值是125℃时所表现的电阻值的1030倍,这幺大的变化范围也为ADC测量带来了困难。测量电路如图1-1所示。如图1-1测量电路如上图所示NTC热敏电阻Rⅴ和测量电阻Rm(精密电阻)组成一个简单的串联分压电路,参考电压VCC Ref经过分压可以得到一个电压值随着温度值变化而变化的数值,这个电压的大小将反映出NTC电阻的人小,从而也就是相应温度值的反映。通过欧姆定律可以得到输出电压值Vadc和NTc电阻值的一个关系表达式:vadVre上+Rm/(Rv+Rm)那幺接下来的数据处理将基于式(1)展开:sPMC75F2413A的ADC为10-Bit的精度,其参考电SUNPLUS用热敏电阻做朵用温度压为5V,因此这里可以选择Vre£=5V。各温度点对应的ADC转换后的数字量可以计算。Dadc = 1024*Adc/5V(2)式(1)、(2)结合可以得到:Dadc 1024*Rm/(Rv+Rm)(3)如果这里取测量电阻Rm选择4.7K9,那幺可以计算出在-55℃时所对应的Dadc=1024*1000/(250062+100C)=4;在125℃时所对应的Dadc=1024*1000/(242.64+10C0)824。根据这样的对应关系对数据进行预处理,得到如下处理结果如表1-2所示:表1tatic const Int16 NTCTAB2[18119,20;21,22,23,24,26,27,29,30,32;34,36,38,40,42,44,47,49,52,55,57,61;64,67,71,74,78,82,86,90,95,99,104,109114120,150,156,161,168,172,180,187,194,201,208,215,22,230,238,247255,264,272,280,291,302,310;319328,338;347,357367,376,384;395,4C5,414r424;434444,453,464,47448,494,502;512,522,531,540,551,560,569,579,586;595,604,613,624,633,642,650;658,666,673,680,688:696,704,712,719,726,733,741;749,755,760,767,774,780,785,791,798,804,811,816,8827,832,837,842;847,851,856;862,868,873,856;860,64,868,872,376;879,883,886;890,893,896,899;902,905,908,911,914;917,919,922;924,927,929,931;934,936,938,940,942,94,946,947,949,951,953,954,956,958,959,961,962;964,965,966,968,969,970,971,973,974};//4.7K当然这也是应用例中所需要的一个很重要的转换表,这一部分是事先制作好的表格,将为接下来的处理提供参考依据。测量电阻Rm的选取是有一定的规律的,在实际的应用中不一定都需要测量全程温度,可以估算岀大致的温度范围。木着提高测量精度的宗旨:如果是应用在测量低温的系统中建议Rπ选择较大的电阻(10KΩ),如果在测量较高温的系统中建议Rn选择较小的电阻(1κΩ)等。线性插值在AEC进行数据采集的过程中不可能每个数值都在整温度所对应的AD数值上,所以如果在两个数据的中间一段就要对其进行进一步的精确定位。这样就必须知道采集到的数据在表1-2中的具体位置,因此要对数据表进行搜索、查找。线性表的查找(也称枍索),可以有比较常见的顺序查找、折半查找及分块查找等方法,分析线性表1-2可以得到折半查找的算法是比较高效的。Eg如果ADC采样的数值为Dade=360,即357

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • WIFI视频小车(WF-103Rb)安卓源码和下位机源码
    WF-103Rb 视频小车资料 里面附硬件原理图,安卓源代码,下位机源代码!小车硬件淘宝有售,也可以自己搭!
    2020-12-03下载
    积分:1
  • 压缩感知序代码
    压缩感知,又称压缩采样,压缩传感。它作为一个新的采样理论,它通过开发信号的稀疏特性,在远小于Nyquist 采样率的条件下,用随机采样获取信号的离散样本,然后通过非线性重建算法完美的重建信号。压缩感知理论一经提出,就引起学术界和工业界的广泛关注。他在信息论、图像处理、地球科学、光学/微波成像、模式识别、无线通信、大气、地质等领域受到高度关注,并被美国科技评论评为2007年度十大科技进展
    2021-05-07下载
    积分:1
  • STM32F4系列完整固件库
    STM32F4系列完整固件库源码,分享给需要的朋友开发参考。
    2021-05-07下载
    积分:1
  • 非线性扩散--PM算法(完整matlab代码)
    很容易理解的PM模型代码,输入原始图像,多次迭代PM算法得到平滑后的图像。非线性扩散方法在图像处理方面的应用越来越广泛,因其对于图像边缘的增强和保护作用十分明显,所以对该种方法的深入研究是十分有必要的。
    2020-12-11下载
    积分:1
  • 电力系统分析课PPT
    【实例简介】电力系统分析课程PPT
    2021-06-07 00:31:32下载
    积分:1
  • 多进制LDPC码的序.c
    【实例简介】GFq_LDPC_NTT.c, a GF(q>2) LDPC encoding/decoding simulator based on paper of M. C. Davey et al. "Low-Density...over GF(q)" June 1998
    2021-11-24 00:36:51下载
    积分:1
  • labview登陆界面示例
    labview的登陆界面示例,界面还算美观,有密码错误弹出提示,最多限制输入4次密码,当然在后台程序可以修改的,做数据采集项目用的上
    2020-12-07下载
    积分:1
  • C6455 手册.pdf
    【实例简介】TI C6455芯片的数据手册,主要内容为SRIO的接口数据手册、资源配置、以及详细设置例程介绍
    2021-11-24 00:45:15下载
    积分:1
  • 基于BP神经网络的供应链绩效评价方法以及Matlab实现
    【实例简介】于BP神经网络的供应链绩效评价方法以及Matlab实现
    2021-11-19 00:35:12下载
    积分:1
  • 基于视频的三维重建研究
    这是一篇华中科技大学的硕士毕业论文,里面对三维重建技术的讲解很详细,适合作为综述来看独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或集休已经发表或撰写过的研究成果。对木文的研究做出贡献的个人和集休,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关侏留、使用学位论文的规定,即:学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权华屮科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以釆用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密口,在年解密后适用本授权书本论文属于不保密口。(请在以上方框内打“√”)学位论文作者签名指导教师签名:日期:年月日日期:年月日万方数据华中科技大学硕士学位论文摘要基于视频的重建技术在计算杋视觉领域中扮演着非常重要的角色,而如何恢复场景的三维模型是目前研究的热点与难点问题。本文围绕基于视频的场景重建技术展开讨论,包括棊于单目视频的三维场景重建和于双目视频的视差图和场景流获取。由于单目包含的深度信息比较少,如何基于单目视频恢复相机的运动参数以及目标的深度信息是研究的重与难点。双目视频虽然包含了非常显著的深度信息,但是考虑到视频中场景的迕续性问题,如何使得恢复岀的深度图保持前后帧的连续性以及场景中运动日标的一致性,也是比较困难的问题。因此,针对上述所提到的问题进行了深入的研究,具体的研究工作如下第一,对三维重建研究进行了详细的介绍,介绍了对于特征点匹配的理解以及我们提出的基于特征引导偏向性高斯混合模型( Feature Guided Biased GaussianMixture model,FGBG);详细介绍立体视觉中立体匹配算法的原理、分类及评测标准,并在4个典型的数据集上对有代表性的局部、全局、半全局算法进行对比实验。此外,详细介绍运动恢复结构(SFM)的基本原理,并进行了实验分析。第二,提岀一种基于双目视频的视差图和场景流获取技术。基于双目视频,首先获得初始的视差图和2D特征点轨迹;在此基础上获得初始的3D稀疏运动轨迹,利用本文提出的 Object Motion Hypothesis(OMH)算法获得运动物体的致性假设采用 slanted-plane model以及参考图像与前后时间点图像对的约束关系,构建超像素和运动物体之间的能量模型,通过优化获得视差和场景流的估计结果。第三,提出一种棊于单目视频的动态场景重建系统。在获取特征点轨迹的基础上,基于运动信息获得特征点轨迹的聚类结果;提出一种基于超像素的多标记Graph-cut算法,得到每一个日标的精确边界;为每一个运动日标分配一个虚拟相机通过标准的SFM方法分别单独估计每个运动目标对应的虚拟相机的参数和稀疏三维点云,通过PMVS和泊松表面重建获得目标的稠密重建结果。关键词:三维重建、单∏视频、双目视频、视差、场景流万方数据华中科技大学硕士学位论文Abstract3D reconstruction based on video has play an important role in computer vision, andhow to recover 3D scene model has been paid much attention and is a difficult problemBased on the importance of 3D reconstruction, in this paper, the 3D reconstruction basedon video has been studied, including 3D scene reconstruction based on monocular videoand depth map and scene flow estimating based on binocular video. Since the monocularcontains much less depth information, how to recover the camera motion and depth maphas been a difficult problem. Besides, although binocular view contains significant depthinformation, it is difficult to keep the consistency of depth map and moving objectsTherefore, in view of the problems mentioned above the specific research works are asFirst. we introduce two directions of 3D reconstruction in computer vision: based onstereo vision method and based on structure from motion. The stereo matching method hasbcen introduced in detail, including algorithm principle, classification, and evaluationmethod. And, we compare the global, local and semi-global algorithm on four typicaldataset. In addition, we have made a detail introduction of structure from motion(SFM)and the experiment has been carried out to get 3D point cloudSecond, a method for depth map and scene flow estimation is proposed. First, inputbinocular video, initial disparity map is got by SGM, 2 point trajectories are got byoptical flow. Then the 3D tracks are got by disparity map and 2D point trajectories, get theobject motion hypothesis. Considering constraint between the reference image and theforward-backward images, the energy model based on super-pixel and object isconstructed using slanted plane model. Finally, the depth map and scene flow will be gotThird, a method for reconstructing monocular dynamic scene with multiple movingrigid objects captured by a single moving camera is proposed. First of all, feature pointsare matched through the video sequence via the optical flow method and the tracks "aregot based on these matches. Then the tracks are divided into several groups according totheir motion differences. An improved graph cuts based multi-label auto imagesegmentation method is used to acquire the accurate boundary of each moving object and万方数据华中科技大学硕士学位论文the static background. Then we assume a virtual camera for each moving object and thestatic background. The pose of these virtual cameras are estimated via the standardStructure from Motion(SFM) pipeline. Finally a dense point set and textured model isreturned for each virtual camera. We evaluate our approach on real-world video sequenceand demonstrate its robustness and effectivenessKey words: 3D reconstruction, monocular video, binocular video, disparity, scenefleOw万方数据华中科技大学硕士学位论文目录摘要Abstract绪论1研究的背景及意义2国内外研究现状1.3论文的主要工作及结构···································:··········.················4·2三维重建基本方法研究2.1引言.………8)2.,2线性摄像机模型(8)23基于特征点的图像匹配24运动恢复结构方法(12)2.5立体匹配与三维重建···.·.·······.·················:····.····················(15)26本章小结(22)基于双目视频的视差图与场景流估计3.1引言(23)3.2运动目标的提取(25)3.3双向约束场景流模型..31)34实验分析.333.5本章小结(444基于单目视频的三维重建研究(45)4.2目标分割(464.3三维场景估计(51)万方数据华中科技大学硕士学位论文4.4实验分析(52)4.5本章小结(55)5全文总结与展望5.1木文的主要页献与创新点(56)5.2工作展望…7)致谢S8)参考文献非D·非非··非。非(59)附录万方数据华中科技大学硕士学位论文绪论11研究的背景及意义视觉是人类的基本功能。通过视觉,人们能够感知外部世界中物体的大小,以及辨别物体之间的相对位置,并且了解它们之间的相互关系。人类把这种功能称为视觉功能。随着科学技术的不断创新,新兴的电子产品不断涌现,数码设备的成熟和计算机理论的涌现让人们越来越关注计算机视觉。人们开始利用摄像机采集视频或者图像,并将其转化为人类可理解的信号。即利用计算机实现模仿人类视觉的功能,计算机视觉也就随之六生。计算机视觉是个涵盖多种学科知识的新兴学科。其理论研究的最终目的是通过对采集到的视频或者图像进行处理,将二维图像或视频转化为三维信息,从而感知场景或物体的形状及运动。因此,计算机视觉吸引了越来越多的研究人员参与其中,包括图像处理与模式识别,应用数学,计算札科学与技术等等。三维场景重建作为计算札视觉中一个重要的研究方向,受到许多研究者的青睐。最近,获取三维场景信息的方式主要有以下三种:第一种,利川常见的建模软件3DMax、CAD等进行重建;第二种,利用深度扫描仪、红外或者激光测距仪器等设备进行三维重建;第三种,利用计算机视觉原理,基于视频或者图像获取场景的三位模型。在上述方法中,第一种是最为成熟的,但是第一种方法的操作步骤十分复杂,并且建模周期长。第二种方式能够获得物伓的髙精度几何模型,但是这些仪器价格昂贵,费时费力,并且对于重建大型场景非常局限。因此,第三种方式受到了普遍的关注,它可以重建复杂的室外大型场景,真实感强,价格低廉且方便携带。利用图像或者视频对场景进行重建,即从图像或视频中恢复场景或者物体的三维几何信息,构建三维模型,给人以视觉亨受。三维重建的用途十分广泛,它可以用于机器人导航,无人驾驶,医学图像分析,游戏等众多方向在众多的三维场景重建方法中,于视频的重建方法一直是一个研究热点。其中,从单目视觉的角度出发,基于单目视频的三维重建技术就是利用单个摄像札对万方数据华中科技大学硕士学位论文场景进行拍摄,研宄如何利用图像序列光流估计运动物体或场景的三维运动来重建三维模型。从双日视觉的角度出发,基于双∏视频的三维重建技术就是利用两个摄像机,从两个不同的角度对同一个场景进行拍摄,研究如何利用左右两个图像序列各自的运动信息,以及左右视图之间的视差信息,完成场景的三维重建。本文的基于视频的三维重建技术具有十分重要的研究价值。针对双目视频,提出了一种基于双目视频的视差图和场景流获取技术,目的是同时获得视差图和场景流信息、。针对单目视频,提出个完整的基于包含多个刚体运动目标的单目动态场景视频的重建系统。12国内外研究现状121基于单目视觉的三维重建研究现状近年来,3D静态场景的重建己经取得了显著性的突破。其中,大多数的研究都是遵循一个特定的步骤:首先从一组多视角的图像中提取特征点,然后对多视图中的特征点进行匹配,构建基础矩阵,恢复相机参数,从而得到玚景的三维结构凹。其中, Snavely N主要通过SFM( (structure from motion)从无序图像序列中恢复相机的位置以及获得场景的三维稀疏点云倒。除∫稀疏点云的重建之外,很多学者也集中研究场景的三维稠密重建四。其中, Seitz s m对多种立体匹配算法进行比较,并且是第一个提供已标定的多视图数据集。 Kolev K在前者的基础之上提出了一个全局能量模型,融合了轮廪信息和立体信息。值得一提的是,深度信息也是一种非常有前景的3D重建方法,主要思想是通过恢复图像的深度信息,融合多幅深度图逃行稠密重建η。此外,很多研究集屮于基于单个视频的稠密表面重建,主要包括基于场景流( scene flow)s, mesh- based稠密表面重建例, patch-base稠密表面重。但是,大多数捕获的视频中,动态场景视频比铰常见。而上述的研究只能用于处理静态场景,它们在应对多目标运动场景方面是十分有限的。最近, Tron r提出了一个包含动态运动目标的场景分割标准山,它是·个重要的3D运动估计和重建的预处埋过程视频重建主要有于两个视图12和基于多个视图314其中,HanM和万方数据
    2020-12-11下载
    积分:1
  • 696518资源总数
  • 104349会员总数
  • 32今日下载