电压校准

最新推荐文章于 2024-01-16 19:40:51 发布

Fire明

最新推荐文章于 2024-01-16 19:40:51 发布

阅读量4.8k

点赞数 3

分类专栏：单片机应用文章标签：电压校准散点曲线拟合

本文链接：https://blog.csdn.net/RANBIRON/article/details/100388656

版权

本文探讨了实际电压与采样电压的误差分析，并通过最小二乘法进行曲线拟合来纠正这种误差。重点介绍了在MATLAB中进行散点数据拟合的步骤，强调了选择合适匹配模式的重要性，以及拟合后的统计指标如R-square和RMSE对模型匹配质量的评估。

摘要由CSDN通过智能技术生成

实验数据与曲线拟合算法实现

实际电压与采样电压

比较采样电压与实际电压存在误差的关系，根据关系设计纠正算法。

曲线拟合

最小二乘法曲线拟合

使用最小二乘法拟合是曲线拟合的一种常用方法。

选取合适的匹配模式是该方法的关键，如果离散数据呈现的是指数变化规律，则应该选择指数形式的匹配函数模式，如果是多项式变化规律，则应该选择多项式匹配模式，如果选择的模式不对，拟合的效果就会很差，这也是使用最小二乘法进行曲线拟合时需要特别注意的一个地方。

具体做法

电压采样

利用多个单片机对同一组输入电压进行测量和记录

实际电压
vol[] = [3.0,	4.0,	5.0,	6.0,	7.0,	8.0,	9.0,	10.0,	...
		11.0,	12.0,	13.0,	14.0,	15.0,	16.0,	17.0,	18.0,	19.0,	20.0,...
		21.0,	22.0,	23.0,	24.0,	25.0,	26.0,	27.0,	28.0,	29.0,	30.0,];

得到三组采样数据

采样电压
vol1[] = [2.93,	3.92,	4.91,	5.88,	6.86,	7.84,	8.81,	9.79,	...
		10.77,	11.75,	12.73,	13.70,	14.68,	15.67,	16.65,	17.63,	18.61,	19.58,...
		20.56,	21.54,	22.52,	23.49,	24.47,	25.46,	26.43,	27.42,	28.40,