要使用ADC采集交流电压并计算有效值，需要进行一些特定的步骤。以下是一个基本的流程：
采集交流电压：使用ADC将交流电压转换为数字量。在进行ADC采集之前，需要确保采样频率足够高，以便能够准确地采集交流信号的波形。
计算均方根（RMS）值：通过对采集到的数字量进行处理，可以计算出交流电压的有效值。有效值通常使用均方根（RMS）来表示，其计算公式如下：
[ V_{\text{RMS}} = \sqrt{\frac{1}{N} \sum_{i=1}^{N} V_i^2} ]
其中，( V_i ) 是每次采样得到的电压值，( N ) 是采样点的数量。
考虑波形的周期性：由于交流电压是周期性变化的，因此在计算有效值时需要考虑整个周期内的采样数据。通常可以采集多个周期的数据，并对这些数据进行处理以获得更准确的有效值。
一下为一个12位的adc采集电压值的代码
由于adc无法采集负电压，此处为把整个正弦波抬离了负半轴之后，把ADC值转化为电压值的代码
首先定义全局变量：
#define CURRENT_ADC_OFFSET 2048 电压为0时adc的值
#define Reference_voltage 3.3 //定义参考电压值
/*adc值转换为电流值，连续采样5000次，Cur_AdcValue为采集到的adc值*/
void CurAdcValue_2_iRMS(uint32_t Cur_AdcValue,uint8_t i)
{
uint16_t CurrentAVG_Bak;
if(Cur_AdcValue > CURRENT_ADC_OFFSET)
{
Cur_AdcValue = Cur_AdcValue - CURRENT_ADC_OFFSET;
}
else
{
Cur_AdcValue = CURRENT_ADC_OFFSET - Cur_AdcValue;
}
Cur_AdcValue *= Cur_AdcValue;
CurrentSquSum += Cur_AdcValue;
CurrentSampleCnt ++;
if((CurrentSampleCnt % 1000)==0)
{
CurrentAVG += CurrentSquSum/1000;
CurrentSquSum = 0;
if(CurrentSampleCnt == 5000)
{
CurrentSampleCnt = 0;
CurrentAVG = CurrentAVG/5;
CurrentAVG = sqrt(CurrentAVG);
CurrentAVG_Bak = CurrentAVG;
i_RMS[i] = Reference_voltage*(CurrentAVG - CURRENT_ADC_OFFSET)/2048;//通过RMS值计算电流值,并存在全局变量i_RMS中
printf("L%d Current is %.1f A,CurrentAVG ADC Value is %d @Full=4096\r\n",i+1,i_RMS[i],CurrentAVG_Bak);
}
}
}
原文链接：https://blog.csdn.net/m0_74956598/article/details/134716371
均方根值，也称方均根值或有效值，它的计算方法是先平方、再平均、然后开方。在物理学中，我们常用均方根值来分析噪声。同时，它也是定义AC波的有效电压或电流的一种最普遍的数学方法。
计算方法
播报
编辑
比如幅度为100V而占空比为0.5的方波信号，如果按平均值计算，它的电压只有50V，而按均方根值计算则有70.71V。这是为什么呢？
举一个例子，有一组100伏的电池组，每次供电10分钟之后停10分钟，也就是说占空比为一半。如果这组电池带动的是10Ω电阻，供电的10分钟产生10A的电流和1000W的功率，停电时电流和功率为零。那么在20分钟的一个周期内其平均功率为500W，这相当于70.71V的直流电向10Ω电阻供电所产生的功率。而50V直流电压向10Ω电阻供电只能产生的250W的功率。对于电机与变压器而言，只要均方根电流不超过额定电流，即使在一定时间内过载，也不会烧坏。 PMTS1.0抽油机电能图测试仪对电流、电压与功率的测试计算都是按有效值进行的，不会因为电流电压波形畸变而测不准。这一点对于测试变频器拖动的电机特别有用。
公式
正弦信号的均方根值求法
文章目录
方差
标准差
均方差
均方根值（RMS）
均方根误差（RMSE）
方差
方差反映的是每个样本值与全体样本值的平均数之差的平方值的平均数。衡量随机变量或者一组数据与其期望的偏离程度。偏离程度越小，说明X的数值越稳定。也就是偏离平均数的距离的平均数，注意不是有效值（RMS）。计算公式如下：
它的数学含义为：
标准差
标准差(Standard Deviation,STD)又称为均方差，是方差的算数平方根，用σ表示。 标准差能反映一个数据集的离散程度。 其实方差与标准差都是反映一个数据集的离散程度，只是由于方差出现了平方项造成量纲的倍数变化，无法直观反映出偏离程度，于是出现了标准差。计算公式如下：
均方差
均方差（标准差）：均方差就是标准差，标准差就是均方差。计算公式和上面公式一样：
均方根值（RMS）
均方根值（Root Mean Square, RMS）：又称为有效值，它的计算方法是先平方、再平均，然后再开方。
均方根值感觉来源于电流的发热Q=I*I*R*t，平方来源于计算电流的发热功率，电流的的平方2023.12.5
均方根误差（RMSE）
均方根误差（Root Mean Square Error, RMSE）：观测值与真值偏差的平方与观测次数N比值的平方根。均方根误差也用σ表示，反映了测量数据偏离真实值的程度，σ越小，表示测量精度越高。
有些数据中的每个X_obs有对应真值，所以可以和真值作对比。笔者曾评估过电离层GIM格网产品的精度时，就是跟官方产品中的每个格网点做差，最后求得的结果就是RMSE。
————————————————
版权声明：本文为CSDN博主「武大波波」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zzb714121/article/details/125339827
方差、标准差（均方差）、均方误差、均方根误差
目录
收起
方差、标准差（均方差）、均方误差、均方根误差
方差、标准差
均方误差、均方根误差
方差、标准差（均方差）、均方误差、均方根误差
方差、标准差（均方差）、均方误差、均方根误差作为机器学习算法中常见的概念，却由于其名称及原理的相似性而容易混淆，因此在此处对其定义及关键区别进行阐述。
方差、标准差
方差（variance/deviation Var）是Ronald Fisher在其论文《The Correlation Between Relatives on the Supposition of Mendelian Inheritance》首次提出，被用于描述随机变量的数据相互间的偏离程度（分散程度），在概率论中是指随机变量与其数学期望作差的平方和再均化，方差如下式：
其中，然没法直接获取随机变量的数据分布，在统计学中用样本均值 �¯ 来代替，此时的样本方差公式如下：
�2(�)=∑�=1�[��−�¯]2�
标准差（Standard Deviation）是方差的算术平方根，其开根后的量纲和原始数据一致，便于我们直观地观察随机变量的偏离程度。标准差如下式：
�=∑�=1�[��−�(�)]2�
相应的样本标准差公式：
�=∑�=1�[��−�¯]2�
当我们在观察样本分布时，会绘制出样本的分布曲线，基于标准差间隔及其概率可以了解个体间的离散程度。若随机变量服从正态分布时，如下图，可以用标准差很直观地了解处于某个区间的概率值。即一个标准差范围内的概率约为68％，两个标准差范围内的概率约为95％，三个标准差约为99％。
标准差概率分布图
均方误差、均方根误差
均方误差（Mean Squared Error）、均方根误差（Root Mean Square Error）在公式形式上与方差、标准差并没有太大区别，但是从物理意义上有明显差异。区别在于前者应用情景存在一个真实值，其衡量的是各数据偏离真实值的情况，比如我们评估一个体重秤的误差精度时，我们会用一个标准质量的秤砣进行实验，多次实验的数据便可以同真实值进行作差，取平方和的平均数便是均方误差，如下式：
���=∑�=1�[�(��)−��]�2
相应的开根后得到均方根误差：
����=∑�=1�[�(��)−��]2�
其中 �� 是各个样本的真实值，如果是上述的情景则是一个固定的 � 。
6839
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
