کالیبراسیون سنسور رطوبت

آموزش روش بررسی و کالیبره کردن یک سنسور

هدف این مقاله ساختنی ، آموزش دادن بررسی دقت سنسور رطوبت است . سنسور های رطوبت در هر مکانی یافت می شوند و با داشتن انواع و قیمت های گوناگون کاربرد های مختلفی دارند. در کار کردن با این سنسور ها اغلب در ابتدا دیتاشیتآنها بررسی می شود که نوعی رابط است و با استفاده از جداول موجود در آن اعداد و ارقام نتیجه شده از سنسور پذیرفته می شود . در این پروژه بیان می شود که چگونه با اضافه کردن یک مرحله به کارهای قبلی می توان صحت و دقت سنسور رطوبت را بررسی کرد. همچنین یک روش عمومی برای کالیبره کردن سنسور رطوبت و اضافه کردن روش هایی برای بهینه کردن نتایج برای بهبودی دقت اندازه گیری رطوبت نشان داده خواهد شد.

بخش های اصلی پروژه

برای بررسی دقت و صحت یک سنسور رطوبت ، مقادیری بدست آمده با منابع استاندارد مقایسه می شوند. همچنین برای معرفی استاندارد ها از روش نمک اشباع شده استفاده می شود تا صحت سنسور رطوبت بررسی شود. قرار دادن برخی نمک ها (از نوع یون مرکب مانند نمک معمولی یا پتاسیم کلراید)، در زمانی که یک محلول حل می شود، فضایی با میزان مشخصی از رطوبت را ایجاد می کند. این تنظیمات شیمیایی برای ساخت محیط های کوچک با درصد رطوبت نسبی (RH) به کار می رود و سنسورها درون این محیط های کوچک خوانده می شوند. محلول های مشخصی در ظرف های خاص ساخته می شوند تا محیط مورد نظر را بوجود بیاورند و سپس سنسور متصل شده در این ظرف قرار می گیرد. پس از آن سنسور چند بار خوانده شده و مقادیر آن ذخیره می گردد. با استفاده از چندین نمک مختلف این روند تکرار می گردد که در هر کدام از آنها رطوبت نسبی متفاوتی وجود دارد که با بررسی و توسعه آنها می توان برای هر سنسوری که مورد آزمایش قرار می گیرد یک نمودار را ترسیم کرد. از انجایی که مقدار رطوبت نسبی برای هر کدام از محیط های کوچک مشخص است، می توان میزان انحراف سنسور خوانده شده را از مقدار مشخص تعیین کرد و بنابرین صحت و دقت سنسور مشخص می گردد. اگر میزان انحراف قابل توجه باشد، اما امکان برطرف کردن آن وجود نداشته باشد، می توان یک روند کالیبره کردن ریاضیاتی را در نرم افزار اضافه کرده تا دقت اندازه گیری ها بالا رود.

برخی موارد جهت آشنایی:

لازم است تا قبل از ادامه دادن این آزمایش با برخی از مواردی که در ادامه استفاده می گردد آشنا شد:

•  خواندن دیتاشیت ( SDS یا در برخی موارد MSDS که همان material safety data sheet است) و راهنمای استفاده برای هر ماده ای که استفاده شده است.
•  به هیچ عنوان نباید مواد شیمیایی را خورده یا بو کرد.
•  باید مراقب بود که مواد شیمیایی با پوست یا چشمان تماس پیدا نکنند. (بهتر است از عینک محافظ و دستکش استفاده شود.)
•  نباید محلول ها را در مکانی که غذا در آن تهیه می شود آماده کرد.
•  مواد شیمیایی با احتیاط ذخیره شود.
•  مواد شیمیایی باقی مانده و لوازم ساخت این محلول ها را باید با احتیاط در مکانی قرار داد که از وقوع تصادفات جلوگیری گردد.
•  قبل از شروع کار دیتاشیت مربوط به مواد شیمیایی باید خوانده شود تا در صورت وقوع حادثه بتوان از آسیب جلوگیری کرد.

نمک های مورد استفاده

عموما اکثر رطوبت های نسبی فضاهایی که به عنوان مرجع استانداراد معرفی شوند شاخص بهتری نسبت به سنسورهای مورد آزمایش دارند. با این حال همواره محدودیتی بر روی منابع در یک بررسی عملی وجود دارد. در این پروژه از ۴ منبع استاندارد استفاده شده و نمک هایی که برای معرفی این منابع استاندارد استفاده شده اند، به گونه ای انتخاب شده اند تا یک محدوده ممکن از مقادیر RH را پشتیبانی کنند، که در این انتخاب میزان امنیت، در دسترس بودن و قیمت مورد نظر قرار گرفته است. نمک های زیر برای این منظور انتخاب شده اند. در مورد سدیم کلراید یا همان نمک معمولی، می توان نوع خالص و تمیز آن را از هر فروشگاه معمولی تهیه کرد. در صورت استفاده از این روش نباید از نمک معمولی با سایر افزودنی ها مانند ید یا مواد anti-caking استفاده کرد.

جدول نمک های مورد استفاده:

دیتاشیت رطوبت نسبی نام نمک
SDS for LiCl ۱۱٫۳۰ لیتیم کلرید
SDS for MgCl ۳۲٫۷۸ منیزیم کلرید
SDS for NaCl ۷۵٫۲۹ سدیم کلرید
SDS for KCl ۸۴٫۳۴ پتاسیم کلرید

ساخت یک محیط بسیار کوچک برای آزمایش

برای هر چیزی که در اطراف انسان وجود دارد استانداردهایی تعریف شده اند حتی برای ساخت یک محیط با رطوبت نسبی پایدار با استفاده از محلول آبی نیز این استانداردها وجود دارند. احتمالا افرادی که این پروژه را انجام می دهند یک آزمایشگاه شیمی مجهز در اختیار ندارند بنابرین لازم است تا مراحل و نکات بیان شده در استاندارد تا میزانی که امکان دارد به دقت اجرا شوند. توجه شود که نتایج بیان شده در این پروژه با وجود اینکه در نهایت دقت تهیه شده است، اما نمی تواند به عنوان نتیجه کلی برای توصیف دقت و کیفیت هر سنسور رطوبت با هر برندی باشد. تنها تعداد کمی از سنسورهای تست شده و مواردی که دارای سن و تاریخ مصرف متفاوتی بودند استفاد شدند. برای هر کدام از نمک ها، با اضافه کردن مقداری آب مقطر محلول غلیظی ساخته می شود و میزان آب به قدری خواهد بود که مخلوط ظاهری شبیه به شن و ماسه بسیار نمناک پیدا کند. با وجود اینکه ممکن است آزمایشات بسیار کمی انجام گیرد، برای این پروژه نیاز به چهار یا پنج قاشق سوپ خوری برای مواد شیمیایی و همچنین یک قاشق برای آب مقطر است. مخلوط ها در ظرف های کوچکی تهیه می شوند که بدنه باریکی دارند. برای این کار می توان تا زمانی که ظرف بتواند فضای مورد نیاز را درون خود نگه دارد، از هر نوع ظروف شیشه ای یا پلاستیکی استفاده کرد. در بالای هر ظرف و قسمت درپوش نیاز به سوراخ کوچکی است تا بتوان سیم هایاتصال سنسور به میکروکنترلر را از آن عبور داد. سنسوری که به میکروکنترلر متصل شده است باید تقریبا در فاصله ۱٫۵ تا ۲٫۵ سانتی متری در بالای مخلوط قرار گیرد. باید اطمینان حاصل شود که سنسور هیچ گاه با مخلوط تماس مستقیمی نداشته باشد و یا خود سنسور دارای ایراد سخت افزاری نباشد. برای سالم نگه داشتن ارتباط و محکم کردن سیم ارتباطی در محل سوراخ در، می توان از مقداری چسب یا خمیر بازی استفاده کرد. توجه شود که لازم است تا قبل از خواندن مقدار اندازه گیری شده توسط سنسور، به محلول زمانی داده شود تا به تعادل و پایداری برسد. این زمان ممکن است از چند دقیقه تا چند ساعت طول بکشد و بر اساس تجربه مشخص خواهد شد. در این آزمایش در حدود ۹۰ تا ۱۲۰ دقیقه به هر محلول و سنسور زمان استراحت داده شد. پس از آن میانگین پنچ اندازه آخر که از سنسور بدست آمد محاسبه شده و به عنوان مقدار نهایی قرار داده شده است که برای تمامی موارد، پنج اندازه آخر تفاوت بسیار کوچکی داشتند. علاوه بر این تمام مقادیر خوانده شده در دمای محیط یا همان ۲۵ درجه سانتی گراد محاسبه شده اند که مقدار RH داده شده در استاندارد نیز برای دمای ۲۵ درجه سانتی گراد داده شده است.

سخت افزار

میکروکنترلر

در این پروژه برای ارتباط با سنسورها از میکروکنترلر D2000 Quark استفاده شده است. تغذیه این میکروکنترلر ۳ ولت بوده و دارای رابط I2C و همچنین مبدل انالوگ به دیجیتال می باشد.  توجه شود که در این پروژه می توان به جای این میکروکنترلر از هر نوع میکروکنترلر دیگری که دارای امکانات ارتباطی مشابه باشد استفاده کرد.

ارتباط با سنسور

در این پروژه ۴ نوع سنسور رطوبت مورد آزمایش قرار گرفتند که عبارتند از: DHT-22 ، HIH5030 ، HIH6030  و HIH8121. می توان با مراجعه به دیتاشیت مربوط به هر سنسور اطلاعات کامل تری در زمینه نحوه ارتباط و کار با هر سنسور بدست آورد.

•  سنسور DHT-22 یک سنسور دما و رطوبت است که دارای خروجی اختصاصی سریال است.
•  HIH5030 یک سنسور رطوبت است که دارای یک خروجی (ولتاژ) آنالوگ می باشد. در رابط این سنسور از یک آپ امپ دارای بهره واحد استفاده شده که برای تطبیق امپدانس پیکربندی شده است.
•  سنسورهای HIH6030 و HIH8121 سنسورهای دما و رطوبت هستند که از پروتکل ارتباطی I2C استفاده می کنند.

نرم افزار سنسور

تمام نرم افزارهایی که برای جمع آوری اطلاعات سنسور استفاده می شوند به زبان C نوشته شده اند و به راحتی در اینترنت قابل جستجو و دانلود هستند آورده شده این برنامه .کار با هر کدام از این نرم افزارها بسیار ساده است. در هر نرم افزار، برنامه به صورت بسیار ساده در هر دقیقه مقدار سنسور را خوانده و آن را برای نمایش به ترمینال سریال می فرستند.

روش ارزیابی سنسورها

اولین مرتبه ای که اطلاعات مربوط به عملکرد سنسور در محیطی پایدار با رطوبت نسبی مشخص جمع آوری شد، می توان میزان صحت و دقت سنسور را ارزیابی کرد. توجه شود که در این جا، میزان خطا با مقدار استاندارد RH برای هر سنسور محاسبه شده است. با این حال نمی توان به سادگی از این مقادیر خطا میانگین گرفت تا ارزیابی انجام شود زیرا  برخی مقادیر مثبت و برخی دیگر منفی هستند. اگر به همین شکل از مقادیر میانگین گرفته شود، نتیجه بدست آمده کمترین میزان متوسط خطا می باشد زیرا مقادیر مثبت و منفی اثر یکدیگر را خنثی می کنند. به جای این کار از محاسبه متوسط ریشه توان دوم خطا (RMSE) استفاده شده تا بتوان دقت سنسورها را به درستی محاسبه کرد. فرمولی که در این محاسبه استفاده شده به شکل زیر است: که در این فرمول O همان مقدار خوانده شده از سنسور و I مقدار ایده آل یا همان مقدار استاندارد سنسور است. برای محاسبه RMSE باید هر کدام از مقادیر خطا را به توان دوم رساند (خطا یعنی همان میزان انحراف از مقداری که در استاندارد بیان شده است)، پس از ان مقدار میانگین محاسبه شده و در نهایت از آن میانگین جذر گرفته می شود. در اولین مرتبه ای که دقت یک سنسور مورد ارزیابی قرار می گیرد می توان از مقدار RMSE برای تصمیم گیری در این مورد که آیا لازم است این سنسور کالیبره شود؟ استفاده کرد. در بسیاری از موارد، مقدار RMSE بسیار کوچک و برای کاربرد مورد نظر کاملا معقول است و می توان تصمیم گیری منطقی را برای کالیبره کردن سنسور انجام داد. از طرف دیگر، در برخی موارد ممکن است پاسخ سنسور بسیار ضعیف و کمتر از حد انتظار باشد تا جایی که بهترین کار جایگزین کردن آن سنسور باشد.
در کالیبره کردن سنسور همواره باید به درجه دقت مورد نیاز برای کاربرد مورد نظر توجه شود. با این وجود می توان دقت در خواندن تمامی سنسور های موجود در جدول را با استفاده از کالیبره کردن بهبود بخشید.

روش های کالیبره کردن سنسور

برای کالیبره کردن یک سنسور لازم است تا در ابتدا تابعی که مقادیر مورد انتظار را به مقادیر مشاهده شده مربوط می سازد، به صورت ریاضی تعیین شود. برای این کار می توان از یک روش رگرسیون خطی استفاده کرد. کلمه “خطی” که در نام رگرسیون وجود دارد به معنی تابع خطی نیست، بلکه این کلمه به ترکیب خطی متغیر ها اشاره می کند. تابع مربوط نتیجه گیری می تواند خطی بوده یا به شکل منحنی باشد. هر سه تابعی که در زیر بیان شده رگرسیون خطی هستند ( نکته: در اینجا درجه صفر در نظر نگرفته شده است)

•  Y=a x + b ( درجه اول، خطی)
•  Y=ax2 +b x + c ( درجه دوم، مربعی)
• Y = a x3 +bx2 +cx +d ( درجه سوم، مکعبی)

در این پروژه، مقادیر سنسور با استفاده از چهار منبع استاندارد (n=4) محاسبه می شوند. بنابرین، یک چند جمله ای درجه سوم، بالاترین درجه ای است که می توان محاسبه کرد. همواره بالاترین درجه چند جمله ای که قابل محاسبه است یک واحد از مقدار n کمتر است که در اینجا برابر با ۳ است. روش حداقل مربعات معمولا برای رگرسیون خطی استفاده می شود. در این روش، خطی مناسب است که مجموع فاصله از هر پایه تا خط کمترین مقدار باشد. برنامه های زیادی وجود دارد که از روش حداقل مربعات برای انجام رگرسیون خطی استفاده می کند. حتی می توان برای این کار از برنامه Excel نیز استفاده کرد. همچنین باید توجه شود که در اینجا اجباری برای استفاده از رگرسیون خطی وجود ندارد و در این پروژه نیز از رگرسیون غیر خطی استفاده شده است. مثال هایی از رگرسیون غیر خطی، تابع توان یا تابع فوریه هستند. با این حال رگرسیون خطی،  برای اطلاعات این پروژه و بیشتر از آن برای اصلاح برنامه یا همان کالیبره سازی بسیار مناسب است و پیاده سازی ساده ای دارد. در حقیقت بهره ای که با استفاده از رگرسیون خطی در این پروژه بدست می آید از هیچ رگرسیون غیر خطی بدست نخواهد آمد.

انتخاب چند جمله ای

در تئوری، نیاز است تا از یک چند جمله ای استفاده شود که بهترین تناسب را با اطلاعات داشته باشد که همان چند جمله ای است که کوچکترین ضریب تعیین (determination)را بیان می کند و با نماد r2 یا R2 نشان داده می شود. هر چقدر مقدار r2 به عدد ۱ نزدیکتر باشد تناسب آن بهتر است. با تخمین حداقل مربعات، همواره موردی که درجه آن بالاتر از درجه چند جمله ای استفاده شده است. تناسب بهتری دارد. از انجایی که کالیبره سازی در نرم افزار انجام می شود، ممکن است مواردی وجود داشته باشد که استفاده از چند جمله با کمترین درجه، باعث ایجاد فوایدی در سرعت حافظه بخصوص در مواردی شود که دقت بدست آمده با استفاده از چند جمله ای با بالاترین درجه، بسیار کوچک باشد.در زیر روش هایی برای کالیبره سازی برای سنسور HIH6030  بیان شده که با استفاده از چند جمله ای هایی با درجات مختلف است و در انجام این کار روشی که برای چند جمله ای با هر درجه مناسب باشد نشان داده خواهد شد. با استفاده از اطلاعات جدول قبل، ابتدا روش رگرسیون حداقل مربعات به منظور تعیین کردن ضریب هر چند جمله ای اجرا می شود. آن مقادیر از بخش رگرسیون نرم افزاری بدست می آیند و نتایج که در زیر نشان داده شده شامل مقدار های r2 است.

•  روش خطی : y = ax + b; a = 1.0022287, b = -۸٫۹۱۰۵۶۵۹, r2= 0.9996498
•  روش مربعی : y = ax2+ bx + c; a = -0.0012638, b = 1.1484601, c = -۱۲٫۰۰۰۹۷۴۵, r2 = ۰٫۹۹۹۹۹۴۴
•  روش مکعبی : y = ax3+ bx2 + cx + d; a = 0.0000076, b = -2.4906103, c = 1.2061971, d = -12.7681425, r2 = ۰٫۹۹۹۹۹۹۹

اکنون مقادیر مشاهده شده با استفاده از تابع محاسبات اصلاح شده اند. واضح است که تمامی چند جمله ای ها کاهش قابل توجهی را در RMSE داشته اند که در مقایسه با مقادیر مشاهده شده نشان می دهد که توجیهی برای کالیبره سازی است. که اکنون نقاط کالیبره شده یا تصحیح شده به مقدار مورد نظر بسیار نزدیک شده است.

کالیبره کردن سنسور رطوبت در نرم افزار

در اولین مرتبه از کالیبره سازی و انتخاب چند جمله ای، می توان برنامه را به گونه ای اصلاح کرد که مقادیر صحیح با اطلاعات سنسور ترکیب شوند. با استفاده از مثال HIH6030.c می توان برنامه را به شکل زیر اصلاح کرد: متغیری که در ابتدا محاسبه شده است RH است. در خط بالای کد برنامه، سه متغیر جدید ساخته شده که نشان دهنده کالیبره سازی هستند (RHCal1,RHCal2,RHCal3). برای نشان دادن مقادیر، لازم است تا متغیرهای جدیدی با استفاده از سه چند جمله ای بیان شده ساخته شوند، در حالی که برای تکرار آزمایش ترجیح داده می شود که مقادیر خوانده شده از سنسور تنها با استفاده از چند جمله ای انتخاب شده کالیبره شود.

مثال خلاصه

رای خلاصه کردن مراحل کالیبره سازی سنسور رطوبت، مثال نهایی بیان شده اطلاعات مربوط به سنسور DHT-22 (#2) را استفاده می کند.

• مرحله اول برای ارزیابی عملکرد سنسور استفاده از مرجع استاندارد است.
  این مرحله با نمک هایی انجام می گیرد که برای ایجاد فضای کوچکی با RH مشخص استفاده شده اند که اطلاعات مربوط به آن در جدول قبلی نشان داده شده است. می توان دقت سنسور را با استفاده از RMSE توصیف کرد که این مورد نیز در جدول نشان داده شده است. بر اساس نتایج بدست آمده در مرحله اول می توان تصمیم گرفت که کالیبره سازی سنسور انجام گیرد یا خیر که پس از آن مرحله دوم و سوم انجام می گیرد.
•  مرحله دوم انجام رگرسیون خطی برای محدود کردن تابعی است که مربوط به مقدار RH ایده آل ( مقدار مربوط به استاندارد) بوده و آن را تا مقادیر خوانده شده ازسنسور تعیین می کند.
  در اینجا چند جمله ای مکعبی ( معادله y = ax3 + bx2 + cx + d که در آن y مقدار کالیبره ده و x  مقدار خوانده شده از سنسور رطوبت است) انتخاب شده و محدود شده است که در آن داریم : a = 0.000091367, b = -0.01452993, c = 1.77623089, and d = -14.17403758
•  مرحله نهایی اصلاح مقادیر نتایج حاصل از سنسور رطوبت با استفاده از چندجمله ای برای محاسبه مقادیر کالیبره شده است.
  کالیبره سازی در نرم افزار پیاده شده و مقادیر خوانده شده از سنسور را به شکل معادل کالیبره شده خود تغییر می دهد.
  نموداری که در زیر نشان داده شده است نتایج مربوط به این مراحل است. نمودار شامل مقادیر مشاهده شده  و مقادیر کالیبره شده ( مربوط به اطلاعات جمع آوری شده) است  که از چند جمله ای کالیبره سازی بدست آمده است.

حرف آخر

در این پروژه روشی برای ارزیابی و بررسی دقت سنسور رطوبت بیان شد. این کار با استفاده از مواد شیمیایی انجام شد و اکنون می توان مقادیر خوانده شده از سنسور را با مقادیر استاندارد  مقایسه کرده و دقت سنسورها را تعیین کرد. بنابرین روش نرم افزاری ای معرفی شده است تا مقادیر خوانده از سنسور را کالیبره کند تا به وسیله آن به دقت بیشتری در اندازه گیری ها دست یافته شود. ارزیابی سنسور و کالیبره کردن آن در هر نوع سنسور قابل استفاده است. در مورد سنسور های رطوبت، این پروژه روش های ساده و ارزان قیمتی را برای کالیبره سازی بیان می کند.