Это мой первый пост. Я программный парень, пытающийся сделать аппаратное обеспечение, так что будьте осторожны :)

схема

Я проектирую небольшую схему (см. Рис., Извините за грязную схему), которая проста и проста - это набор MOSFETS и драйверов затворов, предназначенных для переключения резистивных нагрузок (в данном случае грелок) с микроконтроллера. Нагревательные элементы часто имеют очень низкое сопротивление, и для поддержания мощности на желаемом уровне МОП-транзисторы переключаются с помощью ШИМ.

измерение

Помимо чисто функционального аспекта, есть и образовательная направленность. Я хочу быть в состоянии получить некоторую обратную связь о текущем потреблении. И мой наивный подход состоял в том, чтобы просто добавить какие-то современные шунтирующие датчики. При использовании мультиметра для измерения выходного напряжения от датчика, я на самом деле получаю нечто, похожее на средний ток (с ШИМ-переключением) из-за «медлительности» амперметра. Но при подключении одного и того же выхода, например, к АЦП atmega328p, я получаю некоторые плохие показания - скорость здесь помещает показание в любом месте прямоугольной волны ШИМ.

Итак, мой вопрос: как мне измерить (средний) ток при переключении с ШИМ?

Кажется, дизайн в порядке, но я, возможно, что-то упустил как в дизайне, так и в том, как в этом контексте следует использовать АЦП ОК.

Иногда то, что выглядит просто, не так просто. У вас есть довольно сложное измерение, но вы хотите простой результат. То, что вы хотите измерить, не является постоянным, оно меняется во времени. В зависимости от вашего уровня требований, вы можете рассчитать одно или несколько свойств текущего потребления. Эти свойства помогут вам лучше контролировать систему. Я предлагаю вам 3 разных решения, в порядке возрастания сложности.

Решение 1: Среднее

Вы хотите получить однозначный результат -> получить среднее по времени. Как уже предложено @akellyirl, используйте фильтр нижних частот. Вычислить float y = alpha*input + (1-alpha)*yдля каждого образца, где alphaкоэффициент сглаживания. Смотрите Википедию для деталей.

Решение 2: Макс + Средний

Вы заинтересованы в получении среднего и максимального значения. Мониторинг максимального значения может быть интересен, например, для определения размеров компонентов.

if (y > max)
  max = y;

Решение 3: Стандартное отклонение + Макс. + Среднее

Почему?

Смотрите ниже графики. Есть 3 сигнала разных форм. Треугольник , A синус и пик сигнала. Все они периодические с одинаковым периодом, одинаковой амплитудой , одинаковым средним и одинаковыми минимальными и максимальными значениями . Но они имеют разные формы, и действительно, у них совершенно другая история ...

Одним из различий является стандартное отклонение. Вот почему я предлагаю вам расширить ваши измерения и включить стандартное отклонение. Проблема в том, что стандартный способ его вычисления потребляет процессор. Надеюсь, есть одно решение.

Как?

Используйте метод гистограммы . Постройте гистограмму всех измерений и эффективно извлеките статистику (min, max, avg, стандартное отклонение) набора данных. Гистограмма группирует значения, имеющие одинаковое значение или одинаковый диапазон значений. Преимущество состоит в том, чтобы избежать сохранения всех выборок (увеличивая счет во времени), и иметь быстрые вычисления для ограниченного числа данных.

Перед началом сбора измерений создайте массив для хранения гистограммы. Это одномерный целочисленный массив размером 32, например:

int histo[32];

В зависимости от диапазона амперметра, адаптируйте ниже функции. Например, если диапазон равен 256 мА, это означает, что интервал 0 гистограммы будет увеличиваться на значение от 0 до 8 мА, интервал 1 на значение от 8 до 16 мА и т. Д. Итак, вам нужно целое число для представления номер ячейки гистограммы:

short int index;

Каждый раз, когда вы получаете образец, найдите соответствующий индекс корзины:

index = (short int) floor(yi);

И увеличить этот мусорный ящик:

histo[index] += 1;

Чтобы вычислить среднее значение, запустите этот цикл:

float mean = 0;
int N = 0;
for (i=0; i < 32 ; i++) {
  mean = i * histo[i]; // sum along the histogram
  N += i; // count of samples
}
mean /= N; // divide the sum by the count of samples.
mean *= 8; // multiply by the bin width, in mA: Range of 256 mA / 32 bins = 8 mA per bin.

Чтобы вычислить стандартное отклонение, запустите этот цикл:

float std_dev = 0;

for (i=0; i < 32 ; i++) {
  std_dev = (i - mean) * (i - mean) * histo[i]; // sum along the histogram
}
std_dev /= N; // divide the sum by the count of samples.
std_dev = sqrt(std_dev); // get the root mean square to finally convert the variance to standard deviation.

Стратегия метода гистограммы состоит в том, чтобы выполнять медленные операции на нескольких бинах вместо всех полученных выборок сигнала. Чем длиннее размер выборки, тем лучше. Если вы хотите больше подробностей, прочитайте эту интересную страницу Гистограмма, Pmf и Pdf .

Вы правильно понимаете проблему: вам нужно получить «среднее» значение ШИМ, точно так же, как измеритель, который вы используете для измерений.

Вы можете использовать RC-фильтр для сигналов A1,2,3, постоянная времени которых как минимум в десять раз превышает ваш период ШИМ. Это означает, что если ваш период ШИМ составлял 10 микросекунд, тогда постоянная времени RC должна составлять 100 микросекунд. Например, 10 кОм x 10 нФ = 100 мкс

Лучшее решение - это цифровая фильтрация сигналов в микроконтроллере:

float y = (1-0.99)*input + 0.99*y; 

Измените значение «0,99», чтобы изменить постоянную времени этого цифрового фильтра.