Cómo comprobar y calibrar un sensor de humedad

¿Qué precisión tiene su sensor de humedad? Descúbrelo con este proyecto.

Los sensores de humedad son comunes, relativamente económicos y vienen en muchas variedades diferentes. Con demasiada frecuencia, revisamos la hoja de datos, la usamos con una interfaz y (siempre que los valores "parezcan razonables") aceptamos los resultados.

En este proyecto, demostramos cómo dar un paso más y verificar la precisión de un sensor de humedad. También ilustramos un método general para la calibración del sensor y aplicamos el método para calibrar los resultados para mejorar la precisión de las mediciones de humedad .

Configuración de prueba utilizada en el proyecto (de izquierda a derecha, placa de microcontrolador Quark D2000, interfaz de sensor, sensor HIH5030 en un microambiente).

Conceptos básicos del proyecto

Para comprobar la precisión de un sensor, los valores obtenidos se comparan con un estándar de referencia. Para comprobar la precisión de un sensor de humedad, utilizamos el método de "sal saturada" para producir los estándares. En pocas palabras, ciertas sales (es decir, compuestos iónicos como la sal de mesa o el cloruro de potasio), cuando se disuelven en una solución acuosa, producen una atmósfera de humedad conocida (consulte el PDF de referencia).

Estas propiedades químicas se utilizan para crear microambientes de porcentajes de humedad relativa (RH) conocidos (es decir, estándares de referencia), y los sensores se leen dentro del microambiente. Específicamente, haremos una solución en un frasco sellado para preservar la atmósfera y luego colocaremos el sensor conectado en el frasco sellado. Posteriormente, el sensor se lee repetidamente y se registran los valores.

Repitiendo el procedimiento usando varias sales diferentes, cada una de las cuales produce una humedad relativa diferente, podemos desarrollar un perfil para el sensor bajo prueba. Dado que sabemos cuál es la humedad relativa para cada microambiente, podemos evaluar las desviaciones de las lecturas de nuestro sensor de esos valores conocidos y, por lo tanto, evaluar la precisión del sensor.

Si las desviaciones son sustanciales, pero no insuperables, podemos aplicar procedimientos de calibración matemática en software para aumentar la precisión de las mediciones.

Unas palabras sobre seguridad

Antes de continuar, es fundamental que maneje los productos químicos utilizados en este proyecto de forma responsable.

• Lea la hoja de datos de seguridad (SDS o, a veces, MSDS (hoja de datos de seguridad del material)) para cada uno de los productos químicos utilizados (a continuación se proporcionan enlaces para la SDS para cada sal utilizada, y también puede realizar búsquedas de literatura sobre cada sal) y sus procedimientos de manipulación segura).
• No inhale ni ingiera los productos químicos.
• No permita que los productos químicos entren en contacto con su piel o sus ojos (use guantes y gafas protectoras).
• No prepare las soluciones en la misma área donde se preparan los alimentos.
• Almacene adecuadamente los productos químicos.
• Deseche adecuadamente las soluciones y todos los instrumentos utilizados para preparar las soluciones para que las exposiciones no ocurran accidentalmente.
• Antes de comenzar, sepa qué hacer si ocurre una exposición accidental (consulte la hoja de datos de seguridad).

Sales utilizadas

En general, cuantas más atmósferas RH pueda producir para estándares de referencia, mejor será la caracterización del sensor bajo prueba. Sin embargo, siempre hay un límite de recursos en un sentido práctico. En este proyecto, se utilizaron cuatro estándares de referencia y las sales utilizadas para producir los estándares de referencia se eligieron para cubrir un rango de posibles valores de HR, pero también teniendo en cuenta la seguridad, la disponibilidad y el costo.

Se eligieron las sales siguientes. En el caso del cloruro de sodio (sal de mesa), la sal kosher pura se obtuvo a bajo precio en una tienda de comestibles local. Si sigue esa ruta, evite usar sal de mesa con aditivos, como yodo o agentes antiaglomerantes.

Sales usadas en el proyecto

Salt	% RH (a 25 ° C)	Fuente	Ficha de datos de seguridad
Cloruro de litio	11.30	Herramientas científicas para el hogar	SDS para LiCl
Cloruro de magnesio	32,78	Herramientas científicas para el hogar	SDS para MgCl
Cloruro de sodio	75,29	Varios (ver texto)	SDS para NaCl
Cloruro de potasio	84,34	Herramientas científicas para el hogar	SDS para KCl

Creación de un microentorno

Tenemos estándares para casi todo e incluso hay uno para crear una HR estable a partir de una solución acuosa (consulte ASTM E104 - 02 (2012)). Si bien mi banco, y probablemente el suyo, no es un laboratorio de pruebas oficial, vale la pena seguir las especificaciones de la norma lo más estrictamente posible.

Tenga en cuenta también que los resultados presentados en este proyecto, aunque se recopilan con cuidado, no deben interpretarse como un reflejo o una indicación de una declaración de calidad general de la precisión de cualquier marca de sensor. Solo se probó una pequeña cantidad de sensores y los que se usaron tenían diferentes edades y diferentes historiales de uso.

Para cada sal, se creó una mezcla fangosa agregando agua destilada hasta una consistencia similar a la arena muy húmeda. Se pueden probar cuatro o cinco cucharadas de químico y una cucharada de agua destilada, pero es posible que tenga que experimentar un poco.

La mezcla se preparó en un frasco pequeño con un sello hermético. El vidrio o incluso el plástico deberían funcionar bien, siempre que pueda mantener la atmósfera en el interior. Se puede hacer un pequeño orificio en la parte superior del frasco para pasar los cables de conexión a la interfaz del sensor y luego a un microcontrolador. A continuación, el sensor conectado se coloca aproximadamente entre 0,5 y 1,0 pulgadas por encima de la mezcla. Tenga cuidado de que el sensor nunca entre en contacto directo con la solución o es probable que se dañe. Para mantener la conexión en su lugar y sellar el orificio en la tapa, se puede usar un poco de masilla de contacto fácilmente removible.

Es importante que deje suficiente tiempo para equilibrarse antes de tomar la lectura final. Probé este problema empíricamente, tomando lecturas cada minuto durante hasta seis horas en casos de prueba seleccionados. En mi experiencia, esto fue más largo de lo necesario y me decidí por un tiempo de equilibrio de 90 a 120 minutos para cada sensor y sal. Luego, se utilizó un promedio de las últimas cinco lecturas para el valor final. Para todos los casos, los cinco valores mostraron muy poca o ninguna diferencia.

Además, todas las lecturas se tomaron a aproximadamente 25 ° C (± 1 °) de temperatura ambiente, y el valor de HR utilizado para cada estándar fue el indicado para 25 ° C (consulte los valores en este PDF).

Sensor HIH5030 en una placa portadora dentro de un microambiente que contiene cloruro de sodio.

Hardware

Microcontrolador

En este proyecto, conectamos los sensores mediante un microcontrolador Quark D2000. La D2000 es una placa de 3 V con I2C e interfaces de analógico a digital.

Sin embargo, tenga en cuenta que se puede utilizar casi cualquier otro microcontrolador con las interfaces adecuadas.

Interfaces de sensor

Sensores probados en el proyecto; A) HIH8121, B) HIH5030, C) DHT-22 (AM2302), D) HIH6030 (en una placa portadora).

Se probaron cuatro tipos diferentes de sensores de humedad:DHT-22 (se usaron dos), HIH5030, HIH6030 y HIH8121. Los esquemas a continuación ilustran las interfaces simples utilizadas para cada tipo de sensor, y la consulta con las hojas de datos vinculadas proporcionará información de fondo. para los circuitos.

• El DHT-22 es un sensor de temperatura y humedad con una salida en serie patentada
• El HIH5030 es un sensor de humedad con salida analógica (voltaje). La interfaz de este sensor utiliza un amplificador operacional en una configuración de ganancia unitaria para igualar la impedancia.
• El HIH6030 y el HIH8121 son sensores de temperatura y humedad que utilizan el protocolo I2C

Interfaz DHT-22 a D2000.

DHT-22 BOM:U1, sensor DHT-22; R1, resistencia de 4,7 kΩ; Condensador C1, 0,1 µF.

Interfaz HIH5030 a D2000.

HIH5030 BOM:U1, sensor HIH3050; U2, amplificador operacional MCP601P; C1, condensador de 1,0 µF; C2, condensador de 0,1 µF.

Interfaz HIH6030 a D2000.

HIH6030 BOM:U1, sensor HIH6030; R1 y R2, resistencia de 2,2 kΩ; Condensador C1, 0,22 µF; C2, condensador de 0,1 µF.

Interfaz HIH8121 a D2000.

HIH8121 BOM:U1, sensor HIH8121; R1 y R2, resistencia de 2,2 kΩ; Condensador C1, 0,22 µF.

Software del sensor

Todos los programas para recopilar datos de sensores están escritos en lenguaje C y pueden descargarse haciendo clic en el botón "Código de proyecto del sensor de humedad". Cada uno está comentado y es sencillo. Para cada sensor, el programa simplemente lee el sensor cada minuto y envía el valor a un monitor en serie. Como tales, deberían ser fáciles de adaptar a su aplicación particular.

Capturas de pantalla de la salida de DHT22.c (izquierda) y HIH5030.c (derecha).

Procedimiento de evaluación del sensor

La siguiente tabla contiene los datos de la evaluación de los sensores en cada uno de los cuatro microambientes.

Porcentaje de HR para los sensores de prueba (OBS =valor observado, ERR =error como diferencia del estándar, RMSE =media de la raíz error al cuadrado)

	DHT # 1		DHT # 2		HIH5030		HIH6030		HIH8121
Referencia RH	OBS	ERR	OBS	ERR	OBS	ERR	OBS	ERR	OBS	ERR
11.30 (LiCl)	12,56	1,26	16,29	4,99	13.02	1,72	20,79	9,49	12.31	1.01
32,78 (MgCl)	32,36	-0,42	33,79	1.01	33,46	0,68	40,77	7,99	32,43	-0,35
75,29 (NaCl)	73.04	-2.25	74,50	-0,79	77,74	2,45	83,83	8.54	76,63	1,34
84,34 (KCl)	82.30	-2.04	82.15	-2,19	85,84	1,50	93,43	9.09	85.01	0,67
RMSE		1.657		2.799		1.708		8.796		0.920

Una vez que haya recopilado los datos del rendimiento del sensor en entornos estables de humedad relativa conocida, puede evaluar numéricamente la precisión de un sensor.

Tenga en cuenta que en la tabla, calculamos el error para cada sensor en cada estándar de HR. Sin embargo, no podemos simplemente promediar esos valores para evaluar el sensor porque algunos valores son positivos y otros valores son negativos. Si simplemente tomáramos un promedio, el valor resultante minimizaría el error promedio ya que los valores positivos y negativos se cancelarían entre sí.

En su lugar, calculamos un error cuadrático medio (RMSE) para caracterizar la precisión del sensor. La fórmula para RMSE se encuentra a continuación:

donde O es el valor observado del sensor e I es el valor ideal del sensor (es decir, el estándar de referencia). Para calcular el RMSE, cuadramos cada error (la desviación del estándar de referencia), luego calculamos el promedio aritmético de esos valores y, finalmente, sacamos la raíz cuadrada del promedio.

Una vez que haya caracterizado la precisión del sensor, puede usar el RMSE para decidir si es necesario calibrar el sensor. En algunos casos, el RMSE es pequeño y completamente aceptable para su aplicación y puede decidir razonablemente que no se requiere calibración.

Por ejemplo, los resultados del HIH8121 son impresionantes. El RMSE es inferior al 1% y todos los puntos de muestra tienen un error inferior al 2%.

Por otro lado, en algunos casos, puede encontrar que la respuesta del sensor es tan pobre e irregular que simplemente decide que se requiere otro sensor para su aplicación.

La decisión de calibrar siempre debe tener en cuenta el grado de precisión necesario para la tarea. No obstante, podemos mejorar la precisión de las lecturas del sensor mediante la calibración, para todos los sensores de la tabla.

Procedimiento de calibración del sensor

Para calibrar un sensor, primero debemos determinar matemáticamente la función que relaciona los valores ideales con los valores observados. Se puede utilizar un procedimiento de regresión lineal para determinar esa función.

La palabra "lineal" en el nombre del procedimiento de regresión no significa una función lineal. En cambio, el término se refiere a una combinación lineal de variables. La función resultante puede ser lineal o curvilínea. Las tres funciones polinomiales siguientes representan una regresión lineal (nota:ignoramos un caso de 0 grados que no es útil en este contexto).

1. y =ax + b (primer grado, lineal)
2. y =ax ² + bx + c (segundo grado, cuadrático)
3. y =ax ³ + bx ² + cx + d (tercer grado, cúbico)

En el proyecto actual, calculamos los valores de los sensores utilizando cuatro estándares de referencia (es decir, n =4). Por tanto, un polinomio de tercer grado es el polinomio de mayor grado que podemos calcular. Siempre ocurre que el polinomio de mayor grado posible es n - 1, y en este caso eso significa 3 (4 - 1).

Los procedimientos de mínimos cuadrados se utilizan normalmente para la regresión lineal. En este procedimiento, se ajusta una línea de modo que la suma de las distancias de cada dato a la línea sea lo más pequeña posible. Hay muchos programas disponibles que utilizan procedimientos de mínimos cuadrados para realizar regresiones lineales. Incluso puede utilizar Excel (haga clic aquí para obtener más información).

También debe tenerse en cuenta que no es necesario utilizar la regresión lineal. Podríamos usar regresión no lineal. Los ejemplos de regresión no lineal dan como resultado una función de potencia o una función de Fourier. Sin embargo, la regresión lineal se adapta bien a los datos de nuestro proyecto y, además, la corrección del software (calibración) se implementa fácilmente. De hecho, en este proyecto, no creo que se pueda ganar mucho con el uso de la regresión no lineal.

Elección del polinomio

En teoría, queremos utilizar el polinomio que mejor se ajuste a los datos. Es decir, el polinomio que produce el coeficiente de determinación más pequeño, denotado r ² (o R ² , pronunciado "R cuadrado"). Cuanto más cerca r ² es a 1, mejor será el ajuste. Con la estimación por mínimos cuadrados, siempre se da el caso de que cuanto mayor sea el grado de polinomio utilizado, mejor será el ajuste.

Sin embargo, no es necesario que utilice automáticamente el polinomio de mayor grado posible. Dado que la calibración se llevará a cabo en el software, puede haber casos en los que el uso de un polinomio de menor grado represente una ventaja de velocidad y / o memoria, especialmente si la precisión que se obtendrá mediante el uso de un polinomio de mayor grado es muy pequeña.

A continuación, demostramos los procedimientos de calibración para el sensor HIH6030 utilizando polinomios de diferente grado y, al hacerlo, ilustraremos el procedimiento general que es aplicable a cualquier grado de polinomio que elija usar.

Utilizando los datos de la tabla anterior, primero realizamos el procedimiento de regresión de mínimos cuadrados para determinar los coeficientes de cada polinomio. Esos valores provendrán del paquete de software de regresión utilizado. Los resultados se muestran a continuación, incluido el r ² valores.

1. Lineal:y =ax + b; a =1,0022287, b =-8,9105659, r ² =0.9996498
2. Cuadrático:y =ax ² + bx + c; a =-0.0012638, b =1.1484601, c =-12.0009745, r ² =0.9999944
3. Cúbico:y =ax ³ + bx ² + cx + d; a =0.0000076, b =-2.4906103, c =1.2061971, d =-12.7681425, r ² =0.9999999

Los valores observados ahora se pueden modificar utilizando las funciones calculadas. Es decir, las lecturas del sensor se pueden calibrar como se ilustra en la tabla a continuación (tenga en cuenta que los valores OBS, corregidos y ERR se redondean a dos lugares decimales).

HIH6030 Valores observados y calibrados mediante polinomios

	RAW		1er grado		2do grado		3er grado
Ref RH	OBS	ERR	Corregido	ERR	Corregido	ERR	Corregido	ERR
11.30	20,79	9,49	11,93	0,63	11,36	0,06	11.30	0,00
32,78	40,77	7,99	31,95	-0,83	32,83	0,05	32,78	0,00
75,29	83,83	8.54	75.11	-0,18	75,85	0,55	75,29	0,00
84,34	93,43	9.09	84,73	0,39	84,83	0,49	84,34	0,00
RMSE		8.795736		0.562146		0.371478		0.00212

Se puede ver que los tres polinomios produjeron una disminución significativa en el RMSE, en comparación con las medidas observadas, y es por eso que calibra. El siguiente gráfico ilustra la mejora utilizando el polinomio de primer grado. Observe cómo los puntos de datos calibrados (corregidos) ahora se encuentran cerca de la diagonal ideal.

Leer más información….

Cómo verificar y calibrar un sensor de humedad

El proyecto / publicación actual también se puede encontrar usando:

• cómo comprobar la calibración de la humedad