센서의 5가지 설계 기술 및 기술적 지표

지구 표면과 주변 공간에 센서가 급증하면서 세상에 다양한 데이터가 제공되고 있습니다. 이러한 저렴한 센서는 사물 인터넷(IoT)과 우리 사회가 직면한 디지털 혁명의 원동력이지만, 센서에서 데이터를 연결하고 접근하는 과정이 항상 원활하고 쉬운 것은 아닙니다. 본 논문에서는 센서의 기술적 지표, 5가지 설계 기술 및 OEM 기업에 대해 소개합니다.

우선, 기술 지표는 제품 성능을 객관적으로 평가하는 기준이 됩니다. 기술 지표를 이해하면 제품을 올바르게 선택하고 사용하는 데 도움이 됩니다. 센서의 기술 지표는 정적 지표와 동적 지표로 나뉩니다. 정적 지표는 주로 해상도, 반복성, 감도, 선형성, 반환 오차, 임계값, 크리프, 안정성 등 정적 조건에서의 센서 성능을 평가합니다. 동적 지표는 주파수 응답 및 스텝 응답 등 급격한 변화 조건에서의 센서 성능을 평가합니다.

센서의 다양한 기술적 지표로 인해 여러 데이터와 문헌에서 서로 다른 관점에서 설명되어 사람들이 각기 다른 이해를 하거나 오해 및 모호함을 갖는 경우가 발생합니다. 따라서 센서의 주요 기술적 지표 몇 가지를 다음과 같이 해석합니다.

1. 해상도 및 해상도:

정의: 해상도는 센서가 감지할 수 있는 가장 작은 측정 변화를 의미합니다. 해상도는 해상도와 전체 스케일 값의 비율을 나타냅니다.

해석 1: 해상도는 센서의 가장 기본적인 지표입니다. 이는 센서가 측정 대상을 구별하는 능력을 나타냅니다. 센서의 다른 기술 사양은 최소 단위로 해상도를 사용하여 설명됩니다.

디지털 디스플레이가 있는 센서 및 계측기의 경우 해상도는 표시해야 하는 최소 자릿수를 결정합니다. 예를 들어 전자식 디지털 캘리퍼의 해상도는 0.01mm이고, 지시 오차는 ±0.02mm입니다.

해석 2: 해상도는 단위가 있는 절대값입니다. 예를 들어, 온도 센서의 해상도는 0.1℃이고, 가속도 센서의 해상도는 0.1g입니다.

해석 3: 해상도는 센서의 측정 해상도를 나타내는 개념으로, 해상도와 관련성이 높고 매우 유사합니다.

가장 큰 차이점은 해상도가 센서 해상도의 백분율로 표현된다는 점입니다. 이는 상대적인 값이며 단위가 없습니다. 예를 들어 온도 센서의 해상도가 0.1℃이고 전체 측정 범위가 500℃인 경우 해상도는 0.1/500=0.02%입니다.

2. 반복성:

정의: 센서의 반복성이란 동일한 조건에서 동일한 방향으로 여러 번 측정을 반복했을 때 측정 결과 간의 차이 정도를 말합니다. 반복 오차, 재현 오차 등으로도 합니다.

해석 1: 센서의 반복성은 동일한 조건에서 얻은 여러 측정값 간의 차이 정도를 나타냅니다. 측정 조건이 변하면 측정 결과 간의 비교 가능성이 사라지므로 반복성 평가의 기준으로 사용할 수 없습니다.

해석 2: 센서의 반복성은 센서 측정 결과의 분산 및 무작위성을 나타냅니다. 이러한 분산 및 무작위성이 발생하는 이유는 센서 내외부에 다양한 무작위 교란이 필연적으로 존재하기 때문이며, 결과적으로 센서의 최종 측정 결과는 확률 변수의 특성을 나타냅니다.

해석 3: 확률변수의 표준편차는 재현 가능한 정량적 표현으로 사용될 수 있다.

해석 4: 여러 번 반복 측정할 경우, 모든 측정값의 평균을 최종 측정 결과로 사용하면 측정 정확도가 높아집니다. 평균의 표준편차가 각 측정값의 표준편차보다 훨씬 작기 때문입니다.

3. 선형성:

정의: 선형성(Linearity)은 센서 입력 및 출력 곡선이 이상적인 직선에서 벗어나는 정도를 나타냅니다.

해석 1: 이상적인 센서 입력/출력 관계는 선형이어야 하며, 입력/출력 곡선은 직선이어야 합니다(아래 그림의 빨간색 선).

하지만 실제 센서는 다소 다양한 오차를 가지고 있어 실제 입력 및 출력 곡선은 이상적인 직선이 아니라 곡선(아래 그림의 녹색 곡선)을 나타냅니다.

선형성은 센서의 실제 특성 곡선과 오프라인 라인 간의 차이 정도를 나타내며, 비선형성 또는 비선형 오차라고도 합니다.

해석 2: 센서의 실제 특성 곡선과 이상적인 선 사이의 차이가 측정 크기에 따라 다르기 때문에, 전체 범위에서는 차이의 최대값과 전체 범위 값의 비율이 자주 사용됩니다. 분명히 선형성 또한 상대적인 양입니다.

해석 3: 일반적인 측정 상황에서 센서의 이상적인 곡선은 알려져 있지 않으므로 구할 수 없습니다. 따라서 종종 절충안이 사용되는데, 이는 센서의 측정 결과를 직접 이용하여 이상적인 곡선에 가까운 적합선을 계산하는 것입니다. 구체적인 계산 방법에는 종점선법, 최적선법, 최소제곱법 등이 있습니다.

4. 안정성:

정의: 안정성이란 센서가 일정 기간 동안 성능을 유지하는 능력을 말합니다.

해석 1: 안정성은 센서가 특정 시간 범위 내에서 안정적으로 작동하는지 여부를 판단하는 주요 지표입니다. 센서의 불안정성을 유발하는 주요 요인으로는 온도 드리프트와 내부 응력 방출이 있습니다. 따라서 온도 보상 및 노화 처리를 강화하면 안정성을 향상시키는 데 도움이 됩니다.

해석 2: 안정성은 관찰 기간에 따라 단기 안정성과 장기 안정성으로 나눌 수 있다. 관찰 기간이 너무 짧으면 안정성과 반복성이 유사해진다. 따라서 안정성 지표는 주로 장기 안정성을 검토한다. 구체적인 관찰 기간은 사용 환경 및 요구 사항에 따라 결정한다.

해석 3: 절대 오차와 상대 오차 모두 안정성 지수의 정량적 표현에 사용할 수 있습니다. 예를 들어, 변형률형 힘 센서의 안정성은 0.02%/12시간입니다.

5. 샘플링 주파수:

정의: 샘플링 속도는 센서가 단위 시간당 샘플링할 수 있는 측정 결과의 수를 나타냅니다.

해석 1: 샘플링 주파수는 센서의 동적 특성을 나타내는 가장 중요한 지표이며, 센서의 빠른 응답 능력을 반영합니다. 샘플링 주파수는 측정값이 급격하게 변하는 경우 반드시 고려해야 할 기술적 지표 중 하나입니다. 섀넌의 샘플링 법칙에 따르면, 센서의 샘플링 주파수는 측정값의 변화 주파수의 2배 이상이어야 합니다.

해석 2: 서로 다른 주파수를 사용하면 센서의 정확도도 그에 따라 달라집니다. 일반적으로 샘플링 주파수가 높을수록 측정 정확도는 낮아집니다.

센서의 최고 정확도는 일반적으로 가장 낮은 샘플링 속도에서 또는 정적 조건에서 얻어집니다. 따라서 센서 선택 시 정밀도와 속도를 모두 고려해야 합니다.

센서 설계를 위한 5가지 팁

1. 버스 도구부터 시작하세요

첫 단계로 엔지니어는 미지의 영역을 줄이기 위해 버스 툴을 통해 센서를 연결하는 접근 방식을 취해야 합니다. 버스 툴은 개인용 컴퓨터(PC)를 센서의 I2C, SPI 또는 센서가 통신할 수 있도록 하는 기타 프로토콜에 연결합니다. 버스 툴과 연결된 PC 애플리케이션은 알 수 없거나 인증되지 않은 임베디드 마이크로컨트롤러(MCU) 드라이버가 아닌, 데이터를 송수신할 수 있는 알려진 작동 소스를 제공합니다. 개발자는 버스 유틸리티를 사용하여 메시지를 주고받으면서 임베디드 수준에서 작업을 시도하기 전에 해당 부분이 어떻게 작동하는지 이해할 수 있습니다.

2. 파이썬으로 전송 인터페이스 코드를 작성하세요.

개발자가 버스 툴의 센서를 사용해 본 후에는 센서용 애플리케이션 코드를 작성해야 합니다. 마이크로컨트롤러 코드로 바로 넘어가는 대신 파이썬으로 애플리케이션 코드를 작성하는 것이 좋습니다. 많은 버스 유틸리티는 스크립트를 작성할 때 플러그인과 샘플 코드를 구성해 주는데, 파이썬은 일반적으로 .NET에서 사용할 수 있는 언어 중 하나입니다. 파이썬으로 애플리케이션을 작성하는 것은 빠르고 쉬우며, 임베디드 환경에서의 테스트만큼 복잡하지 않은 애플리케이션에서 센서를 테스트할 수 있는 방법을 제공합니다. 고수준 코드를 사용하면 임베디드 소프트웨어 엔지니어의 도움 없이도 임베디드 엔지니어가 아닌 사람들도 센서 스크립트와 테스트를 쉽게 분석할 수 있습니다.

3. 마이크로파이썬을 사용하여 센서를 테스트합니다.

파이썬으로 첫 애플리케이션 코드를 작성하는 장점 중 하나는 버스 유틸리티 애플리케이션 프로그래밍 인터페이스(API)에 대한 애플리케이션 호출을 마이크로 파이썬 호출로 쉽게 교체할 수 있다는 점입니다. 마이크로 파이썬은 실시간 임베디드 소프트웨어에서 실행되며, 엔지니어들이 그 가치를 이해할 수 있도록 다양한 기능을 제공합니다. 마이크로 파이썬은 Cortex-M4 프로세서에서 실행되므로 애플리케이션 코드 디버깅에 적합한 환경입니다. 또한, 사용이 간편할 뿐만 아니라 I2C 또는 SPI 드라이버를 직접 작성할 필요가 없습니다. 마이크로 파이썬의 함수 라이브러리에 이미 이러한 기능이 포함되어 있기 때문입니다.

4. 센서 공급업체 코드를 사용하십시오.

센서 제조업체에서 "스크랩"할 수 있는 샘플 코드를 사용하더라도, 엔지니어는 센서 작동 방식을 이해하기 위해 상당한 노력을 기울여야 합니다. 안타깝게도 많은 센서 공급업체는 임베디드 소프트웨어 설계 전문가가 아니므로, 완벽한 아키텍처와 세련된 코드를 기대하기는 어렵습니다. 공급업체의 코드를 활용하고, 해당 부분이 어떻게 작동하는지 학습하는 과정에서 발생하는 리팩토링의 어려움을 감수하며 최종적으로 임베디드 소프트웨어에 깔끔하게 통합해야 합니다. 처음에는 코드가 마치 스파게티처럼 복잡하게 얽혀 있을 수 있지만, 제조업체가 자사 센서의 작동 방식을 얼마나 잘 이해하고 있는지 파악한다면 제품 출시 전 낭비되는 시간을 크게 줄일 수 있을 것입니다.

5. 센서 융합 함수 라이브러리를 사용합니다.

센서의 전송 인터페이스는 새롭지 않거나 이전에 구현된 적이 없을 가능성이 높습니다. 많은 칩 제조업체에서 제공하는 "센서 융합 기능 라이브러리"와 같은 모든 기능을 포함하는 라이브러리를 활용하면 개발자는 빠르게 학습하거나, 더 나아가 제품 아키텍처를 재개발하거나 대폭 수정하는 과정을 피할 수 있습니다. 많은 센서는 일반적인 유형이나 범주로 분류될 수 있으며, 이러한 유형이나 범주를 통해 드라이버를 원활하게 개발할 수 있습니다. 제대로 개발한다면 이러한 드라이버는 거의 범용적이거나 재사용성이 떨어질 수 있습니다. 이러한 센서 융합 기능 라이브러리를 찾아보고 각각의 장단점을 파악하십시오.

임베디드 시스템에 센서를 통합할 때 설계 시간과 사용 편의성을 향상시키는 방법은 여러 가지가 있습니다. 개발자는 설계 초기 단계에서 센서의 작동 원리를 추상화 수준에서 학습한 후, 하위 시스템에 통합하는 것이 좋습니다. 오늘날 이용 가능한 많은 자료들을 활용하면 개발자는 처음부터 시작할 필요 없이 바로 실무에 투입할 수 있습니다.