第3章流量传感器数据采集

3、流量传感器数据采集：热膜式与压差式

3.1 热膜式流量传感器原理

热膜式流量传感器基于热传递原理（即King’s Law）工作。传感器内部有一个加热元件（热膜）和两个温度敏感元件（通常为热敏电阻或热电堆）。

工作过程：加热元件将热膜加热到高于气体温度的一个恒定温差（例如200°C）。当气流流过热膜时，会带走热量，导致热膜温度下降。
信号输出：为了维持恒定的温差，电路需要增加加热电流。该加热电流的变化量（或桥路输出电压）与气体的质量流量成非线性关系，通常遵循：
I² · R = (A + B · √(ρ·v)) · ΔT，其中ρ为气体密度，v为流速。
特点：直接测量质量流量，响应速度快（毫秒级），对气体成分敏感（需校准），无移动部件，压损小。

3.2 压差式流量传感器原理

压差式传感器基于伯努利方程和节流效应。通过在流道中设置一个节流元件（如孔板、文丘里管或层流元件），产生与流量相关的压差。

工作过程：气流通过节流元件时，流速增加，静压下降。在节流元件前后引出两个压力端口，连接到差压传感器（如MEMS压阻式差压芯片）。
信号输出：差压ΔP与体积流量Q的关系为：
Q = K · √(ΔP / ρ)，其中K为流量系数（与节流件几何形状有关）。
特点：结构简单、成本低、测量范围宽。但输出为体积流量，需温度压力补偿才能得到质量流量；响应速度较慢（受差压腔体容积影响），且存在永久压损。

3.3 流量传感器校准方法

校准的目的是建立传感器输出（电压/电流/数字值）与标准流量之间的映射关系。对于呼吸机应用，校准通常在标准温湿度条件下（22°C，50%RH，1atm）进行。

3.3.1 多点静态校准

标准源：使用高精度质量流量控制器（MFC）或皂膜流量计作为基准。
数据采集：从0到最大流量（如0~180 L/min），选取10~15个流量点，记录传感器原始ADC值。
拟合曲线：对于热膜式，常用多项式拟合（如4阶）或分段线性插值；对于压差式，常用平方根拟合：
Flow = a · √(ADC_raw - ADC_offset) + b
验证：回测误差应小于±2%读数或±0.5 L/min（取较大值）。

3.3.2 动态校准（时间常数补偿）

呼吸机需要快速响应（吸气相上升时间<10ms）。静态校准无法补偿传感器的动态滞后。需通过阶跃响应实验获取传感器的时间常数τ，并在软件中进行一阶滞后补偿：

# 数字补偿滤波器（一阶超前）
def compensate_sensor(raw_value, prev_compensated, tau, dt):
    alpha = tau / (tau + dt)
    compensated = (raw_value - (1 - alpha) * prev_compensated) / alpha
    return compensated

3.4 使用ADC采集模拟流量信号

呼吸机中常用的ADC类型为逐次逼近型（SAR ADC）或Σ-Δ ADC。以下以STM32G4系列内置12位SAR ADC为例。

3.4.1 硬件连接要点

信号调理：传感器输出通常为0.5~4.5V（或0~5V），需经过运放（如OPA2333）进行电平移位和阻抗匹配，使信号落在ADC输入范围（0~3.3V）。
抗混叠滤波：在ADC输入端加一阶RC低通滤波器，截止频率设为信号最高频率的5~10倍（呼吸频率最高约2Hz，但流量波形包含谐波，建议fc=50Hz）。
参考电压：使用外部高精度基准（如REF3033），避免内部Vref随温度漂移。

3.4.2 软件采集与滤波（Python示例）

以下代码模拟从ADC读取原始值，并应用校准曲线和数字滤波：

import numpy as np
import matplotlib.pyplot as plt

# 模拟ADC采集（假设采样率1kHz）
fs = 1000.0
t = np.linspace(0, 2, int(2*fs))
# 模拟真实流量信号（正弦+噪声）
true_flow = 30 + 20 * np.sin(2*np.pi*1.5*t)  # L/min
# 模拟传感器非线性响应（压差式）
adc_raw = 200 + 1500 * np.sqrt(true_flow / 100) + np.random.normal(0, 5, len(t))

# 校准参数（从静态校准获得）
a = 0.044  # 系数
b = -0.5   # 偏移
adc_offset = 200

# 应用校准曲线
flow_calc = a * (adc_raw - adc_offset)**2 + b

# 数字低通滤波（二阶巴特沃斯，截止频率20Hz）
from scipy.signal import butter, filtfilt
b, a = butter(2, 20/(fs/2), btype='low')
flow_filtered = filtfilt(b, a, flow_calc)

# 绘图对比
plt.figure(figsize=(10,4))
plt.plot(t, true_flow, 'k--', label='True Flow')
plt.plot(t, flow_calc, 'r', alpha=0.5, label='Raw Calibrated')
plt.plot(t, flow_filtered, 'b', label='Filtered Output')
plt.xlabel('Time (s)')
plt.ylabel('Flow (L/min)')
plt.legend()
plt.grid(True)
plt.show()

3.4.3 关键注意事项

问题	解决方案
ADC采样抖动	使用硬件定时器触发ADC，避免软件延时抖动
电源噪声耦合	传感器与ADC使用独立LDO供电，模拟地与数字地单点连接
传感器零点漂移	每次开机执行自动归零（关闭气流后采集10个样本取平均）
温度影响	在传感器附近放置温度传感器，进行软件温度补偿

3.5 实战建议

热膜式：优先用于需要快速响应和直接质量流量的场景（如吸气阀控制）。注意气流中的水汽会改变热导率，需在传感器前加防水透气膜。
压差式：适合成本敏感且对压损不敏感的场景（如呼气端流量监测）。务必在软件中实现平方根开方运算，并注意小流量时的信噪比问题。
校准周期：临床呼吸机建议每6个月或更换传感器模块后重新校准。

📚 课程目录