Puede utilizar este objeto de análisis para transformar un conjunto de datos linealmente o mediante una curva característica. Puedes seleccionar uno de los siguientes modos:
Seleccionar |
Significado |
|---|---|
Sin escalado |
Los datos se copian sin cambios en el resultado. Seleccione este modo si solo desea eliminar una tendencia. |
Escalado mediante pendiente e ordenada en el origen |
Escalado lineal según: Pendiente * Datos + OrdenadaEnElOrigen
|
Escalado mediante dos puntos |
Escalado lineal según: Y1 +(Y2 - Y1) /(X2 - X1) *(Datos - X1) Con los dos puntos X1, Y1 y X2, Y2. |
Calibración de un punto |
Corrige un error de amplificación en la cadena de medición. El Valor de calibración es el valor nominal que se ha aplicado al sistema de medición. Si es posible, debe situarse en el extremo superior del rango dinámico de la cadena de medición. La Medición de calibración es una serie temporal o un valor escalar con el valor real medido. Si se especifica una serie temporal, se promedia automáticamente para obtener el valor real. Los datos se transforman linealmente según la imagen siguiente: ValorDeCalibración / MediciónDeCalibración * Datos |
Calibración de dos puntos |
Corrige un error de ampliación y un error de punto cero en la cadena de medición. Los dos valores de calibración deben seleccionarse de forma que se cubra en la medida de lo posible todo el rango dinámico de la cadena de medición. Los datos se transforman linealmente según la imagen siguiente: Y = ValorDeCalibración1 +(ValorDeCalibración2 - ValorDeCalibración1) /(MediciónDeCalibración2 - MediciónDeCalibración1) *(Datos - MediciónDeCalibración1) |
Transformación mediante curva característica |
Muestreo según: Sample(CurvaCaracterística, Datos, TRUE) La curva característica se especifica como un conjunto de datos con la estructura de datos Señal. El componente Y contiene los valores nominales y el componente X los valores reales correspondientes. El componente X de la curva característica debe abarcar un rango de valores que incluya completamente el rango de valores de los datos que se van a escalar. En caso contrario, se realiza una extrapolación lineal en los márgenes de la curva característica. |
Escalado del componente X |
Escalado lineal del componente X según: EscalaX * Datos.X + OffsetX o XOffsetScale(Datos, OffsetX, EscalaX) |
En el caso de estructuras de datos compuestas, por ejemplo, una señal, solo se escalan los valores Y y los valores X se transfieren sin cambios al resultado.
Puede eliminar de previamente cualquier tendencia existente en los datos.
Seleccionar |
Significado |
|---|---|
Constante |
Resta el valor medio del conjunto de datos.
|
Lineal |
Resta la recta de mejor ajuste, es decir, la línea recta para la que la suma de los cuadrados de las desviaciones del conjunto de datos es mínima.
|
Adaptativo |
Resta el valor medio de la curva envolvente superior e inferior.
|
Media móvil |
Resta la media móvil. Se puede introducir el ancho de intervalo necesario para calcular la media móvil. Esta configuración puede utilizarse si la tendencia existente no es constante ni lineal, sino que depende del tiempo. El filtro de media móvil es un filtro paso alto.
|
Filtro de compensación de CC |
Filtro de paso alto para eliminar el desplazamiento de CC (filtro de paso alto IIR Butterworth). Se puede ajustar la frecuencia de corte y el orden (es decir, la pendiente) del filtro paso alto. El filtro puede utilizarse si la tendencia existente no es constante ni lineal, sino que depende del tiempo.
|
Para determinar la tendencia constante o lineal, primero se calcula el valor medio de la señal y, a continuación, se busca el primer y el último cruce de nivel por este valor. Si se encuentran dos pasos a nivel, el valor medio o la recta de mejor ajuste solo se calcula para el rango entre estos dos pasos a nivel. Así se evitan los errores provocados por el corte de fase de las señales periódicas en los finales del conjunto de datos. Si no se encuentra ningún cruce de nivel, se incluyen todos los valores en el cálculo. Las configuraciones adecuadas para eliminar una tendencia dependiente del tiempo suelen ser la sustracción de la media móvil y el filtro de compensación de CC.
Funciones FPScript utilizadas
* Este objeto de análisis no está disponible en FlexPro View.