Cet objet d'analyse vous permet de transformer un ensemble de données de manière linéaire ou à l'aide d'une courbe caractéristique. Choisissez l'un des modes suivants :
Sélection |
Signification |
|---|---|
Pas de mise à l'échelle |
Les données sont copiées dans le résultat sans modification. Sélectionnez ce mode si vous souhaitez uniquement supprimer une tendance. |
Mise à l'échelle suivant pente et ordonnée à l'origine |
Échelle linéaire : Pente * Données + Ordonnée à l'origine
|
Mise à l'échelle suivant deux points |
Échelle linéaire : Y1 +(Y2 - Y1) /(X2 - X1) *(Données - X1) Utilisez les deux points X1, Y1 et X2, Y2. |
Calibration à un point |
Corrige une erreur de gain dans la chaîne de mesure. La valeur de calibrage est la valeur cible avec laquelle le système de mesure a agi. Cette valeur doit de préférence se situer à l'extrémité supérieure de la gamme dynamique de la chaîne de mesure. La mesure d'étalonnage est une série chronologique ou une valeur scalaire avec la valeur réelle mesurée. Si une série chronologique est spécifiée, elle est automatiquement moyennée pour obtenir la valeur réelle. Les données sont transformées linéairement selon l'illustration suivante : Valeur d'étalonnage / Mesure d'étalonnage * Données |
Calibration à deux points |
Corrige une erreur de gain et de décalage du zéro dans la chaîne de mesure. Les deux valeurs d'étalonnage doivent être choisies de manière à couvrir de préférence toute la gamme dynamique de la chaîne de mesure. Les données sont transformées linéairement selon l'illustration suivante : Y = Valeur d'étalonnage1 +(Valeur d'étalonnage2 - Valeur d'étalonnage1) /(Mesure d'étalonnage2 - Mesure d'étalonnage1) *(Données - Mesure d'étalonnage1) |
Transformation de la courbe caractéristique |
Sample(Characteristic curve, Data, TRUE) La courbe caractéristique est spécifiée comme un ensemble de données avec la structure de données Signal. La composante Y contient les valeurs cibles et la composante X contient les valeurs réelles associées. La composante X de la courbe caractéristique doit comprendre une plage de valeurs qui inclut la plage de valeurs complète des données à mettre à l'échelle. Sinon, la courbe caractéristique est extrapolée linéairement sur les bords. |
Mise à l'échelle de la composante X |
Mise à l'échelle linéaire de la composante X selon : X-Scaling * Data.X + X-Offset ou bien XOffsetScale(Data, X-Offset, X-Scaling) |
Dans les structures de données agrégées, telles qu'un signal, seules les valeurs Y sont mises à l'échelle et les valeurs X sont copiées dans le résultat sans modification.
Toute tendance existante peut être supprimée des données à l'avance.
Sélection |
Signification |
|---|---|
Constante |
Soustrait la valeur moyenne de l'ensemble des données.
|
Linéaire |
Soustrait la meilleure ligne droite, c'est-à-dire la ligne droite pour laquelle la somme des carrés des écarts à l'ensemble des données est minimale.
|
Adaptif |
Soustrait la valeur moyenne de l'enveloppe supérieure et inférieure.
|
Moyenne glissante |
Soustrait la moyenne glissante. La largeur de l'intervalle nécessaire à la formation de la moyenne glissante peut être saisie. Ce paramètre peut être utilisé si la tendance actuelle n'est ni constante ni linéaire, mais dépend du temps. Le filtre à moyenne glissante est un filtre passe-haut.
|
Filtre composante continue |
Filtre passe-haut pour éliminer l'offset DC (IIR Butterworth passe-haut). La fréquence de coupure et l'ordre (c'est-à-dire la pente) du filtre passe-haut peuvent être configurés. Le filtre peut être utilisé si la tendance actuelle n'est ni constante ni linéaire, mais dépendante du temps.
|
Pour déterminer la tendance constante ou linéaire, on calcule d'abord la valeur moyenne du signal, puis on recherche le premier et le dernier franchissement de niveau à l'aide de cette valeur. Si deux passages à niveau ont été trouvés, alors la valeur moyenne ou la meilleure ligne droite est calculée uniquement pour l'intervalle entre ces deux passages à niveau. Cela permet d'éviter les erreurs qui se produisent en raison du segment de phase des signaux périodiques aux extrémités de l'ensemble de données. Si aucun passage de niveau n'a été trouvé, alors toutes les valeurs sont incluses dans le calcul. Les options de paramétrage appropriées pour supprimer une tendance dépendant du temps sont généralement la soustraction de la moyenne glissante et le filtre composante continue.
Fonctions FPScript utilisées
* Cet objet d'analyse n'est pas disponible dans FlexPro View.