读取热敏电阻有点棘手。上述校准方法不会产生错误检测，它会创建对数曲线的两个点（热敏电阻响应曲线。

这意味着，对于每 0.1°C 的温度变化，相应的电阻变化将根据温度范围而变化。

起初，您可能会看到与实际温度相差 2 到 5°C 的误差，但没有误差，只是读数不好。

你没有发布任何关于你如何阅读这个热敏电阻的细节，Arduino可能是？我必须说，有些库根本不工作，所以你必须创建一个特殊的函数来做到这一点。

发布有关如何表征和读取热敏电阻的详细说明。 帖子是西班牙语，但在代码标签中，所有解释都是用简单的英语。

一旦您获得了 ABC 系数，即使在 6m 长的 LAN 线路中，您的误差也将与另一次测量相比约为 0.1°C。

该测试同时读取了 4 个热敏电阻，您可以看到我在手指中短暂握住的其中 2 个的温度差异很小。

在杯子里装满冰块，然后倒入水，加满水。偶尔搅动一下。当冰开始融化时，您将处于 0°C。将传感器插入水中并读取读数。

如果您的传感器可以忍受，请将其放入一壶开水中。在海平面上，这将为您提供 100°C 的参考读数。

如果您需要对传感器进行热缩防水处理，则必须留出一些时间让读数稳定。

^{模拟此电路- 使用CircuitLab创建的原理图}

图 1. 简单的线性校准曲线。

• y1 是 0°C 时的电阻、电压或 ADC 读数。
• y2 是 100°C 时的电阻、电压或 ADC 读数。

$$ T = 100 \frac{y - y1}{y2-y1} $$ 其中y = 在温度T下的读数。

正如评论中所指出的，如果您使用的是热敏电阻，则需要检查数据表的线性度。如果这种简单的方法不够好，您将不得不在微控制器中使用多项式计算或查找表。

校准热敏电阻（或大多数传感器）是一个两步过程：

1. 测量校准数据
2. 设计一个适合该数据的校准法则

第一步是最难的，不幸的是，这是我经验最少的一步。然后我将只用非常笼统的术语来描述它。第二步主要是数学。

测量校准数据

您必须用 (T, R) 对填写表格，即在已知温度下测量的电阻值。您的校准数据应涵盖您在实际使用中所需的整个温度范围。超出此范围的数据点不是很有用。否则，您拥有的数据点越多越好。

为了测量热敏电阻的电阻，我建议您 不要使用欧姆表。改用您将用于实际校准后测量的相同设置。这样，电阻测量中的任何系统误差（如 ADC 偏移和增益误差）都将被校准。

要了解温度，您有两种选择：使用固定温度点（例如，沸水或融化的冰）或使用已校准的温度计。定点是温度校准的黄金标准，但很难让它们正确，而且您可能不会在您关心的温度范围内找到其中的许多。

使用已知良好的温度计可能会更容易，但仍有一些警告：

• 您应该确保热敏电阻和参考温度计处于相同温度
• 您应该保持该温度稳定足够长的时间，以使两者达到热平衡。

将两者放在一起，放在具有高热惯性的外壳（冰箱或烤箱）中可能会有所帮助。

显然，参考温度计的准确性在这里是一个非常重要的因素。它应该比您对最终测量精度的要求更加准确。

拟合校准定律

现在您需要找到一个适合您的数据的数学函数。这被称为“经验拟合”。原则上，任何法律都可以做到，只要它离数据点足够近。多项式在这里是最受欢迎的，因为拟合总是收敛的（因为函数相对于它的系数是线性的）并且它们的评估成本很低，即使在低级微控制器上也是如此。作为一种特殊情况，线性回归可能是您可以尝试的最简单的定律。

但是，除非您对非常窄的温度范围感兴趣，否则 NTC 热敏电阻的响应是高度非线性的，不太适合低次多项式拟合。然而，变量的策略性改变可以使你的定律几乎是线性的并且很容易适应。为此，我们将通过一些基本的物理学来转移注意力……

NTC 热敏电阻中的导电是一个热激活过程。然后可以通过 Arrhenius 方程对电导进行建模：

G = G _∞ exp(-E _a /(k _B T))

其中 G _∞称为“指前因子”，E _a是活化能，k _B是 玻尔兹曼常数，T 是绝对温度。

这可以重新排列为线性定律：

1/T = A + B log(R)

其中 B = k _B /E _a ; A = B log(G _∞ ) ; log() 是自然对数。

如果您获取校准数据并绘制 1/T 作为 log(R) 的函数（这基本上是轴交换的Arrhenius 图），您会注意到它几乎是一条直线，但并不完全是一条直线。偏离线性主要是因为指前因子与温度有轻微的相关性。尽管如此，曲线还是足够平滑，可以很容易地用一个低次多项式拟合：

1/T = c ₀ + c ₁ log(R) + c ₂ log(R) ² + c ₃ log(R) ³ + ...

如果您感兴趣的温度范围足够短，那么线性近似值可能对您来说就足够了。然后，您将使用所谓的“β 模型”，其中 β 系数为 1/B。如果您使用三次多项式，您可能会注意到 可以忽略c _2系数。如果你确实忽略了它，那么你就有了著名的Steinhart-Hart 方程。

一般来说，多项式的次数越高，它应该越适合数据。但是如果度数太高，你最终会 过拟合。在任何情况下，拟合中的自由参数的数量都不应超过数据点的数量。如果这些数字相等，则该定律将完全拟合数据，但您无法评估拟合优度。请注意，此热敏电阻计算器 （在评论中链接）仅使用三个数据点来提供三个系数。这是初步近似校准的上帝，但如果我需要准确性，我不会依赖它。

我不会在这里讨论如何实际执行拟合。用于制作任意数据的软件包比比皆是。

线性化温度计具有增益和偏移误差。

• 双极电源可能会在 0V 时偏移为零。
• 单电源桥将有一些 Vref 或 R 与 Vref 或 Vcc 的比率，其中偏移在该设计温度下为零。通常这是对称的，因此这将对应于您的设计范围的中点。

• 热敏电阻在 25'C 下使用具有 2 个变量的特定灵敏度曲线进行校准。

• 要校准它，您只需要 2 次测量

  • Null 调整其中误差电压 =null = 0 , Vt=Vref
  • T max 处的增益调整
    • 对于典型的 4 R 电桥，通常是中点温度。
• 使用任何更好的温度计进行校准或
  • 使用冰水和沸水 0, 100'C