2812 AD参考

1楼-- · 2019-08-08 21:16

TMS320F2812内部集成了ADC转换模块，该模块具有如下的功能： 1．12位ADC核，内置了双采样－保持器（S/H）； 2．顺序采样模式或者同步采样模式； 3．模拟输入：0V～3V；
4．快速转换时间运行在25MHz，ADC时钟，或12.5MSPS； 5．16通道，多路选择输入；
6．自动序列化，在单一时间段内最大能提供16个自动A/D转换，每个转换可编程对16个输入通道中的任何一个进行选择。
7．序列发生器可按2个独立的8状态序列发生器或1个16状态序列发生器。
我们在项目实际研发过程中采用的AD采样的硬件电路如下图所示：
图1为电流信号检测与调理电路，电压信号的检测与调理电路与此相类似。从电流传感器输出的信号CT1首先经过了由R1、C1组成的低通滤波电路，滤除高频干扰信号，然后通过U1构成的电压跟随器，实现了电路前后两级的隔离。由于2812的I/O口输入电平必须低于3.3V，因此在芯片引脚的输入前端加了一个稳压管Z1，使AD口输入的电压幅值不超过3V。
TMS320F2812虽然有12位精度，但在实际的使用过程中，我们发现，ADC的转换结果误差较大，如果直接将此转换结果用于控制回路，必然会降低控制精度，最大的转换误差可以达到9％。那么如何来提高AD采样的精度呢，下面列出了几种常见的方法： 1．硬件角度
（1）硬件滤波，滤除干扰信号；
（2）电路板布线时需要注意不要让ADCINxx引脚运行在靠近数字信号通路的地方，这样能使耦合到ADC输入端的数字信号开关噪声大大降低；
（3）采用适当的隔离技术，将ADC模块电源引脚和数字电源隔离；
（4）如果采样电路部分是经过多路开关切换的，可以在多路开关输出上接下拉电阻到地；（5）采样通道上的电容效应也可能会导致AD采样误差，因为采样通道上的等效电容可能还在保持有上一个采样数据的数值的时候，就对当前数据进行采样，会造成当前数据不准确。如果条件允许，可以在每次转化完成后现将输入切换到参考地，然后在对信号进行下一次采样。
2．软件角度
（1）多次采样取平均值算法，最为简单；
（2）数字滤波算法，例如采用中值滤波法，具体方法为：连续采样20个数据，对这些数据进行排序之后，去掉最小的5个和最大的5个，然后取中间10个采样数据的平均值。
（3）软件校正算法。F2812的ADC转换精度较差的主要原因是存在增益误差（Gain Error）和偏置误差（Offset Error），要提高转换精度就必须对两种误差进行补偿，下面将具体介绍这种实用的补偿方法。
理想的12位ADC应该是没有增益误差和偏置误差的，因此其转换的计算公式为： Y=x*mi
其中，x=input count=inputvoltage*4095/3.0V
Y=output count

Mi=ideal gain=1
但是，实际上F2812的AD是存在增益误差和偏置误差的，其转换的计算公式如式2所示： Y=x*ma+mb
其中，ma=actual gain
B=actualoffset
（与输入为0时相关）
实际的和理想的转换计算曲线如图2所示：
  在校正的时候，首先选用ADC的任意两个通道（例如A1,A2）作为参考输入通道，并分别
输入已知的直流参考电压，通过读取相应的结果寄存器获取转换值，利用两组输出值便可求得ADC模块得校正增益和校正偏置，然后利用这两个值对其他通道转换数据进行补偿。首先，计算两个通道得参考电压转换后得理想结果。在讲述算法之前，我们先来看看各个参数之间的关系，如下图所示：
由图可以得到各参数之间的关系如下： y = x * ma + b
ma = (yH – yL)/(xH – xL) b = yL – xL*ma
CalGain = (xH – xL)/(yH – yL) CalOffset = yL * CalGain – xL x = y * CalGain – CalOffset
给A1通道加2.5V，给A2通道加0.5V。
A1input=VHigh=2.5V，则2.5*4095/3.0=3413（理想值） A2input=VLow=0.5V，则0.5*4095/3.0=683（理想值）
校正C语言的算法如下：
#defineHIGH_IDEAL_COUNT 3413//理想高值 #defineLOW_IDEAL_COUNT 683//理想低值 #define SAMPLES20//采样次数
//定义所需的各个变量
Uint16Avg_HighActualCount; Uint16Avg_LowActualCount; Uint16Sum_HighActualCount; Uint16Sum_LowActualCount; Uint16 CalGain; Uint16CalOffset;
Uint16HighActualCount[SAMPLES]; Uint16LowActualCount[SAMPLES];
//变量初始化 Voidinitvar (void)

{
Avg_HighActualCount=0; Avg_LowActualCount=0;
Sum_HighActualCount=0; Sum_LowActualCount=0;
CalGain=0; CalOffset=0;
Uint16 I;
For(i=0;i<SAMPLES;I++) {
HighActualCount[I]=0; LowActualCount=0;  }  }
//计算增益和偏置的函数 Voidcalerror (void) {
Static Unit16 i;//采样计数 Uint16k;
HighActualCount=AdcRegs.AdcResult1>>4;//读采样数据 LowActualCount=AdcRegs.AdcResult2>>4;
If(i>=SAMPLES)//采样满规定次数 { i=0;
for(k=0;k<SAMPLES;k++) {
Sum_HighActualCount+= HighActualCount; Sum_LowActualCount+=LowActualCount; }
Ave_HighActualCount= Sum_HighActualCount/SAMPLES;//多次采样取平均值 Ave_LowActualCount= Sum_LowActualCount/SAMPLES;
CalGain = (HIGH_IDEAL_COUNT - LOW_IDEAL_COUNT)//计算增益系数           / (Avg_HighActualCount  - Avg_LowActualCount);
CalOffset =Avg_LowActualCount*CalGain - LOW_IDEAL_COUNT; //计算偏置

} I++; }
//在ADC_ISR中，对各个通道进行校正： Interrupt
Adc_Isr (void) { 。。。。。。。。。。
   newResult n= AdcRegs.ADCRESULTn*CalGain - CalOffset; 。。。。。。。。。。 }
本文来自: