Universidad de Guanajuato, DICIS

Abril 2014.
MIE, Sistemas de Medicion,

de un sensor de corriente usando

Caracterizacion
LabVIEW
L. A. Herrara-Piad, M. A. Contreras-Cruz, O. I. Vera-Almanza, S. Marquez-Figueroa
Prof. M. A. Ibarra-Manzano
Resumen

Un sensor permite convertir senales

fsicas en senales
que pueden ser ledas por instrumentos. Para modelar el funciona obteniendo su curva caracterstica y sus parametros.

miento de los sensores se realiza su caracterizacion

En este trabajo
de un sensor de corriente usando Labview y se presentan los resultados que demuestran
se presenta la caracterizacion
(lineal,
que modelo se adapta mejor a este sensor. Los modelos utilizados en este trabajo son: tres modelos de interpolacion

(lineal y cuadratica).

cuadratica
y cubica)
y dos modelos de regresion
Para probar que modelo se adapta mejor al sensor se

cruzada. Finalmente, se muestra el funcionamiento de los modelos ante una senal

constante
utiliza un metodo
de validacion
variante en el tiempo dentro del entorno LabVIEW.
y una senal
Keywords
de sensores, sensor de corriente, interpolacion,
regresion,
Labview.
Caracterizacion

Universidad de Guanajuato, DICIS, Sistemas de Medicion

E-mail: luispiad@yahoo.es, ma.contrerascruz@ugto.mx, oivan.veraalmanza@gmail.com, smarkezf@gmail.com

Indice
1

Introduccion

2 Metodologa
2

2.1 Acondicionamiento de la Senal

...............2
de la corriente utilizando un reostato

Variacion
y una resistencia
de calor Circuito propuesto para el acondicionamiento de la

senal

permita describir el funcionamiento del sensor, sin tener que

recurrir a e l cada vez que se desee probar una entrada diferente. Esto es una de las razones para realizar la caracterizacion
de sensores, la cual consiste en obtener la curva caracterstica
del sensor que describe su funcionamiento y a partir de ella
obtener su modelo correspondiente, as como sus parametros.

1. Introduccion

Existen diferentes tipos de sensores: acusticos, de transporte, qumicos, electricos, posicion, o pticos, presion, fuerza,
termicos, proximidad, entre otros [4]. Dentro de los sensores
electricos se encuentran los sensores de corriente que detectan
y convierten la corriente en voltaje de salida facil de medir
[2]. Estos sensores hacen uso de dos fenomenos: la cada de
potencial que se produce cuando una corriente fluye a traves
de un cable o circuito y del campo magnetico que se genera
alrededor del conductor. Por lo tanto, hay dos tipos de deteccion. La primera es la deteccion directa que se basa en la
ley de Ohm e implica la medicion de la cada de potencial
asociada con la corriente que pasa a traves de los componentes
electricos pasivos. Y la deteccion indirecta que consiste en la
medicion del campo magnetico que rodea a un conductor por
el que pasa la corriente, despues el campo magnetico se utiliza
para inducir voltaje proporcional que es una forma adecuada
para la medicion.

Un sensor es un convertidor que mide una senal fsica y la

convierte en una senal que puede ser leda por un instrumento.
Cuando se realiza una medicion de una senal fsica, un sensor
inevitablemente altera las propiedades de la senal de alguna
manera u nica, en este sentido el dispositivo de medicion constituye una parte integral de cualquier proceso de recoleccion
de datos fsicos [6]. Sin embargo, para realizar la automatizacion de este proceso es conveniente tener un modelo que

En este trabajo se realiza la caracterizacion de un sensor

de corriente, el sensor AST-080L3. Primero se obtiene su
curva caracterstica, de un conjunto de modelos se selecciona
el que se adapta mejor al sensor, finalmente se muestra el
funcionamiento de los modelos dentro del entorno Labview.
El resto de este trabajo esta estructurado de la siguiente forma.
En la Seccion 2 se presenta la formulacion del problema y la
propuesta de solucion. En la Seccion 3 se presentan los resul-

...................3
2.2 Modelos de interpolacion
..................... 4
2.3 Modelos de regresion
del sensor usando LabVIEW . . . . . . 4
2.4 Caracterizacion
NI myDAQ Estructura del programa en LabVIEW
Configuracion

3 Resultados
5
cruzada dejando uno fuera . . . . . . . . . . . 6
3.1 Validacion

3.2 Resultados en el entorno de LabVIEW ante una senal

constante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
de
3.3 Resultados en el entorno de LabVIEW ante una senal
.................... 7
la tarjeta de adquisicion
4

Conclusiones

Referencias

 de un sensor de corriente usando LabVIEW 2/9

Caracterizacion

tados de la caracterizacion del sensor de corriente. Finalmente,

se muestran los principales descubrimientos y conclusiones
de este trabajo.

2. Metodologa

2.1 Acondicionamiento de la Senal

Uno de los primeros pasos para realizar la caracterizacion de un sensor es establecer su curva caracterstica. Con
este proposito se diseno un circuito que permite observar el
funcionamiento del sensor. El rango de la corriente medida
comprende de 0 - 5.9A, en incrementos de 0.1A, con su parte
correspondiente en voltaje.
Teniendo la curva caracterstica se puede conocer a que modelo se adapta mejor el sensor.
Finalmente, una vez que se realiza esta caracterizacion se
prueba el funcionamiento de los modelos dentro de un entorno
como Labview que permite capturar los datos del sensor y en
base a cada modelo generar la salida de cada uno de ellos.
de la corriente utilizando un reostato

2.1.1 Variacion
y
una resistencia de calor

Con el objetivo de obtener una curva caracterstica del

sensor de corriente, hubo la necesidad de hacer variar el consumo de corriente con un dispositivo que nos permitiera, de
manera controlada, obtener un rango amplio para la medicion.
Para esto fue elegida una resistencia de calor, cuyo consumo
maximo de corriente se situo alrededor de los 5.9A. Ademas,
como se muestra en la Figura 1, se utilizo un reostato para
que la alimentacion del voltaje fuera gradual, permitiendonos
variar la corriente en incrementos de 0.1 A, misma que fue
medida con el sensor de corriente AST-080L3.
Este sensor es un transformador de corriente; mide una
corriente grande (en este caso es la corriente medida en la
resistencia de calor) y entrega una corriente pequena. Esta
corriente pequena habra que convertirla a voltaje, y realizar
el acondicionamiento necesario para introducirla a la computadora. La implementacion completa se muestra en la Figura
2.

127v AC

RESTATO

RESISTENCIA
DE CALOR

SENSOR DE
CORRIENTE

Figura 1. Conexion de la resistencia de calor y el reostato

para la variacion de la corriente.

2.1.2 Circuito propuesto para el acondicionamiento de la

senal

En el circuito de la Figura 4 presenta el diseno que se

utilizo para el acondicionamiento de la senal. El diagrama del

Figura 2. Implementacion completa del sensor de corriente.

circuito esta dividido en etapas (Figura 3). En la primera etapa
se convierte la corriente entregada por el sensor en voltaje de
AC. En la siguiente etapa se convierte el voltaje AC en voltaje
DC usando un puente de diodos con un capacitor. La salida de
voltaje en esta etapa es aproximadamente de 0 - 20v. Debido
a que la tarjeta de adquisicion tiene como especificacion de
entrada un voltaje maximo de 10v, se opto por implementar
un divisor de voltaje, de modo que el rango de la variacion
del voltaje en DC quedo de 0 - 6v aproximadamente. Finalmente, se introdujo la senal a la tarjeta de adquisicion, para
su posterior procesamiento.
VOLTAJE DEL
SENSOR AC

VOLTAJE
DC

DIVISOR DE
VOLTAJE

NI myDAQ

Figura 3. Etapas para el acondicionamiento de la senal.

Para realizar la caracterizacion del sensor de corriente
se prueban cinco modelos (tres modelos de interpolacion y
dos modelos de regresion). A continuacion se describe cada
uno de ellos, y en la Seccion de Resultados se comparan
para observar cual de los cinco se adapta mejor al sensor de
corriente a caracterizar.

 de un sensor de corriente usando LabVIEW 3/9

Caracterizacion

D1

R1(2)

R2
10k

DIODE

D4

y = c2 x2 + c1 x + c0

DIODE

DIODE

D2

R1

(4)

D3
R3

C1

1k
DIODE

La forma de calcular este valor es:

10k

47uF


y = x2

1
d

1n1
d1

(a) Simulacion.

n4
d1

d12
n2
d2
nd52


x 1

1
y0
d3

dn33
y1
n6
y2
d

(5)

n1 = x1 + x2
n2 = x0 + x2
n3 = x0 + x1

(6)

n4 = x1 x2
n5 = x0 x2
n6 = x0 x1
d1 = (x0 x1 )(x0 x2 )
d2 = (x0 x1 )(x1 x2 )

(b) Implementacion.

d3 = (x0 x2 )(x1 x2 )

Figura 4. Circuito para el acondicionamiento de la senal

2.2 Modelos de interpolacion

La interpolacion es un metodo de construccion de nuevos puntos de datos que se encuentran dentro del rango de
un conjunto de puntos discretos conocidos [1]. Tres de los
modelos mas conocidos son: el modelo lineal, el cuadratico
y el cubico. A continuacion se describen de forma general
los tres modelos de interpolacion, mientras que los bloques
MATLAB se muestran en el Apendice (Interpolacion Lineal,
Cuadratica y Cubica).

Modelo cubico

Se tienen cuatro puntos definidos como (x0 , y0 ), (x1 , y1 ),

(x2 , y2 ), (x3 , y3 ). Con la restriccion de que,
x0 < x1 < x2 < x3
Ahora, se desea encontrar un valor y de un punto arbitrario
x. Para esto se necesita una funcion cubica de la forma:
y = c3 x3 + c2 x2 + c1 x + c0

Dada una funcion definida por dos puntos (x0 , y0 ) y (x1 , y1 ),

encontrar los valores de puntos intermedios. El modelo lineal
es mostrado a continuacion.
(1)

(8)

La forma de calcular este valor es:

Modelo lineal

y = c1 x + c0

(7)


y = x3

1
d

1n1
d1
n5
d1
nd91

d12
n2
d2
nd62
n10
d2

1
d3
nd33
n7
d3
nd113

x2


x 1

d14
y0
n4
d4 y1

nd84 y2
n12
y3

(9)

d4

n1 = x1 + x2 + x3

La forma de realizar la interpolacion esta dada por:

n2 = x0 + x2 + x3

y= x


1

1
d
x1
d

 
d1 y0
x0
y1
d

d = x0 x1

n3 = x0 + x1 + x3
(2)
(3)

Modelo cuadratico

Se tienen tres puntos definidos como (x0 , y0 ), (x1 , y1 ),

(x2 , y2 ). Con la restriccion de que,

n4 = x0 + x1 + x2
n5 = x1 x2 + x1 x3 + x2 x3
n6 = x0 x2 + x0 x3 + x2 x3
n7 = x0 x1 + x0 x3 + x1 x3
n8 = x0 x1 + x0 x2 + x1 x2
n9 = x1 x2 x3

x0 < x1 < x2

n10 = x0 x2 x3

Ahora, se desea encontrar un valor y de un punto arbitrario

x. Para esto se necesita una funcion cuadratica de la forma:

n11 = x0 x1 x3
n12 = x0 x1 x2

(10)

 de un sensor de corriente usando LabVIEW 4/9

Caracterizacion

d1 = (x0 x1 )(x0 x2 )(x0 x3 )

d2 = (x0 x1 )(x1 x2 )(x1 x3 )
d3 = (x0 x2 )(x1 x2 )(x2 x3 )

Sx3 = xi3
(11)

(22)

i=1
N

Sx4 = xi4

d4 = (x0 x3 )(x1 x3 )(x2 x3 )

(23)

i=1

2.3 Modelos de regresion

La regresion es un proceso estadstico para la estimacion
de la relacion entre variables [3]. Dos de los modelos mas
conocidos son: el modelo lineal y el modelo cuadratico. A
continuacion se describen de forma general estos dos modelos
de regresion. En el Apendice (Regresion Lineal y Cuadratica)
se muestra la implementacion de ambas regresiones usando
MATLAB.
Lineal
Regresion

(12)

La forma de realizar la regresion esta dada por:

(24)

i=1
N

Sxy = xi yi

(25)

i=1
N

Sx2 y = xi2 yi

(26)

i=1

Dado un conjunto de N puntos (xi , yi ) encontrar una funcion lineal de la forma:

y = a1 x + a0

Sy = yi

N Sx
A = Sx Sx 2
Sx2 Sx4

Sy
C = Sxy
Sx2 y

Sx2
Sx3
Sx4

a = A1C

(27)

(28)
(29)

Sx = xi

(13)

i=1
N

Sy = yi

(14)

i=1
N

Sxy = xi yi

(15)

i=1
N

Sx2 = xi2

(16)

del sensor usando LabVIEW

2.4 Caracterizacion
Una vez que se acondiciono la senal del sensor de corriente, es momento de adquirir esta senal resultante de voltaje, e
introducirla a LabVIEW para aplicar los metodos de interpolacion y regresion vistos anteriormente.
Se utilizo la tarjeta de National Instruments NI myDAQ
para adquirir la senal y poder procesarla en la computadora.
En el entorno de LabVIEW, se hizo uso de los bloques de
Mathscript para ejecutar el codigo de MATLAB propuesto, y
se graficaron los resultados.

i=1

NI myDAQ
2.4.1 Configuracion

a1 =

NSxy Sy Sx
NSx2 Sx Sx

(17)

a0 =

Sy a1 Sx

N
N

(18)

cuadratica

Regresion

Se tiene un conjunto N de puntos ejemplo (xi , yi ) el objetivo es aproximar el conjunto de puntos en una funcion
cuadratica de la forma:
y = a2 x2 + a1 x + a0

(19)

La regresion se obtiene por medio de las siguientes ecuaciones:

NI myDAQ es un dispositivo de adquisicion de datos

(DAQ) portatil, capaz de medir y analizar senales con LabVIEW.
Para configurar la tarjeta NI myDAQ, primero se realizo la
conexion con el voltaje de salida del sensor en modo diferencial. Posteriormente en LabVIEW, el modulo DAQ Assistant
(ver Figura 5) fue elegido para seleccionar el nombre de la
tarjeta de adquisicion a usar, el tipo de senal que se iba a leer
(en este caso voltaje en DC).
Otros parametros que se configuraron fueron:
Rango del voltaje que recibe la tarjeta: 0 - 10 v
Configuracion del terminal: Modo diferencial

Sx = xi

(20)

i=1

Muestras por leer: 100

Sx2 = xi2
i=1

Modo de adquisicion: Continua

(21)

Frecuencia de muestreo: 1KHz

 de un sensor de corriente usando LabVIEW 5/9

Caracterizacion

Figura 5. Modulo DAQ Assistant para configurar la tarjeta

NI myDAQ.

2.4.2 Estructura del programa en LabVIEW

Una vez configurado el modulo de DAQ Assistant, ya es

posible visualizar y procesar la senal de voltaje en LabVIEW.
La salida del modulo DAQ Assistant es un arreglo de 100
datos. Para obtener una salida de valor constante, y no un
arreglo, se suman todas los valores del arreglo y se dividen
entre el numero de muestras como se muestra en la Figura 6;
esto nos proporciona un valor constante que es mas facil de
manipular dentro de LabVIEW.

Figura 7. Extracto del programa de LabVIEW que contiene

los scripts de MATLAB propuestos en las secciones 2.2 y 2.3.

3. Resultados
Para seleccionar el modelo que permite una mejor caracterizacion del sensor de corriente se realizaron 60 mediciones
(corriente vs voltaje), en el rango de 0 - 5.9 A., con incrementos de 0.1 A., (ver Apendice Datos del sensor), esto se
muestra en la Figura 8. Para validar un modelo se pueden
usar un conjunto de tecnicas estadsticas, entre las cuales se
encuentra la tecnica de validacion cruzada.
En este trabajo se utilizo la validacion cruzada dejando
uno fuera [5] debido a que la cantidad de datos no supera ni
las cien unidades y se puede realizar la prueba con todos los
datos obteniendo errores muy bajos, a diferencia de los otros
dos metodos de validacion cruzada (validacion cruzada por
k iteraciones y validacion cruzada aleatoria). Posteriormente
usando esta validacion, se selecciona el modelo que se adapta
mejor al sensor. Finalmente se muestra el funcionamiento de
cada uno de los modelos dentro del entorno de LabVIEW ante
una senal constante, y una senal variante en el tiempo (senal
procedente de la tarjeta de adquisicion).

Figura 6. Extracto del programa de LabVIEW que nos

otorga un valor constante del arreglo de datos de la senal
capturada por el NI myDAQ.
El valor constante de la tarjeta NI myDAQ actua como
moduentrada en un modulo llamado Mathscript Node. Este
lo ejecuta scripts del usuario creados en la ventana de este
modulo. En este trabajo se utilizaron los scripts de MATLAB
que se plantearon en las secciones 2.2 y 2.3 como se muestra
en la Figura 7.
En este modulo se mapean la entrada (obtenida del NI
myDAQ) y las salidas del script de MATLAB. Estas salidas
contienen el valor ya calculado de las interpolaciones lineal,
cuadratica y cubica, y de las regresiones lineal y cuadratica.
Finalmente la salida es puesta en un arreglo de valores
flotantes, para ser exhibidos en una grafica.

Figura 8. Curva caracterstica en el rango de corriente de 0 5.9 A. Conjunto de mediciones capturadas del sensor de
corriente.

 de un sensor de corriente usando LabVIEW 6/9

Caracterizacion

cruzada dejando uno fuera

3.1 Validacion
La validacion cruzada dejando uno fuera (LOOCV por sus
siglas en ingles de Leave-one-out cross-validation) consiste
en separar los datos dejando u nicamente un dato de prueba
y el resto de los datos como elementos de entrenamiento.
Considere un conjunto de N datos, la tecnica de validacion
consiste en tomar un dato a la vez como elemento de prueba y
el resto de los N 1 datos como elementos de entrenamiento.
Se calcula el error promedio una vez que se recorren los N
datos como elementos de prueba, con la siguiente Ecuacion:

E=

1 N
Ei
N i=1

(30)

donde Ei es el error absoluto estimado en funcion de la salida

ideal yri y la salida producida por el modelo yi :
Ei = |yi yri |

(31)

El modelo que produce un menor error promedio, es el modelo que se adapta mejor al sensor a caracterizar. En la Tabla
1 se presentan los resultados de esta validacion, observando
que la interpolacion lineal produce un menor error promedio
en comparacion con los otros modelos. Se debe notar que los
modelos de interpolacion solo pueden evaluar puntos dentro
del rango, por lo que el punto inicial y final no pueden ser
evaluados usando un modelo de interpolacion, por lo que la
cantidad de puntos a evaluar disminuye en comparacion con
los modelos de regresion, los cuales no tienen ninguna restriccion. En la Figura 9 se presenta el error absoluto de cada
una de las muestras del sensor usando los cinco modelos y se
observa que el modelo de interpolacion lineal genera un error
absoluto menor en la mayora de los casos. Ademas, se puede
observar que en las muestras iniciales y finales los modelos
de regresion producen un error mayor en comparacion con
los modelos de interpolacion, los cuales se mantienen con un
funcionamiento muy similar.
Modelo
Interpolacion Lineal
Interpolacion Cuadratica
Interpolacion Cubica
Regresion Lineal
Regresion Cuadratica

Error promedio
0.0062
0.0067
0.0082
0.0645
0.0483

Puntos
58
57
56
60
60

Tabla 1. Error promedio de cada uno de los modelos de

caracterizacion. Se marca el modelo que se adapta mejor a
este sensor usando el metodo LOOCV, con las caractersticas
de los puntos de muestra especificados.
Observando estos resultados se puede decir que el modelo
de interpolacion lineal permite caracterizar el sensor de corriente de mejor manera que los otros modelos, considerando

los puntos mostrados en el Apendice

(Datos del sensor) y
usando un metodo de validacion cruzada dejando uno fuera.

Figura 9. Error absoluto de los modelos para cada muestra

del sensor. Se puede observar que los modelos de
interpolacion producen un menor error absoluto en
comparacion con los modelos de regresion.
3.2 Resultados en el entorno de LabVIEW ante una
constante
senal
Antes de comprobar el funcionamiento de los modelos
ante una senal de entrada de la tarjeta de adquisicion dentro
del entorno de Labview se opto por probar el funcionamiento
usando un conjunto de senales de entrada constantes ingresadas por el usuario. En la Tabla 2 se muestra este conjunto de
entradas con los respectivos valores de salida de cada uno de
los modelos de interpolacion, mientras que en la Tabla 3 se
muestran las salidas de los modelos de regresion.
Entrada (V)
0.62
1.54
2.56
3.56
4.67

I. Lineal
0.8881
0.8877
0.8879
0.8981
0.8709

I. Cuadratica
1.8480
1.8484
1.8482
1.7803
1.8073

I. Cubica
2.8310
2.8318
2.8318
2.7585
2.8122

Tabla 2. Resultados de los modelos de interpolacion ante un

conjunto de senal de entrada constantes. Los modelos tienen
como entrada un voltaje (V) y se encargan de generar un
conjunto de salidas en corriente (A).

Entrada (V)
0.62
1.54
2.56
3.56
4.67

R. Lineal
3.7324
3.7325
3.7317
3.7174
3.7632

R. Cubica
4.7032
4.7035
4.7038
4.7819
4.7794

Tabla 3. Resultados de los modelos de regresion ante un

conjunto de senal de entrada constantes. Los modelos tienen
como entrada un voltaje (V) y se encargan de generar un
conjunto de salidas en corriente (A).

 de un sensor de corriente usando LabVIEW 7/9

Caracterizacion

Figura 10. Resultados de los modelos de interpolacion y regresion. En la primer grafica se muestra el voltaje de entrada de la
tarjeta de adquisicion. En las graficas subsecuentes se exhibe la corriente calculada con cada uno de los modelos.
3.3 Resultados en el entorno de LabVIEW ante una
de la tarjeta de adquisicion

senal
En la Figura 10 se muestran los resultados de todos los modelos de regresion e interpolacion presentados en este trabajo.
Como se indica, la primera grafica es el voltaje de entrada
que se obtiene de la tarjeta de adquisicion. En las demas graficas, se muestra el valor de la corriente que esta circulando a
traves de la resistencia de calor, calculada por medio de las
interpolaciones y regresiones en el modulo de Mathscript de
LabVIEW.

4. Conclusiones
La caracterizacion de sensores permite modelar el funcionamiento de los sensores y estimar una salida a partir de una
entrada desconocida sin la necesidad de recurrir directamente
al sensor. En este trabajo se realizo la caracterizacion de un
sensor de corriente. Se tomaron mediciones al sensor para
obtener su curva caracterstica y a partir de ella se probaron
cinco modelos para comprobar cual se adapta mejor al sensor.
Cabe resaltar la importancia del acondicionamiento de la senal
de salida del sensor, pues sin este acondicionamiento sera
imposible obtener en la computadora la senal para procesarla.
Se utilizo un metodo de validacion cruzada con las caractersticas de los datos capturados, donde se observo que los
modelos de interpolacion funcionan mejor que los modelos de
regresion. Ademas, dentro de los modelos de interpolacion, el
modelo lineal se comporta muy similar al modelo cuadratico,

aunque usando una metrica de error absoluto el modelo lineal

resulto ser mejor evaluado que los otros cuatro modelos.

Apendice
A continuacion se muestra el codigo MATLAB que implementa cada uno de los modelos de caracterizacion usados
en el entorno Labview:
Datos del sensor:
% Voltaje
vX =[0.0008 0.001 0.0276 0.1009 0.1805 ...
0.267 0.358 0.444 0.531 0.632 0.726 ...
0.809 0.894 0.990 1.084 1.183 1.287 ...
1.391 1.492 1.592 1.695 1.805 1.901 ...
2.002 2.092 2.196 2.302 2.412 2.529 ...
2.629 2.737 2.854 2.951 3.066 3.174 ...
3.288 3.402 3.525 3.633 3.742 3.872 ...
3.986 4.102 4.225 4.333 4.440 4.555 ...
4.667 4.76 4.88 4.99 5.10 5.18 5.26 ...
5.37 5.45 5.52 5.60 5.68 5.74];
vY =[0.05 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 ...
0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 ...
1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 ...
2.7 2.8 2.9 3.0 3.1 3.2 3.3 3.4 3.5 ...
3.6 3.7 3.8 3.9 4.0 4.1 4.2 4.3 4.4 ...
4.5 4.6 4.7 4.8 4.9 5.0 5.1 5.2 5.3 ...
5.4 5.5 5.6 5.7 5.8 5.9];

 de un sensor de corriente usando LabVIEW 8/9

Caracterizacion

fx3 = vY(indx3);
d1 = (x0-x1)*(x0-x2)*(x0-x3);
d2 = (x0-x1)*(x1-x2)*(x1-x3);
d3 = (x0-x2)*(x1-x2)*(x2-x3);
d4 = (x0-x3)*(x1-x3)*(x2-x3);
y_cb = [x3 x2 x 1]*([1/d1 -1/d2 ...
1/d3 -1/d4; -(x1+x2+x3)/d1 ...
(x0+x2+x3)/d2 -(x0+x1+x3)/d3 ...
(x0+x1+x2)/d4; ...
(x1*x2+x1*x3+x2*x3)/d1 ...
-(x0*x2+x0*x3+x2*x3)/d2 ...
(x0*x1+x0*x3+x1*x3)/d3 ...
-(x0*x1+x0*x2+x1*x2)/d4; ...
-(x1*x2*x3)/d1 (x0*x2*x3)/d2 ...
-(x0*x1*x3)/d3 ...
(x0*x1*x2)/d4]*[fx0; fx1; fx2; fx3]);
else
y_cb = nan;
end

% Total de datos
Np = length(vX);

Interpolacion Lineal, considerando un dato de entrada

x:
ind1 = vX x
ind2 = [ind1(2:end) 0]
indx0 = ind1&(ind2)
indx1 = logical([0 indx0(1:(end-1))])
x0 = vX(indx0)
x1 = vX(indx1)
fx0 = vY(indx0)
fx1 = vY(indx1)
dX = x0-x1
y_ln = [x 1]*([1/dX -1/dX; -x1/dX ...
x0/dX]*[fx0; fx1])

Regresion Lineal:
Interpolacion Cuadratica:
Sx = sum(vX);
Sy = sum(vY);
Sxy = sum(vX.*vY);
Sxx = sum(vX.*vX);
a1 = (Np*Sxy-Sy*Sx)/(Np*Sxx-Sx*Sx);
a0 = Sy/Np-a1*Sx/Np;
y_rl = a1*x+a0;

ind1 = vX x;
ind2 = [ind1(2:end) 0];
indx0 = ind1&(ind2);
if find(indx0==1)<(Np-1)
indx1 = logical([0 indx0(1:(end-1))]);
indx2 = logical([0 indx1(1:(end-1))]);
x0 = vX(indx0);
x1 = vX(indx1);
x2 = vX(indx2);
d01 = x0-x1;
d02 = x0-x2;
d12 = x1-x2;
fx0 = vY(indx0);
fx1 = vY(indx1);
fx2 = vY(indx2);
y_cd = [x2 x 1]*([1/(d01*d02) ...
-1/(d01*d12) 1/(d02*d12); ...
-(x1+x2)/(d01*d02) ...
(x0+x2)/(d01*d12) ...
-(x0+x1)/(d02*d12); ...
(x1*x2)/(d01*d02) ...
-(x0*x2)/(d01*d12) ...
(x0*x1)/(d02*d12)]*[fx0; fx1; fx2]);
else
y_cd = nan;
end

Interpolacion Cubica:
ind1 = vX x;
ind2 = [ind1(2:end) 0];
indx0 = ind1&(ind2);
if find(indx0==1)<(Np-2)
indx1 = logical([0 indx0(1:(end-1))]);
indx2 = logical([0 indx1(1:(end-1))]);
indx3 = logical([0 indx2(1:(end-1))]);
x0 = vX(indx0);
x1 = vX(indx1);
x2 = vX(indx2);
x3 = vX(indx3);
fx0 = vY(indx0);
fx1 = vY(indx1);
fx2 = vY(indx2);

Regresion Cuadratica:
Sx = sum(vX);
Sx2 = sum(vX.2);
Sx3 = sum(vX.3);
Sx4 = sum(vX.4);
Sy = sum(vY);
Sxy = sum(vX.*vY);
Sx2y = sum((vX.2).*vY);
A = [Np Sx Sx2; Sx Sx2 Sx3; Sx2 Sx3 Sx4];
C = [Sy; Sxy; Sx2y];
B = inv(A)*C;
y_rcu = B(3)*x2 + B(2)*x + B(1);

Referencias
[1]

A. Doubova & F. Guillen Gonzalez. Un curso de calculo numerico: interpolacion, aproximacion, integracion y
resolucion de ecuaciones diferenciales. Universidad de
Sevilla, 2007.

[2]

Preeti Jain.
Current sensors.
http://
www.engineersgarage.com/articles/
current-sensor, 2012.

[3]

Juan Manuel Izar Landeta. Elementos de Metodos Numericos para Ingeniera. Universidad Autonoma de San Luis
Potos, 1998.

[4]

Committee on new sensor technologies: materials and

applications. Expanding the Vision of Sensor Materials.
National Academy Press, Washington, D. C., 1995.

 de un sensor de corriente usando LabVIEW 9/9

Caracterizacion

[5]

R. Bharat Rao. On the dangers of cross-validation. an

experimental evaluation.

[6]

Dogan A. Timucin. A bayesian approach to sensor characterization. In in Proc. IGARSS, 2003.