Linearisierung einer nichtlinearen Sensorkennlinie

' schrieb:Meine Frage wäre:
gibt es eine Möglichkeit diese Messabweichung zu minimieren?
Vieleicht in Form von "Methode der kleinsten Quadrate (least square)" oder die Berechnung von Polynomen.
Kann mir da vieleicht jemand helfen und wie man das vieleicht in LV realisieren könnte.
Allerdings habe ich nur diese drei Messungen zu Verfügung.
Betroffen sind davon 21 Temperatur Sensoren (gleichen Herstellers) und 3 Feuchte-Sensoren.

Vorbemerkung: Du willst an Deinem Temperaturmesser die Hersteller-Kalibrierung Temp[C] = 5 * Spannung[V] verfeinern, so nehme ich an. Mit PT100-Linearisierung hat das dann nichts mehr zu tun, der Sensor selbst ist uninteressant, es geht um eine Geräte-Kalibrierung und nicht um den Sensor allein.

Dafür gibt es das VI "Allgemeinen Polynomanpassung" ("General Polynomial Fit.vi"), ab was versprichst Du Dir davon da mit diesen drei Messpunkten in diesem eingeengtem Temperaturbereich? Wenn Du als Polynom den Grad 2 vorgibst, dann ist nichts mehr mit "Methode der kleinsten Quadrate", denn die drei Punkte definieren exakt die drei Polynomkoeffizienten. Gut, wenn Du eine Gerade durchziehen willst, also Polynomgrad=1, dann läuft die Methode (Aber für diesen Fall gibt es auch ein einfacheres VI. Und außerdem: Wenn Du eine Gerade hättest durchziehen wollen, dann hättest Du das vermutlich auch so gesagt und "Polynome" gar nicht erst ins Gespräch gebracht).
Warnen würde ich davor, die gefundenen Kurve außerhalb des gemessenen Temperaturbereiches von 18..22° zu benutzen.
Anbei ein VI. Die Polynomkoeffizienten habe ich nicht angeschlossen, da hast Du auch noch was zu tun.
Und Du glaubst wirklich, wenn Du einen Sensor kalibriert hast, dann gilt die Kalibrierung für alle anderen Sensoren genau so?