1. 감도 (Sensitivity)
감도는 센서가 입력 신호(\(x\))에 대해 출력 신호(\(y\))를 생성하는 민감도를 나타내며, 선형 영역에서 입출력 곡선의 기울기로 정의됩니다. 수학적으로:
\[ S = \frac{\Delta y}{\Delta x} \]
비선형 전달 함수에서는 특정 입력값에서의 순간 기울기로 표현됩니다: \[ S(x) = \frac{dy}{dx} \]. 감도는 센서의 핵심 성능 지표로, 단위는 센서 유형에 따라 다양합니다(예: 온도 센서의 mV/°C, 압력 센서의 mV/Pa, 광 센서의 A/W).
감도는 센서의 신호 변환 효율을 나타내며, 입력 신호의 미세한 변화를 출력으로 변환하는 능력을 결정합니다. 이는 센서 소자의 물리적 특성(예: 피에조저항 효과, 열전 효과, 광전 효과)과 신호 증폭 회로의 설계에 의해 결정됩니다. 예를 들어, 피에조저항 기반 압력 센서는 다이어프램의 변형에 따른 저항 변화를 출력 전압으로 변환하며, 감도는 저항 변화율(\( \Delta R/R \))에 비례합니다. 높은 감도는 낮은 입력 신호에서도 강한 출력을 생성하지만, 잡음 증폭과 비선형성 위험이 동반됩니다.
의료용 연속 혈당 모니터링(CGM) 시스템에서는 글루코스 농도 1mM당 출력 전류(μA)를 감도로 정의하며, 1μA/mM 이상의 감도가 필요합니다. 이는 환자의 혈당 변화를 실시간으로 추적하여 당뇨병 관리에 필수적입니다. 또 다른 예로, 환경 모니터링에서 사용되는 가스 센서는 ppm(parts per million) 단위의 특정 기체 농도를 감지하기 위해 0.1nA/ppm 이상의 감도가 요구됩니다. 예: CO₂ 센서는 400ppm~1000ppm 범위에서 0.5nA/ppm 감도를 제공해야 합니다.
최근 MEMS(Micro-Electro-Mechanical Systems)와 나노소재(예: 그래핀, 탄소나노튜브, 금속 산화물 나노구조)를 활용한 센서 연구는 감도를 기존 대비 10~100배 향상시켰습니다. 예를 들어, 그래핀 기반 가스 센서는 ppb(parts per billion) 수준의 감도를 달성하여 대기 오염 모니터링에서 혁신을 가져왔습니다 [Nature Nanotechnology, 2023]. 양자점(quantum dot) 기반 광 센서는 포토다이오드 대비 50% 이상 감도가 향상되었으며, 이는 자외선(UV) 감지 및 의료 영상에 활용됩니다 [Advanced Optical Materials, 2024]. 또한, 딥러닝 기반 신호 처리 기술은 감도 최적화를 통해 잡음 영향을 최소화합니다 [IEEE Sensors Journal, 2025].
감도를 높이기 위해 저잡음 증폭기(LNA, Low-Noise Amplifier), 고이득 신호 처리 회로, 고감도 소재(예: ZnO 나노와이어)를 사용합니다. 그러나 높은 감도는 잡음 증폭을 초래하므로, 신호 대 잡음비(SNR)와의 균형이 중요합니다. 온도 보상 회로(TC)와 디지털 신호 처리(DSP)를 통해 환경적 요인(예: 온도 -40°C~85°C, 습도 10~90% RH)에 의한 감도 변화를 최소화합니다. ISO 14560 표준에 따라 감도 사양을 명시하며, 센서의 동적 범위와 감도 간 트레이드오프를 고려해야 합니다.
감도가 높아질수록 포화 위험이 증가하며, 동작 범위가 좁아질 수 있습니다. 나노소재 기반 센서는 제조 비용이 높고, 대량 생산 시 균일성을 유지하기 어렵습니다. 또한, 고감도 센서는 전자기 간섭(EMI)에 취약할 수 있습니다.
아래 차트는 온도 센서의 감도 특성을 보여줍니다(입력: 온도, 출력: 전압).
입력 변화(Δx)와 출력 변화(Δy)를 입력하여 감도를 계산하세요:
예시: 온도 센서가 25°C에서 2.5V, 50°C에서 5.0V를 출력하면, 감도는 \[ \frac{5.0 - 2.5}{50 - 25} = 0.1 \, \text{V/°C} \]. 이 센서가 0.01°C 변화를 감지하려면 출력 분해능이 최소 1mV 이상이어야 하며, 이는 16비트 ADC로 구현 가능.
참고: [Nature Nanotechnology, 2023], [Advanced Optical Materials, 2024], [IEEE Sensors Journal, 2025], [ISO 14560]
2. 감도 오차와 영점 변동
감도 오차: 입출력 특성 곡선의 기울기가 이상적 감도에서 벗어난 정도입니다. 수학적으로: \[ \text{오차} = \frac{|S_{\text{actual}} - S_{\text{ideal}}|}{S_{\text{ideal}}} \times 100\% \]. 주요 원인은 온도 변화(-40°C~85°C), 전원 변동(±5%), 소자 노화, 기계적 스트레스, 전자기 간섭(EMI)입니다.
영점 변동 (Offset): 입력이 0일 때 출력이 0이 아닌 값으로, 수학적으로: \[ y_{\text{offset}} = y(x=0) \]. 이는 제조 공정의 편차, 센서 소자의 물리적 불균일, 또는 외부 환경 요인에서 기인합니다.
감도 오차는 센서의 선형성을 저해하며, 영점 변동은 출력 신호의 기준점을 왜곡합니다. 두 현상은 상호작용하여 출력 신뢰도를 저하시킵니다. 수학적으로, 전체 출력 오차는: \[ y_{\text{error}} = y_{\text{offset}} + (S_{\text{actual}} - S_{\text{ideal}})x \]. 예를 들어, 온도 변화로 인해 감도가 5% 감소하고 영점 변동이 0.1V 발생하면, 출력 오차는 입력 크기에 따라 기하급수적으로 증가할 수 있습니다.
자동차 타이어 압력 모니터링 시스템(TPMS)에서는 영점 변동이 0kPa에서 0.1V를 유발하며, 온도 변화로 감도가 5% 감소하면 타이어 압력 측정 오류로 이어질 수 있습니다. 의료용 맥박 산소포화도(SpO2) 센서에서는 영점 변동이 혈중 산소 농도 측정의 기준점을 왜곡하여 진단 오류를 초래할 수 있습니다. 예: SpO2 센서의 영점 변동이 0.05V라면, 90%~100% 농도 범위에서 1% 오차가 발생할 수 있습니다.
적응형 교정 알고리즘(예: Kalman 필터, 머신러닝 기반 보정)은 실시간으로 감도 오차와 영점 변동을 보정하며, 0.01% 이하의 오차를 달성했습니다 [IEEE Transactions on Instrumentation and Measurement, 2024]. 나노소재 기반 센서는 온도에 의한 감도 변화를 10배 이상 줄였으며, 예를 들어, 그래핀 기반 압력 센서는 -20°C~80°C에서 0.1% 이내의 감도 오차를 유지합니다 [Nano Letters, 2024].
영점 변동을 줄이기 위해 초기 교정(zero-point calibration)과 주기적 재교정이 필수이며, 차동 증폭기(differential amplifier)와 온도 보상 회로(TC)를 사용해 오차를 최소화합니다. 디지털 신호 처리(DSP)는 실시간 보정을 가능하게 하며, ISO 17025 표준에 따라 교정 절차를 문서화해야 합니다. 또한, EMI 차폐(예: Faraday cage)를 통해 외부 간섭을 줄입니다.
감도 오차와 영점 변동은 완전히 제거하기 어렵고, 특히 극한 환경(예: -55°C~125°C, 10G 진동)에서는 보정이 복잡해집니다. 실시간 교정 시스템은 전력 소모가 증가하며, 고정밀 교정 장비는 비용이 높습니다.
아래 차트는 온도 변화에 따른 감도 오차를 보여줍니다.
감도 오차와 영점 변동을 입력하여 출력 오차를 계산하세요:
예시: 압력 센서가 0Pa에서 0.1V를 출력(영점 변동)하고, 온도 변화로 감도가 5% 감소하면, 감도 오차는 \[ \frac{|S_{\text{actual}} - S_{\text{ideal}}|}{S_{\text{ideal}}} \times 100\% = 5\% \]. 전체 출력 오차는 \[ y_{\text{error}} = 0.1 + 0.05x \] (x는 입력).
참고: [IEEE Transactions on Instrumentation and Measurement, 2024], [Nano Letters, 2024], [ISO 17025]
3. 교정 (Calibration)
교정은 센서의 출력이 표준값(known value)에 맞도록 조정하는 과정으로, 센서 제조 후 필수적입니다. 주요 절차는 다음과 같습니다:
- 번인 테스트 (Burn-in): 80~125°C 고온 챔버에서 센서를 작동시켜 초기 결함 제거 및 안정성 확인.
- 표준값 비교: NIST 또는 PTB 인증 기준 센서와 테스트 센서에 표준 입력을 인가해 출력 비교.
- 보정: 센서 소자 조정(예: 레이저 트리밍으로 저항값 조정), 동작 범위 설정(range setting), 출력 신호 보정(signal trimming).
교정은 센서의 입출력 특성 곡선을 표준화된 특성 곡선에 맞추는 과정으로, 선형성, 감도, 영점 변동을 최적화합니다. 수학적으로: \[ y_{\text{calibrated}} = f(x, \text{calibration parameters}) \]. 교정은 ISO/IEC 17025 표준에 따라 수행되며, 불확실도(uncertainty)를 정량화해야 합니다. 예: 교정 불확실도는 \[ \sigma_{\text{cal}} = \sqrt{\sigma_{\text{ref}}^2 + \sigma_{\text{sensor}}^2} \].
항공우주 산업에서 가속도 센서는 진동 테스트 중 NIST 표준에 따라 교정되어 0.01g 단위의 정밀 측정을 보장합니다. 의료용 체온계는 37°C에서 ±0.1°C 오차를 보장하기 위해 정밀 교정이 필요합니다. 예: 혈압 센서는 0~300mmHg 범위에서 ±0.5mmHg의 정확도를 유지해야 합니다.
클라우드 기반 교정 시스템은 IoT 센서의 실시간 교정을 가능하게 하며, 딥러닝 기반 자동 교정 알고리즘은 0.001% 이하의 오차를 달성했습니다 [IEEE Sensors Journal, 2025]. 자가 교정(self-calibration) 기능을 통합한 센서는 유지보수 비용을 절감하며, 예를 들어, 스마트 팩토리에서 사용되는 압력 센서는 온보드 프로세서로 실시간 교정을 수행합니다.
교정 주기는 센서의 사용 환경(예: 고온, 고습, 진동)에 따라 달라지며, 온보드 프로세서(예: ARM Cortex-M)를 통합하여 실시간 교정이 가능합니다. 교정 데이터는 룩업 테이블(LUT) 또는 다항식 회귀 모델로 저장되며, NIST 추적 가능성(traceability)을 보장해야 합니다.
교정은 시간과 비용이 많이 들며, 극한 환경에서는 표준값을 유지하기 어렵습니다. 자가 교정 시스템은 복잡한 알고리즘과 추가 전력이 필요하며, 교정 불확실도가 증가할 수 있습니다.
아래 차트는 교정 전후의 출력 특성을 비교합니다.
예시: 온도 센서가 0°C에서 0.05V, 100°C에서 4.95V를 출력하도록 레이저 트리밍으로 교정하여 선형성 보장. 교정 후 출력은 \[ y = 0.0495x + 0.05 \].
참고: [IEEE Sensors Journal, 2025], [ISO/IEC 17025]
4. 동특성과 정특성
동특성: 입력이 시간에 따라 변할 때의 응답 특성. 주요 지표:
- 상승 시간 (Rise Time, \( t_r \)): 출력이 10%에서 90%까지 도달하는 시간.
- 하강 시간 (Fall Time, \( t_f \)): 출력이 90%에서 10%로 감소하는 시간.
- 시정수 (Time Constant, \( \tau \)): 출력이 최종값의 63.2%에 도달하는 시간. \[ y(t) = y_{\text{final}} (1 - e^{-t/\tau}) \].
- 응답 시간 (Response Time): 상승 시간과 하강 시간을 포괄.
정특성: 입력이 일정할 때의 출력 특성으로, 안정 상태에서의 동작을 나타냅니다.
동특성은 센서의 과도 응답(transient response)을 평가하며, 1차 시스템에서는 시정수로, 2차 시스템에서는 감쇠비(\( \zeta \))와 고유주파수(\( \omega_n \))로 분석됩니다. 2차 시스템의 경우: \[ \ddot{y} + 2\zeta\omega_n\dot{y} + \omega_n^2 y = \omega_n^2 x \]. 정특성은 안정 상태에서의 선형성과 정확도를 평가합니다. 동특성은 센서의 응답 속도를, 정특성은 측정의 안정성을 결정합니다.
자율주행 차량의 LiDAR 센서는 1ms 이하의 상승 시간이 요구되며, 실시간 장애물 감지에 필수적입니다. 의료용 심박 센서는 10ms 이내의 응답 시간을 통해 실시간 심박 변화를 모니터링합니다. 예: 심박 센서의 시정수가 2ms라면, 5ms 내에 안정된 출력에 도달합니다.
머신러닝 기반 동특성 예측 모델은 센서의 응답 시간을 최적화하며, 스마트 팩토리 및 로보틱스에서 활용됩니다 [IEEE Transactions on Control Systems Technology, 2024]. 광대역 센서(broadband sensor)는 고주파 신호(예: 10kHz 이상)를 처리하여 동특성을 개선합니다.
동특성을 개선하려면 저지연 회로 설계와 고속 ADC(예: 100kHz 샘플링)를 사용합니다. 필터 설계(예: Butterworth, Chebyshev 필터)를 통해 과도 응답을 안정화하며, 감쇠비를 조정하여 과도 진동(overshoot)을 최소화합니다.
빠른 응답 시간은 전력 소모를 증가시키며, 고속 ADC는 비용이 높습니다. 2차 시스템에서는 과도 진동이 발생할 수 있으며, 고주파 응용에서는 필터 설계가 복잡해집니다.
아래 차트는 1차 시스템의 시간 응답을 보여줍니다.
예시: 가속도 센서의 상승 시간이 2ms, 시정수 \( \tau = 0.5ms \)라면, 응답 시간은 약 2.5ms로 계산.
참고: [IEEE Transactions on Control Systems Technology, 2024]
5. 동작 범위
센서의 직선성이 유지되는 입력/출력 범위로, Span 또는 FSO(Full Scale Output)로 표현됩니다. 수학적으로: \[ \text{Span} = x_{\text{max}} - x_{\text{min}} \], \[ \text{FSO} = y_{\text{max}} - y_{\text{min}} \].
동작 범위는 센서의 선형 동작 구간을 정의하며, 범위를 벗어나면 비선형성이나 포화가 발생합니다. 동작 범위는 센서 소자의 물리적 설계(예: 다이어프램 크기, 재료 강도)와 신호 처리 회로에 의해 결정됩니다. 수학적으로: \[ y = f(x) \text{ for } x \in [x_{\text{min}}, x_{\text{max}}] \].
의료용 혈압 센서는 0~300mmHg 범위에서 선형 출력이 요구되며, 항공우주용 압력 센서는 -100kPa~1000kPa의 넓은 범위를 커버해야 합니다. 예: 항공기 고도계는 -1000m~10,000m 고도에 해당하는 압력 범위를 측정합니다.
다중 범위 센서(multi-range sensor)는 단일 센서로 넓은 동작 범위를 커버하며, 스마트 그리드 및 항공우주 응용에서 주목받고 있습니다 [IEEE Transactions on Industrial Electronics, 2024]. 예: 다층 멤브레인 설계는 0~10MPa 범위를 커버합니다.
동작 범위를 확장하려면 센서 소자의 물리적 설계(예: 멤브레인 두께, 재료 강도)와 신호 처리 회로(예: 자동 범위 조정)를 최적화합니다. 다중 범위 전환 회로는 FPGA를 통해 구현됩니다.
넓은 동작 범위는 감도와 분해능을 저하시킬 수 있으며, 설계 복잡도와 비용이 증가합니다.
예시: 압력 센서의 동작 범위가 0~100kPa, FSO가 0~5V라면, 이 구간에서 선형 출력 보장.
참고: [IEEE Transactions on Industrial Electronics, 2024]
6. 분해능 (Resolution)
센서가 검출 가능한 최소 입력 증분. 아날로그 센서는 %/FS, 디지털 센서는 비트 단위로 표현: \[ \text{Resolution} = \frac{\text{FS}}{2^n} \] (n은 비트 수).
분해능은 센서의 정밀도를 결정하며, 잡음 수준보다 큰 신호 변화를 감지해야 합니다. 분해능은 ADC의 비트 수, 센서 소자의 물리적 특성, 신호 처리 회로의 품질에 의해 제한됩니다.
반도체 제조 공정에서 사용되는 압력 센서는 0.001Pa 수준의 분해능이 요구되며, 중력파 검출 장비(LIGO)는 10^-18m 수준의 변위를 감지해야 합니다.
24비트 ADC를 사용하는 센서는 0.000006%/FS의 분해능을 제공하며, 초정밀 응용에 활용됩니다 [Physical Review Letters, 2023]. 양자 센서(quantum sensor)는 원자 수준의 분해능을 제공합니다.
높은 분해능을 위해 저잡음 ADC와 고해상도 신호 처리 회로가 필요하며, 샘플링 속도와의 균형이 중요합니다. 예: 100kHz 샘플링은 고속 응용에 적합합니다.
높은 분해능은 전력 소모와 비용을 증가시키며, 잡음에 민감해질 수 있습니다.
예시: 16비트 ADC 센서는 \[ \frac{1}{2^{16}} = 0.0015\%/\text{FS} \]의 분해능을 가짐.
참고: [Physical Review Letters, 2023]
7. 불감대 (Dead Band)
센서가 반응하지 않는 입력 범위. 수학적으로: \[ \text{Dead Band} = [x_{\text{min}}, x_{\text{threshold}}] \]. 포화 영역도 불감대에 포함됩니다.
불감대는 센서의 민감도 한계로 인해 발생하며, 제조 공정의 정밀도 부족이나 소재 특성에서 기인합니다. 수학적으로: \[ y(x) = 0 \text{ for } x \in [x_{\text{min}}, x_{\text{threshold}}] \].
저압 환경(예: 진공 챔버)에서 사용되는 압력 센서는 불감대가 작아야 정확한 측정이 가능합니다. 예: 0~4Pa 범위에서 반응하지 않는 센서는 진공 공정에서 부적합합니다.
나노소재 기반 센서는 불감대를 ppb 수준으로 줄이며, 환경 모니터링에 활용됩니다 [Sensors and Actuators B: Chemical, 2024].
불감대를 최소화하려면 센서 소자의 물리적 구조(예: 다이어프램 두께)를 최적화하고, 고감도 소재(예: ZnO 나노와이어)를 사용합니다.
불감대 제거는 제조 비용을 증가시키며, 극히 낮은 입력 신호를 감지하려면 잡음 관리가 필수입니다.
예시: 압력 센서의 최소 감지 압력이 4Pa라면, 0~4Pa는 불감대.
참고: [Sensors and Actuators B: Chemical, 2024]
8. 선택도 (Selectivity)
잡음 속에서 원하는 신호만 선별하는 능력. 수학적으로: \[ \text{Selectivity} = \frac{S_{\text{signal}}}{S_{\text{noise}}} \].
선택도는 센서의 신호 대 잡음비(SNR)와 밀접한 관련이 있으며, 특정 신호를 분리하는 능력을 결정합니다. 화학적, 물리적, 또는 전기적 특성에 의해 결정됩니다.
대기 오염 모니터링에서 CO₂ 센서는 CO, NO₂ 등의 간섭 신호를 배제하고 CO₂만 감지해야 합니다. 예: CO₂ 센서가 CO₂ 신호를 1000배 강하게 감지하면 높은 선택도를 가집니다.
나노물질(예: 금속 산화물 나노구조, MOFs)을 활용한 센서는 선택도를 1000배 이상 향상시켰습니다 [Sensors and Actuators B: Chemical, 2024].
선택도를 높이기 위해 화학적 코팅, 광학 필터, 또는 특정 주파수 대역 필터링 기술이 사용됩니다.
높은 선택도는 복잡한 설계와 높은 제조 비용을 초래하며, 다중 신호 감지에는 부적합할 수 있습니다.
예시: CO₂ 센서가 CO₂ 신호를 2500배 강하게 감지하면 선택도는 2500입니다.
참고: [Sensors and Actuators B: Chemical, 2024]
9. 신호 대 잡음비 (Signal-to-Noise Ratio, SNR)
신호와 잡음의 비율. 수학적으로: \[ \text{SNR} = 10 \log_{10} \left( \frac{P_{\text{signal}}}{P_{\text{noise}}} \right) \, \text{dB} \].
SNR은 출력 신호의 품질을 결정하며, 높은 SNR은 선명한 신호를 보장합니다. 잡음은 열 잡음, 플리커 잡음, 전자기 간섭(EMI) 등에서 발생합니다.
영상 센서에서 SNR이 40dB 이상이어야 선명한 이미지를 얻을 수 있으며, 의료용 초음파 센서는 60dB 이상의 SNR이 요구됩니다.
디지털 필터링(예: FIR, IIR 필터)과 딥러닝 기반 잡음 제거 기술은 SNR을 10dB 이상 개선했습니다 [IEEE Signal Processing Magazine, 2024].
저잡음 증폭기(LNA)와 고성능 ADC를 사용하며, 신호 전송 경로를 최적화합니다.
높은 SNR은 전력 소모와 비용을 증가시키며, 극저잡음 환경에서는 구현이 어렵습니다.
예시: 신호 전력이 1mW, 잡음 전력이 1μW라면, SNR은 \[ 10 \log_{10}(1000) = 30 \, \text{dB} \].
참고: [IEEE Signal Processing Magazine, 2024]
10. 전달함수 (Transfer Function)
입력과 출력의 함수적 관계. 이상적 전달함수는 선형: \[ y = mx + c \] (c=0이 최적). 비선형 전달함수는 다항식 또는 지수 함수로 표현: \[ y = a_0 + a_1x + a_2x^2 + \dots \].
전달함수는 시스템의 동작을 모델링하며, 선형성은 예측 가능성을 높입니다. 비선형 전달함수는 다항식 회귀 또는 신경망 모델로 보정됩니다.
온도 센서의 전달함수가 \[ y = 0.1x \]라면, 입력 온도(°C)에 비례해 출력 전압(V)이 증가합니다.
머신러닝 기반 보정은 비선형 전달함수를 선형화하며, 0.01% 이하의 오차를 달성했습니다 [IEEE Transactions on Neural Networks, 2024].
비선형성을 줄이기 위해 룩업 테이블(LUT) 또는 다항식 회귀를 사용합니다.
비선형 보정은 계산 복잡도를 증가시키며, 실시간 응용에서 지연을 초래할 수 있습니다.
예시: 선형 전달함수 \[ y = 0.1x \]는 온도 센서의 출력이 입력(°C)에 비례함을 의미.
참고: [IEEE Transactions on Neural Networks, 2024]
11. 정도와 확도 (Precision and Accuracy)
정도 (Precision): 반복성과 재현성.
- 반복성: 동일 조건에서 연속 측정 시 일치도. \[ \text{Repeatability} = \frac{\Delta_{\text{max}}}{FS} \times 100\% \].
- 재현성: 다른 조건/장기간 측정 시 일치도.
확도 (Accuracy): 참값과의 근접도. \[ \text{Accuracy} = \frac{|\text{True} - \text{Measured}|}{FSO} \times 100\% \].
정도와 확도는 ISO 5725 표준에 따라 평가되며, 트레이드오프 관계일 수 있습니다.
GPS 센서에서 높은 반복성은 위치 데이터의 일관성을, 높은 확도는 실제 위치와의 근접성을 보장합니다.
다중 센서 융합은 정도와 확도를 동시에 개선합니다 [IEEE Transactions on Geoscience, 2024].
주기적 교정과 환경 보상이 필수입니다.
높은 정도와 확도는 비용과 복잡도를 증가시킵니다.
예시: 압력 센서의 확도가 ±0.5%라면, 100kPa 입력에서 최대 오차는 ±0.5kPa.
참고: [IEEE Transactions on Geoscience, 2024], [ISO 5725]
12. 직선성 (Linearity)
특성 곡선의 비선형성 정도. \[ \text{Non-linearity} = \frac{\text{Max Deviation}}{FSO} \times 100\% \].
직선성은 센서 출력의 예측 가능성을 결정하며, 비선형성은 다항식 피팅으로 정량화됩니다.
가스 센서에서 비선형성은 고농도에서 포화로 인해 증가합니다.
AI 기반 보정은 비선형성을 0.1% 이하로 줄입니다 [IEEE Transactions on Instrumentation, 2024].
비선형 보정을 위해 LUT 또는 다항식 회귀를 사용합니다.
비선형 보정은 계산 자원을 소모합니다.
예시: 최대 출력 편차가 0.1V, FSO가 5V라면, 비선형성은 \[ \frac{0.1}{5} \times 100\% = 2\% \].
참고: [IEEE Transactions on Instrumentation, 2024]
13. 포화 (Saturation)
직선성이 끝나는 지점으로, 입력 증가에도 출력 변화가 완만해지는 영역. 비선형성이 5% 이상인 지점부터 포화 영역으로 정의됩니다.
포화는 센서의 동적 범위를 제한하며, 소재의 물리적 한계에서 기인합니다.
고압 센서가 1000kPa 이상에서 포화되면, 그 이상의 압력 변화는 감지되지 않습니다.
다중 범위 센서는 포화 문제를 해결합니다 [IEEE Transactions on Aerospace, 2024].
포화 지점을 높이기 위해 소재 강도와 신호 처리 회로를 최적화합니다.
포화 지점 확장은 감도를 저하시킬 수 있습니다.
예시: 압력 센서가 100kPa 이상에서 비선형성이 5%를 초과하면, 100kPa가 포화 지점.
참고: [IEEE Transactions on Aerospace, 2024]
14. 히스테리시스 (Hysteresis)
입력 증가/감소 시 출력이 달라지는 현상. \[ \text{Hysteresis} = \frac{\text{Max Output Difference}}{FSO} \times 100\% \].
히스테리시스는 소재의 기계적/전기적 특성에서 발생하며, 출력 곡선의 이력 현상을 나타냅니다.
힘 센서에서 히스테리시스는 로드셀의 정확도를 저하시킵니다.
나노소재는 히스테리시스를 0.1% 이하로 줄입니다 [Advanced Materials, 2024].
히스테리시스를 줄이기 위해 소재 선택과 기계적 구조 최적화가 필요합니다.
히스테리시스 완전 제거는 불가능합니다.
예시: 출력 차이가 0.2V, FSO가 5V라면, 히스테리시는 \[ \frac{0.2}{5} \times 100\% = 4\% \].
참고: [Advanced Materials, 2024]
'Sensor > 센서 기초' 카테고리의 다른 글
| 압력의 정의와 심화 분석 (1) | 2025.08.12 |
|---|---|
| 절대 온도 0도가 측정 가능할까? (1) | 2025.08.08 |
