การทดลองวัดกระแสโดยใช้โมดูล Current Sense Amplifier - MAX4080S#

Keywords: Current Sense Amplifier, MAX4080S, Linear Regression, Python

---

▷ การทดลองใช้งานโมดูล MAX4080#

ไอซี MAX4080 จัดอยู่ในประเภท Current Sense Amplifier CSA) เหมาะสำหรับการวัดกระแสที่ฝั่ง High-side (ระหว่างแหล่งจ่ายไฟและโหลด) และใช้สำหรับการวัดกระแสไฟฟ้าแบบ DC โดยใช้ตัวต้านทานที่มีค่าความต้านทานต่ำ (Shunt Resistor) ซึ่งไอซีจะทำหน้าที่แปลงแรงดันตกคร่อมที่ตัวต้านทานดังกล่าวให้เป็นแรงดันเอาต์พุต

วัตถุประสงค์

• เพื่อศึกษาการทำงานของโมดูล MAX4080S ในการวัดแรงดันตกคร่อมที่ Shunt Resistor $R_S = 0.1\Omega$ และขยายเป็นแรงดันที่ขา OUT
• เพื่อศึกษาความสัมพันธ์ระหว่างกระแสไฟฟ้าในโหลดกับแรงดันเอาต์พุตของโมดูล
• เพื่อวิเคราะห์ความเป็นเชิงเส้นของระบบวัดกระแสด้วยวิธี Linear Regression

อุปกรณ์และเครื่องมือที่ใช้

รายการ	จำนวน
โมดูล GY-408 (MAX4080S)	1
ตัวต้านทานโหลด ($R_L$) 100Ω ±1%	1
แหล่งจ่ายไฟ DC แบบปรับค่าได้	1
มัลติมิเตอร์ดิจิทัล (Digital Multimeter, DMM)	2
ออสซิลโลสโคปดิจิทัล (Digital Oscilloscope)	1
สายวัด/สายจั๊มเปอร์	ตามต้องการ
เบรดบอร์ด หรือชุดทดลองไฟฟ้า	1

โมดูลที่ได้นำมาใช้ในการทดลองคื GY-408 มีไอซี MAX4080S (Gain = 60V/V) และมีตัวต้านทานสำหรับการวัดกระแส 0.1Ω อยู่บนแผงวงจรแล้ว

 

---

▷ ขั้นตอนการทดลอง#

1. เตรียมวงจรการทดลอง

   • เชื่อมต่อแหล่งจ่ายไฟ DC ($V_S$) กับขา $V_{RS+}$ ของโมดูล MAX4080S และต่อ GND ร่วมกันกับวงจร
   • เชื่อมต่อแรงดันไฟเลี้ยง $V_S$ กับขา VCC เพื่อใช้เป็นแรงดันไฟเลี้ยงให้โมดูล MAX4080S
   • ใช้มัลติมิเตอร์ดิจิทัล วัดค่าความต้านทานของโหลด $R_L$ แล้วจดบันทึกค่าไว้
   • ต่อโหลด $R_L$ ขนานกับวงจร โดยให้ปลายหนึ่งต่อกับขา $V_{RS-}$ และอีกปลายต่อกับ GND
   • ต่อ DMM1 วัดแรงดันตกคร่อมที่ $R_L$ แรงดันตกคร่อม $V_L$ ใช้ในการคำนวณกระแสโหลด เนื่องจากวงจรเป็นแบบอนุกรม $I_{LOAD} = I_{SHUNT} = V_L / R_L$
   • เชื่อมต่อขา OUT ของโมดูลกับ DMM2 และ Oscilloscope

2. การวัดค่าทางไฟฟ้า

   • ใช้ DMM1 วัดแรงดันตกคร่อมที่โหลด ($V_L$)
   • ใช้ DMM2 และ Oscilloscope วัดแรงดันที่ขา OUT ของโมดูล

3. การปรับค่าแรงดันไฟเลี้ยง

   • ปรับแรงดันไฟเลี้ยง $V_S$ ที่ป้อนให้กับโมดูลและวงจรตามค่าดังนี้:
     5.0V ~ 8.0V (เพิ่มครั้งละ 0.5V)
   • สำหรับแต่ละค่า $V_S$ ให้บันทึกข้อมูลดังนี้:
     • $V_L$ (แรงดันตกคร่อมที่ $R_L$)
     • $V_{OUT}$ จาก DMM2
     • $V_{OUT}$ จาก Oscilloscope
     • คำนวณกระแส $I_{LOAD} = V_L / R_L$

4. การบันทึกข้อมูล

   • ใช้ตารางต่อไปนี้บันทึกค่าที่วัดได้:

รูป: ตารางสำหรับการบันทึกข้อมูลจากการทดลอง

1. การวิเคราะห์ข้อมูล
   • สร้างกราฟแสดงความสัมพันธ์ระหว่าง $I_{LOAD}$ (หรือ $I_L$) กับ $V_{OUT}$ สำหรับแกนนอนและแกนตั้งตามลำดับ (สามารถเขียนโปรแกรม เช่น ใช้ภาษา Python ในการคำนวณและแสดงรูปกราฟได้)
   • ใช้วิธี Linear Regression (การถดถอยเชิงเส้น) ซึ่งเป็นเทคนิคทางคณิตศาสตร์และสถิติที่ใช้สำหรับ หาความสัมพันธ์เชิงเส้นระหว่างตัวแปรอิสระกับตัวแปรตาม และสามารถนำมาใช้กับอินพุต $I_{L}$ และเอาต์พุต $V_{OUT}$ ของโมดูล MAX4080S
   • เปรียบเทียบกับค่าอัตราขยาย (Gain) ของ MAX4080S ซึ่งควรประมาณ 60V/V: $V_{OUT}\,[mV] = I\,[mA] \times 0.1\,\Omega \times 60\,V/V = 6.0 \times I\,[mA]$

 

จากการนำข้อมูลจากการทดลองไปใช้ในขั้นตอน Linear Regression จะได้สมการในรูปแบบต่อไปนี้

$$V_{OUT} = a \cdot I_L + b \Rightarrow I_L = \frac{V_{OUT}\, - \, b}{a}$$

โดยที่:

• $a$ = ความชันของเส้นตรง (Slope) ซึ่งจะต้องใกล้เคียงกับค่า Gain
• $b$ = ค่า Offset (Intercept)

การใช้ Linear Regression จากการทดลองมีข้อดีหลายอย่าง เช่น เปรียบเทียบค่าความชันที่ได้กับ Gain ที่ควรจะเป็น และชดเชยแรงดัน Offset เป็นต้น

รูป: ตัวอย่างการต่อวงจรทดลองโดยใช้โมดูล MAX4080S

รูป:ตัวอย่างการวัดสัญญาณ (แรงดันไฟฟ้า DC ) ด้วยสโคป สัญญาณช่อง CH1 ได้จากขา OUT ของ MAX4080S และ CH2 ได้จากแรงดันตกคร่อมที่ตัวต้านทาน $R_L\, (100 \Omega)$ เทียบกับ GND

 

---

▷ ตัวอย่างการวิเคราะห์ผลการทดลอง#

ถัดไปเป็นตัวอย่างโค้ด Python สำหรับการวิเคราะห์ข้อมูลจากการทดลอง

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import linregress

R_L = 99.31  # measured resistance value of R_L in Ohm

# Three data sets
data_samples_set = [
    # V_L [V] and V_OUT [mV] 
    [  # Measurement with Scope
    (4.979, 312),
    (5.476, 343),
    (5.973, 374),
    (6.469, 405),
    (6.966, 435),
    (7.464, 462), 
    (7.959, 493),
    ], [  # Measurement with DMM2
    (4.979, 303.5),
    (5.476, 334.1),
    (5.973, 364.0),
    (6.469, 396.8),
    (6.966, 426.6),
    (7.464, 455.3), 
    (7.959, 485.1),
    ]
]

data_set_index = 0 # Set the data set index
data_samples = data_samples_set[data_set_index]

# Split into x (current in mA) and y (voltage in mV)
V_L, V_OUT = zip(*data_samples)
I_L = 1000 * np.array(V_L) / R_L  # load current in mA
V_OUT = np.array(V_OUT)           # output voltage in mV

# Compute linear regression
a, b, r_value, p_value, std_err = linregress(I_L, V_OUT)

# Print regression results
print(f"Linear Regression: V_out = a * I_load + b")
print(f"a (sensitivity) = {a:.4f} mV/mA")
print(f"b (offset)      = {b:.4f} mV")
print(f"R^2             = {r_value**2:.5f}")

# Plotting
plt.figure(figsize=(9, 5))
plt.plot(I_L, V_OUT, 'o', label=f'Measured Data Set {data_set_index+1}')
plt.plot(I_L, a * I_L + b, 'r-', 
         label=f'Fit: $V_O$ [mV] = {a:.3f} * $I_L$ [mA] {b:+.3f} [mV]')
plt.xlabel('Load Current $I_L$ [mA]')
plt.ylabel('Output Voltage $V_{OUT}$ [mV]')
plt.title('MAX4080: Output Voltage vs. Load Current')
plt.grid(True)
plt.legend(loc='upper left', bbox_to_anchor=(0.3, 0.95))
plt.tight_layout()
plt.show()

รูป: ตัวอย่างการนำข้อมูลที่ได้จากการทดลองมาวิเคราะห์และแสดงรูปกราฟ เปรียบเทียบกราฟที่ได้จากการวัดด้วย Scope (1) และ DMM (2) ตามลำดับ ทั้งสองกรณี ได้ความสัมพันธ์แบบเชิงเส้น และได้ความชันใกล้เคียง 6.0 mV/mA ตามที่เคยระบุไว้ และมีขนาดของแรงดัน Offset สำหรับวิธีการวัด้วยสโคปมากกว่าวิธีการวัดด้วย DMM

 

---

▷ กล่าวสรุป#

บทความนี้ได้นำเสนอแนวทางและตัวอย่างการทดลองทางไฟฟ้าสำหรับการใช้งานไอซี MAX4080S (เลือกใช้โมดูล GY-408) และนำข้อมูลที่ได้จากการทดลองมาวิเคราะห์ และแสดงรูปกราฟด้วยโค้ด Python ที่ให้ไว้เป็นตัวอย่าง และผลการทดลองก็เป็นไปตามทฤษฎี

 

---

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Created: 2025-05-17 | Last Updated: 2025-05-17