Классификация погрешностей измерений.
Погрешность – оценка достоверности измерения, численно равна отклонению измеренного параметра от его истинного значения.
Классификация погрешностей:
I. По причинам возникновения
1) инструментальная (отображает несовершенства прибора или устройства):
• основная (указывается в паспорте)
• дополнительная (возникает из-за отклонений условий измерений от указанных в паспорте)
2) методическая (возникает из-за несовершенства метода измерения; оценивается экспертным методом путем анализа объекта измерений и его взаимодействия с измерительной системой)
3) субъективная (зависит от лица, принимающего решения - ЛПР)
II. По характеру изменения во времени
1) систематические (погрешность-константа, изменяется по определенному закону)
2) случайная (зависит от конкретных условий измерений, когда условия непредсказуемые)
3) грубая (промах; связана с отказом прибора, неполадка измерительной линии)
4) статическая (зависит от постороннего фактора, не зависит от времени)
5) динамическая (связана с инертностью измерительных систем и средств; зависит от времени)
6) квантование (не зависит от внешних условий и от текущего параметра, связана с цифро-аналоговой методикой преобразования сигнала, ещё связана с методом обработки информации об объекте, д/б оптимизирована)
III. По рассчитываемым параметрам
1)абсолютная
x – измеренное значение
X – действительное значение
2) относительная
3)приведенная (численная характеристика класса точности измерительного устройства (в паспорте))
xmax – верхнее значение шкалы измерительного прибора
xmin – нижнее значение этой шкалы
k*(привед. погреш)2+P2 =1, p – коэффициент корреляции, k – энтропийный коэффициент, зависит от закона распределения ошибок.
4)Аддитивная (абсолютная; значение абсолютной погрешности не зависит от измеряемой величины)
5)Мультипликативная (зависит от измеряемой величины)
Надежность (правильная работа в течение заданного времени (гарантийный или общий срок службы измерительной системы))
Постановка задачи обработки результатов измерений.
Задача разбивается на 4 этапа, выполнение которых позволит добиться требуемого результат обработки. 1) Идентификация объекта А) физическая постановка
Б) Мат формулировка По типу математические модели подразделяются на:
- Статистические (метод наименьших квадратов МНК) - Детерминированные (запись дифуров, их решение, расчет ошибок по найденным формулам, при этом отклонение от заданной аналитической модели=0, все точки лежат на кривой)
- комбинированные модели: детерминировано-статистические, нейронные сети и структуры.
2) Идентификация датчика 3)Определение закона ошибок 4) Назначение или выбор критериев
Этапы:
1. Поставить задачу, т.е. взять реальные данные, установить цель сбора этих данных. Выяснить, что требуется узнать (получить) при обработке этих данных;
• Построить или подобрать математическую модель
• Параметризовать качественные признаки (сделать их в числовом экиваленте)
2. Поставить машинный эксперимент: Провести факторный эксперимент с целью уточнения математической модели: (правильно ли выбрал тип модели, закон, значение коэффициентов) При всем этом этап включает в себя следующее:
• Матрица плана полного факторного эксперимента
• Таблица расчетов дисперсий и целевой функции
• Расчет коэффициентов целевой функции
• Проверка адекватности модели (критерий Фишера)
• Определение метрологических характеристик (учесть возможность дальнейшего
использования результатов)
• Относительная точность (погрешность)
• Класс точности модели
• Степень компетентности (для нейросети)
3. Анализ и выводы. Пригодна модель или нет, если не пригодна, объяснить почему и вернуться к пункту 2.
4. Грамотно оформить работу