
- •Глава 9. Обработка результатов измерений на основе концепции
- •Глава 9 обработка результатов измерений на основе концепции погрешности измерений
- •9.1. Обработка результатов прямых равноточных измерений.
- •9.2. Обработка результатов прямых неравноточных измерений
- •9.3. Обработка результатов косвенных измерений.
- •9.3.1. Основные соотношения при линейной зависимости.
- •9.3.2. Основные соотношения при нелинейной зависимости
- •9.4. Обработка результатов совместных измерений
- •9.5. Оценивание погрешностей результатов однократных измерений
- •9.6. Обнаружение грубых погрешностей
- •9.10. Округление результатов измерений
- •Вопросы и задания для самоконтроля
9.4. Обработка результатов совместных измерений
Совместные измерения – одновременные измерения нескольких разноименных величин для нахождения зависимости между ними. Эти измерения характеризуются тем, что значения искомых величин рассчитывают с помощью системы уравнений, в которых эти величины связаны с другими величинами, определяемыми методами простых или косвенных измерений. Подобные измерения проводят для установления зависимостей между величинами и эти измерения часто используются при проведении работ по калибровке СИ.
Уравнение совместного измерения можно представить как
, (9-23)
где x,у,z,l – измеряемые ФВ, А, В, С – величины, которые необходимо определить.
Например, величина сопротивления эталонного проволочного резистора из манганина характеризуется следующей зависимостью от температуры:
Для определения коэффициентов и , многократно измеряя Rt при известных начальных значениях R0 и t0, изучают зависимость R(t), получая при этом серию значений R и t. Затем по этим данным вычисляют коэффициенты и и оценивают погрешности этого измерения. В представленном уравнении два неизвестных, и казалось бы, что для получения искомых коэффициентов, достаточно сделать два измерения. Однако для увеличения точности полученных результатов проводят достаточно большое количество измерений. Как правило, число измерений n>>m, где m – число неизвестных величин.
Наибольшее распространение при обработке совместных и совокупных измерений нашел метод наименьших квадратов. Cущность его состоит в следующем.
При определении величин x, y, z,… и подстановке их в уравнение (9-23) получается система из n – уравнений,
, (9-24)
в которых точное
равенство невозможно, из-за того, что
измеряемые величины входят в каждое из
уравнений (9-24)
с своими погрешностями. В этом методе
исходят из следующих положений:
предполагается, что
наилучшие приближения к истинным
значениям неизвестных A,
B,
C,….
и что они уже
определены.
Поскольку эти оценки определены со
своими погрешностями, то каждое из
уравнений (9-24)
не может быть точным и будет обращаться
в тождество, если к правой части добавить
некоторое слагаемое
,
называемоеостаточной
погрешностью2
условных
уравнений:
, (9-25)
В системе n – условных уравнений (9-25) оценки величин A,B,C,…., – это те которые будут определены ниже в результате предложенного метода обработки результатов измерений. Особенность системы уравнений (9-25) состоит в том, что невозможно подобрать для всех уравнений значения vi такие, чтобы выполнялись все уравнения одновременно. Поэтому рассматривают методы одновременной минимизации остаточных погрешностей
В соответствии с
методом наименьших квадратов оценки
выбираются таким образом, чтобы обеспечитьминимум суммы
квадратов остаточных погрешностей
условных уравнений,
т.е. минимизировать
величину
=min (9-26)
Очевидно, что минимум V будет иметь место при равенстве нулю всех частных производных искомых величин, одновременно, т.е. при
(9-27)
Полученная система из m нормальных уравнений позволяет определить наилучшие оценки искомых величин. Дисперсия условных уравнений будет равна
, (9-28)
а СКО результатов измерений искомых величин при этом могут быть вычислены с помощью формул [66, 76, 77]:
…
…
(9-29)
где
D
– определитель
(детерминант) системы (9-27),
- алгебраическое дополнение элементов
детерминанта
–
минор определителя, полученный
вычеркиванием i-й
cтроки
и k-го
столбца.
При обосновании метода наименьших квадратов в математической статистике предполагается, что результаты измерений удовлетворяют следующим условиям:
- значения аргументов известны точно;
- результаты измерений содержат лишь случайные погрешности, которые независимы, имеют нулевые средние значения и одинаковые дисперсии;
- погрешности измеряемых величин имеют нормальное распределение.
При этих условиях метод наименьших квадратов дает несмещенные оценки искомых неизвестных в зависимости (9-23), имеющие минимальные дисперсии. Однако на практике перечисленные условия выполняются далеко не всегда. В частности, кроме случайных составляющих погрешностей имеют место также и систематические составляющие погрешности. Метод наименьших квадратов используется также и для обработки неравноточных измерений. Особенности применения формул при обработке результатов совместных измерений рассмотрены в работах [66, 76].
Доверительные интервалы для истинных значений измеряемых величин строят на основе распределения Стьюдента при числе степеней свободы равном (n-m) или на основе нормального распределения, если результаты измерений можно считать нормальными.
Пример 9.4. Рассмотрим случай равноточных измерений y и x, связанных линейным уравнением
y = a + b x. (9-30)
Искомыми величинами являются a и b. Равноточность предполагает, что для всех результатов измерений i значений yi и xi их дисперсии не зависят от величин y и x. Кроме того, предполагается, что значение хi задается в серии измерений точно, а учитывается только погрешность определения yi, в состав которой входит и погрешность, связанная с заданием величин хi.
После подстановки в (9-30) измеренных значений можно получить систему уравнений:
Для получения условных уравнений в виде (9-25) к каждому из уравнений (9-24) добавляются (или вычитаются – это всё равно) остаточные погрешности vi. После этого составляются соотношения (9-26):
Для отыскания минимума функции V определяются частные производные по неизвестным а и b:
После упрощения, получим систему нормальных уравнений:
Приведем эти уравнения к виду, удобному для вычисления неизвестных с помощью определителя:
(9-31)
Решая
(9-31)
относительно неизвестных
и
и,
вводя обозначения:
получим
.
Случайные погрешности оценок неизвестных a и b, будут равны:
где
–
детерминант системы (9-31).
СКО условных уравнений в данном случае является СКО распределения y(x) и для нормального закона распределения y(x), может быть представлена в виде (9-28):
.