- •Измерения электрических и магнитных величин Курс лекций
- •Введение. Основные термины и определения.
- •1. Общие сведения об электрических измерениях Определения и классификация средств измерений
- •1.2 Характеристики средств измерений
- •Структурные схемы средств измерений
- •Эталоны, образцовые и рабочие меры
- •Меры электрических величин
- •Меры эдс на основе нормальных элементов
- •Меры напряжения на основе кремниевых стабилитронов
- •Калибраторы напряжения и силы тока
- •Меры сопротивления, емкости, индуктивности
- •Классификация измерений
- •2. Погрешности измерений и обработка результатов измерений Основные понятия
- •Вероятностные оценки ряда наблюдений
- •Вероятностные оценки погрешности результата измерений на основании ряда наблюдений
- •Суммирование погрешностей
- •Динамическая погрешность
- •3. Измерения электрических величин аналоговыми приборами
- •3.1. Общие сведения
- •3.2. Принцип действия, основы теории и применения измерительных механизмов
- •3.3. Масштабные измерительные преобразователи
- •3.4. Измерение постоянных токов, напряжений и количества электричества
- •3.5. Измерение переменных токов и напряжений электромеханическими приборами без преобразователей рода тока
- •3.6. Измерение переменных токов и напряжений магнитоэлектрическими приборами с преобразователями рода тока
- •3.7. Измерение мощности, энергии, угла сдвига фаз и частоты
- •3.8. Измерение параметров электрических цепей
- •3.9. Анализ кривых переменного тока
- •3.10. Переходные процессы в электромеханических приборах
- •Масштабные измерительные преобразователи
- •Токовые шунты
- •Добавочные сопротивления
- •Делители напряжения
- •Измерительные усилители
- •Измерительные трансформаторы переменного тока и напряжения
- •Электромеханические измерительные преобразователи и приборы Принцип действия
- •Общие узлы и детали
- •Магнитоэлектрические измерительные преобразователи и приборы
- •Применение магнитоэлектрических приборов для измерений в цепях переменного тока
- •Электромагнитные измерительные преобразователи и приборы
- •Электростатические измерительные преобразователи и приборы
- •Электродинамические и ферродинамические измерительные преобразователи и приборы
- •Индукционные приборы
Вероятностные оценки погрешности результата измерений на основании ряда наблюдений
Измерения физических величин могут быть произведены с различной точностью. Иногда оказывается вполне достаточным знание приближенного значения измеряемой величины, полученного, например, по показанию прибора невысокой точности. Однако во многих научных исследованиях при измерениях преследуется цель ппоеделения измеряемой величины с высокой точностью, для чего необходимо дать оценку погрешности результата измерения или установить границы искомого параметра. Эту оценку можно получить на основании обработки результатов наблюдений.
Целью обработки результатов наблюдений является установление действительного значения измеряемой величины, которое может быть принято вместо истинного значения измеряемой величины, и степени близости действительного значения к истинному.
Действительное значение, как результат обработки отдельных наблюдений, содержащих случайные погрешности, само по себе неизбежно содержит случайную погрешность. Поэтому степень близости действительного и истинного значения измеряемой величины нужно оценивать с позиций теории вероятностей. Такой оценкой является доверительный интервал.
Доверительный интервал и доверительная вероятность. Если известен закон распределения погрешностей, можно определить вероятность появления погрешности δ, не выходящей за некоторые принятые границы. Этот интервал называют доверительным интервалом, а характеризующую его вероятность - доверительной вероятностью. В практике измерений применяют различные значения доверительной вероятности, например: 0,90; 0,95; 0,98; 0,99; 0,9973 и 0,999. Доверительный интервал и доверительную вероятность выбирают в зависимости от конкретных условий измерений. Так, например, при нормальном законе распределения случайных погрешностей со средним квадратическим отклонением σ часто пользуются доверительным интервалом от +3σ до -3σ, для которого доверительная вероятность равна 0,9973. Такая доверительная вероятность означает, что в среднем из 370 случайных погрешностей только одна погрешность по абсолютному значению будет больше Зσ. Так как на практике число отдельных измерений редко превышает несколько десятков, появление даже одной случайной погрешности, большей, чем 3σ, будет маловероятным событием, наличие же двух подобных погрешностей почти невозможно. Это позволяет с достаточным основанием утверждать, что все возможные случайные погрешности измерения, распределенные по нормальному закону, практически не превышают по абсолютному значению 3σ (правило «трех сигм»).
Доверительный интервал (ГОСТ 8.011-72) является одной из основных форм выражения точности измерений. Одну из форм представления результата измерения этот ГОСТ устанавливает в следующем виде:
где А - результат измерения (действительное значение) в единицах измеряемой величины; Δ, Δн, Δв - соответственно погрешность измерения с нижней и верхней ее границами в тех же единицах8, Р - установленная вероятность, с которой погрешность измерения находится в этих границах.
ГОСТ 8.011-72 допускает и другие формы представления результата измерения, однако любая из этих форм должна содержать необходимые данные, на основании которых может быть определен доверительный интервал для погрешности результата измерения.
В общем случае доверительный интервал может быть установлен, если известен вид закона распределения погрешности и основные характеристики этого закона.
Оценка погрешности результата измерений. Для правильной оценки результата измерений и его погрешности необходимо производить обработку результатов отдельных наблюдений ряда в следующем порядке.
-
Оценить и исключить систематическую погрешность из каж дого отдельного результата ряда наблюдений, получив таким образом исправленный ряд наблюдений, не содержащий систематических погрешностей.
-
Для исправленного ряда наблюдений оценить основные его характеристики (математическое ожидание и среднее квадратическое отклонение9).
-
Найти результат измерения (действительное значение измеряемой величины) и оценку среднего квадратического отклонения погрешности результата измерения.
-
Определить вид закона распределения оценки погрешности результата измерения и найти доверительный интервал для этой погрешности.
Рассмотрим наиболее характерные случаи обработки результатов наблюдений при различных видах измерений.
Прямые измерения. Предположим, что при многократном измерении интересующей нас величины получили п отдельных результатов наблюдений. Исключив систематическую погрешность из каждого наблюдения, получаем исправленный ряд значений а1, a2,…an, математическим ожиданием которого является истинное значение измеряемой величины Aи. За действительное значение измеряемой величины принимаем среднее арифметическое, определяемое по формуле (2.3), в которой ai - значение исправленного ряда.
Из теории вероятностей известно, что дисперсия среднего арифметического в n раз меньше дисперсии ряда наблюдений, по которому оно получено. Следовательно,
(2.5)
где σ2 - дисперсия исправленного ряда наблюдений; а2А - дисперсия среднего арифметического этого ряда.
Если дисперсия ряда неизвестна, то ее нужно оценить по формуле (2.4), в которой ρi - остаточные погрешности исправленного ряда наблюдений.
В этом случае за оценку дисперсии действительного значения нужно принять величину
(2.6)
Для нахождения доверительного интервала необходимо найти закон распределения для величины
(2.7)
при известной дисперсии или для величины
(2.8)
при неизвестной дисперсии.
В теории вероятностей доказано, что для нормального закона распределения случайной погрешности ряда наблюдений выражение (2.7) есть случайная величина z, распределенная по нормальному закону с математическим ожиданием, равным нулю, и дисперсией, равной единице, а выражение (2.8) - случайная величина t, распределенная по закону Стьюдента10. Для z и t существуют таблицы, по которым можно найти значения zр и tp (f), определяющие с доверительной вероятностью Р границы доверительного интервала для величин z и t соответственно. Число f называется числом степеней свободы; для рассматриваемого случая f = n - 1.
Чем больше число измерений в ряду наблюдений, тем ближе оценка SA совпадает с действительным средним квадратическим отклонением σА. Следовательно, с увеличением числа наблюдений закон распределения Стьюдента приближается к нормальному закону. Практически при n > 30 zp ≈ tp (f).
Зная zp или tp (f), на основании (2.7) и (2.8) с учетом (2.5) и (2.6), результат измерения с доверительной вероятностью Р можно записать в виде
(2.9)
при известной дисперсии или в виде
(2.10)
при неизвестной дисперсии.
На практике часто встречается случай однократного измерения, когда измеряемая величина оценивается по результату одного наблюдения. Этот случай можно рассматривать как частный случай многократных наблюдений (при п = 1). Тогда выражения (2.9) и (2.10) примут вид:
(2.11)
и
(2.12)
Здесь за действительное значение A измеряемой величины следует принять результат однократного измерения, из которого исключена систематическая погрешность. Нужно иметь в виду, что по однократному измерению нельзя определить σ (или S). Поэтому для того чтобы можно было записать результат измерения в виде (2.11), среднее квадратическое отклонение σ нужно знать на основании предварительных измерений или из технической документации на применяемое средство измерений. Если вместо о известна его оценка S, найденная по некоторому числу предварительных измерений, то для определения tp (f) в выражении (2.12) число степеней свободы f нужно взять, равным этому числу предварительных измерений минус единица.
Сравнение выражений (2.9), (2.10) и (2.11), (2.12) показывает, что увеличение числа наблюдений позволяет получить более точную оценку истинного значения измеряемой величины.
Косвенные измерения. Допустим, что измеряемая величина у является функцией аргументов а, b, с,…, измеряемых прямыми измерениями, т. е. у = F (a, b, c,...). Проведя обработку ряда наблюдений для каждого аргумента методом, изложенным для .прямых измерений, можно найти действительные значения аргументов А, В, С, ... и их средние квадратические отклонения А, B, C, ... или их оценки SA, SB, SC, …
Действительное значение измеряемой величины Y можно найти как
(2.13)
Дисперсия величины Y при условии независимости прямых измерений аргументов а, b, с, ... вычисляется по формуле
(2.14)
Следует обратить внимание, что в выражении (2.14) частные производные функции по каждому аргументу вычисляются в точке, где аргументы принимают значения А,В,С,...
Если вместо дисперсий известны их оценки S2A, S2B, S2C, … то оценку дисперсии величины Y нужно определить по формуле, аналогичной (2.14), т. е.
(2.15)
Для того чтобы найти доверительный интервал погрешности результата косвенного измерения, нужно определить закон распределения величин11 или .
Совместные измерения. Целью совместных измерений является установление функциональной зависимости между величинами, .например зависимости сопротивления от температуры. Отыскивая зависимость между величинами a и b, необходимо устанавливать и измерять различные значения величины а и одновременно измерять соответствующие значения величины b. Таким образом, можно лолучить координаты исследуемой зависимости a1, b1; a2, b2; …; an, bn. Так как результаты измерения этих значений содержат погрешности, то полученные координаты не будут принадлежать истинной исследуемой зависимости. Исключив систематическую погрешность из каждого результата измерения, можно уточнить эти координаты, но и уточненные координаты все-таки будут рассеиваться относительно истинной зависимости из-за случайных погрешностей.
Степень рассеивания, как известно, характеризуется дисперсией. Правильной зависимостью, построенной по полученным координатным точкам, следует считать такую зависимость, при которой дисперсия координатных точек относительно этой зависимости будет минимальной. Для оценки дисперсии нужно вычислить сумму квадратов отклонений координатных точек от истинной зависимости. Минимальной дисперсии будет соответствовать минимальное значение суммы квадратов этих отклонений. Поэтому метод, с помощью которого отыскивается истинная зависимость, называется методом наименьших квадратов.
Рассмотрим применение этого метода на примере линейной зависимости между а и b. Предположим, нам известно, что зависимость между а и b должна описываться уравнением
(2.16)
Результаты эксперимента после исключения систематических Погрешностей дают нам координаты исследуемой зависимости a1, b1; …; an, bn. Необходимо решить, как провести прямую линию, наилучшим образом согласующуюся с полученными координатами. Иными словами, зная координаты, полученные экспериментально, и вид функции, нужно определить коэффициенты α и β в уравнении (2.16).
В соответствии с уравнением (2.16), если величина b принимает значение bi, то значение а должно быть равно φ(α, β, bi), а эксперимент дает значение ai. Следовательно, экспериментальная точка отклоняется от истинной точки на значение ai - φ(α, β, bi). Сумму квадратов отклонений экспериментальных точек от истинной зависимости можно найти по выражению
(2.17)
Найдем значения коэффициентов α и β обращающие выражение (2.17) в минимум. Для этого продифференцируем это выражение по α и β и приравняем производные нулю:
(2.18)
Систему уравнений (2.18) с учетом (2.16) легко привести к виду
(2.19)
Решая систему уравнений (2.19), получим выражение для коэффициента β:
(2.20)
а зная β, находим выражение для α:
(2.21)
Методами теории вероятностей можно установить точность полученных таким образом значений коэффициентов α и β.