- •1. Предмет и задачи курса. Понятие о стандартизации и сертификации
- •1) Непосредственное
- •6) Дифференциальный.
- •Классификация измерительных преобразователей.
- •Метрологические характеристики в динамическом режиме
- •Полные характеристики
- •Частные динамические характеристики
- •Нормирование метрологических характеристик
- •Структурные схемы измерения
- •Теория Погрешностей
- •Электромеханические приборы
- •Метрологические характеристики в динамическом режиме
- •Полные характеристики
- •Частные динамические характеристики
- •Нормирование метрологических характеристик
- •Структурные схемы измерения
- •Теория Погрешностей
- •Электромеханические приборы
- •Некоторые сведения о детекторах
- •Электронные генераторы
- •Синусоидальные генераторы
- •Регистрирующие приборы
- •Цифровые приборы
- •Динамическая погрешность
Теория Погрешностей
причины появления погрешностей результата измерений
погрешности систематические и случайные, описание случайных погрешностей
идеи суммирования погрешностей
обработка ряда прямых наблюдений для получения результатов измерений
причины появления погрешностей результата измерений
схема измерения эксперимента
-помехи и влияющие факторы
Результат нужен для того, чтобы иметь однозначную информацию об измеряемой величине.
Погрешность результата измерений:
Хр – истинное значение
Хn– результат измерений
Причины:
-погрешность методанесоответствие модели методу
ПРИМЕР:
Объект измерений – генератор
А) модель
V-вольтметр, измеряющий действующее значение
Б) реально:
если
если не
не учитывается, что сигнал отличается от синусоидального
инструментальная погрешность (ею обладает средство измерения)
погрешность от влияния средства измерения на объект измерения.
ПРИМЕР:
Есть 3 амперметра:
, т.е если сопротивление амперметра разное, то и ток будет азным, но разность токов эксперимент произведен неверно.
- истинное
погрешность человека-экпериментатора
погрешность, связанная с ЭВМ (погрешность округления)
2. погрешности систематические и случайные, описание случайных погрешностей
Погрешность результата формируется под воздействием факторов:
факторы, которые в процессе измерения остаются постоянными или меняются по закону, следовательно, формируются систематические погрешности
факторы, которые в процессе измерения меняются случайным образом с
интенсивностью, которую трудно предсказать, следовательно, формируются
случайные погрешности
, где- учитывается методами математической статистики
- уменьшается до нуля
ПРИМЕР 1:
можно свести к минимуму
ПРИМЕР 2:
Делая многократные измерения одной и той же величины, можно получить (выявить)
ПРИМЕР 3:
Если устранена, то, тогдарассчитывается методами теории вероятности.
Как свести к минимуму?
Методы:
правильная постановка эксперимента.
введение поправочных кривых, графиков и т.д
специальные методы
ПРИМЕР:
Случайная величина полностью описывается законами распределения интегрирующими и дифференцирующими (плотностью распределения вероятности). На практике – дифференцирующими законами.
ПРИМЕР:
Известен дифференцирующий закон распределения, следовательно, можно найти вероятность того факта, что измеряемая величина находится между Х1 и Х2.
Во многих случаях измеряемая величина распределяется около истинного значения Q(но не всегда).
Плотность распределения погрешностей:
ПРИМЕР:
На практике вместо законов распределения пользуются их оценками числовых параметров (оценки моментов) или числовыми параметрами (моменты)
Как с помощью вероятностных характеристик оценить погрешность?
Оценку погрешности производят с помощью доверительных интервалов и доверительной погрешности:
- доверительный интервал
k- коэффициент, зависящий от р(х) и Рдов
применяются такие значения в измерительной технике
3. идеи суммирования погрешностей
первый подход
второй подход: суммируются погрешности на основании вероятностных характеристик
если законы распределения не Гауссов, то при n>3 возникают сложности
может возникать трансформация закона суммарного распределения.
ПРИМЕР:
при Рдов = …
- суммарное СКО
- суммарный закон распределения
На практике существует только 2 значения доверительной вероятности.
ПРИМЕР:
r-коэффициент корреляции (коэффициент связи)
r= 0 – некоррелированы
- коррелированы ()
На практике:
ПРИМЕР:
Примечание:
При суммирование погрешностей обычно аддитивные и мультипликативные составляющие суммируются отдельно друг от друга.
4. обработка ряда прямых наблюдений для получения результатов измерений
Обработка результатов предполагает, что одну и ту же величину измеряют много раз в одинаковых условиях.
Х - измеряемая величина
n>40 – количество измерений- ряд наблюдений
Из ряд наблюдений нужно исключить промахи ( по определенным методам ).
Ранжирование: Хmin…Xmax
Ищем оценки числовых параметров:
1). оценка математического ожидания
2). оценка СКО:
3). найти закон распределения:
гистограмма
делится на нечетное число
из всех nнаходим частоту попадания на интервал
3.
По виду гистограммы выдвигается гипотеза, какому закону распределения она соответствует.
Критерий согласия: например,
Для подсказки в измерительной технике говорится, какие законы распределения наиболее используются:
4).
- гарантия разброса относительно среднего с определенной вероятностью
Примечание:
Существуют случаи, когда не нужно строить гистограмму для определенного закона распределения:
когда имеются статистические данные
когда закон распределения уже известен
если результат измерений формируется под действием большого числа независимых факторов, причем вклад каждого фактора в результат одинаков, то можно считать, что закон нормальный (N>5).
Если закон распределения нормальный, а n>10, то можно пользоваться распределением Стьюдента: