Конспект лекций учебной дисциплины профессионального цикла вариативной части гос впо по направлению подготовки бакалавра



страница5/8
Дата09.08.2019
Размер2.82 Mb.
#127573
ТипКонспект
1   2   3   4   5   6   7   8

5.6 Калибровка средств измерений
По мере продвижения вверх по поверочной схеме oт paбочих мер и измерительных приборов к эталонам неизбежно сокращается число мер, различных по номинальному значению. Поэтому на некоторой ступени поверочной схемы иногда разность номинальных значений поверяемой и ближайшей к ней по разряду исходной меры превышает диапазон измерения измерительного прибора соответствующей данному разряду точности. B этих случаях поверка осуществляется способом калибровки.

Калибровка - способ поверки измерительных средств, заключающийся в сравнении различных мер, их сочетаний или отметок шкал в различных комбинациях и вычислении по результатам сравнений значений отдельных мер или отметок шкалы исходя из известного значения одной из них.

В результате сравнения получают систему уравнений, решив которую находят действительные значения мер. Если число уравнений равно числу поверяемых мер, то действительные значения мер и погрешности их аттестации находят с помощью методов обработки результатов косвенных измерений. Однако для повышения точности аттестации мер стремятся увеличить число уравнений, и тогда действительные значения мер определяют по схеме обработки результатов совокупных измерений.

Для иллюстрации способа калибровки рассмотрим следующий пример.

Пример. Граммовые наборы ГН1 и ГН2, состоящие из гирь массой 500, 200, 200*, 100, 50, 20, 20*, 10, 5, 2, 2*, 1 г (звездочкой отмечены вторые гири набора того же номинала), сличают с рабочим эталоном массой в 1 кг по следующей схеме:

а) рабочий эталон 1 кг = 1000 г сличают одним из методов точного взвешивания на весах 1-го разряда повышенной точности с гирями массой 500, 200, 200*, 100 г:

1000 – (500+200+200*+100) = , где – разность между массой рабочего эталона и массой суммы гирь;

б) гири 500 г набора сличают с суммой гирь массой 200, 200* и 100 г, в результате чего получают уравнение

500 – (200 +200* +100) = , где – результат второго сличения;

в) аналогично проводят остальные сличения и получают уравнения:

200 – (100 + 50 + 20 + 20* + 10) = ,

100 – (50 + 20+ 20* + 10) = ,

50 – (20+20*+10) =,

20 – (10+5+2+2*+1) = ,

20 – (10+5+2+2*+1) =,

10 – (5+2+2*+1) =,

5 – (2+2*+1) = ,

2 – ( l+1*)* = ,

2 – ( l+1*) = ,

l – 1* = .

В результате тринадцати проведенных сличений получили систему из тринадцати уравнений с тринадцатью неизвестными. Решив эту систему, найдем действительные значения масс гирь набора. Погрешности определения действительных значений могут быть вычислены способами обработки результатов косвенных измерений.

6. ПОГРЕШНОСТИ ИЗМЕРЕНИЙ
6.1 Основные понятия и определения
При анализе измерений следует четко разграничивать два понятия: истинные значения физических величин и их эмпирические проявления - результаты измерений.

Истинные значения физических величин - это значения, идеальным образом отражающие свойства данного объекта как в количественном, так и в качественном отношении. Они не зависят от средств нашего познания и являются абсолютной истиной.

Результаты измерений, напротив, являются продуктами нашего познания. Представляя собой приближенные оценки значений величин, найденные путем измерения, они зависят не только от них, но еще и от метода измерения, от технических средств, с помощью которых проводятся измерения, и от свойств органов чувств наблюдателя, осуществляющего измерения.

Разница между результатами измерения X' и истинным значением Q измеряемой величины называется погрешностью измерения [18]:


(20)
Но поскольку истинное значение Q измеряемой величины неизвестно, то неизвестны и погрешности измерения, поэтому для получения хотя бы приближенных сведений о них приходится в формулу (20) вместо истинного значения подставлять так называемое действительное значение.

Под действительным значением физической величины мы будем понимать ее значение, найденное экспериментально и настолько приближающееся к истинному, что для данной цели оно может быть использовано вместо него.

Причинами возникновения погрешностей являются: несовершенство методов измерений, технических средств, применяемых при измерениях, и органов чувств наблюдателя. В отдельную группу следует объединить причины, связанные с влиянием условий проведения измерений. Последние проявляются двояко. С одной стороны, все физические величины, играющие какую-либо роль при проведении измерений, в той или иной степени зависят друг от друга. Поэтому с изменением внешних условий изменяются истинные значения измеряемых величин. С другой стороны, условия проведения измерений влияют и на характеристики средств измерений и физиологические свойства органов чувств наблюдателя и через их посредство становятся источником погрешностей измерения.

Описанные причины возникновения погрешностей определяются совокупностью большого числа факторов, под влиянием которых складывается суммарная погрешность измерения - см. формулу (20). Их можно объединить в две основные группы.

1. Факторы, проявляющиеся весьма нерегулярно и столь же неожиданно исчезающие или проявляющиеся с интенсивностью, которую трудно предвидеть. К ним относятся, например, перекосы элементов приборов в их направляющих, нерегулярные изменения моментов трения в опорах, малые флюктуации влияющих величин, изменения внимания операторов и др.

Доля, или составляющая, суммарной погрешности измерения (20), определяемая действием факторов этой группы, называется случайной погрешностью измерения. Ее основная особенность в том, что она случайно изменяется при повторных измерениях одной и той же величины.

При создании измерительной аппаратуры и организации процесса измерения в целом интенсивность проявления большинства факторов данной группы удается свести к общему уровню, так что все они влияют более или менее одинаково на формирование случайной погрешности. Однако некоторые из них, например внезапное падение напряжения в сети электропитания, могут проявиться неожиданно сильно, в результате чего погрешность примет размеры, явно выходящие за границы, обусловленные ходом эксперимента в целом. Такие погрешности в составе случайной погрешности называются грубыми. К ним тесно примыкают промахи - погрешности, зависящие от наблюдателя и связанные с неправильным обращением со средствами измерений, неверным отсчетом показаний или ошибками при записи результатов.

2. Факторы, постоянные или закономерно изменяющиеся в процессе измерительного эксперимента, например плавные изменения влияющих величин или погрешности применяемых при измерениях образцовых мер. Составляющие суммарной погрешности (20), определяемые действием факторов этой группы, называются систематическими погрешностями измерения. Их отличительная особенность в том, что они остаются постоянными или закономерно изменяются при повторных измерениях одной и той же величины. До тех пор, пока систематические погрешности больше случайных, их зачастую можно вычислить или исключить из результатов измерений надлежащей постановкой опыта.

Таким образом, мы имеем два типа погрешностей измерения:

- случайные (в том числе грубые погрешности и промахи), изменяющиеся случайным образом при повторных измерениях одной и той же величины;

- систематические погрешности, остающиеся постоянными или закономерно изменяющиеся при повторных измерениях.

В процессе измерения оба вида погрешностей проявляются одновременно, и погрешность измерения можно представить в виде суммы:


(21)
где - случайная, а - систематическая погрешности.

Для получения результатов, минимально отличающихся от истинных значений величин, проводят многократные наблюдения за измеряемой величиной с последующей математической обработкой опытных данных. Поэтому наибольшее значение имеет изучение погрешности как функции номера наблюдения, т. е. времени . Тогда отдельные значения погрешностей можно будет трактовать как набор значений этой функции:

В общем случае погрешность является случайной функцией времени, которая отличается от классических функций математического анализа тем, что нельзя сказать, какое значение она примет в момент времени t. Можно указать лишь вероятности появления ее значений в том или ином интервале. В серии экспериментов, состоящих из ряда многократных наблюдений, мы получаем одну реализацию этой функции. При повторении серии при тех же значениях величин, характеризующих факторы второй группы, неизбежно получаем новую реализацию, отличающуюся от первой.

Реализации отличаются друг от друга из-за влияния факторов первой группы, а факторы второй группы, одинаково проявляющиеся при получении каждой реализации, придают им некоторые общие черты (рис.4).


Рис.4


Погрешность измерений, соответствующая каждому моменту времени , называется сечением случайной функции . В каждом сечении в большинстве случаев можно найти среднее значение погрешности , относительно которого группируются погрешности в различных реализациях. Если через полученные таким образом точки провести плавную кривую, то она будет характеризовать общую тенденцию изменения погрешности во времени. Нетрудно заметить, что средние значения определяются действием факторов второй группы и представляют собой систематическую погрешность измерения в момент времени , аотклонения от среднего в сечении, соответствующие -й реализации, дают нам значения случайной погрешности. Последние являются уже представителями случайных величин - объектов изучения классической теории вероятностей.

Предположим, что , т.е. систематические погрешности тем или иным способом исключены из результатов наблюдений, и будем рассматривать только случайные погрешности, средние значения которых равны нулю в каждом сечении. Предположим далее, что случайные погрешности в различных сечениях не зависят друг от друга, т.е. знание случайной погрешности в одном сечении как ординаты одной реализации не дает нам никакой дополнительной информации о значении, принимаемом этой реализацией в любом другом сечении. Тогда случайную погрешность можно рассматривать как случайную величину, а ее значения при каждом из многократных наблюдений одной и той же физической величины - как ее эмпирические проявления, т.е. как результаты независимых наблюдений над ней.

В этих условиях случайная погрешность измерений определяется как разность между исправленным результатом Х измерения и истинным значением Q измеряемой величины:
(22)
причем исправленным будем называть результат измерений, из которого исключены систематические погрешности.

При проведении измерений целью является оценка истинного значения измеряемой величины, которое до опыта неизвестно. Результат измерения включает в себя помимо истинного значения еще и случайную погрешность, следовательно, сам является случайной величиной. В этих условиях фактическое значение случайной погрешности, полученное при поверке, еще не характеризует точности измерений, поэтому не ясно, какое же значение принять за окончательный результат измерения и как охарактеризовать его точность.

Ответ на эти вопросы можно получить, используя при метрологической обработке результатов измерения методы математической статистики, имеющей дело именно со случайными величинами.
6.2 Случайная погрешность измерения
Случайной погрешностью называют составляющую погрешности измерения, изменяющуюся случайным образом (по знаку и значению) при повторных измерениях одной и той же ФВ, проведенных с одинаковой тщательностью. В появлении случайных погрешностей закономерности не наблюдается. Они появляются под воздействием ряда причин, которые неизвестны. Поэтому случайные погрешности нельзя вычислить и ввести поправку. Они неизбежны и всегда присутствуют в результате измерения и их нельзя устранить. Можно только, используя математический аппарат теории вероятностей, вычислить интервал значений, в котором с определенной вероятностью будет находиться случайная погрешность.

Пример

Погрешность за счет температуры окружающей среды, когда наряду с известной средней температурой СИ могут быть неизвестны температуры отдельных ИП или мер, образующих СИ.


6.3 Описание случайных погрешностей с помощью функций распределения
Рассмотрим результат наблюдений Х за постоянной физической величиной Q как случайную величину, принимающую различные значения Z, в различных наблюдениях за ней. Значения будем называть результатами отдельных наблюдений.

Наиболее универсальный способ описания случайных величин заключается в отыскании их интегральных или дифференциальных функций распределения [2].

Под интегральной функцией распределения результатов наблюдений понимается зависимость вероятности того, что результат наблюдения в i-м опыте окажется меньшим некоторого текущего значения х, от самой величины х:
(23)
Здесь и в дальнейшем большие буквы используются для обозначения случайных величин, а маленькие - значений, принимаемых случайными величинами. Поскольку функция распределения вероятности представляет собой вероятность, то она удовлетворяет следующим свойствам:

На рис.5 показаны примеры функций распределения вероятности.

Рис.5
Более наглядным является описание свойств результатов наблюдений и случайных погрешностей с помощью дифференциальной функции распределения, иначе называемой плотностью распределения вероятностей:
(24)
Физический смысл f(x) состоит в том, что произведение f(x)dx представляет вероятность попадания случайной величины Х в интервал от х до х + dx , т.е.
(25)
Свойства плотности распределения вероятности:

(26)
- вероятность достоверного события равна 1; иными словами, площадь, заключенная между кривой дифференциальной функции распределения и осью абсцисс, равна единице;

(27)

- вероятность попадания случайной величины в интервал от до .



От дифференциальной функции распределения легко перейти к интегральной путем интегрирования:

(28)
Размерность плотности распределения вероятностей, как это следует из формулы (28), обратна размерности измеряемой величины, поскольку сама вероятность - величина безразмерная.

Используя понятия функций распределения, легко получить выражения для вероятностей того, что результат наблюдений Х или случайная погрешность примет при проведении измерения некоторое значение в интервале или .

В терминах интегральной функции распределении имеем:

т.е. вероятность попадания результата наблюдений или случайной погрешности в заданный интервал равна разности значений функции распределения на границах этого интервала.

Заменяя в полученных формулах интегральные функции распределения на соответствующие плотности распределения вероятностей согласно выражению (28), получим формулы для искомой вероятности в терминах дифференциальной функции распределения:


(29)

(30)

Таким образом, вероятность попадания результата наблюдения или случайной погрешности в заданный полуоткрытый интервал равна площади, ограниченной кривой распределения, осью абсцисс и перпендикулярами к ней на границах этого интервала. Необходимо отметить, что результаты наблюдений в значительной степени сконцентрированы вокруг истинного значения измеряемой величины и по мере приближения к нему элементы вероятности их появления возрастают. Это дает основание принять за оценку истинного значения измеряемой величины координату центра тяжести фигуры, образованной осью абсцисс и кривой распределения, и называемую математическим ожиданием результатов наблюдений:

(31)
В заключение можно дать более строгое определение постоянной систематической и случайной погрешностей.

Систематической постоянной погрешностью называется отклонение математического ожидания результатов наблюдений от истинного значения измеряемой величины:
(32)
а случайной погрешностью - разность между результатом единичного наблюдения и математическим ожиданием результатов
(33)
В этих обозначениях истинное значение измеряемой величины составляет
(34)
6.4 Моменты случайных погрешностей
Функция распределения является самым универсальным способом описания поведения случайных погрешностей. Однако для определения функций распределения необходимо проведение весьма кропотливых научных исследований и обширных вычислительных работ. Поэтому к такому способу описания случайных погрешностей прибегают иногда при исследовании принципиально новых мер и измерительных приборов.

Значительно чаще бывает достаточно охарактеризовать случайные погрешности с помощью ограниченного числа специальных величин, называемых моментами [4].

Начальным моментом n-го порядка результатов наблюдений называется интеграл вида

(35)


представляющий собой математическое ожидание степени .

При n=1

(36)
т.е. первый начальный момент совпадает с математическим ожиданием результатов измерений.

Центральным моментом n-го порядка результатов наблюдений называется интеграл вида

(37)
Вычислим первый центральный момент:

(38)
Таким образом, первый центральный момент результатов наблюдений равен нулю. Важно отметить, что начальные и центральные моменты случайных погрешностей совпадают между собой и с центральными моментами результатов наблюдений, поскольку математическое ожидание случайных погрешностей равно нулю.

Особое значение наряду с математическим ожиданием результатов наблюдений имеет второй центральный момент, называемый дисперсией результатов наблюдений.

При n=2

(39)
Дисперсия D[X] случайной погрешности равна дисперсии результатов наблюдений и является характеристикой их рассеивания относительно математического ожидания.

Если математическое ожидание результатов наблюдений можно рассматривать в механической интерпретации как абсциссу центра тяжести фигуры, заключенной между кривой распределения и осью Ох, то дисперсия является аналогом момента инерции этой фигуры относительно вертикальной оси, проходящей через центр тяжести.

Дисперсия имеет размерность квадрата измеряемой величины, поэтому она не совсем удобна в качестве характеристики рассеивания. Значительно чаще в качестве последней используется положительное значение корня квадратного из дисперсии, называемое средним квадратическим отклонением результатов наблюдений:
(40)
С помощью среднеквадратического отклонения можно оценить вероятность того, что при однократном наблюдении случайная погрешность по абсолютной величине не превзойдет некоторой наперед заданной величины , т. е. вероятность . Для этого рассмотрим формулу, известную как неравенство Чебышева:

(41)
Полагая , можно найти вероятность того, что результат однократного наблюдения отличается от истинного значения на величину, большую утроенного среднеквадратического отклонения, т. е. вероятность того, что случайная погрешность окажется больше :

Вероятность того, что погрешность измерения не превысит , составит соответственно

Неравенство Чебышева дает только нижнюю границу для вероятности , меньше которой она не может быть ни при каком распределении. Обычно значительно больше 0.89. Так, например, в случае нормального распределения погрешностей эта вероятность составляет 0.9973.

Математическое ожидание и дисперсия являются наиболее часто применяемыми моментами, поскольку они определяют наиболее важные черты распределения: положение центра распределения и степень его разбросанности. Для более подробного описания распределения используются моменты более высоких порядков.

Третий момент случайных погрешностей служит характеристикой асимметрии, или скошенности распределения. В общем случае любой нечетный момент случайной погрешности характеризует асимметрию распределения. Действительно, если распределение обладает свойством симметрии, то все функции вида , где s = l, 3, 5..., являются нечетными функциями (рис.6).

Поэтому все нечетные моменты, являющиеся интегралами этих функций в бесконечных пределах, должны равняться нулю. Отличие этих моментов от нуля как раз и указывает на асимметрию распределения. Простейшим из нечетных моментов является третий момент . Чтобы получить безразмерную характеристику, третий момент делят на третью степень среднеквадратического отклонения и получают коэффициент асимметрии, или просто асимметрию Sk распределения:

(42)


Рис.6 Рис.7
Для иллюстрации сказанного на рис.6 приведены три кривые распределения случайных погрешностей с положительной, отрицательной и нулевой асимметрией.

Четвертый момент служит для характеристики плосковершинности или островершинности распределения случайных погрешностей. Эти свойства описываются с помощью эксцесса - безразмерной характеристики, определяемой выражением

(43)
Число 3 вычитают из отношения потому, что для широко распространенного нормального распределения погрешностей . Таким образом, для нормального распределения эксцесс равен нулю, более плосковершинные распределения обладают отрицательным эксцессом, более островершинные - положительным (рис.8).

Рис.8
6.5 Виды распределения результатов наблюдения и случайных погрешностей


Случайная погрешность измерения образуется под влиянием большого числа факторов, сопутствующих процессу измерения. В каждой конкретной ситуации работает свой механизм образования погрешности. Поэтому естественно предположить, что каждой ситуации должен соответствовать свой тип распределения погрешности. Однако во многих случаях имеются возможности еще до проведения измерений сделать некоторые предположения о форме функции распределения, так что после проведения измерений остается только определить значения некоторых параметров, входящих в выражение для предполагаемой функции распределения.

Случайная погрешность характеризует неопределенность наших знаний об истинном значении измеряемой величины, полученных в результате проведенных наблюдений. Согласно К. Шеннону мерой неопределенности ситуации, описываемой случайной величиной X, является энтропия [5]


(44)

являющаяся функционалом дифференциальной функции распределения . Можно предположить, что любой процесс измерения формируется таким образом, что неопределенность результата наблюдений оказывается наибольшей в некоторых пределах, определяемых допускаемыми значениями погрешности. Поэтому наиболее вероятными должны быть такие распределения , при которых энтропия обращается в максимум.

Для выявления вида наиболее вероятных распределений рассмотрим несколько наиболее типичных случаев [4].

1. В классе распределений результатов наблюдений , обладающих определенной зоной рассеивания между значениями х = b и х = а шириной b-а=, найдем такое,

которое обращает в максимум энтропию

при наличии ограничивающих ограничивающих условий



,

,




где

- математическое ожидание результатов наблюдений.



Решение поставленной задачи находится методом множителей Лагранжа.

Искомая плотность распределения результатов наблюдений описывается выражением

(45)
Такое распределение результатов наблюдений называется равномерным.

Значения дифференциальной функции распределения равномерной распределенной случайной погрешности постоянны в интервале [- а; + а], а вне этого интервала равны нулю (рис.6).
Рис.9
Поэтому выражение для дифференциальной функции распределения случайной погрешности можно записать в виде

(46)
Определим числовые характеристики равномерного распределения. Математическое ожидание случайной погрешности находим по формуле (31):

Дисперсию случайной равномерно распределенной погрешности можно найти по формуле (39):

В силу симметрии распределения относительно математического ожидания коэффициент асимметрии должен равняться нулю:

Для определения эксцесса найдем вначале четвертый момент случайной погрешности:

поэтому


В заключение найдем вероятность попадания случайной погрешности в заданный интервал [], равный заштрихованной площади на рис.10.


Рис.10

2. В классе распределений результатов наблюдений , обладающих определенной дисперсией , найдем такое, которое обращает в максимум энтропию

при наличии ограничений:

, , , .
Решение этой задачи также находится методом множителей Лагранжа. Искомая плотность распределения результатов наблюдений описывается выражением

(47)

где - математическое ожидание и - среднеквадратическое отклонение результатов наблюдений.



Учитывая, что при полном исключении систематических погрешностей и , для дифференциальной функции распределения случайной погрешности можно записать уравнение

(47)


Распределение, описываемое уравнениями (25) и (26), называется нормальным или распределением Гаусса.

На рис.11 изображены кривые нормального распределения случайных погрешностей для различных значений среднеквадратического отклонения .

Рис.11
Из рисунка видно, что по мере увеличения среднеквадратического отклонения распределение все более и более расплывается, вероятность появления больших значений погрешностей возрастает, а вероятность меньших погрешностей сокращается, т.е. увеличивается рассеивание результатов наблюдений.

Вычислим вероятность попадания результата наблюдения в некоторый заданный интервал :

Заменим переменные:

после чего получим следующее выражение для искомой вероятности:

Интегралы, стоящие в квадратных скобках, не выражаются в элементарных функциях, поэтому их вычисляют с помощью так называемого нормированного нормального распределения с дифференциальной функцией

(48)


В приложении (табл.П.5 и П.6) приведены значения дифференциальной функции нормированного нормального распределения, а также интегральной функции этого распределения, определяемой как

(49)


С помощью функции Ф(z) вероятность находят как

(50)
При использовании данной формулы следует иметь в виду тождество

вытекающее непосредственно из определения функции Ф(z).

Широкое распространение нормального распределения погрешностей в практике измерений объясняется центральной предельной теоремой теории вероятностей, являющейся одной из самых замечательных математических теорем, в разработке которой принимали участие многие крупнейшие математики - Муавр, Лаплас, Гаусс, Чебышев и Ляпунов. Центральная предельная теорема утверждает, что распределение случайных погрешностей будет близко в нормальному всякий раз, когда результаты наблюдения формируются под влиянием большого числа независимо действующих факторов, каждый из которых оказывает лишь незначительное действие по сравнению с суммарным действием всех остальных.

3. Предположим, что результаты наблюдений распределены нормально, но их среднеквадратическое отклонение является величиной случайной, изменяющейся от опыта к опыту. Такое предположение более осторожное, чем предположение о неизменности в течение всего времени измерений. В этом случае, рассуждая таким же образом, как и прежде, легко найти, что энтропия обращается в максимум, если результаты наблюдений имеют распределение Лапласа с плотностью

(51)


где - математическое ожидание, - среднеквадратическое отклонение результатов наблюдения. Распределением Лапласа следует пользоваться в тех случаях, когда точностные характеристики заранее неизвестны или нестабильны во времени.

Дифференциальная функция распределения случайных погрешностей получается подстановкой и в выражение (51):

Асимметрия распределения равна нулю, поскольку распределение симметрично относительно нуля, а эксцесс в соответствии с формулой (43) составляет

Таким образом, по сравнению с нормальным распределением (Ех = 0) равномерное распределение является более плосковершинным (Ех = -1.2), а распределение Лапласа - более островершинным (Ех = 3).


Каталог: jspui -> bitstream -> 123456789
123456789 -> Сборник материалов II международной научно-практической конференции 20 апреля 2016 г. Доннту: Донецк, 2016 эл версия русск яз
123456789 -> Распознавание речи и голосовое управление
123456789 -> Черникова О. Ю., Мозговой В. И
123456789 -> Анализ методов восстановления никель-кадмиевых аккумуляторов после потери емкости в процессе эксплуатации
123456789 -> Основы семейного права Украины
123456789 -> В. И. Желязко, Т. Д. Лагун мелиорация, рекультивация и охрана земель
123456789 -> Тема: Установление, восстановление и закрепление границ зе-мельных участков
123456789 -> Министерство сельского хозяйства
123456789 -> Приоритетная задача современного земледелия за-ключается в повышении эффективности и стабильности сельскохозяйственного производства


Поделитесь с Вашими друзьями:
1   2   3   4   5   6   7   8




База данных защищена авторским правом ©vossta.ru 2022
обратиться к администрации

    Главная страница