Cтраница 1
Результаты многократных наблюдений, полученные при прямых измерениях физической величины, называются равноточными ( равнорас-сеянными), если они являются независимыми, одинаково распределенными случайными величинами. Измерения в этом случае проводятся одним наблюдателем в одинаковых условиях внешней среды и с помощью одного и того же средства измерения. [1]
На практике результаты многократных наблюдений при прямых измерениях какой-то физической величины осуществляются одним экспериментатором, в одинаковых условиях и с помощью одного и того же средства измерения. Такие измерения принято называть равноточными. Однако часто возникает необходимость в определении наиболее точной оценки изменяемой величины на основании результатов наблюдений, полученных разными экспериментаторами, в разных условиях, с применением различных методов и средств измерения. Совершенно очевидно, что результаты таких наблюдений будут иметь различную точность, и поэтому подобные измерения называют неравноточными. [2]
Вопросы обработки результатов многократных наблюдений были рассмотрены в первом разделе, поэтому в настоящей главе изучаются лишь методы автоматического уменьшения систематических погрешностей цифровых приборов. Эти методы в литературе подразделяются в основном на методы вспомогательных измерений, тестовые, итерационные и многоканальные. [3]
Однако наличие случайности результатов многократных наблюдений одного и того же процесса не означает, что он не подчиняется никаким математическим закономерностям. [4]
Последовательность расчетов при обработке результатов многократных наблюдений удобно рассмотреть на конкретном примере. [5]
Из описанного видно, что методика оценки результатов многократных наблюдений при различных видах измерения имеет свою специфику. [6]
Случайная погрешность средств измерения s определяется по результатам многократных наблюдений значений выходного сигнала при градуировке тензорезисторов или прн проведении измерений деформаций. Если дисперсии оказываются неоднородными, то следует устранить источник повышенной дисперсии в соответствующем измерительном канале. [7]
Микропроцессорная система, входящая в состав измерительного прибора, позволяет накапливать результаты многократных наблюдений и обрабатывать их по определенному алгоритму. [8]
Из выражений (2.24) и (2.25) следует, что точность метода и результата многократных наблюдений и увеличиваются с ростом числа последних. [9]
Систематические погрешности, изменяющиеся в процессе измерения, могут быть обнаружены при обработке результатов многократных наблюдений статистическими методами. Экспериментальные данные разбиваются для обработки на несколько независимых групп наблюдений. Большие расхождения между групповыми средними или групповыми дисперсиями указывают на наличие систематической погрешности. [10]
Для измерений с многократными наблюдениями на первый план выступает задача уменьшения и оценки случайных погрешностей, поскольку именно эта задача обусловливает выполнение многократных наблюдений. При обработке результатов многократных наблюдений используют статистические методы, разработанные для случайных выборок, причем при выборе конкретной оценки следует ориентироваться прежде всего на свойства случайных погрешностей. При этом оценки случайных погрешностей получаются главным образом непосредственно из экспериментальных данных. Это создает иллюзию объективности оценок и уменьшения роли априорной информации для этого случая. [11]
Случайные погрешности, в отличие от систематических, нельзя учесть с помощью поправок или исключить в процессе измерения, так как при каждом повторном наблюдении они принимают новые значения. Если путем обработки результатов многократных наблюдений получена оценка случайных погрешностей, присущих данным средствам и методам измерений, то можно утверждать, что при использовании этих средств и методов измерений в аналогичных условиях будут иметь место случайные погрешности такого же порядка. [12]
Этот способ вообще является одним из самых распространенных методов повышения точности измерений, однако применительно к АС затрата на системы стабилизации значительно превосходят стоимость ИП. Повышение точности АС за счет структурной избыточности ( структурный метод) заключается в разработке структурно-избыточных АС, малочувствительных или инвариантных по отношению к основным дестабилизирующим факторам. Инвариантные структуры строятся по принципу двухканальногти, компенсационного метода Измерения, используют специальные, алгоритмы обработки сигналов измерения и т.п. Точность АС может быть повышена и за счет временной избыточности - используется, например, статистическая обработка результатов многократных наблюдений, уменьшающая случайную составляющую погрешности. Уровень СКО случайной погрешности АС снижается в атом случае в п раз, где Г) - число компонент выборки. Длительность измерения в этом случае возрастает в И раз, поэтому этот метод целесообразен при градуировке, в эксплуатационных условиях он зачастую неприемлем из-за изменения, измеряемой величины за время получения выборки. Широко распространены методы периодического контроля рабочей характеристики АС. Они осуществляются с помощью известных тестовых сигналов с последующей автоматической коррекцией результата измерения или рабочей характеристики ИП по данным контроля СХ тестовым методом. Используется также оптимизация эксплуатационных режимов АС по метрологическим показателям. Суть этого приема заключается в минимизации относительной СКП по измеряемой величине X, при фиксированных структуре АС и параметрах ИП. [13]