Всё о метрологии. Предмет и задачи метрологии Метрология наука об измерениях

• Название: Предмет и задачи метрологии Метрология наука об измерениях
• Анкор: Всё о метрологии
• Дата: 29.06.2021
• Размер: 435.9 Kb.
• Имя файла: Всё о метрологии.docx
• Тип: Глава; #222359
• страница: 7 из 11

Глава 6. МАТЕМАТИЧЕСКАЯ ОБРАБОТКА ИСПРАВЛЕННЫХ РЕЗУЛЬТАТОВ ИЗМЕРЕНИЙ

Экспериментатор должен быть достаточно ленив, чтоб не делать лишнего

6.1. Обработка результатов прямых равнорассеянных наблюдений  

Прямыми называются измерения, в результате которых искомое значение физической величины находят непосредственно из опытных данных. Прямые измерения осуществляются путем многократных наблюдений. Результаты наблюдений X₁,X₂,…,X_n называются равнорассеянными, если они являются независимыми, одинаково распределенными случайными величинами. Равнорассеянные результаты получают при измерениях, проводимых одним наблюдателем или группой наблюдателей с помощью одних и тех же методов и средств измерений в неизменных условиях внешней среды.

Обработка результатов наблюдений в соответствии с методикой прямых измерений с многократными наблюдениями производится в следующем порядке:

1. Путем введения поправок исключают известные систематические погрешности из результатов наблюдений.

2. Вычисляют среднее арифметическое   исправленных результатов наблюдений, принимая его за оценку истинного значения измеряемой величины.

3. Вычисляют оценку s_x среднеквадратического отклонения результатов наблюдения и оценку   среднеквадратического отклонения среднего арифметического.

4. Проверяют гипотезу о нормальности распределения результатов наблюдения. Если число результатов n>50, используют критерий Пирсона χ², при 15<n<50 — составной критерий. Уровень значимости выбирается из интервала 0.02–0.10. При n<15 нормальность распределения не проверяется.

5. Если результаты наблюдений распределены нормально, то определяют наличие грубых погрешностей и промахов и если последние обнаружены, соответствующие результаты отбраковывают и повторяют вычисления.

6. Вычисляют доверительные границы случайной погрешности при доверительной вероятности P=0.95, а также при P=0.99, если измерения в дальнейшем повторить нельзя.

7. Определяют границы неисключенной систематической погрешности результата измерений. В качестве составляющих неисключенной систематической погрешности рассматривают погрешности метода, погрешности средств измерений (например пределы допускаемой основной и дополнительных погрешностей, если их случайные составляющие пренебрежимо малы) и погрешности, вызванные другими источниками. При суммировании составляющих неисключенные систематические погрешности средств измерений рассматриваются как случайные величины. Если их распределение неизвестно, то принимается равномерное распределение и тогда границы неисключенной систематической погрешности результата при числе составляющих m>4 определяют как

  ,  (64) 

где θi — границы отдельных составляющих общим числом m; k — коэффициент, равный 1.1 при доверительной вероятности P=0.95 и 1.4 при P=0.99.

8. Вычисляют доверительные границы погрешности результата. Если выполняется условие  , то систематической погрешностью можно пренебречь и определить доверительные границы погрешности результата как доверительные границы случайной погрешности   при P=0.95 (и при P=0.99); если же выполняется условие  , то можно пренебречь случайной погрешностью и тогда Δ=θ при P=0.95 (и  P=0.99).

Если эти условия не выполняются, то доверительные границы погрешности результата определяют по формуле Δ=K*s_Σ, где коэффициент K находят из выражения

    (65)

а среднеквадратическое общей погрешности результата   находят квадратическим суммированием дисперсии случайной   и систематической s²_θ погрешности результата, определяемой формулой (63). Границы случайной δ и систематической θ погрешности, входящие в формулу (65), необходимо выбирать при одной и той же доверительной вероятности (P=0.95 или  P=0.99).

9. Результат измерения записывают в виде  , а при отсутствии сведений о виде функции распределения составляющих погрешности и необходимости дальнейшей обработки результатов и анализа погрешностей — в виде  .

Если полученный при измерениях результат в дальнейшем используется для анализа и сопоставления с другими результатами или является промежуточным для нахождения других величин, то необходимо указать раздельно границы систематической погрешности и среднеквадратическое отклонение случайной погрешности:  .

В некоторых случаях нас может интересовать не сама измеряемая величина, а связанная с ней функциональной зависимостью. Требуется найти интервальную или точечную оценку ее истинного значения. Решается такая задача следующим образом.

Пусть   и f — непрерывная дифференцируемая функция в окрестности точки  .

При проведении точных измерений  . Тогда

  .   (66)

Пример. Измеренный диаметр круга d=94.75±0.05 мм. Требуется найти площадь круга  .

По формуле (66)

  .

6.2. Обработка неравнорассеянных рядов наблюдений 

В практике исследовательских работ часто встречаются ситуации, когда необходимо найти наиболее достоверное значение величины и оценить его возможные отклонения от истинного значения на основании измерений, проводимых разными наблюдателями с применением разнообразных измерительных средств и методов измерений в различных лабораториях или условиях внешней среды.

Ряды получающихся при этом результатов наблюдений называются неравнорассеянными, если оценки их дисперсий значительно отличаются друг от друга, а средние арифметические являются оценками одного и того же значения измеряемой величины.

Если средние неравнорассеянных рядов наблюдений мало отличаются друг от друга, то говорят о высокой воспроизводимости измерений, которая количественно характеризуется параметрами рассеивания результатов.

Рассмотрим некоторые случаи, приводящие к необходимости обработки результатов неравнорассеянных измерений:

1. Если при точных измерениях необходимо убедиться в отсутствии неисключенных систематических погрешностей, то измерения проводятся несколькими исследователями или группами исследователей. Если средние арифметические полученных рядов наблюдений незначительно отличаются друг от друга и ничто не указывает на наличие систематических погрешностей, то заманчиво объединить все полученные результаты и на основе их математической обработки получить более достоверные сведения об измеряемой величине.

2. Аналогичные измерения были выполнены в разных лабораториях различными методами и получены отличающиеся друг от друга результаты. Естественно и в этом случае, используя все имеющиеся данные, попытаться получить более достоверные значения измеряемых величин.

3. Измерения, относящиеся к образцовым мерам и измерительным приборам, часто повторяются через некоторое время. В конце концов накапливаются ряды наблюдений и возникает необходимость объединить их. Точность рядов наблюдений различна, с одной стороны, из-за того, что для впервые проводимых измерений характерно большее рассеивание результатов, а с другой стороны, из-за того, что с течением времени средства измерения стареют или заменяются новыми.

Во всех описанных ситуациях приходится прибегать к методам обработки результатов неравнорассеянных рядов наблюдений, задача которых в общем случае заключается в нахождении наиболее достоверного значения измеряемой величины и оценки воспроизводимости измерений.

Основой для расчета служат следующие данные:

•   — средние арифметические m рядов равнорассеянных результатов наблюдений постоянной физической величины Q;

• σ₁,σ₂,…,σ_m — среднеквадратические отклонения (или их оценки) результатов наблюдений в отдельных рядах;

• n₁,n₂,…,n_m — числа наблюдений в каждом ряду;

• m — число рядов.

Если результаты наблюдений во всех рядах распределены нормально, то нормально распределены и все m средних арифметических  (j=1, 2,…, m) с дисперсиями  :

  ,

Q – истинное значение измеряемой величины (при условии, что систематические погрешности исключены).

Для практической обработки результатов неравнорассеянных рядов наблюдений необходимо ввести параметр вес отдельных средних арифметических:

  .

Веса характеризуют степень нашего доверия к соответствующим рядам наблюдений. Чем больше число наблюдений в каждом данном ряду и чем меньше дисперсия результатов наблюдений, тем больше степень доверия к полученному при этом среднему арифметическому и с тем большим весом оно будет учтено при определении оценки истинного значения измеряемой величины

  .  (67)

Иногда удобно пользоваться безразмерными весовыми коэффициентами

  ,  (68)

тогда выражение для среднего взвешенного приобретает простой вид

  .  (69)

В соответствии со свойствами оценок максимального правдоподобия дисперсия среднего взвешенного должна равняться единице, деленной на математическое ожидание второй производной от логарифмической функции правдоподобия:

  .  (70)

Отсюда следует, что дисперсия среднего взвешенного меньше дисперсии любого из исходных средних арифметических отдельных рядов наблюдений и поэтому при обработке неравнорассеянных рядов наблюдений точность измерений повышается.

Если теоретические дисперсии   неизвестны, то пользуются их оценками  , с помощью которых определяют веса или весовые коэффициенты.

При малом числе нормально распределенных результатов наблюдений пользуются распределением Стьюдента с числом степеней свободы

  .  (71)

Если же об исходных распределениях нет никаких заслуживающих внимания данных, то на основании центральной предельной теоремы можно все-таки предполагать, что распределение среднего взвешенного нормально, поскольку оно является суммой большого числа случайных величин с конечными дисперсиями и математическими ожиданиями.

Пример. Тремя коллективами экспериментаторов с помощью различных методов измерения были получены следующие значения ускорения свободного падения (со среднеквадратическими отклонениями результатов измерений):

g=(981.9190±0.0004) смˉ²;

g=(981.9215±0.0016) смˉ²;

g=(981.9230±0.0020) смˉ²;

Весовые коэффициенты отдельных результатов вычислим по формуле (68):

 

Среднее взвешенное в соответствии с уравнением (69) составляет:

 

и его дисперсия (70)

 

6.3. Обработка результатов косвенных измерений

При косвенных измерениях значение искомой величины получают на основании известной зависимости, связывающей ее с другими величинами, подвергаемыми прямым измерениям.

Вначале рассмотрим тот простейший случай, когда искомая величина Q_Z определяется как сумма двух величин Q_X и Q_Y:

Q_Z = Q_X + Q_Y   (72)

Поскольку результаты прямых измерений величин Q_X и Q_Y (после исключения систематических погрешностей) включают в себя некоторые случайные погрешности, то формулу косвенного измерения суммы можно переписать в виде

  ,  (73)

где   — средние арифметические (или средние взвешенные), полученные при обработке результатов прямых измерений величин Q_X и Q_Y, λ_X и λ_Y — случайные погрешности средних,   и λ_Z — оценка истинного значения косвенно измеряемой величины и его случайная погрешность.

Из уравнения (73) непосредственно вытекает справедливость двух следующих равенств:

  , λ_Z = λ_X – λ_Y,  (74)

т.е. оценкой истинного значения косвенно измеряемой величины должна служить сумма оценок истинных значений исходных величин, случайные погрешности которых складываются.

Математическое ожидание оценки  равно, очевидно, истинному значению искомой величины:

 

а ее дисперсия:

 

Входящее в это выражение математическое ожидание произведения случайных погрешностей называется корреляционным моментом и определяет степень “тесноты” линейной зависимости между погрешностями. Вместо корреляционного момента часто пользуются безразмерной величиной, называемой коэффициентом корреляции:

  .  (75)

Отсюда, в частности, следует, что коэффициент корреляции между погрешностями λ_X и λ_Y средних арифметических равен коэффициенту корреляции между погрешностями δ_X и δ_Y результатов отдельных измерений величин Q_X и Q_Y:  .

С учетом коэффициента корреляции дисперсия результата косвенных измерений, т. е. оценки истинного значения косвенно измеряемой величины,

  .  (76)

Если погрешности измерения величин Q_X и Q_Y не коррелированы, то выражение (76) упрощается:

  .  (77)

В тех случаях, когда теоретические дисперсии распределения результатов прямых измерений неизвестны, определяется оценка   дисперсии результата косвенных измерений через оценки дисперсий   и  :

  .  (78)

Оценки коэффициента корреляции   вычисляют на основании результатов прямых измерений исходных величин:

    (79)

m = min(n_X, n_Y) — наименьшее из чисел наблюдений n_X и n_Y.

При положительной корреляции, т. е. когда r_XY > 0, одна из погрешностей имеет тенденцию возрастать при увеличении другой, если же корреляция отрицательна, то r_XY < 0 и погрешность измерения одной величины обнаруживает тенденцию к уменьшению при увеличении погрешности измерения другой величины. Возможные значения коэффициента корреляции лежат в интервале –1 < r_XY < +1. Если r_XY = 0, то погрешности измерения некоррелированы.

О наличии корреляции удобно судить по графику, на котором в координатах X, Y изображены пары последовательно получаемых результатов измерения величин Q_X и Q_Y.

На рис.14 изображены случаи совместного распределения результатов измерения при положительной (рис. 14, а) и отрицательной (рис. 14, б) корреляции. Результаты измерений на рис. 15, в некоррелированы.



Чаще всего наличия корреляции следует ожидать в тех случаях, когда обе величины измеряются одновременно однотипными измерительными средствами, причем неуловимые изменения внешних воздействий (электрических, магнитных, температурных и других полей, условий питания) одновременно заметно влияют на формирование случайных погрешностей их измерения. В некоторых случаях причиной корреляции между результатами измерений может стать сам оператор, поскольку при некоторых исследованиях, связанных с ручным уравновешиванием приборов сравнения (сличением мер на точных весах, в фотометрии), искусство и опыт наблюдателя оказывают значительное влияние на результаты измерений. В тех же случаях, когда исходные величины измеряют с помощью различных средств измерения в разное время, можно с полным правом ожидать, что результаты, если и будут коррелированы, то очень мало, и коэффициентом корреляции в выражениях (76) и (78) можно пренебречь.

Распределение результата косвенных измерений будет нормальным, если нормальны распределения результатов прямых измерений. В этих условиях для построения доверительного интервала, накрывающего истинное значение измеряемой величины, следует применить нормированную функцию нормального распределения, если число измерений достаточно велико. Если же объемы рядов прямых измерений недостаточно велики, то можно воспользоваться распределением Стьюдента с некоторым “эффективным” числом степеней свободы, которое для рассматриваемого случая при независимости погрешностей измерения (r_XY = 0) подсчитывается по формуле

  ,  (80)

где n_X и n_Y — числа прямых наблюдений величин Q_X и Q_Y.

Если числа наблюдений одинаковы (n_X = n_Y = n), то выражение для эффективного числа степеней свободы распределения Стьюдента упрощается:

  .  (81)

Итоговый результат измерений записываем в виде:

 

где t_p определяется из выражения:

 

или

  .

Рассмотренные выражения можно использовать и в том случае, когда искомая величина является суммой от измеряемых прямыми способами величин:

    (82)

К такой формуле приходим при измерении больших величин по частям, например при измерении длин с помощью концевых мер длины, взвешивании с применением набора гирь, измерении на электрических приборах сравнения с помощью магазинов сопротивлений, емкостей или индуктивностей, измерении объемов жидкостей мерниками меньшей вместимости и так далее. В этих случаях в качестве наиболее достоверной оценки   истинного значения измеряемой величины Q₀ принимается сумма оценок   истинных значений слагаемых:

  .  (83)