第一章传感与检测技术的理论基础重点解析.pptVIP

2.1 什么是传感器？ 在我们日常生活中，使用着各种各样的传感器， 电冰箱、电饭煲中的温度传感器; 空调中的温度和湿度传感器; 煤气灶中的煤气泄漏传感器; 水表、电表、电视机和影碟机中的红外遥控器; 照相机中的光传感器; 汽车中燃料计和速度计等等，不胜枚举。 传感器给我们的生活带来了多少便利和帮助呢？来看一个短片 什么是传感器 眼（视觉） 耳（听觉） 鼻（嗅觉） 皮肤（触觉） 舌（味觉） 对于各种各样的被测量，有各种各样的传感器。下面请看几个传感器应用实例: （3） 粗大误差 超出在规定条件下预期的误差称为粗大误差。  这类误差的发生是由于测量者疏忽大意，测错、读错或环境条件的突然变化等引起的。含有粗大误差的测量值明显地歪曲了客观现象， 故含有粗大误差的测量值称为坏值或异常值。  1.2 测量数据的估计和处理 1.2.1 随机误差的统计处理 1. 正态分布 随机误差的分布规律，可以在大量测量数据的基础上总结出来，就误差的总体来说是服从统计规律的。由于大多数随机误差服从正态分布，因而正态分布理论就成为研究随机误差的基础。 正态分布的概率分布密度f(δ)为 (1-20) 正态分布的分布密度曲线如图1 - 4 所示，即为一条钟形的曲线，称为正态分布曲线，其中L、σ（σ0）是正态分布的两个参数。 从图中还可以看到， 曲线在L±σ（或±σ）处有两个拐点。 图 1 - 4 正态分布曲线 2. 随机误差的数字特征 (1) 算术平均值x 对被测量进行等精度的n次测量，得n个测量值x1, x2,…, xn，它们的算术平均值为 (1-21) 由于被测量的真值为未知，不能按式（1 - 19）求得随机误差， 这时可用算术平均值代替被测量的真值进行计算， 则有 式中, vi为xi的残余误差（简称残差）。 (1-22) （2） 标准偏差σ 标准偏差简称为标准差，又称均方根误差。标准差σ刻划总体的分散程度，图1-5给出了L相同，σ不同（σ=0.5，σ=1，σ=1.5）的正态分布曲线，σ值愈大，曲线愈平坦，即随机变量的分散性愈大；反之，愈小，曲线愈尖锐（集中），随机变量的分散性愈小。 标准差σ由下式算得: (1 - 23) 图 1-5 不同σ的正态分布曲线 σ是在当测量次数趋于无穷时得到的，它是正态总体的平均值，称为理论标准差或总体标准差。但在实际测量中不可能得到， 因为被测量是在重复性条件下进行有限次测量，用算术平均值代替真值，此时表征测量值（随机误差）分散性的量用标准差的估计值σs表示，它是评定单次测量值不可靠性的指标， 由贝塞尔公式计算得到，即 (1-24) 3. 正态分布随机误差的概率计算 如随机变量符合正态分布，它出现的概率就是正态分布曲线下所包围的面积。因为全部随机变量出现的总的概率为1，所以曲线所包围的面积应等于1，即 随机变量落在任意区间（a，b）的概率为 式中, Pa为置信概率。 σ是正态分布的特征参数，区间通常表示成σ的倍数，如kσ。由于随机变量分布对称性的特点，常取对称的区间，即在±kσ区间的概率为 式中: k——置信系数；  ±kσ——置信区间(误差限)。 表1 - 1 正态分布的k值及其相应的概率 随机变量落在±kσ范围内出现的概率为Pa，则超出的概率称为置信度，又称为显著性水平，用α表示 α=1-Pa （1 - 27） 图 1 - 7 Pa与α关系 从表1-1可知，当k=1时，Pa=0.6827，即测量结果中随机误差出现在-σ～+σ范围内的概率为68.27%, 而|v|σ的概率为31.73%。出现在-3σ～+3σ范围内的概率是99.73%, 因此可以认为绝对值大于3σ的误差是不可能出现的，通常把这个误差称为极限误差δlim，即极限误差δlim=±3σ。 【例1-1】对某一温度进行10次精密测量，测量数据如表1 - 2所示，设这些测得值已消除系统误差和粗大误差，求测量结果。 表1-2 测量数据 解： 算术平均值 标准差的估计值 算术平均值的标准差 测量结果可表示为 或 1.2.2 系统误差的通用处理方法 1. 从误差根源上消除系统误差 由于系统误差的特殊性，在处理方法上与随机误差完全不同。主要是如何有效地找出系统误差的根源，并减小或消除。 *