[第6章智能仪器的典型数据处理功能.pptVIP

下面介绍常用的代数插值法和最小二乘法 设有n + 1组离散点：(x0, y0)，(x1, y1)，…，(xn, yn)，x∈[a，b]和未知函数f(x)，就是用n次多项式 系数an，…，a1，a0应满足方程组： 最常用的多项式插值有： 线性插值和抛物线（二次）插值。 线性插值：从一组数据（xi, yi）中选取两个有代表性的点（x0, y0）和（x1, y1），然后根据插值原理，求出插值方程 线性插值举例 0～490℃的镍铬—镍铝热电偶分度表如表5.2。若允许的校正误差小于3℃，分析能否用直线方程进行非线性校正。 (2)抛物线插值（二阶插值） 在一组数据中选取（x0, y0），（x1, y1），（x2, y2）三点，相应的插值方程 现仍以表5.2所列数据说明抛物线插值的个体作用。节点选择 （0，0），（10.15，250）和（20.21，490） 提高插值多项式的次数可以提高校正准确度。考虑到实时计算这一情况，多项式的次数一般不宜取得过高 分段数N及插值多项式的次数n均取决于非线性程度和仪器的精度要求。 非线性越严重或精度越高，则N取大些或n取大些，然后存入仪器的程序存储器中。 实时测量时只要先用程序判断输入x（即传感器输出数据）位于折线的哪一段，然后取出与该段对应的多项式系数并按此段的插值多项式计算Pni (x)，就可求得到被测物理量的近似值。 若采用等距节点的方法进行插值，要使最大误差满足精度要求，分段数N就会变得很大（因为一般取n≤2）。这将使多项式的系数组数相应增加。此时更宜采且非等距节点分段插值法。即在线性好的部分，节点间距离取大些，反之则取小些，从而使误差达到均匀分布 。 见课本 P155 在表4.1中所列的数据中取三点（0，0），（10.15，250），（20.21，490），并用经过这三点的两个直线方程来近似代替整个表格。通过计算得： 二、最小二乘法 利用代数插值得到的拟合曲线在n个节点上的校正误差为0，因为拟合的曲线正好经过离散点； 但在非节点上，还是存在在误差； （1）要么采用高阶的插值多项式可提高拟合曲线精度，但后续计算困难； （2）要么将进行多次分段，但将出现多组参数，也相对麻烦。 最小二乘法能使拟合曲线更接近仪器的实际特性。 二、最小二乘法 设被逼近函数为f(xi),逼近函数为g(xi),xi为x上的离散点，逼近误差为 曲线拟合 自变量x与因变量y之间的单值非线性关系可以自变量x的高次多项式来逼近 2、系统误差的标准数据校正法 当难以进行恰当的理论分析时，未必能建立合适的误差校正模型。 但此时可以通过实验，即用实际的校正手段来求得校正数据，然后把校正数据以表格形式存人内存。 实时测量中，通过查表来求得修正的测量结果。 在仪器的输入端逐次加入已知的标准电压x1、x2、xn，并测出仪器对应的输出量y1、y2、yn。 将输出量y1、y2、yn存入存储器中，它们的地址分别与x1、x2、xn对应，这就建立了一张校正数据表。 实际测量时，根据仪器的实际输入量值x访问存储器的相应的地址，读出其中的y值，即得到经过修正的被测量值。 若实际输入值x介于某两个标准点xi 、xi+1之间，为了减小误差，还要再作内插计算来修正，最简单的内插是线性内插，当 yiy yi+1时取 3. 传感器的非线性校正 如果确切知道传感器或检测电路的非线性特性的解析式y = f(x)，则就有可能利用基于此解析式的校正函数（反函数）来进行非线性校正。 4、传感器温度误差的校正方法 1. 在高精度仪器仪表中，传感器的温度误差已成为提高仪器性能的严重障碍，对于环境温度变化较大的应用场合更是如此。 2. 依靠传感器本身附加的一些简单的电路或其他装置来实现完善的传感器温度误差校正是困难且不便的。 3.建立起较精确的温度误差模型，就可能实现完善的校正。 可采用如下较简单的温度误差校正模型： 1. 系统误差的模型校正法 在仪表中用运算放大器电路测量电压，常会引入零位误差和增益误差。 设x是实际值，y是带有误差（零漂和误差增益）的测量值，ε是干扰或零漂，i是放大器偏置电流，k是放大器增益，从输出端y引一反馈量y′到输入端以改善系统的稳定性。 下 页 上 页 返 回 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 假设实际值x与测量值y是线性关系， 即建立系统误差模型为