系统误差的数字修正方法.ppt

对N次测量进行算术平均后的信噪比为 式中，S/n是求算术平均值前的信噪比， 因此采用算术平均值后，信噪比提高了 倍。 (9.1.17) 由式可知，算术平均值法对信号的平滑滤波程度完全取决于N。 当N较大时： 平滑度高，但灵敏度低，外界信号的变化对测量计算结果的影响小； 当N较小时： 平滑度低，但灵敏度高。应按具体情况选取N。 如对一般流量测量，可取N=8～12；对压力等测量，可取N=4。 4．递推平均滤波法  算术平均滤波方法每计算一次数据，需测量N次，对于测量速度较慢或要求数据计算速率较高的实时系统，则无法使用。 递推平均滤波法：在存储器中，开辟一个区域作为暂存队列使用，队列的长度固定为N，每进行一次新的测量，把测量结果放入队尾，而扔掉原来队首的那个数据，这样在队列中始终有个“最新”的数据。 递推平均项数的选取是比较重要的环节，N选得过大，平均效果好， 但是，对参数变化的反应不灵敏；N选得过小，滤波效果不显著。 关于N的选择与算术平均滤波法相同。 5．加权移动平均滤波法 递推平均滤波法最大的问题是随着随机误差的消除，有用信号的灵敏度也降低了。因为我们假设对于N次内的所有采样值，在结果中所占比重是均等的。用这样的滤波算法，对于时变信号会引入滞后。N越大，滞后越严重。 为了增加新的采样数据在滑动平均中的比重，以提高系统对当前采样值中所受干扰的灵敏度，可以对不同时刻的采样值加以不同的权,通常越接近现时刻的数据，权取得越大。然后再相加求平均，这种方法就是加权移动平均法。 N项加权移动平均滤波算法为 为常数，且满足以下条件： 常系数的选取有多种方法，其中最常用的是加权系数法。 式中，y为第N次采样值经滤波后的输出； x N-i为未经滤波的第N-i次采样值； 加权系数法 设τ为被测对象的纯滞后时间，且 因为τ越大，δ越小，则给予新的采样值的权系数就越大，而给先前采样值的权系数就越小，从而提高了新的采样值在平均过程中的比重。 所以，加权移动平均滤波适用于有较大纯滞后时间常数的被测对象和采样周期较短的测量系统，而对于纯滞后时间常数较小，采样周期较长，变化缓慢的信号，则不能迅速反映系统当前所受干扰的严重程度，滤波效果较差。 6．一阶惯性滤波  在检测系统的电路中常常伴随有电源干扰及工业干扰，这些干扰特点是频率很低(例如频率为0.01Hz)，对这样低频的干扰信号，采用RC滤波显然是不适宜的，因为C太大，很难做到。但是，用数字滤波很容易解决。假设一阶RC滤波器的输入电压为x(t)，输出为y(t)，则 (9．1．24) 设采样时间间隔足够小，将式(9．1．24)离散为 式中，τ = RC为时间常数。即 通过实际运行来确定时间常数τ ，不断地计算出τ值， 当低频周期性噪声减至最弱时，即为该滤波器的τ值。 一阶惯性滤波的缺点： 造成信号的相位滞后，滞后相位的大小与Q值有关。 如果相位滞后太大，还必须采取其它补救措施。 7．复合滤波  在实际应用中，所受到的随机扰动往往不是单一的，有时即要消除脉冲扰动的影响，又要作数据平滑。因此，在实际中往往把前面介绍的两种或两种以上的滤波方法结合在一起使用，形成所谓的复合滤波，例如，防脉冲扰动平均值滤波算法就是一种实例。 算法的特点： 先用中位值滤波算法滤掉采样值中的脉冲干扰，然后把剩下的各采样值进行滑动平均滤波。 基本算法 如果 , 其中 x1，xN和分别是所有采样值中的最小值和最大值，则 优点： 这种滤波方法兼容了滑动平均滤波算法和中位值滤波算法的， 无论是对缓慢变化的过程变量，还是快速变化的过程变量， 都能起到较好的滤波效果。 在一个检测系统中究竟应选用哪种滤波算法， 取决于使用场合及过程中所含随机干扰的情况。 9.1 误差修正技术 9.1.1 系统误差的数字修正方法 9.1.2 随机误差的数字滤波方法 9.1.3 动态补偿方法 9.1.3 动态补偿方法 随着科技生产的发展，对自动检测和仪器仪表提出了更高要求，要求测量一些瞬变的非电量。 同时，传感器广泛应用于生产过程的检测，作为控制系统中提供信息的单元，要能迅速反映被控参量的变化，否则，整个控制系统就无法正常工作。 在许多生产工艺中，反应速度加快了，设备结构尺寸减小了，即控制对象的时间常数日益减小，这就需要选择快速的检测元件。 传感器的阻尼比太小，阶跃响应振荡剧烈，达到稳态的时间长。 传感器的工作频带窄，对被测信号中的高频分量没有反应，以致动态响应速度慢。 提高传感器动态响应的快速性 1、在传感器本身想办法，改变传感器的结构、参数和设计。 2、在传