智能仪器设计基础第5章讲义.ppt

具体次数与所要逼近的函数有关，例如函数关系接近线性的，可从中选取两点，用一次多项式来逼近(n=1)。接近抛物线的可从中选取三点，用二次多项式来逼近(n=2)，……。同时，多项式次数还与自变量的范围有关，一般来说，自变量的允许范围越大(即插值区间越大)，达到同样精度时的多项式次数也较高。对于无法预先决定多项式次数的情况，可采用试探法，即先选取一个较小的n值，看看逼近误差是否接近所要求的精度，如果误差太大，则把n加1，再试一次，直到误差接近精度要求为止。在满足精度要求的前提下，n不应取得太大，以免增加计算时间。 一般最常用的多项式插值是线性插值和抛物线(二次)型插值。 （1）线性插值 　　 线性插值是在一组数据(xi，yi)中选取两个有代表性的点(x0，y0) 、(x1，y1)，然后根据插值原理，求出插值方程 式中的待定系数a1和a0为 当(x0，y 0) 、(x1，y1)取在非线性特性曲线f(x)或数组的两端点A、B，如图5.6所示，线性插值就是最常用的直线方程校正法。 （5.16） 设A、B两点的数据分别为(a，f(a))，(b，f(b))，则根据式(5.16)就可以求出其校正方程 ，式中P1(x)表示对f(x)的近似值。当xi≠a、b时，P1(xi)与f(xi)有拟合误差Vi，其绝对值 Vi=| P1(xi)- f(xi)| i=1，2，…，n 在全部x的取值区间[a，b]上，若始终有Viε存在，ε为允许的拟合误差，则直线方程 。就是理想的校正方程。实时测量时，每采样一个值，就用该方程计算P1(x)，并把P1(x)当作被测量值的校正值。 图5.4 非线性特性的直线方程校正 （2） 抛物线插值 抛物线插值是在一组数据中选取三点(x0，y0)、(x1，y1)、(x2，y2)，相应的插值方程为 提高插值多项式的次数可提高校正精度，考虑 到实际的计算，多项式的次数一般不宜选得过高。 （3） 分段插值 对于系统误差非线性程度严重或存在于较宽测量范围时，可采用分段直线方程来进行校正。分段后的每段非线性曲线用一个直线方程来校正，即 （i=1,2，…，n) (5-20) 根据分段节点之间的距离是否相等有等距节点和非等距节点分段直线校正两种方法。 等距节点分段直线校正法 等距节点的方法适用于非线性特征曲线曲率变化不大的场合。每段曲线都用一个直线方程代替，分数段n取决于非线性程度和仪表的精密要求。非线性越严重或仪表的精密要求越高，则n越大。式（5-20）中的a1i和a0i可离线求得。采用等分法，每段折线的拟合误差Vi一般各不相同。拟合结果应该保证 （i=1,2，…n) Vmax i为第i段的最大拟合误差，ε为系统要求的拟合误差。求得a1i 和a0i存入仪器的ROM中。实时测量时只要先用程序判断输入x位于折线的哪一段，然后取出该段对应的 a1i 和a0i进行计算，即可得到被测量的相应近似值。 非等距节点分段直线校正法 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 。 设某传感器的输入/输出特性曲线如图5.5中实线所示，图中x为传感器的输出值，y为传感器的输入值（实际被测量），分四段直线逼近该传感器的非线性曲线如图5.5中虚线所示。可以写出各段的直线方程式为 式中 （5.22） 图5.5传感器的输入/输出特性曲线 编程时应将系数k1、k2、k3以及数据x1、x2、x3、y1、y2、y3分别存放在指定的ROM中。智能仪器在进行校正时，先根据测量值的大小，找出所在直线段区域，从存储器中取出该直线段的系数，然后按照式(5.22)计算，获得实际被测量值y，程序流程图见图5.6所示。 图5.6 分段拟合程序流程图 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 令 使Ψ最小，即在最小二乘意义上使V（xi）最小化，这就是最小二乘法原理。具体实现方法有直线拟合法和曲线拟合法。 二、最小二乘法 设一组测试数据，现在要求出一条最能反映这些数据点变化趋势的直线，设最佳拟合直线方程为 式中a1、a0为直线方程系数，下面求出直线方程系数a1、a0。令 有 直线拟合法 根据最小二乘法原理，要使ψ最小，由求极限的方法，分别对α1、α0求偏导数，并令其为0，得 联立求解，