第十章试验误差的控制与介绍.ppt

* ⑶动态测试数据检验与初辨 为了进行动态测量误差分离与评定，在分离前必须对测量数据有一个基本了解．有必要初步辫识随机数据的统计特性(独立性、平稳性、正态性、各态历经性等等)和确定性成分(数据真实值和系统误差)的变化规律(线性、周期性等等)。 对统计特性的初辨是对数据进行各种数学运算来构造某些统计量，并通过统计检验来实现的。 动态测量数据所含成分的初辨可通过对数据探测、拟合模型的特征判别等多种方法来进行。 3.2误差分离 动态测量误差处理与评定的关键是．必须首先从动态测量数据中将动态测量误差分离出来。 为了分离动态测量误差，一般都得要通过分析测量方案，了解数据中各种成分的组成和特性。因此，必须首先建立表示数据构成的组合模型，然后根据数据组成分析与特征，分离出动态测量误差。 ⑴动态测试数据的组合模型 一般情况下，动态测量数据X(t)可由确定性函数f(t)和偶然函数Y(t)组成。而f(t)可进一步划分成非周期函数d(t)和周期函数p(t)两类，即 ： 而动态测量数据X(t)又是由被测变量真实值X0(t)及其测量误差e(t)组成(以下均用下标0表示真实值)，真实值X0(t)由确定性真实值f0(t)和随机性真实值Y0(t)组成；误差e(t)由系统误差es(t)和偶然误差er(t)＝e(t)—es(t)组成，即 ： 上式称为动态测试数据的组合模型，可从中分离出es(t)和 er(t)。 ⑵系统误差分离 重复测量数据误差曲线的均值可作为系统误差，即E[e(t)]=es(t),然而许多已定系统误差可以用先验分析法事先计算出来。 将原始数据X(t)减去系统误差es(t)后得到实测数据真实值X0(t)与偶然误差er(t)之和，它是进一步分离动态测量偶然误差的基础。 ⑶统计处理法 统计处理法是对具有某种统计特性的动态测试数据进行求均值、方差、协方差、谱密度等统计处理，最后分离出随机误差的一种方法。 这种方法必须事前对测量数据中各种组成成分的特性有所判断，如先验性分析、初辨等，且对动态测量数据进行统计处理后，依据统计特性不同，能够分离出动态测量随机误差。 例如当动态测量数据只包含随机误差，而系统误差为零均值的平稳随机过程 ，被测量的真实值仅为确定性 函数X0(t)时，动态测量误差及其评定指标——方差σ2(t)可通过对测量数据直接进行统计运算求得。 动态测量数据可表示为： 上式两边求期望就能得到被测量的真实值，即： 动态测试偶然误差为： 偶然误差的方差为： 通过前面的介绍，动态测试误差的处理流程图如下： 3.3动态测试误差的修正 ⑴系统误差修正 可按如下步骤进行： ①采用误差分离技术，分离出系统误差； ②建立相应地系统误差数学模型； ③制成误差修正板，或存入计算机中，在测量时对测量结果进行修正。 在系统误差修正的过程中，利用数字采样技术所获得的测量结果和测量误差都是离散值。为了能够在整个量程范围内对被测量结果的值进行修正，必须根据离散采样获得的有限误差值建立误差修正数学模型，即拟合为一定的误差曲线，以满足对任意测量值进行误差修正。 系统误差修正有如下方法： 插值法 线性插值法 线性插值法是最简单的一种插值方法。线性插值法是用已知测得的误差点为拟合直线的端点，相邻两误差点拟合成一条误差直线，由此形成数条端点相连的误差直线。 对 和 两点之间的任意位置进行线性内插，即： 分段多项式插值法 分段多项式插值法是取测量值左右若干点，（常取总点数不大于6个，以避免发生“振荡”），拟合成一个代数多项式，再用内插的方法求出要修正的误差值。 常用的有：拉格朗日插值多项式。 样条插值法 样条插值法是用已知误差点为节点，相邻两节点间用多项式拟合，在每个节点处的拟合曲线连续光滑，整个拟合曲线为由分段多项式组成的连续函数，并准确地通过每个节点。 常用的样条插值法：三次样条拟合。 最小二乘拟合法 利用误差分离技术所获得的系统误差数据，如果受到很大干扰，所得的数据本身不一定可靠，甚至个别数据严重失真时，用最小二乘拟合法比较可靠。 设法构造出一条曲线反应所给出误差数据变化的总趋势，以消除其局部波动，但缺点是损失了已知可靠数据点的精度。 基本思想是：对于用误差分离技术分离出来的系统误差数据k=0,1,2,3…n,求一个拟合函数,使得拟合误差的总误差：最小。 ⑵偶然误差修正 常用方法: