传感器《第1章》.ppt

（2）加权算术平均值 （1-30） （3）加权算术平均值 的标准差： （1-31） P13 例1-2自学 P13 例（1-2） 本次作业：P26 1-3， 1-8， 1-10，1-11， 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 ① 所用传感器， 测量仪表或组成元件是否准确可靠。 ② 测量方法是否完善，如电表内阻的影响 ③ 传感器仪表安装、调整或放置是否正确合理。如指针仪表 未按规定方法摆放。 ④ 传感器或仪表工作场所的环境条件是否符合规定条件。 ⑤ 测量者操作是否正确。 2. 系统误差的发现与判别 发现系统误差一般比较困难，下面只介绍几种发现系统误差的一般方法。（1） 实验对比法；（2） 残余误差观察法；（3） 准则检查法（自学） 3. 系统误差的消除 （1） 在测量结果中进行修正  （2） 消除系统误差的根源 （3） 在测量系统中采用补偿措施 （4） 实时反馈修正 图 1 - 8 残余误差变化规律 1.2.3 粗大误差 1. 3σ准则 通常把等于3σ的误差称为极限误差，3σ准则就是如果一组测量数据中某个测量值的残余误差的绝对值|vi|3σ时，则该测量值为可疑值（坏值），应剔除。 3σ准则又称莱以达准则。 2. 肖维勒准则（与3σ 准则无本质区别） 肖维勒准则是以正态分布为前提的，假设多次重复测量所得的n个测量值中，某个测量值的残余误差|vi|Zcσ, 则剔除此数据。 实用中Zc3，所以在一定程度上弥补了3σ准则的不足。  表1-3 肖维勒准则中的Zc值 3. 格拉布斯准则 格拉布斯准则也是以正态分布为前提的，理论上较严谨， 使用也较方便。 某个测量值的残余误差的绝对值|vi|＞Gσ，则判断此值中含有粗大误差，应予剔除，此即格拉布斯准则。G值与重复测量次数n和置信概率Pa有关，见表1 - 4。 以上准则是以数据按正态分布为前提的，当偏离正态分布， 特别是测量次数很少时，判断的可靠性就差。 表1 - 4 格拉布斯准则中的G值 P17 【例1-3】对某一电压进行12次等精度测量，测量值如表1-5所示，若这些测量值已消除系统误差，试判断有无粗大误差， 并写出测量结果。 表1 – 5 测 量 值 ② 判断有无粗大误差。 由于本例中测量次数比较少，不采用3σ准则判断粗大误差。 这里采用格拉布斯准则, 已知测量次数n=12，取置信概率Pa=0.95, 查表1 - 4, 得格拉布斯系数G=2.28。 Gσs=2.28×0.032=0.073|v6| 故U6应剔除。 解：① 求算术平均值及标准差: ③ 计算算术平均值的标准差 ④ 最后测量结果可表示为 Pa=99.73% 再次判断粗大误差，查表1 - 4得格拉布斯系数G=2.23。 Gσs2=2.23×0.0145=0.032 所有vi2均小于Gσs2, 故其它11个测量值中无坏值。 剔除后重新计算算术平均值和标准差。 1.2.4 测量数据处理中的几个问题 1. 间接测量中的测量数据处理 前面主要是针对直接测量的误差分析，在直接测量中，测量误差就是直接测得值的误差。而对于间接测量，是通过直接测得值与被测量之间的函数关系，经过计算得到被测量的，所以间接测量的误差则是各个直接测得值误差的函数。 一个测量系统或一个传感器都是由若干部分组成的，设各环节分别为x1, x2, …,xn，系统总的输入输出之间的函数关系为 y=f (x1,x2,…,xn)，而各部分又都存在误差，也会影响测量系统或传感器总的误差，这类误差的分析也可归纳到间接测量的误差分析。  在间接测量中，已知各直接测得值的误差（或局部误差）， 求总的误差，即误差的合成（也称误差的综合）；反之，确定了总的误差后，各环节（或各部分）具有多大误差才能保证总的误差值不超过规定值，这叫做误差的分配。在传感器和测量系统的设计时经常用到误差的分配。下面介绍误差的合成。 （1） 绝对误差和相对误差的合成 如被测量为y，设各直接测得值x1, x2, …, xn之间相互独立，则与被测量y之间函数关系为 y=f(