测量技术中削弱随机误差方法.docVIP

测量技术中削弱随机误差方法 　　摘 要：本文根据测量技术的应用实践，提出测量精度要求分类，并分析了在各种情况下削弱随机误差的方法，为生产实践中测量技术规范化提供了理论依据。 　　关键词：测量技术 精度 削弱 随机误差 　　 　　绪 言 　　 　　众所周知，在测量技术中，测量仪表的精确度 ――精度，它与精密度、准确度的含义是不同的。精密度是反映仪表示值的分散性，它是随机误差大小的标志。准确度是反映仪表示值与真值偏离的程度，它是系统误差大小的标志。而所谓精度则是精密度和准确度的综合反映。精度高就意谓精密度和准确度都高。 　　 　　一、测量精度等级分类 　　 　　根据测量技术的应用实践，对测量的精度要求一般可以分为四个等级，即： 　　1、日常工程应用测量 　　2、一般精度测量 　　3、中精度测量 　　4、高精度测量 　　对于不同精度的测量，除了在选用仪表的要求不同外，消除和削弱测量误差的方法也不同。 　　 　　二、关于随机误差的一般概念 　　 　　按照测量理论，测量误差按出现的规律可分为系统误差、疏失误差（粗大误差）和随机误差三类。 　　系统误差是指服从一定规律（如定值、线性、周期性等）的误差。由于这种误差有规律性，它总是可以归纳为一个或几个因素的函数，我们可以采取引入修正值，零位式测量法，替代法，补偿法，对照法等方法来削弱或消除它。 　　疏失误差不是仪表本身所固有的，它主要是测量者在测量过程中的粗心大意或操作错误等原因造成，这种误差可以在削弱随机误差的计算中发现并剔除。 　　随机误差地产生原因是由很多复杂微小变化的总和引起的，很难分析，但这种误差服从统计规律，如：正态分布，均匀分布，离散双值分布，辛普松分布，正弦分布等加以描述，最常见的是正态分布。 　　（一）正态分布随机误差的特点 　　参见右图所示正态分布曲线 　　其数学表达式为 　　 　　其特点是 　　1、单峰性正态分布只有一个峰值，且在=0的纵轴上，它表明，绝对值小的误差出现的概率大，而绝对值大的误差出现概率小。 　　2、对称性正态分布曲线是关于 y轴对称的，即f(δ)=f(-δ) 。 　　3、抵偿性由于正态分布的对称性，很明显，各次随机误差之和将随测量次数增多而趋向于零，即 　　 　　4、有限性在一定测量条件下，误差的绝对值实际上不会超过一定的范围，因为比它大的误差出现概率极小，可视为零。 　　从以上讨论可知，服从正态分布的随机误差实际上是一个数学期望为零，标准误差σ为的正态分布随机变量，σ在评价随机误差时具有特殊重要意义。 　　 　　从而（-∞，+∞）中（-3σ，+3σ）以外的所有误差出现概率为1－0.9973=0.0027，即不到0.3%的一个很小概率。在概率论中把很小概率的事件视为不可能的事件。所以误差值超过（-3σ，+3σ）范围的情况可视为不可能发生，常取±3σ为随机误差的极限值，它对应的概率为0.9973，这个概率称为“置信概率”。 　　(二)正态分布随机误差的评定指标 　　正确评定随机误差之前，我们必须设定系统误差已经消除或减小到可以忽略的程度。 　　1、算术平均值 ，由于测量误差的存在，测量真值A是无法得到的，因此常用算术平均值作为真值的近似值。当测量次数无限大时，算术平均值就等于真值。实际上测量次数不可能无限大，但可认为 是真值的近似值，是可信也是合理的。 　　2、标准误差σ，通常标准误差σ可用下式表示： 　　 　　对于一个测量列，求出 和σ后，我们便确定了这一正态分布。 　　3、极限误差△m，通常取△m =3σ，当然这里的极限是相对的，它是在某个置信概率下得出的。 　　 　　4、平均误差δ， 　　 　　它能反映随机误差大小与测量次数有关这一特点。 　　5、算术平均值均方差σ，由于 不完全等于真值，也就是说 也存在随机误差，工程应用中常用±3σ作为正态分布随机误差限。 　　 　　二、削弱随机误差的方法 　　 　　从以上分析我们发现，算术平均值 不等于真值A，X存在随机误差，同理 也存在随机误差，要完全消除随机误差是不可能的，只能通过一定的方法削弱。 　　在生产实际中，通常对削弱或消除系统误差比较重视，而对削弱消除随机误差容易忽视这是不全面的。削弱消除随机误差要根据对测量精度的不同要求选用不同的方法。 　　（一）日常应用测量 　　在这种情况下，通常不考虑随机误差的影响，而只注意测量的准确度。 　　（二）一般精度测量 　　对于一般精度测量，可以用多次测量结果的算术平均值作为测量结果是正确也是合理的。从理论上讲，次数n越大越好，但实际上n取得过大既无必要，也不可能，一般n不小于10即可。 　　（三）中精度测量 　　对于一般精度测量中，我们只剔除了明