电气测量技术23.pptVIP

测量误差及其分析 随机误差的处理 随机误差的统计特性和概率分布 随机误差的数学表达 随机误差的统计特性 随机误差的概率分布 随机误差的数学表达 根据误差理论，任何一次测量中，一般都含有系统误差ε和随机误差δ，即 ΔA=ε+δ=Ax-A0 在一般工程测量中，系统误差ε大于随机误差δ ，即εδ ，相对来讲随机误差可以忽略不计，此时只需处理和估计系统误差即可。 随机误差的数学表达 在精密测量中，系统误差已经消除或小得可以忽略不计时，即ε≈0，可得 ΔA≈δ=Ax-A0 即随机误差等于测量值与其真值之差。 这种情况下，随机误差显得特别重要，所以在处理和估计误差时，必须且只需考虑随机误差 随机误差的数学表达 当系统误差和随机误差都不能忽略时，系统误差和随机误差应分别处理和估计，然后按一定的方式合成最后的系统误差和随机误差，以估计测量结果的准确度。 随机误差的统计特性 就单次测量而言，随机误差无规律，其大小、方向不可预知。但当测量次数足够多时，随机误差的总体服从统计学规律。 对某量进行无系统误差等精度（各种测量因素相同）重复测量n次，其测量读数分别为A1，A2，…Ai…An ，则测量误差分别为： 随机误差的统计特性 有界性，即随机误差的绝对值不超过一定的界限。 单峰性，即绝对值小的随机误差比绝对值大的随机误差出现的概率大。 对称性，等值反号的随机误差出现的概率接近相等。 抵偿性，当n→∞时，随机误差的代数和为零。 随机误差的统计特性 ①在一定的条件下，偶然误差的绝对值不会超过一定的限度;（有界性） ②绝对值小的误差比绝对值大的误差出现的机会要多；（密集性、区间性） ③绝对值相等的正、负误差出现的机会相等， 可相互抵消； ④同一量的等精度观测，其偶然误差的算术平均值，随着观测次数的增加而趋近于零 随机误差的概率分布 随机误差的概率分布有很多种。 常见：正态分布、均匀分布、t分布、反正弦分布、梯形分布和三角分布等。 正态分布 随机误差是个随机变量，而这个随机变量是由大量的、相互独立的、微弱的因素所组成。 在大多数情况下，随机误差的概率都服从正态分布或接近正态分布。 随机误差的概率分布 正态分布的随机误差 概率密度函数 随机误差的概率分布 正态分布曲线 随机误差的概率分布 均匀分布 随机误差的概率分布 T分布 随机变量的特征参数 测量数据的数学期望 随机变量的方差和标准差 测量数据数学期望的估计 算术平均值原理 标准偏差的估计 算术平均值的标准差 测量结果的置信度 测量数据的数学期望 对一个被测量在等精度条件下进行多次独立测量，若已消除了系统误差，则所得测量数据是一个随机变量，以A表示，其数学期望M(A)为 式中n 测量次数 Ai 第i次的测量结果 根据随机误差的抵偿特性，随机误差的数学期望为零 测量数据的数学期望 对随机误差表达式ΔA≈δ=Ax-A0两边取其数学期望，则 被测量真值的数学期望就是真值本身，即M(A0)=A0 在等精度重复测量中，当n→∞时，测量数据的数学期望就是被测量的真值。 数学期望体现了随机变量分布中心的位置 随机变量的方差和标准差 服从正态分布的随机变量，其方差定义为 ①随机误差的抵偿性会使正负误差相互抵消，故不能采用误差直接平均而须采用平方后平均。 ②方差对绝对值大的误差反映比较灵活，而而可客观地表征测量数据的离散程度。 方差的量纲是测量数据量纲的平方，所以在测量结果的表示中不是很方便，因而经常不用方差而使用标准偏差，简称标准差。 随机变量的方差和标准差 标准差定义为方差的正的算术平方根 标准差σ是测量数据离散程度的表征 标准差σ值愈小，测量数据愈集中，概率密度曲线愈陡峭。 标准差σ值愈大，测量数据愈分散，概率密度曲线愈平坦。 在一定的置信概率下，标准差σ值愈小，所对应的误差极限范围愈小，则测量数据的可靠性愈大。 测量数据数学期望的估计 存在问题：测量数据的数学期望是在测量次数足够（n→∞）的条件下，定义的，而在实际测量中，不可能满足这个条件. 解决办法：根据有限的测量数据求出数学期望的估计值或近似值。 算术平均值是被测量A数学期望（真值） M（A）的最佳估计，这一原理—算术平均值原理。 测量数据数学期望的估计 算术平均值原理 假设对某被测量A进行n次等精度无系统误差独立测量，测得数据为： Ai (i=1,2,3…n) 被测量列（由A1,A2…An组成的数据列）的最佳可信赖值是测量列的算术平均值。 前提1:n次等精度(σ1=σ2=…σn=σ) 前提2:无系统误差(ε=0) 测量数据数学期望的估计 算术平均值的数学表达式 A 充分性：估计值 包含了样本（测量列）的全部信息 无