Реферат Обработка результатов многократных измерений
Работа добавлена на сайт bukvasha.net: 2015-10-28Поможем написать учебную работу
Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
от 25%
договор
ОБРАБОТКА РЕЗУЛЬТАТОВ МНОГОКРАТНЫХ ИЗМЕРЕНИЙ
РЕФЕРАТ
по дисциплине «Метрология, стандартизация и сертификация»
СОДЕРЖАНИЕ
Введение ………………………………………………………………стр.3-4
Последовательность обработки результатов……………..................стр.5-9
Заключение…………………………………………………………….стр.10
Список использованной литературы…………………………………стр.11
ВВЕДЕНИЕ
Измерения — один из важнейших путей познания природы человеком. Они играют огромную роль в современном обществе. Наука и промышленность не могут существовать без измерений. Практически нет ни одной сферы деятельности человека, где бы интенсивно не использовались результаты измерений, испытаний и контроля.
Диапазон измерительных величин и их количество постоянно растут и поэтому возрастает и сложность измерений. Они перестают быть одноактным действием и превращаются в сложную процедуру подготовки и проведения измерительного эксперимента и обработки полученной информации.
Другой причиной важности измерений является их значимость. Основа любой формы управления, анализа, прогнозирования, контроля или регулирования — достоверная исходная информация, которая может быть получена лишь путем измерения требуемых физических величин, параметров и показателей. Только высокая и гарантированная точность результатов измерений обеспечивает правильность принимаемых решений.
Методической основой стандартизации являются математические методы, включая предпочтительные числа и ряды предпочтительных чисел, параметрические ряды, а также унификация деталей и узлов, агрегатирование, комплексная и опережающая стандартизация.
Предпочтительные числа и ряды предпочтительных чисел необходимы для выбора оптимального ряда параметров и типоразмеров готовых изделий. Набор установленных значений параметров составляет параметрический ряд,
который строится по системе предпочтительных чисел.
Прямые многократные измерения делятся на равно- и неравноточные. Равноточными называются измерения, которые проводятся средствами измерений одинаковой точности по одной и той же методике при неизменных внешних условиях. При равноточных измерениях среднее квадратичное отклонение (СКО) результатов всех рядов измерений равны между собой.
Перед проведением обработки результатов измерений необходимо удостовериться в том, что данные из обрабатываемой выборки статистически подконтрольны, группируются вокруг одного и того же центра и имеют одинаковую дисперсию. Устойчивость изменений часто оценивают интуитивно на основе длительных наблюдений. Однако существуют математические методы решения поставленной задачи — так называемые методы проверки однородности. Применительно к измерениям рассматривается однородность групп наблюдений, необходимые признаки которой состоят в оценке несмещенности средних арифметических и дисперсий относительно друг друга.
Задача обработки результатов многократных измерений заключается в нахождении оценки измеряемой величины и доверительного интервала, в котором находится ее истинное значение. Обработка должна проводится в соответствии с ГОСТ 8.207—76 ГСИ. «Прямые измерения с многократными наблюдениями. Методы обработки результатов наблюдений. Общие положения».
ПОСЛЕДОВАТЕЛЬНОСТЬ ОБРАБОТКИ РЕЗУЛЬТАТОВ ПРЯМЫХ МНОГОКРАТНЫХ ИЗМЕРЕНИЙ
Определение точечных оценок закона распределения результатов измерений. На этом этапе определяются:
• среднее арифметическое значение х измеряемой величины ;
• СКО результата измерения Sx ;
• СКО среднего арифметического значения Sx̅. Грубые погрешности и промахи исключаются, после чего проводится повторный расчет оценок среднего арифметического значения и его СКО. В ряде случаев для более надежной идентификации закона распределения результатов измерений могут определяться другие точечные оценки: коэффициент асимметрии, эксцесс и контрэксцесс, энтропийный коэффициент.
Определение закона распределения результатов измерений или случайных погрешностей измерений. В последнем случае от выборки результатов измерений х1, х2, х3,-.., хn переходят к выборке отклонений от среднего арифметического х1, х2, х3,..., хn, где xi = xi - х̅.
Первым шагом при идентификации закона распределения является построение по исправленным результатам измерений xi, где I = 1, 2,..., n, вариационного ряда (упорядоченной выборки), а также уi, где уi = min(xi) и уn = mах(хi). В вариационном ряду результаты измерений (или их отклонения от среднего арифметического) располагают в порядке возрастания. Далее этот ряд разбивается на оптимальное число m, как правило, одинаковых интервалов группирования длиной h = (y1 + yn) / m .
Оптимальным является такое число интервалов m, при котором возможное максимальное сглаживание случайных флуктуации данных сопровождается с минимальным искажением от сглаживания самой кривой искомого распределения. Для практического применения целесообразно использовать предложенные mmin = 0,55n0,4 и mmax = 1,25n0,4, которые получены для наиболее часто встречающихся на практике распределений с эксцессом, находящимся в пределах от 1,8 до 6, т.е. от равномерного до распределения Лапласа.
Искомое значение m должно находится в пределах от mmjn до mmax, быть нечетным, так как при четном m в островершинном или двухмодальном симметричном распределении в центре гистограммы оказываются два равных по высоте столбца и середина кривой распределения искусственно уплощается. В случае, если гистограмма распределения явно двухмодальная, число столбцов может быть увеличено в 1,5-2 раза, чтобы на каждый из двух максимумов приходилось примерно по m интервалов. Полученное значение длины интервала группирования h всегда округляют в большую сторону, иначе последняя точка окажется за пределами крайнего интервала.
Далее определяют интервалы группирования экспериментальных данных в виде 1 = (у1, y1 + h); 2= (y1 +h, y1 + 2h);....; m = (yn - h; уn), и подсчитывают число попаданий nk (частоты) результатов измерений в каждый интервал группирования. Сумма этих чисел должна равняться числу измерений. По полученным значениям рассчитывают вероятности попадания результатов измерений (частости) в каждый из интервалов группирования по формуле pk= nk/n, где k=l, 2,..., m.
Проведенные расчеты позволяют построить гистограмму, полигон и кумулятивную кривую. Для построения гистограммы по оси результатов
откладываются интервалы k в порядке возрастания номеров и на каждом интервале строится прямоугольник высотой pk. В этом случае площадь под гистограммой равна единице. При увеличении числа интервалов и соответственно уменьшении их длины гистограмма все более приближается к гладкой кривой — графику плотности распределения вероятности.
Полигон представляет собой ломаную кривую, соединяющую середины верхних оснований каждого столбца гистограммы.
Рисунок 1-Гистограмма, полигон (а) и кумулятивная кривая (б)
Эти точки при построении полигона соединяют между собой отрезками прямых линий. В результате совместно с осью х образуется замкнутая фигура, площадь которой в соответствии с правилом нормирования должна быть равна единице (или числу наблюдений при использовании частостей).
Кумулятивная кривая — это график статистической функции распределения. Для ее построения по оси результатов наблюдений х (рисунок 1,6) откладывают интервалы k в порядке возрастания номеров и
на каждом интервале строят прямоугольник высотой p
По виду построенных зависимостей может быть оценен закон распределения результатов измерений.
Оценка закона распределения по статистическим критериям. При числе наблюдений n > 50 для идентификации закона распределения используется критерий Пирсона (хи-квадрат) или критерий Мизеса—Смирнова (2). При 50 > n > 15 для проверки нормальности закона распределения применяется составной критерий (d-критерий), приведенный в ГОСТ 8.207-76. При n < 15 принадлежность экспериментального распределения к нормальному не проверяется.
Определение доверительных границ случайной погрешности. Если удалось идентифицировать закон распределения результатов измерений, то с его использованием находят квантильный множитель zp при заданном значении доверительной вероятности Р. В этом случае доверительные границы случайной погрешности А = ±zpS .
Определение границ неисключенной систематической погрешности результата измерений. Под этими границами понимают найденные нестатистическими методами границы интервала, внутри которого находится неисключенная систематическая погрешность. Она образуется из ряда составляющих: как правило, погрешностей метода и средств измерений, а также субъективной погрешности. Границы неисключенной систематической погрешности принимаются равными пределам допускаемых основных и дополнительных погрешностей средств измерений, если их случайные составляющие пренебрежимо малы. Доверительная вероятность при определении границ 6 принимается равной доверительной вероятности, используемой при нахождении границ случайной погрешности.
Определение доверительных границ погрешности результата измерения р. Данная операция осуществляется путем суммирования СКО случайной составляющей Sx̅ и границ неисключенной систематической составляющей в зависимости от соотношения / Sx̅. Результат измерения записывается в виде х = х̅ ± p при доверительной вероятности Р = Р . При отсутствии данных о виде функции распределения составляющих погрешности результаты измерений представляют в виде х, S-. п.8 при доверительной вероятности Р = Рд.
ЗАКЛЮЧЕНИЕ
Многократные измерения проводят с целью уменьшения влияния случайных составляющих погрешностей измерения.
Применение рядов предпочтительных чисел представляет собой параметрическую стандартизацию, которая позволяет получить значительный эффект на всех стадиях жизненного цикла изделий (проектирование, изготовление, эксплуатация и др.) Стандартами параметров охватывается большой диапазон характеристик изделий: материалы, заготовки, размерный режущий инструмент, оснастка, контрольные калибры, узлы по присоединительным размерам, выходные параметры электродвигателей и многое другое, что используется в той или иной отрасли промышленности.
ИСПОЛЬЗОВАННАЯ ЛИТЕРАТУРА
РЕФЕРАТ
по дисциплине «Метрология, стандартизация и сертификация»
СОДЕРЖАНИЕ
Введение ………………………………………………………………стр.3-4
Последовательность обработки результатов……………..................стр.5-9
Заключение…………………………………………………………….стр.10
Список использованной литературы…………………………………стр.11
ВВЕДЕНИЕ
Измерения — один из важнейших путей познания природы человеком. Они играют огромную роль в современном обществе. Наука и промышленность не могут существовать без измерений. Практически нет ни одной сферы деятельности человека, где бы интенсивно не использовались результаты измерений, испытаний и контроля.
Диапазон измерительных величин и их количество постоянно растут и поэтому возрастает и сложность измерений. Они перестают быть одноактным действием и превращаются в сложную процедуру подготовки и проведения измерительного эксперимента и обработки полученной информации.
Другой причиной важности измерений является их значимость. Основа любой формы управления, анализа, прогнозирования, контроля или регулирования — достоверная исходная информация, которая может быть получена лишь путем измерения требуемых физических величин, параметров и показателей. Только высокая и гарантированная точность результатов измерений обеспечивает правильность принимаемых решений.
Методической основой стандартизации являются математические методы, включая предпочтительные числа и ряды предпочтительных чисел, параметрические ряды, а также унификация деталей и узлов, агрегатирование, комплексная и опережающая стандартизация.
Предпочтительные числа и ряды предпочтительных чисел необходимы для выбора оптимального ряда параметров и типоразмеров готовых изделий. Набор установленных значений параметров составляет параметрический ряд,
который строится по системе предпочтительных чисел.
Прямые многократные измерения делятся на равно- и неравноточные. Равноточными называются измерения, которые проводятся средствами измерений одинаковой точности по одной и той же методике при неизменных внешних условиях. При равноточных измерениях среднее квадратичное отклонение (СКО) результатов всех рядов измерений равны между собой.
Перед проведением обработки результатов измерений необходимо удостовериться в том, что данные из обрабатываемой выборки статистически подконтрольны, группируются вокруг одного и того же центра и имеют одинаковую дисперсию. Устойчивость изменений часто оценивают интуитивно на основе длительных наблюдений. Однако существуют математические методы решения поставленной задачи — так называемые методы проверки однородности. Применительно к измерениям рассматривается однородность групп наблюдений, необходимые признаки которой состоят в оценке несмещенности средних арифметических и дисперсий относительно друг друга.
Задача обработки результатов многократных измерений заключается в нахождении оценки измеряемой величины и доверительного интервала, в котором находится ее истинное значение. Обработка должна проводится в соответствии с ГОСТ 8.207—76 ГСИ. «Прямые измерения с многократными наблюдениями. Методы обработки результатов наблюдений. Общие положения».
ПОСЛЕДОВАТЕЛЬНОСТЬ ОБРАБОТКИ РЕЗУЛЬТАТОВ ПРЯМЫХ МНОГОКРАТНЫХ ИЗМЕРЕНИЙ
Определение точечных оценок закона распределения результатов измерений. На этом этапе определяются:
• среднее арифметическое значение х измеряемой величины ;
• СКО результата измерения Sx ;
• СКО среднего арифметического значения Sx̅. Грубые погрешности и промахи исключаются, после чего проводится повторный расчет оценок среднего арифметического значения и его СКО. В ряде случаев для более надежной идентификации закона распределения результатов измерений могут определяться другие точечные оценки: коэффициент асимметрии, эксцесс и контрэксцесс, энтропийный коэффициент.
Определение закона распределения результатов измерений или случайных погрешностей измерений. В последнем случае от выборки результатов измерений х1, х2, х3,-.., хn переходят к выборке отклонений от среднего арифметического х1, х2, х3,..., хn, где xi = xi - х̅.
Первым шагом при идентификации закона распределения является построение по исправленным результатам измерений xi, где I = 1, 2,..., n, вариационного ряда (упорядоченной выборки), а также уi, где уi = min(xi) и уn = mах(хi). В вариационном ряду результаты измерений (или их отклонения от среднего арифметического) располагают в порядке возрастания. Далее этот ряд разбивается на оптимальное число m, как правило, одинаковых интервалов группирования длиной h = (y1 + yn) / m .
Оптимальным является такое число интервалов m, при котором возможное максимальное сглаживание случайных флуктуации данных сопровождается с минимальным искажением от сглаживания самой кривой искомого распределения. Для практического применения целесообразно использовать предложенные mmin = 0,55n0,4 и mmax = 1,25n0,4, которые получены для наиболее часто встречающихся на практике распределений с эксцессом, находящимся в пределах от 1,8 до 6, т.е. от равномерного до распределения Лапласа.
Искомое значение m должно находится в пределах от mmjn до mmax, быть нечетным, так как при четном m в островершинном или двухмодальном симметричном распределении в центре гистограммы оказываются два равных по высоте столбца и середина кривой распределения искусственно уплощается. В случае, если гистограмма распределения явно двухмодальная, число столбцов может быть увеличено в 1,5-2 раза, чтобы на каждый из двух максимумов приходилось примерно по m интервалов. Полученное значение длины интервала группирования h всегда округляют в большую сторону, иначе последняя точка окажется за пределами крайнего интервала.
Далее определяют интервалы группирования экспериментальных данных в виде 1 = (у1, y1 + h); 2= (y1 +h, y1 + 2h);....; m = (yn - h; уn), и подсчитывают число попаданий nk (частоты) результатов измерений в каждый интервал группирования. Сумма этих чисел должна равняться числу измерений. По полученным значениям рассчитывают вероятности попадания результатов измерений (частости) в каждый из интервалов группирования по формуле pk= nk/n, где k=l, 2,..., m.
Проведенные расчеты позволяют построить гистограмму, полигон и кумулятивную кривую. Для построения гистограммы по оси результатов
откладываются интервалы k в порядке возрастания номеров и на каждом интервале строится прямоугольник высотой pk. В этом случае площадь под гистограммой равна единице. При увеличении числа интервалов и соответственно уменьшении их длины гистограмма все более приближается к гладкой кривой — графику плотности распределения вероятности.
Полигон представляет собой ломаную кривую, соединяющую середины верхних оснований каждого столбца гистограммы.
Рисунок 1-Гистограмма, полигон (а) и кумулятивная кривая (б)
Эти точки при построении полигона соединяют между собой отрезками прямых линий. В результате совместно с осью х образуется замкнутая фигура, площадь которой в соответствии с правилом нормирования должна быть равна единице (или числу наблюдений при использовании частостей).
Кумулятивная кривая — это график статистической функции распределения. Для ее построения по оси результатов наблюдений х (рисунок 1,6) откладывают интервалы k в порядке возрастания номеров и
на каждом интервале строят прямоугольник высотой p
По виду построенных зависимостей может быть оценен закон распределения результатов измерений.
Оценка закона распределения по статистическим критериям. При числе наблюдений n > 50 для идентификации закона распределения используется критерий Пирсона (хи-квадрат) или критерий Мизеса—Смирнова (2). При 50 > n > 15 для проверки нормальности закона распределения применяется составной критерий (d-критерий), приведенный в ГОСТ 8.207-76. При n < 15 принадлежность экспериментального распределения к нормальному не проверяется.
Определение доверительных границ случайной погрешности. Если удалось идентифицировать закон распределения результатов измерений, то с его использованием находят квантильный множитель zp при заданном значении доверительной вероятности Р. В этом случае доверительные границы случайной погрешности А = ±zpS .
Определение границ неисключенной систематической погрешности результата измерений. Под этими границами понимают найденные нестатистическими методами границы интервала, внутри которого находится неисключенная систематическая погрешность. Она образуется из ряда составляющих: как правило, погрешностей метода и средств измерений, а также субъективной погрешности. Границы неисключенной систематической погрешности принимаются равными пределам допускаемых основных и дополнительных погрешностей средств измерений, если их случайные составляющие пренебрежимо малы. Доверительная вероятность при определении границ 6 принимается равной доверительной вероятности, используемой при нахождении границ случайной погрешности.
Определение доверительных границ погрешности результата измерения р. Данная операция осуществляется путем суммирования СКО случайной составляющей Sx̅ и границ неисключенной систематической составляющей в зависимости от соотношения / Sx̅. Результат измерения записывается в виде х = х̅ ± p при доверительной вероятности Р = Р . При отсутствии данных о виде функции распределения составляющих погрешности результаты измерений представляют в виде х, S-. п.8 при доверительной вероятности Р = Рд.
ЗАКЛЮЧЕНИЕ
Многократные измерения проводят с целью уменьшения влияния случайных составляющих погрешностей измерения.
Применение рядов предпочтительных чисел представляет собой параметрическую стандартизацию, которая позволяет получить значительный эффект на всех стадиях жизненного цикла изделий (проектирование, изготовление, эксплуатация и др.) Стандартами параметров охватывается большой диапазон характеристик изделий: материалы, заготовки, размерный режущий инструмент, оснастка, контрольные калибры, узлы по присоединительным размерам, выходные параметры электродвигателей и многое другое, что используется в той или иной отрасли промышленности.
ИСПОЛЬЗОВАННАЯ ЛИТЕРАТУРА
Пустыльник Е.И. Статистические методы анализа и обработки наблюдений. – М.:Изд. «Наука», 1968. –288 с.
Шаловников Э.А. Метрология, стандартизация и сертификация. Методические указания и контрольные задания для студентов специальностей 21.02.03 (АГ) и 1804 (АЭ) дневной и заочной форм обучения.- Изд-во УГНТУ, Уфа, 1999.