传感器原理与应用复习—测量概述与测量误差

2023-12-26 01:28

本文主要是介绍传感器原理与应用复习—测量概述与测量误差,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 测量概论
  • 测量误差
  • 下一篇

测量概论

通常的测量结果包括比值和测量单位
测量结果的完整描述应包括估计值,测量单位及测量的不确定度(误差)

测量分类:

  1. 根据测得的值是否直接使用

    • 直接测量:不需要经过任何运算,直接得到被测量的数值
    • 间接测量:将直接测得的值带入函数关系式,经过计算得到所需要的结果
    • 组合测量:若被测量必须经过求解联立方程组求得,称为组合测量
  2. 根据测量方法分为:偏差式测量,零位法测量与微差法测量

    • 偏差式: 用仪表指针的位移决定被测量的量值
    • 零位式:用指零仪表的零位反应测量系统的平衡状态,用已知的标准量决定被测量的量值
    • 微差式:将被测量量与已知标准量相比较,取得差值后,在用偏差法测得此差值

检测系统:

  1. 开环系统
    在这里插入图片描述
    开环系统输入输出关系 y = k 1 k 2 k 3 x y = k_1k_2k_3x y=k1k2k3x

  2. 闭环系统
    在这里插入图片描述
    闭环系统输入输出关系 y = k 1 β x y = \frac{k_1}{\beta}x y=βk1x

区别:开环系统没有反馈,闭环系统有反馈

测量误差

表示方法

  1. 绝对误差
    定义:测量值减真实值(真实值通常是约定的)
    Δ = x − L \Delta = x - L Δ=xL

  2. 相对误差
    定义:用绝对误差除以真值
    δ = Δ L ∗ 100 % \delta = \frac{\Delta}{L} * 100\% δ=LΔ100%

  3. 引用误差
    定义:用绝对误差除以(仪器测量范围的上限减测量范围的下限)
    γ = Δ 测量范围上限  − 测量范围下限 \gamma = \frac{\Delta}{测量范围上限\ -\ 测量范围下限} γ=测量范围上限  测量范围下限Δ

误差的性质

  1. 随机误差
    在同一测量条件下,多次测量被测量时,其绝对值和符号以不可预订方式变化着的误差,要按照统计规律进行处理如求均值
    随机误差的影响因素:电磁场的微变、零件的摩擦、间隙、热起伏、空气扰动、气压及湿度的变化等属于随机误差
  2. 系统误差
    在条件发生改变时,按一定规律(如线性、多项式、周期性等函数规律)变化的误差,可以进行修正
  3. 粗大误差
    超出规定条件下预期的误差,数据处理时要进行剔除
    在这里插入图片描述
    例题1-3 用测量范围为-50~150kPa的压力传感器测量140kPa压力时,传感器测得示值为142kPa,求该示值的绝对误差、实际相对误差、引用误差。
    在这里插入图片描述
    例题1-5 已知待测力为70N,现有两只测力仪表,一只测量范围为0~500N,精度为0.5级,另一只测量范围为0 ~ 100N,精度为1.0级。问选用哪一只测力仪表好?为什么?
    在这里插入图片描述

误差的处理
随机误差的处理
随机误差是服从正太分布的
特点:

  1. 单峰性:越接近波峰出现的概率越大
  2. 有界性:随机误差的绝对值不会超过一定界限( 3 σ 3\sigma 3σ准则等)
  3. 对称性
  4. 抵偿性

方法:

  1. 算术平均值 x ˉ \bar{x} xˉ
    利用各个随机误差的算术平均值 x ˉ = 1 n ∑ x i \bar{x} = \frac{1}{n} \sum{x_i} xˉ=n1xi 作为真实值
    这样算出来的误差 v i = x i − x ˉ v_i = x_i - \bar{x} vi=xixˉ 对应的每一个,称为残差
  2. 标准偏差
    由于真值实际上时拿不到的,所以我们要使用样本标准差,这两种的计算公式是不同的
    样本标准差 σ s = 1 n − 1 ∗ ( ∑ x i − x ˉ ) 2 = ∑ v i 2 n − 1 \sigma_s = \sqrt{\frac{1}{n - 1} * (\sum{x_i - \bar{x}})^2} = \sqrt{\frac{\sum{v_i^2}}{n - 1}} σs=n11(xixˉ)2 =n1vi2
    算术平均值的可靠性指标用算术平均值的标准差 σ x ˉ \sigma_{\bar{x}} σxˉ来评定
    表示方法: σ x ˉ = σ s n \sigma_{\bar{x}} = \frac{\sigma_s}{\sqrt{n}} σxˉ=n σs
    因为平均值的标准差比单个数更小所以除了一个 n \sqrt{n} n
  3. 正太分布随机误差的概率处理
    可以认为绝对值大于 3 σ 3\sigma 3σ 的误差是不可能的,通常把这个误差称为极限误差
    测量结果可表示为 x = x ˉ + 3 σ x ˉ ( p a = 0.9973 ) x = \bar{x} + 3\sigma_{\bar{x}} (p_{a} = 0.9973) x=xˉ+3σxˉ(pa=0.9973)
    后面括号是置信区间
    在这里插入图片描述
    在这里插入图片描述

不等精度的直接层测量的权和误差
权可理解为各组测量结果相对的可信赖程度
权值的确定方法:一种方法是根据测量的次数,一种是根据标准差平方的倒数

粗大误差的处理:
方法是进行剔除
寻找的方法:

  • 3 σ \sigma σ准则
    步骤:
    1. 先算出 σ \sigma σ, 将不在3 σ \sigma σ内的点剔除掉
    2. 重新计算剩下的 σ \sigma σ,直到所有的点都在3 σ \sigma σ
  • 肖维勒准则
    实验使用多少 σ \sigma σ与实验的次数有关
    在这里插入图片描述
    对应多少 σ \sigma σ如上表
  • 格拉布准则
    格拉布给出了不同测量次数以及不同置信区间所需要多少 σ \sigma σ
    在这里插入图片描述

下一篇

未完待续

这篇关于传感器原理与应用复习—测量概述与测量误差的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/537659

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

hdu1394(线段树点更新的应用)

题意:求一个序列经过一定的操作得到的序列的最小逆序数 这题会用到逆序数的一个性质,在0到n-1这些数字组成的乱序排列,将第一个数字A移到最后一位,得到的逆序数为res-a+(n-a-1) 知道上面的知识点后,可以用暴力来解 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#in

zoj3820(树的直径的应用)

题意:在一颗树上找两个点,使得所有点到选择与其更近的一个点的距离的最大值最小。 思路:如果是选择一个点的话,那么点就是直径的中点。现在考虑两个点的情况,先求树的直径,再把直径最中间的边去掉,再求剩下的两个子树中直径的中点。 代码如下: #include <stdio.h>#include <string.h>#include <algorithm>#include <map>#

hdu4407(容斥原理)

题意:给一串数字1,2,......n,两个操作:1、修改第k个数字,2、查询区间[l,r]中与n互质的数之和。 解题思路:咱一看,像线段树,但是如果用线段树做,那么每个区间一定要记录所有的素因子,这样会超内存。然后我就做不来了。后来看了题解,原来是用容斥原理来做的。还记得这道题目吗?求区间[1,r]中与p互质的数的个数,如果不会的话就先去做那题吧。现在这题是求区间[l,r]中与n互质的数的和

【区块链 + 人才服务】可信教育区块链治理系统 | FISCO BCOS应用案例

伴随着区块链技术的不断完善,其在教育信息化中的应用也在持续发展。利用区块链数据共识、不可篡改的特性, 将与教育相关的数据要素在区块链上进行存证确权,在确保数据可信的前提下,促进教育的公平、透明、开放,为教育教学质量提升赋能,实现教育数据的安全共享、高等教育体系的智慧治理。 可信教育区块链治理系统的顶层治理架构由教育部、高校、企业、学生等多方角色共同参与建设、维护,支撑教育资源共享、教学质量评估、

AI行业应用(不定期更新)

ChatPDF 可以让你上传一个 PDF 文件,然后针对这个 PDF 进行小结和提问。你可以把各种各样你要研究的分析报告交给它,快速获取到想要知道的信息。https://www.chatpdf.com/

Java 创建图形用户界面(GUI)入门指南(Swing库 JFrame 类)概述

概述 基本概念 Java Swing 的架构 Java Swing 是一个为 Java 设计的 GUI 工具包,是 JAVA 基础类的一部分,基于 Java AWT 构建,提供了一系列轻量级、可定制的图形用户界面(GUI)组件。 与 AWT 相比,Swing 提供了许多比 AWT 更好的屏幕显示元素,更加灵活和可定制,具有更好的跨平台性能。 组件和容器 Java Swing 提供了许多