1.根据测量条件分为
(1)等精度测量:用相同仪表与测量方法对同一被测量进行多次重复测量
(2)不等精度测量:用不同精度的仪表或不同的测量方法, 或在环境条件相差很大时对同一被测量进行多次重复测量
2.根据被测量变化的快慢分为
(1)静态测量
(2)动态测量
1.直接测量法:不必测量与被测量有函数关系的其他量,而能直接得到被测量值的测量方法。
2.间接测量法:通过测量与被测量有函数关系的其他量来得到被测量值的测量方法。
3.定义测量法:根据量的定义来确定该量的测量方法。
4.静态测量方法:确定可以认为不随时间变化的量值的测量方法。
5.动态测量方法:确定随时间变化量值的瞬间量值的测定方法。
6.直接比较测量法:将被测量直接与已知其值的同种量相比较的测量方法。
7.微差测量法:将被测量与只有微小差别的已知同等量相比较,通过测量这两个量值间的差值来确定被测量值的测量方法。
(1)正态分布
随机误差具有以下特征:
① 绝对值相等的正误差与负误差出现的次数大致相等——对称性;
② 在一定测量条件下的有限测量值中,其随机误差的绝对值不会超过一定的界限——有界性;
③ 绝对值小的误差出现的次数比绝对值大的误差出现的次数多——单峰性;
④对同一量值进行多次测量,其误差的算术平均值随着测量次数n的增加趋向于零——抵偿性。(凡是具有抵偿性的误差原则上可以按随机误差来处理);
这种误差的特征符合正态分布
(2)随机误差的数字特征:如图所示:
(3)用测量的均值代替真值;
(4)有限次测量中,算术平均值不可能等于真值;
(5)正态分布随机误差的概率计算
当k=±1时, Pa=0.6827, 即测量结果中随机误差出现在-σ~ σ范围内的概率为68.27%, 而|v|>σ的概率为31.73%。出现在-3σ~ 3σ范围内的概率是99.73%, 因此可以认为绝对值大于3σ的误差是不可能出现的, 通常把这个误差称为极限误差。
例题:见图所示:
(6)不等精度直接测量的权与误差
1.在不等精度测量时, 对同一被测量进行m组测量, 得到m组测量列(进行多次测量的一组数据称为一测量列)的测量结果及其误差, 它们不能同等看待。精度高的测量列具有较高的可靠性, 将这种可靠性的大小称为“权”。
2.“权”可理解为各组测量结果相对的可信赖程度。 测量次数多, 测量方法完善, 测量仪表精度高, 测量的环境条件好, 测量人员的水平高, 则测量结果可靠, 其权也大。权是相比较而存在的。 权用符号p表示, 有两种计算方法: "para" label-module="para">
① 用各组测量列的测量次数n的比值表示, 并取测量次数较小的测量列的权为1,则有
p1∶p2∶…∶pm=n1∶n2∶…∶nm
② 用各组测量列的误差平方的倒数的比值表示, 并取误差较大的测量列的权为1, 则有
p1∶p2∶…∶pm=(1/σ1)^2:(1/σ2)^2:(1/σ3)^2:……(1/σm)^2
(1)系统误差产生的原因
①传感器、仪表不准确(刻度不准、放大关系不准确)
②测量方法不完善(如仪表内阻未考虑)
③安装不当
④环境不合
⑤操作不当;
(2)系统误差的判别
①实验对比法,例如一台测量仪表本身存在固定的系统误差,即使进行多次测量也不能发现,只有用更高一级精度的测量仪表测量时,才能发现这台测量仪表的系统误差;
②残余误差观察法(绘出先后次序排列的残差);
③准则检验法
马利科夫判据是将残余误差前后各半分两组, 若“Σvi前”与“Σvi后”之差明显不为零, 则可能含有线性系统误差。
阿贝检验法则检查残余误差是否偏离正态分布, 若偏离, 则可能存在变化的系统误差。将测量值的残余误差按测量顺序排列,且设A=v12 v22 … vn2, B=(v1-v2)2 (v2-v3)2"para" label-module="para">
若|B/2A-1|>1/n^1/2,则可能含有变化的系统误差。
(3)系统误差的消除
在测量结果中进行修正 已知系统误差, 变值系统误差, 未知系统误差
消除系统误差的根源 根源
在测量系统中采用补偿措施
实时反馈修正
剔除坏值的几条原则:
(1)3σ准则(莱以达准则):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。
(2)肖维勒准则:假设多次重复测量所得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Zc<3, 所以在一定程度上弥补了3σ准则的不足。
(3)格拉布斯准则: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。 G值与重复测量次数n和置信概率Pa有关。
解题步骤:如图所示:
(1)误差的合成:如图所示:
绝对误差的合成(例题):
用手动平衡电桥测量电阻RX。已知R1=100Ω, R2=1000Ω, RN=100Ω,各桥臂电阻的恒值系统误差分别为ΔR1=0.1Ω, ΔR2=0.5Ω, ΔRN=0.1Ω。求消除恒值系统误差后的RX.
(2)最小二乘法的应用:
推导过程,如图册所示:
最小二乘法应用例子:如图册所示:
5.用经验公式拟合实验数据——回归分析
用经验公式拟合实验数据,工程上把这种方法称为回归分析。回归分析就是应用数理统计的方法,对实验数据进行分析和处理,从而得出反映变量间相互关系的经验公式,也称回归方程。