现代检测技术-测量误差和处理

---

测量误差的处理

测量误差的表示

1.绝对误差$\delta$

$$\delta =x-A$$

2.相对误差$\gamma$

定义：绝对误差与真值之比：
$$\gamma =\frac{\delta }{\mu }\times 100\%$$
因为测得值一般与真值相近，我们一般也可以近似的用测得值代替真值进行相对误差德计算：
$${\gamma }_A=\frac{\delta }{x}\times 100\%$$
该值通常被叫做示值相对误差

3.引用误差${\gamma }_m$

常用于多档和连续刻度的仪器仪表中使用。避免了将使用相对误差时，需要不停对分母进行变化引发繁琐的计算。此处是定义为绝对误差$\delta$与测量装置的量程$B$之比。
$$\begin{gathered} {\gamma }_m=\frac{\delta }{B}\times 100\% \\ B=x_{max}-x_{min} \end{gathered}$$
最大引用误差：
$$R_m=|\frac{{\delta }_{max}}{B}|\times 100\%$$
通常将该引用误差应用于不超过某个规定值，然后去评价使用什么设备。

这个最大引用误差又被称为仪表的允许误差（用于划分准确度等级）

系统误差

定义

在相同的条件下，对同一被测量进行多次重复测量时，所出现的固定不变或按一定规律变化的误差。

分类

• 恒值系统误差：在测量的过程中，误差的大小符号固定不变
• 变值系统误差：
  • 累积性系统误差：随时间增大或减小
  • 周期性系统误差：误差呈周期性变化

常见案例

• 因天平砝码重量超差产生的系统误差/GPS卫星采用的高精度原子钟和标准时间之间的误差
• 万用表电池电压随时间下降引起的测量误差
• 光栅的细分误差

系统误差判定方法：

1.残余误差观察法

注意：当系统误差比随机误差小，就不能通过观察来发现系统误差，于是通过马利克夫准则和阿贝-赫梅特准则（检验误差的分布是否偏离正态分布）

马利科夫准则

适用于发现线性系统误差。将测量的多次数据按先后次序分为前后两组，然后把两组的残差的代数和相减得到判别之$\Delta$为：
$$\Delta =\sum _{i=1}^K{\nu }_i-\sum _{i=K+1}^n{\nu }_i$$
当$\Delta$显著不为0，则可认为测量中存在线性系统误差；若$\Delta$近似等于0，说明测量值不存在线性系统误差；当$\Delta$等于0，则无法判断是否存在系统误差。

阿贝-赫梅特准则

适用于周期性系统误差。按先后次序进行排序之后，求出测量列的标准差$\hat{\sigma }$,然后计算统计量
$$C=|\sum _{i=1}^{n-1}{\nu }_i{\nu }_{i+1}|$$
当$|C|>\sqrt{n-1}{\hat{\sigma }}^2$时，可认为测量列中含有周期性系统误差

误差处理

减小恒值系统误差

1. 替代法：用检测装置对被测量进行测量后，再用同一检测装置对一已知标准量进行同样的测量，并使指示值相同，则已知标准量的量值即为被测量的量值。
2. 交换法：用平衡法对被测量进行一次测量，然后把被测量与标准量的位置交换再进行一次测量，取两次测量的标准量值的平均值作为测量结果
3. 抵消法：适当改变测量条件对被测量进行两次测量，使两次测量所产生的系统误差大小相等、符号相反，取两次测得值的平均值作为测量结果

减小线性系统误差

采用等时间间隔对称取值，将各直接测量测得值的平均值作为测量结果，再通过已定的函数关系式计算被测量的测量结果。

随机误差

定义：在相同的条件下，对同一被测量进行多次重复测量时，所出现的数值大小和符号都以无规律方式变化的误差。

一般把置信限$a$取为$\sigma$的若干倍，即
$$a=\pm k\sigma$$
如下表是典型的k值以及相关的置信概率

k	置信概率
2	0.9544
3	0.9973

贝塞尔公式

计算测量列标准差：
$$s=\hat{\sigma }=\sqrt{\frac{1}{n-1}\sum _{i=1}^n{\left(x_i-\bar{x}\right)}^2}=\sqrt{\frac{1}{n-1}\sum _{i=1}^n{v}_i^2}$$
测量列算术平均值的标准差：
$$s_{\bar{x}}=\frac{s}{\sqrt{n}}=\sqrt{\frac{1}{n(n-1)}\sum _{i=1}^n{v}_i^2}$$

粗大误差

定义：明显地偏离了被测量真值的测量值所对应的误差

误差处理

一般是选定一个置信概率P，得出置信水平，然后按一定标准设置置信区间，凡是超出区间的误差即可认为是粗大误差。

3$\sigma$准则

通常将该准则只应用于测量次数n>50的情况，当$n\le 10$，该准则失效

格罗布斯准则

$$|{\nu }_b|=|x_b-\overline{x|}>[g_0(b,\alpha )]\sigma$$

当测量值的参与误差大于该值，就被认为是坏值，需要剔除(每次只能移除一个最大的异常数据)，然后，重新计算测量列的算术平均值和标准偏差

误差之间的关系

• 精密度表征了多次重复对同一被测量测量时，各个测量值分布的密集程度。精密度越高则表征各测量值彼此越接近。

• 正确度表征了测量值和被测量真值的接近程度。

• 准确度越高则表征测量值越接近真值。 准确度是正确度和精密度的综合，准确度高则表征了正确度和精密度都高。

误差的传递和分配

误差的传递

在间接测量中，被测量y和各直接测量量$x_i$之间的函数关系可以表示为：
$$y=f\left(x_1,x_2,\cdots ,x_n\right)$$
则间接测量量y的误差$\Delta y$为：
$$\Delta y=\frac{\partial f}{\partial x_1}\Delta x_1+\frac{\partial f}{\partial x_2}\Delta x_2+\cdots +\frac{\partial f}{\partial x_n}\Delta x_n=\sum _{j=1}^n\frac{\partial f}{\partial x_j}\Delta x_j=\sum _{j=1}^n{f}_{xj}^{\prime }\Delta x_j=\sum _{j=1}^n{D}_j$$
根据标准偏差的定义，间接测量y的标准偏差可计算为：

$$\begin{array}{rl}{\sigma }_y& =\sqrt{{\left(\frac{\partial f}{\partial x_1}\right)}^2{\sigma }_1^2+{\left(\frac{\partial f}{\partial x_2}\right)}^2{\sigma }_2^2+\cdots +{\left(\frac{\partial f}{\partial x_n}\right)}^2{\sigma }_n^2+2R}\\ & =\sqrt{\sum _{j=1}^n{f}_{xj}^{\prime 2}{\sigma }_j^2+2R}=\sqrt{\sum _{j=1}^n{D}_j^2+2R}\end{array}$$
又因为各直接测量量相互独立，所以R=0
$${\sigma }_y=\sqrt{\sum _{j=1}^{\mathrm{n}}{\left(\frac{\partial f}{\partial x_j}\right)}^2{\sigma }_j^2}=\sqrt{\sum _{j=1}^{\mathrm{n}}{f}_{x_j}^{\prime 2}{\sigma }_j^2}$$

误差的分配

根据已知的或给定的间接测量量y的误差${\zeta }_y$，确定各直接测量量$x_j（j＝1，2，\dots ，n）$的误差${\sigma }_j$或${\epsilon }_j$

具体应用：已知对某个总偏差限定在一个范围，然后通过等作用原则计算对每个直接测量量的偏差要求，通过调整直接测量量的偏差需求，使用误差传递公式得出最后是否满足要求。