Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
0056704_0BAE2_capenko_m_p_izmeritelnye_informac...doc
Скачиваний:
12
Добавлен:
01.03.2025
Размер:
15 Мб
Скачать
☆

20.2. Оценка полной погрешности

Если составлена СЛСА системы, то в ней можно выделить пре­образования измерительной информации, сопровождающиеся по­грешностями.

Очень важной задачей является определение полной погреш­ности ИИС по характеристикам погрешности этих функциональ­ных преобразований или выполняющих их блоков..

В этой задаче можно выделить два предельных случая:

определение полной погрешности одноканальной (последова­тельной) многоблочной ИИС;

оценка погрешности ИИС многоканальной (параллельной)-структуры.

Вопросы определения полной погрешности ИИС смешанной па­раллельно-последовательной структуры решены пока с недоста­точной для практики полнотой.

Наиболее разработанной является задача определения полной) статической погрешности многозвенных последовательных измери­тельных систем. Методы, применяемые для ее решения., завиеят от того, в какой форме заданы погрешности отдельных звеньев, за-

даны ли их законы распределения или заданы только некоторые числовые характеристики частных погрешностей.

Рассмотрим применяемые в названных случаях методы.

Если известны аналитические выражения для законов распре­деления погрешностей отдельных звеньев и система линейна, то задача может быть решена с помощью методов свертки или с ис­пользованием характеристических функций.

Пусть, например, ei и е2 — случайные функции погрешности двух соседних звеньев, a f(si) и ^(ег) —их плотности распределе­ния. Тогда, если эти погрешности независимы, закон распределе­ния суммарной погрешности ei,2 этих двух звеньев находится с помощью свертки исходных плотностей:

оэ fK,)= Jf(eI)f(eI.,-e1)deI.

—со

Применяя последовательно операцию свертки п—1 раз, где п— количество звеньев, получаем закон распределения полной по­грешности системы.

Использование метода характеристических функций заключа­ется в следующем. По теореме умножения характеристическая функция суммы независимых случайных величин определяется как произведение их характеристических функций, т. е. в нашем случае

п

где

g(lt) = M[eUl]= Je'Nfo)*/

—оо

— характеристическая функция погрешности i-ro звена; g^kz) — характеристическая функция суммарной погрешности системы.

Выполнив затем обратное преобразование, можно найти закон распределения полной погрешности f (es) системы.

Следует отметить, что инженерное решение задачи определения лолной погрешности данными методами в большинстве случаев может быть получено лишь после преодоления трудностей, связан­ных с вычислением многомерных интегралов.

В настоящее время все большее значение приобретает развитие методов решения задачи определения полной погрешности, осно­ванных на математическом моделировании. К ним относятся метод статистических испытаний (СИ) и метод деревьев логических воз­можностей (ДЛВ). Оба метода позволяют определить закон рас­пределения полной погрешности как в случае, когда законы рас­пределения погрешностей отдельных звеньев заданы аналитически, так и в случае, когда эти законы заданы в виде гистограмм.

Метод СИ является более разработанным и известным методом, ■чем метод .ДЛВ. Сущность использования метода СИ для опре­деления полной погрешности ИС заключается в следующем. За­коны распределения случайных первичных погрешностей форми­руются с помощью специальных генераторов или программным путем. Осуществляя многократный перебор случайных сочетаний значений первичных погрешностей и определяя каждый раз полную погрешность, можно по результатам испытаний воспроизвести за­кон распределения полной погрешности ИС. Принципиально метод СИ не менее точен, чем аналитические методы расчета, но для получения высокой точности определения полной погрешности он ■требует перебора весьма большого количества случайных сочета­ний первичных погрешностей.

Использование метода ДЛВ для определения полной погреш­ности многозвенных ИС менее известно, поэтому представляется целесообразным отстановиться на этом методе более подробно. ■Сущность метода ДЛВ заключается в следующем [20.3]. Пусть имеется некоторое пространство логических возможностей. В этом пространстве может быть построено так называемое дерево, пред­ставляющее собой связный граф, в котором нет ни одного контура. Каждой ветви дерева приписывается некоторая вероятностная ме­ра, представляющая собой безусловную или условную вероят­ность получения отдельных первичных погрешностей или возмож­ного сочетания различных первичных погрешностей. Законы распределения погрешностей при использовании метода ДЛВ пред­ставляются в виде дискретной последовательности возможных зна* чений первичных ошибок е, каждому из которых приписывается определенная вероятность. Любое отдельное сочетание случайных значений различных первичных погрешностей представляет собой реализацию, вероятность которой определяется вероятностями вы­бранных значений первичных погрешностей. Каждая полученная описанным образом реализация образует вполне определенный путь в ДЛВ, и для нее сравнительно легко определить вероят­ность.

Разберем на примере, заимствованном из [20.3], графический •способ построения ДЛВ. Предположим, что рассматривается си­стема независимых случайных величин а, 'о, с, каждая из которых ■может принимать несколько дискретных случайных значений щ, b;, ck (например, i=/=&=l, 2, 3) с заданными вероятностями р

р. , р В дальнейшем для простоты вместо ait bj, ch будем писать

i, j, k.

Для независимых случайных величин процесс построения ДЛВ можно начать с любой из них и в произвольной последовательно­сти. Вероятность появления каждой из возможных реализаций может быть записана так:

P[iAiAk]=p[i]pi[j]p.„ j[k] =piP4jPij,h-Последние два сомножителя в приведенном выражении после­довательно указывают выбранный путь на ДЛВ. В более общем

Рш

P l3Z

Pzzz

P33Z

Рис. 20.1. Пример построения дерева логических возмож­ностей

случае, когда случайные величины статистически зависимы, ве­роятности р,-,з и pi,j,h являются условными. ДЛВ, построенное для рассматриваемого случая, изображенно на рис. 20.1.

Точка О на рис. 20.1 называется корнем дерева. Отрезки пря­мых pi называются ветвями первого ранга, отрезки прямых pi,j — ветвями второго ранга, отрезки прямых pi,j,k — ветвями третьего ранга. При построении ДЛВ ветви всех рангов откладываются в едином масштабе, поэтому схеме ДЛВ присуща определенная на­глядность. По ветвям наивысшего ранга можно определить число логических возможностей. Для рассматриваемого примера их ко-количество N=27.

Вместо изображенной на рис. 20.1 схемы ДЛВ можно соста­вить эквивалентную таблицу, в которой отражены вероятности каждого из путей дерева (табл. 20.1).

В общем случае изложенным образом может быть построена схема ДЛВ с ветвями m-го ранга или составлена эквивалентная ей таблица. При этом если через т обозначить число дискретных значений случайной величины с номером /, то число путей в ДЛВ окажется равным:

г=1

где L — число случайных величин.

Т аблнца 20.1. Вероятности логических путей

Логический

Логический

Логический

путь

Вероятность

путь

Вероятность

путь

Вероятность

Ощ

Рш

о211

Ран

Ози

Рзи

о112

Pll2

1^212

Р212

^312

Р312

Онз

Риз

^213

Р213

^313

Р313

От

Аа

02а1

Р221

С*321

Рг21

\Vj22

Pl22

^222

Р222

^322

Р322

^123

Pl23

^223

Р223

Оз23

Рз23

оИ1

Pl31

^231

/231

^331

Рзз1

Ol32

Pl32

^232

Р232

1^332

Р332

0133

Лзз

1^233

Р233

^333

Рззз

Сами пути будут иметь вероятности, определяемые выраже­ниями

IX х Л,,, я, Х-

— )


р


"- X РП1П2 ...nL '

ПхПъ ...П


p[nAXp[>h]X •-...Xp[nL],

в зависимости от того, являются ли случайные величины связанны­ми или независимыми в статистическом смысле.

При относительно большом количестве случайных величин или их дискретных значений можно ограничиться одной табличной формой записи ДЛВ, а расчеты вероятностей различных логиче­ских путей проводить с помощью ЭВМ. По результатам этого рас­чета может быть построена гистограмма распределения результи­рующей суммарной величины.

Как показано в [20.3], метод ДЛВ может успешно использо­ваться для анализа погрешностей не только линейных, но и не­линейных систем, а также для случаев, когда случайные погреш­ности отдельных звеньев представляют собой не случайные вели­чины, а случайные функции.

До сих пор речь шла о нахождении полной погрешности мно­гозвенной измерительной системы по известным законам распреде­ления. Как же следует поступать в тех случаях, когда частные погрешности заданы в виде некоторых числовых характеристик?

Если отдельные звенья ИС охарактеризованы экстремальными погрешностями, то полная погрешность системы определяется про­стым суммированием этих погрешностей. Естественно, такая оцен­ка полной погрешности будет очень завышена.

Оценка полной погрешности может быть получена, если част­ные погрешности отдельных звеньев заданы интегральными оцен­ками или доверительными интервалами и вероятностями. Мето­дика определения полной погрешности для этого случая рассмо­трена в [20.1, 20.2].

Несмотря на некоторое различие в подходе к решению этой задачи, по результатам проведенного анализа можно сформулиро­вать некоторые выводы. Полная систематическая погрешность мно­гозвенной линейной ИС находится суммированием систематиче­ских погрешностей отдельных узлов (если, конечно, известны дей­ствительные систематические погрешности узлов, а не их дове­рительные интервалы, в последнем случае можно получить грубую верхнюю оценку), а дисперсия случайной погрешности при усло­вии некоррелированности погрешностей отдельных звеньев — как сумма дисперсий погрешностей звеньев (в случае, если погрешно­сти некоторых звеньев коррелированы между собой, к сумме дис­персий добавляются удвоенные корреляционные моменты соответ­ствующих погрешностей). При суммировании вводятся весовые коэффициенты, зависящие от схемы включения звеньев и опреде­ляемые как частные производные от выходной величины системы по величине на входе данного звена. В том случае, если заданы не дисперсии случайных погрешностей отдельных звеньев, а их доверительные интервалы, для определения полной погрешности необходимо знание законов распределения частных погрешностей. По известным законам распределения частных погрешностей, до­верительным интервалам и вероятностям можно найти дисперсии, а затем полученные дисперсии суммировать.

Если же законы распределения частных погрешностей неизвест­ны и заданы только их доверительные интервалы, то расчет пол­ной погрешности становится крайне затруднительным. Из-за этого в качестве критерия погрешности отдельных звеньев предпочти­тельнее использовать среднее квадратическое отклонение или дис­персию.

В заключение следует сказать несколько слов о погрешности, с которой может определяться полная погрешность системы. В за­висимости от решаемых задач эта погрешность должна выби­раться разной. В обычных случаях эта погрешность может состав­лять примерно 30% максимального значения результирующей по­грешности.

Оценка погрешности ИС многоканальной (параллельной) структуры может проводиться с учетом следующих соображений [13.5]. Систематическая погрешность такой системы находится как среднее арифметическое систематических погрешностей Ме каж­дого из N каналов. Среднее значение случайной погрешности в каждом из N одинаковых каналов должно быть равно нулю, по­этому равно нулю и среднее значение случайной погрешности си­стемы в целом. Дисперсия случайной погрешности системы рав­няется среднему значению дисперсий случайной погрешности De в каждом канале.

Если в системе не все каналы однородны, а имеется несколько различающихся между собой групп однородных каналов, то такие средние показатели могут формироваться для каждой группы в отдельности.