Virheet ovat mittaustulosten poikkeamia suuren todellisesta arvosta. Todellinen arvo voidaan määrittää vain suorittamalla useita mittauksia. Käytännössä tämä on mahdoton toteuttaa.
Poikkeamien analysoinnissa todellista arvoa lähinnä olevaa arvoa pidetään mitatun arvon todellisena arvona. Se saadaan käyttämällä erittäin tarkkoja mittauslaitteita ja menetelmiä. Mittausten mukavuuden vuoksi poikkeamien eliminoimisen varmistamiseksi käytetään erilaisia virheluokituksia. Harkitse pääryhmiä.
Ilmaustapa
Jos luokittelemme mittauslaitteiden virheet tällä perusteella, voimme erottaa:
- Absoluuttiset poikkeamat. Ne ilmaistaan mitattavan suuren yksiköissä.
- Suhteellinen poikkeama. Se ilmaistaan absoluuttisen virheen ja mittaustuloksen suhteella tai mitattavan suuren todellisella arvolla.
- Pienennetty poikkeama. Se on ilmaistu suhteellinen virhemittauslaitteen absoluuttisen poikkeaman ja vakioindikaattoriksi otetun arvon suhde vastaavan mittauksen koko alueella. Hänen valintansa perustuu GOST 8.009-84.
Monille mittauslaitteille on määritetty tarkkuusluokka. Annettu virhe johtuu siitä, että suhteellinen arvo kuvaa poikkeamaa vain asteikon tietyssä pisteessä ja riippuu mitatun arvon parametrista.
Ehdot ja lähteet
Näiden kriteerien mukaisessa virheluokituksessa erotetaan pää- ja lisäpoikkeamat.
Ensimmäiset ovat mittauslaitteiden virheet normaaleissa käyttöolosuhteissa. Tärkeimmät poikkeamat johtuvat muunnostoiminnon epätäydellisyydestä, laitteiden ominaisuuksien epätäydellisyydestä. Ne kuvastavat eroa laitteen todellisen muunnostoiminnon välillä normaaleissa olosuhteissa ja nimellisen (määritetty säädösasiakirjoissa (tekniset ehdot, standardit jne.)) välillä.
Lisävirheitä ilmenee, kun arvo poikkeaa normiarvosta tai johtuu normalisoidun alueen rajojen ylittämisestä.
Normaalit olosuhteet
Seuraavat normaalit parametrit on määritelty normatiivisessa dokumentaatiossa:
- Ilman lämpötila 20±5 astetta.
- Suhteellinen kosteus 65±15%.
- Verkkojännite 220±4, 4 V.
- Tehon taajuus 50±1 Hz.
- Ei magneetti- tai sähkökenttiä.
- Laitteen vaaka-asento ±2 asteen poikkeamalla.
Tarkkuusluokka
Poikkeamien toleranssirajat voidaan ilmaista suhteellisella, absoluuttisella tai pienennetyllä virheellä. Jotta voidaan valita sopivin mittaustyökalu, tehdään vertailu niiden yleisen ominaisuuden - tarkkuusluokan - mukaan. Pääsääntöisesti se on sallittujen perus- ja lisäpoikkeamien raja.
Tarkkuusluokan avulla voit ymmärtää samantyyppisten mittalaitteiden virheiden rajat. Sitä ei kuitenkaan voida pitää suorana indikaattorina kunkin tällaisen laitteen suorittamien mittausten tarkkuudesta. Tosiasia on, että myös muut tekijät (olosuhteet, menetelmä jne.) vaikuttavat mittausvirheiden luokitteluun. Tämä seikka on otettava huomioon valittaessa mittauslaitetta kokeeseen määritetyn tarkkuuden mukaan.
Tarkkuusluokan arvo näkyy teknisissä ehdoissa, standardeissa tai muissa säädöksissä. Tarvittava parametri valitaan vakioalueelta. Esimerkiksi sähkömekaanisille laitteille seuraavia arvoja pidetään normatiivisina: 0, 05, 0, 1, 0, 2 jne.
Tietäen mittaustyökalun tarkkuusluokan arvon, voit löytää absoluuttisen poikkeaman sallitun arvon mittausalueen kaikille osille. Ilmaisin asetetaan yleensä suoraan laitteen asteikkoon.
Muutoksen luonne
Tätä ominaisuutta käytetään systemaattisten virheiden luokittelussa. Nämä poikkeamat säilyvätvakio tai muuttuu tiettyjen kuvioiden mukaan mittauksia suoritettaessa. Kohdista tähän luokitukseen ja virhetyypit, joilla on systemaattinen luonne. Näitä ovat: instrumentaaliset, subjektiiviset, metodologiset ja muut poikkeamat.
Jos systemaattinen virhe lähestyy nollaa, tätä tilannetta kutsutaan oikeaksi.
Metrologian mittausvirheiden luokittelussa erotetaan myös satunnaiset poikkeamat. Niiden esiintymistä ei voida ennustaa. Satunnaiset virheet eivät ole vastuussa; niitä ei voida sulkea pois mittausprosessista. Satunnaiset virheet vaikuttavat merkittävästi tutkimustuloksiin. Poikkeamia voidaan vähentää toistuvilla mittauksilla ja tulosten tilastollisella käsittelyllä. Toisin sanoen toistuvista manipulaatioista saatu keskiarvo on lähempänä todellista parametria kuin yhdestä mittauksesta saatu arvo. Kun satunnainen poikkeama on lähellä nollaa, puhutaan mittalaitteen indikaattoreiden konvergenssista.
Toinen ryhmä virheitä luokituksessa - puuttuu. Ne liittyvät pääsääntöisesti käyttäjän tekemiin virheisiin tai huomioimattomiin ulkoisten tekijöiden vaikutuksiin. Puutteet jätetään yleensä pois mittaustuloksista, eikä niitä oteta huomioon vastaanotettuja tietoja käsiteltäessä.
riippuvuus suuruusluokkaan
Poikkeama ei välttämättä riipu mitatusta parametrista tai ole verrannollinen siihen. Vastaavasti metrologian virheiden luokittelussa additiivinen jakertovat poikkeamat.
Jälkimmäisiä kutsutaan myös herkkyysvirheiksi. Additiiviset poikkeamat ilmenevät yleensä poikkeamien, tukien tärinän, kitkan ja melun vuoksi. Kerrannaisvirhe liittyy mittauslaitteiden yksittäisten osien säädön epätäydellisyyteen. Se puolestaan voi johtua useista syistä, mukaan lukien fyysinen ja laitteiden vanhentuminen.
Ominaisuuksien normalisointi
Se suoritetaan sen mukaan, mikä poikkeama on merkittävä. Jos additiivinen virhe on merkittävä, raja normalisoidaan pienennetyn poikkeaman muodossa, jos se on kertova, käytetään muutoksen suhteellisen suuruuden kaavaa.
Tämä on normalisointimenetelmä, jossa molemmat indikaattorit ovat vertailukelpoisia, eli sallitun pääeron raja ilmaistaan kahden termisen kaavan avulla. Siksi tarkkuusluokan osoitin koostuu myös kahdesta luvusta c ja d prosentteina, jotka on erotettu vinoviivalla. Esimerkiksi 0,2/0,01 Ensimmäinen numero kuvaa suhteellista virhettä normaaleissa olosuhteissa. Toinen indikaattori luonnehtii sen kasvua X:n arvon kasvaessa, eli heijastaa additiivisen virheen vaikutusta.
Mitatun indikaattorin muutosten dynamiikka
Käytännössä käytetään virheiden luokittelua, joka kuvastaa mitattavan suuren muutosten luonnetta. Se sisältää poikkeamien erottamisen:
- Staattiseen. Tällaisia virheitä syntyy, kun mitataan hitaasti muuttuvia taiei muutu ollenkaan.
- Dynaaminen. Ne näkyvät mitattaessa fyysisiä suureita, jotka muuttuvat nopeasti ajassa.
Dynaaminen poikkeama johtuu laitteen inertista.
Poikkeamien arvioinnin ominaisuudet
Nykyaikaiset lähestymistavat virheiden analysointiin ja luokitteluun perustuvat periaatteisiin, jotka varmistavat mittausten yhtenäisyyden vaatimusten noudattamisen.
Arvioinnin ja tutkimuksen tavoitteiden saavuttamiseksi poikkeama kuvataan mallilla (satunnainen, instrumentaalinen, metodologinen jne.). Se määrittelee ominaisuudet, joita voidaan käyttää virheen ominaisuuksien kvantifiointiin. Tietojen käsittelyn aikana on tarpeen löytää arvioita tällaisista ominaisuuksista.
Malli valitaan ottaen huomioon sen lähteistä saadut tiedot, mukaan lukien kokeen aikana saadut tiedot. Mallit jaetaan ei-deterministisiin (satunnaisiin) ja deterministisiin. Viimeksi mainitut sopivat järjestelmällisille poikkeamille.
Yleinen malli satunnaisvirheelle on arvo, joka toteuttaa todennäköisyysjakaumafunktion. Poikkeamaominaisuudet on tässä tapauksessa jaettu intervalliin ja pisteisiin. Mittaustulosten virhettä kuvattaessa käytetään yleensä intervalliparametreja. Tämä tarkoittaa, että rajat, joissa poikkeama voidaan paikantaa, on määritelty tiettyä todennäköisyyttä vastaaviksi. Tällaisessa tilanteessa rajoja kutsutaan luottamusta ja todennäköisyyttä, vastaavasti, luottamusta.
Pisteominaisuuksia käytetään tapauksissa, joissa ei ole tarvetta tai mahdollisuutta arvioida poikkeaman luottamusrajoja.
Arviointiperiaatteet
Poikkeamaarvioita valittaessa käytetään seuraavia ehtoja:
- Valitun mallin yksittäiset parametrit ja ominaisuudet on kuvattu. Tämä johtuu siitä, että poikkeamamalleilla on monimutkainen rakenne. Niiden kuvaamiseen käytetään monia parametreja. Niiden määrittäminen on usein hyvin vaikeaa, ja joissain tilanteissa jopa mahdotonta. Lisäksi monissa tapauksissa mallin täydellinen kuvaus sisältää ylimääräistä tietoa, kun taas yksittäisten ominaisuuksien tuntemus riittää suorittamaan tehtävät ja saavuttamaan kokeen tavoitteet.
- Poikkeamien arviot ovat likimääräisiä. Ominaisuuksien tarkkuus on mittausten tarkoituksen mukainen. Tämä johtuu siitä, että virhe luonnehtii vain tuloksen epävarmuusvyöhykettä eikä sen lopullista tarkkuutta tarvita.
- Poikkeamaa on parempi liioitella kuin aliarvioida. Ensimmäisessä tapauksessa mittauksen laatu heikkenee, toisessa tapauksessa saatujen tulosten täydellinen aleneminen on todennäköistä.
Arvioi virheet ennen tai jälkeen mittauksen. Ensimmäisessä tapauksessa sitä kutsutaan a priori, toisessa - jälkikäteen.
