Обработка результатов измерения с многократными наблюдениями

Прямые многократные измерения делятся на равно- и неравноточные. Равноточными называются измерения, которые проводятся средствами измерений одинаковой точности по одной и той же методике при неизменных внешних условиях. При равноточных измерениях среднее квадратичное отклонение (СКО) результатов всех рядов измерений равны между собой.

Перед проведением обработки результатов измерений необходимо удостовериться в том, что данные из обрабатываемой выборки статистически подконтрольны, группируются вокруг одного и того же центра и имеют одинаковую дисперсию. Устойчивость изменений часто оценивают интуитивно на основе длительных наблюдений. Однако существуют математические методы решения поставленной задачи — так называемые методы проверки однородности. Применительно к измерениям рассматривается однородность групп наблюдений, необходимые признаки которой состоят в оценке несмещенности средних арифметических и дисперсий относительно друг друга.

Задача обработки результатов многократных измерений заключается в нахождении оценки измеряемой величины и доверительного интервала, в котором находится ее истинное значение. Обработка должна проводится в соответствии с ГОСТ 8.207—76 ГСИ. «Прямые измерения с многократными наблюдениями. Методы обработки результатов наблюдений. Общие положения».

ПОСЛЕДОВАТЕЛЬНОСТЬ ОБРАБОТКИ РЕЗУЛЬТАТОВ ПРЯМЫХ МНОГОКРАТНЫХ ИЗМЕРЕНИЙ

Определение точечных оценок закона распределения результатов измерений. На этом этапе определяются:

• среднее арифметическое значение х измеряемой величины;

• СКО результата измерения S_x;

• СКО среднего арифметического значения S_x̅. Грубые погрешности и промахи исключаются, после чего проводится повторный расчет оценок среднего арифметического значения и его СКО. В ряде случаев для более надежной идентификации закона распределения результатов измерений могут определяться другие точечные оценки: коэффициент асимметрии, эксцесс и контрэксцесс, энтропийный коэффициент.

Определение закона распределения результатов измерений или случайных погрешностей измерений. В последнем случае от выборки результатов измерений х₁, х₂, х₃,-.., х_n переходят к выборке отклонений от среднего арифметического Dх₁, Dх₂, Dх₃,..., Dх_n, где Dx_i = x_i - х̅.

Первым шагом при идентификации закона распределения является построение по исправленным результатам измерений x_i, где I = 1, 2,..., n, вариационного ряда (упорядоченной выборки), а также у_i, где у_i = min(x_i) и у_n = mах(хi). В вариационном ряду результаты измерений (или их отклонения от среднего арифметического) располагают в порядке возрастания. Далее этот ряд разбивается на оптимальное число m, как правило, одинаковых интервалов группирования длиной h = (y₁ + y_n) / m.

Оптимальным является такое число интервалов m, при котором возможное максимальное сглаживание случайных флуктуации данных сопровождается с минимальным искажением от сглаживания самой кривой искомого распределения. Для практического применения целесообразно использовать предложенные m_min = 0,55n^0,4 и m_max = 1,25n^0,4, которые получены для наиболее часто встречающихся на практике распределений с эксцессом, находящимся в пределах от 1,8 до 6, т.е. от равномерного до распределения Лапласа.

Искомое значение m должно находится в пределах от m_mjn до m_max, быть нечетным, так как при четном m в островершинном или двухмодальном симметричном распределении в центре гистограммы оказываются два равных по высоте столбца и середина кривой распределения искусственно уплощается. В случае, если гистограмма распределения явно двухмодальная, число столбцов может быть увеличено в 1,5-2 раза, чтобы на каждый из двух максимумов приходилось примерно по m интервалов. Полученное значение длины интервала группирования h всегда округляют в большую сторону, иначе последняя точка окажется за пределами крайнего интервала.

Далее определяют интервалы группирования экспериментальных данных в виде D₁ = (у₁, y₁ + h); D₂= (y₁ +h, y₁ + 2h);....; D_m = (y_n - h; у_n), и подсчитывают число попаданий n_k (частоты) результатов измерений в каждый интервал группирования. Сумма этих чисел должна равняться числу измерений. По полученным значениям рассчитывают вероятности попадания результатов измерений (частости) в каждый из интервалов группирования по формуле p_k= n_k/n, где k=l, 2,..., m.

Проведенные расчеты позволяют построить гистограмму, полигон и кумулятивную кривую. Для построения гистограммы по оси результатов откладываются интервалы D_k в порядке возрастания номеров и на каждом интервале строится прямоугольник высотой p_k. В этом случае площадь под гистограммой равна единице. При увеличении числа интервалов и соответственно уменьшении их длины гистограмма все более приближается к гладкой кривой — графику плотности распределения вероятности.

Полигон представляет собой ломаную кривую, соединяющую середины верхних оснований каждого столбца гистограммы.

Рисунок 1-Гистограмма, полигон (а) и кумулятивная кривая (б)

Эти точки при построении полигона соединяют между собой отрезками прямых линий. В результате совместно с осью х образуется замкнутая фигура, площадь которой в соответствии с правилом нормирования должна быть равна единице (или числу наблюдений при использовании частостей).

Кумулятивная кривая — это график статистической функции распределения. Для ее построения по оси результатов наблюдений х (рисунок 1,6) откладывают интервалы D_k в порядке возрастания номеров и на каждом интервале строят прямоугольник высотой p

По виду построенных зависимостей может быть оценен закон распределения результатов измерений.

Оценка закона распределения по статистическим критериям. При числе наблюдений n > 50 для идентификации закона распределения используется критерий Пирсона (хи-квадрат) или критерий Мизеса—Смирнова (w₂). При 50 > n > 15 для проверки нормальности закона распределения применяется составной критерий (d-критерий), приведенный в ГОСТ 8.207-76. При n < 15 принадлежность экспериментального распределения к нормальному не проверяется.

Определение доверительных границ случайной погрешности. Если удалось идентифицировать закон распределения результатов измерений, то с его использованием находят квантильный множитель z_p при заданном значении доверительной вероятности Р. В этом случае доверительные границы случайной погрешности А = ±z_pS.

Определение границ неисключенной систематической погрешности q результата измерений. Под этими границами понимают найденные нестатистическими методами границы интервала, внутри которого находится неисключенная систематическая погрешность. Она образуется из ряда составляющих: как правило, погрешностей метода и средств измерений, а также субъективной погрешности. Границы неисключенной систематической погрешности принимаются равными пределам допускаемых основных и дополнительных погрешностей средств измерений, если их случайные составляющие пренебрежимо малы. Доверительная вероятность при определении границ 6 принимается равной доверительной вероятности, используемой при нахождении границ случайной погрешности.

Определение доверительных границ погрешности результата измерения D_р. Данная операция осуществляется путем суммирования СКО случайной составляющей S_x̅ и границ неисключенной систематической составляющей q в зависимости от соотношения q/ S_x̅. Результат измерения записывается в виде х = х̅ ± D_p при доверительной вероятности Р = Р. При отсутствии данных о виде функции распределения составляющих погрешности результаты измерений представляют в виде х, S-. п.8 при доверительной вероятности Р = Р_д.

Многократные измерения проводят с целью уменьшения влияния случайных составляющих погрешностей измерения.

Применение рядов предпочтительных чисел представляет собой параметрическую стандартизацию, которая позволяет получить значительный эффект на всех стадиях жизненного цикла изделий (проектирование, изготовление, эксплуатация и др.). Стандартами параметров охватывается большой диапазон характеристик изделий: материалы, заготовки, размерный режущий инструмент, оснастка, контрольные калибры, узлы по присоединительным размерам, выходные параметры электродвигателей и многое другое, что используется в той или иной отрасли промышленности.