1.6.1
Классификация и обнаружение систематических
погрешностей
Систематическая
погрешность – погрешность,
остающаяся постоянной или закономерно
изменяющаяся при повторных измерениях
одной и той же величины.
Иными словами,
систематическими
называются погрешности, не изменяющиеся
с течением времени или являющиеся не
изменяющимися во времени функциями
определенных параметров.
Их отличительным
признаком
является то, что они могут быть предсказаны
и, следовательно, почти полностью
устранены введением соответствующих
поправок.
Систематические
аддитивные
погрешности
могут возникать, например, от постороннего
груза на чашке весов, от неточности
установки нуля перед измерением, от
термо-э.д.с. в цепях постоянного тока.
Появление
систематических мультипликативных
погрешностей
могут вызвать изменение коэффициента
усиления усилителя, изменения жесткости
пружины прибора, опорного напряжения
в цифровом вольтметре.
В
зависимости от причин возникновения
систематические
погрешности делятся на
— инструментальные,
обусловленные старением деталей,
деформациями, разрядкой источников
питания и т.д.). Они определяются
погрешностью средства измерений;
2) внешние;
3) личные;
4) погрешности
метода.
Особенностью
инструментальных систематических
погрешностей является то, что они могут
быть скорректированы лишь в данный
момент времени, а далее вновь непрерывно
возрастают и требуют повторения
коррекции.
По
характеру проявления можно
выделить следующие группы систематических
погрешностей:
— постоянные,
которые в процессе измерения не изменяют
величину и знак, внешне никак себя не
проявляют и долгое время остаются
незамеченными. Единственный способ их
избежать – проведение периодической
поверки приборов;
— переменные,
которые или монотонно изменяют свою
величину (прогрессирующие
погрешности),
или меняются периодически
(периодические).
Наличие
систематических погрешностей искажает
результаты измерений. Их отсутствие
определяет правильность
измерений
(средств
измерений).
Правильность
измерений (средств измерений)
– качество измерений (средств измерений),
отражающее близость к нулю систематической
погрешности.
Основная трудность
– обнаружение систематической погрешности
и определение из величины и знака. Для
этого необходимо проводить специальные
экспериментальные исследования.
Разработаны также специальные методики
измерений, позволяющие исключить
возникновение этих погрешностей или
устранить их влияние на результат
измерений. Уменьшение или исключение
систематических погрешностей измерений
проводят как при подготовке к проведению
измерений (путем установки нулей,
калибровки, прогревания приборов,
экранирования) так и в процессе измерений,
используя способы замещения, компенсации
погрешности по знаку, симметричных
наблюдений и способ рандомизации. При
обработке результатов измерений могут
быть исключены систематические
погрешности с известными значениями и
знаками. Для этого в неисправленный
результат наблюдений вводятся поправки
или поправочные множители,
которые определяются при поверке или
специальных исследованиях.
1.6.2
Суммирование
неисключенных систематических
погрешностей
Систематические
погрешности, которые остаются в
результатах измерения после проведения
операций обнаружения, оценки и исключения,
называются неисключенными
систематическими погрешностями.
При определении
границы результирующей неисключенной
систематической погрешности ее отдельные
составляющие рассматриваются как
случайные величины. Если известно, что
распределение составляющих неисключенной
систематической погрешности нормальное,
то суммарная систематическая погрешность
рассчитывается следующим образом:
,
(1.26)
где сi
— значение неисключенной составляющей
систематической погрешности;
m — количество
неисключенных систематических
погрешностей.
Если данных о
виде распределения нет, то
.
(1.27)
При Рд=0,95
коэффициент k=1,1. При Рд=0,99
k зависит от числа неисключеных
систематических погрешностей m. Если
m4,
то k=1,4. При m4
поступают следующим образом. Находят
отношение l = ci
/ ci,
где сi
— составляющая систематической
погрешности, наиболее отличающаяся по
своему значению от остальных; сi
— составляющая систематической
погрешности, по своему значению наиболее
приближающаяся к сi.
Затем по графику зависимости k от l
находят значение k.
При косвенных
измерениях неисключенные систематические
погрешности являются частными
неисключенными систематическими
погрешностями косвенного измерения и
находятся следующие образом:
.
(1.28)
Соседние файлы в папке теория
- #
- #
- #
- #
Систематической погрешностью называется составляющая погрешности измерения, остающаяся постоянной или закономерно меняющаяся при повторных измерениях одной и той же величины. При этом предполагается, что систематические погрешности представляют собой определенную функцию неслучайных факторов, состав которых зависит от физических, конструкционных и технологических особенностей средств измерений, условий их применения, а также индивидуальных качеств наблюдателя. Сложные детерминированные закономерности, которым подчиняются систематические погрешности, определяются либо при создании средств измерений и комплектации измерительной аппаратуры, либо непосредственно при подготовке измерительного эксперимента и в процессе его проведения. Совершенствование методов измерения, использование высококачественных материалом, прогрессивная технология — все это позволяет на практике устранить систематические погрешности настолько, что при обработке результатов наблюдений с их наличием зачастую не приходится считаться.
Систематические погрешности принято классифицировать в зависимости от причин их возникновения и по характеру их проявления при измерениях.
В зависимости от причин возникновения рассматриваются четыре вида систематических погрешностей.
1. Погрешности метода, или теоретические погрешности, проистекающие от ошибочности или недостаточной разработки принятой теории метода измерений в целом или от допущенных упрощений при проведении измерений.
Погрешности метода возникают также при экстраполяции свойства, измеренного на ограниченной части некоторого объекта, на весь объект, если последний не обладает однородностью измеряемого свойства. Так, считая диаметр цилиндрического вала равным результату, полученному при измерении в одном сечении и в одном направлении, мы допускаем систематическую погрешность, полностью определяемую отклонениями формы исследуемого вала. При определении плотности вещества по измерениям массы и объема некоторой пробы возникает систематическая погрешность, если проба содержала некоторое количество примесей, а результат измерения принимается за характеристику данного вещества -вообще.
К погрешностям метода следует отнести также те погрешности, которые возникают вследствие влияния измерительной аппаратуры на измеряемые свойства объекта. Подобные явления возникают, например, при измерении длин, когда измерительное усилие используемых приборов достаточно велико, при регистрации быстропротекаюших процессов недостаточно быстродействующей аппаратурой, при измерениях температур жидкостными или газовыми термометрами и т.д.
2. Инструментальные погрешности, зависящие от погрешностей применяемых средств измерений.. Среди инструментальных погрешностей в отдельную группу выделяются погрешности схемы, не связанные с неточностью изготовления средств измерения и обязанные своим происхождением самой структурной схеме средств измерений. Исследование инструментальных погрешностей является предметом специальной дисциплины — теории точности измерительных устройств.
3. Погрешности, обусловленные неправильной установкой и взаимным расположением средств измерения, являющихся частью единого комплекса, несогласованностью их характеристик, влиянием внешних температурных, гравитационных, радиационных и других полей, нестабильностью источников питания, несогласованностью входных и выходных параметров электрических цепей приборов и т.д.
4. Личные погрешности, обусловленные индивидуальными особенностями наблюдателя. Такого рода погрешности вызываются, например, запаздыванием или опережением при регистрации сигнала, неправильным отсчетом десятых долей деления шкалы, асимметрией, возникающей при установке штриха посередине между двумя рисками.
По характеру своего поведения в процессе измерения систематические погрешности подразделяются на постоянные и переменные.
Постоянные систематические погрешности возникают, например, при неправильной установке начала отсчета, неправильной градуировке и юстировке средств измерения и остаются постоянными при всех повторных наблюдениях. Поэтому, если уж они возникли, их очень трудно обнаружить в результатах наблюдений.
Среди переменных систематических погрешностей принято выделять прогрессивные и периодические.
Прогрессивная погрешность возникает, например, при взвешивании, когда одно из коромысел весов находится ближе к источнику тепла, чем другое, поэтому быстрее нагревается и
удлиняется. Это приводит к систематическому сдвигу начала отсчета и к монотонному изменению показаний весов.
Периодическая погрешность присуща измерительным приборам с круговой шкалой, если ось вращения указателя не совпадает с осью шкалы.
Все остальные виды систематических погрешностей принято называть погрешностями, изменяющимися по сложному закону.
В тех случаях, когда при создании средств измерений, необходимых для данной измерительной установки, не удается устранить влияние систематических погрешностей, приходится специально организовывать измерительный процесс и осуществлять математическую обработку результатов. Методы борьбы с систематическими погрешностями заключаются в их обнаружении и последующем исключении путем полной или частичной компенсации. Основные трудности, часто непреодолимые, состоят именно в обнаружении систематических погрешностей, поэтому иногда приходится довольствоваться приближенным их анализом.
Способы обнаружения систематических погрешностей. Результаты наблюдений, полученные при наличии систематических погрешностей, будем называть неисправленными и в отличие от исправленных снабжать штрихами их обозначения (например, Х1, Х2 и т.д.). Вычисленные в этих условиях средние арифметические значения и отклонения от результатов наблюдений будем также называть неисправленными и ставить штрихи у символов этих величин. Таким образом,
Поскольку неисправленные результаты наблюдений включают в себя систематические погрешности, сумму которых для каждого /-го наблюдения будем обозначать через 8., то их математическое ожидание не совпадает с истинным значением измеряемой величины и отличается от него на некоторую величину 0, называемую систематической погрешностью неисправленного среднего арифметического. Действительно,
Если систематические погрешности постоянны, т.е. 0/ = 0, /=1,2, …, п, то неисправленные отклонения могут быть непосредственно использованы для оценки рассеивания ряда наблюдений. В противном случае необходимо предварительно исправить отдельные результаты измерений, введя в них так называемые поправки, равные систематическим погрешностям по величине и обратные им по знаку:
q = -Oi.
Таким образом, для нахождения исправленного среднего арифметического и оценки его рассеивания относительно истинного значения измеряемой величины необходимо обнаружить систематические погрешности и исключить их путем введения поправок или соответствующей каждому конкретному случаю организации самого измерения. Остановимся подробнее на некоторых способах обнаружения систематических погрешностей.
Постоянные систематические погрешности не влияют на значения случайных отклонений результатов наблюдений от средних арифметических, поэтому никакая математическая обработка результатов наблюдений не может привести к их обнаружению. Анализ таких погрешностей возможен только на основании некоторых априорных знаний об этих погрешностях, получаемых, например, при поверке средств измерений. Измеряемая величина при поверке обычно воспроизводится образцовой мерой, действительное значение которой известно. Поэтому разность между средним арифметическим результатов наблюдения и значением меры с точностью, определяемой погрешностью аттестации меры и случайными погрешностями измерения, равна искомой систематической погрешности.
Одним из наиболее действенных способов обнаружения систематических погрешностей в ряде результатов наблюдений является построение графика последовательности неисправленных значений случайных отклонений результатов наблюдений от средних арифметических.
Рассматриваемый способ обнаружения постоянных систематических погрешностей можно сформулировать следующим образом: если неисправленные отклонения результатов наблюдений резко изменяются при изменении условий наблюдений, то данные результаты содержат постоянную систематическую погрешность, зависящую от условий наблюдений.
Систематические погрешности являются детерминированными величинами, поэтому в принципе всегда могут быть вычислены и исключены из результатов измерений. После исключения систематических погрешностей получаем исправленные средние арифметические и исправленные отклонения результатов наблюдении, которые позволяют оценить степень рассеивания результатов.
Для исправления результатов наблюдений их складывают с поправками, равными систематическим погрешностям по величине и обратными им по знаку. Поправку определяют экспериментально при поверке приборов или в результате специальных исследований, обыкновенно с некоторой ограниченной точностью.
Поправки могут задаваться также в виде формул, по которым они вычисляются для каждого конкретного случая. Например, при измерениях и поверках с помощью образцовых манометров следует вводить поправки к их показаниям на местное значение ускорения свободного падения
где Р — измеряемое давление.
Введением поправки устраняется влияние только одной вполне определенной систематической погрешности, поэтому в результаты измерения зачастую приходится вводить очень большое число поправок. При этом вследствие ограниченной точности определения поправок накапливаются случайные погрешности и дисперсия результата измерения увеличивается.
Систематическая погрешность, остающаяся после введения поправок на ее наиболее существенные составляющие включает в себя ряд элементарных составляющих, называемых неисключенными остатками систематической погрешности. К их числу относятся погрешности:
• определения поправок;
• зависящие от точности измерения влияющих величин, входящих в формулы для определения поправок;
• связанные с колебаниями влияющих величин (температуры окружающей среды, напряжения питания и т.д.).
Перечисленные погрешности малы, и поправки на них не вводятся.
Свойства физического объекта (явления, процесса) определяются набором
количественных характеристик — физических величин.
Как правило, результат измерения представляет
собой число, задающее отношение измеряемой величины к некоторому эталону.
Сравнение с эталоном может быть как
прямым (проводится непосредственно
экспериментатором), так и косвенным (проводится с помощью некоторого
прибора, которому экспериментатор доверяет).
Полученные таким образом величины имеют размерность, определяемую выбором эталона.
Замечание. Результатом измерения может также служить количество отсчётов некоторого
события, логическое утверждение (да/нет) или даже качественная оценка
(сильно/слабо/умеренно). Мы ограничимся наиболее типичным для физики случаем,
когда результат измерения может быть представлен в виде числа или набора чисел.
Взаимосвязь между различными физическими величинами может быть описана
физическими законами, представляющими собой идеализированную
модель действительности. Конечной целью любого физического
эксперимента (в том числе и учебного) является проверка адекватности или
уточнение параметров таких моделей.
1.1 Результат измерения
Рассмотрим простейший пример: измерение длины стержня
с помощью линейки. Линейка проградуирована производителем с помощью
некоторого эталона длины — таким образом, сравнивая длину
стержня с ценой деления линейки, мы выполняем косвенное сравнение с
общепринятым стандартным эталоном.
Допустим, мы приложили линейку к стержню и увидели на шкале некоторый результат
x=xизм. Можно ли утверждать, что xизм — это длина
стержня?
Во-первых, значение x не может быть задано точно, хотя бы
потому, что оно обязательно округлено до некоторой значащей
цифры: если линейка «обычная», то у неё
есть цена деления; а если линейка, к примеру, «лазерная»
— у неё высвечивается конечное число значащих цифр
на дисплее.
Во-вторых, мы никак не можем быть уверенны, что длина стержня на
самом деле такова хотя бы с точностью до ошибки округления. Действительно,
мы могли приложить линейку не вполне ровно; сама линейка могла быть
изготовлена не вполне точно; стержень может быть не идеально цилиндрическим
и т.п.
И, наконец, если пытаться хотя бы гипотетически переходить к бесконечной
точности измерения, теряет смысл само понятие «длины стержня». Ведь
на масштабах атомов у стержня нет чётких границ, а значит говорить о его
геометрических размерах в таком случае крайне затруднительно!
Итак, из нашего примера видно, что никакое физическое измерение не может быть
произведено абсолютно точно, то есть
у любого измерения есть погрешность.
Замечание. Также используют эквивалентный термин ошибка измерения
(от англ. error). Подчеркнём, что смысл этого термина отличается от
общеупотребительного бытового: если физик говорит «в измерении есть ошибка»,
— это не означает, что оно неправильно и его надо переделать.
Имеется ввиду лишь, что это измерение неточно, то есть имеет
погрешность.
Количественно погрешность можно было бы определить как разность между
измеренным и «истинным» значением длины стержня:
δx=xизм-xист. Однако на практике такое определение
использовать нельзя: во-первых, из-за неизбежного наличия
погрешностей «истинное» значение измерить невозможно, и во-вторых, само
«истинное» значение может отличаться в разных измерениях (например, стержень
неровный или изогнутый, его торцы дрожат из-за тепловых флуктуаций и т.д.).
Поэтому говорят обычно об оценке погрешности.
Об измеренной величине также часто говорят как об оценке, подчеркивая,
что эта величина не точна и зависит не только от физических свойств
исследуемого объекта, но и от процедуры измерения.
Замечание.
Термин оценка имеет и более формальное значение. Оценкой называют результат процедуры получения значения параметра или параметров физической модели, а также иногда саму процедуру. Теория оценок является подразделом математической статистики. Некоторые ее положения изложены в главе 3, но для более серьезного понимания следует обратиться к [5].
Для оценки значения физической величины корректно использовать
не просто некоторое фиксированное число xизм, а интервал (или
диапазон) значений, в пределах которого может лежать её
«истинное» значение. В простейшем случае этот интервал
может быть записан как
где δx — абсолютная величина погрешности.
Эта запись означает, что исследуемая величина лежит в интервале
x∈(xизм-δx;xизм+δx)
с некоторой достаточно большой долей вероятности (более подробно о
вероятностном содержании интервалов см. п. 2.2).
Для наглядной оценки точности измерения удобно также использовать
относительную величину погрешности:
Она показывает, насколько погрешность мала по сравнению с
самой измеряемой величиной (её также можно выразить в процентах:
ε=δxx⋅100%).
Пример. Штангенциркуль —
прибор для измерения длин с ценой деления 0,1мм. Пусть
диаметр некоторой проволоки равен 0,37 мм. Считая, что абсолютная
ошибка составляет половину цены деления прибора, результат измерения
можно будет записать как d=0,40±0,05мм (или
d=(40±5)⋅10-5м).
Относительная погрешность составляет ε≈13%, то
есть точность измерения весьма посредственная — поскольку
размер объекта близок к пределу точности прибора.
О необходимости оценки погрешностей.
Измерим длины двух стержней x1 и x2 и сравним результаты.
Можно ли сказать, что стержни одинаковы или различны?
Казалось бы,
достаточно проверить, справедливо ли x1=x2. Но никакие
два результата измерения не равны друг другу с абсолютной точностью! Таким
образом, без указания погрешности измерения ответ на этот вопрос дать
невозможно.
С другой стороны, если погрешность δx известна, то можно
утверждать, что если измеренные длины одинаковы
в пределах погрешности опыта, если |x2-x1|<δx
(и различны в противоположном случае).
Итак, без знания погрешностей невозможно сравнить между собой никакие
два измерения, и, следовательно, невозможно сделать никаких
значимых выводов по результатам эксперимента: ни о наличии зависимостей
между величинами, ни о практической применимости какой-либо теории,
и т. п. В связи с этим задача правильной оценки погрешностей является крайне
важной, поскольку существенное занижение или завышение значения погрешности
(по сравнению с реальной точностью измерений) ведёт к неправильным выводам.
В физическом эксперименте (в том числе лабораторном практикуме) оценка
погрешностей должна проводиться всегда
(даже когда составители задания забыли упомянуть об этом).
1.2 Многократные измерения
Проведём серию из n одинаковых (однотипных) измерений одной
и той же физической величины (например, многократно приложим линейку к стержню) и получим
ряд значений
Что можно сказать о данном наборе чисел и о длине стержня?
И можно ли увеличивая число измерений улучшить конечный результат?
Если цена деления самой линейки достаточно мала, то как нетрудно убедиться
на практике, величины {xi} почти наверняка окажутся
различными. Причиной тому могут быть
самые разные обстоятельства, например: у нас недостаточно остроты
зрения и точности рук, чтобы каждый раз прикладывать линейку одинаково;
стенки стержня могут быть слегка неровными; у стержня может и не быть
определённой длины, например, если в нём возбуждены звуковые волны,
из-за чего его торцы колеблются, и т. д.
В такой ситуации результат измерения интерпретируется как
случайная величина, описываемая некоторым вероятностным законом
(распределением).
Подробнее о случайных величинах и методах работы с ними см. гл. 2.
По набору результатов 𝐱 можно вычислить их среднее арифметическое:
| ⟨x⟩=x1+x2+…+xnn≡1n∑i=1nxi. | (1.1) |
Это значение, вычисленное по результатам конечного числа n измерений,
принято называть выборочным средним. Здесь и далее для обозначения
выборочных средних будем использовать угловые скобки.
Кроме среднего представляет интерес и то, насколько сильно варьируются
результаты от опыта к опыту. Определим отклонение каждого измерения от среднего как
Разброс данных относительно среднего принято характеризовать
среднеквадратичным отклонением:
| s=Δx12+Δx22+…+Δxn2n=1n∑i=1nΔxi2 | (1.2) |
или кратко
Значение среднего квадрата отклонения s2 называют
выборочной дисперсией.
Будем увеличивать число измерений n (n→∞). Если объект измерения и методика
достаточно стабильны, то отклонения от среднего Δxi будут, во-первых,
относительно малы, а во-вторых, положительные и отрицательные отклонения будут
встречаться примерно одинаково часто. Тогда при вычислении (1.1)
почти все отклонения Δxi скомпенсируются и можно ожидать,
что выборочное среднее при n≫1 будет стремиться к некоторому пределу:
Тогда предельное значение x¯ можно отождествить с «истинным» средним
для исследуемой величины.
Предельную величину среднеквадратичного отклонения при n→∞
обозначим как
Замечание. В общем случае указанные пределы могут и не существовать. Например, если измеряемый параметр
меняется во времени или в результате самого измерения, либо испытывает слишком большие
случайные скачки и т. п. Такие ситуации требуют особого рассмотрения и мы на них не
останавливаемся.
Замечание. Если n мало (n<10), для оценки среднеквадратичного отклонения
математическая статистика рекомендует вместо формулы (1.3) использовать
исправленную формулу (подробнее см. п. 5.2):
sn-12=1n-1∑i=1nΔxi2,
(1.4)
где произведена замена n→n-1. Величину sn-1
часто называют стандартным отклонением.
Итак, можно по крайней мере надеяться на то, что результаты небольшого числа
измерений имеют не слишком большой разброс, так что величина ⟨x⟩
может быть использована как приближенное значение (оценка) истинного значения
⟨x⟩≈x¯,
а увеличение числа измерений позволит уточнить результат.
Многие случайные величины подчиняются так называемому нормальному закону
распределения (подробнее см. Главу 2). Для таких величин
могут быть строго доказаны следующие свойства:
- •
при многократном повторении эксперимента бо́льшая часть измерений
(∼68%) попадает в интервал x¯-σ<x<x¯+σ
(см. п. 2.2). - •
выборочное среднее значение ⟨x⟩ оказывается с большей
вероятностью ближе к истинному значению x¯, чем каждое из измерений
{xi} в отдельности. При этом ошибка вычисления среднего
убывает пропорционально корню из числа опытов n
(см. п. 2.4).
Упражнение. Показать, что
s2=⟨x2⟩-⟨x⟩2.
(1.5)
то есть дисперсия равна разности среднего значения квадрата
⟨x2⟩=1n∑i=1nxi2
и квадрата среднего ⟨x⟩2=(1n∑i=1nxi)2.
1.3 Классификация погрешностей
Чтобы лучше разобраться в том, нужно ли многократно повторять измерения,
и в каком случае это позволит улучшить результаты опыта,
проанализируем источники и виды погрешностей.
В первую очередь, многократные измерения позволяют проверить
воспроизводимость результатов: повторные измерения в одинаковых
условиях, должны давать близкие результаты. В противном случае
исследование будет существенно затруднено, если вообще возможно.
Таким образом, многократные измерения необходимы для того,
чтобы убедиться как в надёжности методики, так и в существовании измеряемой
величины как таковой.
При любых измерениях возможны грубые ошибки — промахи
(англ. miss). Это «ошибки» в стандартном
понимании этого слова — возникающие по вине экспериментатора
или в силу других непредвиденных обстоятельств (например, из-за сбоя
аппаратуры). Промахов, конечно, нужно избегать, а результаты таких
измерений должны быть по возможности исключены из рассмотрения.
Как понять, является ли «аномальный» результат промахом? Вопрос этот весьма
непрост. В литературе существуют статистические
критерии отбора промахов, которыми мы, однако, настоятельно не рекомендуем
пользоваться (по крайней мере, без серьезного понимания последствий
такого отбора). Отбрасывание аномальных данных может, во-первых, привести
к тенденциозному искажению результата исследований, а во-вторых, так
можно упустить открытие неизвестного эффекта. Поэтому при научных
исследованиях необходимо максимально тщательно проанализировать причину
каждого промаха, в частности, многократно повторив эксперимент. Лишь
только если факт и причина промаха установлены вполне достоверно,
соответствующий результат можно отбросить.
Замечание. Часто причины аномальных отклонений невозможно установить на этапе
обработки данных, поскольку часть информации о проведении измерений к этому моменту
утеряна. Единственным способ борьбы с этим — это максимально подробное описание всего
процесса измерений в лабораторном журнале. Подробнее об этом
см. п. 4.1.1.
При многократном повторении измерении одной и той же физической величины
погрешности могут иметь систематический либо случайный
характер. Назовём погрешность систематической, если она повторяется
от опыта к опыту, сохраняя свой знак и величину, либо закономерно
меняется в процессе измерений. Случайные (или статистические)
погрешности меняются хаотично при повторении измерений как по величине,
так и по знаку, и в изменениях не прослеживается какой-либо закономерности.
Кроме того, удобно разделять погрешности по их происхождению. Можно
выделить
- •
инструментальные (или приборные) погрешности,
связанные с несовершенством конструкции (неточности, допущенные при
изготовлении или вследствие старения), ошибками калибровки или ненормативными
условиями эксплуатации измерительных приборов; - •
методические погрешности, связанные с несовершенством
теоретической модели явления (использование приближенных формул и
моделей явления) или с несовершенством методики измерения (например,
влиянием взаимодействия прибора и объекта измерения на результат измерения); - •
естественные погрешности, связанные со случайным
характером
измеряемой физической величины — они являются не столько
«ошибками» измерения, сколько характеризуют
природу изучаемого объекта или явления.
Замечание. Разделение погрешностей на систематические и случайные
не является однозначным и зависит от постановки опыта. Например, производя
измерения не одним, а несколькими однотипными приборами, мы переводим
систематическую приборную ошибку, связанную с неточностью шкалы и
калибровки, в случайную. Разделение по происхождению также условно,
поскольку любой прибор подвержен воздействию «естественных»
случайных и систематических ошибок (шумы и наводки, тряска, атмосферные
условия и т. п.), а в основе работы прибора всегда лежит некоторое
физическое явление, описываемое не вполне совершенной теорией.
1.3.1 Случайные погрешности
Случайный характер присущ большому количеству различных физических
явлений, и в той или иной степени проявляется в работе всех без исключения
приборов. Случайные погрешности обнаруживаются просто при многократном
повторении опыта — в виде хаотичных изменений (флуктуаций)
значений {xi}.
Если случайные отклонения от среднего в большую или меньшую стороны
примерно равновероятны, можно рассчитывать, что при вычислении среднего
арифметического (1.1) эти отклонения скомпенсируются,
и погрешность результирующего значения ⟨x⟩ будем меньше,
чем погрешность отдельного измерения.
Случайные погрешности бывают связаны, например,
- •
с особенностями используемых приборов: техническими
недостатками
(люфт в механических приспособлениях, сухое трение в креплении стрелки
прибора), с естественными (тепловой и дробовой шумы в электрических
цепях, тепловые флуктуации и колебания измерительных устройств из-за
хаотического движения молекул, космическое излучение) или техногенными
факторами (тряска, электромагнитные помехи и наводки); - •
с особенностями и несовершенством методики измерения (ошибка
при отсчёте по шкале, ошибка времени реакции при измерениях с секундомером); - •
с несовершенством объекта измерений (неровная поверхность,
неоднородность состава); - •
со случайным характером исследуемого явления (радиоактивный
распад, броуновское движение).
Остановимся несколько подробнее на двух последних случаях. Они отличаются
тем, что случайный разброс данных в них порождён непосредственно объектом
измерения. Если при этом приборные погрешности малы, то «ошибка»
эксперимента возникает лишь в тот момент, когда мы по своей
воле совершаем замену ряда измеренных значений на некоторое среднее
{xi}→⟨x⟩. Разброс данных при этом
характеризует не точность измерения, а сам исследуемый объект или
явление. Однако с математической точки зрения приборные и
«естественные»
погрешности неразличимы — глядя на одни только
экспериментальные данные невозможно выяснить, что именно явилось причиной
их флуктуаций: сам объект исследования или иные, внешние причины.
Таким образом, для исследования естественных случайных процессов необходимо
сперва отдельно исследовать и оценить случайные инструментальные погрешности
и убедиться, что они достаточно малы.
1.3.2 Систематические погрешности
Систематические погрешности, в отличие от случайных, невозможно обнаружить,
исключить или уменьшить просто многократным повторением измерений.
Они могут быть обусловлены, во-первых, неправильной работой приборов
(инструментальная погрешность), например, сдвигом нуля отсчёта
по шкале, деформацией шкалы, неправильной калибровкой, искажениями
из-за не нормативных условий эксплуатации, искажениями из-за износа
или деформации деталей прибора, изменением параметров прибора во времени
из-за нагрева и т.п. Во-вторых, их причиной может быть ошибка в интерпретации
результатов (методическая погрешность), например, из-за использования
слишком идеализированной физической модели явления, которая не учитывает
некоторые значимые факторы (так, при взвешивании тел малой плотности
в атмосфере необходимо учитывать силу Архимеда; при измерениях в электрических
цепях может быть необходим учет неидеальности амперметров и вольтметров
и т. д.).
Систематические погрешности условно можно разделить на следующие категории.
- 1.
Известные погрешности, которые могут быть достаточно точно вычислены
или измерены. При необходимости они могут быть учтены непосредственно:
внесением поправок в расчётные формулы или в результаты измерений.
Если они малы, их можно отбросить, чтобы упростить вычисления. - 2.
Погрешности известной природы, конкретная величина которых неизвестна,
но максимальное значение вносимой ошибки может быть оценено теоретически
или экспериментально. Такие погрешности неизбежно присутствуют в любом
опыте, и задача экспериментатора — свести их к минимуму,
совершенствуя методики измерения и выбирая более совершенные приборы.Чтобы оценить величину систематических погрешностей опыта, необходимо
учесть паспортную точность приборов (производитель, как правило, гарантирует,
что погрешность прибора не превосходит некоторой величины), проанализировать
особенности методики измерения, и по возможности, провести контрольные
опыты. - 3.
Погрешности известной природы, оценка величины которых по каким-либо
причинам затруднена (например, сопротивление контактов при подключении
электронных приборов). Такие погрешности должны быть обязательно исключены
посредством модификации методики измерения или замены приборов. - 4.
Наконец, нельзя забывать о возможности существования ошибок, о
которых мы не подозреваем, но которые могут существенно искажать результаты
измерений. Такие погрешности самые опасные, а исключить их можно только
многократной независимой проверкой измерений, разными методами
и в разных условиях.
В учебном практикуме учёт систематических погрешностей ограничивается,
как правило, паспортными погрешностями приборов и теоретическими поправками
к упрощенной модели исследуемого явления.
Точный учет систематической ошибки возможен только при учете специфики конкретного эксперимента. Особенное внимание надо обратить на зависимость (корреляцию) систематических смещений при повторных измерениях. Одна и та же погрешность в разных случаях может быть интерпретирована и как случайная, и как систематическая.
Пример.
Калибровка электромагнита производится при помощи внесения в него датчика Холла или другого измерителя магнитного потока. При последовательных измерениях с разными токами (и соотственно полями в зазоре) калибровку можно учитыать двумя различными способами:
•
Измерить значение поля для разных токов, построить линейную калибровочную кривую и потом использовать значения, восстановленные по этой кривой для вычисления поля по току, используемому в измерениях.
•
Для каждого измерения проводить допольнительное измерения поля и вообще не испльзовать значения тока.
В первом случае погрешность полученного значения будет меньше, поскльку при проведении прямой, отдельные отклонения усреднятся. При этом погрешность измерения поля будет носить систематический харрактер и при обработке данных ее надо будет учитывать в последний момент. Во втором случае погрешность будет носить статистический (случайный) харрактер и ее надо будет добавить к погрешности каждой измеряемой точки. При этом сама погрешность будет больше. Выбор той или иной методики зависит от конретной ситуации. При большом количестве измерений, второй способ более надежный, поскольку статистическая ошибка при усреднении уменьшается пропорционально корню из количества измерений. Кроме того, такой способ повзоляет избежать методической ошибки, связанной с тем, что зависимость поля от тока не является линейной.
Пример.
Рассмотрим измерение напряжения по стрелочному вольтметру. В показаниях прибора будет присутствовать три типа погрешности:
1.
Статистическая погрешность, связанная с дрожанием стрелки и ошибкой визуального наблюдения, примерно равная половине цены деления.
2.
Систематическая погрешность, связанная с неправильной установкой нуля.
3.
Систематическая погрешность, связанная с неправильным коэффициентом пропорциональности между напряжением и отклонением стрелки. Как правило приборы сконструированы таким образом, чтобы максимальное значение этой погрешности было так же равно половине цены деления (хотя это и не гарантируется).
Неотъемлемой частью любого измерения является погрешность измерений. С развитием приборостроения и методик измерений человечество стремиться снизить влияние данного явления на конечный результат измерений. Предлагаю более детально разобраться в вопросе, что же это такое погрешность измерений.
Погрешность измерения – это отклонение результата измерения от истинного значения измеряемой величины. Погрешность измерений представляет собой сумму погрешностей, каждая из которых имеет свою причину.
По форме числового выражения погрешности измерений подразделяются на абсолютные и относительные
Абсолютная погрешность – это погрешность, выраженная в единицах измеряемой величины. Она определяется выражением.
(1.2), где X — результат измерения; Х0 — истинное значение этой величины.
Поскольку истинное значение измеряемой величины остается неизвестным, на практике пользуются лишь приближенной оценкой абсолютной погрешности измерения, определяемой выражением
(1.3), где Хд — действительное значение этой измеряемой величины, которое с погрешностью ее определения принимают за истинное значение.
Относительная погрешность – это отношение абсолютной погрешности измерения к действительному значению измеряемой величины:
(1.4)
По закономерности появления погрешности измерения подразделяются на систематические, прогрессирующие, и случайные.
Систематическая погрешность – это погрешность измерения, остающаяся постоянной или закономерно изменяющейся при повторных измерениях одной и той же величины.
Прогрессирующая погрешность – это непредсказуемая погрешность, медленно меняющаяся во времени.
Систематические и прогрессирующие погрешности средств измерений вызываются:
- первые — погрешностью градуировки шкалы или ее небольшим сдвигом;
- вторые — старением элементов средства измерения.
Систематическая погрешность остается постоянной или закономерно изменяющейся при многократных измерениях одной и той же величины. Особенность систематической погрешности состоит в том, что она может быть полностью устранена введением поправок. Особенностью прогрессирующих погрешностей является то, что они могут быть скорректированы только в данный момент времени. Они требуют непрерывной коррекции.
Случайная погрешность – это погрешность измерения изменяется случайным образом. При повторных измерениях одной и той же величины. Случайные погрешности можно обнаружить только при многократных измерениях. В отличии от систематических погрешностей случайные нельзя устранить из результатов измерений.
По происхождению различают инструментальные и методические погрешности средств измерений.
Инструментальные погрешности — это погрешности, вызываемые особенностями свойств средств измерений. Они возникают вследствие недостаточно высокого качества элементов средств измерений. К данным погрешностям можно отнести изготовление и сборку элементов средств измерений; погрешности из-за трения в механизме прибора, недостаточной жесткости его элементов и деталей и др. Подчеркнем, что инструментальная погрешность индивидуальна для каждого средства измерений.
Методическая погрешность — это погрешность средства измерения, возникающая из-за несовершенства метода измерения, неточности соотношения, используемого для оценки измеряемой величины.
Погрешности средств измерений.
Абсолютная погрешность меры – это разность между номинальным ее значением и истинным (действительным) значением воспроизводимой ею величины:
(1.5), где Xн – номинальное значение меры; Хд – действительное значение меры
Абсолютная погрешность измерительного прибора – это разность между показанием прибора и истинным (действительным) значением измеряемой величины:
(1.6), где Xп – показания прибора; Хд – действительное значение измеряемой величины.
Относительная погрешность меры или измерительного прибора – это отношение абсолютной погрешности меры или измерительного прибора к истинному
(действительному) значению воспроизводимой или измеряемой величины. Относительная погрешность меры или измерительного прибора может быть выражена в ( % ).
(1.7)
Приведенная погрешность измерительного прибора – отношение погрешности измерительного прибора к нормирующему значению. Нормирующие значение XN – это условно принятое значение, равное или верхнему пределу измерений, или диапазону измерений, или длине шкалы. Приведенная погрешность обычно выражается в ( % ).
(1.8)
Предел допускаемой погрешности средств измерений – наибольшая без учета знака погрешность средства измерений, при которой оно может быть признано и допущено к применению. Данное определение применяют к основной и дополнительной погрешности, а также к вариации показаний. Поскольку свойства средств измерений зависят от внешних условий, их погрешности также зависят от этих условий, поэтому погрешности средств измерений принято делить на основные и дополнительные.
Основная – это погрешность средства измерений, используемого в нормальных условиях, которые обычно определены в нормативно-технических документах на данное средство измерений.
Дополнительная – это изменение погрешности средства измерений вследствии отклонения влияющих величин от нормальных значений.
Погрешности средств измерений подразделяются также на статические и динамические.
Статическая – это погрешность средства измерений, используемого для измерения постоянной величины. Если измеряемая величина является функцией времени, то вследствие инерционности средств измерений возникает составляющая общей погрешности, называется динамической погрешностью средств измерений.
Также существуют систематические и случайные погрешности средств измерений они аналогичны с такими же погрешностями измерений.
Факторы влияющие на погрешность измерений.
Погрешности возникают по разным причинам: это могут быть ошибки экспериментатора или ошибки из-за применения прибора не по назначению и т.д. Существует ряд понятий которые определяют факторы влияющие на погрешность измерений
Вариация показаний прибора – это наибольшая разность показаний полученных при прямом и обратном ходе при одном и том же действительном значении измеряемой величины и неизменных внешних условиях.
Класс точности прибора – это обобщенная характеристика средств измерений (прибора), определяемая пределами допускаемых основной и дополнительных погрешностей, а также другими свойствами средств измерений, влияющих на точность, значение которой устанавливаются на отдельные виды средств измерений.
Классы точности прибора устанавливают при выпуске, градуируя его по образцовому прибору в нормальных условиях.
Прецизионность — показывает, как точно или отчетливо можно произвести отсчет. Она определяется, тем насколько близки друг к другу результаты двух идентичных измерений.
Разрешение прибора — это наименьшее изменение измеряемого значения, на которое прибор будет реагировать.
Диапазон прибора — определяется минимальным и максимальным значением входного сигнала, для которого он предназначен.
Полоса пропускания прибора — это разность между минимальной и максимальной частотой, для которых он предназначен.
Чувствительность прибора — определяется, как отношение выходного сигнала или показания прибора к входному сигналу или измеряемой величине.
Шумы — любой сигнал не несущий полезной информации.
Systematic error occurs when an observed or calculated value deviates from the true value in a consistent way.
From: Woven Textiles, 2012
Experimental techniques
Yanqiu Huang, … Zhixiang Cao, in Industrial Ventilation Design Guidebook (Second Edition), 2021
4.3.3.2 Measurement errors
The measurement errors are divided into two categories: systematic errors and random errors (OIML, 1978).
Systematic error is an error which, in the course of a number of measurements carried out under the same conditions of a given value and quantity, either remains constant in absolute value and sign, or varies according to definite law with changing conditions.
Random error varies in an unpredictable manner in absolute value and in sign when a large number of measurements of the same value of a quantity are made under essentially identical conditions.
The origins of the above two errors are different in cause and nature. A simple example is when the mass of a weight is less than its nominal value, a systematic error occurs, which is constant in absolute value and sign. This is a pure systematic error. A ventilation-related example is when the instrument factor of a Pitot-static tube, which defines the relationship between the measured pressure difference and the velocity, is incorrect, a systematic error occurs. On the other hand, if a Pitot-static tube is positioned manually in a duct in such a way that the tube tip is randomly on either side of the intended measurement point, a random error occurs. This way, different phenomena create different types of error. The (total) error of measurement usually is a combination of the above two types.
The question may be asked, that is, what is the reason for dividing the errors into two categories? The answer is the totally different way of dealing with these different types. Systematic error can be eliminated to a sufficient degree, whereas random error cannot. The following section shows how to deal with these errors.
Read full chapter
URL:
https://www.sciencedirect.com/science/article/pii/B9780128166734000043
EXPERIMENTAL TECHNIQUES
KAI SIREN, … PETER V. NIELSEN, in Industrial Ventilation Design Guidebook, 2001
12.3.3.11 Systematic Errors
Systematic error, as stated above, can be eliminated—not totally, but usually to a sufficient degree. This elimination process is called “calibration.” Calibration is simply a procedure where the result of measurement recorded by an instrument is compared with the measurement result of a standard. A standard is a measuring device intended to define, to represent physically, to conserve, or to reproduce the unit of measurement in order to transmit it to other measuring instruments by comparison.1 There are several categories of standards, but, simplifying a little, a standard is an instrument with a very high accuracy and can for that reason be used as a reference for ordinary measuring instruments. The calibration itself is usually carried out by measuring the quantity over the whole range required and by defining either one correction factor for the whole range, for a constant systematic error, or a correction curve or equation for the whole range. Applying this correction to the measurement result eliminates, more or less, the systematic error and gives the corrected result of measurement.
A primary standard has the highest metrological quality in a given field. Hence, the primary standard is the most accurate way to measure or to reproduce the value of a quantity. Primary standards are usually complicated instruments, which are essentially laboratory instruments and unsuited for site measurement. They require skilled handling and can be expensive. For these reasons it is not practical to calibrate all ordinary meters against a primary standard. To utilize the solid metrological basis of the primary standard, a chain of secondary standards, reference standards, and working standards combine the primary standard and the ordinary instruments. The lower level standard in the chain is calibrated using the next higher level standard. This is called “traceability.” In all calibrations traceability along the chain should exist, up to the instrument with the highest reliability, the primary standard.
The question is often asked, How often should calibration be carried out? Is it sufficient to do it once, or should it be repeated? The answer to this question depends on the instrument type. A very simple instrument that is robust and stable may require calibrating only once during its lifetime. Some fundamental meters do not need calibration at all. A Pitot-static tube or a liquid U-tube manometer are examples of such simple instruments. On the other hand, complicated instruments with many components or sensitive components may need calibration at short intervals. Also fouling and wearing are reasons not only for maintenance but also calibration. Thus the proper calibration interval depends on the instrument itself and its use. The manufacturers recommendations as well as past experience are often the only guidelines.
Read full chapter
URL:
https://www.sciencedirect.com/science/article/pii/B9780122896767500151
Intelligent control and protection in the Russian electric power system
Nikolai Voropai, … Daniil Panasetsky, in Application of Smart Grid Technologies, 2018
3.3.1.2 Systematic errors in PMU measurements
The systematic errors caused by the errors of the instrument transformers that exceed the class of their accuracy are constantly present in the measurements and can be identified by considering some successive snapshots of measurements. The TE linearized at the point of a true measurement, taking into account random and systematic errors, can be written as:
(25)wky¯=∑l∈ωk∂w∂ylξyl+cyl=∑aklξyl+∑aklcyl
where ∑ aklξyl—mathematical expectation of random errors of the TE, equal to zero; ∑ aklcyl—mathematical expectation of systematic error of the TE, ωk—a set of measurements contained in the kth TE.
The author of Ref. [28] suggests an algorithm for the identification of a systematic component of the measurement error on the basis of the current discrepancy of the TE. The algorithm rests on the fact that systematic errors of measurements do not change through a long time interval. In this case, condition (17) will not be met during such an interval of time. Based on the snapshots that arrive at time instants 0, 1, 2, …, t − 1, t…, the sliding average method is used to calculate the mathematical expectation of the TE discrepancy:
(26)Δwkt=1−αΔwkt−1+αwkt
where 0 ≤ α ≤ 1.
Fig. 5 shows the curve of the TE discrepancy (a thin dotted line) calculated by (26) for 100 snapshots of measurements that do not have systematic errors.
Fig. 5. Detection of a systematic error in the PMU measurements and identification of mathematical expectation of the test equation.
It virtually does not exceed the threshold dk = 0.014 (a light horizontal line). Above the threshold, there is a curve of the TE discrepancy (a bold dotted line) that contains a measurement with a systematic error and a curve of nonzero mathematical expectation Δwk(t) ∈ [0.026; 0.03] (a black-blue thick line). However, the nonzero value of the calculated mathematical expectation of the TE discrepancy can only testify to the presence of a systematic error in the PMU measurements contained in this TE, but cannot be used to locate it.
Read full chapter
URL:
https://www.sciencedirect.com/science/article/pii/B9780128031285000039
Measurements
Sankara Papavinasam, in Corrosion Control in the Oil and Gas Industry, 2014
ii Systematic or determinate error
To define systematic error, one needs to understand ‘accuracy’. Accuracy is a measure of the closeness of the data to its true or accepted value. Figure 12.3 illustrates accuracy schematically.4 Determining the accuracy of a measurement is difficult because the true value may never be known, so for this reason an accepted value is commonly used. Systematic error moves the mean or average value of a measurement from the true or accepted value.
FIGURE 12.3. Difference between Accuracy and Precision in a Measurement.4
Reproduced with permission from Brooks/Cole, A Division of Cengage Learning.
Systematic error may be expressed as absolute error or relative error:
- •
-
The absolute error (EA) is a measure of the difference between the measured value (xi) and true or accepted value (xt) (Eqn. 12.5):
(Eqn. 12.5)EA=xi−xt
Absolute error bears a sign:
- •
-
A negative sign indicates that the measured value is smaller than true value and
- •
-
A positive sign indicates that the measured value is higher than true value
The relative error (ER) is the ratio of measured value to true value and it is expressed as (Eqn. 12.6):
(Eqn. 12.6)ER=(xi−xtxt).100
Table 12.2 illustrates the absolute and relative errors for six measurements in determining the concentration of 20 ppm of an ionic species in solution.
Table 12.2. Relative and Absolute Errors in Six Measurements of Aqueous Solution Containing 20 ppm of an Ionic Species
| Measured Value | Absolute Error | Relative Error (Percentage) | Remarks |
|---|---|---|---|
| 19.4 | −0.6 | −3.0 | Experimental value lower than actual value. |
| 19.5 | −0.5 | −2.5 | |
| 19.6 | −0.4 | −2.0 | |
| 19.8 | −0.2 | −1.0 | |
| 20.1 | +0.1 | +0.5 | Experimental value higher than actual value. |
| 20.3 | +0.3 | +1.5 |
Systematic error may occur due to instrument, methodology, and personal error.
Instrument error
Instrument error occurs due to variations that can affect the functionality of the instrument. Some common causes include temperature change, voltage fluctuation, variations in resistance, distortion of the container, error from original calibration, and contamination. Most instrument errors can be detected and corrected by frequently calibrating the instrument using a standard reference material. Standard reference materials may occur in different forms including minerals, gas mixtures, hydrocarbon mixtures, polymers, solutions of known concentration of chemicals, weight, and volume. The standard reference materials may be prepared in the laboratory or may be obtained from standard-making organizations (e.g., ASTM standard reference materials), government agencies (e.g., National Institute of Standards and Technology (NIST) provides about 900 reference materials) and commercial suppliers. If standard materials are not available, a blank test may be performed using a solution without the sample. The value from this test may be used to correct the results from the actual sample. However this methodology may not be applicable for correcting instrumental error in all situations.
Methodology error
Methodology error occurs due to the non-ideal physical or chemical behavior of the method. Some common causes include variation of chemical reaction and its rate, incompleteness of the reaction between analyte and the sensing element due to the presence of other interfering substances, non-specificity of the method, side reactions, and decomposition of the reactant due to the measurement process. Methodology error is often difficult to detect and correct, and is therefore the most serious of the three types of systematic error. Therefore a suitable method free from methodology error should be established for routine analysis.
Personal error
Personal error occurs due to carelessness, lack of detailed knowledge of the measurement, limitation (e.g., color blindness of a person performing color-change titration), judgment, and prejudice of person performing the measurement. Some of these can be overcome by automation, proper training, and making sure that the person overcomes any bias to preserve the integrity of the measurement.
Read full chapter
URL:
https://www.sciencedirect.com/science/article/pii/B9780123970220000121
Experimental Design and Sample Size Calculations
Andrew P. King, Robert J. Eckersley, in Statistics for Biomedical Engineers and Scientists, 2019
9.4.2 Blinding
Systematic errors can arise because either the participants or the researchers have particular knowledge about the experiment. Probably the best known example is the placebo effect, in which patients’ symptoms can improve simply because they believe that they have received some treatment even though, in reality, they have been given a treatment of no therapeutic value (e.g. a sugar pill). What is less well known, but nevertheless well established, is that the behavior of researchers can alter in a similar way. For example, a researcher who knows that a participant has received a specific treatment may monitor the participant much more carefully than a participant who he/she knows has received no treatment. Blinding is a method to reduce the chance of these effects causing a bias. There are three levels of blinding:
- 1.
-
Single-blind. The participant does not know if he/she is a member of the treatment or control group. This normally requires the control group to receive a placebo. Single-blinding can be easy to achieve in some types of experiments, for example, in drug trials the control group could receive sugar pills. However, it can be more difficult for other types of treatment. For example, in surgery there are ethical issues involved in patients having a placebo (or sham) operation.2
- 2.
-
Double-blind. Neither the participant nor the researcher who delivers the treatment knows whether the participant is in the treatment or control group.
- 3.
-
Triple-blind. Neither the participant, the researcher who delivers the treatment, nor the researcher who measures the response knows whether the participant is in the treatment or control group.
Read full chapter
URL:
https://www.sciencedirect.com/science/article/pii/B9780081029398000189
The pursuit and definition of accuracy
Anthony J. Martyr, David R. Rogers, in Engine Testing (Fifth Edition), 2021
Systematic instrument errors
Typical systematic errors (Fig. 19.2C) include the following:
- 1.
-
Zero errors—the instrument does not read zero when the value of the quantity observed is zero.
- 2.
-
Scaling errors—the instrument reads systematically high or low.
- 3.
-
Nonlinearity—the relation between the true value of the quantity and the indicated value is not exactly in proportion; if the proportion of error is plotted against each measurement over full scale, the graph is nonlinear.
- 4.
-
Dimensional errors—for example, the effective length of a dynamometer torque arm may not be precisely correct.
Read full chapter
URL:
https://www.sciencedirect.com/science/article/pii/B978012821226400019X
Power spectrum and filtering
Andreas Skiadopoulos, Nick Stergiou, in Biomechanics and Gait Analysis, 2020
5.10 Practical implementation
As suggested by Winter (2009), to cancel the phase shift of the output signal relative to the input that is introduced by the second-order filter, the once-filtered data has to filtered again, but this time in the reverse direction. However, at every pass the −3dB cutoff frequency is pushed lower, and a correction is needed to match the original single-pass filter. This correction should be applied once the coefficients of the fourth-order low-pass filter are calculated. Nevertheless, it should be also checked whether functions of closed source software use the correction factor. If they have not used it, the output of the analyzed signal will be distorted. The format of the recursive second-order filter is given by Eq. (5.36) (Winter, 2009):
(5.36)yk=α0χk+α1χk−1+α2χk−2+β1yk−1+β2yk−2
where y are the filtered output data, x are past inputs, and k the kth sample.The coefficients α0,α1,α2,β1, and β2 for a second-order Butterworth low-pass filter are computed from Eq. (5.37) (Winter, 2009):
(5.37)ωc=tanπfcfsCK1=2ωcK2=ωc2K3=α1K2α0=K21+K1+K2α1=2α0α2=α0β1=K3−α1β2=1−α1-K3
where, ωc is the cutoff angular frequency in rad/s, fc is the cutoff frequency in Hz, and fs is the sampling rate in Hz. When the filtered data are filtered again in the reverse direction to cancel phase-shift, the following correction factor to compensate for the introduced error should be used:
(5.38)C=(21n−1)14
where n≥2 is the number of passes. For a single-pass C=1, and no compensation is needed. For a dual pass, (n=2), a compensation is needed, and the correction factor should be applied. Thus, the ωc term from Eq. (5.37) is calculated as follows:
(5.39)ωc=tan(πfcfs)(212−1)14=tan(πfcfs)0.802
A systematic error is introduced to the signal if the correction factor is not applied. Therefore, remember to check any algorithm before using it. Let us check the correctness of the fourth-order low-pass filter that was built previously in R language. Vignette 5.2 contains the code to perform Winter’s (2009) low-pass filter in R programming language. Because the filter needs two past inputs (two data points) to compute a present filtered output (one data point), the time-series data to be filtered (the raw data) should be padded at the beginning and at the end. Additional data are usually collected before and after the period of interest.
Vignette 5.2
The following vignette contains a code in R programming language that performs the fourth-order zero-phase-shift low-pass filter from Eq. (5.37).
- 1.
-
The first step is to create a sine (or equally a cosine) wave with known amplitude and known frequency. Vignette 5.3 is used to synthesize periodic digital waves. Let us create a simple periodic sine wave s[n] with the following characteristics:
- a.
-
Amplitude A=1 unit (e.g., 1 m);
- b.
-
Frequency f=2 Hz;
- c.
-
Phase θ=0 rad;
- d.
-
Shift a0=0 unit (e.g., 0 m).
Vignette 5.3
The following vignette contains a code in R programming language that synthesizes periodic waveforms from sinusoids.
Let us choose an arbitrary fundamental period T0=2 seconds, which corresponds to a fundamental frequency of f0=1/T0=0.5 Hz. Now, knowing the fundamental frequency, the fourth harmonic that corresponds to a sine wave with frequency of f=2 Hz will be chosen. The periodic sine wave s[n] will be sampled at Fs=40 Hz (Ts=1/40 seconds) (i.e., 20 times the Nyquist frequency, fN=2 Hz). The sine wave will be recorded for a time interval of t=2 s, which corresponds to N=80 data points. Thus, and because ω0=2πf0, we have:
s[n]=sin(2ω0nTs)
which means that the fourth harmonic has frequency f=2
Hz. Fig. 5.14A shows the sine wave created. The first and last 20 data points can be considered as extra points (padded). Additional data at the beginning and end of the signal are needed for the next steps because the filter is does not behave well at the edges. Thus, the signal of interest starts at 0.5
seconds and ends at 1.5
seconds, which corresponds to N=40 data points.
Figure 5.14. (A) Example of a low-pass filter (cutoff frequency=2 Hz) applied to a sine wave sampled at 40 Hz, with amplitude equal to 1 m, and frequency equal to 2 Hz. (B) The signal interpolated by a factor of 2, and filtered with cutoff frequency equal to the frequency of the sine wave (cutoff frequency=2 Hz). (C) Since the amplitude of the filtered signal has been reduced by a ratio of 0.707, the low-pass filter correctly attenuated the signal. The power spectra of the original and reconstructed signal are shown.
- 2.
-
An extra, but not mandatory, step is to interpolate the created sine wave in order to increase the temporal resolution of the created signal (Fig. 5.14B). Of course, when a digital periodic signal is created from scratch, like we are doing using the R code in the vignettes, we can easily sample the signal at higher frequencies. However, if we want to use real biomechanical time series data, that have already been collected, a possible way to increase its temporal resolution is by using the Whittaker–Shannon interpolation formula. With the Whittaker–Shannon interpolation a signal is up-sampled with interpolation using the sinc() function (Yaroslavsky, 1997):
(5.40)s(x)=∑n=0N−1αnsin(π(xΔx−n))Nsin(π(xΔx−n)/N)
The Whittaker–Shannon interpolation formula can be used to increase the temporal resolution after removing the “white” noise from the data. Without filtering, the interpolation results in a noise level equal to that of the original signal before sampling (Marks, 1991). However, the interpolation noise can be reduced by both oversampling and filtering the data before interpolation (Marks, 1991). An alternative, and efficient, method is to run the DFT, zero-pad the signal, and then take the IDFT to reconstruct it. Vignette 5.4 can be used to increase the temporal resolution by a factor of 2, which corresponds to a sampling frequency of 80 Hz.
Vignette 5.4
The following vignette contains a code in R programming language that runs the normalized discrete sinc() function, and the Whittaker–Shannon interpolation function.
- 3.
-
The third step is to filter the previously created sine wave with the fourth-order zero-phase-shift low-pass filter, setting the cutoff frequency equal to the sine wave frequency f=2 Hz. Vignette 5.2 is used for step 3. To cancel any shift (i.e., a zero-phase-shift filter) n=2 passes must be chosen. The interpolated signal has a sampling rate of 80 Hz.
- 4.
-
The fourth step is to investigate the frequency response of the filtered sine wave. The frequency response of the Butterworth filter is given by Eq. (5.41)
(5.41)|AoutAin|=1(1+fsf3dB)2n
where the point at which the amplitude response, Aout, of the input signal, s[n], with frequency, f, and amplitude, Ain, drops off by 3dB and is known as the cutoff frequency, f3dB. When the cutoff frequency is set equal to the frequency of the signal (f3dB=f), the ratio should be equal to 0.707, since:
(5.42)|AoutAin|=12≈0.707
Fig. 5.14C shows the plots of the filtered and interpolated sine wave. Since the ratio of the maximum value of the filtered sine wave to the original sine wave ratio=0.707, the created fourth-order zero-phase-shift low-pass filter works properly. Without the correction factor the amplitude reduces nearly to half (0.51), indicating that the coefficients of the filter needed correction. Fig. 5.15 also shows an erroneously filtered signal. You can try to create Fig. 5.15 by yourself.
Figure 5.15. Example of a recursive low-pass filter applied to a sine wave with amplitude equal to 1 m and cutoff frequency equal to the frequency of the sine wave. Since the amplitude of the filtered signal has been reduced by a ratio of 0.707, the low-pass filter correctly attenuated the signal. However, the function without the correction factor reduced the amplitude by nearly one-half (0.51), indicating that the coefficients need correction.
The same procedure should be applied to check whether the output of the functions from closed source software used the correction factor or not. For example, using the library(signal) of the R computational software, if x is the vector that contains the raw data, then using butter() the Butterworth coefficients can be generated.
Read full chapter
URL:
https://www.sciencedirect.com/science/article/pii/B9780128133729000051
Introduction to coal sampling
Wes B. Membrey, in The Coal Handbook (Second Edition), 2023
4.1.1 Definitions
The following definitions have been adapted from definitions given in the sampling standards.
Accuracy. A measure of the closeness of agreement between an analytical result and the true value or a reference value.
Cut. An increment taken by a sampling device typically from a conveyor belt, screen discharge, or other streams of coal.
Bias. Systematic error which leads to the average value of a series of analytical results being persistently higher or lower than the true value or a reference sample result.
Error. Difference between the measured value and the true value or a value from a reference sample result.
Increment. An amount of coal taken from a body of coal (a truck or barge, etc.) or from a stream of coal (coal on a conveyor, sizing screen or a chute, etc.) in a single operation of the sampling device.
Lot. Defined quantity of coal for which the quality is to be determined.
Particle top size is the nominal top size and is the square aperture size of the smallest sieve through which 95% of the sample passes.
Precision. A statistical term that quantifies how closely repeated experimental values agree. It usually has the value of the 95% confidence level, or 2 standard deviations from the mean of the experimental values.
Representative. A sample is representative when the sampling error, a combination of precision and accuracy, is of an acceptable level.
Sample. Quantity of coal with qualities that are representative of a larger mass (lot) for which the quality is to be determined.
Standard deviation. A measure of the spread of a set of values, equal to the square root of the variance of the results.
Sub lot. A part of a lot that is sampled and tested separately to the entire lot.
Tolerance. The maximum acceptable difference between measurement values or analytical results.
Variance. A measure of the spread of a set of values expressed as the square of the differences between the values and their mean.
Read full chapter
URL:
https://www.sciencedirect.com/science/article/pii/B9780128243282000169
Sensors
Andrea Colagrossi, … Matteo Battilana, in Modern Spacecraft Guidance, Navigation, and Control, 2023
Quantization errors
Quantization error is a systematic error resulting from the difference between the continuous input value and its quantized output, and it is like round-off and truncation errors. This error is intrinsically associated with the AD conversion that maps the input values from a continuous set to the output values in a countable set, often with a finite number of elements. The quantization error is linked to the resolution of the sensor. Namely, a high-resolution sensor has a small quantization error. Indeed, the maximum quantization error is smaller than the resolution interval of the output, which is associated to the least significant bit representing the smallest variation that can be represented digitally:
LSB=FSR2NBIT
where FSR is the full-scale range of the sensor, and NBIT is the number of bits (i.e., the resolution) used in the AD converter to represent the sensor’s output. Quantization errors are typically not corrected, and the discrete values of the output are directly elaborated by the GNC system, which is designed to operate on digital values.
Fig. 6.9 shows a convenient model block to simulate quantization errors.
Figure 6.9. Quantization error model.
Read full chapter
URL:
https://www.sciencedirect.com/science/article/pii/B9780323909167000068
The Systems Approach to Control and Instrumentation
William B. Ribbens, in Understanding Automotive Electronics (Seventh Edition), 2013
Systematic Errors
One example of a systematic error is known as loading errors, which are due to the energy extracted by an instrument when making a measurement. Whenever the energy extracted from a system under measurement is not negligible, the extracted energy causes a change in the quantity being measured. Wherever possible, an instrument is designed to minimize such loading effects. The idea of loading error can be illustrated by the simple example of an electrical measurement, as illustrated in Figure 1.17. A voltmeter M having resistance Rm measures the voltage across resistance R. The correct voltage (vc) is given by
Figure 1.17. Illustration of loading error-volt meter.
(71)vc=V(RR+R1)
However, the measured voltage vm is given by
(72)vm=V(RpRp+R1)
where Rp is the parallel combination of R and Rm:
(73)Rp=RRmR+Rm
Loading is minimized by increasing the meter resistance Rm to the largest possible value. For conditions where Rm approaches infinite resistance, Rp approaches resistance R and vm approaches the correct voltage. Loading is similarly minimized in measurement of any quantity by minimizing extracted energy. Normally, loading is negligible in modern instrumentation.
Another significant systematic error source is the dynamic response of the instrument. Any instrument has a limited response rate to very rapidly changing input, as illustrated in Figure 1.18. In this illustration, an input quantity to the instrument changes abruptly at some time. The instrument begins responding, but cannot instantaneously change and produce the new value. After a transient period, the indicated value approaches the correct reading (presuming correct instrument calibration). The dynamic response of an instrument to rapidly changing input quantity varies inversely with its bandwidth as explained earlier in this chapter.
Figure 1.18. Illustration of instrument dynamic response error.
In many automotive instrumentation applications, the bandwidth is purposely reduced to avoid rapid fluctuations in readings. For example, the type of sensor used for fuel-quantity measurements actually measures the height of fuel in the tank with a small float. As the car moves, the fuel sloshes in the tank, causing the sensor reading to fluctuate randomly about its mean value. The signal processing associated with this sensor is actually a low-pass filter such as is explained later in this chapter and has an extremely low bandwidth so that only the average reading of the fuel quantity is displayed, thereby eliminating the undesirable fluctuations in fuel quantity measurements that would occur if the bandwidth were not restricted.
The reliability of an instrumentation system refers to its ability to perform its designed function accurately and continuously whenever required, under unfavorable conditions, and for a reasonable amount of time. Reliability must be designed into the system by using adequate design margins and quality components that operate both over the desired temperature range and under the applicable environmental conditions.
Read full chapter
URL:
https://www.sciencedirect.com/science/article/pii/B9780080970974000011