Реферат: Технология и автоматизация производства РЭА
компонентами измерительной цепи или
"ненормальными" условиями измере-
ния.
Аддитивная погрешность - погрешность, которая
суммируется с ос-
новной погрешностью, мультипликативная - умножается на
основную пог-
решность.
Абсолютная погрешность равна 7D 0y=y'-y
(83), где y' - значение вы-
ходной величины, а y - ее градуировочное значение.
Относительная пог-
решность (%) равна:
7d 0y=( 7D 0y/y)*100 (84). Приведенная относительная пог-
решность (%) равна:
7d 0y 4пр 0=( 7D 0y/y 4max 0)*100
(85), где y 4max 0 - максимальное
значение выходной величины, определяющее диапазон ее
изменения. С уче-
том сказанного в общем случае результирующая
абсолютная погрешность
измерения ИИС определяется формулой
7D 4сум 0= 7D 4с 0+ 7D 4сл 0
(86).
По характеру возникновения погрешности бывают
конструктивные, ко-
торые возникают при проектировании из-за недостаточно
точного учета
условий эксплуатации РЭА и неоптимальной проработки
конструкции аппа-
ратуры и ее испытания, и производственные, возникающие в
процессе из-
готовления изделия. Это происходит в основном из-за
нарушения техноло-
гии производства. Кроме того, они возникают из-за
нестабильности само-
го процесса производства и характеристик применяемых
материалов и
из-за несовершенства существующих систем измерения.
Характеристика факторов, обуславливающих погрешности
измерения.
Методы определения 7D 4сум 0 зависят от
того, в какой форме заданы погреш-
ности отдельных звеньев, заданы ли их законы
распределения или заданы
только некоторые числовые характеристики составляющих
погрешности. В
том случае, если известны законы распределения
погрешностей отдельных
звеньев и система линейна, задача может быть решена с
помощью метода
свертки следующим образом. Пусть, например,
e 41 0 и e 42 0 - случайные функ-
ции погрешности двух соседних звеньев, а
f(e 41 0), f(e 42 0) - их плотности
распределения. Когда эти погрешности независимы, закон
распределения
суммарной погрешности e 41,2 0 этих двух
звеньев находится с помощью
свертки исходных плотностей:
+ 7$
f(e 41 0,e 42 0)= 73 0f(e 41 0)*f(e 41,2 0-e 41 0)de 41 0
(87).
- 7$
Применяя последовательно операцию свертки n-1 раз,
где n - коли-
чество звеньев в измерительной цепи, получаем закон
распределения пол-
ной (результирующей) погрешности. Однако, решение данного
уравнения не
всегда возможно. Поэтому при определении полной
погрешности получили
широкое применение методы математического моделирования,
в частности,
метод статистических испытаний. В этом случае законы
распределения
случайных составляющих погрешности отдельных звеньев формируются
с по-
мощью специальных генераторов или программным путем.
Осуществляя мно-
гократный перебор случайных сочетаний значений отдельных
составляющих
погрешностей и определяя каждый раз полную погрешность,
можно по ре-
зультатам испытаний воспроизвести закон распределения
полной погреш-
ности.
Определение полной погрешности в тех случаях, когда
составляющие
погрешности заданы в виде некоторых числовых
характеристик, можно осу-
ществить следующим образом. Если отдельные звенья ИИС
охарактеризованы
экстремальными погрешностями, то полная погрешность
определяется прос-
тым суммированием этих погрешностей. Однако, вполне
очевидно, что та-
кое значение полной погрешности может быть существенно
завышено. Если
составляющие погрешности отдельных звеньев заданы
интегральными оцен-
- 93 -
ками или доверительными интервалами и вероятностями, то
полная систе-
матическая погрешность многозвенного линейного
измерительного канала
находится суммированием систематических погрешностей
отдельных узлов,
а дисперсия случайной погрешности при условии
некоррелированности пог-
решностей отдельных звеньев - как сумма дисперсий
погрешностей звень-
ев.
В том случае, когда погрешности некоторых звеньев
коррелированы
между собой, к сумме дисперсий добавляются удвоенные
корреляционные
моменты соответствующих погрешностей. При суммировании
вводятся весо-
вые коэффициенты, зависящие от схемы включения звеньев и
определяемые
как частные производные от выходной величины измерительного
канала по
величине на входе данного звена. В том случае, если
заданы не диспер-
сии случайных составляющих погрешностей отдельных
звеньев, а их дове-
рительные интервалы, для определения полной
погрешности необходимо
знание законов распределения отдельных составляющих
погрешностей. В
этом случае по известным законам распределения,
доверительным интерва-
лам и вероятностям можно найти дисперсии погрешностей
отдельных звень-
ев, а затем полученные дисперсии суммировать.
Из анализа приведенных выше структур ИИС можно
заключить, что ос-
новные составляющие погрешности измерительного канала
обусловлены пог-
решностями первичных измерительных преобразователей
(датчиков), пог-
решностями аналого-цифровых преобразователей и
мультиплексоров (комму-
таторов) аналоговых сигналов.
3.3. Основные понятия теории вероятности.
Нормальное распределение, математическое
ожидание,
дисперсия, среднеквадратическое отклонение.
Доверительный интервал.
Методы проверки гипотез о распределении.
Предметом теории вероятности является математический
анализ слу-
чайных явлений, т.е. таких эмпирических феноменов,
которые, при опре-
деленном комплексе условий, могут быть охарактеризованы
тем, что для
них отсутствует детерминистическая регулярность
(наблюдения за ними не
всегда приводят к одним и тем же результатам) и в то же
время они об-
ладают некоторой статистической регулярностью
(проявляющейся в статис-
тической устойчивости частот).
Смысл статистической устойчивости частот заключается
в том, что,
если результаты отдельных наблюдений носят нерегулярный
характер, то
большое количество экспериментов позволяют получить
некоторые законо-
мерности, связанные с этими экспериментами.
Статистическая устойчи-
вость частот делает весьма правдоподобной гипотезу о
возможности коли-
чественной оценки "случайности" того или
другого события А, осущест-
вляемого в результате экспериментов. Исходя из этого,
теория вероят-
ности постулирует существование у события А определенной
числовой ха-
рактеристики Р(А), называемой вероятностью этого события,
естественное
свойство которой должно состоять в том, что с ростом
числа "независи-
мых" испытаний (экспериментов) частота появления
события А должна
приближаться к Р(А).
Частотой события называется отношение числа его
появлений к числу
произведенных опытов. Таким образом, если в n опытах
событие А появи-
лось m раз, то его частота равна m/n. lim(m/n)=P(A).
n 76$
Предположим, что в результате n опытов случайная
величина Х при-
няла значения
х 41 0,х 42 0,...,х 4n 0, тогда выборочное
среднее определяется фор-
мулой:
4n 0 4n
х 4ср 0=( 7S 0x 4i 0)/n; lim(x 4ср 0)=M(X); d 5* 0=( 7S 0(x 4i 0-х 4ср 0) 52 0)/n;
lim(d 5* 0)=D(X); где
5i=1 0
n 76$ 0 5i=1 0 n 76$
- 94 -
M(X) - математическое ожидание величины Х;
d 5* 0 - выборочная дисперсия
величины Х; D(X) - дисперсия величины Х, корень
квадратный из диспер-
сии называется среднеквадратическим отклонением величины
Х.
Большое значение в теории вероятности, особенно при
обработке ре-
зультатов экспериментов играет распределение Гаусса
(нормальное расп-
ределение, нормальный закон, нормальная кривая, закон
Гаусса), оно ха-
рактеризуется двумя параметрами: m 4x 0 -
математическим ожиданием и s 4x 0 -
среднеквадратическим отклонением, которые полностью
определяют все его
характеристики. При m 4x 0=0,
s 4x 0=1
f(x)=(2 7p 0) 5-1/2 0exp{-x 52 0/2 } (88)
нормаль-
ная кривая называется
нормированной.
──────────────────────────────────────────────────────────────────────
f(x)
m 4x 0=0 .
m 4x 0=0 . . m 4x 0=1 s 4x 0=2
s 4x 0=2. /|\.
s 4x 0=1. .
. . | . .
/ \
. . | . / . \
. .. . . . .|../. . . . . .
________________0_|__________1_____________ x
Рис. 12. Примеры нормального распределения.
──────────────────────────────────────────────────────────────────────
Как показывает практика, такое распределение
характерно для расп-
ределения погрешностей устойчивых, стабильных
технологических процес-
сов производства РЭА.
Любая функция результатов опытов, которая не зависит
от неизвест-
ных статистических характеристик, называется статистикой.
Оценкой ста-
тистической характеристики Q называется статистика, реализация
кото-
рой, полученная в результате опытов, принимается за
неизвестное истин-
ное значение параметра Q. Оценка называется
состоятельной, если она
сходится по вероятности к Q при неограниченном увеличении
числа опытов
n. Чтобы оценка была состоятельной, достаточно, чтобы
ее дисперсия
стремилась к нулю при неограниченном увеличении числа
опытов n.
Случайный интервал, полностью определяемый
результатами опытов и
независящий от неизвестных характеристик, который с
заданной вероят-
ностью а накрывает неизвестную скалярную статистическую
характеристику
Q, называется доверительным интервалом для этой
характеристики, соот-
ветствующим коэффициенту доверия а. Величина 1-а
называется уровнем
значимости отклонения оценки. Концы доверительного
интервала называют-
ся доверительными границами.
Как показывает практика, распределение случайной
величины невоз-
можно точно определить по результатам опытов.
Полученные эксперимен-
тальные результаты дают возможность только строить
различные гипотезы
о распределении случайной величины, например, гипотезу о
том, что она
распределена нормально. Поэтому возникает задача проверки
гипотез. Эта
задача состоит в том, чтобы определить, насколько
согласуется та или
иная гипотеза о распределении случайной величины с
полученными экспе-
риментальными данными. Эта задача тесно связана с
задачей определения
доверительных областей для плотности или функции
распределения. Однако
она имеет следующие особенности. Проверяя гипотезу о
нормальном расп-
ределении, по той же выборке обычно оценивают
математическое ожидание
и ковариационную матрицу (дисперсию в случае
одномерного распределе-
ния) случайной величины. Вследствие этого гипотетическое
распределение
оказывается само случайным - функцией случайных
результатов опытов.
Это и отличает задачу проверки гипотез о распределении от
задачи опре-
деления доверительных областей для распределений. И
только в отдельных
случаях может возникнуть задача проверки гипотезы о том,
что случайная
величина подчинена вполне определенному закону
распределения, не зави-
сящему от неизвестных параметров.
Для проверки гипотез о распределении применяются
различные крите-
- 95 -
рии согласия. Наиболее удобным и универсальным критерием
является кри-
терий 7c 52 0 (хи-квадрат) К.Пирсона. Он
совершенно не зависит от распреде-
ления случайной величины и от ее размерности. Критерий
Пирсона основан
на использовании в качестве меры отклонения
экспериментальных данных
от гипотетического распределения той же величины,
которая служит для
построения доверительной области для неизвестной
плотности, с заменой
неизвестных истинных значений вероятностей попадания в
интервалы веро-
ятностями, вычисленными по гипотетическому распределению.
Посмотрим использование статистического метода на
примере статис-
тического анализа производственных погрешностей. Данный
метод анализа
позволяет устанавливать качественные взаимосвязи
факторов, вызывающих
производственные погрешности, учитывать характер их влияния
на суммар-
ную погрешность. Статистический анализ делят на два
этапа. Первым эта-
пом является конкретный анализ исследуемого процесса, а
вторым - выбор
объектов исследования, определение объема экспериментов
и назначение
средств технического контроля. Средства технического
контроля (измери-
тельные средства) должны выбираться такими, чтобы
соотношение между
предельными погрешностями измерения и заданным допуском
на определен-
ный параметр качества было порядка 1:10 и даже 1:20.
Точные измери-
тельные средства назначаются для обеспечения надежности
выводов. Необ-
ходимо тщательно соблюдать одни и те же условия
проведения опытов и
измерений.
Непосредственно за этими подготовительными работами
следует:
1. собственно наблюдения изучаемого узла
(измерение параметров,
определение свойств и т.п.);
2. группировка полученного при наблюдениях
статистического мате-
риала;
3. сводка результатов наблюдения и вычисление
параметров распре-
деления изучаемого узла;
4. анализ параметров распределения изучаемого узла.
Изменение значений параметров деталей, узлов и т.д.,
колеблющихся
в определенных пределах, называется вариацией, а ряд
значений парамет-
ров для всей партии выборки деталей - вариационным рядом.
Этот ряд от-
ражает закономерность соответствующего технологического
процесса. Ва-
риационный ряд, выраженный графически, позволяет получить
кривую расп-
ределения производственных погрешностей параметров
изучаемого узла.
Однако, вычисление характеристик распределения
погрешностей проще
и удобнее производить не по данным вариационного ряда,
а по данным,
предварительно сгруппированным в интервале значений
интересующего нас
параметра. Возникает необходимость перехода от
вариационного к интер-
вальному ряду распределения погрешностей. По протоколу
измерения пара-
метров деталей находят два значения, соответствующие
максимальным
крайним отклонениям от номинала, т.е. Х 4макс 0
и Х 4мин 0. Используя эти зна-
чения, находим размах варьирования:
R=Х 4макс 0-Х 4мин 0 (89). Для перехода к
интервальному ряду необходимо определить количество
интервалов и их
ширину. Количество интервалов выбирают таким, чтобы на
каждый интервал
в среднем приходилось не менее 10 значений из общего
количества наблю-
дений исследуемого параметра, т.е. р=0,1n. Ширина
интервала определя-
ется из выражения: dx=R/(0,1n -1) (90), где n -
количество деталей в
исследуемой партии.
При определении границ интервалов рекомендуется
начинать ряд со
значения, величина которого на 0,5 интервала меньше
Х 4мин 0 и заканчивать
ряд величиной, которая превышает Х 4макс 0
также на 0,5 интервала. Границы
и средние значения интервала распределения записываются в
форме табли-
цы 5.
Частота заполняется по данным протокола измерений
с разнесением
всех частных значений исследуемого параметра по
соответствующим интер-
валам. Количество значений исследуемого параметра,
попавших в тот или
- 96 -
Таблица 5
┌────────┬────────────────────────────┬──────────────┬──────┬────────┐
│n интер-│Границы интервалов │Середина
ин- │часто-│частость│
│вала │ │тервала
│та mj │mj/n │
├────────┼────────────────────────────┼──────────────┼──────┼────────┤
│ 1 │Х 4мин 0-0,5dх -
Х 4мин 0+0,5dх │Х 4мин 0 │
m 41 0 │ m 41 0/n │
│ 2 │Х 4мин 0+0,5dх -
Х 4мин 0+1,5dх │Х 4мин 0+dх │
m 42 0 │ m 42 0/n │
│ 3 │Х 4мин 0+1,5dх -
Х 4мин 0+2,5dх │Х 4мин 0+2dх │
m 43 0 │ m 43 0/n │
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22
|