外文翻译仪器的广义化性能特征

1、英 文 翻 译题 目：专 业 班 级：学 号：姓 名：指 导 教 师：学 院 名 称： 年 月外文资料翻译资料来源文章名: Generalized Performance Characterstics of Instruments书刊名：Measurement Systems Application and Design作 者：Ernest O.Doebelin出版社：China Machine Press章 节：Vo3.1Vo3.2页 码：P40P51文章译名：仪器的广义化性能特征 姓 名：刘莉 学 号：0941050110 指导教师(职称)：卓旭升（副教授） 专 业：09测控技术与仪器 班

2、 级：1班 所在学院：武汉工程大学邮电与信息工程学院 第3章 仪器的广义化性能特征序言 如果你想从市场上能买到的仪器中选择最适合于所要进行测量的一种仪器，或者您正在设计用于特定测量任务的仪器，那么仪器的性能指标这一课题便占了所要考虑的主要部分。亦即，要作出明智的决策，必须有某些定量的基础用于将一种仪器（或所建议的设计）与可能的替代方案作比较。本章我们提供很详细的研究测量仪器和系统，有关它们如何完善地测量期望输入以及怎样彻底摈弃虚假输入的问题。对仪器性能特征的处理通常被分解为静特性和动特性两个子领域，本章中也遵循这一规划。对这种分类的原因有几个。首先，某些应用涉及测量那些恒定的或仅仅很慢变化的量

3、。此时便可以规定一组性能指标，由它们来实质性地描述测量的量，而无须关心涉及微分方程的动特性问题。这些指标为静特性。许多其他的测量问题涉及快速变化的量。于是便要考虑仪器输入和输出之间的动态关系，通常采用微分方程来进行。基于这些动态关系的性能指标构成了动特性。 实际上，静特性也影响动态条件下测量的质量，但静特性在其他的描述动特性的微分方程中通常表现出非线性或统计的效应。这些效应将会使微分方程在解析上无法处理，因此常规的方法是将该问题的两方面分开处理。这样，动态性能的微分方程通常忽略干摩擦、回程、迟滞、统计分散等效应，即使这些效应也影响动态行为。把这些现象作为静特性对待能更方便于研究，而一台仪器的总

4、性能便可由静特性和动特性的半定量式叠加来加以判断。这一方法当然是近似的，但确实一种必要的权益方法，能方便数学研究。一旦有了初步的设计和数值，我们便当然能通过模拟来研究非线性效应和统计效应。静特性和静态标定静态标定的意义 下面通过讨论静态标定过程来开始我们的研究，因为所有的静态性能特性均能通过不同形式的这一过程来获得。一般来说，静态标定是指这样一种情形，其中所有的输入（期望的，干扰的，修正的）除了一种以外均被保持在某些常值上。然后使该一种要研究的输入在某个常值范围上变化，由此使输出也在某个常值范围上变化。以这种方式建立起来的这些输入-输出关系包括一个静态标定，它在上述的所有其他输入均为恒定的条件

5、下有效。这一程序可以重复进行，可采用顺序改变所考虑的每个感兴趣的输入，由此建立起一簇静态的输入-输出关系来实现。然后我们希望通过对这些个别效应进行某种合适的叠加来描述整体仪器的静态行为。在某些情况下，如果需要的是整体效应而不是个别效应，标定程序将规定几种输入同时变化。同样，如果仔细考擦任何实际的仪器，您会发现有许多修正的和/或干扰的输入，每一种均具有很小的效应，对它们的控制实际是不现实的。这样，“将所有其他 输入均保持恒定”这句话便指一种理想的情形，我们仅仅能接近它，但实际却永远不能达到它。测量方法描述理想的情形，而测量过程则描述对该测量的（不完善）的具体实现。所谓将“将一种输入改变而将所有其

6、他输入保持恒定”是指与所标定的仪器无关地确定（测量）所有这些输入。对于干扰输入或修正输入来说（它们对输出的影响在一个好的仪器中应该较小），对这些输入的测量通常不需要具有极高的精度水平。例如，假定一个压力计具有温度作为干扰输入，其程度为温度变化引起的压力误差。现在，如果我们用一根温度计测量了该100的干扰输入，而该温度计本身由一个2.0的误差，那么压力误差实际上应该是0.102.应该理解，在大多数工程情况中，一个0.100的误差和0.102的误差之间的差值是完全可以忽略的。然而，当将仪器对其期望输入的响应进行标定时，在选择确定这些输入值的手段方面必须十分小心。亦即，如果一个压力计固有的具有一个0

7、.1的精度，您当然必须能够在标定过程中以多少大于改值的一个精度来确定其输入压力。换言之，我们不可能将一个仪器标定到一个高于该仪器与之比较的标准的精度。一条经常遵循的规则是，标定系统（标准和任何与之一起使用的辅助装置）具有一个总不确定度，它4倍地优于所试验装置的不确定度。 在本章开头讨论专门物理变量的部分，将介绍有关这些变量用的标准器的详细情况。此处我们要给出某些一般信息。一个用于某种物理变量的标准器经常“只是另一种”用于该变量的测量装置。然而，因为被称作标准器，它的精度必须比待标定仪器的精度高，上文提到的4：1的比率是一个普通的要求。实际上有一系列的标准器，它们按照降精度的等级排列，其中的原始

8、标准是最精确的（在该系列的最顶层）。原始标准被认为是“最新技术”也即是已知能用来测量感兴趣量的最精确的方式。这些标准器由国家实验室来建立、保存和改进，比如美国国家标准和技术研究所（National Institute for Standards Technology （NIST）。这些实验室也为工业界或其他客户提供标准服务。大的高技术公司有时也保有标定实验室，它们也能进行这种最高水平的标定工作。 您也许会想到，原始标准既复杂又昂贵且仅用于最关键的场合。于是我们便需要较低水平（次级、三级等）标准，它们既简单又便宜，用于大部分工程标定工作。在国家实验室、商业标定实验室以及与工业企业、大学等相关联的

9、国内标定实验室中可以得到这些标准器用于标定服务。当我们计划一个特定的实验项目时，需要决定我们的测量结果的精度为多少，然后来安排对某个仪器标定，标定用的标准器精度可能的话应该比标定仪器的精度高出4倍以上。因此，如果需要一个压力计的精度为0.1，那么我们需要用一个精度约为0.25或更高的标注器来标定它。当然，压力计必须能够有1的精度。如果它具有比如3的随机误差，那么一个用0.25精度的标准器对它标定便不能使它成为一个“1精度的压力计”。当然这要在标定过程中才能发现，但我们不愿意浪费时间，因此最初选择仪器时必须十分仔细。在实施一个标定时，需要下述的一些步骤。1、 考察仪器的构造，识别并列出所有可能的

10、输入。2、 尽其所能确定哪些输入在要求仪器标定的应用中是最重要的。3、 获取装置来在您所认为必须的范围上改变所有重要的输入。获取标准器来测量每个输入。4、 保持某些输入恒定，改变其他输入，并记录输出，从而建立期望的输入-输出关系。以下准备对一些专门的静特性做更为详细的讨论。这些特性可被分为一般特性或专门特性两类。一般的静特性对每个仪器均有意义，而专门的静特性仅在某个特定仪器中有意义。我们主要讨论一般特性，而将对专门静特性的处理留到本书后面讨论专门仪器的章节。被测量值与真值的关系 当用一个仪器来测量某个物理量获得一个数值时，通常我们关心该值对“真”值的接近程度。首先需要理解这个所谓的真值一般是不

11、知道的，也是不可知的，因为不可能对被测的物理量做完善精确的定义。这一点可以用一个特例老说明，比如一跟圆柱杆的长。当我们问自己，所谓该杆的长究竟是什么意思时，首先要回答下述问题：1、该杆的两端是平面吗？2、如果是平面，它们是平行的吗？3、如果不是平面，那它们是什么类型的表面？4、表面粗糙的程度又如何？可以看到，当我们处理一个实际的而不是抽象的几何刚体时，会带来一系列复杂的问题。那么“真值”这一术语实际是指一个称为参考值的值，该值是当所考虑的量被用一种模范的方法来测量时获得的，亦即，这种方法被专家们一致认同为对测量数据的最终应用目的是足够精确的。测量过程包括实际中尽可能好地执行实施测量的指标，这些

12、指示便是测量方法。（由于标定本质上是一种精化形式的测量，以上的话同样也适用于标定过程）如果该过程在假定相同的条件下一次又一次地重复，我们便从仪器得到大量的读数。这些读数通常不会全部是形同的，因此马上注意到，我们要努力做到对每次试验保证有相同的条件，但这一点实际却永远不可能精确做到。以这种方式产生的数据可以被用来描述测量过程。这样，如果该过程在将来被使用，我们便能把某些误差的估计值加到它的输出上。如果输出数据要对测量过程进行有意义的描述，数据必须形成一种所谓的随机序列。对此的另一种说法是，该过程必须处于一种统计控制的状态。统计控制的状态这一概念并不是一个特别简单的概念，但我们力图对它的本质作简短

13、的解释。首先我们注意到，把一台仪器视为一个孤立的装置来谈它的精度是无意义的。我们必须始终考虑仪器及其环境以及使用的测量方法，也即要考虑仪器加上它的输入。这个整体构成了测量过程。每台仪器有无限多个输入；亦即，我们能感知的影响输出的原因，即使是轻微影响，是无限的。诸如大气压、温度和湿度等效应是比较明显的原因。但如果我们愿意仔细分析的话，就会发现大量其他的物理原因，它们以不同的程度影响到仪器。在为一个专门仪器确定一个标定过程时，我们规定某些输出必须在某些限制内保持“恒定”。我们希望这些输入对仪器的总误差贡献最大。对其余的无限多个输入则不加控制，且希望这些输入各自都仅仅产生很小的影响，而且在整体上它们

14、对仪器输出的影响将具有随机的性质。如果确实是这种情况，便可以说该过程是统计控制的。对一个过程是否随机控制过程的实验验证并不容易实现；实际上也不可能达到严格的统计控制。因此我们仅能实现这一情况。然而，如果我们重复一个测量并画出结果（输出）试验次数的图，有时能明显看出缺乏控制。图3.1（a）示出一张对特定仪器进行标定的结果图。该例中，通过某些研究后得出结论，该仪器对温度的敏感程度实际比想象得更高。最初的标定在一个不控制温度的房间中进行。这样，室温便从早晨的低温文化到中午的最高值，又在午后晚些时候跌落下来。由于10次试验覆盖了几乎一天的时间，因此曲线的趋势是可以理解的。通过在一个温控的房间中进行标定

15、，得到了图3.1（b）的图。为从统计控制中检测出更精确的偏差，要使用统计质量控制制图方法。如果测量过程处于比较好的统计控制状态，且一次一次地重复一定的测量（或标定点），我们会得到一组表现出随机分散性质的数据。作为一列，我们来考虑图3.2的压力计。假定我们想确定期望输入（压力）和输出（刻度读数）之间的关心。其他可能是重要的且必须在压力标定中加以控制的输入包括温度、加速度和震动。温度能使仪器零件膨胀，其方式使刻度读数在即使压力不变的情况下也会改变。仪器沿活塞杆轴向的加速度也会在即使压力不变的额情况下产生一个刻度读数。如果压力计要用在某些车辆中的话，该输入便是重要的。小量的振动实际中将有助于一台仪器

16、的工作，以为振动会减小静摩擦的影响。因此，要将压力计连接到一个往复式空气压缩机（它常常有某些振动）上的话，压力计在这些条件下将要比无振动的标定情况下更为精确。这些例子说明了对标定情况和实际应用情况之间的关系进行仔细考虑的一般重要意义。基本统计学知识假定我们已经得到一个足够精确的压力标准，且已经布置好将其他输入合理地保持接近实际应用的条件。在一定压力（比如10KPa）下进行重复标定可能给出图3.3的数据。现在将读数从最低值（9.81）到最高值（10.42）进行排列，来看看有多少读数落入比如从9.80开始的每个0.05KPa的间隔中。该结果可用图表方式表现为图3.4（a）。假定现在定义Z为 （3.

17、1）并对每个间隔画出一张高度为Z的“条形图”。图3.4（b）示出一张“直方图”。采用本书中的MINITAB统计软件当然能为我们画出直方图来。从式（3.1）中应该看出，一个特定“条形”的面积数值上等于一个特定的读数落在与之相关的间隔中的概率。整个直方图的面积则必须为1.0（100=1.0），因为至少基于能够得到的数据，读数落在最低和最高值中的某个地方的概率是100.如果现在能取无穷多个读数，每个均有无穷多个有效数字，我们便能将所选的间隔做得尽量小，且仍能使每个间隔包含无穷多个读数。这样图3.4（b）中的图形的阶梯便越来越小，最后趋近于一条光华的曲线。如果将该求极限的抽象情况看作实际物理情形的一个

18、数学模型，那么函数z=f(x)被称为该实际物理过程数学模型的概率密度函数，见图3.5(a)。从对Z的基本定义出发，可以得到： （3.2）概率信息有时用累积分布函数F（x）来给出，它被定义为F（x）=读数小于任何选定的x值的概率 （3.3）如图3.5（b）所示。从无穷多个概率密度函数可能的形式中，只有少数是对实际应用有用的数学模型，实际上，有一种特殊的形式是占主要的。最有用概率密度函数或分布函数是正态或高斯函数，它的形式为 （3.4）式（3.4）中规定了一簇曲线，它们取决于（均值）和（标准偏差）的特定数值。曲线形状完全由来确定，则仅用于确定曲线沿x轴的位置。累积分布函数F（x）在这种情况下不能被明确写出，因为不能进行式（3.3）的积分；然而，已经通过进行数值的积分将该函数做成了表格。图3.6表示，小的值表示一个“读数”将被发现接近于的概率高。式（3.4）也表示，很大的（）读数将会发生的概率小。这一点解释了为什么在现实世界中永远不会发生一个真正的高斯分布；而物理变量经常被限于有限的值。例如，实际的分布必须像图3.7那样把它们的“尾部”割掉。尽管实际数据将不会精确符合高斯分布，但它们经常十分接近，从而使我们能在工程问题中采用高斯模型。有时需要进行试验来表