SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

Podobne dokumenty
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI

MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Sprawozdanie powinno zawierać:

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Weryfikacja hipotez dla wielu populacji

Procedura normalizacji

DIAGNOSTYKA WYMIENNIKÓW CIEPŁA Z UWIARYGODNIENIEM WYNIKÓW POMIARÓW EKPLOATACYJNYCH

Rachunek niepewności pomiaru opracowanie danych pomiarowych

SZTUCZNA INTELIGENCJA

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

BADANIE DRGAŃ WŁASNYCH NAPĘDU ROBOTA KUCHENNEGO Z SILNIKIEM SRM

LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1)

BADANIE STATYCZNYCH WŁAŚCIWOŚCI PRZETWORNIKÓW POMIAROWYCH

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Definicje ogólne

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

mgr inż. Wojciech Artichowicz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁACH OTWARTYCH

METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz

Proste modele ze złożonym zachowaniem czyli o chaosie

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model

Natalia Nehrebecka. Zajęcia 4

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne

Wykład IX Optymalizacja i minimalizacja funkcji

Planowanie eksperymentu pomiarowego I

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Model oceny ryzyka w działalności firmy logistycznej - uwagi metodyczne

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

Analiza danych OGÓLNY SCHEMAT. Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

Regresja liniowa i nieliniowa

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. Strona 1

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Pattern Classification

7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Komputerowe generatory liczb losowych

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

ZAJĘCIA X. Zasada największej wiarygodności

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD A

Problematyka walidacji metod badań w przemyśle naftowym na przykładzie benzyn silnikowych

APROKSYMACJA QUASIJEDNOSTAJNA

Statystyka. Zmienne losowe

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

Komputer kwantowy Zasady funkcjonowania. Dr hab. inż. Krzysztof Giaro Politechnika Gdańska Wydział ETI

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

BADANIA CHARAKTERYSTYK HYDRAULICZNYCH KSZTAŁTEK WENTYLACYJNYCH

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA

Minimalizacja globalna, algorytmy genetyczne i zastosowanie w geotechnice

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

Natalia Nehrebecka. Wykład 2

dy dx stąd w przybliżeniu: y

Laboratorium ochrony danych

Materiały z II Konferencji Naukowo-Technicznej "Diagnostyka w sieciach elektroenergetycznych zakładów przemysłowych", Płock, 2001, str.3-10.

Zadanie na wykonanie Projektu Zespołowego

Minimalizacja globalna. Algorytmy genetyczne i ewolucyjne.

Określanie zapasu wody pod stępką w porcie Ystad na podstawie badań symulacyjnych

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6


METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

Analiza ryzyka jako instrument zarządzania środowiskiem

ZESZYTY NAUKOWE NR x(xx) AKADEMII MORSKIEJ W SZCZECINIE. Metody wymiarowania obszaru manewrowego statku oparte na badaniach rzeczywistych


3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

RACHUNEK NIEPEWNOŚCI POMIARU

Wyznaczanie współczynnika sztywności zastępczej układu sprężyn

Optymalizacja belki wspornikowej

kosztów ogrzewania lokali w budynku wielolokalowym.

Natalia Nehrebecka. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Zastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...

MODEL PROGNOZUJĄCY EKOEFEKTYWNOŚĆ TECHNOLOGII ZRÓWNOWAŻONEGO ROZWOJU W OPARCIU O SIECI NEURONOWE

Podstawy teorii falek (Wavelets)

Wydział Elektryczny Katedra Elektrotechniki Teoretycznej i Metrologii. Instrukcja do zajęć laboratoryjnych z przedmiotu METROLOGIA

Transkrypt:

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel. (0) 81-4-3 fax 615-75-35 e-mal. nmb@el.waw.pl Streszczene Wyznaczane nepewnośc pomaru jest koneczną częścą każdej procedury pomarowej. W referace omówono klasyczne metody wyznaczana nepewnośc pomaru oraz przedstawono nne podejśce bazujące na bezpośrednm zastosowanu prawa propagacj funkcj rozkładów gęstośc prawdopodobeństwa. Metoda ta jest złożona lecz ne wymaga wprowadzana uproszczeń na etape oblczenowym. Zastosowane metod numerycznych do wyznaczana rozkładu gęstośc prawdopodobeństwa welkośc wyjścowej przy określonych rozkładach welkośc wejścowych podanym modelu pomaru prowadz do unwersalnych modułów oprogramowana, które mogą być stosowane w procedurach laboratoryjnych Słowa kluczowe: nepewność pomaru, prawo propagacj rozkładów, badana nenszczące. 1. WPROWADZENIE Wprowadzene jednoltej kodyfkacj szacowana nepewnośc pomaru zgodne z modelem probablstycznych spowodowało rozwój praktycznych metod oblczana nepewnośc pomaru jako parametru rozkładu gęstośc prawdopodobeństwa przypsanego wyjścowej welkośc merzonej. Kryterum wyboru metody oblczana nepewnośc pomaru stanow postać modelu pomaru. Dla lnowego modelu pomaru stosuje sę prawo propagacj nepewnośc. Natomast dla dowolnej nelnowej funkcj pomaru stosuje sę prawo propagacj rozkładów. W Instytuce Elektrotechnk został opracowany paket programów do wspomagana pracy w laboratorach. W ramach paketu znajduje sę program do wyznaczana nepewnośc pomaru metodą propagacj rozkładów. Program pozwala na 1

rozwązane welu problemów w procese szacowana nepewnośc pomarów metod badawczych.. PROBLEMY SZACOWANIA NIEPEWNOŚCI POMIARU Szacowane nepewnośc pomarów złożonych zwązane jest z problemam, które można zalczyć do jednej z trzech klas. Perwszą klasę stanową zadana pomarowe, dla których wymagane jest podejśce ogólne. Model pomaru wynka z analzy metrologcznej zjawsk procesu pomarowego. Welkość wyjścowa jest zwązana zależnoścą z welkoścam wejścowym. Zależność ta może meć charakter funkcj analtycznej lub surowej zależnośc eksperymentalnej w postac tabel. Drugą klasę stanową te problemy, dla których można zastosować aproksymację równana pomaru perwszym wyrazem rozwnęca w szereg Taylora. W trzecej grupe znajdują sę problemy, dla których ne można wcześnej przesądzć, jake podejśce prowadz do wystarczająco dokładnego oszacowana. Zgodne z powyższym skodyfkowano opsane podejśca, zalecane do oceny nepewnośc pomaru. Perwsze podejśce to zastosowane metod analtycznych przekształcana funkcj rozkładów gęstośc prawdopodobeństwa. Metody analtyczne ne wprowadzają żadnych przyblżeń na etape oblczenowym. Nedokładnośc powstają na etape przypsywana wejścowym zmennym losowym rozkładów gęstośc prawdopodobeństwa. Zastosowane metod analtycznych prowadz do skomplkowanych przekształceń funkcj rozkładów gęstośc prawdopodobeństwa. Metody analtyczne są stosowane na etape analzy zjawsk syntezy modelu. W praktyce pomarowej mogą być stosowane jedyne w najprostszych przypadkach. Druge podejśce polega na zastąpenu modelu pomaru przez aproksymację perwszym wyrazem rozwnęca w szereg Taylora. Stosując to podejśce uzyskuje sę dobre wynk dla lnowego lub lnearyzowanego modelu pomaru oraz dla normalnych rozkładów gęstośc prawdopodobeństwa welkośc wejścowych. Trzece podejśce jest rozszerzenem poprzednego. Model pomaru aproksymuje sę rozwnęcem w szereg Taylora z wyrazam wyższych stopn. Prowadz to dość skomplkowanych zależnośc w praktyce stosuje sę najwyżej dwa wyrazy. Następne podejśce bazujące na prawe propagacj rozkładów polega na zastosowanu metod numerycznych do wyznaczana rozkładu gęstośc prawdopodobeństwa welkośc wyjścowej przy określonych rozkładach welkośc wejścowych podanym modelu pomaru.

Model pomaru welkośc fzycznej określa welkość merzoną, welkośc wpływające oraz welkośc zakłócające. Welkość wyjścowa welkośc wejścowe powązane są analtyczną zależnoścą funkcyjną: Y = f (X ) (1) Argumentem powyższej funkcj jest wektor, którego składowe są nezależnym zmennym losowym: X ) T = ( X 1, X,..., X n () Ze zmennym losowym wejścowym zwązane są rozkłady gęstośc prawdopodobeństwa otrzymane na drodze eksperymentu lub przyjęte arbtralne. W obu przypadkach rozkłady gęstośc prawdopodobeństwa opsują zjawska losowe w sposób przyblżony. Przyjęte przez organzacje mędzynarodowe zasady wyznaczana nepewnośc dopuszczają stosowane dwóch sposobów. Perwszy nazywany prawem propagacj nepewnośc posługuje sę parametram rozkładów welkośc wejścowych do wyznaczena nepewnośc rozszerzonej welkośc wyjścowej. Drug sposób określany jako prawo propagacj rozkładów gęstośc prawdopodobeństwa przekształca funkcje rozkładów gęstośc wejścowych. 3. PRAWO PROPAGACJI NIEPEWNOŚCI Nepewność złożona wynku pomaru welkośc fzycznej, zgodne z ogólnym zasadam, szacowana jest w następujących etapach: - określene zasady pomarowej, welkośc merzonej welkośc wpływających, - dentyfkacja źródeł nepewnośc, - przyjęce typów rozkładów gęstośc prawdopodobeństwa dla welkośc wejścowych, - estymacja odchyleń standardowych, - wyznaczene współczynnków wrażlwośc, - zestawene budżetu nepewnośc, - oblczene wartośc złożonej nepewnośc standardowej - oblczane nepewnośc rozszerzonej. Wynk pomaru składa sę z wartość merzonej welkośc fzycznej oraz nepewnośc rozszerzonej pomaru. Te dwe wartośc określają przedzał ufnośc. 3

Rys. 1. Ilustracja prawa propagacj nepewnośc. Prawo przenoszena nepewnośc określa zwązek nepewnośc wyjścowych z nepewnoścam welkośc wejścowych. Welkoścam wejścowym są welkośc merzone, welkośc wpływające występujące w modelu pomaru oraz welkośc zakłócające. Złożona nepewność standardowa zgodne z prawem propagacj nepewnośc: u(y) u( y) = N 1 f x u ( x ) c f x = (3) - złożona nepewność standardowa welkośc wyjścowej, u(x ) - złożona nepewność standardowa welkośc wejścowej, c - wrażlwość wyjśca na wejśce. Wrażlwość wyjśca na określone wejśce przy funkcj pomaru danej w postac analtycznej wyznacza sę jako pochodną cząstkową. W nnych przypadkach należy stosować metody symulacyjne lub eksperymentalne. Nepewność złożona wyznaczana zgodne z prawem propagacj łączona jest z nepewnoścą metody oraz nepewnoścam arbtralne wprowadzanym przez badacza. Budżet nepewnośc jest zestawenem tabelarycznym podstawowych nformacj, które są koneczne do wylczena nepewnośc pomaru dokumentowana jej zgodne z obowązującym normam. Wejścowe nepewnośc standardowe są szacowane metodą A B. Istotnym elementem budżetu jest typ rozkładu gęstośc, gdyż przyjmowane bez analzy probablstycznej typu rozkładu może prowadzć do błędnego oszacowana przedzału ufnośc. W przypadku prostych zależnośc funkcyjnych współczynnk wrażlwośc można wyznaczyć analtyczne. Problemy pojawają sę w przypadku braku postac analtycznej lub postać funkcyjna jest trudna do analzy. 4

4. PRAWO PROPAGACJI ROZKŁADÓW Prawo propagacj rozkładów gęstośc prawdopodobeństwa jest uogólnenem prawa propagacj nepewnośc określa zasadę przekształcana rozkładów wejścowych w rozkład wyjścowy. Welkośc wejścowe opsane są funkcjam gęstośc prawdopodobeństwa: g ) T ( ξ ) = ( g1( ξ1), g ( ξ ),..., g n ( ξ n (4) Rozkłady welkośc wejścowych są częścą modelu pomaru. Przyjęce wybranego typu rozkładu pownno być uzasadnone badanam statystycznym lub analzą zjawsk. Zaleca sę przyjmowane rozkładu normalnego, gdy występuje klka welkośc wejścowych o zblżonych wartoścach rozrzutu. Rozkład równomerny jest dobrym modelem welkośc fzycznej, która zmena sę w znanych grancach. Rys.. Ilustracja prawa propagacj rozkładów. Welkość wyjścowa opsana jest wynkową funkcją gęstośc prawdopodobeństwa. Jeśl funkcja modelująca pomar jest nelnowa to wyjścowa funkcja rozkładu może wykazywać asymetrę. W ogólnym przypadku wykorzystane prawa propagacj rozkładów do przekształcena funkcj rozkładów gęstośc prawdopodobeństwa welkośc wejścowych prowadz do trudnośc analtycznych. Dobrym rozwązanem okazało sę zastosowane numerycznych metod symulacyjnych metod Monte Carlo. Metoda symulacyjna korzysta bezpośredno z prawa propagacj rozkładów gęstośc prawdopodobeństwa. Algorytm numerycznego wyznaczana nepewnośc dzała w następujących krokach: - wprowadzene funkcj modelującej pomar, - określene typów rozkładów dla każdego z wejść, - podane wartośc parametrów rozkładów, - wybór parametrów symulacj, - wyznaczene wyjścowego rozkładu gęstośc prawdopodobeństwa, 5

- określene wartośc welkośc wyjścowej, - określene nepewnośc rozszerzonej pomaru złożonego, Proces oblczenowy przebega zgodne z ustawonym przez obsługę parametram pomocnczym. W wynku dzałana algorytmu otrzymuje sę rozkład gęstośc prawdopodobeństwa, przedzał ufnośc dla podanego pozomu ufnośc oraz pełną dokumentację grafczną w postac raportu. Proces można powtarzać przy doberanych parametrach. 5. UWAGI KOŃCOWE Bezpośredne zastosowane prawa propagacj funkcj gęstośc rozkładów prawdopodobeństwa prowadz do algorytmów symulacyjnych, które w forme programów mogą być wykorzystane w praktyce laboratoryjnej. Oprogramowane pozwala na wyznaczene rozkładów z dowolną wymaganą dokładnoścą. Algorytmy wyznaczana nepewnośc mogą być zntegrowane z oprogramowanem pomarowym raportującym. Czas oblczeń automatycznych jest krótk, wynk mogą być archwzowane. Program można wykorzystywać także do eksperymentów zwązanych z waldacją metod pomarowych metodam statystycznym. W postac uproszczonej otrzymuje sę rozkład eksperymentalny bez przyblżonej postac analtycznej. W wersj rozszerzonej możlwe jest przyblżane danych wyjścowych funkcjam analtycznym. Opracowane oprogramowane pozwala na skuteczne oblczane nepewnośc zgodne z modelem probablstycznym bez konecznośc analzy funkcj pomaru bez wyznaczana współczynnków wrażlwośc. Algorytmy mplementowane w rozszerzonej wersj pozwalają na wspomagane waldacj metod badawczych. W badanach nenszczących występuje problem konfrontowana wynków pomarów tej samej cechy różnym metodam. Każda z metod dostarcza wynku opsanego nnym rozkładem. Opsana powyżej metoda postępowana może być zastosowana w takm przypadku. LITERATURA 1. Bernat K, Wójtowcz S.: Wyznaczane nepewnośc pomarów złożonych metodą symulacyjną. 34 KKBN, Zakopane 005.. Gude to the Expresson of Uncertanty n Measurement, Supplement 1, Numercal Methods for the Propagaton of Dstrbutons, 004. 3. Wójtowcz S., Bernat K., Ccheck A.: Szacowane nepewnośc pomaru metodą symulacyjną. 33 KKBN, Poznań-Lcheń 004. 4. Wyrażane nepewnośc pomaru. Przewodnk. Główny Urząd Mar, Warszawa 1995. 6