- •(Для студентов специальности 7.010104 “Профессиональное обучение. Промышленное, гражданское и сельскохозяйственное строительство”)
- •Оглавление
- •1. Исследовательская и изобретательская деятельность
- •1. 1. Понятие о научно-исследовательской работе.
- •2. Основы измерения физических величин
- •2.2. Основные понятия об измерениях физической величины Блок-схема процесса измерения
- •2.3. Прямые и косвенные методы измерения
- •2.4. Аналоговые и цифровые методы измерений
- •2.5. Непрерывные и дискретные методы измерения
- •2.6. Методы отклонения и компенсационный метод
- •2.7. Классификация средств измерений
- •2.8. Структура измерительных приборов
- •2.9. Метрологические характеристики средств измерения
- •3. Погрешности измерений и их причины
- •3.1. Представительность измеряемой величины
- •3.2. Погрешности, связанные с процессом измерения
- •3.3. Погрешности, связанные с обработкой измеренных величин
- •3.4. Погрешности измерительных устройств
- •4. Статические погрешности измерений
- •4.1. Виды погрешностей
- •4.2. Случайная погрешность отдельного измерения
- •4.3. Случайная погрешность среднего значения
- •4.4. Систематическая погрешность
- •4.5. Распространение погрешностей
- •5. Способы обработки результатов измерений с учетом статистических погрешностей
- •5.1. Проверка гипотезы нормальности распределения
- •5.2. Грубые погрешности измерения и их отсеивание
- •5.3. Различие средних значений
- •5.4. Линейная регрессия
- •5.5. Линейная корреляция
- •5.6. Автоматическая коррекция погрешности
- •6. Динамические погрешности измерений
- •6.1. Измерение как процесс передачи сигналов
- •6.2. Сигналы и их математическое описание
- •6.3. Временные характеристики детерминированных сигналов
- •6.4. Временные характеристики стохастических сигналов
- •6.5. Частотные характеристики периодического сигнала
- •6.6. Частотные характеристики апериодического сигнала
- •6.7. Частотные характеристики стохастического сигнала
- •6.8. Дискретные сигналы
- •6.9. Динамические погрешности измерения
- •7.2. Погрешности отображения (преобразования) физической величины
- •7.3. Способы и средства первичного преобразования физической величины
- •7.4. Виды первичных преобразователей
- •7.5. Эффекты и чувствительные элементы, используемые для первичного преобразования
- •7.6. Измерительные преобразователи с электронным цифровым выходным сигналом
- •8. Приборы выдачи информации
- •8.1. Аналоговые приборы выдачи информации
- •8.2. Приборы выдачи цифровой информации
- •8.3. Дискретно-аналоговые преобразователи
- •8.4. Печатающие устройства для результатов измерений
- •8.5. Электронно-лучевые визуальные приборы
- •9. Способы и средства измерения продольных деформаций, наклепа и остаточных напряжений
- •9.1. Электрические способы измерения деформаций
- •Индуктивные тензометры
- •9.2. Механические способы измерения деформаций
- •9.3. Визуальные методы оценки деформаций
- •Литература
6.3. Временные характеристики детерминированных сигналов
В качестве примеров описания временных характеристик сигналов ниже рассмотрены четыре наиболее важных для дальнейшего изложения сигнала.
Единичная импульсная функция определяется как предельный случай прямоугольного импульса (рис.7.2):
Единичная функция (скачок) определяется следующим образом :
Единичная функция есть интеграл от единичной импульсной функции.
Линейно нарастающая функция, получаемая в результате интегрирования единичной функции, определяется:
Особое место при описании сигналов занимают гармонические колебания.
В общем случае колебания по закону косинуса можно представить в виде суммы колебаний по закону косинуса и синуса:
Описание гармонических колебаний можно представить в комплексной форме, используя уравнение Эйлера:
Под в дальнейшем мы будем понимать гармонические колебания, представленные в комплексной форме.
Так как в рамках линейных операций слагаемые члены могут обрабатываться независимо, и общий результат складывается из суммы частных результатов, вычисления можно выполнить в более удобном комплексном написании.
В общей системе интересующий частный результат будет получен путем отделения действительной части. Поэтому в дальнейшем колебание по закону косинуса будет для краткости представлено в виде = без указания каждый раз, что в нем нас интересует только действительная часть.
6.4. Временные характеристики стохастических сигналов
Описание стохастических сигналов как функции времени в детерминированном виде невозможно. Вместо этого проводится статистическое описание. При этом предполагается, что сигнал является стационарным.
Первой характеристикой стохастического сигнала является амплитудная плотность. Если амплитуды сигнала разбить на интервалы шириной , то можно определить относительную частоту для каждого интервала:
Аналогично процедуре, изложенной ранее, можно, осуществляя предельный переход и Т , получить в общем случае непрерывную функцию амплитудной плотности:
.
Среднее значение сигнала, определяемое в результате усреднения по времени, соответствует первому моменту плотности распределения, так как площадь под графиком плотности распределения равна единице:
Дисперсия сигнала представляет собой среднеквадратичное отклонение амплитуды от среднего значения. Это величина соответствует второму моменту плотности распределения относительно центра тяжести распределения :
(7.1)
Разумеется, что характеристика сигнала c помощью только плотности амплитуд связана с известной потерей информации. Одному и тому же распределению плотности амплитуд может соответствовать бесконечное множество форм сигнала. И, что особенно важно, плотность амплитуд никак не характеризует тенденцию изменения сигнала во времени. Быстро изменяющийся сигнал может иметь то же самое распределение плотности амплитуд, что и медленно изменяющийся сигнал.
Корреляционная функция. Для оценки «тенденции сигнала к сохранению», которую также называют внутренней когерентностью, может быть использовано понятие корреляции.
При изучении вопроса о наличии линейной статистической связи между парами значений и рассчитывают упомянутый ранее коэффициент корреляции. Чем теснее линейная зависимость, тем больше модуль коэффициента корреляции, тем с большей вероятностью на основе значений функции в момент времени возможен прогноз в момент времени . Он состоит в том, что в течение отрезка времени сигнал имеет тенденцию к сохранению.
Изучаемый отрезок времени — свободная (независимая) переменная. Таким образом, коэффициент корреляции является функцией переменной . В рассматриваемом случае говорят об автокорреляционной функции. В отличие от коэффициента корреляции дискретных пар значений автокорреляционная функция в общем случае относится к непрерывному сигналу и часто не нормируется. Как и при расчете среднего значения и дисперсии, сумма дискретных значений заменяется интегралом
(7.2) Исходя из изложенного, можно ожидать, что в общем случае для больших сдвигов времени тенденция к сохранению сигнала становится меньше. Действительно, можно показать, что есть максимум функции и справедливо следующее неравенство:
.
Как следует из (7.2), (0) = соответствует среднему значению квадрата функции :
Далее имеет место равенство
Для дисперсии, рассчитанной по (7.1), справедливо соотношение:
.
Очевидно, автокорреляционная функция является четной функцией :
является характеристической функцией изучаемого стохастического сигнала . Тенденция сигнала к сохранению (рис.7.3, а и б) характеризуется видом автокорреляции одной функции между точками и Если то это означает, что пары значений и некоррелированы.
Разумеется, зависимость (7.2) можно применять и для стационарных детерминированных сигналов. Этим, априорно периодическим, сигналам соответствуют периодические автокорреляционные функции (рис.7.3, в).
Если сигнал содержит как периодическую, детерминированную, так и стохастическую составляющие, то в автокорреляционной функции при больших стохастическая составляющая сигнала становится некоррелированной, соответствующая ей составляющая автокорреляционной функции исчезает и остается только периодическая составляющая, соответствующая детерминированной составляющей сигнала (рис.7.3, г). Корреляция в этом случае отображает эффект фильтрации, что может быть использовано в измерительной технике.