Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: błędy przetwarzania

Sortuj według:

Ogranicz wyniki do:

Metoda programowej korekcji dynamicznych błędów przetwarzania przetworników pomiarowych

Cioć R., Luft M.

Pomiary, Automatyka, Komputery w Gospodarce i Ochronie Środowiska

2009

nr 2

22-25

Artykuł przedstawia programową metodę zwiększania dokładności odczytu sygnałów pomiarowych przetworników pomiarowych. Jej przeznaczeniem jest zwiększanie dokładności odczytu danych pomiarowych w zastosowaniach wymagających dokładnych i szybkich pomiarów. Przedstawiono ideę pomiaru, przetwarzania i korekcji wielkości mierzonej. Zaprezentowano sposób wyprowadzenia równań korekcji dla typowego przetwornika pomiarowego. Pokazano sposób zastosowania korekcji dla układu pomiarowego. Porównano wyniki pomiarów wykonanych w układzie do pomiarów parametrów drgań z korekcją i bez korekcji.

The article presents software method of increase of measurement signals accuracy of reading from measuring transducers. Destination of this method is increasing the precision of data read in application that need precise and fast measurements. Idea of measurement, transformation and correction of measuring quantity have been shown. Derive method of equation of correction for typical measuring transducer and way of use of correction for measuring system have been shown. Obtained measuring results with and without correction made in vibration measuring system have been compared.

Model niepewności jako podstawa oceny dokładności algorytmów przetwarzania pomiarowego

Jakubiec J.

Zeszyty Naukowe. Elektryka / Politechnika Śląska

2000

z. 169

7-36

W artykule rozpatrywane są algorytmy przetwarzania pomiarowego, które dają się przedstawić w postaci kombinacji liniowej ciągu danych wejściowych i stałych współczynników. Opisano metodę budowy modelu niepewności algorytmu, która pozwala na uzyskiwanie analitycznych równań wiążących niepewność jego wyniku końcowego z niepewnościami danych wejściowych i niepewnościami wprowadzanymi przez sam algorytm, które nazywane są własnymi. Podstawą metody jest zdefiniowanie niepewności jako parametru zbioru wartości błędu. Wyodrębniono trzy rodzaje błędów przetwarzania: statyczne, dynamiczne i losowe, opisano sposób przenoszenia tych błędów z wejścia na wyjście algorytmu oraz zdefiniowano odpowiadające im niepewności. Przedstawiono ogólne postacie równań łączących wymienione rodzaje niepewności na wyjściu i wejściu modelu algorytmu, opisano także ogólnie sposób wyznaczania jego niepewności własnych. Zaproponowano regułę składania niepewności, która pozwala na obliczenie niepewności wypadkowej dla znanych niepewności cząstkowych. Sposób realizacji obliczeń zilustrowano przykładem wyznaczania niepewności końcowej algorytmu wygładzania danych pomiarowych. W końcowej części artykułu przedstawiono zastosowanie opisanej metody do budowy modelu niepewności łańcucha algorytmów.

The paper deals with measuring data processing algorithms which can be presented as a linear combination of an input data sequence and constant coefficients. The method of algorithm uncertainty model construction which allows to obtain analytical equations expressing relationship between the algorithm final result and the input data uncertainty as well as the algorithm uncertainty itself has been described. The base of this method is defining an uncertainty as a parameter of the error value set. It makes possible to create the uncertainty models independent from the number of the algorithm coefficients. There have been distinguished three kinds of processing errors, namely: static, dynamic and random ones. The uncertainties corresponding to them have been defined, too. The general equations linking the algorithm input and output uncertainties as well as the way of calculation of the algorithm specific uncertainties have been presented. There has been proposed the rule of uncertainty composition which enables to determine the resultant uncertainty for the given partial uncertainties. The way of calculation has been illustrated by the example of determining the final uncertainty of the data smoothing algorithm. Application of the described method to construction of the algorithm chain uncertainty model has been presented at the end of the paper.