Wyniki wyszukiwania - BazTech

1

About evaluation of multivariate measurements results

Warsza Z. L.

Journal of Automation Mobile Robotics and Intelligent Systems

|

2012

|

Vol. 6, No. 4

27-32

2

Wyznaczanie parametrów multimezurandu z pomiarów wieloparametrowych. Część 1. Podstawy teoretyczne - w zarysie

Warsza Z. L., Ezhela V. V.

Pomiary Automatyka Robotyka

|

2011

|

R. 15, nr 2

55-61

PL

Praca jest wprowadzeniem w problematykę wyrażania i oceny wyników pomiarów zbioru wielkości ze sobą skorelowanych, czyli multimezurandu. Poprzedza ona ciągle oczekiwany Suplement 2 do Przewodnika GUM, który obejmie kompleksowo te zagadnienia. W części 1 podane są podstawy teoretyczne poprawnego wyznaczania estymatorów wartości, niepewności i współczynników korelacji składowych multimezurandu z użyciem algebry wektorów losowych. Otrzymuje się je pośrednio przetwarzając dane pomiarowe jednocześnie mierzonych wielkości wejściowych. Przykładami liczbowymi zilustrowano liniowe przekształcenie danych dwu wielkości i rodzaje niewłaściwych oszacowań - uszkodzeń danych, które mogą wystąpić przy nadmiernym zaokrąglaniu. Możliwość wykorzystania tych rozważań w pomiarach będzie tematem drugiej części publikacji.

EN

A publication is a brief introduction to the principles of the correct numerical expression and evaluation of multiparameter measurement results. The publication precedes still unpublished Supplement 2 of the Guide GUM, which has to comprehensively address these issues. Part 1 provides the theoretical basis of determining the estimates, uncertainties and correlation coefficients of the indirectly measured multi-measurand processed from data of the simultaneously measured variables. In discussing the algebra of random vectors is used. Numerical examples illustrate the linear transformation of two variables and the types of improperly evaluated results - data corruption that may occur with over-rounding. The possibility of application these considerations in the measurement will be considered in the second part of this publication.

3

Zarys podstaw teoretycznych wyznaczania i numerycznej prezentacji wyników pomiarów pośrednich wieloparametrowych

Warsza Z. L., Ezhela V. V.

Pomiary Automatyka Kontrola

|

2011

|

R. 57, nr 2

175-179

PL

Jest to pierwsza z cyklu trzech publikacji o przetwarzaniu i poprawnym wyznaczaniu danych w pośrednich pomiarach wieloparametrowych. Przedstawiono metodę numerycznego szacowania estymatorów wartości, niepewności i współczynników korelacji skojarzonych ze sobą wielkości, czyli multimezurandu z użyciem algebry wektorów losowych wraz z przykładami. W części 2 wykaże się, że kilka związanych z tą dziedziną zaleceń przewodnika GUM i przykład H.2 wymaga zmian. Przedstawi się alternatywne rozwiązanie tego przykładu i reguły dla wyznaczania progów poprawnego zaokrąglania wyników pomiaru. W części 3 opisze się nieścisłości w danych podstawowych stałych fizycznych publikowanych w korektach CODATA do 2006 r. Jako kontynuacja bliskiego do ukończenia Suplementu 2 do GUM o wyrażaniu wyników pomiarów wieloparametrowych proponuje się stworzenie międzynarodowego standardu o przedstawianiu danych wieloparametrowych z wykorzystaniem e-publishing, który umożliwi ich numeryczną weryfikację, szerokie rozpowszechnianie i długotrwałe przechowywanie.

EN

This is the first of the three papers about conversion and proper evaluation of digital data in multidimensional indirect measurements. Theoretical backgrounds of the proper evaluation of the value estimators, uncertainties and correlation coefficients of jointed quantities with application of the random vectors algebra are shortly discussed, and two examples are given. In the next paper will be shown that few connected with this area recommendations and example H.2 of the international metrological guide GUM -ISO has some mistakes. Needed corrections will be given and formulas for rounding thresholds of numerical data will be presented. In the third paper it will be shown that in CODATA corrections including the last published in 2006, the data of fundamental physical constancies are still partly corrupted. As continuation of the being in the final preparation stage Supplement 2 of GUM for evaluation of the multivariate measure-ment results are recommended introductory works on the interna-tional standard for numerical presentation and dissemination of multidimensional data with application of e-publishing offering full possibilities of peer review and the long time storage.

4

Ocena wariancji wyniku cyfrowej filtracji uśredniającej

Domańska A.

Pomiary Automatyka Kontrola

|

2009

|

R. 55, nr 9

750-753

PL

Artykuł dotyczy cyfrowego uśredniania metodą ruchomej średniej oraz metodą z kumulacją, stosowanego w celu eliminacji lub redukcji losowego składnika stanowiącego zakłócenie wielkości deterministycznej. Podano zależność określającą wariancję wyniku uśredniania każdą z metod, co umożliwia ocenę jego niepewności. Odmienna specyfika metod przekłada się na odmienną postać zależności określającej wariancję i odmienne warunki, przy których można osiągać ekstremalny zysk z uśredniania.

EN

The paper concerns digital averaging performed with the use of the moving average method and the cumulative method. This type of averaging is applied in order to eliminate or reduce the random component, being a disturbance of the deterministic quantity. Moreover, the paper presents the dependence determining the variance of the averaging result with the use of each of these methods, which makes it possible to estimate the uncertainty of the result. A different character of each of the methods implies a different form of the dependence determining the variance as well as different conditions with which an extreme profit can be achieved on the averaging. MAV and CAV are digital averaging algorithms of the value of dependent from the time (signals). The algorithm MAV is fitted for averaging of aperiodic and periodic signals. The algorithm CAV is fitted for averaging of periodic signals or repeatable signals at multiples to their gaining. The filtration MAV influences reductively on the variance of the noise and on the variance of the primary signal, however CAV reduces only the variance of the noise, not changing the variance of the primary signal. The use of the filtration MAV and CAV promotes better repeatability of results, if are estimated from samples of the average signal. Both algorithms are realizations of digital filters of the type FIR. In the case MAV this is the single low-pass filter. In the case CAV this is "the group" of simultaneously working low-pass filters - every in length equal of numerous of the collection of the repetition and filters is as many as of samples counts the single repetition. Fundamental difference between MAV and CAV consists in the manner of the choice of the collection of samples (undergo averaging) for the purpose of the determination of the single value of the average signal. In MAV this are adjacent samples from the single registration of the signal. In CAV this are the cophasal samples, every from other repetition. In the case of the averaging filtration of signals periodic or repeatable is more effective the algorithm CAV. However it is more time-consuming than the algorithm MAV.