Wyniki wyszukiwania - BazTech

1

Niepewność estymacji izolacyjności akustycznej przegród

Batko W.

Pomiary Automatyka Kontrola

|

2013

|

R. 59, nr 1

26--27

PL

W artykule przedstawiono sposób wyrażania niepewności estymacji izolacyjności akustycznej, oparty na redukcyjnej arytmetyce interwałowej. Zaproponowano rozwiązanie pozwalające na wyznaczenie zakresu możliwego błędu estymacji, przy uwzględnieniu możliwych rozbieżności w wartościach parametrów wejściowych. Zaproponowana metoda wskazuje na możliwość spójnej oceny różnych kategorii błędów, uzupełnia lukę formalną z jaka mamy do czynienia w praktycznym stosowaniu zaleceń przewodnika niepewności [1].

EN

This paper presents the method for estimating the uncertainty of sound insulation of partitions based on the reductive interval arithmetic [4]. The variability ranges of input parameters were presented as interval numbers (Fig. 1). Based on the determined intervals, the sound insulation of partition was determined by performing operations on the interval numbers. As a result, there was obtained a range of variations of sound insulation as a function of frequency (Fig. 2). The proposed arithmetic allows determining the range of a possible estimation error of the parameter analyzed, when taking into account possible differences in the values of input parameters. The distribution of errors is asymmetric. The proposed method for evaluating the uncertainty shows the possibility of coherent assessment of various categories of errors, thereby fills the formal gap which exists in practical application of the recommendations of the Guide to the Expression of Uncertainty in Measurement [1].

2

Porównanie metod wyznaczania niepewności składowych ortogonalnych napięcia w pomiarze z wykorzystaniem DFT

Krajewski M.

Przegląd Włókienniczy - Włókno, Odzież, Skóra

|

2008

|

nr 4

40-43

PL

W artykule przedstawiono metody wyznaczania niepewności składowych ortogonalnych napięcia za pomocą przewodnika, redukcyjnej arytmetyki interwałowej i metody Monte Carlo oraz porównane zostały ich właściwości.

EN

In the paper methods to uncertainty evaluation of sinusoidal voltage orthogonal components measurement based on guide, Monte Carlo method and reductive interval arithmetic are presented. Methods to measurement uncertainty estimation are compared analyzing influence of chosen analog to digital conversion parameters on estimated uncertainties. On the base of the carried out analysis it has been determined that similar results of DFT-based measurement uncertainty estimation are acquired with the application of all the methods.

3

Reductive interval arithmetic application to uncertainty calculation of measurement result burdened correlated errors

Jakubiec J.

Metrology and Measurement Systems

|

2003

|

Vol. 10, nr 2

137-156

EN

The results of operations made in accordance with rules of reductive interval arithmetic depend on specific properties of numbers which form intervals being arguments of these operations. The paper deals with an application of the arithmetic in the case when intervals consists of numbers modeling random errors of measurement results. Uncertainties introduced by partial errors into a measurement result are then identified with radii of intervals. One determines a procedure of extended combined uncertainty calculation in the situations when the partial errors have different distributions and they are correalted. An accuracy analysis of the procedure in selected cases has been presented.

PL

Wyniki operacji wykonywanych zgodnie z regułami redukcyjnej arytmetyki interwałowej zależą od właściwości zbiorów liczb tworzących interwały. W pracy opisano zastosowanie tej arytmetyki w przypadku, gdy interwały tworzone są na zbiorach liczb składających się z losowych błędów wyników pomiaru o wartościach oczekiwanych równych zeru. Niepewności związane z błędami składowymi wyniku pomiaru są wówczas utożsamiane z promieniami tych interwałów. Określono procedurę obliczania niepewności złożonej w przypadku, gdy błędy cząstkowe mają różnego rodzaju rozkłady, a ponadto są skorelowane. Punktem wyjścia tej procedury jest probabilistyczny model wyniku pomiaru bezpośredniego (1) oraz model pomiaru pośredniego (8), w którym błąd wypadkowy jest kombinacją liniową (9) losowych błędów składowych. Każdemu błędowi, przy użyciu funkcjonału (3), przyporządkowywany jest tzw. interwał nieobciążony, którego związki z innymi interwałami opisane są przez współczynniki koherencji zależne od współczynników korelacji i współczynników zależnych od kształtów rozkładów błędów. W punkcie 4 opisano sposób wyznaczania współczynnika koherencji w przypadku, gdy znane są wymienione współczynniki składowe. Uzyskana zależność (45) pozwala na obliczenie elementów macierzy koherencji R. Znajomość niepewności cząstkowych, współczynników modelu błędu (9) oraz macierzy koherencji pozwala na obliczenie niepewności złożonej na podstawie wyrażenia macierzowego (49). W pracy określono niedokładność tego rodzaju metody wyznaczania niepewności dla sumy dwóch skorelowanych błędów o jednakowych rozkładach jednostajnych. Wyniki obliczeń zamieszczono w tabeli 1. Rozważania teoretyczne zilustrowano przykładem obliczenia niepewności złożonej dla ilorazu dwóch wyników uzyskanych za pomocą przetwornika A/C.

4

Wyznaczanie niepewności przetwarzania próbkującego za pomocą redukcyjnej arytmetyki interwałowej

Jakubiec J.

Zeszyty Naukowe. Elektryka / Politechnika Śląska

|

2002

|

z. 181

65-82

PL

Przetwarzanie próbkujące ma na celu dostarczanie ciągów wyników pomiaru wartości chwilowych wielkości zmiennej w czasie. Pojedynczy wynik jest efektem przetwarzania analogowego, analogowo-cyfrowego i na końcu programowego. Błąd wyniku jest wypadkową wielu błędów cząstkowych o różnym charakterze, a zatem wyznaczanie jego niepewności jest zagadnieniem złożonym. W referacie przedstawiono metodę opartą na redukcyjnej arytmetyce interwałowej, pozwalającą na obliczenie niepewności na podstawie znajomości funkcji gęstości prawdopodobieństwa opisujących poszczególne źródła błędu oraz współczynników algorytmu przetwarzania. Związek między niepewnościami ma postać równania macierzowego uwzględniającego zależności zachodzące między różnymi rozkładami błędu w procesie ich splatania. Rozważania teoretyczne zilustrowano przykładem obliczenia niepewności dla przyjętej struktury przetwornika próbkującego.

EN

The aim of sampling processing is to deliver sequences of measurement results representing instantaneous values of an input quantity of a sampling converter. The single result is an effect of analog processing, analog-to-digital conversion and digital processing, so its error is a composition of many different partial errors. Thus, calculation of the result uncertainty is a sophisticated task. The paper presents a method applied to reductive interval arithmetic which allows calculating uncertainty for the known probability density function of the error value sets and the known coefficients of the digital processing algorithm. The relationship between uncertainties is of matrix form the elements of which depend on relations between the error value sets during its convultion. The general considerations have been illustrated by the example presenting uncertainty calculation for the assumed structure of a sampling converter.

5

Stanowisko pomiarowe do identyfikacji źródeł błędów przetwarzania próbkującego

Żurkowski R., Konopka K.

Zeszyty Naukowe. Elektryka / Politechnika Śląska

|

2002

|

z. 181

229-235

PL

Przetwarzanie próbkujące jest jedną z metod pozyskiwania danych pomiarowych w systemach pomiarowo-sterujących. W niniejszym artykule przedstawiono stanowisko pomiarowe do identyfikacji źródeł błędów w torze przetwarzania analogowo-cyfrowego przetwornika próbkującego, czyli wyznaczane są błędy wprowadzane przez wzmacniacz pomiarowy oraz przetwornik analogowo-cyfrowy. Wyniki pomiarów stanowią podstawę obliczania niepewności przy użyciu redukcyjnej arytmetyki interwałowej.

EN

Sampling conversion is one of methods used to obtain measurement data in measurement and control systems. The paper presents the stand for identification of error sources in processing chain of the sampling converter. There are determined errors of instrumentation amplifier and analog-to-digital converter. The measurement results are the base for calculations of uncertainty using reductive interval arithmetic.

6

Niepewność łańcucha algorytmów wyznaczana za pomocą redukcyjnej arytmetyki interwałowej

Żurkowski R.

Zeszyty Naukowe. Elektryka / Politechnika Śląska

|

2002

|

z. 181

219-228

PL

Przetwarzanie próbkujące stanowi jedną z metod pozyskiwania danych pomiarowych dla wielkości zmiennych w czasie. W torze przetwarzania próbkującego, oprócz układów analogowych i przetwornika analogowo-cyfrowego, występuje przetwarzanie programowe. W artykule przedstawiono sposób wyznaczania niepewności za pomocą redukcyjnej arytmetyki interwałowej, w przypadku gdy przetwarzanie programowe realizuje łańcuch algorytmów. Zilustrowano to przykładem dla algorytmu korekcji dynamicznej i wygładzania danych.

EN

Sampling conversion is one of methods allowing obtainment of measurement data for changing in time variables. In a measuring chain with sampling conversion there are analog and analog-to-digital converters and there is also programmed conversion. The paper presents the way of calculating uncertainty by means of reductive interval arithmetic when program conversion is performed by the chain of sampling conversion. It is illustrated with an example for dynamic correction algorithm and data smoothing algorithm.

7

Niepewność korekcji dynamicznej wyznaczania przy użyciu redukcyjnej arytmetyki interwałowej

Konopka K.

Zeszyty Naukowe. Elektryka / Politechnika Śląska

|

2002

|

z. 181

83-94

PL

Algorytmy korekcji błędów dynamicznych wykorzystywane są między innymi w przetwornikach próbkujących, w których występuje przetwarzanie analogowe, analogowo-cyfrowe i programowe. W artykule rozpatrywany jest algorytm budowany na zasadzie odtwarzania. Wyznaczanie niepewności w torze pomiarowym z przetwarzaniem próbkującym jest zadaniem złożonym ze względu na dużą liczbę błędów cząstkowych i fakt różnego ich przenoszenia przez poszczególne elementy toru. W referacie przedstawiono procedurę wyznaczania niepewności w takim torze pomiarowym za pomocą redukcyjnej arytmetyki interwałowej i zilustrowano ją przykładem obliczeń dla prostej struktury przetwornika próbkującego.

EN

Dynamic error correction algorithms are used in sampling converters, where analog, analog-to-digital and digital conversion is present. The algorithm considered in this paper is the reconstruction one. Uncertainty calculation in the measuring chain with the sampling conversion is a complex task because of numerous partial errors and because these errors are converted by particular elements in different way. The paper presents uncertainty calculation procedure, which uses reductive interval arithmetic. This procedure is illustrated by an example of calculations for a simple structure of the sampling converter.

8

Wyznaczenie niepewności danych w systemie pomiarowym z wykorzystaniem redukcyjnej arytmetyki interwałowej

Jakubiec J.

Pomiary Automatyka Kontrola

|

2002

|

R. 48, nr 7/8

5-12

PL

W artykule opisano metodę budowy modelu, który pozwala na obliczanie niepewności wyników uzyskiwanych za pomocą systemu pomiarowego przy założeniu, że znane są niepewności źródeł błędów systemu. Niepewność jest określana jako parametr źródła błędu wyznaczany na podstawie znajomości funkcji gęstości prawdopodobieństwa opisującej zbiór wartości błędu. Takie podejście umożliwia wykorzystanie redukcyjnej arytmetyki interwałowej do obliczania niepewności, dzięki czemu uzyskuje się wyrażenia macierzowe łatwe w realizacji za pomocą komputera. Istotna cechą metody jest rozpatrywanie zadań pomiarowych w systemie jako realizowanych przez przetworniki próbkujące, co pozwala na uzyskiwanie opisu działania systemu w postaci zbioru algorytmów odtwarzania i przetwarzania.

EN

The paper describes a method which allows calculation of uncertainty of data delivered by a measuring system with assumption that uncertainties of the system with assumption that uncertainties of the system error sources are known. Uncertainty is defined as a parameter of the error source determined on the basis of the probability density function described this error value set. Such an approach makes is possible to use reductive interval arithmetic to uncertainty determination that enables obtaining matrix equations easy to apply by means a computer. The important feature of the presented methods is consideration of data acquisition in the system as performed by sampling transducers that allows obtaining the system model as a set of reconstruction and processing algorithms.