Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 14

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  niepewność wyniku pomiaru
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
In commercial metering systems of thermal energy it is important to obtain not only the measured value of the amount of thermal energy, but also the characteristic of the uncertainty of this value. The paper presents the developed technique for evaluating the uncertainty of the measurement result of the amount of thermal energy for metering systems with differential pressure flowmeters used for metering the heat carrier flowrate. The technique uses the dependencies developed by the authors for calculating the relative standard uncertainty of the amount of thermal energy, enthalpy and flowrate of heat carrier. The equation for calculating the uncertainty of heat carrier enthalpy was developed by applying the dependencies of the technique IAPWS IF 97. The approaches proposed by the authors make it possible to develop dependencies for evaluating the uncertainty of the measurement result of the amount of thermal energy for systems of different configurations and systems with different types of flowmeters.
PL
Dla systemów komercyjnego rozliczania energii cieplnej ważne jest uzyskanie nie tylko zmierzonej ilości energii cieplnej, ale również charakterystyki niepewności tej ilości. W artykule opracowano technikę oceny niepewności wyniku pomiaru energii cieplnej dla systemów pomiarowych, w których do pomiaru przepływu nośnika ciepła stosowane są przepływomierze zwężkowe. Opracowana technika polega na wykorzystaniu opracowanych przez autorów zależności do obliczenia względnej standardowej niepewności ilości energii cieplnej, entalpii i przepływu nośnika ciepła. Zależność do obliczania niepewności entalpii nośnika ciepła opracowano przy użyciu zależności metody IAPWS IF 97. Podejścia zaproponowane przez autorów umożliwiają opracowanie zależności do szacowania niepewności zmierzonej wartości ilości energii cieplnej dla układów o różnej konfiguracji, a także układów wykorzystujących przepływomierze różnych typów.
PL
W artykule opisano koncepcję przedziałowego wyrażania wyniku pomiaru oraz jego niepewności w sposób specyficzny dla systemów pomiarowo-sterujących. Niepewność rozumiana jest tu jako parametr błędu wyniku pomiaru interpretowanego w kategoriach probabilistycznych. Wyrażanie wyniku w postaci przedziału przedstawiono na przykładach obliczanych symulacyjnie przy użyciu metody Monte Carlo.
EN
An approach to the interval representation of measurement result and its uncertainty in measuring and control system is presented in the paper. Nowadays, the measurement result is characterized by the measurement uncertainty [1], which is defined as the radius of the interval built around the measured value in which the true value lies with given probability. A rapid growth of measurement systems application area leads to introduce more usable definition of inaccuracy which basis on the interval representation of a measurement result. This definition is more useful, particularly in real-time systems and when errors with asymmetrical distribution occur in systems [2, 4]. According to classical definition, to classify a system as real-time one delays in it have to be less than it is allowable. In such systems propagation of the signals from the input to the output is connected with arising of delays because all the system elements need time to perform their activities. However, to classify a measuring and control system as a real time, it should be taken into account all factors influencing on properties the system output signals, i.e. not only delays but also errors of measurement data. Therefore, the delay errors should be described as components of the total error being the basis of determination of the interval representing the system output measuring results [5]. Comparing the interval with critical acceptable values enables classifying the system as a real-time one. Theoretical consideration in the paper are illustrated by results of numerical experiments carried out by using Monte Carlo method.
PL
Artykuł prezentuje przykłady aplikacji pomiarowych opracowanych w środowisku programowania LabVIEW firmy National Instruments. W artykule przedstawiono programy komputerowe przeznaczone do oceny niepewności wyniku pomiaru, pomiaru prędkości obrotowej, modelowania zjawisk i obiektów oraz wyznaczania charakterystyk tłumienia sygnałów zakłócających.
EN
This paper presents examples of the application of LabVIEW to develop the measuring applications. The computer programs were developed for the evaluation of measurement uncertainty, for measuring the rotational speed, for mathematical modeling the phenomena and objects and for determining the damping characteristics in the measuring instruments. Chapter 1 provides basic information concerning about the reasons for developing measurement applications. Fig. 1 presents the workstations, where the computer programs have been installed. In Chapter 2 the measurement applications are presented. Fig. 2 presents the blocks software of the measurement applications. The first block allows the communication with the measuring instrument. In the second block the configuration measurement functions and measurements are performed. In the third block the measurement results are presented. In the next part of the Chapter 2 the computer programs are described. Fig. 3 shows the main panel of the computer program for the evaluation of measurement uncertainty. Fig. 4 presents the main panel of the measuring application for measuring the rotational speed. Fig. 5 presents the main panel of the application for modeling the phenomena and objects. Fig. 6 presents the main panel of the program for determining the damping characteristics.
PL
Podano ogólną definicję błędu pomiaru, a następnie scharakteryzowano dwie jego definicje stosowane dla potrzeb opisu niedokładności wyniku pomiaru. Jedna z nich stosowana jest w symulacyjnym badaniu niedokładności pomiarów, druga stanowi podstawę formalizacji procedur wyznaczania niepewności wyniku pomiaru. Rozważania teoretyczne zilustrowano przykładami.
EN
A general description of a measurement error and two definitions directed to expressing inaccuracy of a measurement result have been presented. The first one (1), called a priori, is useful in simulation experiments while the second one (2), called a posteriori, is the basis of the result uncertainty calculation. Generally, the error is given as a set of values and can be described in deterministic or random ways. The exemplary deterministic equation (4) describes the quantization error of the A/D converter shown in Fig. 1. The graphical form of this error is presented in Fig. 2 and its random representation in Fig. (4) as the histogram which is approximated by the probability density function (5). Values of the a posteriori error can be obtained after realization of a measurement experiment because, in this error definition (2), the reference point needed for the error value calculation is the estimate of the measurement result. Such a property of the error causes that its definition can be the basis of the formal definition (6) of the uncertainty U of a measurement result. Moreover, accordingly with this definition, the uncertainty value can be calculated by using the expression (7) for given value of the confidence level p and, what is more, the measurement result can be written in the interval form (14). Therefore, the a priori definition of the measurement error can be treated as the good formal basis of the procedures used in practice for the measurement uncertainty calculation [7].
EN
The main problems of qualimetrical measurements for quality assessment as a new metrology trend are considered in this paper. The conceptual notion of the qualimetrical measurement is proposed and developed. The main problems of realization procedure are considered and its solution variants are analyzed. The methodology of results uncertainty assessment of qualimetrical measurements is developed. The correlations between individual single studied product quality values are taken into account. It helps to assess objectively the quality of qualimetrical measurements.
PL
W pracy przedstawiono główne problemy dotyczące metodologii pomiarów kwalimetrycznych, które można określić jako nowy trend w dyscyplinie metrologia. Zaproponowano i opracowano pojęcie mierzenia kwalimetrycznego jako pośredniego pomiaru danej wielkości, której wartość określa się poprzez opracowanie wyników pomiarów według metodologii skalowania wielowymiarowego. Przeprowadzono analizę metodologii oceny pomiarów kwalimetrycznych, przy wykorzystaniu teorii niepewności. Przedstawiono podstawowe problemy realizacji procedur pomiarów kwalimetrycznych i przeanalizowano sposoby ich rozwiązania. Zgodnie z teorią pomiaru, rozwiązano zagadnienie syntezy miary jakości produktu, jako jednego z kluczowych elementów realizacji pomiarów kwalimetrycznych. Wprowadzono pojęcie wirtualnej miary jakości produktu, która jest odpowiednikiem teoretycznym realnej, fizycznej miary jakości. Przedstawiono problem wykorzystania metodologii skalowania wielowymiarowego w pomiarach kwalimetrycznych, w tym analizę i uzasadnienie zastosowania modelu trójmodalnego skalowania wielowymiarowego. Otworzyło to możliwość oceny poziomu jakości badanego produktu. Zaproponowano metody szacowania niepewności wyników pomiarów kwalimetrycznych, biorąc pod uwagę różne stopnie skorelowania pomiędzy poszczególnymi wskaźnikami jakości produktów badanych. Stworzyło to możliwość oceny jakości tych pomiarów. Ponadto, dzięki nowej metodologii pomiarów kwalimetrycznych jest możliwość osiągnięcia jednoznaczności pomiarów.
6
PL
Przedmiotem rozważań są podstawy formalne procedury składania niepewności typu A i B, zaproponowanej w przewodniku GUM [1]. W artykule poddano analizie podstawy matematyczne tej procedury i wykazano ich niespójność, a następnie omówiono nowy sposób obliczania niepewności, bazujący na modelu wyniku pomiaru.
EN
Considerations presented in the paper deal with the visible absence of formal bases of the A and B type uncertainty composition procedure proposed in GUM [1] and based on partial uncertainty composition described by formula (1). This lack of formality is caused by the fact that the uncertainty of type A is calculated on a basis of the measurement result series and one cannot point any other set of measurements, which may be composed with this series. The first part of the paper is devoted to presentation of a single measurement result model (2) in application to the uncertainty calculation procedure based on the uncertainty definition (3) and determined by functional (4). In the succeeding part, an analysis of formula (1) from the point of view of the random error model given by (6) is realised. By analogy to uncertainties of A and B type, the errors of the same type have been determined, which enabled obtaining equation (10) and comparing it with equation (1). The final part of the paper contains discussion of conclusions which can be drawn from this comparison.
PL
W artykule przedstawiono wyniki wstępnych badań dotyczących możliwości wykorzystania jednokierunkowych sieci neuronowych do korekcji błędów dynamicznych wprowadzanych przez przetworniki opisane liniowym równaniem różniczkowym II-go rzędu. Oceniono zasadność stosowania tego rodzaju podejścia do zagadnienia korekcji błędów dynamicznych. Wnioski sformułowano w oparciu o wyniki badań symulacyjnych.
EN
Dynamic properties of second order transducers are usually modelled by the linear differential equation (1) which can be converted to the discrete equation of state (6). Recursive solving of this equation for the input quantity (Eqs. 8 and 9) is a dynamic error correction algorithm. This algorithm can be written in the form of equations (10 and 11) which can be solved by simple, feed-forward neural networks of structures shown in Fig.1. Fig. 2 illustrates the use of neural networks for realisation of the dynamic correction recursive algorithm. The possibility of applying neural networks to dynamic error correction was investigated by simulations in the Matlab Neural Toolbox environment. There were taken the following assumptions concerning the transducer model: , , and the discretization period . The network was learned using a 200 - element learning set generated on a basis of relation (14). The network was tested with a 200 000 - element testing set. The test results of both networks showed error - free implementation of (10) and (11) (errors of 10-15 order). At the next stage the learning sets were quantizied with 12 - bit resolution. The influence of the discretization period on the accuracy of correction realisation was also investigated. Fig. 7 presents the results as a dependency of the output results on the discretization period .
8
Content available remote Próbkowanie i kwantowanie w procesie pomiaru
PL
W artykule omówiono podstawowe pojęcia dotyczące przetwarzania analogowo/cyfrowego rozpatrywanego z pomiarowego punktu widzenia. Na podstawie analizy procesu kwantowania uzyskano model matematyczny wyniku pomiaru obejmujący błędy pomiaru opisywane w sposób probabilistyczny. Przy użyciu metody Monte Carlo wyznaczono histogramy podstawowych błędów procesu próbkowania i kwantowania. Pokazano zastosowanie modelu błędu do wyznaczenia niepewności pojedynczego wyniku przetwarzania analogowo/cyfrowego.
EN
The paper describes basic terms connected with analog-to-digital conversion considered from measurement point of view. On the basis of a quantization process analysis, a mathematical model of a measurement result, contained measurement errors described in probabilistic categories, has been presented. Histograms of basic errors of the process of sampling and quantization have been determined using Monte Carlo method. Application of the error model to uncertainty determination of one measurement result has been shown.
PL
Poprawne oszacowanie niepewności pomiaru wielkości mierzonej jest pewną podstawą do oceny przydatności metod stosowanych w chemii analitycznej.
PL
Obliczanie niepewności pomiaru to kilka nieskomplikowanych czynności arytmetycznych, do wykonania których wystarczy arkusz kalkulacyjny.
PL
W artykule zostały wyjaśnione przyczyny wprowadzenia do praktyki metrologii stosunkowo nowej charakterystyki jakości pomiaru - niepewności wyniku. Rozpatrzono podobieństwa i różnice pojęć i metod oszacowania charakterystyk jakości pomiaru: tradycyjnej - błędu oraz nowej -- niepewności. Podobieństwo tych charakterystyk polega na tym, że są obliczane na podstawie tych samych danych o parametrach procesu pomiarowego i dlatego zawsze uzyskiwane są jednakowe ich wartości. Wymienione charakterystyki różnią się tym, że błąd jest powiązany z wartością rzeczywistą wielkości mierzonej, która jest znana przy badaniach teoretycznych jednak nie jest znana przy pomiarach praktycznych, a niepewność jest powiązana z wynikiem pomiaru, który jest uzyskiwany wskutek przeprowadzonego pomiaru.
EN
In the article the reasons of the using of the new metrology parameter such as the uncertainty of the measurement result are analysed. The similarity and difference between error and uncertainty of measurement are discussed.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.