CN106500753A - 一种测试设备计量特性评定校准数据处理方法 - Google Patents

Abstract

本发明属于测试设备计量特性评定技术领域，涉及一种测试设备计量特性评定校准数据处理方法。步骤一，根据测试设备的计量特性，确定校准数据剔除样本的容量；步骤二，对校准数据剔除样本内的异常值进行剔除；步骤三，计算剔除异常值后的校准数据剔除样本内数据的算数平均值，将该值作为测试设备计量特性评定的输入值。提供一种高精度的测试设备计量特性评定校准数据处理方法。

Description

一种测试设备计量特性评定校准数据处理方法

技术领域

本发明属于测试设备计量特性评定技术领域，涉及一种测试设备计量特性评定校准数据处理方法。

背景技术

测试设备校准过程包括对测试设备的校准操作和测试设备计量特性评定。测试设备校准过程中，首先标准源提供标准激励信号校准测试设备的采集功能，由测试设备采集并将校准中得到的数据显示在显示器上。测试设备一般具有多个通道，校准过程中要对每个通道进行校准。每个通道校准中在测量量程内选取多个校准点。人工读取、记录校准数据并对这些数据分析，根据计量相关法规中规定的数据处理方法能够得到测试设备的校准结果。目前，测试设备校准可以依据《JJF 1048-1995数据采集系统校准规范》进行数据处理，或者根据测试设备的应用和校准需求编制企业标准进行校准数据处理。

人工处理过程中，由人读取显示器上的数据，经由人眼对测得的值读取记录。这个过程中，读取的数值具有随机性，反应的是显示瞬间的值；在读数的这段时间内，测试设备实际上已经采集了大量数据，而人工读数只能读取一个。人工读取方法在使用中虽然目前能完成校准数据的获取，但是从应用方面主要存在以下几个缺陷：

(1)人工提取数据的方法在单点、多次采集的大量数据中，只能取其中一个数据，并没有取得整个通道的特性，随机误差较大；

(2)人工获取数据的方法获取中，按照看到的显示结果评估，属于感性获取，有一定的概率取到异常值、极小值，造成错误的判断；

(3)人工提取通常配合手动记录完成，重复读写过程中出错概率较大，引入了较大的系统误差。

发明内容

本发明的目的：提供一种高精度的测试设备计量特性评定校准数据处理方法。

本发明的技术方案：一种测试设备计量特性评定校准数据处理方法，其特征在于，

步骤一，根据测试设备的计量特性，确定校准数据剔除样本的容量；

步骤二，对校准数据剔除样本内的异常值进行剔除；

步骤三，计算剔除异常值后的校准数据剔除样本内数据的算数平均值，将该值作为测试设备计量特性评定的输入值。

优选地，根据以下公式确定校准数据剔除样本的容量n：

n＝(Z_1-α/2σ/B)²

其中：Z_1-α/2为置信度(1-α)常数，B为测试设备允许误差，σ为样本标准偏差。

优选地，置信度(1-α)为95％。

优选地，当样本容量n≥50时，根据贝塞尔公式计算实验标准偏差，依据拉依达准则判断异常值。

优选地，当样本容量n<50时，利用格拉布斯准则剔除样本中的异常值。

优选地，当对校准数据剔除样本进行一次判断后，如果有异常值，则剔除该异常值形成新的样本，直至判断样本无异常值。

优选地，所述的设备包括信号采集模块和存储模块，所述的信号采集模块包括两类接口，一类直接连接测试设备硬件，获取单通道校准数据，发送至存储模块；

另一类，与测试设备主控器连接，直接获取整个校准过程的校准数据。

优选地，所述的设备还包括独立的电源和CPU模块，为独立工作的设备。

本发明的有益效果：该发明的数据处理方法在测试设备计量特性校准数据处理中能够通过多个数据处理减小随即误差引入测量数据处理中；无须人工参与，减小系统误差中的人员引入误差；异常值剔除方法减小了引入错误结果的可能性。

该方法以嵌入式校准模块的形式实现，可以直接在已建立好的测试系统中使用，具有对固件影响小、使用方便的特点。

该数据处理算法利用嵌入式硬件，避免了人工干预对校准数据的感性影响及个人数据处理习惯影响；计算机自动数据处理的速度特别在循环、迭代、大量数据处理的情况下，准确度和速度明显，应用于校准过程将大大提高校准过程的效率和质量。该方法与现有测试设备相匹配，实现了校准数据获取、筛选的全自动实现，实现校准数据提取的高效率、有效性、高准确度。

附图说明

图1嵌入式模块连接主机示意图；

图2嵌入式模块连接硬件示意图；

图3嵌入式模块结构硬件示意图；

图4应用软件流程图；

图5软件处理流程图；

图6数据处理流程图。

具体实施方式

本发明中提出的数据处理算法针对校准点的数据集合，获得有效校准数据用于计算测试设备计量特性评定。首先，选取一个基础样本，为了达到较好的计算效果，该样本选为100个以上的校准数据。通过对该基础样本数据的特征分析，合理选用数据作为样本，达到即保证有足够的数据用于后续数据处理，又防止盲目的扩大样本数目而使得数值处理量过大，数据处理时间过长。其次，对校准数据剔除样本剔除异常值，以保证得到的数据真实、有效；最后，以样本最佳估计值作为测量条件下的测量结果即为单通道单校准点的校准数据结果。具体的数据处理方法如下：

(a)获得数据样本

测试设备的采样频率非常高，因此短时间内可以形成一个巨大的采样值集合，但是这个采样值集合不适合直接使用，需要在使用中按照该数值的统计特性选取一个具有合适样本容量的校准样本。首先，选取一个基础样本，容量为100。对该组数据x₁,x₂,…x_m(m≥100)求其标准偏差，按照公式(1)

期望估计值与真实值之间的误差的精度在置信度(1-α)下不超过某一允许误差B，则可以通过式(2)确定样本容量n。

n＝(Z_1-α/2σ/B)²……………………………………………(2)

只要确定了此处的Z_1-α/2、样本标准偏差σ和允许误差B就可以算出样本容量。如果样本容量n不是整数，则可以选择最接近整数即可。

校准中选取的置信度95％、95.4％、99％下的置信概率，允许误差取决于校准的实际情况，由被校准设备的校准技术指标决定。

(b)剔除异常值

在校准过程中可能会由于某些冲击、电源变化、电磁干扰等意外的条件变化、记录数据及内部偶发故障等原因造成异常值。在一系列测量值中混有异常值，必然会歪曲测量结果，剔除之后能够更准确的反应出客观情况。

拉依达准则是一种判断异常值的统计方法。当校准数据剔除样本容量充分大的前提下(n>50)，按贝塞尔公式(3)计算出实验标准偏差为s，若某个可疑值与n个结果的平均值之差的绝对值大于或等于3s时，判断为异常值，如公式(4)所示。

当观测次数小于n<50次时，可以利用格拉布斯准则(Grubbs)剔除样本中的异常值，特别对于样本中仅仅混有少量的异常值的情况而言，更有效果。

若

其中，α为显著性水平，通常取0.05或者0.01。

则可疑数据x_d含有粗差值，应剔除；否则应予保留。

其中s利用(3)可以求出，G(α,n)为临界值。按照表(1)中常数获得

表1格拉布斯准则的临界值G(α,n)

(c)求最佳估计值作为测试设备计量特性评定输入

对当前剔除异常值后的有效测量数据求算数平均值。算术平均值是数学期望的最佳估计值，可作为测量结果。

对于经过剔除后的一系列测量值，所有结果都能够保证在测量范围之内的测量值，其算数平均值为：

对于一次校准过程，在确定了设备和校准要求的情况下确定该次校准数据的置信度(1-α)和误差允许值B，通过一个基础样本的计算，可以直接进行样本容量的确定。按照上节a)的计算方法进行计算，如果样本容量大于10，则样本容量按照实际计算结果来选择；如果样本容量小于10，则样本容量按照10来计算。

按照确定好的样本容量，选择一组数据作为校准数据剔除样本。如果样本容量大于等于50，则使用拉伊达法则剔除数据，对数组中的所有数据按照公式(4)计算，如果大于3s则剔除该数据；如果小于3s，则继续进行下一个数据直到计算完所有的异常数据为止。当对所有的数据进行完第一次计算后，如果有异常值，剔除异常值形成新的数组，对新的数组重新判断是否有异常值；如果对所以数据第一次计算后无异常值，则说明该校准数据剔除样本无异常值，可以转下一步计算。

如果样本容量小于50，则使用格拉布斯准则对数组中的所有数据按照公式(5)计算，如果大于等于G(α,n)s，则作为异常值剔除；如果小于G(α,n)s，则继续进行下一个数据直到计算完所有的数据为止。当对所有的数据进行完第一次计算后，如果有异常值，剔除异常值形成新的数组，对新的数组重新计算，继续判断是否有异常值存在；如果对所有数据第一次计算后无异常值，则说明该校准数据剔除样本无异常值，可以转下一步计算。

以完成剔除的样本为参考，按照公式(6)获得该组数的最佳估计值，即可作为校准点的数据，数据处理过程结束。数据处理流程如图6所示。

实施例

以某测试设备的校准过程为例，对一台专用测试设备电压通道采集通道进行校准，共16通道。该通道量程为(-5.000V～+5.000V)，该通道误差要求为±0.02％，校准点取-5.000V、-4.000、-3.000、-2.000、-1.000、0.000V、1.000V、2.000V、3.000V、4.000V、5.000V。该通道的采样速率为1KHz，专用测试设备显示频率为2Hz，即显示数据每秒刷新两次。该设备具有数据存储功能，测试数据可以保存为EXCEL格式文件。校准使用高精度的源激励，测试设备校准通道采集，获取采集的数据。校准及数据分析过程如下所述：

1.测试设备通道与高精度源连接，启动高精度源和测试设备；

2.高精度源输出通道校准点电压，测试设备对源采集并保存数据；

3.循环校准所有通道，直至所有16个通道校准完为止，校准结果保存在EXCEL格式的文件；

4.嵌入式模块与测试设备主控设备连接；

5.嵌入式模块读取校准过程中生产的保存有校准数据EXCEL文件；

6.逐个读取每个通道各个校准点的数据，利用数据处理方法对其分析；

以某通道的5.000V校准点为例，篇幅限制，选取50个校准数据，形成总体数据的一个样本。如表2所示：

表2随机校准数据值

校准单点重复测量中，一般取6-10个数据作为分析方差的基础。此处取一个比常用样本大的数据空间，这样能够更好的确保展示数据的特征。对于此50个数值的样本的标准方差就代表了总体的标准方差σ。

(1)求样本容量n

期望估计值与真实值之间的误差精度在置信度95％下不超过某一允许误差0.002V，则可以通过式(1)确定样本容量n。

n＝(Z_1-α/2σ/B)²＝1.96²×0.00454²÷0.002²＝19.8

取最接近的整数值，则样本容量为20。

(2)剔除异常值

在50组数据中随机取20个数作为可能包含异常值的样本集合。如下表3所示：

表3可能包含异常值的样本集合

对这20个数据求标准偏差s

选取α＝0.05,n＝20

G(α,n)＝2.557

可以得出x₈不符合拉伊达准则，属于异常值需要剔除，得到新的样本为19个的数组。

表4剔除一次异常值之后的结果

对这19个数据求标准偏差s

其中，α＝0.05,n＝19

G(α,n)＝2.532

利用格拉布斯准则对第一次剔除异常值后的数据重新判断。

通过比较可以看出所有的数值满足格拉布斯准则，剔除流程结束。

(3)求算数平均值作为校准值

按照剔除后的一组数为该次校准的有效数据，以该组数据的平均值作为校准数据。则

因此，得到该次校准的结果，作为该通道的5.000V点的校准数据。

7.经过分析后得到16通道的每个校准点的计量特性评定的输入值；

8.依据《JJF 1048-1995数据采集系统校准规范》设计数据处理软件，安装在嵌入式模块中，选择该通道需要评定的计量特性，对通道的计量特性进行评定；

9.结果以word格式保存在嵌入式模块中，可以直接在嵌入式模块上浏览结果，可以通过通讯端口输出至其他PC机保存或打印。

硬件设计方案

该方法的方案是将独立的校准模块直接与测试系统相连，根据采集信号位置的不同，可以分为以下两种连接方案。

(a)嵌入式模块连接控制器

如果被校准系统的控制器具有数据采集、生成电子数据、与其他设备通讯的功能，那么，该嵌入式模块只需要和控制器的通讯接口相连接。嵌入式模块可以直接获取校准过程中采集的数据，连接方式如图1嵌入式模块连接主机。

校准模块直接与控制器通讯，获得校准过程中产生的数据文件。整个校准过程中的文件作为一个数据包由校准模块处理数据。

(b)嵌入式模块连接硬件

如果被校准系统的控制器不具有生成、保存电子数据的功能或者与其他设备无法通讯，那么该校准模块直接与采集系统采集模块硬件相连。嵌入式模块需要将获得的数据保存后，对数据进行分析、处理。连接方式如图2嵌入式模块连接硬件。

嵌入式模块直接获得测试硬件获得的数据，所有的校准数据直接保留在校准模块中。

独立的校准模块采用嵌入式的模块实现，既可以安装在设备内部又可以作为外部的一个部件直接相连。无论哪种连接方式，该设备都独立于被校准测试系统。

嵌入式硬件为嵌入式内核及其外设部分，典型的硬件核心包括ARM系列单片机、FPGA现场可编程门阵列、CPLD复杂可编程逻辑器件等。通常这些硬件核心还需要外围电路实现其功能。硬件结果如图3嵌入式模块结构硬件内容。

嵌入式模块包括总线端口、时钟模块、JTAG模块、电源、存储器、人机交互硬件等。

总线端口及连接方式可以选择RS232、RS429、以太网端口、PXI总线、VXI总线读数等方式；RS232、RS429、以太网可以直接与控制器连接，PXI总线方式、VXI总线方式，可以保证能够适用于多类型的测试设备硬件。

CPU为控制和数据处理核心，选择ARM系列芯片，ATMEL生产的AT91FR4081。该型号系列属于当前主流单片机，具有处理速度高、存储器空间大等特点。操作系统搭载WinCE等精简嵌入式操作系统，实现快速操作系统开发。

存储器模块为了便于该模块使用时能够较长时间工作，选择较大的存储器

电源模块是这整个系统的基础，是整个装置工作的前提。为了方便该模块使用，可以设计电池供电和直连接线供电两种方式。直连接线方式必须设计整流稳压电路，确保工作中不受电网冲击的影响。通过JTAG端口对ARM单片机调试、更新，确保更新系统中数据采集和数据处理的应用程序。人机交互操作将用户指令识别为系统可辨识的信息，可以帮助用户实现对整个过程的控制与分析。

根据硬件连接的方法不同，应用软件的流程结构分为两个过程。

嵌入式模块连接控制器时，应用软件获得的数据为word、excel等格式。首先，对这些数据读取分为有效的数据包；其次，使用数据处理算法分析采集的数据得到校准数据；最后将形成整个校准过程中各个校准点的数据。

嵌入式模块连接硬件，应用软件对每个校准点获得的数据进行分析，直接在采集完成一点校准后获得校准数据，待全部数据采集完成即可获得整个测试系统校准的数据，图4应用软件流程。

根据软件的分析功能将软件功能分为数据接收、数据读取、数据处理算法、计量特性评定、数据保存与输出。软件处理流程如图5所示。

首先，嵌入式模块接受数据，包括来自于主机的EXCEl、WORD、ACCESS等数据形式或者直接从主机中得到的数据包。其次，将读取的数据按照数据的形式读取，最终目标是获得的数据能够按照单通道、单校准点的形式保存至嵌入式的内存中。再次，将各个校准点的数据按照数据处理算法计算，每次计算得到一个通道的一个校准点的校准数据。将所有校准点的校准数据得到后，按照计量特性评定算法来完成。计量特性评定算法依据《JJF 1048-1995数据采集系统校准规范》或者测试设备校准的企业标准来完成。最后，嵌入式模块将结果保存至存储器中，或者输出至其他设备中使用。

Claims (8)

1.一种测试设备计量特性评定校准数据处理方法，其特征在于，

步骤一，根据测试设备的计量特性，确定校准数据剔除样本的容量；

步骤二，对校准数据剔除样本内的异常值进行剔除；

步骤三，计算剔除异常值后的校准数据剔除样本内数据的算数平均值，将该值作为测试设备计量特性评定的输入值。

2.根据权利要求1所述的一种测试设备计量特性评定校准数据处理方法，其特征在于，根据以下公式确定校准数据剔除样本的容量n：

n＝(Z_1-α/2σ/B)²

其中：Z_1-α/2为置信度(1-α)常数，B为测试设备允许误差，σ为样本标准偏差。

3.根据权利要求2所述的一种测试设备计量特性评定校准数据处理方法，其特征为：置信度(1-α)为95％。

4.根据权利要求1所述的一种测试设备计量特性评定校准数据处理方法，其特征在于，当样本容量n≥50时，根据贝塞尔公式计算实验标准偏差，依据拉依达准则判断异常值。

5.根据权利要求1所述的一种测试设备计量特性评定校准数据处理方法，其特征在于，当样本容量n<50时，利用格拉布斯准则剔除样本中的异常值。

6.根据权利要求4或5所述的一种测试设备计量特性评定校准数据处理方法，其特征在于，当对校准数据剔除样本进行一次判断后，如果有异常值，则剔除该异常值形成新的样本，直至判断样本无异常值。

7.根据权利要求1所述的一种测试设备计量特性评定校准数据处理的设备，其特征为：所述的设备包括信号采集模块和存储模块，所述的信号采集模块包括两类接口，一类直接连接测试设备硬件，获取单通道校准数据，发送至存储模块；

另一类，与测试设备主控器连接，直接获取整个校准过程的校准数据。

8.根据权利要求7所述的一种测试设备计量特性评定校准数据处理的设备，其特征为：所述的设备还包括独立的电源和CPU模块，为独立工作的设备。