CN117150386B - 基于自适应的湿度传感器测量不确定度的评定方法及装置 - Google Patents
基于自适应的湿度传感器测量不确定度的评定方法及装置 Download PDFInfo
- Publication number
- CN117150386B CN117150386B CN202311429758.2A CN202311429758A CN117150386B CN 117150386 B CN117150386 B CN 117150386B CN 202311429758 A CN202311429758 A CN 202311429758A CN 117150386 B CN117150386 B CN 117150386B
- Authority
- CN
- China
- Prior art keywords
- humidity
- humidity sensor
- uncertainty
- value
- standard
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 198
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000011156 evaluation Methods 0.000 claims abstract description 102
- 238000012360 testing method Methods 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 25
- 238000012937 correction Methods 0.000 claims description 19
- 230000003044 adaptive effect Effects 0.000 claims description 18
- 238000005315 distribution function Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 229920006395 saturated elastomer Polymers 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 4
- BJQHLKABXJIVAM-UHFFFAOYSA-N bis(2-ethylhexyl) phthalate Chemical compound CCCCC(CC)COC(=O)C1=CC=CC=C1C(=O)OCC(CC)CCCC BJQHLKABXJIVAM-UHFFFAOYSA-N 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 239000000523 sample Substances 0.000 description 41
- 238000009826 distribution Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 238000011056 performance test Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
- G01N27/223—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance for determining moisture content, e.g. humidity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明公开了一种基于自适应的湿度传感器测量不确定度的评定方法及装置,该方法包括:循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果,在循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果的过程中,实时获取最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差;判断最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差是否均小于预设数值容差;若是,则根据所有参与循环获取的评定结果的样本数据确定最终的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值。本发明解决了现有技术中的测量不确定度的评定方法效率低的问题。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种基于自适应的湿度传感器测量不确定度的评定方法及装置。
背景技术
空气湿度是表示空气中水汽含量的气象要素,为了确保湿度测量结果的准确性,需对湿度测量仪器(目前气象观测领域主流的是采用以湿敏电容为感湿元器件的湿度传感器)进行量值溯源,量值溯源情况一般由测量结果反应,测量不确定度(简称不确定度)是与测量结果关联的一个参数,是衡量测量过程是否持续受控、测量结果是否能保持稳定一致的重要指数。可靠的湿度测量不确定度评定方法对于提升湿度观测数据质量,揭示天气规律和气候特征有着重要的意义。
蒙特卡洛法(Monte Carlo method,简称MCM)评定测量不确定度是基于概率密度分布函数传播定律(law of propagation of distribution,简称LPD)的方法,适用于具有任意多个可由概率密度函数(Probability Density Function,简称PDF)表征的测量模型。MCM的实施步骤流程一般为,即当测量模型构建完成之后,首先,分析确定测量模型中各输入量的概率分布类型及相关特征参数,并构建输入量的概率密度函数(ProbabilityDensity Function,简称PDF);然后,将各输入量的PDF代入测量模型进行MCM传播;最后,得到MCM输出结果,并给出评定结果报告;由于采用真实的模拟策略,在不确定度评定过程中将更多有效信息带入到最终的评定结果中,无需过多的近似与假设,因此,采用该方法进行不确定评定的不确定度结果更加真实可靠,准确度更高。与此同时,其适用范围广、可操作性强,且MCM免去复杂的灵敏度系数的计算过程,省去了大量复杂的计算步骤。因此采用该方法能为湿度传感器不确定度的评定提供一种更为准确且切实有效的方法。
目前常用的MCM方法为单批次MCM方法,其中,单批次MCM方法为了获取准确的评定结果,往往在进行仿真模拟时,需要获取较大的试验样本空间M,其中,M一般取106,因此,导致效率低下的问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于自适应的湿度传感器测量不确定度的评定方法及装置,旨在解决现有技术中在进行不确定度测量时效率低下的问题。
本发明实施例是这样实现的:
一种基于自适应的湿度传感器测量不确定度的评定方法,所述方法包括:
循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果,所述评定结果至少包括最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值;
在所述循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果的过程中,实时获取所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差;
判断所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差是否均小于预设数值容差;
若判断到所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差均小于预设数值容差,则根据所有参与循环获取的评定结果的样本数据确定最终的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值。
进一步的,上述基于自适应的湿度传感器测量不确定度的评定方法,其中,所述最佳估计值的标准偏差的计算公式为:
;
所述标准不确定度的标准偏差的计算公式为:
;
所述约定概率下的最短包含区间的左端点值的标准偏差的计算公式为:
;
所述约定概率下的最短包含区间的右端点值的标准偏差的计算公式为:
;
其中,,/>,/>,/>,为第i次循环得到湿度传感器测量不确定度评定结果的最佳估计值,/>为第i次循环得到湿度传感器测量不确定度评定结果的标准不确定度值,/>为第i次循环得到湿度传感器测量不确定度评定结果的约定概率下的最短包含区间的左端点值,/>为第i次循环得到湿度传感器测量不确定度评定结果的约定概率下的最短包含区间的右端点值,h为循环执行次数。
进一步的,上述基于自适应的湿度传感器测量不确定度的评定方法,其中,基于预设规则采集待测湿度传感器测量不确定度的评定结果的步骤包括:
建立所述湿度传感器测量不确定度的实际测量模型,并获取所述实际测量模型当中的评定因子,并根据被测湿度传感器的可获信息确定所述评定因子的概率密度函数;
对所述评定因子的概率密度函数产生的样本值进行随机抽取,以抽取出每个所述评定因子的试验样本量;
根据所述实际测量模型对所述试验样本量进行计算得到对应的输出量的离散值;
对所述输出量的离散值进行非递减排序得到排序后的所述输出量的分布函数,以根据所述输出量的分布函数的离散表示确定所述待测湿度传感器测量不确定度的评定结果。
进一步的,上述基于自适应的湿度传感器测量不确定度的评定方法,其中,所述建立所述湿度传感器测量不确定度的实际测量模型的步骤包括:
获取所述湿度传感器测量不确定度的理论测量模型,并获取所述理论测量模型的影响量,根据所述影响量与理论测量模型确定初步实际测量模型;
根据测量原理确定的湿度传感器以及湿度标准器的湿度值对所述初步实际测量模型进行转换以得到所述实际测量模型。
进一步的,上述基于自适应的湿度传感器测量不确定度的评定方法,其中,其特征在于,
所述初步实际测量模型:
其中,H T为湿度传感器的湿度值,H S为湿度标准器的湿度值,H u为湿度发生器的均匀性引入误差的修正值,H f为湿度发生器的波动性引入误差的修正值;
所述实际测量模型为:
;其中,V为万用表测量湿度传感器的电压值,T d为湿度标准器(测量的露点温度值,T s为湿度标准器测量的环境温度值,H u为湿度发生器的均匀性引入误差的修正值,H f为湿度发生器的波动性引入误差的修正值。
进一步的,上述基于自适应的湿度传感器测量不确定度的评定方法,其中,所述根据测量原理确定的湿度传感器以及湿度标准器的湿度值对所述初步实际测量模型进行转换以得到所述实际测量模型的步骤包括:
所述湿度传感器的值的计算公式为:
;
其中,V为万用表测量湿度传感器的电压值;
所述标准器值的计算公式为:
;
其中,e w(t)为温度t时的饱和水气压,T d为湿度标准器测量的露点温度值,T s为湿度标准器测量的环境温度值;
所述饱和水气压的计算公式为:
进一步的,上述基于自适应的湿度传感器测量不确定度的评定方法,其中,所述方法还包括:
获取湿度发生器预设位置点上采集到的预设次数的被测湿度传感器的电压值、湿度标准器的露点温度值、湿度标准器的环境温度值以及预设位置点上的湿度传感器值
根据所述被测湿度传感器的电压值、湿度标准器的露点温度值、湿度标准器的环境温度值以及预设位置点上的湿度传感器值确定对应的所述评定因子的值。
本发明的另一个目的在于提供一种基于自适应的湿度传感器测量不确定度的评定装置,所述装置包括:
获取模块,用于循环获取基于预设规则采集到的湿度传感器测量不确定度的评定结果,所述评定结果至少包括最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值;
计算模块,用于在所述循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果的过程中,实时获取所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差;
判断模块,用于判断所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差是否均小于预设数值容差;
确定模块,用于若判断到所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差均小于预设数值容差,则根据所有参与循环获取的评定结果的样本数据确定最终的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值。
本发明的另一个目的在于提供一种可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任意一项所述的方法的步骤。
本发明的另一个目的是提供一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的方法的步骤。
本发明通过循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果,在循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果的过程中,实时获取最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差;若判断到最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差均小于预设数值容差,则根据所有参与循环获取的评定结果的样本数据确定最终的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值。即通过不断的增加采样次数确定评定系统的稳定性,并在评定系统稳定时,通过所有参与的样本值计算出最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值,避免了需要大量的样本数据,有效节约存储空间资源,又提升了评定效率。解决了现有技术中的湿度传感器测量不确定度的评定方法效率低的问题。
附图说明
图1为本发明一实施例提供的基于自适应的湿度传感器测量不确定度的评定方法的流程图;
图2为本发明一实施例提供的湿度传感器测量不确定度的评定方法的中的湿度传感器量值溯源(检定或校准)测量原理图;
图3为本发明一实施例提供的湿度传感器测量不确定度的评定方法的中的湿度发生器恒湿场测试点布控位置;
图4为本发明一实施例提供的湿度传感器测量不确定度的评定方法的中的湿度传感器的测试原理示意图;
图5为本发明第三实施例中基于自适应的湿度传感器测量不确定度的评定装置的结构框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
以下将结合具体实施例和附图来详细说明如何在提升湿度传感器的测量不确定度的评定的准确性的前提下保证测量不确定度的评定的效率。
实施例一
请参阅图1,所示为本发明第一实施例中的基于自适应的湿度传感器测量不确定度的评定方法,所述方法包括步骤S10~S13。
步骤S10,循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果,所述评定结果至少包括最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值。
其中,一般MCM为了确保95%的稳定包含区间,通常试验样本空间值M=106,而发明实施例提出的湿度传感器测量不确定度的评定方法为自适应MCM方法,通过不断增加采样次数,直到输出的各类结果达到统计学意义上的稳定,因此能在保证精度的前提下获取相应的测量结果。
具体的,由于在不断的增加采样次数之间,需要进行不断的评定结果的判定,根据评定的结果,确定是否停止增加采样次数,因此,在进行循环评定测试之前,需要对运行程序前的某些参数进行设定,具体的,在进行循环评定测试之前,设定n dig为适当小的正整数,一般为1或2,其表示输出结果的标准不确定度u(y)的有效位数,并约定输出结果的最短包含区间概率p(p一般选择95%),设循环应用次数h=1,设定MCM样本值大小N,一般N=max(J,104),其中J为大于或等于100/(1-p)的最小整数,p一般选择95%,此时N=104。
步骤S11,在所述循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果的过程中,实时获取循环时所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差。
具体的,在进行单次的评定方法循环时,从第二次循环开始,实时获取循环时每次评定方法对应的各评定结果对应的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值,同时计算对应的标准偏差,例如,在第一次时获取第一次的评定结果对应的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值。在进行第二次时,获取第二次的评定结果对应的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值,并将前面两次的评定结果对应的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值计算偏差。当需要进行第三次时,则获取第三次的评定结果对应的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值,并将前面三次的评定结果对应的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值计算偏差。以此类推。
其中,标准偏差用于判定当前的评定结果是否稳定,具体的,最佳估计值的标准偏差的计算公式为:
;
标准不确定度的标准偏差的计算公式为:
;
约定概率下的最短包含区间的左端点值的标准偏差的计算公式为:
;
约定概率下的最短包含区间的右端点值的标准偏差的计算公式为:
;
其中,,/>,/>,/>,/>为第i次循环得到湿度传感器测量不确定度评定结果的最佳估计值,/>为第i次循环得到湿度传感器测量不确定度评定结果的标准不确定度值,/>为第i次循环得到湿度传感器测量不确定度评定结果的约定概率下的最短包含区间的左端点值,/>为第i次循环得到湿度传感器测量不确定度评定结果的约定概率下的最短包含区间的右端点值,h为循环执行次数。
步骤S12,判断所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差是否均小于预设数值容差。
具体的,预设数值容差通过在进行评定时的所有的样本值计算出的标准不确定度计算得到,例如,通过所有的样本值计算出u(y),即将u(y)表示为c×10l形式(c为n dig位十进制整数),,在具体实施时,即预设数值容差为1/2/>,当2s y、2s u(y)、2s ylow、2s yhigh中任何一个值大于/>时,表示还未达到统计学的稳定状态,继续执行单批次MCM试验,当2s y、2s u(y)、2s ylow、2s yhigh都小于/>时,则表明达到稳定状态,此时通过h×N个样本值计算出y、u(y)和约定概率p的最短包含区间[y low、y high]。
另外,需要进一步的说明的是,其对应的输出结果中,u(y)一般保留1到2位有效数字(当第1位有效数字为1或2时,一般保留两位有效数字),且对应的y、y low、y high的有效数字的末位应与u(y)的末位一致。
步骤S13,若判断到所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差均小于预设数值容差,则根据所有参与循环获取的评定结果的样本数据确定最终的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值。
具体的,当2s y、2s u(y)、2s ylow、2s yhigh都小于时,则表明达到稳定状态,此时通过h×N个样本值计算出y、u(y)和约定概率p的最短包含区间[y low、y high],即通过不断的增加采样次数确定评定系统的稳定性,并在评定系统稳定时,通过所有参与的样本值计算出最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值,避免了需要大量的样本数据,又提升了评定效率。
综上,本发明上述实施例中的基于自适应的湿度传感器测量不确定度的评定方法,通过循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果,在循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果的过程中,实时获取最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差;若判断到最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差值均小于预设数值容差,则根据所有参与循环获取的评定结果的样本数据确定最终的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值。即通过不断的增加采样次数确定评定系统的稳定性,并在评定系统稳定时,通过所有参与的样本值计算出最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值,避免了需要大量的样本数据,又提升了评定效率。解决了现有技术中的湿度传感器测量不确定度的评定方法效率低的问题。
实施例二
本发明实施例二也提出一种基于自适应的湿度传感器测量不确定度的评定方法,与本发明实施例一提出的一种基于自适应的湿度传感器测量不确定度的评定方法的不同之处在于:
基于预设规则采集待测湿度传感器测量不确定度的评定结果的步骤包括:
建立所述湿度传感器测量不确定度的实际测量模型,并获取所述实际测量模型当中的评定因子,并根据可获信息确定所述评定因子的概率密度函数;
对所述评定因子的概率密度函数产生的样本值进行随机抽取,以抽取出每个所述评定因子的试验样本量;
根据所述实际测量模型对所述试验样本量进行计算得到对应的输出量的离散值;
对所述输出量的离散值进行非递减排序得到排序后的所述输出量的分布函数,以根据所述输出量的分布函数的离散表示确定所述待测湿度传感器测量不确定度的评定结果。
其中,在进行评定结果测定时,需要建立测量不确定度的实际测量模型,即建立输入量与输出量之间的相关模型,具体的,输入量即评定因子,可以利用可获信息为输入量设定概率密度函数,从输入量的概率密度函数中抽取M个样本值,带入实际测量模型计算出N个输出量值,其中,M=N,将N个输出量值进行递增(或非递减)排序,排序后的输出量△H的分布函数的离散值表示,并通过其确定△H的最佳估计值、标准不确定度、约定概率下的最短包含区间的左右端点值。
具体的,所述建立所述湿度传感器测量不确定度的实际测量模型的步骤包括:
获取所述湿度传感器测量不确定度的理论测量模型,并获取所述理论测量模型的影响量,根据所述影响量与理论测量模型确定初步实际测量模型;
根据测量原理确定的湿度传感器以及湿度标准器的湿度值对所述初步实际测量模型进行转换以得到所述实际测量模型。
其中,根据湿度检定规程的要求,通过在湿度发生器内将被检湿度传感器与标准器的湿度值进行比对求误差值的方式来测量。
因此,其对应的理论测量模型为:
;
其中,其中△H为被检湿度传感器的测量误差,H T为被检湿度传感器值,H S为标准器值,为系统误差的修正值、/>为随机误差的修正值。由于实际测量前,会对相关系统误差提前进行修正(如测量前,会对标准器的误差进行修正等),同时,由于是按照规程进行规划化的操作,能有效避免随机误差的产生,因此系统误差及随机误差对应的修正值/>和/>可忽略。
另外,考虑到由于湿度发生器均匀性、波动性会导致对测量结果产生影响。因此,在理论模型的基础上,将其作为影响量代入理论测量模型,建立的初步实际测量模型为:
;
其中,H u为湿度发生器的均匀性引入误差的修正值,H f为湿度发生器的波动性引入误差的修正值。
进一步的,由于现行主流的湿度传感器(如自动气象站所采用的HMP155A型湿度传感器、DHC型湿度仪等),一般均由湿敏电容等元件及变换电路组成,并根据湿敏电容与空气湿度的单值函数,并通过变换电路转换为对应的输出电压输出(湿度测量时,一般配合数字万用表一起使用)。因此,如图2所示,可以通过实际测量出湿度传感器实际测量模型当中的部分参数,通常所测电压范围为0V~1V,对应相对湿度范围为0%RH~100%RH。被检湿度传感器值H T的计算公式为
;
现行各类湿度传感器在进行校准时,所采用的标准器均为精密露点仪,其工作原理为,通过将环境气体引入露点仪内,并使其水蒸气在其内部冷凝,当水蒸气结露或结霜时,测量其对应的温度,该温度露点温度。而湿度的计算则通过露点温度T d对应的饱和水气压与被测气体温度T s的饱和水气压之比,其计算公式为:
;
其中饱和水气压计算公式为:
;
因此,其对应的实际测量模型为:
。
进一步的,在本发明一些可选的实施例当中,为了进一步的提升测量不确定度的评定的准确性,考虑湿度发生器波动性与均匀性对最终测量结果的影响,依据湿度相关性能测试规范,设计了一套关于湿度发生器波动性与均匀性的测试方法,在进行湿度传感器进行测量的同时,开展对湿度发生器的测试,来获取其对应的波动性与均匀性测试数据。该方法以湿度传感器测量时发生器的测试数据为依据,计算出湿度发生器波动性与均匀性,能直接反应湿度发生器在湿度传感器测量时的性能,因此,相对于以往通过查询湿度发生器技术手册或溯源证书等获取性能指标的方式,该方法能为湿度传感器进行测量不确定度的评定,提供更准确可靠的湿度发生器性能参数数据,进而有效提升测量不确定度评定结果的准确性。
具体的,获取湿度发生器预设位置点上采集到的预设次数的被测湿度传感器的电压值、湿度标准器的露点温度值、湿度标准器的环境温度值以及预设位置点上的湿度传感器值;
根据所述被测湿度传感器的电压值、湿度标准器的露点温度值、湿度标准器的环境温度值以及预设位置点上的湿度传感器值确定对应的所述评定因子的值。
其中,评定因子为实际测量模型当中各个输入量的参数,在实际中,根据JJG826-1993《二级标准分流式湿度发生器》检定规程,QX/T 92-2008《湿度检定箱性能测试规范》的相关要求,设计出湿度发生器的性能测试方法如下:
如图3所示,将湿度发生器工作区域内空间平分为上、中、下三层,每层布控一个测试点,其中B点位于中层平面中央,A点位于上层平面的右上角,C点位于下层平面的左边上角,A点和C点距腔体内壁应大于平面直径的1/10。A点距腔体顶部距离及C点距腔体底部距离均应小于腔体深度1/10。每个测试点放置一个湿度传感器测头,测头位置布控时应尽量避开腔体内气流进出口的位置,当B点达到设定湿度值并经过一定的稳定时间后,开始记录各测试点的相对湿度值,每隔1min记录一次,共记录10次。计算湿度发生器内某一湿度测试点的湿度均匀性h j以及湿度发生器内某一湿度测试点的湿度波动性h b,其中:
;
;
h imax——各位置在第i次测量中的最高相对湿度,单位为%RH;
h imin——各位置在第i次测量中的最低相对湿度,单位为%RH;
h omax——测试点B位置多次测量中的最高相对湿度,单位为%RH;
h omin——测试点B位置多次测量中的最低相对湿度,单位为%RH;
根据实际测量模型可知,其对应的输入量分别为被测湿度传感器的实测电压值V、湿度标准器(精密露点仪)的实测露点温度值T d和被测气体温度值T s,以及湿度发生器均匀性引入误差的修正值H u、波动性引入误差的修正值H f。构建输入量的概率密度函数的具体步骤为:
首先,根据湿度检定规程的要求,以某个湿度测试点为例,在湿度发生器恒湿场内将被检湿度传感器与标准器的湿度值进行比对求误差值的方式来测量,并同时对湿度发生器进行波动性与均匀性的测试。测试时,被测湿度传感器配合数字万用表一起使用,湿度发生器进行波动性与均匀性的测试,选用多路湿度测量装置(至少有三路湿度传感器),按照要求分别布控于湿度发生器恒湿场内的A、B、C三点。测试示意图如图4所示,当达到实验条件后,分别读取10次被测湿度传感器的电压值,10次精密露点仪的露点温度值和被测气体温度值,以及10次A、B、C三个点对应的湿度传感器值h A、h B、h C。
V的概率分布:被测湿度传感器的实测电压值V=aV为10次随机测量的平均值,满足正态分布,通过查询测量湿度传感器使用的数字万用表的校准证书,其在aV量程对应的扩展不确定度U=bV(k=2),则标准不确定度u c=0.5bV,因此,V为N(aV,0.5bV)。
T d的概率分布:精密露点仪的实测露点温度值T d=c℃为10次随机测量的平均值,满足正态分布,通过查询精密露点仪的校准证书,当露点温度在c℃左右,对应的扩展不确定度U=d℃(k=2),则标准不确定度u c=0.5d℃,因此,T d为N(c℃,d℃)。
T s的概率分布:精密露点仪的实测环境气体温度值T s=e℃为10次随机测量的平均值,满足正态分布,通过查询精密露点仪的校准证书,当环境气体温度在e℃左右,对应的扩展不确定度U=f℃(k=2),则标准不确定度u c=0.5f℃,因此,T s为N(e℃,0.5f℃)。
H u概率分布:湿度发生器的均匀性满足均匀分布,将10次测量的h A、h B、h C值,通过公式计算其均匀性指标为h j%RH,对应的均匀分布区间上下限端点为h j%RH和-h j%RH,因此概率分布为U(-h j%RH,h j%RH)。
H f概率分布:湿度发生器的波动性满足反正弦分布,将10次测量的h B值,通过公式计算其波动性指标为h b%RH,因此对应的其波动性分布区间上下限端点为h b%RH和-h b%RH,因此概率分布为Asn(-h b%RH,h b%RH)。
通过以上分析,各输入量设定的概率分布类型及概率密度函数如表1所示。
表1:测试点各输入量概率分布情况(单位:%RH)
/>
为了实现MCM的传播与输出,除建立以上测量模型并根据可获信息确定所述评定因子的概率密度函数外,还需对各输入量概率密度函数产生的样本值进行随机抽取。
实施例三
请参阅图5,所示为本发明第三实施例中提出的基于自适应的湿度传感器测量不确定度的评定装置,所述装置包括:
获取模块100,用于循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果,所述评定结果至少包括最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值;
计算模块200,用于在所述循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果的过程中,实时获取所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差;
判断模块300,用于判断所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差是否均小于预设数值容差;
确定模块400,用于若判断到所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差均小于预设数值容差,则根据所有参与循环的样本数据确定最终的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值。
进一步的,上述基于自适应的湿度传感器测量不确定度的评定装置,所述最佳估计值的标准偏差的计算公式为:
;
所述标准不确定度的标准偏差的计算公式为:
;
所述约定概率下的最短包含区间的左端点值的标准偏差的计算公式为:
;
所述约定概率下的最短包含区间的右端点值的标准偏差的计算公式为:
;
其中,,/>,/>,/>,为第i次循环得到湿度传感器测量不确定度评定结果的最佳估计值,/>为第i次循环得到湿度传感器测量不确定度评定结果的标准不确定度值,/>为第i次循环得到湿度传感器测量不确定度评定结果的约定概率下的最短包含区间的左端点值,/>为第i次循环得到湿度传感器测量不确定度评定结果的约定概率下的最短包含区间的右端点值,h为循环执行次数。
进一步的,上述基于自适应的湿度传感器测量不确定度的评定装置,其中,所述获取模块包括:
建立单元,用于建立所述湿度传感器测量不确定度的实际测量模型,并获取所述实际测量模型当中的评定因子,并根据被测湿度传感器的可获信息确定所述评定因子的概率密度函数;
抽取单元,用于对所述评定因子的概率密度函数产生的样本值进行随机抽取,以抽取出每个所述评定因子的试验样本量;
计算单元,用于根据所述实际测量模型对所述试验样本量进行计算得到对应的输出量的离散值;
确定单元,用于对所述输出量的离散值进行非递减排序得到排序后的所述输出量的分布函数,以根据所述输出量的分布函数的离散表示确定所述待测湿度传感器测量不确定度的评定结果。
进一步的,上述基于自适应的湿度传感器测量不确定度的评定装置,其中,所述建立单元包括:
采集单元,用于获取所述湿度传感器测量不确定度的理论测量模型,并获取所述理论测量模型的影响量,根据所述影响量与理论测量模型确定初步实际测量模型;
转换单元,用于根据测量原理确定的湿度传感器以及湿度标准器的湿度值对所述初步实际测量模型进行转换以得到所述实际测量模型。
进一步的,在本发明一些可选的实施例当中,
所述初步实际测量模型为:
;
其中,H T为湿度传感器的湿度值,H S为湿度标准器的湿度值,H u为湿度发生器的均匀性引入误差的修正值,H f为湿度发生器的波动性引入误差的修正值;
所述实际测量模型为:
;
其中,V为万用表测量湿度传感器的电压值,T d为湿度标准器测量的露点温度值,T s为湿度标准器测量的环境温度值,H u为湿度发生器的均匀性引入误差的修正值,H f为湿度发生器的波动性引入误差的修正值。
进一步的,上述基于自适应的湿度传感器测量不确定度的评定装置,所述湿度传感器的值的计算公式为:
;
其中,V为万用表测量湿度传感器的电压值;
所述标准器值的计算公式为:
;
其中,e w(t)为温度t时的饱和水气压,T d为湿度标准器测量的露点温度值,T s为湿度标准器测量的环境温度值;
所述饱和水气压的计算公式为:
进一步的,在本发明一些可选的实施例当中,所述装置还包括:
采集模块,用于获取湿度发生器预设位置点上采集到的预设次数的被测湿度传感器的电压值、湿度标准器的露点温度值、湿度标准器的环境温度值以及预设位置点上的湿度传感器值;
得到模块,用于根据所述被测湿度传感器的电压值、湿度标准器的露点温度值、湿度标准器的环境温度值以及预设位置点上的湿度传感器值确定对应的所述评定因子的值。
上述各模块被执行时所实现的功能或操作步骤与上述方法实施例大体相同,在此不再赘述。
另外,为了进一步的更加详细清楚的阐述本发明实施例的具体实施过程,根据湿度传感器检定规程的要求,以55%RH测试点为例,通过在湿度发生器内将被检湿度传感器与标准器(精密露点仪)的湿度值进行比对求误差值的方式来测量,考虑湿度发生器波动性与均匀性对最终测量结果的影响,将湿度发生器波动性与均匀性的测量也一并进行。测量时,将被测湿度传感器和标准器的湿度感应部分放入湿度发生器内,同时也将多路湿度测量装置中三个检定合格的湿度传感器,分别放置湿度发生器的A、B、C三个点所在位置,其中:
测试时被测湿度传感器配合数字万用表一起使用,其所测电压范围为0V~1V,对应相对湿度范围为0%RH~100%RH。精密露点仪通过测量被测气体的露点温度T d及气体温度T s并通过计算转换为对应的湿度值。当达到实验条件后,分别读取10次被测湿度传感器的实测电压值V,精密露点仪的实测露点温度T d和被测气体温度平均值T s。以及湿度发生器恒湿场内A、B、C三个点所对应的湿度传感器值h A、h B、h C,具体数据如表2所示。
表2:55%RH测试点实测电压值V、露点温度T d和被测气体温度T s,A、B、C三个点的湿度值h A、h B、h C
通过将10次A、B、C三个点所对应的湿度传感器值,带入上述公式计算出湿度均匀性h j=0.2%RH,将B点所对应的湿度传感器值,带入上述公式计算出湿度波动性h b=0.1%RH。
V的概率分布:被测湿度传感器的实测电压值为随机测量,平均值V=0.5624V,满足正态分布,通过查询测量湿度传感器使用的数字万用表的校准证书,其在0V~1V量程对应的扩展不确定度U=0.0016V(k=2),则标准不确定度u c=0.0008V,因此,V为N(0.5624V,0.0008V)。
T d的概率分布:精密露点仪的实测露点温度值为随机测量,平均值T d=10.76℃,满足正态分布,通过查询精密露点仪的校准证书,其温度在10℃左右,对应的扩展不确定度U=0.06℃(k=2),则标准不确定度u c=0.03℃,因此,T d为N(10.76℃,0.03℃)。
T s的概率分布:精密露点仪的实测环境气体温度值为随机测量,平均值T s=20.03℃,满足正态分布,通过查询精密露点仪的校准证书,其温度在10℃左右,对应的扩展不确定度U=0.04℃(k=2),则标准不确定度u c=0.02℃,因此,T d为N(20.020℃,0.02℃)。
Hu概率分布:湿度发生器的均匀性满足均匀分布,将10次随机测量的hA、hB、hC值,通过上述公式计算其均匀性为0.2%RH,对应的均匀分布区间上下限端点为0.2%RH和-0.2%RH,因此概率分布为U(-0.2%RH,0.2%RH)。
Hf概率分布:湿度发生器的波动性满足反正弦分布,将10次随机测量的hB值,通过上述公式计算其波动性指标为0.1%RH,因此对应的其波动性分布区间上下限端点为0.1%RH和-0.1%RH,因此概率分布为Asn(-0.1%RH,0.1%RH)。
通过以上分析,各输入量设定的概率分布及特征值如表3所示。
表3:55%RH测试点各输入量概率分布情况(单位:%RH)
分别利用本发明实施提出的自适应的湿度传感器测量不确定的评定方法以及现有的单次的准确性高但需要样本数据多的湿度传感器测量的方法进行结果对比,具体如下:
(1)现有单批次MCM
1)MCM输入:定义输出量为湿度传感器的测量误差,建立输入量和输出量之间的测量模型,利用可获信息为输入量设定PDF(如表3所示),设定试验样本空间值M=106。
2)MCM传播与输出:从输入量V、T d和T s,以及H u、H f对应的PDF中抽取M个样本值,并通过将样本矢量代入测量模型,计算出M个对应的输出量的离散值,并将其进行严格递增排序,得到排序后的输出量的分布函数的离散表示。
3)MCM报告结果:通过排序后的输出量的分布函数的离散表示,确定湿度传感器的测量误差的最佳估计值△H=0.01077%RH、其标准不确定度u(△H)=0.1353%RH,以及在包含概率为95%时的包含区间[△H low,△H high]=[-0.2419%RH, 0.2630%RH]。根据修约规则,最终的报告结果为△H=0.01%RH、u(△H)=0.14%RH、[△H low,△H high]=[-0.24%RH, 0.26%RH]。
(2)本发明实施例提出的自适应MCM方法
1)设定标准不确定度u(h)的有效位数n dig=2,约定输出结果的最短包含区间概率p=95%;
2)设循环应用次数h=1,设定循环内部的单批次MCM执行次数N=104;
3)执行单批次MCM试验,即将各输入量的PDF(试验样本量M=N=104)代入测量模型,进行MCM传播与输出,获得相应的△H=0.0125%RH、u(△H)=0.1369%RH、[△H low,△H high]=[-0.2422%RH,0.2658%RH];
4)h=1,设定h+1,返回到步骤3,继续执行单批次MCM试验,获得相应的△H=0.0116%RH、u(△H)=0.1367%RH、[△H low,△H high]=[-0.2436%RH,0.2638%RH];
5)通过对应的标准偏差计算公式分别计算出△H、u(△H)、△H low、△H high各自平均值的标准偏差值S △H=0.0004644%RH、S u(△H)=0.0001181%RH、S △Hlow=0.000747%RH、S △Hhigh=0.001526%RH;
6)通过所有的2×104样本值计算出u(△H)=0.1368,并计算数值容差=0.005%RH;
7)此时,由于2S H、2S u(H)、2S Hlow、2S Hhigh都小于,因此表明已达到稳定状态,此时通过2×104个样本值计算出△H=0.0121%RH、u(△H)=0.1368%RH、[△H low,△H high]=[-0.2428%RH,0.2648%RH]。根据修约规则,最终的报告结果为△H=0.01%RH、u(△H)=0.14%RH、[△H low,△H high]=[-0.24%RH, 0.26%RH]。
通过对比自适应MCM和单批次MCM的报告结果,自适应MCM采用的仿真模拟样本空间值为2×104,即得到了与单批次MCM采用的仿真模拟样本空间值M=106相同的输出结果。
实施例四
本发明另一方面还提供一种可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述实施例一和二中所述的方法的步骤。
实施例五
本发明另一方面还提供一种电子设备,所述电子设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述实施例一和二中所述的方法的步骤。
以上各个实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
本领域技术人员可以理解,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读存储介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读存储介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读存储介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于自适应的湿度传感器测量不确定度的评定方法,其特征在于,所述方法包括:
循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果,所述评定结果至少包括最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值;
在所述循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果的过程中,实时获取所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差;
判断所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差是否均小于预设数值容差;
若判断到所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差均小于预设数值容差,则根据所有参与循环获取的评定结果的样本数据确定最终的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值;
基于预设规则采集待测湿度传感器测量不确定度的评定结果的步骤包括:
建立所述湿度传感器测量不确定度的实际测量模型,并获取所述实际测量模型当中的评定因子,并根据被测湿度传感器的可获信息确定所述评定因子的概率密度函数;
对所述评定因子的概率密度函数产生的样本值进行随机抽取,以抽取出每个所述评定因子的试验样本量;
根据所述实际测量模型对所述试验样本量进行计算得到对应的输出量的离散值;
对所述输出量的离散值进行非递减排序得到排序后的所述输出量的分布函数,以根据所述输出量的分布函数的离散表示确定所述待测湿度传感器测量不确定度的评定结果;
所述方法还包括:
获取湿度发生器预设位置点上采集到的预设次数的被测湿度传感器的电压值、湿度标准器的露点温度值、湿度标准器的环境温度值以及预设位置点上的湿度传感器值;
根据所述被测湿度传感器的电压值、湿度标准器的露点温度值、湿度标准器的环境温度值以及预设位置点上的湿度传感器值确定对应的所述评定因子的值;
所述建立所述湿度传感器测量不确定度的实际测量模型的步骤包括:
获取所述湿度传感器测量不确定度的理论测量模型,并获取所述理论测量模型的影响量,根据所述影响量与理论测量模型确定初步实际测量模型;
根据测量原理确定的湿度传感器以及湿度标准器的湿度值对所述初步实际测量模型进行转换以得到所述实际测量模型;
所述初步实际测量模型为:
;
其中,H T为湿度传感器的湿度值,H S为湿度标准器的湿度值,H u为湿度发生器的均匀性引入误差的修正值,H f为湿度发生器的波动性引入误差的修正值;
所述实际测量模型为:
;
其中,V为万用表测量湿度传感器的电压值,T d为湿度标准器测量的露点温度值,T s为湿度标准器测量的环境温度值,H u为湿度发生器的均匀性引入误差的修正值,H f为湿度发生器的波动性引入误差的修正值。
2.根据权利要求1所述的基于自适应的湿度传感器测量不确定度的评定方法,其特征在于,所述最佳估计值的标准偏差的计算公式为:
;
所述标准不确定度的标准偏差的计算公式为:
;
所述约定概率下的最短包含区间的左端点值的标准偏差的计算公式为:
;
所述约定概率下的最短包含区间的右端点值的标准偏差的计算公式为:
;
其中,,/>,/>,/>,为第i次循环得到湿度传感器测量不确定度评定结果的最佳估计值,/>为第i次循环得到湿度传感器测量不确定度评定结果的标准不确定度值,/>为第i次循环得到湿度传感器测量不确定度评定结果的约定概率下的最短包含区间的左端点值,/>为第i次循环得到湿度传感器测量不确定度评定结果的约定概率下的最短包含区间的右端点值,h为循环执行次数。
3.根据权利要求1所述的基于自适应的湿度传感器测量不确定度的评定方法,其特征在于,所述根据测量原理确定的湿度传感器以及湿度标准器的湿度值对所述初步实际测量模型进行转换以得到所述实际测量模型的步骤包括:
所述湿度传感器的值的计算公式为:
;
其中,V为万用表测量湿度传感器的电压值;
所述标准器值的计算公式为:
;
其中,e w(t)为温度t时的饱和水气压,T d为湿度标准器测量的露点温度值,T s为湿度标准器测量的环境温度值;
所述饱和水气压的计算公式为:
。
4.一种基于自适应的湿度传感器测量不确定度的评定装置,其特征在于, 用于实现权利要求1至3中任一项所述的基于自适应的湿度传感器测量不确定度的评定方法,所述装置包括:
获取模块,用于循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果,所述评定结果至少包括最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值;
计算模块,用于在所述循环获取基于预设规则采集到的待测湿度传感器测量不确定度的评定结果的过程中,实时获取所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差;
判断模块,用于判断所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差是否均小于预设数值容差;
确定模块,用于若判断到所述最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值的标准偏差均小于预设数值容差,则根据所有参与循环获取的评定结果的样本数据确定最终的最佳估计值、标准不确定度以及约定概率下的最短包含区间的左右端点值;
所述获取模块包括:
建立单元,用于建立所述湿度传感器测量不确定度的实际测量模型,并获取所述实际测量模型当中的评定因子,并根据被测湿度传感器的可获信息确定所述评定因子的概率密度函数;
抽取单元,用于对所述评定因子的概率密度函数产生的样本值进行随机抽取,以抽取出每个所述评定因子的试验样本量;
计算单元,用于根据所述实际测量模型对所述试验样本量进行计算得到对应的输出量的离散值;
确定单元,用于对所述输出量的离散值进行非递减排序得到排序后的所述输出量的分布函数,以根据所述输出量的分布函数的离散表示确定所述待测湿度传感器测量不确定度的评定结果;
所述装置还包括:
采集模块,用于获取湿度发生器预设位置点上采集到的预设次数的被测湿度传感器的电压值、湿度标准器的露点温度值、湿度标准器的环境温度值以及预设位置点上的湿度传感器值;
得到模块,用于根据所述被测湿度传感器的电压值、湿度标准器的露点温度值、湿度标准器的环境温度值以及预设位置点上的湿度传感器值确定对应的所述评定因子的值。
5.一种可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至3中任意一项所述的方法的步骤。
6.一种电子设备,其特征在于,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至3任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311429758.2A CN117150386B (zh) | 2023-10-31 | 2023-10-31 | 基于自适应的湿度传感器测量不确定度的评定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311429758.2A CN117150386B (zh) | 2023-10-31 | 2023-10-31 | 基于自适应的湿度传感器测量不确定度的评定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117150386A CN117150386A (zh) | 2023-12-01 |
CN117150386B true CN117150386B (zh) | 2024-02-06 |
Family
ID=88897265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311429758.2A Active CN117150386B (zh) | 2023-10-31 | 2023-10-31 | 基于自适应的湿度传感器测量不确定度的评定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117150386B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117686140B (zh) * | 2024-02-02 | 2024-04-05 | 江西省气象探测中心 | 一种空盒气压表测量不确定度评定方法及系统 |
CN117949692B (zh) * | 2024-03-27 | 2024-05-31 | 江西省气象探测中心 | 一种光电型杯式风速仪的测量不确定度的评定方法及装置 |
CN117949494B (zh) * | 2024-03-27 | 2024-06-18 | 江西省气象探测中心 | 一种超声波蒸发传感器测量不确定度的评定方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553077A (zh) * | 2020-04-29 | 2020-08-18 | 大连理工大学 | 一种在机测量不确定度评定方法 |
CN111751313A (zh) * | 2020-05-28 | 2020-10-09 | 中国船舶重工集团公司第七二五研究所 | 一种单点校准测量系统的测量不确定度的评定方法 |
CN113761712A (zh) * | 2021-07-29 | 2021-12-07 | 中国电力科学研究院有限公司 | 一种用于评定校准系统测量不确定度的方法及系统 |
CN114487976A (zh) * | 2022-04-13 | 2022-05-13 | 华中科技大学 | 一种mcm电子式互感器校验仪溯源不确定度评定方法及系统 |
CN116609552A (zh) * | 2023-07-18 | 2023-08-18 | 江西省气象探测中心 | 一种风速测量不确定度评定方法、系统、存储介质及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016123699A1 (de) * | 2016-12-07 | 2018-06-07 | Endress+Hauser Conducta Gmbh+Co. Kg | Verfahren zur Bestimmung einer Messunsicherheit eines Messwerts eines Feldgeräts |
-
2023
- 2023-10-31 CN CN202311429758.2A patent/CN117150386B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553077A (zh) * | 2020-04-29 | 2020-08-18 | 大连理工大学 | 一种在机测量不确定度评定方法 |
CN111751313A (zh) * | 2020-05-28 | 2020-10-09 | 中国船舶重工集团公司第七二五研究所 | 一种单点校准测量系统的测量不确定度的评定方法 |
CN113761712A (zh) * | 2021-07-29 | 2021-12-07 | 中国电力科学研究院有限公司 | 一种用于评定校准系统测量不确定度的方法及系统 |
CN114487976A (zh) * | 2022-04-13 | 2022-05-13 | 华中科技大学 | 一种mcm电子式互感器校验仪溯源不确定度评定方法及系统 |
CN116609552A (zh) * | 2023-07-18 | 2023-08-18 | 江西省气象探测中心 | 一种风速测量不确定度评定方法、系统、存储介质及设备 |
Non-Patent Citations (5)
Title |
---|
Applicability analysis of traditional uncertainty evaluation method for wind speed measurement with L-shaped pitot static tube;Wei Mingming et al.;2019 14th IEEE International Conference on Electronic Measurement & Instruments (ICEMI);第1132-1142页 * |
气象湿度传感器测量结果不确定度评定;张艺萌 等;自动化仪表;第43卷(第11期);第16-17页 * |
自适应MCM的波动性指标收敛趋势分析;魏明明;计量学报;第40卷(第3期);第531-536页 * |
高精密铂电阻温度计不确定度评定及可靠性分析;张恒;中国优秀硕士学位论文全文数据库 基础科学辑;第2021卷(第04期);第A002-206页 * |
魏明明.自适应MCM的波动性指标收敛趋势分析.计量学报.2019,第40卷(第3期),第531-536页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117150386A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117150386B (zh) | 基于自适应的湿度传感器测量不确定度的评定方法及装置 | |
CN106291381B (zh) | 一种联合估计动力电池系统荷电状态与健康状态的方法 | |
CN112287297B (zh) | 基于随机采样的电能表质量一致性评价方法与介质 | |
CN113484813B (zh) | 多环境应力下的智能电表故障率预估方法及系统 | |
CN114755558A (zh) | 射频芯片的数据补偿方法 | |
CN110887800B (zh) | 一种用于光谱法水质在线监测系统的数据校准方法 | |
CN109900789B (zh) | 一种树木纵截面内部缺陷成像方法 | |
CN117332205B (zh) | 压电阻抗温度补偿高精度自动优化方法及装置 | |
CN114487976A (zh) | 一种mcm电子式互感器校验仪溯源不确定度评定方法及系统 | |
CN113344219A (zh) | 混凝土钢筋腐蚀状态评定方法、系统、终端及存储介质 | |
CN117630800A (zh) | 一种电能表自动检定装置故障诊断方法及系统 | |
CN111337452A (zh) | 一种验证光谱数据模型转移算法可行性的方法 | |
CN116298765A (zh) | 一种高温高湿反偏试验系统 | |
CN117949494B (zh) | 一种超声波蒸发传感器测量不确定度的评定方法及装置 | |
CN113960256A (zh) | 一种含水仪的温度补偿方法 | |
CN109375007B (zh) | 测控保护装置的失效评估方法、装置、设备及存储介质 | |
KR20210149795A (ko) | 이차전지 검사 방법 및 이차전지 검사 장치 | |
CN113030821A (zh) | 一种电量校准方法及装置 | |
CN113705857A (zh) | 一种考虑多因素的智能电能表计量精度优化方法及系统 | |
Hoja et al. | Method using bilinear transformation for measurement of impedance parameters of a multielement two-terminal network | |
CN114839502B (zh) | 一种半导体存储产品的集成式高温测试方法及系统 | |
CN116087759B (zh) | 一种电路板导电路径的检验方法及电路系统 | |
Mallick et al. | Least square based parabolic regression to determine calibration constant in measurement | |
CN115877240A (zh) | 一种锂离子电池全频率电化学阻抗谱在线重构方法 | |
SU1626225A1 (ru) | Способ определени температурной стабильности полупроводниковых приборов |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |