CN113761712A - 一种用于评定校准***测量不确定度的方法及*** - Google Patents
一种用于评定校准***测量不确定度的方法及*** Download PDFInfo
- Publication number
- CN113761712A CN113761712A CN202110862992.9A CN202110862992A CN113761712A CN 113761712 A CN113761712 A CN 113761712A CN 202110862992 A CN202110862992 A CN 202110862992A CN 113761712 A CN113761712 A CN 113761712A
- Authority
- CN
- China
- Prior art keywords
- measurement
- uncertainty
- electric field
- output
- measurement model
- 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.)
- Pending
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000005684 electric field Effects 0.000 claims abstract description 62
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 238000012614 Monte-Carlo sampling Methods 0.000 claims abstract description 32
- 238000005315 distribution function Methods 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims description 17
- 239000000463 material Substances 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 238000003786 synthesis reaction Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 abstract description 6
- 238000012360 testing method Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 11
- 238000009826 distribution Methods 0.000 description 10
- 239000000523 sample Substances 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 150000002500 ions Chemical class 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Measurement Of Current Or Voltage (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
Abstract
本发明公开了一种用于评定校准***测量不确定度的方法及***，属于电学参数测试计量技术领域。本发明方法，包括：建立直流合成电场校准***的测量模型；为测量模型的输入量设定概率密度分布函数，并通过概率密度分布函数确定蒙特卡洛抽样次数；获取测量模型的输出矩阵；根据简化模型及输出矩阵，对输出量做非递减排序；评定直流合成电场校准***的测量不确定度。本发明有效的解决了直流合成电场校准***测量结果因影响因素较多，导致测量模型规律性差、非线性显著，进而在使用GUM法评定测量不确定度时，结果不可靠的问题。
Description
技术领域
本发明涉及电学参数测试计量技术领域，并且更具体地，涉及一种用于评定校准***测量不确定度的方法及***。
背景技术
直流合成电场参数作为输变电工程重要的环境影响因子，在输变电工程建设运行前后的工程环境影响评价中不可或缺。其测量结果直接应用于导线选型，端点选址，路径规划等工程设计领域，同时也是缓解公众焦虑和环保纠纷评判的重要法律依据，直流合成电场测量结果的准确与否，会直接对工程造价控制的难易程度，环境生态的友好水平，人民群众切身权益的保障质量产生影响。同时在电力行业当中，直流合成电场测量作为研究分析直流合成电场的一种十分重要的技术手段，也在电气设备积污改良、地球物理勘探、大气雷电预警，工业晶体加工等方面有着诸多运用。
而对直流合成电场参数的准确校准是上述技术得以实际运用的前提条件，直流合成电场参数的测量结果质量，很大程度由溯源链上计量学等级更高的校准***水平高低直接决定。
合理评定的直流合成电场校准***不确定度是判断直流合成电场参数的测量结果质量的重要参考依据，对科学、有效、正确的利用测量结果具有重要的科研意义与工程价值。
发明内容
本发明针对现有技术的不足，提出了一种用于评定校准***测量不确定度的方法，包括：
针对直流合成电场离子流密度达到饱和的状态，建立直流合成电场校准***的测量模型；
为测量模型的输入量设定概率密度分布函数，并通过概率密度分布函数确定蒙特卡洛抽样次数；
简化测量模型，并根据确定的蒙特卡洛抽样次数进行蒙特卡洛抽样，确定测量模型的估计值和标准不确定，并获取测量模型的输出矩阵；
根据简化模型及输出矩阵，对输出量做非递减排序，排序完成后，确定输出量的分布函数的离散表达，通过离散表达计算约定包含概率下的输出量的包含区间；
根据测量模型的估计值、标准不确定及包含区间评定直流合成电场校准***的测量不确定度。
可选的，测量模型，具体为：
其中，E为校准***产生的直流合成电场名义值，UT为高压极板的电压表示值，N为电压互感器变比，E0为背景直流电场，T为实验室温度，T0为溯源时的温度，α为校准区平行极板材质的线膨胀系数，dT为溯源温度下校准区的平行极板间距，rep为测量重复性；
可选的，输入量包括多个，每个输入量设定一个概率密度函数；
所述输入量包括：电压表示值、电压互感器变比、校准区平行极板间距、平行极板材质的线膨胀系数、实验室温度、溯源时的温度、背景直流电场和测量重复性。
可选的，抽样次数M至少取M1和M2中的较大值，公式如下：
M≥MAX(M1,M2)
M1的值应大于等于1/(1-p)的104倍，公式如下：
M1≥1/(1-p)×104
其中，M1为在保证不确定度提供期望的包含区间时的最小抽样次数，p为期望的包含概率；
M2的值应大于等于，为不确定度保留足够的有效数字而所需的自由度，公式如下：
其中，M2为在保证不确定度保留足够有效数字时的最小抽样次数，v为所需的自由度，u(y)为标准不确定度，σ[u(y)]为标准不确定度u(y)的标准差。
可选的，简化的测量模型记为Y＝f(X1,…XN)，X1～XN为N个输入量。
可选的，根据确定的蒙特卡洛抽样次数进行蒙特卡洛抽样，具体为：
从N个输入量的Xi的概率密度函数gxi(ξi)中抽取M个向量xr＝(x1,r,…xN,r)，确定M个输出量yr＝f(xr)，r＝1，…，M，根据输出量构建输入矩阵xr，及输出矩阵yr；
输入矩阵xr为：
输出矩阵yr为：
本发明还提出了一种用于评定校准***测量不确定度的***，所述***包括：
模型构建模块，针对直流合成电场离子流密度达到饱和的状态，建立直流合成电场校准***的测量模型；
抽样次数确定模块，为测量模型的输入量设定概率密度分布函数，并通过概率密度分布函数确定蒙特卡洛抽样次数；
抽样模块，简化测量模型，并根据确定的蒙特卡洛抽样次数进行蒙特卡洛抽样，确定测量模型的估计值和标准不确定，并获取测量模型的输出矩阵；
计算模块，根据简化模型及输出矩阵，对输出量做非递减排序，排序完成后，确定输出量的分布函数的离散表达，通过离散表达计算约定包含概率下的输出量的包含区间；
输出模块，根据测量模型的估计值、标准不确定及包含区间评定直流合成电场校准***的测量不确定度。
可选的，测量模型，具体为：
其中，E为校准***产生的直流合成电场名义值，UT为高压极板的电压表示值，N为电压互感器变比，E0为背景直流电场，T为实验室温度，T0为溯源时的温度，α为校准区平行极板材质的线膨胀系数，dT为溯源温度下校准区的平行极板间距，rep为测量重复性；
可选的，输入量包括多个，每个输入量设定一个概率密度函数；
所述输入量包括：电压表示值、电压互感器变比、校准区平行极板间距、平行极板材质的线膨胀系数、实验室温度、溯源时的温度、背景直流电场和测量重复性。
可选的，抽样次数M至少取M1和M2中的较大值，公式如下：
M≥MAX(M1,M2)
M1的值应大于等于1/(1-p)的104倍，公式如下：
M1≥1/(1-p)×104
其中，M1为在保证不确定度提供期望的包含区间时的最小抽样次数，p为期望的包含概率；
M2的值应大于等于，为不确定度保留足够的有效数字而所需的自由度，公式如下：
其中，M2为在保证不确定度保留足够有效数字时的最小抽样次数，v为所需的自由度，u(y)为标准不确定度，σ[u(y)]为标准不确定度u(y)的标准差。
可选的，简化的测量模型记为Y＝f(X1,…XN)，X1～XN为N个输入量。
可选的，根据确定的蒙特卡洛抽样次数进行蒙特卡洛抽样，具体为：
从N个输入量的Xi的概率密度函数gxi(ξi)中抽取M个向量xr＝(x1,r,…xN,r)，确定M个输出量yr＝f(xr)，r＝1，…，M，根据输出量构建输入矩阵xr，及输出矩阵yr；
输入矩阵xr为：
输出矩阵yr为：
本发明有效的解决了直流合成电场校准***测量结果因影响因素较多，导致测量模型规律性差、非线性显著，进而在使用GUM法评定测量不确定度时，结果不可靠的问题。
本发明有效的解决了现有方法在面对直流合成电场校准***非线性模型时，求导计算困难的问题，同时不存在模型函数的近似转换，实现了更为精准的测量不确定评定。
本发明计算处理过程明晰，避免了现有方法中的主观假设条件的引入，便于使用计算机语言执行，为直流合成电场校准***实现高精度高效率高可靠的测量不确定度评定工作提供了一种新方法和一定的有益参考。
附图说明
图1为本发明涉及的直流合成电场校准***示意图。
图2为本发明方法的流程图；
图3为本发明涉及的输入量的概率分布传播示意图；
图4为本发明实施例中各输入量的概率分布直方图；
图5为本发明实施例中输出量的概率分布直方图；
图6为本发明实施例中在95％包含概率下的输出量的包含区间图；
图7为本发明***的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
直流合成电场校准可分为在离子流密度未达到饱和时进行和在离子流密度达到饱和时进行，本专利仅针对后者。
直流合成电场校准装置是由起晕电极、控制极板、高压极板和接地极板双双构成的电晕区、控制区和校准区共同组成。在直流合成电场校准的实施过程中，将直流合成电场探头放置接地极板下方，对起晕电极、控制极板、高压极板施加电压，分别起到制造空间离子，控制离子流密度，以及产生直流合成电场的作用。同时电压信号经由电压互感器传输至电压表，通过记录电压数值，从而可以计算获得校准装置产生的直流合成电场名义值，直流合成电场校准的***示意图如图1所示。
本发明提出了一种用于评定校准***测量不确定度的方法，如图2所示，包括：
第一步骤：建立测量模型
直流合成电场场强水平取决于高压极板的输入电压，电压互感器变比，和校准区的平行极板间距，所以：
由于实验环境背景直流电场的存在，式(1)变为：
引入校准过程的测量重复性，式(2)变为：
测量函数中的部分输入量本身又是其它量的函数，应表示成由基本量所组成。
其中，校准区的平行极板间距d是与实验室环境温度相关的函数：
d＝dT[1+2α(T-T0)] (4)
最终直流合成电场校准***的测量函数变为：
上述(1-5)中，E为校准***产生的直流合成电场名义值，单位为kV/m；N为电压互感器变比，无量纲；UT为高压极板的电压表示值，单位为V；d为校准区的平行极板间距，单位为m；T为实验室温度，单位为℃；T0为溯源时的温度，单位为℃；α为校准区平行极板材质的线膨胀系数，单位为℃-1；E0为背景直流电场，单位为kV/m；rep为测量重复性，其估计值rep＝1.0。
第二步骤：设定输入量的概率密度函数；
为上述测量函数的每一个输入量设定一个适当的概率密度函数，概率密度函数基于可用信息推导得到。输入量包括电压表示值、电压互感器变比、校准区平行极板间距、平行极板材质的线膨胀系数、实验室温度、溯源时的温度、背景直流电场、测量重复性。
第三步骤：确定蒙特卡洛抽样次数；
依据第二步骤为输入量设定的概率分布，使用蒙特卡洛抽样可以生成最终输出量的离散分布样本，该分布样本与实际样本分布的接近程度取决于蒙特卡洛抽样次数M，也即样本容量M。抽样次数越多，样本容量越大，统计规律越接近输出量的真实情况，但所需的计算时间也越长。抽样次数越少，样本容量越小，统计规律越远离输出量的真实情况。因此M的取值对于直流合成电场的测量不确定度评定十分关键。
确定的具体步骤如下：
M1的值应大于等于1/(1-p)的104倍，即
M1≥1/(1-p)×104 (6)
M2的值应大于等于为不确定度保留足够的有效数字而所需的自由度，即
M至少取M1和M2中的较大值，即
M≥MAX(M1,M2) (8)
第四步骤：进行蒙特卡洛抽样；
简化的将测量模型记为Y＝f(X1,…XN),从N个输入量的Xi的概率密度函数gxi(ξi)中抽取M个向量xr＝(x1,r,…xN,r)，如图3所示，通过计算获得M个输出量yr＝f(xr)，r＝1，…，M，进一步可得测量模型Y的估计值
和标准不确定u(y)。输入矩阵xr，输出矩阵yr分别表示为式(9)和式(10)：
第五步骤：对输出量做非递减排序；
将第四步骤中的yr＝f(xr)，r＝1，…，M按照非递减顺序进行排序，得到排序后的输出量y(r)，r＝1，…，M，进一步可得输出量的分布函数GY(η)的离散表达G。
第六步骤：确定包含区间
应用离散表达G计算约定包含概率下的输出量Y的包含区间[ylow，yhigh]。
下面结合具体算例进行描述，本发明方法在直流合成电场校准在T＝25.0℃下进行，校准直流合成电场点位为10kV/m，具体包括以下步骤：
第一步骤：建立测量模型
直流合成电场校准***的测量函数由式(5)给出
第二步骤：设定输入量的概率密度函数
基于可用信息推导为上述测量函数的每一个输入量设定一个适当的概率密度函数，输入量有电压表示值UT、电压互感器变比N、校准区平行极板间距dT、平行极板材质的线膨胀系数α、实验室温度T、溯源时的温度T0、背景直流电场E0、测量重复性rep，表1将列出这些信息。
表1
第三步骤：确定蒙特卡洛抽样次数
这里取p＝0.95，即以95％的概率包含实际样本分布，由式(6)计算可得
M1≥1/(1-p)×104＝2.0×105
选择为包含区间长度保留至2位有效数字，由式(7)计算可得
蒙特卡洛抽样次数M至少取M1和M2中的较大值，为了便于描述以及为抽样结果留有一定的冗余，设定M＝1.0×106。
第四步骤：进行蒙特卡洛抽样
依据电压互感器变比N、电压表示值V、平行极板间距DT、平行极板材质的线膨胀系数α、实验室温度T、溯源时的温度T0、背景直流电场E0、测量重复性rep的概率密度函数，分别进行M＝1.0×106次离散抽样后，各输入量的概率分布直方图如图4所示，同时获得M＝1.0×106个向量的输入矩阵和输出矩阵。
进一步计算得的测量模型Y的估计值
和标准不确定u(y)；
u(y)＝0.48kV/m
第五步骤：对输出量做非递减排序
将第四步骤中的yr按照非递减顺序进行排序，得到排序后的输出量y(r)概率分布，进一步可得输出量的分布函数GY(η)的离散表达G，如图5所示。
第六步骤：确定包含区间
应用离散表达G计算在95％包含概率下的输出量Y的包含区间[9.53,10.48]，如图6所示。
本发明还提出了一种用于评定校准***测量不确定度的***200，如图7所示，包括：
模型构建模块201，针对直流合成电场离子流密度达到饱和的状态，建立直流合成电场校准***的测量模型；
抽样次数确定模块202，为测量模型的输入量设定概率密度分布函数，并通过概率密度分布函数确定蒙特卡洛抽样次数；
抽样模块203，简化测量模型，并根据确定的蒙特卡洛抽样次数进行蒙特卡洛抽样，确定测量模型的估计值和标准不确定，并获取测量模型的输出矩阵；
计算模块204，根据简化模型及输出矩阵，对输出量做非递减排序，排序完成后，确定输出量的分布函数的离散表达，通过离散表达计算约定包含概率下的输出量的包含区间；
输出模块205，根据测量模型的估计值、标准不确定及包含区间评定直流合成电场校准***的测量不确定度。
其中，测量模型，具体为：
其中，E为校准***产生的直流合成电场名义值，UT为高压极板的电压表示值，N为电压互感器变比，E0为背景直流电场，T为实验室温度，T0为溯源时的温度，α为校准区平行极板材质的线膨胀系数，dT为溯源温度下校准区的平行极板间距，rep为测量重复性；
其中，输入量包括多个，每个输入量设定一个概率密度函数；
所述输入量包括：电压表示值、电压互感器变比、校准区平行极板间距、平行极板材质的线膨胀系数、实验室温度、溯源时的温度、背景直流电场和测量重复性。
其中，抽样次数M至少取M1和M2中的较大值，公式如下：
M≥MAX(M1,M2)
M1的值应大于等于1/(1-p)的104倍，公式如下：
M1≥1/(1-p)×104
其中，M1为在保证不确定度提供期望的包含区间时的最小抽样次数，p为期望的包含概率；
M2的值应大于等于，为不确定度保留足够的有效数字而所需的自由度，公式如下：
其中，M2为在保证不确定度保留足够有效数字时的最小抽样次数，v为所需的自由度，u(y)为标准不确定度，σ[u(y)]为标准不确定度u(y)的标准差。
其中，简化的测量模型记为Y＝f(X1,…XN)，X1～XN为N个输入量。
其中，根据确定的蒙特卡洛抽样次数进行蒙特卡洛抽样，具体为：
从N个输入量的Xi的概率密度函数gxi(ξi)中抽取M个向量xr＝(x1,r,…xN,r)，确定M个输出量yr＝f(xr)，r＝1，…，M，根据输出量构建输入矩阵xr，及输出矩阵yr；
输入矩阵xr为：
输出矩阵yr为：
本发明有效的解决了直流合成电场校准***测量结果因影响因素较多，导致测量模型规律性差、非线性显著，进而在使用GUM法评定测量不确定度时，结果不可靠的问题。
本发明有效的解决了现有方法在面对直流合成电场校准***非线性模型时，求导计算困难的问题，同时不存在模型函数的近似转换，实现了更为精准的测量不确定评定。
本发明计算处理过程明晰，避免了现有方法中的主观假设条件的引入，便于使用计算机语言执行，为直流合成电场校准***实现高精度高效率高可靠的测量不确定度评定工作提供了一种新方法和一定的有益参考。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (12)
1.一种用于评定校准***测量不确定度的方法，所述方法包括：
针对直流合成电场离子流密度达到饱和的状态，建立直流合成电场校准***的测量模型；
为测量模型的输入量设定概率密度分布函数，并通过概率密度分布函数确定蒙特卡洛抽样次数；
简化测量模型，并根据确定的蒙特卡洛抽样次数进行蒙特卡洛抽样，确定测量模型的估计值和标准不确定，并获取测量模型的输出矩阵；
根据简化模型及输出矩阵，对输出量做非递减排序，排序完成后，确定输出量的分布函数的离散表达，通过离散表达计算约定包含概率下的输出量的包含区间；
根据测量模型的估计值、标准不确定及包含区间评定直流合成电场校准***的测量不确定度。
2.根据权利要求1所述的方法，所述测量模型，具体为：
其中，E为校准***产生的直流合成电场名义值，UT为高压极板的电压表示值，N为电压互感器变比，E0为背景直流电场，T为实验室温度，T0为溯源时的温度，α为校准区平行极板材质的线膨胀系数，dT为溯源温度下校准区的平行极板间距，rep为测量重复性。
3.根据权利要求1所述的方法，所述输入量包括多个，每个输入量设定一个概率密度函数；
所述输入量包括：电压表示值、电压互感器变比、校准区平行极板间距、平行极板材质的线膨胀系数、实验室温度、溯源时的温度、背景直流电场和测量重复性。
4.根据权利要求1所述的方法，所述抽样次数M至少取M1和M2中的较大值，公式如下：
M≥MAX(M1,M2)
M1的值应大于等于1/(1-p)的104倍，公式如下：
M1≥1/(1-p)×104
其中，M1为在保证不确定度提供期望的包含区间时的最小抽样次数，p为期望的包含概率；
M2的值应大于等于，为不确定度保留足够的有效数字而所需的自由度，公式如下：
其中，M2为在保证不确定度保留足够有效数字时的最小抽样次数，v为所需的自由度，u(y)为标准不确定度，σ[u(y)]为标准不确定度u(y)的标准差。
5.根据权利要求1所述的方法，所述简化的测量模型记为Y＝f(X1,…XN)，X1～XN为N个输入量。
6.根据权利要求1所述的方法，所述根据确定的蒙特卡洛抽样次数进行蒙特卡洛抽样，具体为：
从N个输入量的Xi的概率密度函数gxi(ξi)中抽取M个向量xr＝(x1,r,…xN,r)，确定M个输出量yr＝f(xr)，r＝1，…，M，根据输出量构建输入矩阵xr，及输出矩阵yr；
输入矩阵xr为：
输出矩阵yr为：
7.一种用于评定校准***测量不确定度的***，所述***包括：
模型构建模块，针对直流合成电场离子流密度达到饱和的状态，建立直流合成电场校准***的测量模型；
抽样次数确定模块，为测量模型的输入量设定概率密度分布函数，并通过概率密度分布函数确定蒙特卡洛抽样次数；
抽样模块，简化测量模型，并根据确定的蒙特卡洛抽样次数进行蒙特卡洛抽样，确定测量模型的估计值和标准不确定，并获取测量模型的输出矩阵；
计算模块，根据简化模型及输出矩阵，对输出量做非递减排序，排序完成后，确定输出量的分布函数的离散表达，通过离散表达计算约定包含概率下的输出量的包含区间；
输出模块，根据测量模型的估计值、标准不确定及包含区间评定直流合成电场校准***的测量不确定度。
8.根据权利要求7所述的***，所述测量模型，具体为：
其中，E为校准***产生的直流合成电场名义值，UT为高压极板的电压表示值，N为电压互感器变比，E0为背景直流电场，T为实验室温度，T0为溯源时的温度，α为校准区平行极板材质的线膨胀系数，dT为溯源温度下校准区的平行极板间距，rep为测量重复性。
9.根据权利要求7所述的***，所述输入量包括多个，每个输入量设定一个概率密度函数；
所述输入量包括：电压表示值、电压互感器变比、校准区平行极板间距、平行极板材质的线膨胀系数、实验室温度、溯源时的温度、背景直流电场和测量重复性。
10.根据权利要求7所述的***，所述抽样次数M至少取M1和M2中的较大值，公式如下：
M≥MAX(M1,M2)
M1的值应大于等于1/(1-p)的104倍，公式如下：
M1≥1/(1-p)×104
其中，M1为在保证不确定度提供期望的包含区间时的最小抽样次数，p为期望的包含概率；
M2的值应大于等于，为不确定度保留足够的有效数字而所需的自由度，公式如下：
其中，M2为在保证不确定度保留足够有效数字时的最小抽样次数，v为所需的自由度，u(y)为标准不确定度，σ[u(y)]为标准不确定度u(y)的标准差。
11.根据权利要求7所述的***，所述简化的测量模型记为Y＝f(X1,…XN)，X1～XN为N个输入量。
12.根据权利要求7所述的***，所述根据确定的蒙特卡洛抽样次数进行蒙特卡洛抽样，具体为：
从N个输入量的Xi的概率密度函数gxi(ξi)中抽取M个向量xr＝(x1,r,…xN,r)，确定M个输出量yr＝f(xr)，r＝1，…，M，根据输出量构建输入矩阵xr，及输出矩阵yr；
输入矩阵xr为：
输出矩阵yr为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110862992.9A CN113761712A (zh) | 2021-07-29 | 2021-07-29 | 一种用于评定校准***测量不确定度的方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110862992.9A CN113761712A (zh) | 2021-07-29 | 2021-07-29 | 一种用于评定校准***测量不确定度的方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113761712A true CN113761712A (zh) | 2021-12-07 |
Family
ID=78788258
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110862992.9A Pending CN113761712A (zh) | 2021-07-29 | 2021-07-29 | 一种用于评定校准***测量不确定度的方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113761712A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117150386A (zh) * | 2023-10-31 | 2023-12-01 | 江西省气象探测中心 | 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 |
-
2021
- 2021-07-29 CN CN202110862992.9A patent/CN113761712A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117150386A (zh) * | 2023-10-31 | 2023-12-01 | 江西省气象探测中心 | 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 |
| CN117150386B (zh) * | 2023-10-31 | 2024-02-06 | 江西省气象探测中心 | 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2000517473A (ja) | 単一ステップフィードバックによる統計的シミュレーションを用いて製造プロセスを監視かつ分析するためのシステム | |
| CN113761712A (zh) | 一种用于评定校准***测量不确定度的方法及*** | |
| Crotti et al. | Measurement methods and procedures for assessing accuracy of instrument transformers for power quality measurements | |
| CN102508509A (zh) | 一种电流/频率转换电路的数字修正方法 | |
| CN105093166A (zh) | 一种电子式电能表的现场检验方法 | |
| CN112180177B (zh) | 一种融合实测数据的工频电磁场评估方法及*** | |
| CN103279030A (zh) | 基于贝叶斯框架的动态软测量建模方法及装置 | |
| CN113761710A (zh) | 一种工频磁场校准装置测量不确定度的评定方法及*** | |
| Kadar et al. | The effect of current and voltage transformers accuracy on harmonic measurements in electric arc furnaces | |
| Paunkov et al. | Implementation of virtual statistical measuring instruments in engineering education during COVID-19 | |
| Ren et al. | Uncertainty evaluation of the waveform parameters of 1-kV low-impedance impulse voltage calibrator | |
| CN109884125A (zh) | 一种基于dcpd法裂纹扩展信号的标定装置及标定方法 | |
| Jones et al. | Introduction to Predictive Models for Motor Dielectric Aging | |
| CN113761711A (zh) | 一种工频电场校准装置测量不确定度的评定方法及*** | |
| Haslbeck et al. | Uncertainty assessment for the Bayesian updating process of concrete strength properties | |
| Yatsuk et al. | Possibilities of precision ohmmeter calibration in the exploitation condition | |
| Acko et al. | Verification of the conventional measuring uncertainty evaluation model with Monte Carlo simulation | |
| Tzvetkov et al. | Algorithm for measurement and processing of results from total harmonic distortion calibration of power quality analyzers by using standard periodic non-harmonic signals | |
| Wold et al. | Derived Quantities uncertainty propagation in high precision battery testing | |
| CN113109642B (zh) | 一种用于对电能质量信号数据处理的方法及*** | |
| Pietrzak et al. | Improved modelling of PDIV evolution over time under multiple ageing factors for insulation of inverter-fed electrical machines | |
| CN113552478B (zh) | 一种断路器监测装置的检测性能评价方法及*** | |
| Isaiev | Development stages of state standard of alternating current unit | |
| Zakharov et al. | Hygrometers calibration: features of measurement results processing | |
| Fezai et al. | Metrological map of a fleet of equipment a metrology laboratory: application of weight method according to FDX-07-014 |
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 |