动态测量系统均匀设计理论研究

　　0　引言

　　由于具有自动化、快速测量等优势,动态测量在现代测试中已占主导地位。如何提高和保证动态系统的精度已成为工程测量和仪器设计人员关注的重点问题。而在实际测量系统的全寿命过程中,受外部测量条件影响和内部结构的不断变化,动态测量系统的精度会随着测量时间的不断延长而降低,一旦低于允许的精度要求,则可以认为测量系统不再满足要求,系统失效。显然,测量系统的精度损失是各组成单元误差变化和外界条件变化等因素综合作用的结果。由于各组成单元的失效机理不一样,误差变化规律也不尽相同,有的随时间变化快,有的变化缓慢,对系统总精度的影响也有大有小。为有效提高动态系统的正常使用寿命,就需要通过合理的设计,改变各组成单元的精度损失规律来降低系统总精度的损失速度,改善系统的性能。

　　本文在明确系统总误差与各单元误差项的函数关系的基础上,即建立全系统“白化”或“准白化”误差模型,采用一定的数学方法将总误差分解,从而得到各单元误差的变化规律,并依据分解与溯源的结果,分析各单元损失的不均匀性和不合理性,进而根据等寿命原则,建立各主要单元的精度损失函数模型,实现动态系统的均匀设计。

　　1建立全系统动态精度“白化”模型

　　为获得系统中各单元的精度损失规律,应首先明确各单元精度变化与系统总精度变化之间的关系。因此,建立全系统动态精度“白化”模型是误差分解与溯源的重要依据。

　　根据组成形式不同,动态测量系统主要分为串联系统、并联系统和混联系统[1]。本文以最常见的串联系统(图1)为例进行分析,可得全系统动态精度“白化”模型:

　　假设某动态测量系统主要由线性单元、增益单元串联组成,并设定所涉及的变量均为量纲一单位,还已知各单元的传输表达式为

2动态系统精度损失诊断

　　建立全系统动态精度“白化”模型后,采用一定的数学方法,就可以根据系统总精度的损失变化规律分解得到各单元精度损失情况,诊断出各单元精度变化对总精度的影响程度,找出系统的薄弱环节,为系统的设计、检定、维修等提供有效依据。人工神经网络具有的非线性特性、大量的并行分布结构以及学习和归纳能力使其在误差分解与溯源方面得到了广泛而有效的应用[2,3]。因此,我们可以采用神经网络对动态系统的输出精度进行分解。

　　以式(3)为例,假设输出干扰ny(t)为白噪声信号,且特性不会因测量时间而改变。而信号发生单元、线性单元和增益单元的磨损、腐蚀和老化等现象将使仪器的内部结构发生变化,从而导致系统精度的不断损失。根据典型动态测量系统的损失规律,排除噪声干扰,可以假设ey(t)随时间的损失规律如图2所示。