книги / Методы электрических измерений
..pdfМонте-Карло принимают, что моделируемый случайный процесс обладает теоретически заданными статистическими характери стиками. Если же на этом принципе строится электроизмеритель ный прибор или преобразователь, то моделируемый физически случайный процесс является статистической мерой и должен быть соответствующим образом аттестован.
Пусть моделируется событие s, имеющее вероятность появле ния Р. Обозначим через г величину, значение которой равно 1, если на t-м испытании произошло событие s, и равно 0, если со бытия 5 не произошло. Тогда число испытаний, в течение которых событие s произошло, определяется соотношением
/г = Е г*, |
(4.25) |
/=1 |
|
где N — общее число независимых испытаний.
Частота появления события s равна n/N и является случайной величиной с математическим ожиданием
М [n/N] = |
|
N |
|
N-1М [п] = N-1Ц М [zt] = N-'NP = Р |
(4.26) |
||
|
|
f=i |
|
и дисперсией |
|
N |
|
D [n/N] = |
|
|
|
N~2D [п] = ЛГ“3 JJ D [z,] = Р(1 - P)/N. |
(4.27) |
||
|
|
/=1 |
|
Соотношения (4.26) и (4.27) выведены с учетом того, что |
|||
|
M[z,] = |
!•/> + 0 .(1 -/> ) = ?; |
|
D [г,] = Af[z?]— (At [Z(l| 2 = |
Г-Р + 0г- ( 1 - Р ) - Р 1 = Р (1 - Р ) . |
Согласно закону больших чисел частота появления события s, равная n/N, примерно равна вероятности Р. Для любых в > 0 и 6 > 0 существует такое число испытаний N, что с вероятно стью, большей 1 — 6, частота появления события s будет отли чаться от вероятности Р меньше чем на е:
| n/N — Р\<е. |
(4.28) |
Здесь Р — искомая величина; n/N — ее оценка, |
получаемая |
по методу Монте-Карло. Погрешность оценки может быть оценена |
||
только |
вероятностно |
с определенной степенью достоверности |
1 — б. При достаточно больших N можно считать, что оценка n/N |
||
распределена по нормальному закону. Поэтому с вероятностью |
||
0,9973 |
величина n/N |
удовлетворяет условию |
|п / М - / 3|< З К Щ л /М Г = 3]/7>(1 - P)/N. |
(4.29) |
Предельное значение погрешности е оценки величины Р можно найти из выражения (4.29), если взять такую величину Р, при
x(t) |
Рис. 4.12. Структурная схема АЦП на основе |
метода Монте-Карло |
у(у I |
|
которой дисперсия |
D lzt ] — Р (1 — Р) |
|
ГСП |
X |
максимальна. Очевидно, |
что |
|
Д |
|
D Ui 1шах = 0,5 (1 - |
0,5) - |
0,25, (4.30) |
fT/N |
откуда следует |
|
|
|
ПИ |
|
е < 3/(2 У N). |
(4.31) |
|
|
|
Для пояснения принципа построения аналого-цифровых пре образователей, реализующих метод Монте-Карло, рассмотрим структурную схему АЦП (рис. 4.12), содержащую схему сравне ния СС, генератор случайной последовательности ГСП, генератор тактовых импульсов ГТИ, счетчик числа событий Сч и измери тельный (цифровой) индикатор ИИ. Устройство работает следую щим образом. Измеряемый процесс х (t) сравнивается в дискрет ные моменты времени, определяемые тактовым генератором, с элементами дискретной случайной последовательности у (^) (статистической меры); в результате сравнения формируется величина zt по правилу
1 |
при x ( ti ) ^ y ( f t); |
(4.32) |
Zi = z(/i) = |
при x(ti)<y(ti). |
|
0 |
|
Счетчик фиксирует число событий с исходом z%= 1 . После про ведения N сравнений содержимое счетчика поступает в измери тельный индикатор, где умножается на величину LIN (L— диапа зон измерений). Если L/N = 2 * или L/N = 10*, k — целое число, то умножение на коэффициент LIN реализуется просто сдвигом запятой в двоичном или десятичном коде. В результате на выходе ИИ получаем в цифровой форме оценку математического ожида
ния |
М [х] процесса х (t). Докажем это и оценим дисперсию ве |
|||||
личины n/N при конечном значении N. |
|
|
||||
Вероятность |
получения значения z — 1 равна |
при фиксиро |
||||
ванной величине х условной |
вероятности |
|
|
|||
|
|
|
X |
|
|
|
|
|
Px [ 2 = l]= \w (ti)dy. |
|
(4.33) |
||
|
|
|
о |
|
|
|
Безусловная |
вероятность |
получения значения |
z *= 1 |
может |
||
быть |
вычислена |
интегрированием |
условной вероятности |
(4.33) |
||
по всей области существования х |
(в диапазоне L0 |
L]) с весом |
||||
w{x): |
|
|
|
|
|
|
|
|
L |
г X |
|
|
|
|
|
Р [z = 1 ] = \w {x)\\w (y)d y |
|
(4.34) |
||
|
|
о |
«-о |
|
|
Если случайная величина у равновероятно распределена по диапазону [0 ... L], то
w (у) ~ 1 /L,
откуда следует |
|
|
Ь |
Г X |
|
|
dx — M [x]/L. |
(4.35) |
Как видно из уравнения (4.35), данное устройство фактически |
||
измеряет отношение М [x]/L, т. е. |
|
|
nlN = М* [x]/L, |
|
|
откуда следует |
|
|
|
М* [х] = ~jfL. |
(4.36) |
Методическая погрешность устройства, обусловленная конеч ностью N, определяется погрешностью при оценке вероятности события в соответствии с выражением (4.31):
| М* [x]/L - М [x]/L | < 3/(2 VN), |
(4.37) |
откуда следует выражение для границ доверительной приведен
ной погрешности (при Рп = 0,9973) |
|
| М* [х] - М [x)\lL < 3 /(2 /# ). |
(4.38) |
Например, при допустимой доверительной погрешности |
1% |
из выражения (4.38) находим минимально необходимое число испытаний:
0,01 < 3/(2 / # ) , # > 2 2 500.
Основным источником инструментальной погрешности дан
ного |
устройства |
является отличие |
плотности вероятностей |
w (у) |
|
от требуемого вида. Представим функцию w (у) в виде ряда |
[311 |
||||
|
|
w{y)= JJ W 1, |
у£[0, |
L], |
(4.39) |
|
|
/=о |
|
|
|
причем условие |
нормирования имеет вид |
|
|
||
|
|
s a,Z,'+ 7 ( i + l ) = l. |
|
(4.40) |
|
|
|
*=0 |
|
|
|
На |
выходе преобразователя имеем |
оценку |
|
||
|
|
х т |
|
т |
|
|
P [ x > y \ ^ w ( х) |
J |
(4-41) |
||
|
0 |
Lo Х---0 |
*=0 |
|
где M [xl+l ] — (i ~h 1)-й начальный момент распределения ве личины х. Тогда погрешность преобразования за счет несовер-
гаенства воссоздания требуемого равномерного закона распреде ления величины у определяется соотношением
|
т |
|
|
А, = (a, - |
I ' 1) М W + 2 ] |
• |
(4-42) |
Отметим также, что смещение порога срабатывания схемы |
|||
сравнения также может быть учтено в |
соотношении |
(4 .3 9 ). |
|
В рассмотренном случае (рис. 4.12) статистическая мера (слу |
|||
чайная величина у (L) |
на выходе ГСП) |
имеет такую |
плотность |
распределения, что осуществляется цифровое измерение матема тического ожидания случайного процесса х (t) или величины постоянного входного воздействия. Если требуется измерять в цифровой форме средние значения различных функций от ис ходного процесса (например, величину второго момента), то ста тистическая мера должна иметь распределение вероятностей, отличное от равномерного закона. Найдем требуемый вид плот ности распределения w (у) в зависимости от вида требуемой функ ции ф (x/L).
С одной стороны, в устройстве реализуется выражение (4.34),
с другой стороны, требуется получить |
величину функционала |
L |
|
^ ш(*) Ф (x/L) dx. |
(4 4 3 ) |
о |
|
Из сравнения выражений (4.34) и (4.43) видно, что требуется выполнить равенство
X
Ф ixlL) = lw(y)dy, (4.44)
о
откуда следует
w(y) = -^<P(x/L). |
(4.45) |
В качестве примера найдем вид плотности |
распределения |
w (у) |
при необходимости оценивания среднего квадрата процесса |
||
х (t), |
т. е. при ф (x/L) — (x/L)2. В |
соответствии с формулой |
(4.45) |
получим |
|
|
|
|
w (у) = |
2y/L\ |
(4.46) |
Укажем на еще одно приложение метода Монте-Карло в об ласти информационно-измерительной техники. Известно, что мож но методом статистических испытаний реализовать умножение двух величин. Структурная схема подобного устройства пред ставлена на рис. 4.13 и содержит две схемы сравнения перемно-
Рис. 4.13. Структурная схема множительного устройства на основе метода Монте-Карло
жаемых величин хх и х2 с равновероятно распре деленными в интервале
± L случайными незави симыми величинами ух и
у2, логический элемент эквивалентности («=») и счетчик числа со бытий. Вероятность получения события г — 1 определяется сов падением событий гх и za (см. рис. 4.13), т. е.
Р [z = 11 = Р [хх > уг\Р [ха > й ! +
+ Р \хх < ух] Р [х2 < у2],
и выражается аналогично (4.34) через совместную плотность рас пределения w (хх, х2) в виде
|
|
■+'L +L |
|
|
|
Xt |
х§ |
“I |
|
|
P[z= 1 ]= |
J |
J |
w(xx, x2) |
j w(yx)dyx j w(y2)dy21dxxdx2-f |
||||||
|
|
S-Lb - L |
|
|
—bb |
—L |
j |
|
||
+ |
+L +b |
|
|
Г b |
|
Jw (y2) dy2 |
|
(4.47) |
||
J |
j |
w (xx, |
x2) |
j w (yx)dyx |
dxx dx2. |
|||||
После |
преобразований |
с |
учетом выражений |
|
|
|||||
|
|
|
го Ы |
= (2 £)-1; го (у2) - (2 L)"1; |
|
|
||||
|
|
+L +L |
|
|
|
|
|
|
||
|
|
|
J |
j xxx2w (хх, xi)dx1dx2 = M[x1 |
i] |
|
||||
получим |
|
—в —ь |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P[z = 1 ]= |
+ |
|
(4.48) |
|||
откуда следует |
оценка произведения |
величин хх и хъ в |
виде |
|||||||
|
|
|
|
ххх2 & 2 (п/N — 0,5) I s |
|
(4.49) |
||||
с дисперсией методической погрешности из-за конечности N, |
||||||||||
получаемой на |
основе |
оценки (4.31): |
|
|
|
|||||
|
|
|
|
|
D |
[ххх2] < L4N. |
|
(4.50) |
Если периодически не устанавливать счетчик в нулевое состоя ние и не делить на N в измерительном индикаторе (не показанном
*на рис. 4.13), то в счетчике будет накапливаться цифровой эк
вивалент преобразования
i
£ = |
(*)*(*) Я , |
(4.51) |
|
о |
|
что может быть использовано для построения цифрового счет чика электрической энергии.
Глава пятая
ИЗМЕРИТЕЛЬНЫЕ ПРЕОБРАЗОВАНИЯ В ЧИСЛОВОЙ ФОРМЕ
Введение процессора в состав измерительной цепи и соответ ственно числовых измерительных преобразований в измеритель ную процедуру радикально меняет функциональные и метроло гические возможности средств измерений. Появляется возмож ность выполнять сложные косвенные, совокупные и совместные измерения. Изменяются принципы реализации статистических измерений. Расширяются возможности по коррекции погреш ностей и применению адаптивных и итеративных измерительных процедур.
К типовым измерительным преобразованиям, реализуемым в числовой форме, относятся следующие: масштабирование, функциональные преобразования (включая усреднение), форми рование корректирующих воздействий, обеспечение адаптации и итеративных измерений. Естественно, что при этом меняется структура полной погрешности — появляются составляющие, обусловленные числовыми измерительными преобразованиями, и возникают проблемы метрологического анализа в связи с услож нением алгоритмов измерений.
Для процессорных преобразований характерно изменение (уменьшение) удельного веса инструментальных погрешностей, определяемых сбоями в функционировании процессора.
В данной главе приведены некоторые оценки методических погрешностей, сопровождающих наиболее простые числовые изме рительные преобразования. Необходимо отметить, что более точные результаты в этих случаях, а также оценки для более слож ных алгоритмов могут быть получены на основе имитационного моделирования.
5.1. ВЛИЯНИЕ РАЗМЕРА РАЗРЯДНОЙ СЕТКИ.
ЕМКОСТИ ПАМЯТИ И БЫСТРОДЕЙСТВИЯ ПРОЦЕССОРНЫХ СРЕДСТВ НА ХАРАКТЕРИСТИКИ РЕЗУЛЬТАТОВ ИЗМЕРЕНИЯ
Активное участие процессора в реализации измерительного алгоритма приводит к необходимости более строго, с позиций метрологии, подходить к погрешностям вычислений, которые
становятся составной частью общей погрешности результата измерения. Это особенно важно для тех случаев, когда исполь зуются сравнительно малоразрядные микропроцессоры. К вы числительным средствам, используемым в автономных электро измерительных средствах, предъявляются требования минималь ных массы и габаритов, что также ограничивает длину разрядной сетки процессоров. С другой стороны, нет необходимости су щественно завышать требования к точности вычислений по сравнению с той погрешностью, которую привносят первичные измерительные преобразователи. В отношении рациональности применения процессора следует стремиться к тому, чтобы погреш ности вычислений несущественно увеличивали общую погреш ность измерений [72 L
5.1.1. Масштабирование в процессорной части измерительных средств. Процессоры всех классов при реализации алгоритма выполняют операции над носителями информации: напряжением, цифровым кодом и т. п. Эти машинные переменные соответствуют математическим величинам решаемой измерительной задачи. Как правило, диапазоны изменения математических и машинных пе ременных не совпадают; различаются эти переменные и по физи ческим размерностям. Приведение всех математических вели чии (исходных, промежуточных и конечных) к диапазону изме нения и размерностям машинных переменных с учетом точности решения задачи называют масштабированием [721. В дальней шем все машинные переменные будем снабжать значком Д, на
пример Л, $ и т. д. |
переменной определяется соотношением |
||
Масштаб машинной |
|||
|
|
Шл, — Ло/Xmaxi |
(5.1) |
где Хтах — максимальное |
значение математической |
переменной |
|
в отсчетных единицах |
(о. |
е.)т Л0— фиксированное значение ма |
шинной переменной в машинных единицах (м. е.) при х = Х тах. Основное назначение масштаба — установить количественную
связь между |
соответствующими переменными: |
|
|
Л — т^с. |
(5.2) |
Величина |
— Итх называется ценой машинной |
переменной |
(например, цена машинной единицы кода) или масштабным коэф фициентом. Масштаб может иметь как положительный, так и
отрицательный знаки. |
имеет целью: |
|
Масштабирование задач |
||
исключить выход машинных переменных за пределы рабочей |
||
зоны функционирования; |
параметров процессора и входных, |
|
обеспечить |
согласование |
|
и выходных |
измерительных |
преобразователей; |
обеспечить возможно большую точность работы вычислителя. Масштаб и точность вычислений тесно связаны: в общем случае более крупный масштаб переменных обеспечивает и более высо-
4 э. И. Цветков |
97 |
кую точность вычислений. Погрешности вычислений зарождаются на уровне машинных переменных, их пересчет в отсчетные еди ницы физических или математических величин может быть вы полнен с помощью масштабов.
Цифровой процессор выполняет операции над числами, пред ставленными в определенной системе счисления, чаще всего — двоичной. Каждое число, представленное набором нулей и еди ниц, обычно называют машинным операндом.
Ввиду ограниченности разрядной сетки процессор может оперировать только с числами определенного диапазона, что учитывается при масштабировании.
Масштабирование может осуществляться с постоянным и пе ременным масштабами и в режиме с плавающей запятой, при ко тором предусматривается нормализация представления чисел. Нормализация связана с дополнительными затратами машин ного времени, но это окупается повышенной точностью и просто той программирования. Наименьшую точность имеет метод по стоянных масштабов, однако затраты машинного времени при
этом также наименьшие. |
реализуют |
дробную арифметику. |
Чаще всего процессоры |
||
При этом машинные «-разрядные числа |
записываются в виде |
|
•£ = 0, ^i-^a |
£п> |
1}- |
Для упрощения операции масштабирования стремятся |
поль |
|
зоваться двоичным масштабом, определяемым |
из условия |
|
т. = {2“ *< Хй1* < 2“ ‘+1} |
|
(5.3) |
подбором целого k. При этом умножение или деление на тх сво дится к сдвигу запятой на k разрядов вправо или влево.
|
5.1.2. |
Погрешности вычислений из-за ограниченности разряд |
|||
ной сетки процессора. Ограниченность размера разрядной сетки, |
|||||
а |
также |
ограниченность емкости памяти процессора, приводят |
|||
к |
двум |
видам |
погрешностей: |
|
|
|
погрешности квантования входных данных и констант постоян |
||||
ного запоминающего устройства (ПЗУ); |
|||||
|
погрешности |
усечения |
машинного |
слова. |
|
|
Погрешность |
усечения |
возникает |
как результат сокращения |
длины информационного слова после выполнения операций умно жения, деления, а также алгебраического суммирования с учетом масштабирования переменных; эта же погрешность появляется при применении правых сдвигов к машинным операндам.
Различают простое усечение (отбрасывание) и усечение с округ лением (округление). Точность первой операции существенно ниже из-за неравного нулю математического ожидания погреш ности, тем не менее отбрасывание заслуживает рассмотрения, так как гораздо проще реализуется.
Существенным различием процедур усечения и квантования по амплитуде является зависимость точности от числа т отсекаемых
разрядов. Рассмотрим эти особенности для положительных чисел. Пусть в случайном машинном операнде Лп+т — 0, Ьг Ьпах ат подлежат отбрасыванию т младших разрядов; в результате по
лучим новый операнд Лп = 0, Ьг |
|
bni |
отличающийся от исход |
|||||
ного |
на |
случайную |
погрешность |
|
|
|
||
д |
_ |
= |
_О |
О |
О |
ах |
|
|
|
т — |
Лп+т — |
и, и |
|
|
|||
|
|
|
|
|
|
|
|
(5.4) |
Погрешность усечения имеет ненулевое математическое ожи |
||||||||
дание, определяемое с учетом равновероятности |
значений аг = 1 |
|||||||
и ах = 0 выражением |
|
ет |
|
1 |
|
т |
||
|
|
|
|
|
|
|||
|
|
|
|
[S M [а,).2-' |
= |
Е 2 - ' = |
||
|
|
|
|
4=1 |
|
J |
|
»=1 |
|
|
|
= |
—2~n_I (1 - |
2"”). |
(5.5) |
Дисперсия погрешности усечения может быть оценена сверху как дисперсия случайной величины, равновероятно распределен ной в интервале [—2~п; 0]:
D[Ап,т. < |
1 л-2п |
(5.6) |
12 Z |
Погрешность округления возникает при усечении разрядной сетки процессора с предварительной поправкой на остаток — путем добавления «1» в старший из отбрасываемых разрядов. Получаемое значение округленного числа можно записать сле дующим образом:
= 0, &А |
(Ьп + аг). |
(5.7) |
Действительно, если в исходном числе ах = 1, то имеет место перенос «1» в п-й разряд числа J£п; если ах — 0, то перенос отсут ствует, что и учитывается выражением (5.7).
Погрешность округления равна разности:
|
Д -^n, m = |
m ~ 0» |
^1 |
(Ьп “Ь ^l) |
|
||
— о, Ьг |
Ьпах |
ат= 2"п (ах— 0, аг |
ат) = |
|
|||
— 2 |
(fl^i — ах/2 — 0,0а2 |
ат) = |
2-'"' |
(а, - |
0. ач |
ат) = |
|
|
|
|
т-1 |
|
|
|
(5.8) |
|
|
|
а1— S |
ai+l% * ■• |
|
||
|
|
|
i=l |
|
J |
|
at = 0 |
При |
условии |
равновероятности |
значений |
а,- = 1 и |
получим оценку математического ожидания погрешности округ ления:
[ |
т-1 |
|
|
|
« 1 - Е М [a*+i) ■2 |
|
1=1 |
= 2-n-i |
-m = 2 |
(5.9) |
Очевидно, что при т 1 математическое ожидание М [Л.£п>т] « 0, т. е. усечение округлением почти не сопро вождается систематической погрешностью.
Дисперсия погрешности округления оценивается сверху соот ношением (5.6), так как эта погрешность приблизительно равно вероятно распределена в интервале [—2~п~1; 2~п~1].
Следует заметить, что известны другие, более сложные про граммные приемы для достижения нулевого математического ожидания погрешности округления.
5.1.3. Погрешности цифрового процессора при выполнении элементарных вычислительных операций. Вычислительный про цесс обработки числовой информации распадается на последова тельность исполнения арифметических операций — умножения, сложения, вычитания и деления. Принципиально на каждом шаге этого процесса вследствие ограниченной разрядной сетки появ ляются погрешности.
Если в процессоре предусмотрено умножение по точной схеме, а разрядная сетка не ограничивается, то операция выполняется точно (результат перемножения двух пх- и /^-разрядных чисел имеет пх + пу разрядов). Однако реальный процессор не может иметь оборудования, рассчитанного на возрастание разрядности операндов умножения; кроме того, нецелесообразно выводить такую информацию с избыточной точностью.
То же можно сказать и об операции деления: в общем случае частное от деления двух чисел имеет бесконечное число разрядов мантиссы.
Менее очевидна потеря точности при выполнении операции алгебраического суммирования; однако если иметь в виду необ ходимость выравнивания масштабов машинных переменных, что связано с умножением операндов на масштабные множители, то
потеря точности становится неизбежной.
А
Обозначим через F (£, р, k) функциональный оператор преоб разования информации в процессоре. Согласно теории погрешностей в общем случае выражение для выходной погрешности Дz выпол нения операции можно записать в виде
Ач АЧ А«
Аг = ^ г ДЛП. + |
ду |
Д0„в + -£- ДЕ„ + |
Д„. |
(5.10) |
|
дх |
v |
dk |
|
|
|
где Д&пх, Д$Пу — погрешности исходных величин; |
Akn — погреш |
ности квантования констант ПЗУ; Дп — погрешность усечения операндов.
Согласно соотношению (5.10) перечисленные выше погреш ности пересчитываются на выход операции с весовыми коэффи-
АЧ |
As AS |
dF |
dF |
dF |
|
циентами —— , |
—— , |
—— и 1. Первые два слагаемых в выра- |
дх |
ду |
dk |
жении (5.10) характеризуют погрешность на выходе операции,
100