在科学技术高速发展的今天，传感器作为自动化及自动控制系统重要的组成部分，逐渐起
着举足轻重的作用。传感器由利用物理、化学、生物等学科的某些效应或原理，按照一定制造工艺研制出
来的，按某一原理设计的传感器可以测量多种参数(主要是非电量)，而有时一种非电量又
可以采用几种不同的传感器来测量。传感器种类繁多，性能特点各有所长，应用领域十分
广泛。
传感器的特性主要是指传感器的输入与输出之间的关系，根据输入信号是否随时间变
化，传感器的基本特性分为静态特性和动态特性。其中，精度、线性度、灵敏度、稳定性
等是静态特性中非常重要的性能指标。研究传感器的特性就是为了使传感器尽可能准确、
真实地反映被测量，同时对传感器的各项性能做出客观评价，从而为实际应用提供重要的
选择依据。在实际工作中，需要根据系统的具体要求选择使用适当的传感器。
误差理论是检测系统的理论基础。关于系统误差和随机误差的分析以及粗大误差的判
别是其中的核心内容，而误差的合成与分配在实际中得到广泛应用。
在使用仪表和传感器时，也会经常遇到基本误差和附加误差两个概念。
1.基本误差和附加误差
基本误差是指仪表在规定的标准条件下所具有的误差。标准条件一般指检测系统在标
定刻度时所保持的电源电压(220±5)V、电网频率(50±2)Hz、环境温度(20±5)℃、湿度(65%
±5%)RH。如果某台仪表在这个条件下工作，则该仪表所具有的误差为基本误差。测量仪
表的精度等级就是由基本误差决定的。
附加误差是指当仪表的使用条件偏离标准条件时出现的误差。例如，温度附加误差、
频率附加误差、电源电压波动附加误差等。实际应用时，这些附加误差应叠加到基本误差
上去。
2. 工具误差和方法误差
工具误差是指由于测量工具本身不完善引起的误差，而方法误差则是指测量方法不精
确、理论依据不严密及对被测量定义不明确等因素所产生的误差，有时也称理论误差。
3. 误差的性质
根据测量数据中的误差所呈现的规律，将误差分为三种，即系统误差、随机误差和粗
大误差。
在直接测量中，测量误差就是测量值的误差。
而对于间接测量，则是通过测量值与被测量之间的函数关系，经过计算得到被测量的数值，
所以间接测量的误差是各个测量值误差的函数。
一个测量系统或一个传感器都是由若干部分组成的，设各环节分别为x 系统总的输入
输出之间的函数关系为y = f ( x1 ，x2 ， ，xn )，而各部分又都存在误差，因此会
影响测量系统或传感器总的误差，这类误差的分析也可归纳到间接测量的误差分析。
在间接测量中，已知各测量值的误差(或局部误差)，求总的误差，称为误差合成(也称误差
综合)；反之，确定了总的误差后，计算各环节(或各部分)具有多大误差才能保证总的误差
值不超过规定值，称为误差的分配。在传感器和检测系统的设计时经常用到误差的合成与
误差的分配。
(1) 误差的合成
在实际测量中，当系统误差远大于随机误差的影响，随机误差可忽略不计时，基本上
可按系统误差的合成来处理，但这种情况一般较少。当系统误差较小或已修正时，则可按
随机误差合成来处理。最常见的是系统误差和随机误差的影响差不多，二者均不可忽略，
此时，误差的合成可根据具体情况，分别按不同的方法处理。
对不同类型的误差应采取不同的合成方法，对同类型的误差，由于误差分布不同，合
成的方法也不尽相同，故在误差合成时，要首先确定单项误差的分布规律。对于随机误差，
绝大多数情况下是遵循正态分布的。
(2) 误差的分配
如果说由各测量值的误差合成总误差是误差传播的正向过程，那么给定总误差后，如
何将这个总误差分配给各环节，即对各环节误差应提出什么要求，就可以说是误差传播的
反向过程。这种制订误差分配方案的工作是经常会遇到的，但是当总误差给定后，由于系
统存在若干个环节，所以从理论上来说误差分配方案可以有无穷多个。因此只可能在某些
前提下进行分配，下面介绍几种常见的误差分配原则。
1. 等作用分配。等作用分配是指分配给各环节的误差在数值上虽然不一定相等，但它
们对测量误差总的作用或总的影响是相同的。
2. 按主要误差进行分配。当各环节误差中的某一项误差特别大时，若其他项对误差总
的影响很小(小于等于测量结果总的标准偏差的 1/3～1/10)，这时可以不考虑次要环节的误
差分配问题，只要保证主要环节的误差小于总的误差即可。
3. 等精度分配。等精度分配是指分配给各环节的误差彼此相同。这种分配多用于各环
节性质相同(量纲相同)，误差大小相近的情况。当然这样分配后，也可能不完全合理，可
根据情况进行进一步调整，以利于实现。
主要环节的误差也可以是若干项，这时可把误差在这几个主要误差项中分配，对系统
影响较小的次要误差项，则可不予考虑或酌情较小分配误差的比例。
目前传感器技术发展迅速，主要发展趋势是新型化、集成化、多功能化及智能化。应用的范围
也是越来越广，其中称重传感器更是发展到无可替代的地位！
|
相关博客新闻：
