Юрий Ревич - Занимательная электроника

Метрология — наука о том, как правильно проводить измерения. Все началось с того, что возникшая в середине прошлого тысячелетия рациональная наука поставила во главу угла принцип поверки теории экспериментом. Ясно, что это возможно осуществить только в том случае, если эксперимент воспроизводим, т. е. может быть повторен любым другим человеком (это положение еще называют принципом «верификации»). Основная же проблема воспроизводимости состоит в том, что ни один эксперимент не обходится без ошибок. Поэтому метрология занимает очень важное место в современном мире. Без нее технический прогресс был бы вообще невозможен, потому что никто бы тогда не смог ничего сказать о достоверности полученных в эксперименте данных.

Если мы представим себе экспериментальную систему наподобие объекта регулирования, изображенного на рис. 12.2, то кроме входов (входных воздействий), которые контролируются исследователем, на систему действует еще множество различных факторов, которые можно поделить на несколько различных групп. Так, есть незначимые факторы — те, которые нам известны, но для простоты мы их влиянием пренебрегаем, — такие, как отклонения в свойствах реальных физических тел от идеализации типа «абсолютно твердое тело» или «материальная точка» (типичный пример — влияние базового тока в транзисторе на величину эмиттерного, которое мы обычно не учитываем). Есть факторы вполне значимые, но мы не можем ими управлять и часто даже неспособны их контролировать, — скажем, разброс параметров электронных компонентов. Как бы все упростилось, если бы все транзисторы одного типа были бы совершенно одинаковыми! Наконец, во многих случаях могут быть и неизвестные нам факторы — содержание науки во многом состоит в том, чтобы такие факторы обнаруживать и влияние их исследовать.

Как же можно учитывать подобные воздействия? Тут на помощь приходит теория вероятностей — точнее, ее дочерняя прикладная дисциплина под названием математическая статистика . Основное ее предположение состоит в том, что все неучтенные факторы можно рассматривать, как равномерный шум, приводящий к чисто случайному разбросу значений измеряемой величины. Излишне говорить, что довольно часто это предположение не совсем соответствует действительности, но все же в большинстве практических случаев (по крайней мере, в технических приложениях) оно обеспечивает неплохое приближение к истине, и применение методов математической статистики дает на удивление хорошие результаты. Только не следует забывать, что статистика не может повысить точность измерения, если прибор этого не позволяет, — она всего лишь дает нам сведения о том, чего мы достигли в действительности.

Несколько слов о том, насколько вообще целесообразно стремиться к высокой абсолютной точности измерений. Измерительные схемы характеризуются тремя основными параметрами: точностью, разрешающей способностью и стабильностью (временным дрейфом). Что такое точность или обратная ей величина — погрешность, понятно интуитивно. Разрешающая же способность (иногда говорят о чувствительности) — это попросту минимальная разница в значениях измеряемого параметра, которую мы еще можем различить. Для аналоговых приборов (стрелочных, или, например, ртутных термометров) это половина самого мелкого деления шкалы, а для цифровых — единица самого младшего разряда. Естественно, повышать точность сверх разрешающей способности бессмысленно. А стабильность (дрейф) — самый сложный для оценки параметр, она характеризует уход показаний с течением времени. Подробнее на вопросах оценки дрейфа мы не будем здесь останавливаться.

Я вас могу удивить, но буду утверждать, что в большинстве практических случаев точное значение абсолютной величины — в определенных пределах, разумеется — не представляет особого интереса. При измерении температуры единственное исключение для бытовых приборов — точка замерзания воды, о чем мы говорили ранее. Но в других случаях обычно нам неважно, 9 градусов на улице или 11, главное — весна, и можно снимать шубу.

С другой стороны, обычно нет никакого смысла конструировать суперстабильные и высокоразрешающие, но неточные, приборы — просто потому, что обеспечение стабильности и точности во многом взаимосвязаны, причем первое еще и существенно сложнее. А если мы очень сильно увеличим разрешающую способность по сравнению с точностью, то рискуем попасть в ситуацию, когда десятые градуса просто будут мельтешить на дисплее, что еще хуже, чем если бы их не было вовсе. Но не забывайте, что абсолютная точность, кроме всего прочего, зависит от тщательности градуировки и используемого эталона, а разрешающая способность и стабильность — только от компонентов и конструкции.

* * *

Заметки на полях

Точность и погрешность — величины взаимодополняющие, что совершенно ясно по смыслу терминов. Поэтому, вообще говоря, произнести что-то вроде «точность в пределах 1 %» — некорректно, естественно, тут идет речь о погрешности, а точность в данном случае выражалась бы числом 99 %. Тем не менее, в повествовательной речи такое допустимо, и мы сами не раз прибегали к подобным оборотам — просто потому, что совершенно ясно, о чем идет речь, и запутаться невозможно. А вот в англоязычных странах почему-то вместо погрешности принят термин именно « accuracy », что даже без обращения к словарю легко перевести, как точность (вместо отвечающего по смыслу «inaccuracy»). Этот нюанс следует иметь в виду при чтении литературы на английском языке.

Ошибки измерения делятся на случайные (тот самый шум, о котором шла речь ранее) и систематические. Прояснить, что такое систематическая ошибка , можно на следующем примере: предположим, мы немного изменим в схеме, собранной по рис. 13.4, сопротивление резистора R2. При этом у нас на определенную величину сдвинется вся шкала измерений: показания термометра будут соответствовать действительности, только если мы прибавим (или вычтем, неважно) некоторую константу к полученной величине: t= t'+ δ, где t — «правильное» значение температуры (оно все же отличается от истинного значения из-за наличия случайной ошибки); t' — показания термометра; δ — величина систематической ошибки из-за сдвига шкалы. Более сложный случай систематической погрешности — если мы оставим R2 в покое, а немного изменим R5, т. е. изменим наклон характеристики термометра, или, как еще это называют, крутизну преобразования . Это равносильно тому, что мы умножаем показания на некий постоянный множитель k , и «правильное» значение будет тогда определяться по формуле: t= к· t'. Эти виды ошибок носят название аддитивной и мультипликативной погрешностей.