Особливості оцінювання невизначеності вимірювання при калібруванні цифрових омметрів

Автор(и)

  • Ігор Захаров Харківський національний університет радіоелектроніки, просп. Науки, 14, 61166, Харків, Україна
  • Валерій Семеніхін Національний науковий центр “Інститут метрології”, вул. Мироносицька, 42, 61002, Харків, Україна
  • Олександр Захаров Харківський національний університет радіоелектроніки, просп. Науки, 14, 61166, Харків, Україна
  • Світлана Шевченко Національний технічний університет “Харківський політехнічний інститут”, вул. Кирпичова, 2, 61002, Харків, Україна

DOI:

https://doi.org/10.24027/2306-7039.2.2023.286713

Ключові слова:

цифровий омметр; калібрування; роздільна здатність; нелінійність; невизначеність вимірювань; метод ексцесів; бюджет невизначеності; метод Монте-Карло

Анотація

Розглянуто схему передавання розміру одиниці опору при калібруванні цифрових омметрів за постійного струму. Описано процедуру оцінювання невизначеності вимірювань: запис моделі вимірювань та її уточнення, оцінювання вхідних та вимірюваної величин, оцінювання стандартних невизначеностей вхідних та вимірюваної величин, оцінювання розширеної невизначеності. Уточнена модель включає залежність опору еталонного резистора від температури й поправку на дрейф значення опору еталонного резистора з моменту його останнього калібрування. Для оцінювання розширеної невизначеності застосовано метод ексцесів. Складено бюджет невизначеності, що включає ексцеси вхідних та вимірюваної величин. Використання пакета Excel дозволяє реалізувати на основі цього бюджету програму для автоматизації обчислень невизначеності вимірювань. Розглянуто приклад оцінювання невизначеності вимірювань при калібруванні цифрового омметра типу 2318 у точці 1 мОм за допомогою котушки електричного опору Р310 класом точності 0,01. Досліджено вплив нелінійності моделі вимірювання на оцінки числового значення вимірюваної величини та його сумарної стандартної невизначеності. Для верифікації отриманих результатів було проведено моделювання закону розподілу вимірюваної величини методом Монте-Карло. Запропоновано алгоритм визначення розширеної невизначеності вебдодатком NIST Uncertainty Machine для відсутнього в ній рівня довіри 0,9545. Порівняння результатів оцінювання невизначеності вимірювань методами ексцесів і Монте-Карло показало їхній хороший збіг.

Посилання

ISO/IEC 17025:2017. General requirements for the competence of testing and calibration laboratories. 28 p.

JCGM 101:2008. Evaluation of measurement data − Supplement 1 to the “Guide to the expression of uncertainty in measurement” − Propagation of distributions using a Monte Carlo method. JCGM, 2008. 90 p.

Zakharov I.P., Botsyura O.A. Calculation of Expanded Uncertainty in Measurements Using the Kurtosis Method when Implementing a Bayesian Approach. Measurement Techniques, 2019, vol. 62(4), pp. 327‒331. doi: https://doi.org/10.1007/s11018-019-01625-x

CООМЕТ R/GM/35:2022. Expression of the expanded measurement uncertainty (method of kurtosis).

Zakharov I.P., Vodotyka S.V., Shevchenko E.N. Methods, models, and budgets for estimation of measurement uncertainty during calibration. Measurement Techniques, 2011, vol. 54, issue 4, рр. 387‒399.

Katushki elektricheskogo soprotivleniya izmeritelnyye R310, R321, R331 [Coils of electrical resistance measuring types R310, R321, R331]. Brief description and rules of use. Available at: http://pribori.net.ua/r310,r321,r331.html

Botsiura O., Zakharov I., Neyezhmakov. P. Reduction of the measurand estimate bias for nonlinear model equation. Journal of Physics: Conf. Series, 2018, 1065, 212002, pp. 1–4. doi: https://doi.org/10.1088/1742-6596/1065/21/212002

Zakharov I., Neyezhmakov P., Botsiura O. Reduction of the bias of measurement uncertainty estimates with significant non-linearity of a model equation. Journal of Physics: Conf. Series, 2019, 1379, 012013, pp. 1‒5. doi: https://doi.org/10.1088/1742-6596/1379/1/012013

The NIST Uncertainty Machine. Available at: https://uncertainty.nist.gov/

##submission.downloads##

Опубліковано

2023-07-05

Номер

Розділ

Статті