LabVIEW計(jì)算測(cè)量路徑輸出端隨機(jī)變量的概率分布密度

今天，開發(fā)算法和軟件來解決計(jì)量綜合的問題，即為特定問題尋找最佳測(cè)量算法。提出了算法支持，以便從計(jì)量上綜合測(cè)量路徑并確定所開發(fā)測(cè)量?jī)x器的測(cè)量誤差。測(cè)量路徑由串聯(lián)的幾個(gè)塊組成，每個(gè)塊都有自己的轉(zhuǎn)換特性，而轉(zhuǎn)換特性又會(huì)因外部影響而改變。上述外部影響會(huì)導(dǎo)致測(cè)量路徑輸出端的誤差增加。如果知道塊轉(zhuǎn)換的特征，以及輸入隨機(jī)變量的概率分布密度，則可以確定測(cè)量塊輸出處的概率分布密度。通過迭代搜索測(cè)量單元輸出端隨機(jī)變量的分布密度，可以估計(jì)測(cè)量路徑輸出端的測(cè)量誤差。

考慮一個(gè)類似的例子，其中誤差的乘法分量可用，即轉(zhuǎn)換特性如下所示X2=(k?X1)2.第一個(gè)塊輸出處的概率分布密度如下：ω(X2)=ω(X1)/(2k2X1).圖?顯示了一個(gè)圖表，其中顯示了X2乘法分量等于零且也等于?0.8?的轉(zhuǎn)換特性（分別為綠色實(shí)線和紫色虛線）。橫坐標(biāo)顯示隨機(jī)變量?X1，它服從正態(tài)分布規(guī)律，期望?M（Xl）=2和方差D（X1）=0.01.概率分布密度ω(X2)和ω(X1)分別顯示為黑線和紅線。藍(lán)色虛線表示測(cè)量塊?1?輸出端的概率分布密度，具有可用的乘法分量。

該圖顯示隨機(jī)變量?X2使用乘法誤差分量?k，與無影響的情況相比看起來更平坦。概率分布密度的形狀ω(X2)也變了。

LabVIEW用于計(jì)量綜合的算法支持和軟件將簡(jiǎn)化測(cè)量?jī)x器的仿真任務(wù)，其中應(yīng)考慮到測(cè)量塊的轉(zhuǎn)換特性，無論是否受到外部影響。該任務(wù)的軟件實(shí)施將使模擬單個(gè)模塊和整個(gè)測(cè)量路徑成為可能;這將大大加快測(cè)量?jī)x器的計(jì)量合成過程。

這是LabVIEW的一個(gè)應(yīng)用，更多的開發(fā)案例，歡迎登錄北京瀚文網(wǎng)星官網(wǎng)，了解更多信息。有需要LabVIEW項(xiàng)目合作開發(fā)，請(qǐng)與我們聯(lián)系。