传感器与检测技术 / 系统课时
计算误差预算与测量不确定度
计算误差预算与测量不确定度
单个传感器标称精度合格,并不代表最终测量结果一定合格。本课把传感器、调理电路、ADC、参考源和标定残差放进同一条误差链,分别计算最坏情况误差与合成标准不确定度,并据此判断整机是否满足精度指标。
学习目标
- 识别测量链中需要进入误差预算的主要误差源
- 区分最坏情况叠加与均方根合成的适用含义
- 根据允许误差反推最值得改善的测量环节
从完整测量链找误差源
误差预算的第一步不是立即套公式,而是先确定最终读数经过哪些环节。典型链路是传感器把被测量转换为电信号,调理电路完成放大与偏置,ADC 量化该电压,参考源决定 ADC 的比例基准,最后再用标定模型转换成工程量。

为了能够相加,各误差必须先换算到同一个参考量。最方便的做法通常是统一换成最终工程量的绝对误差,或统一换成满量程百分比。例如量程为 0~100 °C 时,±0.2%FS 就等价于 ±0.2 °C。
用两种方法汇总误差
如果规格必须保证在所有误差都朝最不利方向时仍满足要求,可以采用最坏情况线性相加。设各环节的绝对误差上限为 ,则总误差上限可写成:
这种方法保守但容易解释,适合做硬性设计边界。如果各项主要是不相关的随机或近似独立误差,并且已经表示成同一置信口径下的标准不确定度,则通常采用均方根合成:
二者回答的问题不同:最坏情况回答“极端情况下最多可能偏多少”,均方根合成回答“多个独立不确定分量综合后有多大”。不能为了让结果变小,就把确定性的偏置、未校准系统误差直接当作随机量做均方根合成。
计算一份误差预算
假设温度测量范围为 0~100 °C,各环节换算到最终温度后的误差分别为:传感器 ±0.30 °C、调理电路 ±0.10 °C、ADC ±0.05 °C、参考源 ±0.08 °C、标定残差 ±0.12 °C。下面同时计算最坏情况和按独立分量假设得到的 RSS 合成值。
import math
errors_c = {
"sensor": 0.30,
"conditioning": 0.10,
"adc": 0.05,
"reference": 0.08,
"calibration": 0.12,
}
worst_case = sum(errors_c.values())
rss = math.sqrt(sum(value ** 2 for value in errors_c.values()))
print(f"worst_case = ±{worst_case:.3f} °C")
print(f"rss = ±{rss:.3f} °C")预期输出
worst_case = ±0.650 °C
rss = ±0.350 °C这里的 RSS 数值只有在这些分量能够近似视为独立、且具有相容统计口径时才有意义。如果数据手册只给出最大允许误差,而没有概率分布或标准不确定度,就不能自动把所有最大误差直接解释为 。
判断系统是否满足精度要求
假设产品要求整个 0~100 °C 范围内误差不超过 ±0.5 °C。按最坏情况预算,±0.65 °C 已经超标;按上述独立分量假设进行 RSS 合成时,±0.35 °C 则低于目标。因此设计评审必须先明确验收指标究竟要求最大保证误差,还是规定置信水平下的不确定度。
如果目标是降低总误差,优先处理最大的误差项通常最有效。本例中传感器的 0.30 °C 明显大于 ADC 的 0.05 °C,因此把 ADC 分辨率再提升一倍,对整体预算的改善有限;改善传感器等级、工作点补偿或重新标定更值得投入。
把不确定度口径写进测试结论
正式报告不能只写“精度约为 ±0.35 °C”。应同时记录量程、环境条件、误差来源、每项数值的依据,以及合成方法。若需要给出扩展不确定度,还应说明覆盖因子。例如在合成标准不确定度为 、采用覆盖因子 时,可写为 ,但不能脱离统计假设把 机械解释为任何场景都严格等于 95% 置信区间。
误差预算的价值不只是得到一个总数,而是让精度指标能够追溯到具体器件和标定环节。只有先统一误差口径,再选择符合验收目的的合成方法,最终的“满足精度要求”才具有可验证的工程含义。