李久龍，李玲，劉瑞敏，孫旭，薛煒，許騰，楊懿

（北京航天試驗技術(shù)研究所，北京 100074）

0 引言

在工程實踐中，傳感器測量技術(shù)是獲取測量數(shù)據(jù)的重要手段，其測量方式大致可分為線性測量和非線性測量兩種［1］。對測量數(shù)據(jù)進行分析，多采用一元、多元線性回歸分析等方法建立測量數(shù)據(jù)與物理量值之間的關(guān)系［2-4］。

壓力傳感器測量技術(shù)多采用線性測量的方式。線性測量具有操作簡單、測量準確度高等特點，因而在工程中應(yīng)用非常廣泛。在進行參數(shù)測量前，需要將壓力傳感器送計量檢定機構(gòu)進行檢定，以獲取輸入壓力值與輸出電壓值之間對應(yīng)的函數(shù)關(guān)系。

在計量檢定中，通常根據(jù)壓力傳感器的量程設(shè)定多個壓力參考點，通過標準活塞壓力計輸出對應(yīng)壓力點的標準壓力值獲取對應(yīng)的電壓/電流信號，再通過數(shù)學方法擬合壓力值（MPa）與電壓值/電流（mV/mA）之間的數(shù)學關(guān)系。在工程應(yīng)用中，通常采用線性回歸分析方法擬合因變量與自變量之間的函數(shù)關(guān)系。多位研究人員對線性回歸方法在生產(chǎn)實踐中的應(yīng)用進行了深入研究。

鄭錦秀［5］分析了電力系統(tǒng)測試中溫度對大電流分流器測量的影響，采用一元線性回歸方程擬合了大電流分流器阻值和溫度的線性回歸方程，通過顯著性檢驗、相關(guān)系數(shù)等方法驗證了回歸方程的合理性。

許莉莉［6］針對一元線性回歸方法中自變量在進行正交變換過程中會影響運算結(jié)果的缺陷，借鑒動力學中轉(zhuǎn)動慣量的對稱性質(zhì)，提出了以轉(zhuǎn)動慣量為基礎(chǔ)的線性回歸分析方法。通過仿真實驗和回歸實例證明了該方法比傳統(tǒng)一元線性回歸準確度更高、穩(wěn)定性更好。但是該方法在應(yīng)用過程中需要獲取對稱觀測值，即獲取平面上任意樣本點相對于平面內(nèi)直線y=kx+b的轉(zhuǎn)動慣量，不適用于壓力傳感器輸出數(shù)據(jù)的分析。

宮凱勛等人［7］針對傳統(tǒng)壓阻式壓力傳感器仿真設(shè)計中，壓敏電阻應(yīng)力值的垂直變化以及非線性影響設(shè)計精度的問題，提出了多元線性回歸法對Z坐標下的X，Y坐標與應(yīng)力值之間的關(guān)系式進行多次擬合，獲取壓敏電阻的整體平均應(yīng)力值，有效提高了傳感器的設(shè)計精度。

王惠文等人［8］針對傳統(tǒng)線性回歸方法中采用局部信息替代全部信息，無法充分有效利用原始數(shù)據(jù)信息的缺陷，將符號數(shù)據(jù)表的全部信息作為分析基礎(chǔ)，建立了正態(tài)分布型數(shù)據(jù)矩陣模型和數(shù)字特征。通過仿真實驗，驗證了該方法的優(yōu)越性。但是該方法在使用過程中僅僅針對正態(tài)分布型數(shù)據(jù)，在推廣應(yīng)用中具有一定的局限性。

劉軍等人［9］采用最小二乘法對不同溫度下超聲波熱量的時差和流量數(shù)據(jù)進行擬合。通過軟件仿真得到不同溫度下的時差、溫度與流量的關(guān)系。通過對比分析試驗，證明了最小二乘法擬合方法較傳統(tǒng)的擬合方法具有擬合精度穩(wěn)定、誤差小的特點。

王海峰等人［10］分析了沖擊波超壓測量數(shù)據(jù)處理流程，采用自適應(yīng)濾波的方法消除測量數(shù)據(jù)中的噪聲，以階躍波形為準則完成測量數(shù)據(jù)的有效性檢驗，根據(jù)不同距離傳感器數(shù)據(jù)擬合多項式曲線，數(shù)據(jù)有效性驗證證明了該數(shù)據(jù)處理方法實現(xiàn)了沖擊波超壓測量數(shù)據(jù)的自動化處理，提高了數(shù)據(jù)處理的效率和準確度。

趙彥凱等人［11］綜合比較了普通最小二乘法和整體最小二乘法在電子測壓器動態(tài)校準過程中數(shù)據(jù)擬合中的差異，建立了兩種方法的回歸模型，推導了整體最小二乘法的演算過程，從模型、參數(shù)估計和精度評定等方面對比分析了兩種方法的優(yōu)缺點，并指明了兩種方法在電子測壓器動態(tài)校準過程中數(shù)據(jù)擬合中的應(yīng)用范圍。

許浩源等人［12］采用微壓力傳感器測量聲表面波的壓力數(shù)據(jù)，利用最小二乘法建立數(shù)學模型，分析、擬合所測頻率值與對應(yīng)的載荷力之間的關(guān)系。通過構(gòu)建BP 神經(jīng)網(wǎng)絡(luò)模型，訓練已采集的數(shù)據(jù)樣本，預測壓力傳感器的輸入與輸出之間的關(guān)系。遺傳算法對BP 神經(jīng)網(wǎng)絡(luò)優(yōu)化結(jié)果顯示該方法能有效減少誤差。

結(jié)合壓力傳感器測量技術(shù)的特點、輸出數(shù)據(jù)的特征和工程應(yīng)用的實際情況，本文分析了壓力傳感器檢定數(shù)據(jù)的特征，采用一元線性回歸分析方法擬合壓力值（MPa）與電壓值（mV）之間的數(shù)學關(guān)系，并對擬合的結(jié)果進行分析。該方法對計量檢定人員研究檢定數(shù)據(jù)擬合方法具有重要的參考價值。

1 壓力傳感器檢定系統(tǒng)和檢定數(shù)據(jù)結(jié)構(gòu)

1.1 檢定系統(tǒng)

本研究的數(shù)據(jù)來源于國防三級計量標準——0.02 級活塞壓力計量檢定裝置。壓力傳感器檢定系統(tǒng)由0.02級活塞壓力計（含砝碼）、精密直流穩(wěn)壓電源、數(shù)字多用表、計算機等設(shè)備組成［13］。

壓力傳感器檢定系統(tǒng)組成如圖1所示。

系統(tǒng)組成設(shè)備的功能：活塞壓力計和專用砝碼為被檢壓力傳感器加載標準壓力。精密直流穩(wěn)壓電源為被檢壓力傳感器提供激勵電壓。數(shù)字多用表采集壓力傳感器輸出的毫伏級電壓信號，其輸出端通過RS-232 串口與采集計算機實現(xiàn)通訊。計算機完成數(shù)據(jù)的采集、存儲、分析和處理。

1.2 檢定數(shù)據(jù)結(jié)構(gòu)

選取1 支YB-1 型號的壓力傳感器，其量程為12 MPa，編號為H0608，最大綜合基本誤差為0.1%。依照相應(yīng)檢定規(guī)程［14］進行檢定。檢定過程分為三個進-回程。活塞壓力計從0，2，4，6，8，10，12 MPa 七個點加載標準壓力稱之為進程，從12，10，8，6，4，2，0 MPa 的卸壓過程稱之為回程。整個檢定過程分為進程1、回程1、進程2、回程2、進程3 和回程3，檢定數(shù)據(jù)如表1所示。

表1 H0608壓力傳感器檢定數(shù)據(jù)表Tab.1 H0608 pressure sensor verification data sheet

2 檢定數(shù)據(jù)分析

2.1 傳感器輸出電壓值與標準壓力值的特征分析

根據(jù)表1 的檢定數(shù)據(jù)，以進程1 的數(shù)據(jù)為例進行畫圖分析，壓力值與電壓值散點圖如圖2 所示。觀察標準壓力值與電壓值之間對應(yīng)關(guān)系可知，二者基本呈線性關(guān)系。

圖2 進程1傳感器壓力值與輸出電壓值數(shù)據(jù)散點圖Fig.2 Scatter diagram of pressure and output voltage data of sensor in process 1

2.2 正態(tài)性檢驗

假定壓力傳感器電壓輸出的觀測值來自正態(tài)分布總體的簡單隨機樣本，對所觀測值進行正態(tài)性檢驗，繪制變量的正態(tài)概率圖。以進程1的數(shù)據(jù)為例，運用Origin 軟件對檢定數(shù)據(jù)進行正態(tài)檢驗。檢驗結(jié)果如圖3所示。

圖3 進程1的正態(tài)性檢驗圖Fig.3 Normality test chart of process 1

采用相同的方法對其他進-回程的數(shù)據(jù)進行正態(tài)檢驗分析可知，3個進-回程壓力傳感器電壓輸出值均服從正態(tài)分布。

2.3 方差分析

由于壓力傳感器的電壓輸出值僅與所加載標準壓力值相關(guān)，故采用單因素方差分析法對數(shù)據(jù)的方差進行分析。單因素方差分析只考慮一個因素對觀測數(shù)據(jù)的影響效應(yīng)。

其基本原理［15］為：在水平Aj（j= 1，2，…，6）下，進行j次獨立試驗。假定各個水平Aj（j=1，2，…，6）下的樣本來自具有相同方差σ2，均值分別為μj（j= 1，2，…，6）。μj和σ2未知，且在不同水平下樣本之間相互獨立。設(shè)每次采集的數(shù)據(jù)為Xij，Xij～N(μj，σ2)， 即 有(Xij-μj)～N(0，σ2)。 將(Xij-μj)看作隨機誤差，記Xij-μj=εij，則可建立單因素試驗方差分析的數(shù)學模型。

1）單因素試驗方差分析的數(shù)學模型

單因素試驗方差分析的數(shù)學模型條件：①Xij=μj+εij，i=1，2，…，n，j=1，2，…，s；②εij～N(0，σ2)，各εij獨立；

假設(shè)所檢驗的數(shù)據(jù)符合數(shù)學模型的條件①～③，則需要檢驗s個總體N(μ1，σ2)，…，N(μs，σ2)的均值是否相等，即檢驗假設(shè)（α=設(shè)定值，α為觀測 值 的 附 加 效 應(yīng) ， 即 誤 差 。） ：H0：μ1=μ2= …=μs，H1：μ1，μ2，…，μs不全相等。

設(shè)μj的加權(quán)平均值1，2，…，s。其中，δj為水平Aj下的總體評價值與總平均的差異。此時有n1δ1+n2δ2+ …+nsδs= 0。

在實際運用中可按照表2中的方差來源進行方差分析。

表2 單因素試驗方差法分析表Tab.2 Variance analysis table of one-way test

SA（Aj水平下樣本均值與數(shù)據(jù)總平均的差異），SE（誤差的平方和），ST（總偏差的平方和）的具體計算定義如式（1）～式（4）所示。

式中：SA為Aj水平下樣本均值與數(shù)據(jù)總平均的差異；SE為誤差的平方和；ST為總偏差的平方和；Xij為每次采集的數(shù)據(jù)；j為試驗次數(shù)；s為檢驗總體個數(shù)；為Aj水平下的樣本均值，。

2）效應(yīng)檢驗

在實際的檢定過程中，每一個進-回程分別對應(yīng)0～12 MPa 量程內(nèi)7 個采樣點，總計形成6×7=42個數(shù)據(jù)。受篇幅所限，選取2 MPa壓力點的數(shù)據(jù)作為效應(yīng)檢驗對象。在標準活塞壓力計加載2 MPa壓力時，對應(yīng)每一個進-回程采樣點，在較短時間內(nèi)連續(xù)快速采集3次數(shù)據(jù)，詳細數(shù)據(jù)如表3所示。

表3 2 MPa壓力點壓力傳感器連續(xù)采集3次數(shù)據(jù)表Tab.3 Data sheet of 3 times consecutive acquisition by pressure sensor at 2 MPa

假設(shè)加載壓力值對電壓輸出的影響效應(yīng)分別為μ1（進程1），μ2（回程1），μ3（進程2），μ4（回程2），μ5（進程3），μ6（回程3）。數(shù)據(jù)符合數(shù)學模型的條件，檢驗假設(shè)（α= 0.05）［16］：

H0：μ1=μ2=μ3=μ4=μ5=μ6（進-回程對電壓輸出值沒有顯著影響）；

H1：μ1，μ2，μ3，μ4，μ5，μ6不全相等（進-回程對電壓輸出值有顯著影響）。

根據(jù)式（1）～式（5）對表4中數(shù)據(jù)進行計算，設(shè)Xij為 每 次 采 集 的 電 壓 值。s=6，j=3，n=s×j=18。計算結(jié)果見表4。

表4 2 MPa壓力點電壓輸出數(shù)據(jù)方差計算表Tab.4 Variance calculation of output voltage data at 2 MPa

根據(jù)式（2） ～式（4） 可得ST=0.00043584；SA=0.00043545；SE=ST-SA=0.00000039。ST，SA，SE的自由度依次為17，5，12，方差分析見表5。

表5 2 MPa壓力傳感器輸出電壓方差分析表Tab.5 Variance analysis of output voltage of pressure sensor at 2 MPa

F0.05(5，12) =3.11<2702.8，故 在水 平0.05 下拒絕H0，認為在加載2 MPa 標準壓力下，在不同進-回程中，壓力傳感器的輸出電壓有顯著的差異。

3 一元線性回歸分析

一元線性回歸分析主要用于研究單個因變量和自變量之間的線性關(guān)系，其重點是考察一個特定因變量，將自變量看作影響這一變量的因素，通過建立適當?shù)臄?shù)學模型將變量之間的關(guān)系合理、準確地表達出來，進而通過自變量的取值來預測因變量的取值。因此，在實際應(yīng)用中，需要針對選定的數(shù)據(jù)，分析因變量與自變量之間的關(guān)系，通過建立回歸模型，并分析該模型的誤差，以實現(xiàn)對自變量與因變量之間關(guān)系的準確描述。

由圖2的分析可知，觀測點基本分布在一條直線周圍，壓力值增加，其電壓輸出值隨之增加，電壓值與壓力值呈線性相關(guān)關(guān)系，因此可以對其進行一元線性回歸分析。

3.1 相關(guān)系數(shù)計算

選取表1 中回程1 的數(shù)據(jù)計算相關(guān)系數(shù)r。計算結(jié)果為

相關(guān)系數(shù)r=1表明加載壓力值與輸出電壓值之間是完全正線性相關(guān)關(guān)系。

3.2 一元線性回歸模型

設(shè)壓力值y關(guān)于電壓值x的回歸函數(shù)為μ(x)，利用樣本來估計μ(x)。假設(shè)對于電壓值x（在某個區(qū)間內(nèi)）的每一個值都有

式中：a，b，σ2為不依賴于x的未知參數(shù)。記ε=y-(a+bx)，對壓力值y作正態(tài)假設(shè)，其一元回歸模型為y=a+bx+ε，ε～N(0，σ2)。

根據(jù)正規(guī)方程組［17］

有唯一解，求解得到a，b的最大似然估計值a?，分別為

對于給定的x，取a?+b?x作為回歸函數(shù)μ(x) =a+bx的估計，即μ(x) =a?+b?x。a?，b?由式（10）～式（14）計算。

驀然，程曉覺得，自己擁有這輛凱迪拉克后，沒有真正成為身份的象征，日子過得如此辛酸，并不是買凱迪拉克買得不切實際，而是用錯了地方！無論在公司里當技術(shù)員，還是當管理者，凱迪拉克都只是一件奢侈的消費品；但換一個地方，比如這個小老板談業(yè)務(wù)時，別人不知他的出身背景，凱迪拉克就恰到好處地為他臉上貼了一層金，讓人不敢小窺他，而與他合作。這時的凱迪拉克，就成了他與人叫板的砝碼，買凱迪拉克就變成了一種投資，投資能獲取效益，與消費是兩個概念。由此，程曉對凱迪拉克的認識發(fā)生了質(zhì)變，他的生活發(fā)生了質(zhì)的飛越！

以進程1 的7 個采樣點數(shù)據(jù)為例進行分析計算，詳細數(shù)據(jù)見表6。

表6 壓力傳感器進程1檢定數(shù)據(jù)表Tab.6 Verification data of pressure sensor in process 1

根據(jù)式（10）～式（14）計算，結(jié)果為

故得到

得到回歸直線方程為

按照同樣的方法分別計算回程1、進程2、回程2，進程3和回程3的回歸直線方程，截距a和斜率b的估計值的計算結(jié)果如表7所示。

表7 壓力傳感器檢定數(shù)據(jù)擬合回歸系數(shù)表Tab.7 Fitting regression coefficient of pressure sensor verification data

3.3 一元線性回歸模型的擬合優(yōu)度計算

總變差（SST）可分解為回歸平方和（SSR）和與殘差平方和（SSE）的加總。即

回歸平方和（SSR）與總變差（SST）的比例稱為決定系數(shù)，計算公式為

以回程2的數(shù)據(jù)為例，進行一元線性回歸模型的擬合優(yōu)度計算，數(shù)據(jù)計算結(jié)果為

估計標準誤差是殘差的平方和的均方根，用se表示，計算公式為

從估計標準誤差se=0.001752 可知，觀測值與回歸估計值之間的差異程度非常小。從一元線性回歸方程的擬合優(yōu)度值R2= 0.999999 可知，回歸直線與各觀測點幾乎重合，該回歸直線是擬合數(shù)據(jù)較為理想的擬合直線。

3.4 一元線性回歸模型線性關(guān)系檢驗

在建立回歸模型之前，假定壓力傳感器所測壓力值和輸出電壓值之間是線性關(guān)系，但是該假定是否成立需要進行檢驗。上一節(jié)擬合了一元線性回歸方程，求出了系數(shù)。為了檢驗x，y之間關(guān)系的顯著性，采取數(shù)理統(tǒng)計方法進行驗證。將回歸平方（SSR）除以與殘差平方和（SSE）的結(jié)果稱為回歸均方，記為MSR，SSE除以相應(yīng)自由度的結(jié)果稱為殘差均方，記為MSE［15］。提出假設(shè)

H0：b= 0（x，y之間的線性關(guān)系不顯著）

H1：b≠0（x，y之間的線性關(guān)系顯著）

若假設(shè)H0：b= 0（x，y之間的線性關(guān)系不顯著）成立，的值應(yīng)接近1。若原假設(shè)不成立，則的值趨近無窮大。

以回程2 的數(shù)據(jù)為例，計算結(jié)果為SSR=111.999985，SSE=0.001752，319559.556751，遠大于1。因此，假設(shè)H0不成立，拒絕H0，即x，y之間的線性關(guān)系顯著。

3.5 一元線性回歸模型回歸系數(shù)檢驗

回歸系數(shù)檢驗的目的是檢驗自變量對因變量的影響是否顯著。統(tǒng)計學中通常采用t檢驗法檢驗自變量對因變量的影響的顯著性［13］。在一元線性回歸中，由于自變量只有一個，故回歸系數(shù)的檢驗等價于線性關(guān)系的檢驗。檢驗假設(shè)為

H0：b= 0（自變量x對因變量y的影響不顯著）

H1：b≠0（自變量x對因變量y的影響顯著）

引入標準差估計量sb?

當H0為真，即b= 0時設(shè)α為顯著水平，得到H0的拒絕域|t|為

以回程2的數(shù)據(jù)為例，計算結(jié)果為

查表得

同理，可以運用相同方法對其他數(shù)據(jù)進行顯著性檢驗分析。

3.6 一元線性回歸模型的殘差分析

在一元回歸模型y=a+bx+ε中，假定ε是期望值為0，方差相等且服從正態(tài)分布的一個獨立隨機變量［15］。但若此假定不成立，則所做檢驗以及預測則均不準確。因此，需要對ε進行殘差分析。因變量的觀測值yi與根據(jù)估計的回歸方程求出的預測值之差即為殘差。第i個觀測值的殘差數(shù)學定義為

3.6.1 殘差圖檢驗

可通過殘差圖來分析檢驗誤差項ε的假設(shè)是否成立。通過一元線性回歸公式（17）計算表1 中7個進、回程傳感器輸出電壓值的殘差，數(shù)據(jù)的殘差圖如圖4所示。

圖4 檢定數(shù)據(jù)殘差圖Fig.4 Residual diagram of verification data

根據(jù)圖4可知，各殘差基本位于一條水平帶中間，基本無固定模式，表明在壓力傳感器壓力值與電壓輸出值的一元線性回歸中，線性的假定以及對ε的假定是成立的。

3.6.2 正態(tài)性檢驗

通過標準化殘差分析對ε正態(tài)假定進行檢驗。標準化殘差用ze表示，第i個觀測值的標準化殘差定義［13］為

若關(guān)于ε正態(tài)假定成立，則標準化殘差的分布也服從正態(tài)分布，且大約有95%的標準化殘差落在-2～+2區(qū)間。

計算表1中各數(shù)據(jù)點的標準化殘差，計算數(shù)據(jù)如表8所示。

表8 壓力傳感器檢定數(shù)據(jù)標準化殘差表Tab.8 Standardized residual of pressure sensor verifi?cation data

從表8中標準化殘差的計算結(jié)果可知，標準化殘差均分布在-2～+2 區(qū)間內(nèi)，表明關(guān)于ε服從正態(tài)分布的假定成立。

通過本章節(jié)的分析可知，一元線性回歸分析的主要步驟：

1）確定變量之間的關(guān)系

可采用散點圖，計算、檢驗相關(guān)系數(shù)的方法確定自變量與因變量之間的關(guān)系。

2）建立一元線性回歸模型

一般采用最小二乘法確定回歸方程及其系數(shù)。

3）一元線性回歸模型的擬合優(yōu)度計算

一般選用決定系數(shù)作為擬合優(yōu)度的重要統(tǒng)計量。

4）一元線性回歸模型線性關(guān)系和系數(shù)檢驗

采用數(shù)理統(tǒng)計F檢驗和t檢驗方法驗證線性關(guān)系和系數(shù)的顯著性。

5）一元線性回歸模型的殘差分析

采用殘差圖檢驗和正態(tài)性檢驗的方法驗證殘差ε正態(tài)假定是否成立。

4 總結(jié)

從壓力傳感器的實際應(yīng)用出發(fā)，分析了壓力傳感器計量檢定數(shù)據(jù)的特征，采用一元線性回歸分析方法擬合壓力傳感器檢定數(shù)據(jù)，建立輸出值（mV）和加載標準壓力值（MPa）之間的數(shù)學函數(shù)關(guān)系。通過正態(tài)檢驗、方差分析、回歸模型擬合優(yōu)度分析、模型線性關(guān)系分析、回歸系數(shù)和模型殘差分析等方法驗證了一元線性回歸分析方法能夠應(yīng)用于壓力傳感器檢定數(shù)據(jù)的擬合工作中。對業(yè)內(nèi)計量檢定人員擬合檢定數(shù)據(jù)具有重要的參考價值。