3. 精度验证的计量学基础

在 FARO 现场测量中，精度验证不是“测一次看结果对不对”，而是要把测量结果与一个可溯源的参考量进行比较，并判断偏差是否落在可接受范围内。要做到这一点，必须先理解误差从哪里来、如何分类，以及“不确定度”为什么比“误差”更适合描述测量质量。

一、误差来源分类：三类误差的物理含义

任何测量结果都可以写成：测量值 = 真值 + 误差。按误差的性质，通常分为系统误差、随机误差和粗大误差。

• 系统误差：在重复测量中保持恒定或按确定规律变化的误差。例如 FARO 激光跟踪仪的测距零点偏移、靶球半径补偿值设置错误、环境温度未修正导致的光速变化。系统误差不能靠多次平均消除，只能通过校准、修正或改变测量条件来识别和补偿。
• 随机误差：由不可控的微小扰动引起，单次测量方向、大小都不确定，但多次测量服从统计规律。例如激光干涉测距中的空气折射率波动、靶球表面粗糙度引起的回光中心抖动、操作者手部微动。随机误差可以通过多次测量取平均来减小，平均值的标准差随测量次数 n 的平方根减小。
• 粗大误差：明显偏离正常测量结果的异常值，通常由操作失误、设备故障、环境突变或记录错误造成。例如靶球被遮挡导致断光后错误锁定、测点编号错位、温度传感器未接入。粗大误差必须通过异常值判别准则（如 3σ 准则、格拉布斯准则）识别并剔除，不能参与平均值和标准差计算。

二、不确定度：测量结果的可信区间

误差是测量值与真值之差，但真值通常不可知，因此计量学更常用测量不确定度来定量描述“测量结果的可疑程度”。不确定度不是误差，它表示一个区间，真值以一定置信概率落在该区间内。

不确定度分为两类：

• A 类不确定度：由重复测量数据的统计分布得到，用标准差或标准误表示。例如对同一靶球位置重复测量 10 次，计算平均值的实验标准差。
• B 类不确定度：由校准证书、设备说明书、经验或假设分布得到。例如校准证书给出的扩展不确定度 U=0.02 mm（k=2），则标准不确定度为 0.01 mm。

合成标准不确定度 u_c 由各分量平方和开方得到：u_c = √(u₁² + u₂² + …)。扩展不确定度 U = k·u_c，通常取 k=2，对应约 95% 置信水平。现场报告中应同时给出测量结果和扩展不确定度，例如“距离 = 3.215 m，U = 0.03 mm（k=2）”。

三、溯源链：从现场测量到国家基准

溯源链是保证测量结果可比、可信的核心结构。FARO 设备的校准不是孤立事件，而是通过一系列比较，把现场测量结果与国家计量基准联系起来。典型溯源链如下：

解读校准证书时，重点看四项：校准项目与量程是否覆盖现场使用范围；扩展不确定度 U 与包含因子 k；溯源声明是否明确指向国家基准；有效期与环境条件是否与现场一致。若证书只写“合格”而不给不确定度，则无法用于定量精度验证。

四、现场精度验证的实用判断

假设某 FARO 激光跟踪仪校准证书给出：距离测量 U = 0.025 mm（k=2），现场测量某点距离为 3.215 m，重复测量 10 次的标准差为 0.008 mm。则合成标准不确定度约为 √(0.0125² + 0.008²) ≈ 0.0148 mm，扩展不确定度 U ≈ 0.030 mm（k=2）。若该测量任务公差为 ±0.05 mm，则 U 小于公差的三分之一，满足一般计量要求；若公差为 ±0.03 mm，则 U 已接近公差，需增加测量次数或改用更高精度设备。

总结来说，FARO 现场精度验证的计量学基础可以归纳为一条主线：识别误差来源 → 分类处理 → 用不确定度定量描述 → 沿溯源链确认校准有效性 → 结合公差判断结果是否可用。只有把这条主线走通，测量数据才具备工程决策价值。