4. 不确定度评估基础
在传感器校准中，测量结果若只给出一个数值，往往无法说明其可信程度。例如，一支压力传感器校准后示值误差为 0.12%FS，如果没有不确定度，使用者无法判断这个结果是否足以支撑合格判定。测量不确定度正是用来定量描述“真值可能落在什么范围内”的参数。它不是误差本身，也不是对测量结果的否定，而是对测量结果质量的定量表达。
核心定义：测量不确定度是表征合理地赋予被测量之值的分散性，与测量结果相联系的参数。通俗地说，它回答的是：在现有校准条件下，被测量的真值以一定置信水平可能位于哪个区间。
一、不确定度的基本定义与来源
不确定度通常用标准不确定度 u 表示，相当于一个标准偏差。若被测量为 Y，测量结果为 y，则 y ± U 表示一个区间，其中 U 为扩展不确定度。不确定度越小，测量结果越可靠，但并不意味着测量结果越接近真值；它只说明分散性越小。
传感器校准中的不确定度来源很多，常见包括：
- 标准器本身的不确定度，如标准压力计、标准砝码、标准温度计；
- 测量重复性，如多次读数之间的分散；
- 环境条件，如温度、湿度、振动、供电波动；
- 传感器安装与连接，如螺纹密封、管路泄漏、接触热阻；
- 信号采集与显示，如分辨率、量化误差、噪声；
- 校准方法与被校对象，如加载方向、稳定时间、迟滞。
这些来源最终都要转化为标准不确定度分量，再按传播规律合成。理解来源，是避免“只算重复性、漏掉标准器”的关键。
二、A类评定与B类评定
不确定度评定按获取方式分为 A 类和 B 类。A 类评定基于对多次重复测量数据的统计分析；B 类评定基于经验、证书、说明书、历史数据或其他非统计信息。两者没有本质高低之分，最终都以标准不确定度形式参与合成。
| 评定类型 | 数据来源 | 典型方法 | 传感器校准示例 |
|---|---|---|---|
| A 类 | 重复测量列 | 实验标准偏差、平均值的标准偏差 | 同一压力点重复加载 10 次，计算示值分散性 |
| B 类 | 证书、说明书、经验 | 按分布假设除以包含因子 | 标准器证书给出 U=0.05%FS，k=2，则 u=0.025%FS |
A 类评定的基本公式为：
实验标准偏差：
s = sqrt( Σ(xi - x̄)² / (n - 1) )
平均值的标准不确定度：
uA = s / sqrt(n)例如，对某温度传感器在 100℃ 点重复测量 8 次，得到示值误差的标准偏差 s=0.04℃，则平均值的标准不确定度为 uA=0.04/√8≈0.014℃。若只做一次测量，则无法直接得到 A 类分量，此时应通过历史数据或重复性试验补充。
B 类评定需要根据信息来源判断分布。常见处理如下：
- 证书给出扩展不确定度 U 和包含因子 k：uB = U / k；
- 说明书给出最大允许误差 ±a，按均匀分布：uB = a / √3；
- 给出置信区间半宽 a，按正态分布且置信水平 95%：uB = a / 1.96；
- 分辨率 δ，按均匀分布：uB = δ / (2√3)。
实用提示：B 类评定不是“拍脑袋”，而是把证书、规程、说明书中的信息翻译成标准不确定度。分布假设必须写清楚，否则合成结果无法复现。
三、合成标准不确定度
当各分量相互独立时，合成标准不确定度 uC 采用方和根法：
uC = sqrt( u1² + u2² + ... + un² )若某分量与输出量不是 1:1 关系，需要引入灵敏系数 ci，即该输入量对输出量的偏导。此时：
uC = sqrt( Σ(ci · ui)² )在传感器校准中，很多分量已经折算到被校传感器的输出单位，因此可直接方和根合成。例如某压力传感器校准中：
- 标准器引入：u1 = 0.025%FS；
- 重复性引入：u2 = 0.018%FS；
- 分辨率引入：u3 = 0.006%FS；
- 环境温度影响：u4 = 0.010%FS。
则合成标准不确定度为：
uC = sqrt(0.025² + 0.018² + 0.006² + 0.010²)
= sqrt(0.000625 + 0.000324 + 0.000036 + 0.000100)
≈ 0.033%FS可以看到，标准器和重复性通常是主要贡献项。若某一项远大于其他项，应优先改进该环节，而不是平均用力。
四、扩展不确定度与结果表达
合成标准不确定度对应约 68% 的置信水平。工程中常需要更高置信水平，因此乘以包含因子 k 得到扩展不确定度：
U = k · uC通常取 k=2，对应约 95% 置信水平；若要求更高，可取 k=3，对应约 99%。校准证书中应明确给出 k 值，否则 U 的含义不完整。例如上述压力传感器：
U = 2 × 0.033%FS = 0.066%FS ≈ 0.07%FS
校准结果表达：
示值误差 = 0.12%FS
扩展不确定度 U = 0.07%FS，k = 2这意味着在约 95% 置信水平下，该传感器示值误差的真值可能位于 0.05%FS 至 0.19%FS 之间。若合格限为 ±0.5%FS，则判定空间充足；若合格限为 ±0.15%FS，则结果接近边界，需要谨慎判定。
常见误区：把不确定度当作误差修正值，或把 A 类、B 类理解为“好”与“坏”。实际上，A 类与 B 类只是获取方式不同；不确定度也不是越小越好，而是要与测量目的和合格判定规则相匹配。
五、案例复盘：一次压力传感器校准的不确定度评估
某 0～1 MPa 压力传感器在校准点 0.6 MPa 处，标准器证书给出 U=0.05%FS，k=2；重复测量 10 次，示值误差标准偏差 s=0.02%FS；采集系统分辨率 0.001%FS；温度影响按经验为 0.008%FS。评估过程如下：
- 标准器：u1 = 0.05/2 = 0.025%FS；
- 重复性：u2 = 0.02/√10 ≈ 0.006%FS；
- 分辨率：u3 = 0.001/(2√3) ≈ 0.0003%FS；
- 温度影响：u4 = 0.008%FS；
- 合成：uC = √(0.025²+0.006²+0.0003²+0.008²) ≈ 0.027%FS；
- 扩展：U = 2×0.027 ≈ 0.054%FS。
复盘发现，标准器贡献最大，占主导地位。若希望把 U 降到 0.03%FS 以下，仅靠增加重复测量次数效果有限，必须更换更高等级标准器或采用比较法校准。这说明不确定度评估不仅是计算，更是改进测量系统的依据。
掌握不确定度定义、A 类与 B 类评定、合成与扩展不确定度，是后续建立传感器校准不确定度预算表、进行合格判定和编写校准证书的基础。实际工作中，应把每一个分量写清楚来源、分布、灵敏系数和数值，做到可追溯、可复现、可改进。