一种基于机器学习提高测量设备校准精度的方法及装置制造方法及图纸

本发明专利技术一种基于机器学习提高测量设备校准精度的方法及装置，所述方法包括：步骤a：根据测量设备所使用模拟器件的技术规格估计采样读数的均值a(j)和方差v(j)，并将标准源输出的特定电压U(j)作为校准电压；步骤b：待校准设备以一定的时间间隔对标准源输入的电压进行多次采样，并记录所有输入电压采样的读数X(j,i)；步骤c：更新采样读数的均值a(j)、测量设备采样读数方差v(j)的估值；步骤d：针对每个校准电压U(j)，获得相对应的测量设备采样读数的均值a(j)，利用获得的测量设备采样读数的均值a(j)做数据拟合，将拟合结果记录为校准结果。本发明专利技术能够达到降低偶然性因素影响，提升校准精度。

【技术实现步骤摘要】
一种基于机器学习提高测量设备校准精度的方法及装置
本专利技术涉及测量设备校准
，特别涉及一种基于机器学习提高测量设备校准精度的方法及装置。
技术介绍
测量设备在使用前都需要由标准源设备进行校准，校准之后才可以对所测物理量实施准确的测量。比如电压测量，目前的校准方法包括：第1步：标准源输出指定电压信号；第2步：待校准的测量设备对由标准源输入的电压信号进行测量并记录读数；第3步：设置标准源输出下一个电压信号并且重复第2步；第4步：在所有校准电压都测量完毕后，利用线性回归算法做数据拟合，拟合过程采用最小二乘法算法；第5步：针对记录数据的拟合完毕后，记录拟合斜线斜率及偏置作为校准结果；第6步：在测量过程中，测量设备对输入待测信号产生一个读数，再由校准结果计算其真实电压值。现有技术的缺点在于其第2步总是一次性的记录一个读数并以此作为数据拟合校准的依据，具有较大的偶然性，影响校准精度。
技术实现思路
本专利技术提供了一种基于机器学习提高测量设备校准精度的方法及装置，旨在至少在一定程度上解决现有技术中的上述技术问题之一。为了解决上述问题，本专利技术提供了如下技术方案：一种基于机器学习提高测量设备校准精度的方法，包括：步骤a：根据测量设备所使用模拟器件的技术规格估计采样读数的均值a(j)和方差v(j)，并将标准源输出的特定电压U(j)作为校准电压；步骤b：待校准设备以一定的时间间隔对标准源输入的电压进行多次采样，并记录所有输入电压采样的读数X(j,i)；步骤c：利用最大似然函数和贝叶斯学习算法计算并更新采样读数的均值a(j)、测量设备采样读数方差v(j)的估值；步骤d：更新校准电压U(j)，重复步骤b和步骤c，针对每个校准电压U(j)，获得相对应的测量设备采样读数的均值a(j)，利用获得的测量设备采样读数的均值a(j)做数据拟合，将拟合结果记录为校准结果。本专利技术实施例采取的技术方案还包括：在所述步骤a中，利用测量设备所使用的模拟器件的出厂技术规格作为先验概率。本专利技术实施例采取的技术方案还包括：在所述步骤b中，待校准设备对标准源输入的电压进行采样的次数为N，记录所有输入电压采样的读数X(j,i)(i＝1,...,N)。本专利技术实施例采取的技术方案还包括：在所述步骤c中，所述最大似然函数计算公式为：其中，a(j)为测量设备采样读数的均值，v(j)为测量设备采样读数方差，X(j,i)为输入电压采样的读数。本专利技术实施例采取的技术方案还包括：在所述步骤d中，所述获得的测量设备采样读数的均值a(j)为多个。本专利技术实施例采取的另一技术方案为：一种基于机器学习提高测量设备校准精度的装置，包括：采样读数估计模块、特定电压输出模块、电压采样记录模块、计算模块、重复模块和数据拟合模块，所述采样读数估计模块用于根据测量设备所使用模拟器件的技术规格估计采样读数的均值a(j)和方差v(j)；所述特定电压输出模块用于使标准源输出的特定电压U(j)作为校准电压；所述电压采样记录模块用于使待校准设备以一定的时间间隔对标准源输入的电压进行多次采样，并记录所有输入电压采样的读数X(j,i)；所述计算模块用于利用最大似然函数和贝叶斯学习算法计算并更新采样读数的均值a(j)、测量设备采样读数方差v(j)的估值；所述重复模块用于更新校准电压U(j)，针对每个校准电压U(j)，获得相对应的测量设备采样读数的均值a(j)；所述数据拟合模块用于利用获得的测量设备采样读数的均值a(j)做数据拟合，将拟合结果记录为校准结果。本专利技术实施例采取的技术方案还包括：所述采样读数估计模块利用测量设备所使用的模拟器件的出厂技术规格作为先验概率。本专利技术实施例采取的技术方案还包括：所述电压采样记录模块对待校准设备对标准源输入的电压进行采样的次数为N，记录所有输入电压采样的读数X(j,i)(i＝1,...,N)。本专利技术实施例采取的技术方案还包括：所述最大似然函数计算公式为：其中，a(j)为测量设备采样读数的均值，v(j)为测量设备采样读数方差，X(j,i)为输入电压采样的读数。本专利技术实施例采取的技术方案还包括：所述重复模块针对每个校准电压U(j)获得的测量设备采样读数的均值a(j)为多个。相对于现有技术，本专利技术实施例产生的有益效果在于：本专利技术实施例的基于机器学习提高测量设备校准精度的方法及装置针对每个校准电压做多次测量记录，并将校准中搜集的记录读数看成学习样本，利用贝叶斯学习算法对待校准的测量设备在已知电压下的读数的概率分布参数进行估算；本专利技术实施例的基于机器学习提高测量设备校准精度的方法利用测量设备所使用的模拟器件的出厂技术规格作为先验概率，校准中的测量数据作为样本提供器件的实际工作信息，两者结合计算出器件概率分布的后验概率分布参数作为校准的最终结果，从而达到降低偶然性因素影响，提升校准精度。附图说明图1是本专利技术实施例的基于机器学习提高测量设备校准精度的方法的流程图；图2是本专利技术实施例的基于机器学习提高测量设备校准精度的装置的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。请参阅图1，图1是本专利技术实施例的基于机器学习提高测量设备校准精度的方法的流程图。本专利技术实施例的基于机器学习提高测量设备校准精度的方法包括：步骤100：根据测量设备所使用模拟器件的技术规格估计采样读数的均值a(j)和方差v(j)；在步骤100中，利用测量设备所使用的模拟器件的出厂技术规格作为先验概率，均值表示一系列数据或统计总体的平均特征的值，方差是衡量源数据和期望值相差的度量值。步骤200：标准源输出特定电压U(j)；在步骤200中，标准源输出的特定电压U(j)作为校准电压，标准源输出特定电压U(j)至少为一个。步骤300：待校准设备以一定的时间间隔对标准源输入的电压进行多次采样，并记录所有输入电压采样的读数X(j,i)；在步骤300中，待校准设备对标准源输入的电压进行采样的次数为N，记录所有输入电压采样的读数X(j,i)(i＝1,...,N)。步骤400：利用最大似然函数计算并更新采样读数的均值a(j)、测量设备采样读数方差v(j)的估值；在步骤400中，最大似然函数公式为：其中，a(j)为测量设备采样读数的均值，v(j)为测量设备采样读数方差，X(j,i)为输入电压采样的读数。最大似然函数要估计的参数被当作是固定形式的一个未知变量，然后结合真实数据通过最大化似然函数来求解这个固定形式的未知变量。贝叶斯学习算法则是将参数视为是有某种已知先验分布的随机变量，表示该参数不是一个固定的未知数，而是符合一定先验分布，如：随机变量符合正态分布，那么在贝叶斯学习算法中除了类条件概率密度p(x|w)符合一定的先验分布，参数也符合一定的先验分布，通过贝叶斯规则将参数的先验分布转化成后验分布进行求解。在贝叶斯模型使用过程中，贝叶斯学习算法用的是后验概率，而最大似然函数直接使用的是类条件概率密度。步骤500：更新校准电压U(j)，针对每个校准电压U(j)，是否获得相对应的测量设备采样读数的均值a(j)，如果没有获得相对应的测量设备采样读数的均值a(j)，则重复步骤200至步骤400，如果获得本文档来自技高网...

【技术保护点】
1.一种基于机器学习提高测量设备校准精度的方法，其特征在于，包括：步骤a：根据测量设备所使用模拟器件的技术规格估计采样读数的均值a(j)和方差v(j)，并将标准源输出的特定电压U(j)作为校准电压；步骤b：待校准设备以一定的时间间隔对标准源输入的电压进行多次采样，并记录所有输入电压采样的读数X(j,i)；步骤c：利用最大似然函数计算并更新采样读数的均值a(j)、测量设备采样读数方差v(j)的估值；步骤d：更新校准电压U(j)，重复步骤b和步骤c，针对每个校准电压U(j)，获得相对应的测量设备采样读数的均值a(j)，利用获得的测量设备采样读数的均值a(j)做数据拟合，将拟合结果记录为校准结果。

【技术特征摘要】
1.一种基于机器学习提高测量设备校准精度的方法，其特征在于，包括：步骤a：根据测量设备所使用模拟器件的技术规格估计采样读数的均值a(j)和方差v(j)，并将标准源输出的特定电压U(j)作为校准电压；步骤b：待校准设备以一定的时间间隔对标准源输入的电压进行多次采样，并记录所有输入电压采样的读数X(j,i)；步骤c：利用最大似然函数计算并更新采样读数的均值a(j)、测量设备采样读数方差v(j)的估值；步骤d：更新校准电压U(j)，重复步骤b和步骤c，针对每个校准电压U(j)，获得相对应的测量设备采样读数的均值a(j)，利用获得的测量设备采样读数的均值a(j)做数据拟合，将拟合结果记录为校准结果。2.根据权利要求1所述的基于机器学习提高测量设备校准精度的方法，其特征在于，在所述步骤a中，利用测量设备所使用的模拟器件的出厂技术规格作为先验概率。3.根据权利要求1或2所述的基于机器学习提高测量设备校准精度的方法，其特征在于，在所述步骤b中，待校准设备对标准源输入的电压进行采样的次数为N，记录所有输入电压采样的读数X(j,i)(i＝1,...,N)。4.根据权利要求1或2所述的基于机器学习提高测量设备校准精度的方法，其特征在于，在所述步骤c中，所述最大似然函数计算公式为：其中，a(j)为测量设备采样读数的均值，v(j)为测量设备采样读数方差，X(j,i)为输入电压采样的读数。5.根据权利要求1所述的基于机器学习提高测量设备校准精度的方法，其特征在于，在所述步骤d中，所述获得的测量设备采样读数的均值a(j)为多个。6.一种基于机器学习提高测量设备校准精度的装置，其特征在于，包括：采样读数估计模块、特...

【专利技术属性】
技术研发人员：李五文，
申请(专利权)人：深圳探科技术有限公司，
类型：发明
国别省市：广东,44