一种传感器的自动校准方法和系统技术方案

本发明专利技术提供一种传感器的自动校准系统和方法，所述传感器用于采集传感器数据并上传至网关；所述网关将传感器所上传的传感器数据传递给云平台；所述标准计量模块用于获取各个传感器对应的传感器数据的真实值数据，并传递给云平台；所述云平台用于将获得的传感器数据、真实值数据传递给大数据平台；所述大数据平台用于将获得的传感器数据、真实值数据以及自动统计的且影响传感器准确度的其他条件数据存储并传递给校准模块；所述校准模块用于对获得的数据进行分析，获得目标校准的传感器相应的校准模型或依靠机器学习获得校准模型；所述校准模型用于在传感器校准时校准数据并输出校准后的结果。

【技术实现步骤摘要】
一种传感器的自动校准方法和系统
本专利技术涉及自动校准领域，特别是对传感器的自动校准方法和系统。
技术介绍
随着物联网领域的快速发展，传感器的应用也越发的广泛，深入到各行各业，大量的传感器应用在各种不同的环境中，而不同的环境会对传感器的电子器件产生一定程度的影响，温度、湿度、电磁场、器件的使用时长等等都会对传感器产生影响，造成传感器数据的不准确，甚至越来越偏离实际值。因此传感器的校准也越发的重要。但是，即使是同样的传感器器件本身也是缺乏一致性的，对一致性差的传感器，需要对每一批次甚至是每一个传感器成品进行校验，而目前，大多数的传感器校准方法都需要现场人工通过一定的装置系统来进行校验，操作麻烦且耗费人力。而校准后的传感器在实际使用中由于环境的变化，各个外界条件的改变导致传感器又需要重新校准，十分不方便。下面通过几个具体的方案介绍现有技术中常见的传感器校准方法和装置。一种是进行简单的值校准。例如申请号为201310722409.X的专利“传感器校准装置和方法”，该装置包括：I2C接口，其经由I2C信号线连接至传感器；以及校准模块，其经由该I2C接口与传感器通信，该校准模块包括：校准内核，其能向传感器提供校准值以校准传感器的输出；起始值寄存器，其存储初始化校准值，校准内核经由I2C接口将该初始化校准值作为校准值写入传感器；目标值寄存器，其存储传感器的期望输出值；以及容差寄存器，其存储容差值，其中校准内核读取传感器基于校准值进行校准之后的输出值，并判断其与期望输出值之差是否在容差值之内，如果在容差值之内则成功完成对传感器的校准，否则修改校准值并将新的校准值写入传感器，直至传感器的输出值与期望输出值之差在容差值之内。这类方法属于简单的值调整校准方法，局限性在于：1、需要不停的调整校准值，对简单的线性传感器效果较好，但对于非线性传感器，不满足线性规律的传感器，没办法做校准2、适应性差，换个环境需要重新校准。另一种是利用生成系数表校准。例如申请号201710258680.0的专利“传感器校准方法”：对M个传感器进行编号；计算每个传感器的校准系数，并生成包括每个传感器的编号及每个传感器的校准系数的传感器偏差校准系数表；计算联用模块与每个传感器联用时联用模块的校准系数，并生成包括每个传感器的编号及联用模块与每个传感器联用时联用模块的校准系数的联用模块偏差校准系数表；根据传感器偏差校准系数表及联用模块偏差校准系数表生成M个传感器与联用模块的综合偏差校准系数表；以及安装传感器、联用模块及综合偏差校准系数表的客户端根据传感器的编号从综合偏差校准系数表中调用相应的综合校准系数对传感器进行校准。这类方法需要为每个传感器生成一个校准系数，局限性在于：1、对于复杂的非线性传感器，校准公式随环境复杂多变，仅仅通过系数的调整很难对传感器进行准确地校准。2、没有自动化系统的概念，一一为每个传感器编号校准效率低下。综上所述，现有技术中对传感器的校准方法和设备的缺点包括如下几个方面：一、方法片面性：仅支持满足某种特定公式规律的传感器校准，对随着外界条件变化，校准公式复杂多变的传感器无法校准。二、传感器没有自适应性，使用一段时间或者外界条件改变后，需要重新校准。三、缺乏自动化，对人工依赖大，且校准之后无法适应多变的环境，一旦环境变化，需要重新校准。四、没有系统化，采样数据、校准数据、校准历史等具有价值的数据没有记录，没法追溯，且没有进行大量有意义的分析。
技术实现思路
本专利技术目的在于提供一种传感器的自动校准方法和系统，用于解决传统的传感器校准片面性高、适应性差、自动化程度低且无法进行数据记录的技术问题。为达成上述目的，本专利技术提出如下技术方案：一种传感器的自动校准系统，包括传感器终端、网关、云平台、标准计量模块、校准模块、大数据平台；所述传感器终端包括多个传感器，所述传感器为目标校准对象，且所述传感器用于采集传感器数据并上传至网关；所述网关用于将传感器和云平台进行网络连接，并将传感器所上传的传感器数据传递给云平台；所述标准计量模块、校准模块、大数据平台均连接于云平台上；所述标准计量模块用于获取各个传感器对应的传感器数据的真实值数据，并传递给云平台；所述云平台用于将获得的传感器数据、真实值数据传递给大数据平台；所述大数据平台用于将获得的传感器数据、真实值数据以及自动统计的且影响传感器准确度的其他条件数据存储并传递给校准模块；所述校准模块用于对获得的传感器数据、真实值数据以及自动统计的且影响传感器准确度的其他条件数据进行分析，获得目标校准的传感器相应的校准模型；所述校准模型用于在传感器校准时校准数据并输出校准后的结果。进一步的，在本专利技术中，所述传感器终端中的一部分传感器组成基础环境传感器，所述基础环境传感器为预选出的对其他传感器的准确度造成影响的物理参数所对应的传感器。进一步的，在本专利技术中，所述校准模块包括获取数据模块、数据过滤模块以及数据建模模块；所述获取数据模块用于从大数据平台上获取数据；所述数据过滤模块用于将获取数据模块中的数据进行过滤筛选，以去除异常数据以及重复数据；所述数据建模模块用于对目标校准的传感器生成相关性条件列表、校准排序列表以及校准模型；所述相关性条件列表为由通过变量相关性计算方法从基础环境传感器、其他条件数据中筛选出的对目标校准的传感器的准确度造成影响的物理参数所对应的传感器或其他条件数据组成；所述校准排序列表为参照各个目标校准的传感器对应的相关性列表排序出的每个传感器对整个系统中的传感器的准确度的影响程度，并以对整个系统中的传感器的准确度影响大小的顺序进行排序；所述校准模型用于按照校准排序列表的顺序并参照真实值数据对目标校准的传感器进行校准。进一步的，在本专利技术中，所述系统还包括机器学习模块，所述机器学习模块连接于大数据平台和校准模块上；所述机器学习模块用于校准模块自身生成的校准模型准确度较低时启用并生成新的校准模型以替代校准模块自身生成的校准模型；所述机器学习模块用于从校准模块处获得目标校准的传感器的相关性条件列表，并从大数据平台中获得上述相关性列表中的传感器数据，将这些传感器数据进行特征化处理；同时所述机器学习模块用于从大数据平台上获得目标校准的传感器的传感器数据、真实值数据以及相关性条件列表中的其他条件数据；所述机器学习模块基于上述获得的数据进行机器学习，获得目标校准的传感器的校准模型。进一步的，在本专利技术中，所述机器学习模块按照如下方法进行学习：步骤1、参照相关性条件列表，为目标校准的传感器模拟不同的环境条件；步骤2、记录一段时间内各个环境条件下该目标校准的传感器的传感器数据，并求取其特征值，同时获得对应环境条件下的真实值；步骤3、参照真实值和特征值进行机器学习，获得校准模型。进一步的，在本专利技术中，所述校准模块自身生成的校准模型的准确度指标包括校准结果与真实值之间的和方差、误差平方和、均方差、均方根、标准差、确定系数中的一种或几种。进一步的，在本专利技术中，所述校准模型存储于传感器终端和/或云平台上。本专利技术同时还公开了一种传感器的自动校准方法，该自动方法与上述系统基本思想一致，介绍如下。传感器采集传感器数据并上传至网关；网关将传感器和云平台进行网络连接，并将传感器所上传的传感器数据传递给云平台；标准计量模块获取各个传感器本文档来自技高网...

【技术保护点】
1.一种传感器的自动校准系统，其特征在于：包括传感器终端、网关、云平台、标准计量模块、校准模块、大数据平台；所述传感器终端包括多个传感器，所述传感器为目标校准对象，且所述传感器用于采集传感器数据并上传至网关；所述网关用于将传感器和云平台进行网络连接，并将传感器所上传的传感器数据传递给云平台；所述标准计量模块、校准模块、大数据平台均连接于云平台上；所述标准计量模块用于获取各个传感器对应的传感器数据的真实值数据，并传递给云平台；所述云平台用于将获得的传感器数据、真实值数据传递给大数据平台；所述大数据平台用于将获得的传感器数据、真实值数据以及自动统计的且影响传感器准确度的其他条件数据存储并传递给校准模块；所述校准模块用于对获得的传感器数据、真实值数据以及自动统计的且影响传感器准确度的其他条件数据进行分析，获得目标校准的传感器相应的校准模型；所述校准模型用于在传感器校准时校准数据并输出校准后的结果。

【技术特征摘要】
1.一种传感器的自动校准系统，其特征在于：包括传感器终端、网关、云平台、标准计量模块、校准模块、大数据平台；所述传感器终端包括多个传感器，所述传感器为目标校准对象，且所述传感器用于采集传感器数据并上传至网关；所述网关用于将传感器和云平台进行网络连接，并将传感器所上传的传感器数据传递给云平台；所述标准计量模块、校准模块、大数据平台均连接于云平台上；所述标准计量模块用于获取各个传感器对应的传感器数据的真实值数据，并传递给云平台；所述云平台用于将获得的传感器数据、真实值数据传递给大数据平台；所述大数据平台用于将获得的传感器数据、真实值数据以及自动统计的且影响传感器准确度的其他条件数据存储并传递给校准模块；所述校准模块用于对获得的传感器数据、真实值数据以及自动统计的且影响传感器准确度的其他条件数据进行分析，获得目标校准的传感器相应的校准模型；所述校准模型用于在传感器校准时校准数据并输出校准后的结果。2.根据权利要求1所述的传感器的自动校准系统，其特征在于：所述传感器终端中的一部分传感器组成基础环境传感器，所述基础环境传感器为预选出的对其他传感器的准确度造成影响的物理参数所对应的传感器。3.根据权利要求2所述的传感器的自动校准系统，其特征在于：所述校准模块包括获取数据模块、数据过滤模块以及数据建模模块；所述获取数据模块用于从大数据平台上获取数据；所述数据过滤模块用于将获取数据模块中的数据进行过滤筛选，以去除异常数据以及重复数据；所述数据建模模块用于对目标校准的传感器生成相关性条件列表、校准排序列表以及校准模型；所述相关性条件列表为由通过变量相关性计算方法从基础环境传感器、其他条件数据中筛选出的对目标校准的传感器的准确度造成影响的物理参数所对应的传感器或其他条件数据组成；所述校准排序列表为参照各个目标校准的传感器对应的相关性列表排序出的每个传感器对整个系统中的传感器的准确度的影响程度，并以对整个系统中的传感器的准确度影响大小的顺序进行排序；所述校准模型用于按照校准排序列表的顺序并参照真实值数据对目标校准的传感器进行校准。4.根据权利要求3所述的传感器的自动校准系统，其特征在于：所述系统还包括机器学习模块，所述机器学习模块连接于大数据平台和校准模块上；所述机器学习模块用于校准模块自身生成的校准模型准确度较低时启用并生成新的校准模型以替代校准模块自身生成的校准模型；所述机器学习模块用于从校准模块处获得目标校准的传感器的相关性条件列表，并从大数据平台中获得上述相关性列表中的传感器数据，将这些传感器数据进行特征化处理；同时所述机器学习模块用于从大数据平台上获得目标校准的传感器的传感器数据、真实值数据以及相关性条件列表中的其他条件数据；所述机器学习模块基于上述获得的数据进行机器学习，获得目标校准的传感器的校准模型。5.根据权利要求4所述的传感器的自动校准系统，其特征在于：所述机器学习模块按照如下方法进行学习：步骤1、参照相关性...

【专利技术属性】
技术研发人员：张巧丽，孙宝石，
申请(专利权)人：苏州数言信息技术有限公司，
类型：发明
国别省市：江苏,32