一种诊断故障传感器的方法与装置制造方法及图纸

本公开提供了一种诊断故障传感器的方法、装置和系统，其中方法包括：获取传感器采集的数据，提取第一特征向量，输入第一故障诊断模型，得到关于传感器的第一故障诊断结果；对第一故障诊断结果中待定的传感器，提取第二特征向量，并输入第二故障诊断模型，得到关于待定传感器的第二故障诊断结果；其中，第一故障诊断模型和第二故障诊断模型是由传感器采集的数据为样本数据，以及预先确定的诊断结果为样本标签，经过训练后得到的。经过训练后得到的。经过训练后得到的。

【技术实现步骤摘要】
一种诊断故障传感器的方法与装置


[0001]本公开涉及传感器自动检测领域，特别涉及一种诊断故障传感器的方法、装置、系统、电子设备及计算机可读存储介质。

技术介绍

[0002]众所周知，通过在公路上设立检查站，利用地磅称车辆的载重，可以治理车辆超载。但是，被检测车辆相对集中，检测效率较低，容易造成交通堵塞，且车辆容易绕行逃避检查。另一种车载称重技术，能实时显示所装货物的重量，有效防止超载，其主要利用传感器测量重量，传感器必须保证在恶劣环境下也能长期稳定的正常工作。
[0003]因此，急需一种对传感器进行故障检测的方法，及时检测到已损坏的传感器，才能保证车载称重系统的正常运行。

技术实现思路

[0004]有鉴于此，本公开实施例的目的在于提供一种诊断故障传感器的方法，可以及时的、自动的发现存在故障的传感器，通知维修，及时停用出现故障的传感器，提高称重系统的抗干扰能力，提高了称重的精确性。
[0005]根据本公开的第一方面，提供了一种诊断故障传感器的方法，包括：
[0006]获取传感器采集的数据，提取第一特征向量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种诊断故障传感器的方法，包括：获取传感器采集的数据，提取第一特征向量，输入第一故障诊断模型，得到关于传感器的第一故障诊断结果；对于第一故障诊断结果中待定的传感器，提取第二特征向量，并输入第二故障诊断模型，得到关于待定传感器的第二故障诊断结果；其中，第一故障诊断模型和第二故障诊断模型是由传感器采集的数据为样本数据，以及预先确定的诊断结果为样本标签，经过训练后得到的。2.如权利要求1所述的方法，其中，所述第一特征向量包括：原始数据特征向量、滤波数据特征向量、差分数据特征向量、跑车漂移特征向量、静止抖动特征向量。3.如权利要求1所述的方法，其中，所述第二特征向量包括：原始数据特征向量、滤波数据特征向量、上货特征向量、卸货特征向量。4.如权利要求1
‑
3任一项所述的方法，其中，第一故障诊断模型是多分类梯度提升决策树模型；第二故障诊断模型是二分类梯度提升决策树模型，包括多个强学习器。5.如权利要求4所述的方法，其中，当所述多个强学习器的诊断结果不一致时，最终诊断结果以多数结果确定；对于在同一设备上安装有多个传感器的情况，若有诊断结果为异常，则将该异常传感器屏蔽并发出维修指令。6.如权利要求4所述的方法，其中，所述多分类梯度提升决策树模型的基底包括CART回归树，建立所述CART回归树的过程为：针对训练集中的不同特征，选择切分点；计算不同切分点对应的均值；合理选择属性值的切分点，使得目标函数值最小，以该属性值切分点划分；从而选取最优特征和最优切分点。7.一种建立两层故障诊断模型的方法，所述方法包括：采集传感器数据，选取采样周期...

【专利技术属性】
技术研发人员：苗少光，刘阳，苏永青，
申请(专利权)人：深圳市汉德网络科技有限公司，
类型：发明
国别省市：