提高传感器计算精度的方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术提供了一种提高传感器计算精度的方法、装置、设备及可读存储介质，涉及传感器数字信号滤波技术领域，包括获取传感器中多个rawdata值；根据数据滤波算法，对所述rawdata值进行处理，得到处理后的rawdata值；将多个所述处理后的rawdata值整合为数据表；读取所述数据表中所述rawdata值相对应的所述传感器值；根据拟合算法和所述传感器值，求解方程并输出结果。本发明专利技术的有益效果为可以实现高精度压力数据采集，在前端传感器为0.25％到0.3％的100Kpa可扩散硅传感器实现精度0.15％内的计算精度，实际测试中的值精度到达0.1％。还可以应用到其他类传感器中，比如温度、湿度、光强、压强等传感器中的标定方法都适用。压强等传感器中的标定方法都适用。压强等传感器中的标定方法都适用。

【技术实现步骤摘要】
提高传感器计算精度的方法、装置、设备及可读存储介质


[0001]本专利技术涉及传感器数字信号滤波
，具体而言，涉及提高传感器计算精度的方法、装置、设备及可读存储介质。

技术介绍

[0002]现有市面上的技术对传感器出厂标定测试设备分为两种：一种是只收集数据，不直接在这个收集软件中参与数据分析和解算方程，只能人工进行拟合方程或利用计算机上其他工具进行拟合方程，求解参数后再把参数写入传感器的单片机等soc内的ROM或者flash,另一种是计算机收集数据，同时由计算机代码拟合方程，自动求解参数并返回写入到单片机等SOC内的ROM或者flash中。
[0003]目前市面上的这两种技术都存在一个严重的问题：那就是对ROM 或者flash空间占用度较高，特别是在高精度要求的传感器设备中，精度越高需要的空间就成倍增加。因为他们都是采用两张数据表进行存储，一张数据表存储传感器ADC数据(简称：rawdata)，一张存储多段拟合函数的参数表。成品后的应用是通过ADC读取数据后进行读rawdata数据表后去查找对应的拟合参数表。

技术实现思路

[0004]本专利技术的目的在于提供一种提高传感器计算精度的方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：
[0005]第一方面，本申请提供了一种提高传感器计算精度的方法，包括：
[0006]获取传感器中多个rawdata值；
[0007]根据数据滤波算法，对所述rawdata值进行处理，得到处理后的 rawdata值；
[0008]将多个所述处理后的rawdata值整合为数据表；
[0009]读取所述数据表中所述rawdata值相对应的所述传感器值；
[0010]根据拟合算法和所述传感器值，求解方程并输出结果。
[0011]优选地，所述获取传感器中多个rawdata值，之前包括：
[0012]采用多项式神经网络算法，利用matlab软件对所述传感器的数据进行预处理，得到预处理数据；
[0013]利用统计学方法剔除所述预处理数据中偶然误差点；
[0014]采用滑动平均滤波器对剔除后的所述预处理数据中偶然误差点进行处理，得到传感器中多个rawdata值。
[0015]优选地，所述得到处理后的rawdata值，之后包括：
[0016]选取固定间隔值；
[0017]根据所述固定间隔值，判断data值是否等于处理后的所述 rawdata值；若是，则求解矩阵值，并将所述data值输入至方程求解；若不是，则输出异常值。
[0018]优选地，所述利用统计学方法剔除所述预处理数据中偶然误差点，之后包括：
[0019]将剔除之后的剩余数据进行归一化处理后作为多项式神经网络的输入值，进行Matlab仿真；
[0020]通过多次所述Matlab仿真比较所述传感器的干扰量敏感性，确定出多项式神经网络隐含层最优神经元数目，得出神经网络结构；
[0021]根据神经网络结构，保存得出的所述最优神经元数目中的神经网络权值，确定传感器输出值；
[0022]将所述传感器输出值输入至数据融合模型中并存储至传感器系统。
[0023]第二方面，本申请还提供了一种提高传感器计算精度的装置，包括：
[0024]获取模块：用于获取传感器中多个rawdata值；
[0025]处理模块：用于根据数据滤波算法，对所述rawdata值进行处理，得到处理后的rawdata值；
[0026]整合模块：用于将多个所述处理后的rawdata值整合为数据表；
[0027]读取模块：用于读取所述数据表中所述rawdata值相对应的所述传感器值；
[0028]求解模块：用于根据拟合算法和所述传感器值，求解方程并输出结果。
[0029]第三方面，本申请还提供了一种提高传感器计算精度的设备，包括：
[0030]存储器，用于存储计算机程序；
[0031]处理器，用于执行所述计算机程序时实现所述提高传感器计算精度的方法的步骤。
[0032]第四方面，本申请还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于提高传感器计算精度的方法的步骤。
[0033]本专利技术的有益效果为：本案通过传感器标定设备设定固定间隔值 (例如：压力就设定加压设备按照50kpa间隔逐次增加)同时用计算机收集传感器间隔值对应的传感器ADC数据(简称：rawdata)，这时我们虽然获得rawdata数据但是我们并不在计算机上进行拟合方程和求解参数，而是将rawdata数据直接传入单片机等soc内的ROM或 flash中，按照固定间隔值利用单片机等soc内计算能力去拟合方程求解参数。成品后的应用是通过ADC读取数据后(这个值简称data) 进行查找rawdata数据表，找到data在rawdata表离它最近的rawdata 下值和上值，利用rawdata下值和上值直接拟合方程求解参数再去计算data对应的实际值；如果data等于rawdata，可以查到data在rawdata 表中的位置，通过位置直接乘以固定间隔值可以快速求出data对应的实际值；并且可以实现高精度压力数据采集，在前端传感器为0.25％到0.3％的100Kpa可扩散硅传感器实现精度0.15％内的计算精度，实际测试中的值精度到达0.1％。还可以应用到其他类传感器中，比如温度、湿度、光强、压强等传感器中的标定方法都适用。
[0034]本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0035]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附
图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0036]图1为本专利技术实施例中所述的提高传感器计算精度的方法流程示意图；
[0037]图2为本专利技术实施例中所述的提高传感器计算精度的装置结构示意图；
[0038]图3为本专利技术实施例中所述的提高传感器计算精度的设备结构示意图。
[0039]图中:701、获取模块；7011、预处理单元；7012、剔除单元；7013、处理单元；7014、仿真单元；7015、确定单元；7016、保存单元；7017、存储单元；702、处理模块；7021、选取单元；7022、判断单元；703、整合模块；704、读取模块；705、求解模块；800、提高传感器计算精度的设备；801、处理器；802、存储器；803、多媒体组件；804、 I/O接口；805、通信组件。
具体实施方式...

【技术保护点】

【技术特征摘要】
1.一种提高传感器计算精度的方法，其特征在于，包括：获取传感器中多个rawdata值；根据数据滤波算法，对所述rawdata值进行处理，得到处理后的rawdata值，将多个所述处理后的rawdata值整合为数据表；读取所述数据表中所述rawdata值相对应的所述传感器值；根据拟合算法和所述传感器值，求解方程并输出结果。2.根据权利要求1所述的提高传感器计算精度的方法，其特征在于,所述获取传感器中多个rawdata值，之前包括：采用多项式神经网络算法，利用matlab软件对所述传感器的数据进行预处理，得到预处理数据；利用统计学方法剔除所述预处理数据中偶然误差点；采用滑动平均滤波器对剔除后的所述预处理数据中偶然误差点进行处理，得到传感器中多个rawdata值。3.根据权利要求1所述的提高传感器计算精度的方法，其特征在于,所述得到处理后的rawdata值，之后包括：选取固定间隔值；根据所述固定间隔值，判断data值是否等于处理后的所述rawdata值；若是，则求解矩阵值，并将所述data值输入至方程求解；若不是，则输出异常值。4.根据权利要求2所述的提高传感器计算精度的方法，其特征在于,所述利用统计学方法剔除所述预处理数据中偶然误差点，之后包括：将剔除之后的剩余数据进行归一化处理后作为多项式神经网络的输入值，进行Matlab仿真；通过多次所述Matlab仿真比较所述传感器的干扰量敏感性，确定出多项式神经网络隐含层最优神经元数目，得出神经网络结构；根据神经网络结构，保存得出的所述最优神经元数目中的神经网络权值，确定传感器输出值；将所述传感器输出值输入至数据融合模型中并存储至传感器系统。5.一种提高传感器计算精度的装置，其特征在于，包括：获取模块：用于获取传感器中多个rawdata值；处理模块：用于根据数据滤波算法，对所述rawdata值进行处理，得到处理后的rawdata值；整合模块：用于将多个所述处理后的rawdata...

【专利技术属性】
技术研发人员：孙小东，刘双印，刘晓东，庄海东，华楷，
申请(专利权)人：厦门蓝海天信息技术有限公司，
类型：发明
国别省市：