CN106053724A - 基于云计算的气体传感器精度补偿方法及装置 - Google Patents

基于云计算的气体传感器精度补偿方法及装置 Download PDF

Info

Publication number
CN106053724A
CN106053724A CN201610354890.5A CN201610354890A CN106053724A CN 106053724 A CN106053724 A CN 106053724A CN 201610354890 A CN201610354890 A CN 201610354890A CN 106053724 A CN106053724 A CN 106053724A
Authority
CN
China
Prior art keywords
gas sensor
output valve
coefficient
humidity
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610354890.5A
Other languages
English (en)
Other versions
CN106053724B (zh
Inventor
刘玉林
袁宇彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Oribo Technology Co Ltd
Original Assignee
Shenzhen Ouruibo Electronic Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Ouruibo Electronic Co Ltd filed Critical Shenzhen Ouruibo Electronic Co Ltd
Priority to CN201610354890.5A priority Critical patent/CN106053724B/zh
Publication of CN106053724A publication Critical patent/CN106053724A/zh
Application granted granted Critical
Publication of CN106053724B publication Critical patent/CN106053724B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0006—Calibrating gas analysers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

本发明提供一种基于云计算的气体传感器精度补偿方法，包括以下步骤：在云端存储所述气体传感器的输出值以及对应的环境参数及测量时间，所述环境参数包括温度和/或湿度；根据存储的所述输出值的累计值修正预设的所述气体传感器的长时间衰减系数Ka得到所述气体传感器的累计测量漂移系数Komn‑gas；以及根据所述累计测量漂移系数Komn‑gas对所述气体传感器的当前输出值进行补偿运算得到补偿后的输出值。本发明还提供了相应的精度补偿装置。本发明提供的气体传感器的精度补偿方法及装置能有效地提高传感器的测量精度，降低由于传感器老化造成的测量精度下降。

Description

基于云计算的气体传感器精度补偿方法及装置
技术领域
本发明涉及气体传感器，尤其涉及一种基于云计算的气体传感器精度补偿方法及装置。
背景技术
当前气体传感器主要有两大类：半导体型和电化学型。
半导体型传感器存在精度差，一致性差，只能应用于粗略的定性测量和报警。电化学型传感器初始精度和一致性都非常好，但由于电化学传感器的工作原理及环境的影响，随着使用的时间，会出现测量准确性及精度变差的问题，所以当前一氧化碳传感器的标称使用寿命为2～5年，即使在额定的寿命周期内，其测量的精度也会发生较大的偏差。导致误报警或者对危险情形下不报警等事故。
当前市面上基于气体传感器(例如一氧化碳传感器)制成的报警器，其报警原理一般分为三种：方法一：直接放大一氧化碳传感器的信号，然后与预设的阈值做比较；方法二：对一氧化碳传感器的信号放大并进行积分处理，然后与预设的阈值做比较；方法三：放大一氧化碳传感器的信号，并根据当时的温度，采用预设的系数进行补偿，然后与预设的阈值做比较。
然而，方法一电路最简单，但存在误差非常大。尤其是空气中一氧化碳的浓度可能出现瞬时的峰值，就会特别容易出现误报警。方法二电路较为简单，能解决一氧化碳瞬时浓度过高，但实际平均浓度很低时的误报警情况，但无法消除环境温度、湿度对传感器的影响。方法三较为复杂，能较为简单消除一定的环境温度、湿度对传感器影响，使测量结果更加准备，但也存在几个严重的问题：长时间工作下的传感器，会产生灵敏度下降，且不同灵敏对应的温湿度偏差是不一致，会导致测量出现较大的偏差。
发明内容
本发明的目的在于，解决目前气体传感器测量精度不高的问题。
本发明的目的是采用以下技术方案来实现的。
一种基于云计算的气体传感器精度补偿方法，包括以下步骤：在云端存储气体传感器的输出值以及对应的环境参数及测量时间，所述环境参数包括温度和/或湿度；根据存储的所述输出值的累计值修正预设的所述气体传感器的长时间衰减系数Ka得到所述气体传感器的累计测量漂移系数Komn-gas；以及根据所述累计测量漂移系数Komn-gas对所述气体传感器的当前输出值进行补偿运算得到补偿后的输出值。
一种基于云计算的气体传感器精度补偿装置，包括：存储模块，用于在云端存储气体传感器的输出值以及对应的环境参数及测量时间，所述环境参数包括温度和/或湿度；第一修正模块，用于根据存储的所述输出值的累计值修正预设的所述气体传感器的长时间衰减系数Ka得到所述气体传感器的累计测量漂移系数Komn-gas；以及第一补偿模块，用于根据所述累计测量漂移系数Komn-gas对所述气体传感器的当前输出值进行补偿运算得到补偿后的输出值。
相较于现有技术，本发明提供的基于云计算的气体传感器的精度补偿方法及装置能有效地提高有害气体(例如一氧化碳、甲醛)传感器的测量精度，降低由于传感器老化造成的测量精度下降的技术问题。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1是实施例1提供的一种基于云计算的气体传感器精度补偿方法的流程示意图。
图2为实施例2提供的精度补偿方法的流程示意图。
图3是气体传感器环境加权衰减系数Kb的修正流程图。
图4是实施例3提供的基于云计算的气体传感器的精度补偿装置的结构示意图。
图5是第二修正模块的结构示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例1
请参阅图1，图1是本发明实施例1提供的一种基于云计算的气体传感器精度补偿方法的流程示意图，包括以下步骤：
步骤S1，在云端存储气体传感器的输出值以及对应的环境参数及测量时间，所述环境参数包括温度和/或湿度。
具体地，气体传感器设有无线通信模块，用于通过网关、路由器、调制解调器等设备和云端服务器联网，以将所有输出值发送到云端。同时，也将每个输出值相关的环境参数、总的测量时间都发送到云端。
环境参数主要包括温度和/或湿度，这二者对气体传感器的测量结果较有影响。
气体传感器的目标气体可以是一氧化碳或甲醛等有害气体。
步骤S2，根据存储的所述输出值的累计值修正预设的所述气体传感器的长时间衰减系数Ka得到所述气体传感器的累计测量漂移系数Komn-gas。
设Ix表示气体传感器的输出值(或者说测量值，例如可以是测量的气体传感器的输出电流值)，根据步骤S1累计存储的Ix修正气体传感器的长时间衰减系数Ka，该系数可以由气体传感器的生产厂家测定，写入本地芯片中。修正运算可参考以下公式：
K o m n - g a s = K a * ∫ 0 t I x * d t
其中，t表示时间。
步骤S3，根据所述累计测量漂移系数Komn-gas对所述气体传感器的当前输出值进行补偿运算得到补偿后的输出值。
补偿运算可参考以下公式：
Yppm＝Komn-gas*[Kmean*(Ix-Istan-ini)+Koffs]
其中，Yppm表示气体传感器的补偿运算后的输出值。Kmean表示预设的气体传感器的测量值与待测物理量含量的转换系数。Istan-ini表示所述气体传感器在标准环境下的测量值，可由厂家测定。Koffs表示所述气体传感器的测量值与待测物理量含量转化偏移系数，可由厂家测定。
进一步地，补偿运算还可参考以下公式，以进一步提高测量精度：
Yppm＝Komn-gas*[Kmean*(Ix-Istan-ini)+Koffs]+Kzero
其中，Kzero表示所述气体传感器的零点漂移系数，可由厂家测定。
本实施例提供的基于云计算的气体传感器精度补偿方法通过收集气体传感器的输出值以及对应的环境参数及测量时间等数据，既可以对输出值进行实时补偿，又可以进行长时间累计误差补偿，大大提高了传感器的测量精度。
实施例2
请参阅图2，图2为实施例2提供的精度补偿方法的示意图。与实施例1相比，实施例2提供的方法进一步包括：
步骤S4，根据存储的所述环境参数的累计值修正预设的所述气体传感器的环境加权衰减系数Kb得到所述气体传感器的累计环境漂移系数Komn-envi。
Kb为气体传感器环境加权衰减系数，可由厂家测定。
当气体传感器自带温度和/或湿度传感模块能够自行传输环境参数时，可根据之前的步骤S1累计存储的环境参数来修正气体传感器环境加权衰减系数Kb。
参阅图3，图3是气体传感器环境加权衰减系数Kb的修正方法流程图，步骤S4包括以下步骤：
步骤S41，根据多个气体传感器的输出值以及对应的环境参数建立模型并获得关于温度-时间曲线Xtem及湿度-时间曲线Xhum的加权函数。
由传感器生产厂家针对大量的气体传感器进行大量测试而获得气体传感器的关于温度-时间曲线Xtem及湿度-时间曲线Xhum的加权函数f(Xhum,Xtem)，此加权函数显示气体传感器的温度-时间曲线Xtem及湿度-时间曲线Xhum在测量方面的影响权重，例如，f(Xhum,Xtem)＝0.6Xhum+0.4Xtem。
步骤S42，获取所述气体传感器的温度-时间曲线Xtem及湿度-时间曲线Xhum。
也就是，针对所述气体传感器获取其具体的温度-时间曲线Xtem及湿度-时间曲线Xhum。
步骤S43，根据所述温度-时间曲线Xtem、湿度-时间曲线Xhum计算所述累计环境漂移系数Komn-envi。
计算公式可参考下式：
K o m n - e n v i = K b * ∫ 0 t f ( X h u m , X t e m ) * d t .
除了根据上述步骤S41至S43来计算累计环境漂移系数Komn-envi之外，还可以根据实际情况构造其他与环境参数有关的函数或者模型来修正Kb。
步骤S5，根据所述累计环境漂移系数Komn-envi对所述气体传感器的当前输出值进行补偿运算得到补偿后的输出值。
补偿运算可参考以下公式：
Yppm＝Komn-envi*[Kmean*(Ix-Istan-ini)+Koffs]
其中，Yppm表示气体传感器进行补偿运算后的输出值。Kmean表示预设的气体传感器的测量值与待测物理量含量的转换系数。Istan-ini表示所述气体传感器在标准环境下的测量值，可由厂家测定。Koffs表示所述气体传感器的测量值与待测物理量含量转化偏移系数，可由厂家测定。
进一步地，补偿运算还可参考以下公式，以进一步提高测量精度：
Yppm＝Komn-envi*[Kmean*(Ix-Istan-ini)+Koffs]+Kzero
进一步地，步骤S5还可以结合步骤S3以提高测量精度，补偿运算参考以下公式：
Yppm＝Komn-envi*Komn-gas*[Kmean*(Ix-Istan-ini)+Koffs]+Kzero
步骤S42还可以进一步包括以下步骤：当存储的所述气体传感器的输出值没有收集到对应的环境参数(包括气体传感器不具有温度湿度传感器，或者偶发性未联网，或者自带的温度湿度传感器失效等情况)时，可以通过查询所述气体传感器所在的地理位置，结合云端服务器所收集的基于地理位置-时刻-温度/湿度关系作为参考来推断环境参数，然后，将所述地理位置的通用温度-时间曲线及湿度-时间曲线作为所述温度-时间曲线Xtem及湿度-时间曲线Xhum，然后继续步骤S43至S5。
实施例2提供的方法还可以进一步包括步骤S6：根据预设的环境漂移系数Kenvi对所述气体传感器的输出值进行补偿运算，以得到补偿后的输出值Yppm。
补偿运算可参考以下公式：
Yppm＝Komn-gas*{Kenvi*[Kmean*(Ix-Istan-ini)+Koffs]+Kzero}，或者
Yppm＝Komn-envi*{Kenvi*[Kmean*(Ix-Istan-ini)+Koffs]+Kzero}，或者
Yppm＝Komn-envi*Komn-gas*{Kenvi*[Kmean*(Ix-Istan-ini)+Koffs]+Kzero}，
环境漂移系数Kenvi可由厂家测定。
上面三个公式表示本实施例在具体应用时，可根据具体情况灵活选用某一项或者某几项系数来修正气体传感器的输出值。
除了以上基于云计算的补偿方式，还可以结合以下本地补偿方法，例如，所述气体传感器本身自带温度湿度传感器，则根据所述温度湿度传感器的输出值对所述气体传感器的输出值进行线性或非线性补偿；所述气体传感器预设有老化曲线或老化补偿算法，则根据所述老化曲线或老化补偿算法进行补偿。
本实施例提供的基于云计算的气体传感器精度补偿方法通过收集气体传感器的输出值以及对应的环境参数及测量时间、地理位置等数据，既可以对输出值进行实时补偿，又可以进行长时间累计误差补偿，大大提高了传感器的测量精度。
经测定，应用本实施例提供的方法后，在正常工作环境范围内(0℃～45℃，20％～90％RH)由于温、湿度影响导致的测量误差平均可减少80％以上。对比现有的采用本地线性的温湿度补偿方法，能将温、湿度补偿的测量精度补偿效果提高30％以上；在正常工作环境范围内(0℃～45℃，20％～90％RH)，能极大改善长时间工作传感器老化产生的测量误差。对比不采用该方法的传感器，3年后，由于传感器本身老化而导致的测量误差可减少70％以上。
实施例3
参阅图4，图4是本发明实施例3提供的基于云计算的气体传感器的精度补偿装置100的结构示意图，其包括：存储模块20、第一修正模块31和第一补偿模块41。
存储模块20用于在云端存储气体传感器的输出值以及对应的环境参数及测量时间，所述环境参数包括温度和/或湿度。
第一修正模块31用于根据存储的输出值的累计值修正预设的气体传感器的长时间衰减系数Ka得到气体传感器的累计测量漂移系数Komn-gas。
第一补偿模块41用于根据累计测量漂移系数Komn-gas对气体传感器的当前输出值进行补偿运算得到补偿后的输出值。
第一补偿运算可参考以下公式：
Yppm＝Komn-gas*[Kmean*(Ix-Istan-ini)+Koffs]+Kzero
其中，Yppm表示气体传感器的补偿运算后的输出值。Kmean表示预设的气体传感器的测量值与待测物理量含量的转换系数。Ix表示所述气体传感器的测量值。Istan-ini表示所述气体传感器在标准环境下的测量值，可由厂家测定。Koffs表示所述气体传感器的测量值与待测物理量含量转化偏移系数，可由厂家测定。Kzero表示所述气体传感器的零点漂移系数，可由厂家测定。
进一步地，还可以包括第二修正模块32和第二补偿模块42。
第二修正模块32用于根据存储的环境参数的累计值修正预设的气体传感器的环境加权衰减系数Kb得到气体传感器的累计环境漂移系数Komn-envi。
第二补偿模块42用于根据累计环境漂移系数Komn-envi对气体传感器的当前输出值进行补偿运算得到补偿后的输出值。
第二补偿运算可参考以下公式：
Yppm＝Komn-envi*[Kmean*(Ix-Istan-ini)+Koffs]+Kzero
请参阅图5，在本实施例中，第二修正模块32进一步包括：建模单元321，存储单元322和计算单元333。
建模单元321用于根据多个气体传感器的输出值以及对应的环境参数建立模型并获得关于温度-时间曲线Xtem及湿度-时间曲线Xhum的加权函数。
存储单元322用于获取气体传感器的温度-时间曲线Xtem及湿度-时间曲线Xhum。
存储单元322还包括查询子单元3221，用于当存储的气体传感器的输出值未有对应的环境参数时查询气体传感器所在的地理位置，这样，存储单元322便将所述地理位置的通用温度-时间曲线及湿度-时间曲线作为温度-时间曲线Xtem及湿度-时间曲线Xhum。
计算单元333用于根据温度-时间曲线Xtem、湿度-时间曲线Xhum按以下公式计算所述累计环境漂移系数Komn-envi：
K o m n - e n v i = K b * ∫ 0 t f ( X h u m , X t e m ) * d t .
进一步地，还可以包括第三补偿模块43，用于根据预设的环境漂移系数Kenvi对气体传感器的输出值进行补偿运算。
综上，如果考虑所有因素，则补偿后的输出值Yppm计算公式可参考下式：Yppm＝Komn-envi*Komn-gas*{Kenvi*[Kmean*(Ix-Istan-ini)+Koffs]+Kzero}。可以理解，实际应用中也可以单独考虑某一个或某几个系数对输出值进行补偿。
除了以上基于云计算的补偿方式，还可以结合以下本地补偿方法进行补偿，例如，所述气体传感器本身自带温度湿度传感器，则第一、第二或第三补偿模块(41/42/43)还可根据所述温度湿度传感器的输出值对所述气体传感器的输出值进行线性或非线性补偿；所述气体传感器预设有老化曲线或老化补偿算法，则第一、第二或第三补偿模块(41/42/43)还可根据所述老化曲线或老化补偿算法进行补偿。
本实施例提供的基于云计算的气体传感器精度补偿装置通过收集气体传感器的输出值以及对应的环境参数及测量时间、地理位置等数据，既可以对输出值进行实时补偿，又可以进行长时间累计误差补偿，大大提高了传感器的测量精度。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于云计算的气体传感器精度补偿方法，其特征在于，包括以下步骤：
在云端存储气体传感器的输出值以及对应的环境参数及测量时间，所述环境参数包括温度和/或湿度；
根据存储的所述输出值的累计值修正预设的所述气体传感器的长时间衰减系数Ka得到所述气体传感器的累计测量漂移系数Komn-gas；以及
根据所述累计测量漂移系数Komn-gas对所述气体传感器的当前输出值进行补偿运算得到补偿后的输出值。
2.如权利要求1所述的基于云计算的气体传感器精度补偿方法，其特征在于，还包括：
根据存储的所述环境参数的累计值修正预设的所述气体传感器的环境加权衰减系数Kb得到所述气体传感器的累计环境漂移系数Komn-envi；以及
根据所述累计环境漂移系数Komn-envi对所述气体传感器的当前输出值进行补偿运算得到补偿后的输出值。
3.如权利要求2所述的基于云计算的气体传感器精度补偿方法，其特征在于，所述根据存储的所述环境参数的累计值修正预设的所述气体传感器的环境加权衰减系数Kb得到所述气体传感器的累计环境漂移系数Komn-envi包括：
根据多个气体传感器的输出值以及对应的环境参数建立模型并获得关于温度-时间曲线Xtem及湿度-时间曲线Xhum的加权函数f(Xhum,Xtem)；
获取所述气体传感器的温度-时间曲线Xtem及湿度-时间曲线Xhum；
根据所述温度-时间曲线Xtem、湿度-时间曲线Xhum按以下公式计算所述累计环境漂移系数Komn-envi：
K o m n - e n v i = K b * ∫ 0 t f ( X h u m , X t e m ) * d t .
4.如权利要求3所述的基于云计算的气体传感器精度补偿方法，其特征在于，获取所述气体传感器的温度-时间曲线Xtem及湿度-时间曲线Xhum包括：
当存储的所述气体传感器的输出值未有对应的环境参数时查询所述气体传感器所在的地理位置；
以及将所述地理位置的通用温度-时间曲线及湿度-时间曲线作为所述的温度-时间曲线Xtem及湿度-时间曲线Xhum。
5.如权利要求1至4中任一项所述的基于云计算的气体传感器精度补偿方法，其特征在于，还包括：根据预设的环境漂移系数Kenvi对所述气体传感器的输出值进行补偿运算得到补偿后的输出值Yppm：
Yppm＝Komn-envi*Komn-gas*{Kenvi*[Kmean*(Ix-Istan-ini)+Koffs]+Kzero}，
其中，Kmean表示预设的传感器的测量值与待测物理量含量的转化系数，Ix表示所述气体传感器的测量值，Istan-ini表示所述气体传感器在标准环境下的测量值，Koffs表示所述气体传感器的测量值与待测物理量含量转化偏移系数，Kzero表示所述气体传感器的零点漂移系数。
6.一种基于云计算的气体传感器精度补偿装置，其特征在于，包括：
存储模块，用于在云端存储气体传感器的输出值以及对应的环境参数及测量时间，所述环境参数包括温度和/或湿度；
第一修正模块，用于根据存储的所述输出值的累计值修正预设的所述气体传感器的长时间衰减系数Ka得到所述气体传感器的累计测量漂移系数Komn-gas；以及
第一补偿模块，用于根据所述累计测量漂移系数Komn-gas对所述气体传感器的当前输出值进行补偿运算得到补偿后的输出值。
7.如权利要求6所述的基于云计算的气体传感器精度补偿装置，其特征在于，还包括：
第二修正模块，用于根据存储的所述环境参数的累计值修正预设的所述气体传感器的环境加权衰减系数Kb得到所述气体传感器的累计环境漂移系数Komn-envi；以及
第二补偿模块，用于根据所述累计环境漂移系数Komn-envi对所述气体传感器的当前输出值进行补偿运算得到补偿后的输出值。
8.如权利要求7所述的基于云计算的气体传感器的精度补偿装置，其特征在于，所述第二修正模块进一步包括：
建模单元，用于根据多个气体传感器的输出值以及对应的环境参数建立模型并获得关于温度-时间曲线Xtem及湿度-时间曲线Xhum的加权函数f(Xhum,Xtem)；
存储单元，用于获取所述气体传感器的温度-时间曲线Xtem及湿度-时间曲线Xhum；以及
计算单元，用于根据所述温度-时间曲线Xtem、湿度-时间曲线Xhum按以下公式计算所述累计环境漂移系数Komn-envi：
K o m n - e n v i = K b * ∫ 0 t f ( X h u m , X t e m ) * d t .
9.如权利要求8所述的基于云计算的气体传感器精度补偿装置，其特征在于，所述存储单元还包括：
查询子单元，用于当存储的所述气体传感器的输出值未有对应的环境参数时查询所述气体传感器所在的地理位置；
所述存储单元还用于将所述地理位置的通用温度-时间曲线及湿度-时间曲线作为所述温度-时间曲线Xtem及湿度-时间曲线Xhum。
10.如权利要求6至9中任一项所述的基于云计算的气体传感器精度补偿装置，其特征在于，还包括：
第三补偿模块，用于根据预设的环境漂移系数Kenvi对所述气体传感器的输出值进行补偿运算，以得到补偿后的输出值Yppm：
Yppm＝Komn-envi*Komn-gas*{Kenvi*[Kmean*(Ix-Istan-ini)+Koffs]+Kzero}，
其中，Kmean表示预设的传感器的测量值与待测物理量含量的转化系数，Ix表示所述气体传感器的测量值，Istan-ini表示所述气体传感器在标准环境下的测量值，Koffs表示所述气体传感器的测量值与待测物理量含量转化偏移系数，Kzero表示所述气体传感器的零点漂移系数。
CN201610354890.5A 2016-05-25 2016-05-25 基于云计算的气体传感器精度补偿方法及装置 Active CN106053724B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610354890.5A CN106053724B (zh) 2016-05-25 2016-05-25 基于云计算的气体传感器精度补偿方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610354890.5A CN106053724B (zh) 2016-05-25 2016-05-25 基于云计算的气体传感器精度补偿方法及装置

Publications (2)

Publication Number Publication Date
CN106053724A true CN106053724A (zh) 2016-10-26
CN106053724B CN106053724B (zh) 2018-01-02

Family

ID=57174919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610354890.5A Active CN106053724B (zh) 2016-05-25 2016-05-25 基于云计算的气体传感器精度补偿方法及装置

Country Status (1)

Country Link
CN (1) CN106053724B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106645593A (zh) * 2017-01-24 2017-05-10 浙江农林大学 危化品毒害试剂检漏方法
CN106996763A (zh) * 2017-04-15 2017-08-01 南京宁汇智能科技有限公司 便携式电线积冰自动检测装置及积冰观测对比方法
CN107576710A (zh) * 2017-08-17 2018-01-12 广东美的制冷设备有限公司 电化学气体传感器及其校准方法、空调器
CN108168669A (zh) * 2018-02-12 2018-06-15 西南交通大学 一种货车货物的称重装置
CN110018275A (zh) * 2019-04-10 2019-07-16 南京能启能电子科技有限公司 一种带补偿功能的气体探测器和补偿方法
CN110121875A (zh) * 2016-11-16 2019-08-13 创控生技股份有限公司 智能感测网络
CN112710375A (zh) * 2019-10-25 2021-04-27 梅特勒-托利多(常州)精密仪器有限公司 具有称重传感器的设备零点参数调整方法及存储介质
CN113189272A (zh) * 2021-04-22 2021-07-30 广东格兰仕集团有限公司 气体传感器监测数据的修正方法和烹饪设备
CN114216938A (zh) * 2022-02-23 2022-03-22 浙江正泰仪器仪表有限责任公司 一种气体浓度检测补偿方法及装置
CN114994262A (zh) * 2022-07-15 2022-09-02 启思半导体(杭州)有限责任公司 数据采集方法、气味检测方法、数据存储系统及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060078658A1 (en) * 2004-10-04 2006-04-13 Owens Megan M Food quality sensor and methods thereof
US7370511B1 (en) * 2004-03-08 2008-05-13 Mst Technology Gmbh Gas sensor with attenuated drift characteristic
CN101354394A (zh) * 2008-09-08 2009-01-28 无锡尚沃生物科技有限公司 呼气一氧化氮检测装置
CN103149409A (zh) * 2013-01-31 2013-06-12 云南电力试验研究院（集团）有限公司电力研究院 一种高精度电信号测量设备装置和方法
CN105387859A (zh) * 2015-11-20 2016-03-09 中船重工西安东仪科工集团有限公司 Mems传感器组合温度漂移误差补偿方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7370511B1 (en) * 2004-03-08 2008-05-13 Mst Technology Gmbh Gas sensor with attenuated drift characteristic
US20060078658A1 (en) * 2004-10-04 2006-04-13 Owens Megan M Food quality sensor and methods thereof
CN101354394A (zh) * 2008-09-08 2009-01-28 无锡尚沃生物科技有限公司 呼气一氧化氮检测装置
CN103149409A (zh) * 2013-01-31 2013-06-12 云南电力试验研究院（集团）有限公司电力研究院 一种高精度电信号测量设备装置和方法
CN105387859A (zh) * 2015-11-20 2016-03-09 中船重工西安东仪科工集团有限公司 Mems传感器组合温度漂移误差补偿方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王正洪等: "矿井瓦斯传感器自动调校技术及其研究进展", 《江苏工业学院学报》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11788997B2 (en) 2016-11-16 2023-10-17 Tricorntech Corporation Smart sensing network
CN110121875B (zh) * 2016-11-16 2022-06-24 创控生技股份有限公司 智能感测网络
CN110121875A (zh) * 2016-11-16 2019-08-13 创控生技股份有限公司 智能感测网络
CN106645593B (zh) * 2017-01-24 2019-07-12 浙江农林大学 危化品毒害试剂检漏方法
CN106645593A (zh) * 2017-01-24 2017-05-10 浙江农林大学 危化品毒害试剂检漏方法
CN106996763B (zh) * 2017-04-15 2019-06-11 南京宁汇智能科技有限公司 便携式电线积冰自动检测装置及积冰观测对比方法
CN106996763A (zh) * 2017-04-15 2017-08-01 南京宁汇智能科技有限公司 便携式电线积冰自动检测装置及积冰观测对比方法
CN107576710B (zh) * 2017-08-17 2019-11-22 广东美的制冷设备有限公司 电化学气体传感器及其校准方法、空调器
CN107576710A (zh) * 2017-08-17 2018-01-12 广东美的制冷设备有限公司 电化学气体传感器及其校准方法、空调器
CN108168669A (zh) * 2018-02-12 2018-06-15 西南交通大学 一种货车货物的称重装置
CN108168669B (zh) * 2018-02-12 2023-11-03 西南交通大学 一种货车货物的称重装置
CN110018275A (zh) * 2019-04-10 2019-07-16 南京能启能电子科技有限公司 一种带补偿功能的气体探测器和补偿方法
CN112710375A (zh) * 2019-10-25 2021-04-27 梅特勒-托利多(常州)精密仪器有限公司 具有称重传感器的设备零点参数调整方法及存储介质
CN113189272A (zh) * 2021-04-22 2021-07-30 广东格兰仕集团有限公司 气体传感器监测数据的修正方法和烹饪设备
CN114216938A (zh) * 2022-02-23 2022-03-22 浙江正泰仪器仪表有限责任公司 一种气体浓度检测补偿方法及装置
CN114994262A (zh) * 2022-07-15 2022-09-02 启思半导体(杭州)有限责任公司 数据采集方法、气味检测方法、数据存储系统及装置
CN114994262B (zh) * 2022-07-15 2022-11-18 启思半导体(杭州)有限责任公司 数据采集方法、气味检测方法、数据存储系统及装置

Also Published As

Publication number Publication date
CN106053724B (zh) 2018-01-02

Similar Documents

Publication Publication Date Title
CN106053724A (zh) 基于云计算的气体传感器精度补偿方法及装置
US12007270B2 (en) Status detection method and apparatus for load cell
CN203241127U (zh) 温度自动补偿电子秤及校准系统
US20220178894A1 (en) Formaldehyde concentration measurement method and apparatus, and air purifier
CN110514785B (zh) 传感器数据在线校准方法、装置、电子设备及存储介质
CN102331266A (zh) 多参量气体传感器补偿方法
CN210863662U (zh) 一种甲醛浓度检测装置及空气净化器
CN105572191B (zh) 一种电化学气体传感器的压力补偿方法
KR101106048B1 (ko) 센서오차의 작동 중 자동교정 방법과 이를 이용한 관성항법장치
CN103994754A (zh) 海拔高度测量方法及系统
CN110020793B (zh) 基于冠层温度的作物水分胁迫诊断方法及系统
CN107271081A (zh) 基于两阶段最小二乘拟合的硅压阻式压力变送器温度补偿方法及装置
CN108779995A (zh) 用于检测环境参数的传感器和用于校准这种传感器的方法
CN110954138B (zh) 一种基于便携式检测设备的气压高度计检测方法
US6298287B1 (en) System and method of compensating for pressure sensor errors and noise in inertial vertical loop data
US10989837B2 (en) Method in connection with a radiosonde and system
CN104897873A (zh) 一种开放型土壤碳通量监测仪及监测方法
CN109253781A (zh) 节流式压差流量传感器的校准方法及校准系统
CN118050538A (zh) 一种三维风向检测方法及系统
CN116027459B (zh) 基于数值天气预报数据的大气加权平均温度的计算方法
CN109758703A (zh) 一种用于消防火场气压高度传感器的误差修正系统及方法
Sipeng et al. Correction of the fernald method using real-time average lidar ratios with Mie–Rayleigh–Raman lidar
CN202110114U (zh) 一种测量空气密度的装置
CN104502889A (zh) 指纹定位中基于参考点最大距离的定位可信度计算方法
Huang et al. General expression for linear and nonlinear time series models

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Nanshan District Xueyuan Road in Shenzhen city of Guangdong province 518055 No. 1001 Nanshan Chi Park A7 building 7 floor

Patentee after: Shenzhen euribo Technology Co.,Ltd.

Address before: Nanshan District Xueyuan Road in Shenzhen city of Guangdong province 518055 No. 1001 Nanshan Chi Park A7 building 7 floor

Patentee before: SHENZHEN ORVIBO TECHNOLOGY Co.,Ltd.

Address after: Nanshan District Xueyuan Road in Shenzhen city of Guangdong province 518055 No. 1001 Nanshan Chi Park A7 building 7 floor

Patentee after: SHENZHEN ORVIBO TECHNOLOGY Co.,Ltd.

Address before: Nanshan District Xueyuan Road in Shenzhen city of Guangdong province 518055 No. 1001 Nanshan Chi Park A7 building 7 floor

Patentee before: ORVIBO, Inc.