CN106092371B - 预测温度的方法及其装置 - Google Patents
预测温度的方法及其装置 Download PDFInfo
- Publication number
- CN106092371B CN106092371B CN201610395672.6A CN201610395672A CN106092371B CN 106092371 B CN106092371 B CN 106092371B CN 201610395672 A CN201610395672 A CN 201610395672A CN 106092371 B CN106092371 B CN 106092371B
- Authority
- CN
- China
- Prior art keywords
- temperature
- testee
- predicted
- current sampling
- point
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measuring Temperature Or Quantity Of Heat (AREA)
Abstract
本发明公开了一种预测温度的方法,包括:以固定频率采样被测物体的实测温度,获取在当前采样点到过去的第M个采样点之间的每一个采样点上检测到的被测物体的实测温度,并划分成N组实测温度数据;对于每一组实测温度数据,计算由该组实测温度数据组成的温度随时间变化曲线的拟合直线斜率;当所述N组实测温度数据的拟合直线斜率满足预测条件时,根据预测增量模型计算所述被测物体在当前采样点的预测增量温度;根据所述被测物体在当前采样点的实测温度和预测增量温度、以及在上一个采样点的预测温度,计算所述被测物体在当前采样点的预测温度。相应地,本发明还公开了一种预测温度的装置。采用本发明实施例,能加快温度的测量,且抗干扰能力强。
Description
技术领域
本发明涉及温度检测领域,尤其涉及一种预测温度的方法及其装置。
背景技术
电子温度计(或称体温计)通过导热器件与被测物体接触,从而导热器件的温度缓慢地改变至被测物体的温度,然后通过温度传感器获取导热器件的温度,因而得到被测物体的温度。
目前的电子温度计一般采用NTC(Negative Temperature Coefficient,负温度系数)热敏电阻与温度之间的关系来测量被测物体的温度,但NTC探头与被测物体的接触有传递介质或不能完全性的接触,而使NTC探头的温度上升缓慢,导致温度计的测温速度降低。
发明内容
本发明实施例提出一种预测温度的方法及其装置,能加快温度的测量,且抗干扰能力强。
第一方面,本发明实施例提供一种预测温度的方法,包括:
以固定频率采样被测物体的实测温度,获取从当前采样点到过去的第M个采样点之间的每一个采样点采样到的被测物体的实测温度,并划分成N组实测温度数据;其中,N≥3;
对于每一组实测温度数据,计算由该组实测温度数据组成的温度随时间变化曲线的拟合直线斜率;
当所述N组实测温度数据的拟合直线斜率满足预测条件时,根据预测增量模型计算所述被测物体在当前采样点的预测增量温度;
根据所述被测物体在当前采样点的实测温度和预测增量温度、以及在上一个采样点的预测温度,计算所述被测物体在当前采样点的预测温度,并输出当前采样点的预测温度;其中,所述上一个采样点的预测温度是根据所述被测物体在上一个采样点的实测温度和预测增量温度、以及在所述上一个采样点的再上一个采样点的预测温度计算的。
结合第一方面,在第一方面的第一种实现方式中,所述划分成N组实测温度数据的过程具体为:
根据时间轴的变化,将所述过去的第M个采样点到当前采样点的时间依次序划分成N-1个时间段;
将所述被测物体在所划分的第m个时间段中的所有采样点的实测温度作为第m组实测温度数据,以及将所述被测物体在当前采样点到所述过去的第M个采样点之间的所有采样点的实测温度作为第N组实测温度数据;其中,1≤m≤N-1。
结合第一方面的第一种实现方式,在第一方面的第二种实现方式中,计算所述拟合直线斜率的公式为:
其中,bj为第j组实测温度数据的拟合直线斜率,1≤j≤N;n为第j组实测温度数据中所包含采样点数量;ti为第j组实测温度数据中的第i个采样点对应的时间点;Ti为第j组实测温度数据中的所述被测物体在第i个采样点的实测温度;
则,所述预测条件的一种实现方式可为:所述N组实测温度数据的拟合直线斜率的绝对值均属于预设的直线斜率区间内,以及在所述N组实测温度数据中任意两组间的拟合直线斜率的差值的绝对值均小于预设的斜差阈值;以及,
所述预测增量模型的一种实现方式可为:ΔT=r×(-bN/K),且其中,bN为第N组实测温度数据的拟合直线斜率,bj-1为第j-1组实测温度数据的拟合直线斜率,为第j组实测温度数据中所有采样点的实测温度的平均值,为第j-1组实测温度数据中所有采样点的实测温度的平均值。
结合第一方面,在第一方面的第三种实现方式中,所述方法还包括:
当所述N组实测温度数据的拟合直线斜率不满足预测条件时,将所述被测物体在当前采样点的预测增量温度设为零;以及,
在计算出所述被测物体在当前采样点的预测增量温度之后,所述方法还包括:
判断所述被测物体在当前采样点的预测增量温度的绝对值是否大于1;
若是,将所述被测物体在当前采样点的预测增量温度修订为零。
结合第一方面,在第一方面的第四种实现方式中,所述计算所述被测物体在当前采样点的预测温度的过程具体为:
将所述被测物体在当前采样点的实测温度和预测增量温度两者的和与第一系数相乘,并在相乘后与所述被测物体在上一个采样点的预测温度与第二系数的乘积相加,计算出所述被测物体在当前采样点的预测温度;其中,所述第一系数与所述第二系数两者之和为1。
结合第一方面的第二种实现方式,第一方面的第五种实现方式中,在计算出所述被测物体在当前采样点的预测温度之后,所述方法还包括:
当判断bN大于零且所述被测物体在当前采样点的预测温度小于在上一个采样点的预测温度,或者bN小于零且所述被测物体在当前采样点的预测温度大于在上一个采样点的预测温度时,将所述被测物体在当前采样点的预测温度修订为在上一个采样点的预测温度。
第二方面,本发明实施例还提供一种预测温度的装置,包括:
预测数据模块,用于以固定频率采样被测物体的实测温度,获取从当前采样点到过去的第M个采样点之间的每一个采样点采样到的被测物体的实测温度,并划分成N组实测温度数据;其中,N≥3;
斜率计算模块,用于对于每一组实测温度数据,计算由该组实测温度数据组成的温度随时间变化曲线的拟合直线斜率;
预测计算模块,用于当所述N组实测温度数据的拟合直线斜率满足预测条件时,根据预测增量模型计算所述被测物体在当前采样点的预测增量温度;
预测温度计算模块,用于根据所述被测物体在当前采样点的实测温度和预测增量温度、以及在上一个采样点的预测温度,计算所述被测物体在当前采样点的预测温度,并输出当前采样点的预测温度;其中,所述上一个采样点的预测温度是根据所述被测物体在上一个采样点的实测温度和预测增量温度、以及在所述上一个采样点的再上一个采样点的预测温度计算的。
结合第二方面,在第二方面的第一种实现方式中,所述预测数据模块包括用于划分成N组实测温度数据的单元,具体为:
时间划分单元,用于根据时间轴的变化,将所述过去的第M个采样点到当前采样点的时间依次序划分成N-1个时间段;
数据划分单元,用于将所述被测物体在所划分的第m个时间段中的所有采样点的实测温度作为第m组实测温度数据,以及将所述被测物体在当前采样点到所述过去的第M个采样点之间的所有采样点的实测温度作为第N组实测温度数据;其中,1≤m≤N-1。
结合第二方面的第一种实现方式,在第二方面的第二种实现方式中,计算所述拟合直线斜率的公式为:
其中,bj为第j组实测温度数据的拟合直线斜率,1≤j≤N;n为第j组实测温度数据中所包含采样点数量;ti为第j组实测温度数据中的第i个采样点对应的时间点;Ti为第j组实测温度数据中的所述被测物体在第i个采样点的实测温度;
则所述预测条件的一种实现方式可为:所述N组实测温度数据的拟合直线斜率的绝对值均属于预设的直线斜率区间内,以及在所述N组实测温度数据中任意两组间的拟合直线斜率的差值的绝对值均小于预设的斜差阈值;
所述预测增量模型的一种实现方式可为:ΔT=r×(-bN/K),且其中,bN为第N组实测温度数据的拟合直线斜率,bj-1为第j-1组实测温度数据的拟合直线斜率,为第j组实测温度数据中所有采样点的实测温度的平均值,为第j-1组实测温度数据中所有采样点的实测温度的平均值。
结合第二方面,在第二方面的第三种实现方式中,所述装置还包括:
预测调整模块,用于当所述N组实测温度数据的拟合直线斜率不满足预测条件时,将所述被测物体在当前采样点的预测增量温度设为零;
预测判断模块,用于在计算出所述被测物体在当前采样点的预测增量温度之后,判断所述被测物体在当前采样点的预测增量温度的绝对值是否大于1;
预测修订模块,用于当所述被测物体在当前采样点的预测增量温度的绝对值大于1时,将所述被测物体在当前采样点的预测增量温度修订为零;
温度调整模块,用于在计算出所述被测物体在当前采样点的预测温度之后,当判断bN大于零且所述被测物体在当前采样点的预测温度小于在上一个采样点的预测温度,或者bN小于零且所述被测物体在当前采样点的预测温度大于在上一个采样点的预测温度时,将所述被测物体在当前采样点的预测温度修订为在上一个采样点的预测温度;其中,bN为第N组实测温度数据的拟合直线斜率。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的预测温度的方法,将当前采样点到过去的第M个采样点的获取到的实测温度划分成多组实测温度数据,然后利用每一组实测温度数据构建的温度随时间变化曲线的拟合直线斜率来判断当前实测温度的输出显示是否需要调整,当需要时,再基于预测增量模型,根据上述拟合直线斜率计算出被测物体在当前采样点的预测增量温度,进而结合将当前采样点的实测温度以及上一采样点的预测温度,从而能加快温度的测量;由于计算出来的预测温度能考虑当前实测温度与上一个采样点的预测温度的变化情况,抗干性强;另外,由于每一个采样点的预测温度都按照上述方法预测,所采集的数据是动态,能动态预测预测温度。
附图说明
图1是本发明提供的预测温度的方法的一个实施例的流程示意图;
图2是本发明提供的温度随时间变化曲线的示意图;
图3是本发明提供的实测温度与预测温度的曲线变化对比示意图;
图4是本发明提供的拟合直线斜率随温度变化的示意图;
图5是本发明提供的预测温度的装置的一个实施例的结构示意图;
图6是本发明提供的预测温度的装置的预测数据模块的一个实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
电子温度计通过探头检测被测物体的实测温度时,通常直接将检测到的实测温度显示在温度计的显示界面上,但由于从检测开始到检测到被测物体最终的实际温度时,显示出来的温度上升过程过于缓慢,为了让加快显示温度的速度,并且确保检测到被测物体最终检测到的实际温度的准确性,因而本发明实施基于温度随时间变化曲线满足指数关系为理论提供一种预测温度的方法由电子温度计执行,该理论如下:
电子温度计检测被测物体的实测温度曲线可如图3所示的实测温度曲线,图3是本发明提供的实测温度与预测温度的曲线变化对比示意图;其中,实测温度曲线满足:
T=T目标-T0e-kt (1)
其中,T为当前采样点的实测温度,目标温度T目标是被测物体温度(即t为无穷大时),(T目标-T0)为目标温度与起始温度之间的温差(即t为零时刻),k可以等效为温度传递系数,t为时间。
本发明实施例提供的预测温度的方法的目的是使加快温度的测量。对于温度变化本身很快的则不进行预测,以及对于温度变化很慢的则认为达到稳定温度也不进行预测。
对式(1)进行求导得出:
T'=T0ke-kt (2)
由式(1)(2)得出
如图4所示为式(3)曲线,当导数T'为0是得出被测物体温度T目标,该值也是本发明实施例提供的预测温度的方法将要预测的温度。
则结合上述理论,本发明实施提供的预测温度的方法具体如下:
具体参见图1,是本发明提供的预测温度的方法的一个实施例的流程示意图,该预测温度的方法由温度计执行,包括步骤S1至S4,具体如下:
S1,以固定频率采样被测物体的实测温度,获取从当前采样点到过去的第M个采样点之间的每一个采样点采样到的被测物体的实测温度,并划分成N组实测温度数据;其中,N≥2。
需要说明的,所述固定频率可以根据温度计采样的需要进行设定。下面将举例说明在对当前采样点的预测温度的预测过程中数据采集与数据分组的过程:
首先,进行数据采集;当温度计启动检测温度并通过探头检测被测物体的实测温度时,温度计以1Hz的固定频率采样被测物体的实测温度,以此刻的时间t作为当前采样点,从当前采样点t开始往后数到第M个采样点t-M+1(即上述过去的第M个采样点),获取上述M个采样点的实测温度,即:{(t-M+1,T(t-M+1)),(t-M+2,T(t-M+2)),(t-M+3,T(t-M+3)).......(t,T(t))},共M采样点。
然后,进行数据分组;根据时间轴的变化,将第M个采样点t-M+1到当前采样点t的时间依次序平均划分成2个时间段;需要说明的是时间段的划分可以不均分且划分的段数也可根据需要进行设置,此处仅作为举例说明;然后,将所述被测物体在所划分的第1个时间段中的从采样点t-M+1到采样点t-M/2+1中所有采样点的实测温度作为第1组实测温度数据;将所述被测物体在所划分的第2个时间段中的从采样点t-M/2+1到采样点t中所有采样点的实测温度作为第2组实测温度数据,以及将所述被测物体在当前采样点t到第M个采样点t-M+1之间的所有采样点的实测温度作为第3组实测温度数据。若划分的时间段为3个以上,则可类似上述实测温度数据组分组方式,将后续的时间段内所包含的所有采样点的实测温度作为与该时间段同一序号的测量数据组中的数据,以及将原始采样到所述采样点的实测温度作为最后一组实测温度数据。上述组号的设定只是为了后续预测方便进行分组设置,组号的设置也可为其他形式,只需保证相邻两组数据基本不重合,且本组内的温度数据的时间是连续变化的即可。
在本实施例中,采样的M不易太小,太小则数据量不够,后面进行的线性拟合计算时精确度不足,则抗干扰性弱;M取值太大,则采样时间长,预测当前采样点的预测温度的实时性变弱,且在温度发生突变时容易预测错误。为了达到好的效果,优选M取值30,即30秒数据。
S2,对于每一组实测温度数据,计算由该组实测温度数据组成的温度随时间变化曲线的拟合直线斜率;
结合对上述数据采集与数据分组的过程的举例说明,下面以计算第3组实测温度数据的拟合直线斜率的过程来举例说明每一组实测温度数据拟合直线斜率的计算方式:
如图2所示,图2是本发明提供的温度随时间变化曲线的示意图;假设由第3组实测温度数据组成的温度随时间变化曲线如图2的中曲线中的一段,对该段曲线进行线性拟合,即以直线拟合该段曲线的方式计算出以该直线的斜率真作为该段曲线的斜率;则假设能拟合该段曲线的直线满足T=a+b*t的一次函数,为了使该直线与该段曲线之间的误差最小,则应该当满足如下:
式中等式取最小值时,则a和b的参数使拟合直线与该曲线误差最小。则根据二元求级值法对上式分别求a和b的参数的偏导数:
令式(4)上述两偏导数等于零,计算出:
通过式(5)计算出则此公式为拟合直线斜率公式,因此将第3组实测温度数据代入拟合直线斜率公式中,即可获得第3组实测温度数据的拟合直线斜率b3,类似地可计算出第1组和第2组实测温度数据的拟合直线斜率b1和b2。一般地,任何一组实测温度数据均可通过上述拟合直线斜率公式计算出该组实测温度数据的拟合直线斜率;其中,n为该组实测温度数据中所包含采样点数量;ti为该组实测温度数据中的第i个采样点对应的时间点;Ti为该组实测温度数据中的所述被测物体在第i个采样点的实测温度。另外,采用线性拟合的方式计算直线斜率,运算量小,且通过多点拟合能提高抗干扰能力。
S3,当所述N组实测温度数据的拟合直线斜率满足预测条件时,根据预测增量模型计算所述被测物体在当前采样点的预测增量温度。
需要说明的是,温度计检测被测物体的实测温度的曲线可参考图3的实测温度曲线,结合实测温度曲线可知,若实测温度上升相对较快与预测温度上升速度等同或大于时,即拟合直线斜率绝对值相对较大,则认为温度计探头的传递介质很好不用进行预测并计算预测温度;若温度变化很慢,即拟合直线斜率绝对值相对较小,则认为检测到的温度达到稳定不用进行预测并计算预测温度;若任意两组数据的拟合直线斜率差异过大,则认为温度有突变不用进行预测。也就是说,当所划分的N组实测温度数据的拟合直线斜率不满足预测条件时,将所述被测物体在当前采样点的预测增量温度设为零。即不进行预测增量温度的预测。因此,上述预测条件可设置为:上述所划分成的N组实测温度数据的拟合直线斜率的绝对值均属于预设的直线斜率区间内,以及在所述N组实测温度数据中任意两组间的拟合直线斜率的差值的绝对值均小于预设的斜差阈值;优选地,所述直线斜率区间为(0.0001,0.28),所述斜差阈值为0.004;上述直线斜率区间的斜差阈值并不限定为上述数值,可根据实际情况调整。
在满足上述预测条件后,对当前采样点的预测增量温度进行预测,基于前述理论推导,可知每一组实测温度数据的拟合直线斜率bj和该组中所有采样点的实测温度的平均值组成一坐标点可近似于落在图4上的坐标点,则图4中直线的斜率为进而可从N组实测温度数据组成的N个坐标点中选取一个,此处优选为第N组实测温度数据组成的坐标点进行预测增量温度的计算:ΔT=r×(-bN/K);从而推导出本发明实施例的预测增量模型ΔT=r×(-bN/K),且其中,bN为第N组实测温度数据的拟合直线斜率,bj-1为第j-1组实测温度数据的拟合直线斜率,为第j组实测温度数据中所有采样点的实测温度的平均值,为第j-1组实测温度数据中所有采样点的实测温度的平均值。上述预测增量模型是多组实测温度数据进行拟合,由于多组实测温度数据的划分方式为分段式,即本预测增量模型是以分段线性拟合斜率真变化与温度变化的关系,能动态调整预测增量温度;且本预测增量模型能适用于探头为多种类型的传递介质的温度计。
则结合上述增量模型,以上述举例过程中的提供3组实测温度数据的为例,计算被测物体在当前采样点的预测增量温度,具体如下:
参见图4,是本发明提供的拟合直线斜率随温度变化的示意图;第1组和第2组实测温度数据中的可近似图4中的两点,则图4中的直线的斜率为:为了提高当前采样点的预测增量温度的可靠性,假设第3组实测温度数据中的也为图4中的一点,且为了防止过度预测,此处设定r的值为0.6;则基于上述3组实测温度数据预测出的被测物体在当前采样点的预测增量温度为:ΔT=0.6×(-b3/KT)。
另外,为了进一步防止上述预测增量温度的预测过度,在本实施例中,需要在计算出被测物体在当前采样点的预测增量温度之后,还需要进行以下预测增量温度的修订操作:
判断所述被测物体在当前采样点的预测增量温度的绝对值是否大于1;
若是,将所述被测物体在当前采样点的预测增量温度修订为零。
S4,根据所述被测物体在当前采样点的实测温度和预测增量温度、以及在上一个采样点的预测温度,计算所述被测物体在当前采样点的预测温度,并输出当前采样点的预测温度;其中,所述上一个采样点的预测温度是根据所述被测物体在上一个采样点的实测温度和预测增量温度、以及在所述上一个采样点的再上一个采样点的预测温度计算的。
其中,上述计算所述被测物体在当前采样点的预测温度的过程可具体为:
将所述被测物体在当前采样点的实测温度和预测增量温度两者的和与第一系数相乘,并在相乘后与所述被测物体在上一个采样点的预测温度与第二系数的乘积相加,计算出所述被测物体在当前采样点的预测温度;其中,所述第一系数与所述第二系数两者之和为1。
需要说明的是,求所述被测物体在当前采样点的实测温度和预测增量温度两者之和,可将两者之和作为当前采样点的预测温度,但若直接将两者之和作为当前采样的预测温度,则相邻采样点的预测温度构成的曲线会过于突兀,因而为使相邻采样点的预测温度能过度平滑,则将上一个采样点的预测温度作为一个参数加入上述计算过程。优选地,上述第一系数为0.2,上述第二系数为0.8。并且上一个采样点的预测过程与当前采样点的预测过程基本一致,在此不再赘述。
另外,在计算出所述被测物体在当前采样点的预测温度之后,还包括以下对当前采样点的预测温度的修订操作,能够避免预测出来的预测温度出现震荡的情况:
当判断bN大于零且所述被测物体在当前采样点的预测温度小于在上一个采样点的预测温度,或者bN小于零且所述被测物体在当前采样点的预测温度大于在上一个采样点的预测温度时,将所述被测物体在当前采样点的预测温度修订为在上一个采样点的预测温度。
同时,完成上述对当前采样点的预测温度的修订操作后输出该预测温度,即温度计显示该预测温度于显示界面。
后续每一个采样点的预测温度的预测过程均可以该采样点作为当前采样点重复上述步骤S1至S4计算该采样点的预测温度。
本发明实施例提供的预测温度的方法,将当前采样点到过去的第M个采样点的获取到的实测温度划分成多组实测温度数据,然后利用每一组实测温度数据构建的温度随时间变化曲线的拟合直线斜率来判断当前实测温度的输出显示是否需要调整,当需要时,再基于预测增量模型,根据上述拟合直线斜率计算出被测物体在当前采样点的预测增量温度,进而结合将当前采样点的实测温度以及上一采样点的预测温度,计算出来的预测温度能考虑当前实测温度与上一个采样点的预测温度的变化情况,抗干性强。另外,由于每一个采样点的预测温度都按照上述方法预测,所采集的数据是动态,能动态预测预测温度。
参见图5,是本发明提供的预测温度的装置的一个实施例的结构示意图;该预测温度的装置,能执行上述预测温度的方法的全部流程,具体包括:
预测数据模块10,用于以固定频率采样被测物体的实测温度,获取从当前采样点到过去的第M个采样点之间的每一个采样点采样到的被测物体的实测温度,并划分成N组实测温度数据;其中,N≥3;
斜率计算模块20,用于对于每一组实测温度数据,计算由该组实测温度数据组成的温度随时间变化曲线的拟合直线斜率;
预测计算模块30,用于当所述N组实测温度数据的拟合直线斜率满足预测条件时,根据预测增量模型计算所述被测物体在当前采样点的预测增量温度;
预测温度计算模块40,用于根据所述被测物体在当前采样点的实测温度和预测增量温度、以及在上一个采样点的预测温度,计算所述被测物体在当前采样点的预测温度;其中,所述上一个采样点的预测温度是根据所述被测物体在上一个采样点的实测温度和预测增量温度、以及在所述上一个采样点的再上一个采样点的预测温度计算的。
结合第二方面,在第二方面的第一种实现方式中,如图6所示,是本发明提供的预测温度的装置的预测数据模块的一个实施例的结构示意图,所述预测数据模块10包括用于划分成N组实测温度数据的单元,具体为:
时间划分单元11,用于根据时间轴的变化,将所述过去的第M个采样点到当前采样点的时间依次序划分成N-1个时间段;
数据划分单元12,用于将所述被测物体在所划分的第m个时间段中的所有采样点的实测温度作为第m组实测温度数据,以及将所述被测物体在当前采样点到所述过去的第M个采样点之间的所有采样点的实测温度作为第N组实测温度数据;其中,1≤m≤N-1。
结合第二方面的第一种实现方式,在第二方面的第二种实现方式中,计算所述拟合直线斜率的公式为:
其中,bj为第j组实测温度数据的拟合直线斜率,1≤j≤N;n为第j组实测温度数据中所包含采样点数量;ti为第j组实测温度数据中的第i个采样点对应的时间点;Ti为第j组实测温度数据中的所述被测物体在第i个采样点的实测温度。
结合第二方面的第二种实现方式,在第二方面的第三种实现方式中,其特征在于,
所述预测条件为:所述N组实测温度数据的拟合直线斜率的绝对值均属于预设的直线斜率区间内,以及在所述N组实测温度数据中任意两组间的拟合直线斜率的差值的绝对值均小于预设的斜差阈值;
所述预测增量模型为:ΔT=r×(-bN/K),且 其中,bN为第N组实测温度数据的拟合直线斜率,bj-1为第j-1组实测温度数据的拟合直线斜率,为第j组实测温度数据中所有采样点的实测温度的平均值,为第j-1组实测温度数据中所有采样点的实测温度的平均值。
结合第二方面,在第二方面的第四种实现方式中,所述装置还包括:
预测调整模块50,用于当所述N组实测温度数据的拟合直线斜率不满足预测条件时,将所述被测物体在当前采样点的预测增量温度设为零。
结合第二方面,在第二方面的第五种实现方式中,所述装置还包括:
预测判断模块60,用于在计算出所述被测物体在当前采样点的预测增量温度之后,判断所述被测物体在当前采样点的预测增量温度的绝对值是否大于1;
预测修订模块70,用于当所述被测物体在当前采样点的预测增量温度的绝对值大于1时,将所述被测物体在当前采样点的预测增量温度修订为零。
结合第二方面,在第二方面的第六种实现方式中,所述计算所述被测物体在当前采样点的预测温度的过程具体为:
将所述被测物体在当前采样点的实测温度和预测增量温度两者的和与第一系数相乘,并在相乘后与所述被测物体在上一个采样点的预测温度与第二系数的乘积相加,计算出所述被测物体在当前采样点的预测温度;其中,所述第一系数与所述第二系数两者之和为1。
结合第二方面的第二种实现方式,第二方面的第七种实现方式中,所述装置还包括:
温度调整模块80,用于在计算出所述被测物体在当前采样点的预测温度之后,当判断bN大于零且所述被测物体在当前采样点的预测温度小于在上一个采样点的预测温度,或者bN小于零且所述被测物体在当前采样点的预测温度大于在上一个采样点的预测温度时,将所述被测物体在当前采样点的预测温度修订为在上一个采样点的预测温度。
本发明实施例提供的预测温度的装置,将当前采样点到过去的第M个采样点的获取到的实测温度划分成多组实测温度数据,然后利用每一组实测温度数据构建的温度随时间变化曲线的拟合直线斜率来判断当前实测温度的输出显示是否需要调整,当需要时,再基于预测增量模型,根据上述拟合直线斜率计算出被测物体在当前采样点的预测增量温度,进而结合将当前采样点的实测温度以及上一采样点的预测温度,计算出来的预测温度能考虑当前实测温度与上一个采样点的预测温度的变化情况,抗干性强。另外,由于每一个采样点的预测温度都按照上述方法预测,所采集的数据是动态,能动态预测预测温度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种预测温度的方法,其特征在于,包括:
以固定频率采样被测物体的实测温度,获取从当前采样点到过去的第M个采样点之间的每一个采样点采样到的被测物体的实测温度,并划分成N组实测温度数据;其中,N≥3;
对于每一组实测温度数据,计算由该组实测温度数据组成的温度随时间变化曲线的拟合直线斜率;
当所述N组实测温度数据的拟合直线斜率满足预测条件时,根据预测增量模型计算所述被测物体在当前采样点的预测增量温度;
根据所述被测物体在当前采样点的实测温度和预测增量温度、以及在上一个采样点的预测温度,计算所述被测物体在当前采样点的预测温度,并输出当前采样点的预测温度;其中,所述上一个采样点的预测温度是根据所述被测物体在上一个采样点的实测温度和预测增量温度、以及在所述上一个采样点的再上一个采样点的预测温度计算的;
其中,在计算出所述被测物体在当前采样点的预测增量温度之后,所述方法还包括:
判断所述被测物体在当前采样点的预测增量温度的绝对值是否大于1;
若是,将所述被测物体在当前采样点的预测增量温度修订为零。
2.如权利要求1所述的预测温度的方法,其特征在于,所述划分成N组实测温度数据的过程具体为:
根据时间轴的变化,将所述过去的第M个采样点到当前采样点的时间依次序划分成N-1个时间段;
将所述被测物体在所划分的第m个时间段中的所有采样点的实测温度作为第m组实测温度数据,以及将所述被测物体在当前采样点到所述过去的第M个采样点之间的所有采样点的实测温度作为第N组实测温度数据;其中,1≤m≤N-1。
3.如权利要求2所述的预测温度的方法,其特征在于,计算所述拟合直线斜率的公式为:
其中,bj为第j组实测温度数据的拟合直线斜率,1≤j≤N;n为第j组实测温度数据中所包含采样点数量;ti为第j组实测温度数据中的第i个采样点对应的时间点;Ti为第j组实测温度数据中的所述被测物体在第i个采样点的实测温度;
则,所述预测条件为:所述N组实测温度数据的拟合直线斜率的绝对值均属于预设的直线斜率区间内,以及在所述N组实测温度数据中任意两组间的拟合直线斜率的差值的绝对值均小于预设的斜差阈值;以及,
所述预测增量模型为:ΔT=r×(-bN/K),且0<r<1;其中,bN为第N组实测温度数据的拟合直线斜率,bj-1为第j-1组实测温度数据的拟合直线斜率,为第j组实测温度数据中所有采样点的实测温度的平均值,为第j-1组实测温度数据中所有采样点的实测温度的平均值。
4.如权利要求1所述的预测温度的方法,其特征在于,所述方法还包括:
当所述N组实测温度数据的拟合直线斜率不满足预测条件时,将所述被测物体在当前采样点的预测增量温度设为零。
5.如权利要求1所述的预测温度的方法,其特征在于,所述计算所述被测物体在当前采样点的预测温度的过程具体为:
将所述被测物体在当前采样点的实测温度和预测增量温度两者的和与第一系数相乘,并在相乘后与所述被测物体在上一个采样点的预测温度与第二系数的乘积相加,计算出所述被测物体在当前采样点的预测温度;其中,所述第一系数与所述第二系数两者之和为1。
6.如权利要求3所述的预测温度的方法,其特征在于,在计算出所述被测物体在当前采样点的预测温度之后,还包括:
当判断bN大于零且所述被测物体在当前采样点的预测温度小于在上一个采样点的预测温度,或者bN小于零且所述被测物体在当前采样点的预测温度大于在上一个采样点的预测温度时,将所述被测物体在当前采样点的预测温度修订为在上一个采样点的预测温度。
7.一种预测温度的装置,其特征在于,包括:
预测数据模块,用于以固定频率采样被测物体的实测温度,获取从当前采样点到过去的第M个采样点之间的每一个采样点采样到的被测物体的实测温度,并划分成N组实测温度数据;其中,N≥3;
斜率计算模块,用于对于每一组实测温度数据,计算由该组实测温度数据组成的温度随时间变化曲线的拟合直线斜率;
预测计算模块,用于当所述N组实测温度数据的拟合直线斜率满足预测条件时,根据预测增量模型计算所述被测物体在当前采样点的预测增量温度;
预测温度计算模块,用于根据所述被测物体在当前采样点的实测温度和预测增量温度、以及在上一个采样点的预测温度,计算所述被测物体在当前采样点的预测温度,并输出当前采样点的预测温度;其中,所述上一个采样点的预测温度是根据所述被测物体在上一个采样点的实测温度和预测增量温度、以及在所述上一个采样点的再上一个采样点的预测温度计算的;
其中,所述装置还包括:
预测判断模块,用于在计算出所述被测物体在当前采样点的预测增量温度之后,判断所述被测物体在当前采样点的预测增量温度的绝对值是否大于1;
预测修订模块,用于当所述被测物体在当前采样点的预测增量温度的绝对值大于1时,将所述被测物体在当前采样点的预测增量温度修订为零。
8.如权利要求7所述的预测温度的装置,其特征在于,所述预测数据模块包括用于划分成N组实测温度数据的单元,具体为:
时间划分单元,用于根据时间轴的变化,将所述过去的第M个采样点到当前采样点的时间依次序划分成N-1个时间段;
数据划分单元,用于将所述被测物体在所划分的第m个时间段中的所有采样点的实测温度作为第m组实测温度数据,以及将所述被测物体在当前采样点到所述过去的第M个采样点之间的所有采样点的实测温度作为第N组实测温度数据;其中,1≤m≤N-1。
9.如权利要求8所述的预测温度的装置,其特征在于,计算所述拟合直线斜率的公式为:
其中,bj为第j组实测温度数据的拟合直线斜率,1≤j≤N;n为第j组实测温度数据中所包含采样点数量;ti为第j组实测温度数据中的第i个采样点对应的时间点;Ti为第j组实测温度数据中的所述被测物体在第i个采样点的实测温度;
则,所述预测条件为:所述N组实测温度数据的拟合直线斜率的绝对值均属于预设的直线斜率区间内,以及在所述N组实测温度数据中任意两组间的拟合直线斜率的差值的绝对值均小于预设的斜差阈值;以及,
所述预测增量模型为:ΔT=r×(-bN/K),且0<r<1;其中,bN为第N组实测温度数据的拟合直线斜率,bj-1为第j-1组实测温度数据的拟合直线斜率,为第j组实测温度数据中所有采样点的实测温度的平均值,为第j-1组实测温度数据中所有采样点的实测温度的平均值。
10.如权利要求7所述的预测温度的装置,其特征在于,所述装置还包括:
预测调整模块,用于当所述N组实测温度数据的拟合直线斜率不满足预测条件时,将所述被测物体在当前采样点的预测增量温度设为零;
温度调整模块,用于在计算出所述被测物体在当前采样点的预测温度之后,当判断bN大于零且所述被测物体在当前采样点的预测温度小于在上一个采样点的预测温度,或者bN小于零且所述被测物体在当前采样点的预测温度大于在上一个采样点的预测温度时,将所述被测物体在当前采样点的预测温度修订为在上一个采样点的预测温度;其中,bN为第N组实测温度数据的拟合直线斜率。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610395672.6A CN106092371B (zh) | 2016-06-06 | 2016-06-06 | 预测温度的方法及其装置 |
PCT/CN2016/113219 WO2017211071A1 (zh) | 2016-06-06 | 2016-12-29 | 预测温度的方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610395672.6A CN106092371B (zh) | 2016-06-06 | 2016-06-06 | 预测温度的方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106092371A CN106092371A (zh) | 2016-11-09 |
CN106092371B true CN106092371B (zh) | 2019-05-14 |
Family
ID=57448411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610395672.6A Active CN106092371B (zh) | 2016-06-06 | 2016-06-06 | 预测温度的方法及其装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106092371B (zh) |
WO (1) | WO2017211071A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106092371B (zh) * | 2016-06-06 | 2019-05-14 | 广州视源电子科技股份有限公司 | 预测温度的方法及其装置 |
CN107994819B (zh) * | 2017-12-01 | 2019-09-20 | 北方工业大学 | 一种永磁同步电机系统模型预测电流控制方法 |
CN109405989A (zh) * | 2018-10-16 | 2019-03-01 | 天津百腾信科技有限公司 | 一种高温升温环境下石墨坩埚温场的延展测量方法 |
CN111143755B (zh) * | 2019-12-19 | 2023-06-27 | 中科芯集成电路有限公司 | 热敏电阻数据优化方法、装置和存储介质 |
CN111962101B (zh) * | 2020-08-13 | 2023-01-20 | 中国铝业股份有限公司 | 一种铝电解质温度、初晶温度及过热度的测算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101126536A (zh) * | 2007-09-17 | 2008-02-20 | 深圳市和而泰电子科技有限公司 | 动态空调温度控制方法 |
CN101199414A (zh) * | 2006-12-11 | 2008-06-18 | 深圳迈瑞生物医疗电子股份有限公司 | 一种快速体温测量装置及其温度测量方法 |
US9267848B2 (en) * | 2014-01-02 | 2016-02-23 | King Abdullah International Medical Research Center | Thermometer using differential temperature measurements |
CN105547499A (zh) * | 2015-12-29 | 2016-05-04 | 广州视源电子科技股份有限公司 | 预测温度的方法及其系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL130626A0 (en) * | 1999-06-23 | 2000-06-01 | Rubinstein Elyhau | Fast response thermometer |
JP4702781B2 (ja) * | 2005-03-29 | 2011-06-15 | シチズンホールディングス株式会社 | 電子体温計 |
CN105286812B (zh) * | 2015-12-02 | 2018-04-20 | 广东宝莱特医用科技股份有限公司 | 一种体温测量方法和装置 |
CN106092371B (zh) * | 2016-06-06 | 2019-05-14 | 广州视源电子科技股份有限公司 | 预测温度的方法及其装置 |
-
2016
- 2016-06-06 CN CN201610395672.6A patent/CN106092371B/zh active Active
- 2016-12-29 WO PCT/CN2016/113219 patent/WO2017211071A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101199414A (zh) * | 2006-12-11 | 2008-06-18 | 深圳迈瑞生物医疗电子股份有限公司 | 一种快速体温测量装置及其温度测量方法 |
CN101126536A (zh) * | 2007-09-17 | 2008-02-20 | 深圳市和而泰电子科技有限公司 | 动态空调温度控制方法 |
US9267848B2 (en) * | 2014-01-02 | 2016-02-23 | King Abdullah International Medical Research Center | Thermometer using differential temperature measurements |
CN105547499A (zh) * | 2015-12-29 | 2016-05-04 | 广州视源电子科技股份有限公司 | 预测温度的方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2017211071A1 (zh) | 2017-12-14 |
CN106092371A (zh) | 2016-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106092371B (zh) | 预测温度的方法及其装置 | |
CN105547499B (zh) | 预测温度的方法及其系统 | |
CN105956399B (zh) | 一种温度预测方法及电子体温计 | |
RU2007140372A (ru) | Устройство и способ прогнозирования температуры человека | |
CN104729748B (zh) | 用于确定移动设备的环境温度的方法 | |
CN103961066B (zh) | 一种测温方法及测温装置 | |
EP3480455B1 (en) | Wind turbine monitoring device, wind turbine monitoring method, wind turbine monitoring program, and storage medium | |
CN106473708B (zh) | 体温预测方法、装置及电子体温计 | |
CN106323642B (zh) | 一种防夹检测方法及系统 | |
CN116451014B (zh) | 一种无线无源设备内动部件温度实时监测方法 | |
Omitaomu et al. | Online support vector regression with varying parameters for time-dependent data | |
CN114646664B (zh) | 新型复合门窗型材隔热性能质量监测方法与系统 | |
CN105286812B (zh) | 一种体温测量方法和装置 | |
CN104913803B (zh) | 使用动态阈值检测不稳定传感器的方法和系统 | |
CN103428733B (zh) | 一种预测方法和装置 | |
CN113642249A (zh) | 陀螺仪零偏误差补偿方法 | |
CN105408828B (zh) | 对曲线上用于检测发动机异常的相关点进行估算的方法以及用于实施该方法的数据处理系统 | |
WO2017199663A1 (ja) | 生体状態予測装置、生体状態予測方法、および生体状態予測プログラム | |
TWI617788B (zh) | 即時預檢填料塔液泛現象的方法 | |
Zhang et al. | Real-time residual life prediction based on kernel density estimation considering abrupt change point detection | |
CN108594035A (zh) | 一种负荷检测方法及系统 | |
CN113552997A (zh) | 参数变化趋势确定方法、装置、设备及存储介质 | |
US10302515B2 (en) | Inferential sensing engine | |
CN117313014B (zh) | 一种窑炉运转能耗异常数据实时监测预警方法 | |
CN117039893B (zh) | 配电网状态确定方法、装置及电子设备 |
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 |