CN106164631A - 用于检测缺陷光传感器的方法 - Google Patents

Abstract

一种检测缺陷光传感器的方法包括以下操作：‑收集数据，包括收集光传感器数据；‑在所收集的数据上执行准备过程以便确定模板；以及‑执行检测过程以用于确定光传感器状态。执行准备过程的操作包括在定义明确的条件下确定在构成一日的部分的时间段期间收集的光传感器数据的行为的模板。执行检测过程的操作包括以下操作：‑针对另外的若干日在对应的时间段期间收集光传感器数据；‑选择其代表性日；‑针对每一个所选日确定对应的行为；以及‑将对应的行为与模板进行比较以检测光传感器的任何缺陷。

Description

用于检测缺陷光传感器的方法

技术领域

本发明涉及检测缺陷光传感器的方法。

背景技术

照明器正在无线地连接并且集成到照明系统中。与光传感器以及可能地比如PIR传感器那样的其它传感器组合，这些照明系统被设计成提供高级功能，比如用于能量节省的日光调适。然而，照明系统的适当运行取决于传感器的正确运行和校准。已知的是，这些可能随时间而退化和偏移。因而，必须采用适当的校准技术来检测传感器的行为，使得再校准或更换可以在检测到传感器故障时发生。

缺陷光传感器的当前检测以主动方式完成，典型地包括照明系统的手动或编程的接通和关断和/或特定的经校准光源和/或参考光传感器的使用。因此，当前检测方法要求系统模式和控制代码的大量添加。

发明内容

将有利的是，简化缺陷光传感器的检测。

为了更好地解决这一关切，在本发明的第一方面中，提出了一种检测缺陷光传感器的方法，包括：

- 收集数据，包括收集光传感器数据；

- 在所收集的数据上执行准备过程以便确定模板；以及

- 执行检测过程以用于确定光传感器状态；

所述执行准备过程包括：

- 在定义明确的条件下确定在构成一日的一部分的时间段期间收集的光传感器数据的行为的模板；并且

所述执行检测过程包括：

- 针对另外的若干日在对应时间段期间收集光传感器数据；

- 选择其代表性日；

- 确定用于每一个所选日的对应行为；以及

- 将对应行为与模板进行比较以检测光传感器的任何缺陷。

因而，本方法依赖于更加被动地从照明系统记录传感器信息。通过选择已经在类似或相当情况期间收集的数据，有可能比较该数据并且发现光传感器的缺陷行为。

依照方法的实施例，时间段是在夜晚。这是有利的，因为来自不同于光传感器所涉及的照明系统的其它源的光是可忽略或者相对恒定的。

依照方法的实施例，数据的收集进一步包括收集室外天气数据连同所述光传感器数据，并且其中光数据的模板行为的确定包括确定在所述时间段期间收集的室外天气数据与光传感器数据之间的关系的模板。此外，执行检测过程的操作包括收集室外天气数据连同所述光传感器数据，确定对应行为的操作包括针对每一个所选日确定对应关系，并且将对应行为与模板进行比较的操作包括将关系与模板进行比较以检测光传感器的任何缺陷。有利的是还考虑室外天气数据，并且使光传感器数据与该数据相关。

依照方法的实施例，光传感器数据是室内光传感器数据，并且确定关系的模板的操作包括：

- 选择在所述时间段期间收集的室外天气数据的模型序列；

- 针对其它日的对应时间段选择室外天气数据的另外序列，其中室外天气数据处于模型序列数据的预定限制内；

- 对于室外天气数据的每一个所选序列，确定对应的室内光传感器数据是否已经在所述定义明确的室内条件期间被收集，并且如果是，则确定所述关系。

依照方法的实施例，确定关系的模板的操作包括：

- 确定表示每一个关系的系数；以及

- 确定用于系数的统计值，该统计值构成所述模板。

依照方法的实施例，确定系数的操作包括拟合室内光传感器数据对室外天气数据的线性依赖性。

依照方法的实施例，将系数集合与模板进行比较的操作包括在控制图表中显示系数并且将纳尔逊（Nelson）规则中的一个或多个应用于系数集合和所述模板。

依照方法的实施例，它包括借助于存在数据来确定所述定义明确的室内条件。

依照方法的实施例，它包括借助于包括以下各项的数据集合之中的至少一种类型的数据来确定所述定义明确的室内条件：关于窗帘的数据、关于照明系统的开关或调光状态的数据或者关于照明系统的能量消耗的数据。

依照方法的实施例，选择另外的序列的操作包括通过将距离函数应用于室外天气数据和模型序列数据来确定室外天气数据是否处于模型序列数据的预定限制内。

依照方法的实施例，天气数据包括太阳辐照数据。

附图说明

现在将更加详细地并且参照随附各图来描述本发明，其中：

图1是用于执行本方法的示例系统的框图；

图2-5是示出了针对不同时间范围的室内光传感器数据对比室外天气数据的图；

图6和7是示出了通过连接数据点的曲线图示的来自图2的所选数据的图；

图8是图示了根据本方法的实施例的准备过程的流程图；

图9是图示了根据本方法的实施例的检测过程的流程图；

图10是图示了确定缺陷的一种方式的图表。

图11和12是图示了根据方法的另一实施例的过程的流程图；以及

图13和14是示出了通过方法的实施例获取的结果的图。

具体实施方式

在其中可实现检测缺陷光传感器的本方法的示例监控系统1包括控制器2，其无线或者通过导线连接到具有布置在建筑物的不同房间中的照明器4、5的若干集合的照明系统3。更具体地，控制器2与室内光传感器6、7连接，或者与在每一个房间中的检测室内光照的若干室内光传感器连接。监控系统1进一步包括布置在建筑物室外的室外天气传感器8。室外天气传感器8典型地还是检测室外光照的光传感器。控制器2连接到显示器9。如从上文理解，监控系统1可以连接到若干光传感器6、7，其可以布置在一个或多个照明系统3中。然而，如果在下文没有其他表述，则该描述是指单个光传感器，但是在监控系统1与若干光传感器6、7连接时对于每一个光传感器6、7等同地有效。

一般地，根据本发明的方法可以被视为基于传感器数据的被动记录，以及数据的处理以便寻找光传感器的偏离行为。这与现有技术方法形成对照，其中照明器与数据记录结合地主动操作。根据方法的第一实施例，室内光传感器数据和室外天气数据（在该实施例中也是光传感器数据）借助于室内光传感器6、7和室外天气传感器8来收集。数据收集针对若干日而在每一日的至少一部分期间执行。然后，执行在所收集的数据上的准备过程以便确定模板，其表示完全运行光传感器的行为。为了使得能够计算可靠且有用的模板，收集数据时的条件必须是稳定的且可重复的。因而，准备过程涉及借助于控制器2在定义明确的室内和室外条件下确定在构成一日的一部分的时间段期间收集的室内光传感器数据和室外天气数据之间的关系的模板。

已经确定模板，然后分别针对每一个光传感器6、7执行用于确定光传感器6、7的状态的检测过程。一般而言，检测过程包括使用控制器2来针对另外的若干日而在对应的时间段期间从天气传感器8收集室外天气数据并且从光传感器6、7收集室内光传感器数据；选择其代表性日；针对每一个所选日来确定对应关系；以及将这些关系与模板进行比较以检测光传感器6、7的任何缺陷。

更特别地，如通过图8的流程图所图示，根据该实施例，准备过程包括针对若干连续日而全天收集光传感器数据和天气数据，参见框80。例如，传感器输出每隔5-10分钟被采样。图2示出了在一年的前半年期间取得的样本，并且被呈现为室内光传感器数据对室外天气数据上的依赖性，使得y轴表示室内光水平并且x轴表示室外光水平。房间内的光照随室外光照而变化，并且该依赖性被用作检测光传感器缺陷的基础。对于室内光水平与室外光水平之间的线性依赖性或者高相关性，各配对应当在直线上。然而，如可以在图2中看到，各配对远非聚集在直线上，并且事实上总体相关性仅为大约0.3。

因而，依赖性具有更加复杂的性质，其由若干环境条件所引起。首先，建筑物的占用者将干扰室内光水平，如以若干方式从室内光水平导出。他们可以通过打开或关闭百叶窗以及接通和关断照明器而直接地干扰。其次，例如，甚至通过四处移动或者在桌子上移动纸张，反射可以显著地改变房间中所测量的光照水平。此外，房间取向和遮蔽具有明显的影响。在本示例中，为了以更平静的方式观察依赖性，选择来自周末的数据。针对周末不同的三日，在图3-5中示出室内光传感器数据对比室外天气数据的图。图3示出了四月末的一日，图4示出了下一日，并且图5示出了一月开始的一日。除图之外，连续的观察已经借助于有向线互连。因而，箭头指示观察的时间行为。观察在图的左下角处开始，其中在这一日开始时室内和室外都是暗的。随后，室内和室外光水平上升并且衰减。可以从图3看到，存在室内光水平对室外光水平的函数依赖性，该函数依赖性贯穿这一日明显是非线性的并且取决于阳光进入房间的角度。从图4可以推断，这种依赖性或多或少是确定性的。确实，相同轨迹在可以假定类似的条件下的类似日中观察到。最后，图5图示了对季节的依赖性。再次，数据揭示出在建筑物中没有存在的日子中明确的（尽管是非线性的）依赖性。然而，轨迹的形状是不同的，并且因为室外光水平在一月中相对于四月是低的，所以仅光照空间的小部分被遍历。作为图3中的图形的外观的解释，可以提及的是，在右下角处（在A处）的急转弯表示太阳光开始进入房间；并且向左上方（在B处）的急转弯表示太阳隐藏在建筑物后面。

总之，可以观察到，在定义明确的室内和室外条件期间在室内和室外光照水平之间存在强的函数依赖性。这种依赖性原则上可以用于各种目的。以上提及的室内光传感器数据与室外天气数据之间的关系（即所述函数依赖性）的模板可以确定如下。根据图3和4，明显的是，在周末的明亮清晨期间在室内和室外光水平之间存在强的线性相关性，并且这样的相关性可以用于光传感器诊断。因而，首先选择在构成一日的适当部分的时间段期间收集的室外天气数据的模型序列，参见框81。在该示例中，用于所示出的四月日子中的一日的前两个半小时的天气数据被选择为模型序列。

然后用于其它日的对应时间段的室外天气数据的另外序列W被一次一个地检索，框82，并且借助于距离函数d(M, W)<δ针对照模型序列M而被测试，框83。如果距离太大，则测试下一序列。选择落在模型序列数据M的（通过选择δ的大小确定的）预定限制内的那些序列W。图6和7图示了这一选择，其中图6的曲线表示在所选时间段期间所有天收集的数据。图7的曲线表示在天气数据上应用距离函数和基于存在性的选择之后剩余的曲线。显而易见的是，存在线性曲线的两个明显不同的集合：仅具有小倾斜第一集合110，以及具有显著倾斜的第二集合111。此处，将必须应用第三准则，因为第一集合源自在房间窗户处百叶窗闭合的情况下收集的数据，而第二集合源自在百叶窗打开的情况下收集的数据。

对于室外天气数据的每一个所选序列W，检索对应的室内光传感器数据S，框84。确定室内光传感器数据S是否已经在定义明确的室内条件期间收集，框85，这在该实施例中通过确定在数据的收集期间是否有人存在于房间中而执行。如果没有人存在，则接受光传感器数据S。可以以不同方式获取存在数据。在办公室中，存在数据典型地可从使用办公室的企业获得。作为可替换方案，可以将特定存在传感器添加到监控系统1。然后，室内光传感器数据与室外天气数据之间的关系通过确定表示该关系的系数b来确定，并且更特别地，b被计算以使得距离d(S, bW)最小化，框86。换言之，系数的确定包括拟合室内光传感器数据S对室外天气数据W的线性依赖性。存储用于光传感器数据的若干所选序列的系数b，框87，并且然后确定是否已经找到光传感器数据的足够数量的所选序列以及因而对应的系数b，框88。最后，在框89中，作为准备过程的最后操作，确定用于所存储的系数b的统计值。统计值构成所述模板。根据方法的该实施例，统计值是b的均值和标准差，即mean(b)和δ(b)。

已经由此确定模板，开始连续监控，即检测过程。根据方法的第一实施例的检测过程以图9的流程图来图示。简而言之，检测过程涉及以下操作：针对另外的若干日而在对应的时间段期间收集室外天气数据和室内光传感器数据；选择其代表性日；针对每一个所选日确定对应的关系；以及将这些关系与模板进行比较以检测光传感器的任何缺陷。

更特别地，对于新的每一日，在该时间段期间、即在早晨中的两个半小时期间选择光传感器数据和天气数据，框90。然后检索模型序列M，框91，并且确定天气数据是否处于模型序列的预定的限制内，即天气数据的序列W与模型序列M之间的距离是否小于预确定的限制值δ，由 d(M, W)<δ表达，框92。这类似于在上文描述的准备过程中完成的确定。如果通过测试，则检索与已通过的天气数据对应的光传感器数据，框93，并且确定光传感器数据是否已经在定义明确的室内条件期间、即在房间中不存在人期间收集，框94，这也类似于准备过程。如果否，则拒绝这一日的数据。如果通过测试，则选择用于该特定日的光传感器数据S和天气数据W。接下来，类似于准备过程，通过拟合光传感器数据S对天气数据W的线性依赖性来确定光传感器数据S和天气数据W之间的关系，即通过计算系数c使得d(S, cW)最小化，框95。将系数c存储在数据库中，框96。因而，在一段时间之后，数据库将拥有用于若干日的系数c的集合，对其而言已经满足用于选择的准则。然后，将系数c的集合与模板比较，即mean(b)和 δ(b)，并且应用适当的质量度量以用于确定超出被视为光传感器的正常行为的偏差，框97。作为示例，所谓的纳尔逊规则中的一个或多个可以作为质量度量而应用。模板的均值和标准差构成其中添加以下系数c的图表的基础。例如，各值之中的趋势可以如图10中所图示的那样检测。用于限定趋势的一种规则可以是在行中多于六个系数的值增大或减小。对于光传感器，这样的趋势可以意指缺陷。作为规则的另外示例，落在由均值加上或减去三个标准差限定的区间之外的值指示缺陷传感器。

如果发现缺陷，则向操作者升起标记，框98和99，并且在显示器9上显示控制图表，框100。可替换地，手动地做出是否存在缺陷的这一确定。然后，显示控制图表并且操作者寻找可以指示缺陷的图案。根据方法的第二实施例，如由图11的流程图所图示，该方法在没有要考虑的日光时的夜晚执行。模板然后包括直接光传感器值，而不是上文描述的关系。因而，例如，利用针对定义明确的条件的光传感器数据生成模板，该定义明确的条件除了一日的夜晚时间之外还包括非存在性以及限定有助于由光传感器感测的光照的照明器是接通还是关断的数据。

更特别地，准备过程包括在构成夜晚的部分的时间段期间收集光传感器数据，如在框101中所示；确定是否满足定义明确的条件，框102。如果否，则在下一夜晚收集新数据。如果满足条件，则确定光传感器数据的行为的模板，框103。

检测过程包括针对另外的若干日而在对应的时间段期间收集光传感器数据，如在图12中所示，框104。然后选择其代表性日，框105。该选择通过标识类似的定义明确的条件来完成。针对每一个所选日确定对应的行为，框106；并且将对应的行为与模板比较以检测光传感器的任何缺陷，框107。如果找到缺陷，框108，则将向操作者用标记表明这一点，框109。可替换地，最终的缺陷检测可以通过在图表中显示模板和光传感器数据来手动地进行。

在图14中示出涉及若干夜晚的所收集的光传感器值的示例，其通过光水平（y轴）对比所收集的光传感器样本的序列号而显示。存在两个不同的光水平，其表示灯接通和灯关断。中间光水平源于光传感器的取平均行为，并且对应于在其期间发生开与关之间的切换的时隙，使得对于该时隙的仅部分而言环境分别是暗的和被照射的。

另外，类似实施例包括进行用于一次针对一日检测缺陷的操作，诸如连续一日一次。然后，选择代表性日的操作交换用于确定当前日是否为代表性日。如果否，则过程在那里结束。

对于方法的以上实施例，用于确定定义明确的室内条件的另外输入数据可以包括关于窗帘的数据、关于照明系统的开关或调光状态的数据或者关于照明系统的能量消耗的数据。此外，附加的确定有可能在通过这样的另外输入数据获取的另外信息的基础上执行。

应当指出的是，该方法可以在室内和其它环境二者中执行，只要可以建立可重复的定义明确的条件。

尽管已经在附图和前述描述中详细图示和描述了本发明，但是这样的图示和描述被认为是说明性或示例性而非限制性的；本发明不限于所公开的实施例。

例如，可以针对系数确定除线性之外的其它关系。一日的另一部分，诸如夜晚或其部分，可以被选择用于确定光传感器的功能等。

通过研究附图、公开内容和随附权利要求，本领域技术人员在实践要求保护的发明时，可以理解和实现对所公开实施例的其它变形。在权利要求中，词语“包括”不排除其它元件或步骤，并且不定冠词“一”不排除多个。单个处理器或其它单元可以履行在权利要求中记载的若干项的功能。在相互不同的从属权利要求中记载某些措施的仅有事实不指示这些措施的组合不能用于获益。权利要求中的任何参考标记不应当解释为限制范围。

Claims (13)

1.一种检测缺陷光传感器的方法，包括：

- 收集数据，包括收集光传感器数据；

- 在所收集的数据上执行准备过程以便确定模板；以及

- 执行检测过程以用于确定光传感器状态；

所述执行准备过程包括：

- 在基于另外的输入数据确定的定义明确的条件下确定表示在构成一日的部分的时间段期间收集的光传感器数据的行为的模板；并且

所述执行检测过程包括：

- 针对另外的若干日在对应的时间段期间收集光传感器数据；

- 通过标识类似的定义明确的条件而选择其代表性日；

- 针对每一个所选日确定对应的行为；以及

- 将对应的行为与模板进行比较以检测光传感器的任何缺陷。

2.根据权利要求1所述的方法，其中所述时间段在夜晚。

3.根据权利要求1或2所述的方法，包括借助于存在数据和关于照明器是接通还是关断的数据来确定所述定义明确的条件。

4.根据权利要求1所述的方法，所述收集数据进一步包括与所述光传感器数据结合地收集室外天气数据；

所述确定光数据的模板行为包括：

- 确定在所述时间段期间收集的光传感器数据与室外天气数据之间的关系的模板；并且

所述执行检测过程进一步包括：

- 与所述光传感器数据结合地收集室外天气数据；

- 所述确定对应的行为包括针对每一个所选日确定对应的关系；以及

- 所述将对应的行为与模板进行比较包括将所述关系与模板进行比较以检测光传感器的任何缺陷。

5.根据权利要求4所述的方法，所述光传感器数据是室内光传感器数据，并且所述确定关系的模板包括：

- 选择在所述时间段期间收集的室外天气数据的模型序列；

- 选择用于其它日的对应时间段的室外天气数据的另外序列，其中室外天气序列处于模型序列数据的预定的限制内；

- 对于室外天气数据的每一个所选序列，确定对应的室内光传感器数据是否已经在定义明确的室内条件期间收集，并且如果是，则确定所述关系。

6.根据权利要求5所述的方法，所述确定关系的模板包括：

- 确定表示每一个关系的系数；以及

- 确定用于系数的统计值，所述统计值构成所述模板。

7.根据权利要求6所述的方法，所述确定系数包括拟合室内光传感器数据对室外天气数据的线性依赖性。

8.根据权利要求5-7中任一项所述的方法，所述选择其代表性日包括：

- 对于所述另外若干日中的每一日，确定室外天气数据是否处于模型序列的预定限制内，并且如果是，则确定室内光传感器数据是否已经在定义明确的室内条件期间收集，并且如果是，则选择该日；

所述针对每一个所选日确定对应关系包括拟合室内光传感器数据与室外天气数据之间的关系；

- 确定表示所述关系的系数；以及

- 生成系数的集合，其包括所确定的系数和先前确定的系数；

所述将所述关系与模板进行比较包括将系数的集合与模板进行比较。

9.根据权利要求8所述的方法，所述将系数的集合与模板进行比较包括在控制图表中显示系数并且将纳尔逊规则中的一个或多个应用于系数的集合和所述模板。

10.根据权利要求4-9中任一项所述的方法，包括借助于存在数据来确定所述定义明确的条件。

11.根据权利要求4-10中任一项所述的方法，包括借助于包含以下各项的数据的集合之中的至少一种类型的数据来确定所述定义明确的室内条件：关于窗帘的数据、关于照明系统的开关或调光状态的数据或者关于照明系统的能量消耗的数据。

12.根据权利要求5所述的方法，所述选择另外的序列包括通过将距离函数应用于室外天气数据和模型序列数据来确定室外天气数据是否处于模型序列数据的预定限制内。

13.根据权利要求4-12中任一项所述的方法，其中天气数据包括太阳辐照数据。