CN108038331B - 一种基于云计算的高精度温度数据校正方法 - Google Patents

Abstract

本发明公开了一种基于云计算的高精度温度数据校正方法，涉及一种数据校正方法，将n个温度传感器采集到的温度值数据上传到云系统主机；然后获取温度校正值；最后通过所述温度校正值对采集到的温度值进行校正；本发明采用以上技术方案特有的权重因子系统构建及校正辅助，能够相较传统方式的单纯关联权重值更进一步的提高了校准精度。通过云系统主机动态监控各物理机的剩余失效时间、预测各物理机的校正处理可能性和时间，极大提高了数据处理的效率，使得对多个温度传感器采集数据这种检测方式进行校正工业化应用成为了现实，同时能够驱动后续的数据值融合，在实现数据精度更高的前提下反而提高处理效率。

Description

一种基于云计算的高精度温度数据校正方法

技术领域

本发明涉及一种数据校正方法，特别是涉及一种基于云计算的高精度温度数据校正方法。

背景技术

随着科学技术的快速发展，在工业控制中的温度测量也不断取得进步，尤其是对高精度的要求，使其应用也越来越广泛。在人类的生活环境中，温度扮演着极其重要的角色,温度控制通常指对某一特定空间的温度进行控制调节，使其达到工艺过程的要求,在冶金、钢铁、石化、水泥、玻璃、医药等行业都不得不考虑着温度的因素。温度不但对于工业如此重要，在农业生产中温度的监测与控制也有着十分重要的意义。在生产过程中，为了高效地进行生产，顺应科技的发展，必须对它的主要参数，如温度、压力、流量等进行有效的控制。温度控制在生产过程中占有相当大的比例，近年来，虽然在理论的温度检测的成熟，但在实际的测量和控制中，如何保证快速实时采样的温度，以保证数据的正确传输，并可以对温度场的更精确的控制，是一个有待解决的问题。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种在多传感器的情况下对温度值进行校正的方法，以大幅提高温度数据检测的精度。

为实现上述目的，本发明提供了一种基于云计算的高精度温度数据校正方法，按以下步骤进行：

步骤一、将n个温度传感器采集到的温度值数据上传到云系统主机；

步骤二、获取温度校正值；

步骤三、通过所述温度校正值对采集到的温度值进行校正；

所述步骤二按以下步骤进行：

A1、设定第i个温度值W_i与第j个温度值W_j的权重关系值为δ_ij，计算

得到权重关系值δ_ij，所述1≤i≤n，1≤j≤n，且i和j均为整数；所述1＜κ；

A2、基于所述权重关系值构建权重因子系统：

设定第i个温度值的权重因子为δ_[i],计算

得到第i个温度值的权重因子δ_[i]；

A3、设定温度校正值为γ_i；计算γ_i＝a×Cal+b×Wgt_i得到温度校正值γ_i；所述Cal为校正辅助值，所述Wgt_i为权重校正值；

所述

所述m、T、p、q均为正整数，所述W_q为第一历史测量温度值；所述W_p为第二历史测量温度值；

所述

所述h为正整数且h≥3；

所述0＜a＜1，0＜b＜1，且a+b＜1；

所述步骤三通过以下步骤对采集到的温度值进行校正：

设定校正后的第i个温度值为W_i′，计算W_i′＝(1+γ_i)×W_i对W_i进行校正。

采用以上技术方案能够有效综合利用不同方位不同状态的多个传感器，通过信息互补将各局部采集到的信息进行融合，采用以上技术方案特有的权重因子系统构建及校正辅助，能够相较传统方式的单纯关联权重值更进一步的提高了校准精度。

进一步的，还包括动态控制所述云系统主机校正温度值的步骤：

B1、收集云系统中各物理机PM状态信息：

所述PM状态信息包括：对于第d个PM，从最近一次系统恢复/重启后累积的运行时间T_d，对于第d个PM，上一次失效到最近一次失效之间的间隔时间D_d；第d个PM进行一次温度校正的时间PMCT_d；

B2、预测第d个PM的剩余失效时间ST_d，

所述d为正整数，z为设定的修正值，z>0；

B3、预测第d个PM的剩余校正个数L_d；

f为PM个数，1≤d≤f＜n；

B4、分配L_d个采集到的温度值到第d个PM上进行校正。

传统的温度校正方式，通常只会针对单个温度传感器采集的数据进行校正或滤波等处理，而不会对工业用的大型设备进行高精度的校正，因为工业级的设备通常采用的温度传感器很多，传统的方式都是将采集到的数据上传到程控机或计算机上，单纯的程控机或普通的计算机数据处理量有限，而如果仅针对温度检测、控制就采用高级的计算机设备，其成本又过高，因此目前均是采用对检测到的温度值作简单的预设化处理，例如对采集的温度值单纯的加减设定的参考值，以使温度值尽量贴合实际，本发明通过云系统主机动态监控各物理机的剩余失效时间、预测各物理机的校正处理可能性和时间，极大提高了数据处理的效率，使得对多个温度传感器采集数据这种检测方式进行校正工业化应用成为了现实，同时能够驱动后续的数据值融合，在实现数据精度更高的前提下反而提高处理效率。

进一步的，所述动态控制所述云系统主机校正温度值的步骤前还包括以下步骤：

各PM均分配e个采集到的温度值进行校正，e为正整数且e＜n。采用以上技术方案，在初始化状态即第一次使用时，快速分配实施数据校正，进一步减小时间损耗。

本发明的有益效果是：本发明采用以上技术方案特有的权重因子系统构建及校正辅助，能够相较传统方式的单纯关联权重值更进一步的提高了校准精度。通过云系统主机动态监控各物理机的剩余失效时间、预测各物理机的校正处理可能性和时间，极大提高了数据处理的效率，使得对多个温度传感器采集数据这种检测方式进行校正工业化应用成为了现实，同时能够驱动后续的数据值融合，在实现数据精度更高的前提下反而提高处理效率。

具体实施方式

下面结合实施例对本发明作进一步说明：

一种基于云计算的高精度温度数据校正方法，其特征在于按以下步骤进行：

步骤一、将n个温度传感器采集到的温度值数据上传到云系统主机；

步骤二、获取温度校正值；

步骤三、通过所述温度校正值对采集到的温度值进行校正；

所述步骤二按以下步骤进行：

A1、设定第i个温度值W_i与第j个温度值W_j的权重关系值为δ_ij，计算

得到权重关系值δ_ij，所述1≤i≤n，1≤j≤n，且i和j均为整数；所述1＜κ；

A2、基于所述权重关系值构建权重因子系统：

设定第i个温度值的权重因子为δ_[i],计算

得到第i个温度值的权重因子δ_[i]；

A3、设定温度校正值为γ_i；计算γ_i＝a×Cal+b×Wgt_i得到温度校正值γ_i；所述Cal为校正辅助值，所述Wgt_i为权重校正值；

所述

所述m、T、p、q均为正整数，所述W_q为第一历史测量温度值；所述W_p为第二历史测量温度值；

所述

所述h为正整数且h≥3；

所述0＜a＜1，0＜b＜1，且a+b＜1；

所述步骤三通过以下步骤对采集到的温度值进行校正：

设定校正后的第i个温度值为W_i′，计算W_i′＝(1+γ_i)×W_i对W_i进行校正。

本发明还包括动态控制所述云系统主机校正温度值的步骤：

B1、收集云系统中各物理机PM状态信息：

所述PM状态信息包括：对于第d个PM，从最近一次系统恢复/重启后累积的运行时间T_d，对于第d个PM，上一次失效到最近一次失效之间的间隔时间D_d；第d个PM进行一次温度校正的时间PMCT_d；

B2、预测第d个PM的剩余失效时间ST_d，

所述d为正整数，z为设定的修正值，z>0；

B3、预测第d个PM的剩余校正个数L_d；

f为PM个数，1≤d≤f＜n；

B4、分配L_d个采集到的温度值到第d个PM上进行校正。

本实施例所述动态控制所述云系统主机校正温度值的步骤前还包括以下步骤：

各PM均分配e个采集到的温度值进行校正，e为正整数且e＜n。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (1)

1.一种基于云计算的高精度温度数据校正方法，其特征在于按以下步骤进行：

步骤一、将n个温度传感器采集到的温度值数据上传到云系统主机；

步骤二、获取温度校正值；

步骤三、通过所述温度校正值对采集到的温度值进行校正；

所述步骤二按以下步骤进行：

A1、设定第i个温度值W_i与第j个温度值W_j的权重关系值为δ _ij，计算

得到权重关系值δ _ij，所述1≤i≤n，1≤j≤n，且i和j均为整数；所述1＜k；

A2、基于所述权重关系值构建权重因子系统：

设定第i个温度值的权重因子为δ _[i],计算

得到第i个温度值的权重因子δ _[i]；

A3、设定温度校正值为γ _i；计算

得到温度校正值γ _i；所述Cal为校正辅助值，所述Wgt_i为权重校正值；

所述

；所述m、T、p、q均为正整数，所述W_q为第一历史测量温度值；所述W_p为第二历史测量温度值；

所述

；所述h为正整数且h≥3；

所述0＜a＜1，0＜b＜1，且a+b＜1；

所述步骤三通过以下步骤对采集到的温度值进行校正：

设定校正后的第i个温度值为W_i'，计算

对W_i'进行校正。