CN108180935B - 传感器的故障检测方法及装置 - Google Patents

传感器的故障检测方法及装置 Download PDF

Info

Publication number
CN108180935B
CN108180935B CN201810096174.0A CN201810096174A CN108180935B CN 108180935 B CN108180935 B CN 108180935B CN 201810096174 A CN201810096174 A CN 201810096174A CN 108180935 B CN108180935 B CN 108180935B
Authority
CN
China
Prior art keywords
sensor
attribute
function
actual
function image
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
Application number
CN201810096174.0A
Other languages
English (en)
Other versions
CN108180935A (zh
Inventor
郭靖
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.)
Heyuan Hongjia Agricultural Technology Co ltd
Original Assignee
Shenzhen Chunmuyuan Holdings 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 Chunmuyuan Holdings Co Ltd filed Critical Shenzhen Chunmuyuan Holdings Co Ltd
Priority to CN201810096174.0A priority Critical patent/CN108180935B/zh
Publication of CN108180935A publication Critical patent/CN108180935A/zh
Application granted granted Critical
Publication of CN108180935B publication Critical patent/CN108180935B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明实施例涉及微电控制领域，公开了一种传感器的故障检测方法，包括预先获取传感器的属性的标准函数图像，其中，所述标准函数图像根据预设函数和所述传感器的属性的标准值计算得到；根据所述预设函数和所述传感器的属性的实际值，计算得到所述传感器的属性的实际函数图像；检测所述实际函数图像与所述标准函数图像的相似度，是否小于预设的相似度门限；若是，则判定所述传感器出现故障。本发明的实施例还公开了一种传感器的故障检测装置。本发明实施例所公开的传感器的故障检测方法及装置，具有能够自动检测到出现故障的传感器的优点。

Description

传感器的故障检测方法及装置
技术领域
本发明实施例涉及微电控制领域，特别涉及一种传感器的故障检测方法及装置。
背景技术
伴随着自动化技术的快速发展，自动化的应用也越来越广泛，其中自动化在工农业生产中的应用最为广泛，而各种传感器的应用是自动化生产中必不可少的，各个种类的传感器共同为自动化生产系统采集信息，以供自动化的进行。例如，在温室大棚的自动监管中，使用温度传感器感测各个区域的温度，使用湿度传感器感测各个区域的湿度，从而根据监测到的温度和湿度自动进行相应的升降温度及增减湿度操作。若传感器在工作时出现故障，采集的信息会出现异常，而如果自动化生产系统使用采集的异常信息，就有可能会造成损失。
然而，本发明的发明人发现，人工检测传感器是否出现故障效率较低，且现有技术中并不存在能自动检测传感器是否出现故障的方法或装置。
发明内容
本发明实施方式的目的在于提供一种传感器的故障检测方法及装置，能够自动检测到出现故障的传感器。
为解决上述技术问题，本发明的实施方式提供了一种传感器的故障检测方法，包括：预先获取传感器的属性的标准函数图像，其中，标准函数图像根据预设函数和传感器的属性的标准值计算得到；根据预设函数和传感器的属性的实际值，计算得到传感器的属性的实际函数图像；检测实际函数图像与标准函数图像的相似度，是否小于预设的相似度门限；若是，则判定传感器出现故障。
本发明的实施方式还提供了一种传感器的故障检测装置，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的传感器的故障检测方法。
本发明实施方式相对于现有技术而言，传感器的故障检测装置自动获取传感器的属性的标准值，预先将传感器的属性的标准值代入预设函数，计算得到传感器的属性的标准函数，并根据标准函数绘制得到传感器的属性的标准函数图像，以标准函数图像为对比函数图像，在传感器的使用过程中，传感器的故障检测装置自动获取传感器的属性的实际值，并将传感器的属性的实际值代入预设函数，计算得到传感器的属性的实际函数，根据实际函数绘制传感器的属性的实际函数图像，然后将实际函数图像与标准函数图像进行对比，获取实际函数图像与标准函数图像的相似度，若实际函数图像与标准函数图像的相似度小于预设的相似度门限，说明传感器的属性的实际值与传感器的属性的标准值相差大于可以接受的差值范围，则判定传感器出现故障。由于对于传感器的属性的标准值和实际值的获取，后续计算得到实际函数图像和标准函数图像以及将实际函数图像和标准函数图像进行对比得出判断结果都是传感器的故障检测装置自动完成，无需人工对其进行任何操作，使得传感器的故障检测装置能够自动检测到出现故障的传感器。
另外，预设函数为核密度估计函数，具体公式如下：
Figure GDA0002399760450000021
其中，Kh()为核函数，h为预设参数，x为传感器的属性值，xi为第i次测量得到的传感器的属性值；n为传感器的属性的测量次数。将核密度估计函数作为预设函数，可以在未知传感器的属性的概率密度函数时，也能较为有效的进行传感器的属性的值的估计。
另外，检测实际函数图像与标准函数图像的相似度，是否小于预设的相似度门限，具体包括：获取实际函数图像中的N个位置的N个实际函数值，其中，N为正整数；获取标准函数图像中的N个位置的N个标准函数值；分别获取N个实际函数值与N个标准函数值的N个差值；若N个差值均大于预设阈值，则判定相似度小于预设的相似度门限，传感器出现故障。将N个差值均与预设阈值进行比较，只有全部N个差值均大于预设阈值时，才判定传感器出现故障，可以加强判定传感器是否出现故障的精准度，减少误判。
另外，检测实际函数图像与标准函数图像的相似度，是否小于预设的相似度门限，具体包括：分别获取实际函数图像中的N个位置的N个实际函数值，其中，N为正整数；获取标准函数图像中的N个位置的N个标准函数值；分别获取N个实际函数值与N个标准函数值的N个差值；若N个差值的平均值大于预设阈值，则判定相似度小于预设的相似度门限，传感器出现故障。将N个差值的平均值与预设阈值进行比较，可以简化比较的过程，使得对比更加简单方便。
另外，判定传感器出现故障后，还包括：弃用传感器检测到的数据，向预先设置的与传感器关联的终端设备发送警报信息。判定传感器出现故障后，弃用传感器检测到的数据，可以防止错误的数据对生产造成损失，同时向预先设置的传感器关联的终端设备发送警报信息，可以对传感器出现故障的信息进行通报。
另外，根据预设函数和传感器的属性的实际值，计算得到传感器的属性的实际函数图像，具体为：每间隔预设时长，根据预设函数和传感器的属性的实际值，计算得到传感器的属性的实际函数图像；在每一次计算得到实际函数图像后，触发检测实际函数图像与标准函数图像的相似度，是否小于预设的相似度门限。每间隔预设时常，即根据传感器的属性的实际值和预设函数，计算得到传感器的属性的实际函数图像，并与标准函数图像对比，可以实时的对传感器是否出现故障进行检测，保证了传感器出现故障可以及时的被发现，有效的避免故障传感器带来损失。
另外，传感器的属性包括额定载荷、灵敏度、灵敏度允差中的至少一者。
另外，传感器为温度传感器、湿度传感器、光感传感器、二氧化碳传感器中的任意一种或其组合。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是本发明第一实施方式所提供的传感器的故障检测方法的流程图；
图2是本发明第二实施方式所提供的传感器的故障检测方法的流程图；
图3是本发明第三实施方式所提供的传感器的故障检测方法的流程图；
图4是本发明第四实施方式所提供的传感器的故障检测方法的流程图；
图5是本发明第五实施方式所提供的传感器的故障检测装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本发明而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本发明所要求保护的技术方案。
本发明的第一实施方式涉及一种传感器的故障检测方法，本实施方式的核心在于：获取传感器的属性的实际函数图像和传感器的标准函数图像，检测传感器的属性的实际函数图像和传感器的标准函数图像的相似度，若相似度小于预设相似度门限，则判定传感器出现故障。下面对本实施方式的传感器的故障检测方法的实施细节进行具体的说明，以下内容仅为方便理解提供的实施细节，并非实施本方案的必须。具体流程如图1所示，包括以下步骤：
步骤S101：获取传感器的属性的标准函数图像。
具体地说，传感器的故障检测装置预先会获取传感器的属性的标准值，然后将获取的传感器的属性的标准值代入预设函数中，计算得到传感器的属性的标准函数图像，根据标准函数可以绘制出传感器的属性的标准函数图像，以传感器的属性的标准函数图像作为参照函数图像。
其中，传感器的属性包括额定载荷、灵敏度、灵敏度允差中的至少一者。若仅使用其中一种传感器的属性，则通过以上方式建立一种传感器的属性的标准函数图像；若使用到多种传感器的属性，则将每一种传感器的属性均通过以上方式计算得到每一种传感器的属性的标准函数图像。
可以理解的是，本实施方式中涉及的传感器可以是温度传感器、湿度传感器及光感传感器，也可以是二氧化碳传感器或者其他类型的传感器，具体的传感器类型可以根据实际的使用场景进行变换。
需要说明的是，在本步骤中，预设函数为核密度估计函数，其计算公式如下：
Figure GDA0002399760450000041
其中，Kh()为核函数，核函数的种类有很多，例如均匀核函数Kh(x)＝1/(2h)，-h≤x≤h、三角核函数Kh(x)＝(h-|x|)/h^2，-h≤x≤h。可以理解的是，核函数还可以是伽马核函数和高斯核函数等，无论哪种核函数，其都能达到对传感器的属性值进行核密度估计的效果，在实际应用中，可以根据需要进行选取。h为预设参数，h可以根据需要进行设定，在核密度估计函数的应用中，h的选取一般取决于N，当N越大的时候，选取的h的值越小，较大的N保证了即使比较小的h也足以保证区间内有足够多的点用于计算概率密度。x为所述传感器的属性的标准值，xi为第i次测量得到的所述传感器的属性的标准值，n为所述传感器的属性的标准值的测量次数。在使用过程中，将多次测量获得的n个xi代入以上公式中，则可以计算得到fh(x)与传感器的属性的标准值x的标准函数，并根据标准函数绘制标准函数图像。
步骤S102：获取传感器的属性的实际函数图像。
具体地说，在传感器的使用过程中，传感器的故障检测装置会获取传感器的属性的实际值，然后将获取的传感器的属性的实际值代入预设函数中，计算得到传感器的属性的实际函数图像，根据实际函数可以绘制出传感器的属性的实际函数图像。
其中，传感器的属性应该与步骤S101中的传感器的属性相同，即若步骤S101中仅使用一种传感器的属性建立传感器的属性的标准函数图像，则本步骤中也仅使用同一种传感器的属性建立传感器的属性的实际函数图像；若步骤S101中使用多种传感器的属性各自建立多种传感器的属性的标准函数图像，则本步骤中也需要使用相同的多种传感器的属性分别建立多种传感器的属性的实际函数图像。
可以理解的是，在本步骤中，预设函数应该同样为核密度估计函数，其计算公式也应该相同，即使用同样种类的核函数Kh()，设定相同的预设参数h，使用相同数量的传感器的属性的实际值，即n也相同，所不同的是，在本步骤中，代入计算公式中的，xi为第i次测量得到的所述传感器的属性的实际值，从而计算得到fh(x)与传感器的属性的实际值x的实际函数，并根据实际函数绘制实际函数图像。
步骤S103：检测实际函数图像与标准函数图像的相似度。
具体地说，可以通过将实际函数图形中的多个位置的传感器的属性的实际值对应的传感器的属性的实际函数值，与标准函数图像中多个相同位置的传感器的属性的标准值对应的传感器的属性的标准函数值进行比较，获取传感器的属性的实际函数图像与传感器的属性的标准函数图像的相似度。
可以理解的是，若仅构建了一种传感器的属性的标准函数图像和一种传感器的属性的实际函数图像，则仅检测一种传感器的属性的标准函数图像与传感器的属性的实际函数图像的相似度；若构建了多种传感器的属性的标准函数图像和多种传感器的属性的实际函数图像，则检测多个相同的传感器的属性的标准函数图像与传感器的属性的实际函数图像的相似度。
步骤S104：判断相似度是否小于预设相似度门限，若相似度大于或等于预设相似度门限，则执行步骤S105，若相似度小于预设相似度门限，则执行步骤S106。
具体地说，预设的相似度门限为判断传感器不出现故障的传感器的属性的实际函数图像与传感器的属性的标准函数图像的最小相似度。若判断传感器的属性的实际函数图像与传感器的属性的标准函数图像的相似度大于或等于预设的相似度门限，则执行步骤S105；若判断传感器的属性的实际函数图像与传感器的属性的标准函数图像的相似度小于预设的相似度门限，则执行步骤S106。
可以理解的是，若检测多个相同的传感器的属性的标准函数图像与传感器的属性的实际函数图像的相似度，则只要存在一种传感器的属性的标准函数图像与传感器的属性的实际函数图像的相似度小于预设相似度门限，则执行步骤S106。
步骤S105：判断是否间隔预设时长，若未间隔预设时长，则重新执行步骤S105；若间隔预设时长，则重新执行步骤S102。
具体地说，若传感器的属性的实际函数图像与传感器的属性的标准函数图像的相似度大于或等于预设的相似度门限，则说明传感器的属性的实际函数图像与传感器的属性的标准函数图像的相似度大于或等于判定传感器不出现故障的最小相似度，则判定传感器未出现故障。
进一步的，若检测多个相同的传感器的属性的标准函数图像与传感器的属性的实际函数图像的相似度，则只有所有的种类的传感器的属性的标准函数图像与传感器的属性的实际函数图像的相似度均大于或等于预设的相似度门限，则判定传感器未出现故障。
判定传感器未出现故障后，则判断是否间隔了预设时常，若判定间隔了预设时长，则重新获取传感器的属性的实际函数图像，再次与传感器的属性的预设函数图像进行相似度对比；若判定未间隔预设时长，则一直进行判断，直至达到预设时长。从而实现对传感器故障的实时检测
步骤S106：记录出现故障的传感器。
若判定传感器的属性的实际函数图像与传感器的属性的标准函数图像的相似度小于预设的相似度门限，则说明传感器的属性的实际函数图像与传感器的属性的标准函数图像的相似度小于判定传感器不出现故障的最小相似度，则判定传感器出现故障，并记录出现故障的传感器的信息。
可以理解的是，若检测多个相同的传感器的属性的标准函数图像与传感器的属性的实际函数图像的相似度，则只要有一个种类的传感器的属性的标准函数图像与传感器的属性的实际函数图像的相似度小于预设的相似度门限，则判定传感器出现故障，并记录出现故障的传感器的信息。
步骤S107：弃用传感器检测到的数据。
具体的说，在本步骤中，会弃用检测到出现故障的传感器检测到的数据。
与现有技术相比，本发明第一实施方式所提供的传感器的故障检测方法，传感器的故障检测装置将传感器在工作工程中的传感器的属性的实际值，通过预设函数计算得到的传感器的属性的实际函数图像，与根据传感器的属性的标准值和预设函数计算得到的传感器的属性的标准函数图像进行对比，从而根据对比的结果判断传感器是否出现故障，由于所有步骤均由传感器的故障检测装置执行，无需进行任何的人工处理，从而可以达到自动检测传感器是否出现故障的效果，避免由于传感器出现故障而未被检测到，使用了故障传感器采集的错误数据而造成错误操作，导致的损失。同时，在检测到传感器未出现故障时，间隔预设时间重新获取传感器的属性的实际函数图像，重新与传感器的属性的标准函数图像对比，从而在传感器的整个工作过程中，可以实时的对传感器是否出现故障进行检测，及时的检测到出现故障的传感器，也相对于人工检测提升了效率。判定传感器出现故障后，弃用传感器检测到的数据，可以防止使用错误的数据造成损失。
本发明的第二实施方式涉及一种传感器的故障检测方法，第二实施方式为对第一实施方式的进一步改进，具体改进之处在于，在本实施方式中，通过对相同位置的传感器的属性的实际函数值与传感器的属性的标准函数值做差值，根据差值与预设阈值的关系获取相似度的大小。具体流程如图2所示，包括以下步骤：
可以理解的是，在使用多种传感器的属性进行判断时，对多种传感器的属性的操作相同且各自独立，且使用多种传感器的属性的函数图像判断传感器是否出现故障，在第一实施方式中已进行说明，在此不再赘述，以下仅以一种传感器的属性的操作进行说明。
步骤S201：获取传感器的属性的标准函数图像。
步骤S202：获取传感器的属性的实际函数图像。
由于本实施方式中步骤S201、步骤S202与第一实施方式中步骤S101、步骤S102大致相同，旨在获取传感器的属性的标准函数图像和实际函数图像，此处不再赘述。
步骤S203：获取标准函数图像中N个位置的N个标准函数值。
具体的说，在获取的标准函数图像中选取N个位置，通过标准函数图像获取N个位置对应的N个标准函数值。
步骤S204：获取实际函数图像中对应N个位置的N个实际函数值。
具体的说，在获取的实际函数图像中选取与步骤S103中相对应的N个位置，通过实际函数图像获取N个位置对应的N个实际函数值。
步骤S205：获取对应位置的实际函数值与标准函数值的N个差值。
具体的说，将获取的N个标准函数值与对应位置获取的N个实际函数值分别进行计算差值，获得N个标准函数值与N个实际函数值的N个差值。
步骤S206：判断N个差值是否均大于预设阈值，若N个差值均大于预设阈值，则执行步骤S208，若N个差值不是均大于预设阈值，则执行步骤S207。
具体地说，会将获取的N个差值分别对预设阈值进行大小比较，若N个差值均大于预设阈值，则说明实际函数图像与标准函数图像的差别过大，则执行步骤S208，若N个差值中存在一个或多个差值不大于预设阈值，则说明实际函数图像与标准函数图像的差别不大，则执行步骤S207。
步骤S207：判断是否间隔预设时长，若未间隔预设时长，则重新执行步骤S207；若间隔预设时长，则重新执行步骤S202。
步骤S208：记录出现故障的传感器。
步骤S209：弃用传感器检测到的数据。
由于本实施方式中步骤S207至步骤S209与第一实施方式中步骤S105至步骤S107大致相同，旨在判断传感器是否出现故障及出现故障后的处理，此处不再赘述。
与现有技术相比，本发明第二实施方式所提供的传感器的故障检测方法，传感器的故障检测装置将传感器在工作工程中的传感器的属性的实际值，通过预设函数计算得到的传感器的属性的实际函数图像，与根据传感器的属性的标准值和预设函数计算得到的传感器的属性的标准函数图像进行对比，从而根据对比的结果判断传感器是否出现故障，由于所有步骤均由传感器的故障检测装置执行，无需进行任何的人工处理，从而可以达到自动检测传感器是否出现故障的效果，避免由于传感器出现故障而未被检测到，使用了故障传感器采集的错误数据而造成错误操作导致的损失。其中，将N个差值均与预设阈值进行比较，可以保证对于传感器是否出现故障的判定更为准确，减少误判的发生。同时，在检测到传感器未出现故障时，间隔预设时间重新获取传感器的属性的实际函数图像，重新与传感器的属性的标准函数图像对比，从而在传感器的整个工作过程中，可以实时的对传感器是否出现故障进行检测，及时的检测到出现故障的传感器，也相对于人工检测提升了效率。判断传感器出现故障后，弃用传感器检测到的数据，可以防止使用错误的数据造成损失。
本发明的第三实施方式涉及一种传感器的故障检测方法。第三实施方式与第二实施方式大致相同，主要区别之处在于：在第二实施方式中，将N个差值均与预设阈值进行比较，判断传感器是否出现故障。而在本发明第三实施方式中，将N个差值的平均值与预设阈值进行比较，从而判断传感器是否出现故障。如图3所示，具体步骤如下。此外，本领域技术人员可以理解，标准函数图像与实际函数图像的比较方法还有很多，在此不进行一一列举，而比较方法的简单替换，并不影响本发明实施方式的效果。
步骤S301：获取传感器的属性的标准函数图像。
步骤S302：获取传感器的属性的实际函数图像。
步骤S303：获取标准函数图像中N个位置的N个标准函数值。
步骤S304：获取实际函数图像中对应N个位置的N个实际函数值。
步骤S305：获取对应位置的实际函数值与标准函数值的N个差值。
由于本实施方式中步骤S301至步骤S305与第一实施方式中步骤S201至步骤S205大致相同，旨在获取传感器的属性的标准函数图像和传感器的属性的实际函数图像，以及获取对应位置的实际函数值与标准函数值的N个差值，此处不再赘述。步骤S306：判断N个差值的平均值是否大于预设阈值，若N个差值的平均值大于预设阈值，则执行步骤S308，若N个差值的平均值小于或等于预设阈值，则执行步骤S307。
具体的说，在本步骤中，首先会获取N个差值的平局值，再将N个差值的平均值与预设阈值进行比较，若N个差值的平均值大于预设阈值，则说明实际函数图像与标准函数图像的差别过大，则执行步骤S308，若N个差值的平均值小于或等于预设阈值，则说明实际函数图像与标准函数图像的差别不大，则执行步骤S307。
步骤S307：判断是否间隔预设时长，若未间隔预设时长，则重新执行步骤S307；若间隔预设时长，则重新执行步骤S302。
步骤S308：记录出现故障的传感器。
步骤S309：步骤S209：弃用传感器检测到的数据。
由于本实施方式中步骤S307至步骤S309与第二实施方式中步骤S207至步骤S209大致相同，旨在判断传感器是否出现故障及出现故障后的处理，此处不再赘述。
与现有技术相比，本发明第三实施方式所提供的传感器的故障检测方法，传感器的故障检测装置将传感器在工作工程中的传感器的属性的实际值，通过预设函数计算得到的传感器的属性的实际函数图像，与根据传感器的属性的标准值和预设函数计算得到的传感器的属性的标准函数图像进行对比，从而根据对比的结果判断传感器是否出现故障，由于所有步骤均由传感器的故障检测装置执行，无需进行任何的人工处理，从而可以达到自动检测传感器是否出现故障的效果，避免由于传感器出现故障而未被检测到，使用了故障传感器采集的错误数据而造成错误操作导致的损失。其中，将N个差值的平均值与预设阈值进行比较，可以简化比较的过程，使得对比更为方便。同时，在检测到传感器未出现故障时，间隔预设时间重新获取传感器的属性的实际函数图像，重新与传感器的属性的标准函数图像对比，从而在传感器的整个工作过程中，可以实时的对传感器是否出现故障进行检测，及时的检测到出现故障的传感器，也相对于人工检测提升了效率。判断传感器出现故障后，弃用传感器检测到的数据，可以防止使用错误的数据造成损失。
本发明的第四实施方式涉及一种传感器的故障检测方法，第四实施方式为对第三实施方式做出的进一步改进，如图4所示，具体步骤如下。
步骤S401：获取传感器的属性的标准函数图像。
步骤S402：获取传感器的属性的实际函数图像。
步骤S403：获取标准函数图像中N个位置的N个标准函数值。
步骤S404：获取实际函数图像中对应N个位置的N个实际函数值。
步骤S405：获取对应位置的实际函数值与标准函数值的N个差值。
步骤S406：判断N个差值的平均值是否大于预设阈值，若N个差值的平均值大于预设阈值，则执行步骤S408，若N个差值的平均值小于或等于预设阈值，则执行步骤S407。
步骤S407：判断是否间隔预设时长，若未间隔预设时长，则重新执行步骤S407；若间隔预设时长，则重新执行步骤S402。
步骤S408：记录出现故障的传感器。
步骤S409：弃用传感器检测到的数据。
步骤S410向预先设置的终端设备发送警报信息。
具体地说，判断传感器出现故障，则向预先设置的终端设备发送警报信息，方便使用人员获取传感器出现故障这一信息，预先设置的终端设备为预先与传感器绑定的终端设备，其可以根据传感器的具体使用位置决定，例如，可以根据传感器所属的区域进行绑定，也可以是根据传感器的种类进行绑定，例如温度传感器绑定A设备，湿度传感器绑定B设备。具体的对应的终端设备可以根据需要进行设定。
由于本实施方式中步骤S401至步骤S409与第三实施方式中步骤S301至步骤S309大致相同，旨在根据传感器的属性的实际函数图像与传感器的属性的标准函数图像判断传感器是否出现故障，此处不再赘述。
与现有技术相比，本发明第四实施方式所提供的传感器的故障检测方法，传感器的故障检测装置将传感器在工作工程中的传感器的属性的实际值，通过预设函数计算得到的传感器的属性的实际函数图像，与根据传感器的属性的标准值和预设函数计算得到的传感器的属性的标准函数图像进行对比，从而根据对比的结果判断传感器是否出现故障，由于所有步骤均由传感器的故障检测装置执行，无需进行任何的人工处理，从而可以达到自动检测传感器是否出现故障的效果，避免由于传感器出现故障而未被检测到，使用了故障传感器采集的错误数据而造成错误操作导致的损失。其中，将N个差值的平均值与预设阈值进行比较，可以简化比较的过程，使得对比更为方便。同时，在检测到传感器未出现故障时，间隔预设时间重新获取传感器的属性的实际函数图像，重新与传感器的属性的标准函数图像对比，从而在传感器的整个工作过程中，可以实时的对传感器是否出现故障进行检测，及时的检测到出现故障的传感器，也相对于人工检测提升了效率。判断传感器出现故障后，弃用传感器检测到的数据，可以防止使用错误的数据造成损失。进一步的，向预先设置的终端设备发送警报信息，可以方便使用人员获取传感器出现故障这一信息，从而根据这一信息进行相应的操作，减少故障传感器带来的损失。
上述传感器的故障检测方法的应用场景有很多，下面以应用场景为温室大棚对上述传感器的故障检测方法进行举例说明，获取的数据如下：
传感器的标准值如下表：
区域 传感器种类 额定载荷 灵敏度 灵敏度允差 标准函数图像
A区 温度传感器 2/3 mV/V 0.1％ A图参数
B区 湿度传感器 1/3 mV/V 0.1％ B图参数
C区 光照传感器 1/3 mV/V 0.2％ C图参数
其中，A区、B区、C区为温室大棚中的不同的种植区域。
传感器在使用过程中的获取的传感器的属性的实际值如下表：
Figure GDA0002399760450000101
Figure GDA0002399760450000111
进行预警时的预警方案如下表：
区域 传感器 时间 与传感器关联的终端设备
A区 温度传感器 1月5日 管理处的终端设备
B区 湿度传感器 1月5日 生产组的终端设备
C区 光照传感器 1月5日 具体某人的终端设备
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第五实施方式涉及一种传感器的故障检测装置，如图5所示，包括至少一个处理器501；以及，与至少一个处理器501通信连接的存储器502；其中，存储器502存储有可被至少一个处理器501执行的指令，指令被至少一个处理器501执行，以使至少一个处理器501能够执行如上述传感器的故障检测方法。
其中，存储器502和处理器501采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器501和存储器502的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器501处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器501。
处理器501负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器502可以被用于存储处理器501在执行操作时所使用的数据。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (10)

1.一种传感器的故障检测方法，其特征在于，包括：
预先获取传感器的属性的标准函数图像，其中，所述标准函数图像根据预设函数和所述传感器的属性的标准值计算得到；
根据所述预设函数和所述传感器的属性的实际值，计算得到所述传感器的属性的实际函数图像；
检测所述实际函数图像与所述标准函数图像的相似度，是否小于预设的相似度门限；
若是，则判定所述传感器出现故障。
2.根据权利要求1所述的传感器的故障检测方法，其特征在于，所述预设函数为核密度估计函数，具体公式如下：
Figure FDA0001565092950000011
其中，Kh()为核函数，h为预设参数，x为所述传感器的属性值，xi为第i次测量得到的所述传感器的属性值；所述n为所述传感器的属性的测量次数。
3.根据权利要求2所述的传感器的故障检测方法，其特征在于，
所述核函数为均匀核函数Kh(x)＝1/(2h)，-h≤x≤h；或者，
所述核函数为三角核函数Kh(x)＝(h-|x|)/h^2，-h≤x≤h。
4.根据权利要求1所述的传感器的故障检测方法，其特征在于，所述检测所述实际函数图像与所述标准函数图像的相似度，是否小于预设的相似度门限，具体包括：
获取所述实际函数图像中的N个位置的N个实际函数值，其中，N为正整数；
获取所述标准函数图像中的所述N个位置的N个标准函数值；
分别获取所述N个实际函数值与所述N个标准函数值的N个差值；
若所述N个差值均大于预设阈值，则判定所述相似度小于预设的相似度门限，所述传感器出现故障。
5.根据权利要求1所述的传感器的故障检测方法，其特征在于，所述检测所述实际函数图像与所述标准函数图像的相似度，是否小于预设的相似度门限，具体包括：
分别获取所述实际函数图像中的N个位置的N个实际函数值，其中，N为正整数；
获取所述标准函数图像中的所述N个位置的N个标准函数值；
分别获取所述N个实际函数值与所述N个标准函数值的N个差值；
若所述N个差值的平均值大于预设阈值，则判定所述相似度小于预设的相似度门限，所述传感器出现故障。
6.根据权利要求1所述的传感器的故障检测方法，其特征在于，所述判定所述传感器出现故障后，还包括：
弃用所述传感器检测到的数据，向预先设置的与所述传感器关联的终端设备发送警报信息。
7.根据权利要求1所述的传感器的故障检测方法，其特征在于，所述根据所述预设函数和所述传感器的属性的实际值，计算得到所述传感器的属性的实际函数图像，具体为：
每间隔预设时长，根据所述预设函数和所述传感器的属性的实际值，计算得到所述传感器的属性的实际函数图像；
在每一次计算得到所述实际函数图像后，触发所述检测所述实际函数图像与所述标准函数图像的相似度，是否小于预设的相似度门限。
8.根据权利要求1至7中任一项所述的传感器的故障检测方法，其特征在于，所述传感器的属性包括额定载荷、灵敏度、灵敏度允差中的至少一者。
9.根据权利要求1至7中任一项所述的传感器的故障检测方法，其特征在于，所述传感器为温度传感器、湿度传感器、光感传感器、二氧化碳传感器中的任意一种或其组合。
10.一种传感器的故障检测装置，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至9中任一所述的传感器的故障检测方法。
CN201810096174.0A 2018-01-31 2018-01-31 传感器的故障检测方法及装置 Active CN108180935B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810096174.0A CN108180935B (zh) 2018-01-31 2018-01-31 传感器的故障检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810096174.0A CN108180935B (zh) 2018-01-31 2018-01-31 传感器的故障检测方法及装置

Publications (2)

Publication Number Publication Date
CN108180935A CN108180935A (zh) 2018-06-19
CN108180935B true CN108180935B (zh) 2020-07-03

Family

ID=62551820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810096174.0A Active CN108180935B (zh) 2018-01-31 2018-01-31 传感器的故障检测方法及装置

Country Status (1)

Country Link
CN (1) CN108180935B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108922494B (zh) * 2018-07-20 2020-01-24 奥克斯空调股份有限公司 一种光感模块故障检测方法、装置、显示屏及空调器
CN109443812A (zh) * 2018-09-21 2019-03-08 同济大学 基于图像数据的暖通空调设备故障诊断方法及系统
CN110909669A (zh) * 2019-11-19 2020-03-24 湖南国奥电力设备有限公司 基于图像检测的地下电缆故障确定方法和装置
CN112113595B (zh) * 2020-09-25 2021-03-30 西门子交通技术(北京)有限公司 传感器故障检测方法、装置和计算机可读介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103916896A (zh) * 2014-03-26 2014-07-09 浙江农林大学 基于多维Epanechnikov核密度估计的异常检测方法
CN103926506A (zh) * 2014-02-25 2014-07-16 华北电力大学（保定） 基于构建函数的汽轮发电机转子绕组短路故障诊断方法
CN104296795A (zh) * 2014-10-31 2015-01-21 湖南农业大学 一种传感器自动检测控制装置及方法
CN105224784A (zh) * 2015-06-29 2016-01-06 南京大学 针对传感器采集数据的局部增量式的概率密度估计方法
CN106500754A (zh) * 2016-12-30 2017-03-15 深圳前海弘稼科技有限公司 传感器的检测方法和传感器的检测装置
CN107490477A (zh) * 2017-03-28 2017-12-19 浙江工业大学之江学院 基于频谱核密度函数相关性比较的齿轮箱故障诊断方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103926506A (zh) * 2014-02-25 2014-07-16 华北电力大学（保定） 基于构建函数的汽轮发电机转子绕组短路故障诊断方法
CN103916896A (zh) * 2014-03-26 2014-07-09 浙江农林大学 基于多维Epanechnikov核密度估计的异常检测方法
CN104296795A (zh) * 2014-10-31 2015-01-21 湖南农业大学 一种传感器自动检测控制装置及方法
CN105224784A (zh) * 2015-06-29 2016-01-06 南京大学 针对传感器采集数据的局部增量式的概率密度估计方法
CN106500754A (zh) * 2016-12-30 2017-03-15 深圳前海弘稼科技有限公司 传感器的检测方法和传感器的检测装置
CN107490477A (zh) * 2017-03-28 2017-12-19 浙江工业大学之江学院 基于频谱核密度函数相关性比较的齿轮箱故障诊断方法

Also Published As

Publication number Publication date
CN108180935A (zh) 2018-06-19

Similar Documents

Publication Publication Date Title
CN108180935B (zh) 传感器的故障检测方法及装置
WO2016116961A1 (ja) 情報処理装置および情報処理方法
CN109115257B (zh) 传感器特性曲线的修正方法、装置、设备及存储介质
EP3896420A1 (en) Method, device and electronic apparatus for detecting performance status of optical module in engineering application
US20210116331A1 (en) Anomaly analysis method, program, and system
CN111813638B (zh) 一种告警信息处理方法、装置及终端设备
CN114491383B (zh) 桥梁监测的异常数据处理方法及系统
JP2009217382A (ja) 障害分析システム、障害分析方法、障害分析サーバおよび障害分析プログラム
CN112565187A (zh) 基于逻辑回归的电网攻击检测方法、系统、设备及介质
CN114387762A (zh) 一种楼宇数据管理的方法、装置、设备及存储介质
CN110827967A (zh) 药房空间占用比例鉴定平台、方法及存储介质
CN112069070A (zh) 一种页面检测方法、装置、服务器及计算机可读存储介质
CN111200780B (zh) 定位数据的异常检测方法、装置和计算机可读存储介质
CN112637888B (zh) 覆盖空洞区域识别方法、装置、设备及可读存储介质
CN111371647A (zh) 数据中心监控数据预处理方法及装置
CN112729884B (zh) 基于大数据的设备故障诊断方法及装置
WO2016136391A1 (ja) 事故点標定装置及び方法、電力系統監視システム、設備計画支援システム
CN110443035A (zh) 对用于识别入侵尝试的系统进行校准的方法和设备
CN116366756A (zh) 一种手机智能化测试运行监控系统
CN111651503B (zh) 一种配电网数据异常识别方法、系统及终端设备
CN108307400B (zh) 一种无线网络规划仿真结果的验证方法及系统
CN111950448B (zh) 基于机器视觉的高压隔离开关故障状态检测方法及装置
CN115295016A (zh) 一种设备运行状态监控方法、装置、设备及存储介质
CN113869373A (zh) 设备异常检测方法、装置、计算机设备和存储介质
CN111524341B (zh) 一种燃气行业rtu数据采集方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220507

Address after: 517025 room 317-1, enterprise service center building, No. 8, Longling Third Road, Longling Industrial Park, Yuancheng District, Heyuan City, Guangdong Province

Patentee after: HEYUAN HONGJIA AGRICULTURAL TECHNOLOGY CO.,LTD.

Address before: 518052 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.)

Patentee before: SHENZHEN SPRINGWOODS HOLDING Co.,Ltd.

TR01 Transfer of patent right