CN110869715B - 出租车内多核传感器隔离和恢复的方法 - Google Patents

出租车内多核传感器隔离和恢复的方法 Download PDF

Info

Publication number
CN110869715B
CN110869715B CN201980001681.4A CN201980001681A CN110869715B CN 110869715 B CN110869715 B CN 110869715B CN 201980001681 A CN201980001681 A CN 201980001681A CN 110869715 B CN110869715 B CN 110869715B
Authority
CN
China
Prior art keywords
sensor
sub
data
module
sensors
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
CN201980001681.4A
Other languages
English (en)
Other versions
CN110869715A (zh
Inventor
刘一平
贾帅帅
程琳
司书春
许军
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.)
Nova Fitness Co Ltd
Original Assignee
Nova Fitness 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 Nova Fitness Co Ltd filed Critical Nova Fitness Co Ltd
Publication of CN110869715A publication Critical patent/CN110869715A/zh
Application granted granted Critical
Publication of CN110869715B publication Critical patent/CN110869715B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
    • B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
    • B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
    • 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
    • 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
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/02—Devices for withdrawing samples
    • G01N1/22—Devices for withdrawing samples in the gaseous state
    • G01N1/2273—Atmospheric sampling
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0205—Investigating particle size or size distribution by optical means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0205—Investigating particle size or size distribution by optical means
    • G01N15/0211—Investigating a scatter or diffraction pattern
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/1012—Calibrating particle analysers; References therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/1031—Investigating individual particles by measuring electrical or magnetic effects
    • G01N15/12—Investigating individual particles by measuring electrical or magnetic effects by observing changes in resistance or impedance across apertures when traversed by individual particles, e.g. by using the Coulter principle
    • 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
    • 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
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • G01N33/0032—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array using two or more different physical functioning modes
    • 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
    • G01N33/007—Arrangements to check the analyser
    • 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
    • G01N33/0073—Control unit therefor
    • G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G01N15/075—Investigating concentration of particle suspensions by optical means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N2015/0042—Investigating dispersion of solids
    • G01N2015/0046—Investigating dispersion of solids in gas, e.g. smoke
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/50—Arrangements in telecontrol or telemetry systems using a mobile data collecting device, e.g. walk by or drive by
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Dispersion Chemistry (AREA)
  • Combustion & Propulsion (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Sampling And Sample Adjustment (AREA)
  • Traffic Control Systems (AREA)
  • Automatic Analysis And Handling Materials Therefor (AREA)

Abstract

本发明是一种多核传感器系统中子传感器隔离和恢复的方法，在传感器数据突然大幅变化时，能够智能判断出变化原因是传感器故障还是突发污染，提高数据可靠性。当设备发生故障时，如果能够通过自动判断修复，提高数据的在线率，对于治霾工作所需的连续监测具有重要价值。同时又可以节省设备维护保养方面的人力物力，减少社会浪费。

Description

出租车内多核传感器隔离和恢复的方法
技术领域
本发明涉及一种用于移动车辆的多核传感器系统及其隔离、恢复和轮休的方法，特别是用于出租车顶灯内的多核传感器；属于环境监测领域。
背景技术
环境监测中大气污染物监测指标为大气中的二氧化硫、氮氧化物、臭氧、一氧化碳、PM1(空气动力学粒径小于1微米的粒子)、PM2.5(空气动力学粒径小于2.5微米的粒子)、PM10(空气动力学粒径小于10微米的粒子)、PM100(空气动力学粒径小于100微米的粒子)和VOCs(挥发性有机物)或TVOC(总挥发性有机物)。大气环境监测系统可以对监测的数据进行收集和处理，并及时准确地反映区域环境空气质量状况及变化规律。
现在的大气环境监测设备主要有固定式监测站和移动式监测设备。目前的固定式监测站主要分为大型固定监测站点和小型站点。移动式监测设备主要有专用大气环境监测车、无人机以及手持设备等。上述小型监测站点、手持设备都用到了空气质量传感器来测量大气中的污染物。小型传感器具有低成本、小型化和在线监测的特点，可以大规模使用。空气质量传感器本身会由于各种原因造成测得值与真实值不一致而存在误差。与大型精密仪器或者手工监测方式相比，空气质量传感器还有精确度更低、稳定性差、误差大、需要经常校准的特点。
激光散射法的大气污染颗粒物传感器，因为低成本和便携性，有着宽广的市场前景。然而采用散射法的便携式分析装置就会存在测量一致性差、噪声大、测量精度低等缺点，核心器件容易受到各种环境因素影响，而波动容易引起误判。
当传感器数据突然大幅变化时，能够智能判断出变化原因是传感器故障还是突发污染，将会极大提高数据可靠性，对于保证环保监测数据质量具有重要价值。当设备发生故障时，如果能够通过自动修复，也可以大幅提高数据的在线率，对于治霾工作所需的连续监测具有重要价值。同时又可以节省设备维护保养方面的人力物力，减少社会浪费。
专利CN 105823856 A公开了一种基于多传感器融合的空气质量监测方法，将多个传感器的多组测量数据做融合处理，优化了光的波动性引入的伪随机误差问题。数据的融合方法可根据需求选择已有的融合算法。
该文披露：散射法测量空气中的污染物时，发射的激光在几百纳米到一千多纳米范围内，而待测污染物的粒径尺寸对于PM2.5来说，为粒径在2500纳米以下，对于PM10来说，为粒径在10000纳米以下，可见激光波长和待测污染物的粒径尺寸相当，激光在波长相当的情况下同时呈现波动性和粒子性，而光散射法利用的散射效应仅能利用光的粒子性进行测量，因此单次测量无法完全准确呈现待测空间范围内的粒子数。
专利CN 101763053A公开了一种检测系统，具有实时自诊断功能，能够识别传感器失效、信号异常、子系统功能失效或系统异常的。出现故障时，系统能立即上传故障信息并激活报警；同时隔离故障传感器。
专利CN 102480783A公开了一种无线传感器系统，可以通过值守调度机制使网络中的冗余节点不定期地轮休以延长寿命。
发明内容
术语解释
传感器：传感器是一种检测装置，能感受到污染物浓度信息，并能将感受到的信息按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。本文中的污染物主要包括颗粒物(PM1、PM2.5、PM10、PM100)、氮氧化物、二氧化硫、臭氧、VOCs/TVOC和一氧化碳。
子传感器：也称为子传感器单元，本文中子传感器单元包括风扇、传感元件、MCU、信号转换元件和信号放大电路，可以独立完成污染物数据的采集和计算，也可以传输本地储存数据。
传感器模组：传感器模组是由多个子传感器构成的传感器装置，子传感器在传感器模组中也称为核。如由四个子传感器组成的传感器模组也称为四核传感器，五个子传感器组成的传感器模组也称为五核传感器。
子传感器异常波动：表示传感器在连续测量时测量结果的离散程度超过正常范围。
子传感器异常飘移：表示传感器在连续测量时测量结果的平均值偏移真实值超出正常范围。
子传感器相关性异常：表示传感器在连续测量时测量结果与其他传感器的相关性低于正常范围。
子传感器异常：子传感器异常波动、子传感器异常飘移和子传感器相关性异常都属于子传感器异常。
异常子传感器：也称为故障子传感器，是出现子传感器异常现象的子传感器。
疑似异常子传感器：也称为疑似故障子传感器；在传感器模组中，波动最大或者飘移最大的子传感器，但波动或者偏移还未触发隔离条件；也就是说波动或者偏移的程度还不足以被认定为子传感器异常。疑似异常子传感器是正常子传感器里最接近异常的子传感器，例如测量数值偏离正常值20％判断为异常，假设1号，2号，3号子传感器偏离正常值分别为5％，6％，16％，那么我们判断3号子传感器为疑似故障子传感器。
隔离：子传感器不参与控制模块上传数值的运算的情况被称为子传感器隔离。
隔离条件：隔离条件是判断是否将疑似异常子传感器进行隔离的条件。如子传感器异常波动中的离散程度值，子传感器异常飘移中的偏移值等。
恢复条件：恢复条件是判断是否将处于隔离区的子传感器恢复工作的依据。恢复条件的标准应当适当高于隔离条件，相互之间应该有至少10％的差异，以避免刚刚恢复的子传感器又被隔离。
轮休：是子传感器的一种工作方式，表示子传感器间隔轮流启停工作。
数据变差：表示传感器数值偏离正常值范围加大。
由于各种原因，例如，传感器本身性能原因、外界干扰影响，空气质量传感器的测得值与真实值之间往往存在不小的误差。降低误差、提高精度是传感器领域努力的方向。
目前也出现了多种提高传感器精度的方式。
第一种方式为采用单个高成本高精度的传感器，但带来的问题也显而易见，除了成本高的问题外，还无法通过传感器本身输出的数据判断传感器是否异常。
第二种方式为双核传感器，通过两个传感器独立采样测量并输出结果。该种方式可以按照一定的判断标准比对两个子传感器的输出结果，判断子传感器是否工作异常，但此方式无法判断具体是哪一个子传感器出现了异常。
第三种为三核传感器，通过比对三个子传感器的输出结果，进而判断是哪一个子传感器出现了问题，进而隔离出问题的子传感器；但由于此时隔离后传感器模组以双核模式运行，又会出现无法判断异常子传感器的问题，因此一旦三核传感器有一个子传感器出现异常后，整个传感器模组可靠性大大下降。
图1表示子传感器的工作状态，子传感器100表示正常的子传感器，子传感器101和子传感器102均为疑似异常子传感器，子传感器104表示异常子传感器。图2中，1U表示一核传感器模式，当传感器数据异常时，无法判断是传感器本身故障还是空气质量异常；2U表示双核传感器模组，当双核传感器模组有一个子传感器输出异常时，无法判断是哪一个出现异常，因此双核传感器模组有一个子传感器出现异常，整个模组便无法正常工作。以此类推，3U表示三核传感器模组。
针对上述不足，本发明提供了一种多核传感器系统及其隔离、恢复和轮休的方法。本发明采用至少四个子传感器单元组成传感器模组，实现数据偏差互补，相互校验，提高传感器模组的可靠性、一致性、精度以及寿命。
如图3和图4所示，4U表示四核传感器模组，当发现有一个子传感器出现疑似异常，并判断疑似异常子传感器为异常子传感器后，可以对其进行隔离，四核传感器模组降级为三核传感器模组，三核传感器模组仍然可以正常工作；5U表示五核传感器模组，当发现有一个子传感器出现疑似异常，并判断疑似异常子传感器为异常子传感器后，五核传感器模组降级为四核传感器模组，四核传感器模组仍然可以正常工作；以此类推六核传感器模组、七核传感器模组及更多核的传感器模组。
多核传感器系统安装在出租车的顶灯内；多核传感器系统包括分气箱、主控模块和检测模块。分气箱用来将被测气体分配给每个单独子传感器。分气箱的进气口连接气体采样头，分气箱出气口与检测模块的每个子传感器进气口连接。检测模块为传感器模组，内置四个或者四个以上子传感器，检测模块用于检测大气污染物浓度。主控模块用于接收、分析和上传检测模块检测的数据，并且为检测模块供电。
子传感器的类型包括PM1传感器、PM2.5传感器、PM10传感器、PM100传感器、二氧化硫传感器、氮氧化物传感器、臭氧传感器、一氧化碳传感器、VOCs传感器、TVOC传感器和其他可以测量环境污染物浓度的传感器。
传感器准确度与多种因素有关，如被测气体流速、温度等。本发明通过多种方式的设计进一步提高传感器模组的准确度。
传感器准确度与温度有关，如图8所示，传感器有最佳工作温度范围，温度高于最佳工作温度情况下，准确度会下降。本发明通过温度控制装置调节传感器温度和进气温度，还可以通过算法对温度进行补偿，提高检测精度。
传感器的准确度也与流过传感器内部的被测气体流速有关。如图9所示，被测气体在最佳流速V0情况下，准确度最高，被测气体流速过快或者过慢都会影响准确度。传感器内部风阻或者其他原因会使得被测气体流速有变化，如图10所示，本发明通过调节内部风扇转速或者其他流速调节的方式，将被测气体流速控制在最佳流速范围内，提高传感器准确度。
多核传感器通过嵌入算法，解决由于不同长度进气管路造成的多个子传感器检测采样气体不同步问题，从而得到更精确的检测数据。
多核传感器通过利用多个传感器同时测量空气质量，输出数值为多个传感器平均值，数据准确性高。如图5所示为四核传感器模组的输出数据，U1、U2、U3和U4为四个子传感器分别的输出数据，实线Average为四个传感器的平均值，数据更平滑、稳定，精度更高。
激光传感器的性能受激光器光衰的影响。半导体激光器随使用时间加长会出现因为半导体材料和生产工艺导致的光功率衰减的问题，光功率衰减达到一定程度时会影响传感器检测数据的准确性。
为了解一组激光传感器在长时间工作后其光衰的程度，本发明通过把传感器组分为高频组和低频组，低频组作为冗余单元为高频组提供校准依据。
本发明公开了另一种多核传感器系统，所述多核传感器系统安装在出租车的顶灯内；所述多核传感器系统包含主控模块和检测模块；所述检测模块包含至少两个同类子传感器单元组成传感器模组；所述子传感器单元工作在正常的工作频率。所述检测模块还包含至少一个与传感器模组同类的子传感器单元组成低频校准模组；低频校准模组内的子传感器单元工作在远低于传感器模组的工作频率。因此低频校准模组也称之为低频组。作为对照，传感器模组也称之为高频组。
通常，传感器模组的工作频率是低频校准模组的10倍或以上。高频组和低频组的工作频率的比率，称为高频低频比，可以选择为：2∶1，3∶1，4∶1，5∶1，6∶1，7∶1，8∶1，9∶1，10∶1，15∶1，20∶1。
低频组的工作频率可以与异常判断的节奏保持一致。也就是说，当需要对传感器模组中是否存在子传感器异常现象进行判断时，低频组才进行检测工作。
由于激光功率衰减在激光传感器的工作寿命内的大多数时间是缓慢进行的，是可以通过校准来恢复其数据的准确性；也就是使用未衰减或衰减程度非常低的子传感器来校准衰减程度高的子传感器。
在传感器模组运行过程中，每隔一定时间，例如1天，1周或1个月，使用低频组检测数据作参考，校准高频组检测数据，校准系数可以使用高频组传感器的检测数据平均值与低频组检测数据平均值之比得到。
除了激光传感器的光衰效应，其他类型的传感器，也存在长时间高负荷工作情况下的性能不稳定或者数据误差增大的可能倾向。通过引入一个低频组，能够作为相对可靠的基准，用来判断传感器模组是否存在数据偏移现象。
同时，由于低频组的数据通常可信度更高，在判断传感器模组中哪个子传感器单元属于疑似异常或异常时，可以通过增加低频组的数据权重，来做出更可信的判断。一种简单的方案是所有的低频组数据按两倍权重参与疑似异常判断。
低频组参与疑似异常判断还可以采用如下区别情形的方案：
1)单个低频传感器：低频传感器的数据权重为2；传感器模组中每个传感器单元的数据权重为1；
2)两个低频传感器：以传感器模组的平均值为基准，离基准值更近的一个低频传感器的数据权重为2，另一个权重为1；
3)三个及三个以上低频传感器：以低频组的数据平均值为基准，高频组中与基准偏离最远的为疑似异常。
当主控模块发现传感器模组中某一个子传感器单元出现疑似异常，并判断所述疑似异常子传感器为异常子传感器后，对所述异常子传感器进行隔离，所述异常子传感器归入隔离区，多核传感器模组降级后继续正常工作。
本发明还公开了一套识别子传感器工作状态并对子传感器进行隔离和恢复的方法。该方法如图11所示，传感器模组获得一个时刻的一组检测数据，主控模块从这一组数据中筛选出疑似异常的数据，进而判断相应的子传感器是否满足隔离条件。判断子传感器为异常子传感器后将异常子传感器归入隔离区；判断疑似异常的子传感器不满足隔离条件后，该子传感器继续正常工作。判断进入隔离区的子传感器是否可以自愈，如果判断可以自愈则对该可自愈的子传感器做降频工作处理，但是子传感器输出的数据不参与主控模块输出数据的计算。对于无法自愈的子传感器则停止工作，并通知运行维护方进行维修或者更换。对于降频后的子传感器，由主控模块检测其输出的数据，判断其是否达到恢复条件，将达到恢复条件的子传感器调离隔离区，恢复工作，输出数据参与传感器模组数据或主控数据计算；对于不符合恢复条件的异常子传感器再次进行是否可自愈的判断。
将传感器模组中异常子传感器隔离后，剩余的子传感器输出数据平均值作为传感器模组的输出结果，传感器模组可以继续正常使用。
本发明对传感器模组设置了轮休的工作模式，在工作正常的子传感器中，选择一个或者多个进行轮休，可以解决传感器疲劳带来的工作性能下降的问题。
传感器随工作时间的增加，内部状态会有一定的变化，例如内部温度随工作时间增加而升高，采样装置的机械元件会有金属疲劳的问题，因此工作一段时间后适当休息会使传感器恢复最佳工作状态。
传感器启动工作一段时间后，进入稳定工作时段，经过长时间的连续工作后会出现疲劳度上升的情况。为了缓解这种情况，减少传感器疲劳阶段的数据偏移，选择那些进入疲劳状态的子传感器，使其进入休息状态，尽量使传感器单元在稳定工作时段工作。
对于激光传感器模组而言，轮休还可以使得同组传感器的光衰保持基本同步。
半导体激光器随使用时间加长会出现因为半导体材料效率的降低导致出光功率衰减的问题，使用半导体激光器作为发光元件的光散射发颗粒物传感器在包含多个子传感器时需要考虑传感器之间的光衰同步问题。
如呆子传感器之间的光衰不同步，在光衰较轻时，其对数据的影响相对小一些，使得各传感器数据会有一些差异，但是根据这些较轻程度差异无法判定该子传感器是否故障，仍然会参与传感器最终检测数据的计算，导致最终检测数据出现偏差。
因此，多核传感器系统的主控模块应记录保存各子传感器的累计工作时间，根据累计工作时间调整各子传感器轮休间隔，使各子传感器的光衰保持基本同步，有助于传感器检测数据准确度的提高。
本发明使用成本低。与昂贵的精密仪器相比，传感器模组仅增加数个子传感器，对设备整体并没有大幅度成本提升。但是由于可靠性和精度的增加，运用此方式还可以将低精度、低可靠性但低成本的传感器应用于原本只能使用高精密仪器的场景下。多核传感器模组还延长了整个监测设备的寿命、维护周期，减少设备更换和维修带来的成本。
传感器故障的判断可以通过本地主控完成，还可以通过数据中心在线监测系统完成。在线监测系统负责接收数据、存储、数据处理、生成可视化的污染云图。
附图说明
图1为子传感器状态示意图；
图2单核传感器模组、双核传感器模组、三核传感器模组以及三核传感器模组有一个子传感器故障的示意图；
图3疑似异常子传感器模组判断示意图。一核、双核传感器模组，出现疑似异常后无法判断异常情况；三核以上的传感器模组才可以判断疑似异常的传感器。
图4传感器误差示意图，D0和D1之间为波动；D0和实际数值之间为飘移；
图5为四核传感器模组输出数据及其子传感器输出数据示意图，Average为四核平均输出结果，虚线为各个核的输出结果；
图6为对六核传感器模组的子传感器出现异常后隔离方式的示意图；
图7为隔离和恢复四核传感器模组中异常子传感器的示意图；
图8传感器准确度与温度的关系示意图；
图9传感器准确度与被测气体流速的关系示意图；
图10风扇转速、风阻与被测气体流速关系的示意图；
图11多核传感器模组隔离和恢复方法流程的示意图；
图12六核传感器结构示意图；
图13四核传感器及其故障指示灯示意图；
图14为高低频多核传感器模组的隔离和恢复流程示意图。
图中：100-正常传感器，101-疑似异常子传感器(之一)，102-疑似异常子传感器(之二)，104-异常子传感器，U3-3号传感器，U3-d-状态指示灯(红色-故障)，U4-d-状态指示灯(绿色-正常)；2U(3U)-代表一组三核传感器按两核模式运行，其中一核被隔离；
具体实施方式
多核传感器系统包括分气箱、主控模块和检测模块。分气箱用途为将被测气体分配给每个单独子传感器。分气箱的进气口连接气体采样头，分气箱出气口与检测模块的每个子传感器进气口连接。检测模块包含传感器模组，内置四个或者四个以上同类子传感器，检测模块用于检测大气污染物浓度。主控模块用于接收、分析和上传检测模块检测的数据至数据中心，并且为检测模块供电。分气箱进气口与采样头连接，出气口与检测模块的进气口连接。分气箱具有缓冲作用，缓解压力波动。
检测模块还可以包含至少一个与传感器模组同类的子传感器单元组成低频校准模组；低频校准模组内的传感器单元工作在远低于传感器模组的工作频率。在包含低频校准模组的多核传感器系统中，传感器模组可以减少为两个或三个传感器单元。
主控模块安装有控制模块数据通信接口，控制模块数据接口与传感器数据通信接口通过导线连接。传感器将数据通过与其连接的控制模块数据通信接口传输给控制模块。检测模块通过数据接口与主控模块相连，主控模块可以处理子传感器的检测数据，还具有数据上传功能和定位功能。主控模块可以通过无线网络将数据上传至数据中心。数据中心负责接收数据、存储和数据处理。数据中心在线监测系统可以人工控制对异常子传感器进行二次校准。
本发明采用多个子传感器单元组成传感器模组，实现数据偏差互补、相互校验，提高传感器模组的可靠性、一致性、精度以及寿命。如图3和图4所示，4U表示四核传感器模组，当发现有一个子传感器出现疑似异常，并判断疑似异常子传感器为异常子传感器后，可以对其进行隔离，四核传感器系统降级为三核传感器系统，三核传感器系统仍然可以正常工作；5U表示五核传感器模组，当发现有一个子传感器出现疑似异常，并判断疑似异常子传感器为异常子传感器后，五核传感器系统降级为四核传感器系统，四核传感器系统仍然可以正常工作；以此类推六核传感器模组、七核传感器模组及更多核的传感器模组。
湿度、温度调节
传感器准确度与温度有关，如图8所示，传感器有最佳工作温度范围，温度高于最佳工作温度情况下，准确度会下降。本发明通过湿度控制装置调节传感器进气湿度和进气温度。
实施例一
分气箱可加装具有加热除湿功能的半导体制冷片，所选材料为金属，半导体制冷片包括热端和冷端。利用半导体制冷片热端直接加热分气箱，在分气箱进气口之前安装湿度传感器，当湿度传感器测得的气体湿度大于设定值上限时(设定值上限可以为60％、65％、70％等)，系统开启半导体制冷片的加热除湿功能；当湿度小于设定值下限(设定值下限可以为40％、50％等)，则关闭半导体制冷片。
实施例二
分气箱可加装具有加热除湿功能的半导体制冷片，所选材料为金属，半导体制冷片包括热端和冷端。利用半导体制冷片热端直接加热分气箱，半导体制冷片冷端与散热格栅连接，通过散热格栅吸收热量传导给分气箱。在分气箱进气口之前安装湿度传感器，当湿度传感器测得的气体湿度大于设定值上限时(设定值上限可以为60％、65％、70％等)，系统开启半导体制冷片的加热除湿功能；当湿度小于设定值下限(设定值下限可以为40％、50％等)，则关闭半导体制冷片。
实施例三
分气箱可加装具有加热除湿功能的半导体制冷片，所选材料为金属，半导体制冷片包括热端和冷端。利用半导体制冷片热端加热分气箱，半导体制冷片冷端连接气泵，为气泵散热。在分气箱进气口之前安装湿度传感器，当湿度传感器测得的气体湿度大于设定值上限时(设定值上限可以为60％、65％、70％等)，系统开启加热除湿功能；当湿度小于设定值下限(设定值下限可以为40％、50％等)，则关闭半导体制冷片。
流速、温度、功率、管路长度补偿
传感器的准确度也与流过传感器内部的被测气体流速有关。如图9所示，被测气体在最佳流速V0为中心V1～V2范围内，准确度最优，被测气体流速过快或者过慢都会影响准确度。传感器内部风阻或者其他原因会使得被测气体流速有变化，如图10所示，本发明通过调节内部风扇转速(S1，S2)或者其他流速调节的方式，将被测气体流速控制在最佳流速范围内，提高传感器准确度。多核传感器通过嵌入算法，补偿由于不同长度进气管路造成的多个子传感器检测采样不同步问题，从而得到更精确的检测数据。类似的对温度和湿度也通过相应算法进行补偿，提高数据准确度。
实施例四
通过控制风扇转速的方式，对采样流量进行补偿。利用流量计、压差传感器方式获取采样气体流速，同时添加风扇转速控制电路。通过获得的气体流速信息控制风扇转速，使得采样气体流速稳定在传感器适合的流速附近，如图9和图10的V0。传感器最佳流速根据实验方式获得经验值。
实施例五
对于激光颗粒物传感器，添加激光功率检测装置和激光功率控制电路，对激光功率进行补偿。采用实验法获取各激光功率值对应的颗粒物浓度值的变化关系(即固定其他条件不变，只改变被测条件获取测量结果)。根据功率检测器的检测结果通过激光功率控制电路对衰减后的数据做补偿。
实施例六
对传感器采取温度补偿措施。对传感器或者被测气体安装温度采集探头。先通过采用实验法或者传感器温度特性数据，获得不同采样温度值对应的污染物浓度值的变化关系(即固定其他条件不变，只改变被测温度条件)。使用中根据采集的温度数据，对输出污染物结果进行补偿。
实施例七
对传感器采取湿度补偿措施。安装湿度采集设备采集被测气体湿度数据。先通过采用实验法或者传感器的湿度特性数据，获得不同采样湿度值对应的污染物浓度值的变化关系(即固定其他条件不变，只改变被测气体湿度条件)。使用中根据采集的湿度数据，对输出的污染物结果进行补偿。
输出数据计算方法
多核传感器通过利用多个传感器同时测量空气质量，输出数值为多个传感器的数据经过综合计算得出的结果，数据更平滑、稳定，精度更高。实施例八至实施例十二是传感器模组数据计算方法，数据计算时需要剔除异常子传感器的数据，异常子传感器判断方式可以参考实施例十三至实施例十七。
在存在高频组和低频组的情况下，低频组在产生数据的时候，其数据可以作为更可信的检测数据用来参与传感器模组的输出数据的计算。
考虑到低频组的数据可信度更高，可以将低频组的数据赋予2倍权重来加入计算。
实施例八
均值法：一种传感器模组输出数据计算方法；在剔除异常子传感器单元数据后，取所有正常子传感器单元数据的平均值作为输出结果。
实施例九
中值法：一种传感器模组输出数据计算方法；在剔除异常子传感器单元数据后，对所有正常子传感器单元的数值进行排序，取排序的中间值作为最终结果，若参与排序的子传感器单元个数为偶数，则取中间两个子传感器单元的平均值为最终结果。
实施例十
相关系数法：一种传感器模组输出数据计算方法；在剔除异常子传感器单元数据后，对所有正常子传感器单元数据如下计算来获取最终结果。
存储单元储存各子传感器单元的历史检测数据，以一段时间的历史数据(1分钟，10分钟，20分钟，……1小时)为时间单位分别计算被判断子传感器单元与其他子传感器单元的数值相关系数，上述相关系数的计算方法：
A.使用被判断子传感器的所选取历史时间单位的数值与其他子传感器单元该时段的平均值做相关系数的计算。
B.使用被判断子传感器的所选取历史时间单位的数值分别与其他各个子传感器单元做相关系数的计算，获得结果后计算出各个相关系数的平均值作为最终相关系数，获取各个正常子传感器单元与其他子传感器单元的相关系数后，计算所有正常子传感器单元的相关系数占总相关系数之和的百分比，将每个正常子传感器单元的检测结果乘以该百分比后加和得到最终检测结果。
实施例十一
方差法：一种传感器模组输出数据计算方法；在剔除异常子传感器单元数据后，对所有正常子传感器单元数据如下计算来获取最终结果。
存储器储存各子传感器单元的历史检测数据，以一段时间的历史数据(1分钟，10分钟，20分钟，……1小时)为时间单位分别计算各个子传感器单元在该时间单位内的方差Vi(或标准差)，将各个子传感器单元方差进行加和，计算该加和与各个子传感器单元方差的差值，获得差值后计算各个子传感器单元差值占加和的百分比，将每个正常子传感器单元的检测结果乘以该百分比后加和得到最终检测结果。
实施例十二
百分比法：一种传感器模组输出数据计算方法，剔除异常子传感器单元数据后，对所有正常子传感器单元数据如下计算来获取最终结果。
传感器存储各子传感器单元的历史检测数据，以一段时间(10秒，20秒等)为时间单位，计算距离目前最近的时间单位内检测数值的平均值，利用该平均值进行计算，上述计算方法：
A.将各个子传感器单元在该时间单位的平均值加和，计算各个子传感器单元在加和中所占的百分比，将每个正常子传感器单元的检测结果乘以该百分比后加和得到最终检测结果。
B.利用实施例十二A.中所描述的计算方法，计算距离现在最近多个时间单位内每个子传感器所占百分比，将每个子传感器单元在多个时间单位内的百分比做平均值，得到每个子传感器单元在距离现在最近的多个时间单位内的平均百分比，将每个正常子传感器单元的检测结果乘以该百分比后加和得到最终检测结果。
识别子传感器工作状态
本方案发明了一套识别子传感器工作状态，并对子传感器进行隔离和恢复的方法。该方法如图11所示。
1)子传感器异常的判定：传感器模组获得一个时刻的一组检测数据，主控模块从这一组数据中筛选出疑似异常的数据，进而判断相应的子传感器是否满足隔离条件。
2)异常子传感器的隔离：判断子传感器为异常子传感器后将异常子传感器归入隔离区；传感器模组降级后继续工作。进入隔离区的子传感器可以停止工作，也可以继续采样和检测，但是该子传感器输出的数据不参与主控模块输出数据的计算。
3)判断进入隔离区的子传感器是否可以自愈：如果判断可以自愈，则对该可自愈的子传感器做降频工作处理，对于无法自愈的子传感器则通知运行维护方进行维修或者更换。
4)异常子传感器的恢复：监测进入隔离区的子传感器输出的数据，判断其是否达到恢复条件，对达到恢复条件的子传感器调离隔离区，恢复工作。
实施例十三：
疑似子传感器异常与子传感器异常的判定：当某个子传感器的数据的方差超过阈值时，或者子传感器的数据的飘移超过阈值时，并不立即认定该子传感器为异常，首先将其列为疑似异常子传感器。最后根据一定时长内连续多个数据都表现为异常时，才判定该子传感器异常。
实施例十四
子传感器平均值对比方式：以四核传感器模组为例，以当前时刻为基准，以一台子传感器的数据对比另外三台子传感器一定时间内的平均值(如5s均值、30s均值、60s均值等)。
实施例十五
子传感器出现异常时，对异常子传感器数据加以隔离，异常子传感器的数据不参与传感器模组最终输出数据的计算，但异常子传感器仍然输出数据给控制模块，控制模块对异常子传感器的数据进行监控。子传感器异常包括子传感器出现异常飘移、子传感器出现异常波动和子传感器相关性异常。
存储单元存储各子传感器单元的历史检测数据，以一段时间的历史数据(1分钟，10分钟，20分钟，……1小时)为时间单位分别计算被判断子传感器单元与其他子传感器单元的数值相关系数，若相关系数小于一定值，如0.5(非强相关)，则判断该传感器相关性异常，不参与最终结果的计算。上述相关系数的计算方法：
A.使用被判断子传感器的所选取历史时间单位的数值与其他子传感器单元该时段的平均值做相关系数的计算。
B.使用被判断子传感器的所选取历史时间单位的数值分别与其他各个子传感器单元做相关系数的计算，获得结果后计算出各个相关系数的平均值作为最终相关系数。
相关性法判断子传感器相关性异常，以一台四核传感器模组的相关性计算为例，取子传感器的100组数据与另外三个子传感的100组数据的均值进行相关性计算，相关性R2≤0.8，则隔离子传感器数据子传感器相关性异常，传感器模组选取另外三台子传感器的数据进行计算并输出监测结果。
实施例十六
实施例十六为子传感器波动异常判定方法。传感器存储各子传感器单元的历史检测数据，以一段时间的历史数据(1分钟，10分钟，20分钟，……1小时)为时间单位分别计算各个子传感器单元在该时间单位内的方差(或标准差)，通过将被判断子传感器单元的方差(或标准差)与其他子传感器单元的方差(或标准差)进行比较，上述方差比较方法：
A.将被判断子传感器单元的方差(或标准差)与其他子传感器单元的方差(或标准差)的平均值进行比较，若两者差值超过其他子传感器单元的方差(或标准差)的平均值的一定值，如20％，30％等，则判断该子传感器单元波动异常。
B.将被判断子传感器单元的方差(或标准差)与其他子传感器单元的方差(或标准差)分别进行比较，并计算两者差值相对于被比较子传感器单元方差(或标准差)的百分比，选择比较的百分比的最大值，若该最大值超过一定值，如20％，30％等，则判断该子传感器波动异常。
实施例十七
实施例十七为子传感器飘移异常判定方法。将被判断子传感器单元过去的相邻的两个时间单位内平均值做差，计算该差值相对于最近时间单位内平均值的百分比，利用该百分比进行判断。上述飘移判断方法：
A.将被判断子传感器单元所获取的百分比与其他子传感器单元所获取百分比的平均值进行比较，若百分比的差值超过一定值，如20％，30％，40％等，则判断该子传感器单元飘移异常。
B.将被判断子传感器单元所获取的百分比与其他子传感器单元所获取百分比的最大值进行比较，若百分比的差值超过一定值，如20％，30％，40％等，则判断该子传感器单元飘移异常。
实施例十八
在出现需要隔离异常子传感器的情况下，隔离异常子传感器的数据，但异常子传感器的风扇或气泵继续保持运转，保证风压、流量不变，减少压力波动。
实施例十九
如图13所示，在子传感器上安装状态指示灯，异常子传感器被识别出后，在其电路板通讯口处对应位置的状态指示灯改变颜色为警示色(如红色)；正常工作状态的子传感器对应的状态指示灯则为绿色。
轮休模式
本发明对传感器模组设置了轮休的工作模式，在工作正常的子传感器中，选择一个或者多个进行轮休，即通过主动降级运行的方式，解决传感器的疲劳问题。对于激光传感器模组而言，轮休还可以使同组激光传感器的光衰保持基本同步。
常用的单一轮休条件包括：
1)进入疲劳状态时间最长的子传感器；
2)离进入疲劳状态最近的子传感器；
3)累计工作时间最长的子传感器；
4)累计轮休次数最少的子传感器；
5)在可以获取子传感器温度数据的情况下，温度最高的子传感器；
6)疑似异常子传感器。
由于采用不同的轮休条件筛选出来的子传感器可能不一致；在实际应用时，可以将多个轮休条件赋予权重或优先级，来定量判断让哪个子传感器进入轮休。
考虑到疲劳问题是个周期性复发的问题，理想情况下，每个传感器应当在其进入到疲劳状态前得到轮休。假设子传感器单元的平均稳定工作时长为T；那么对于N个传感器单元的模组，选择依次轮休策略时，也就是传感器模组中的各个子传感器依次轮休，前后两个轮休的间隔时长应当不大于T/N，以保证每个传感器能及时进入轮休。
如果T＝8小时，对于4个传感器单元组成的传感器模组，采用依次轮休策略，那么每隔2个小时轮换一次，就可以保证每个传感器都可以在进入疲劳状态前进入轮休。
在所述子传感器单元上安装状态指示灯，当异常子传感器被识别出后，与其对应位置的状态指示灯颜色改变为警示色；正常工作状态的子传感器对应的状态指示灯则为持续的绿色；进入轮休状态的子传感器对应的状态指示灯则为交替明灭的绿色。
实施例二十
实施例二十是一种子传感器的轮休方式。对于传感器模组，轮休指在规定时间内关闭一台或多台子传感器的传感部分。例如使用风扇的激光颗粒物传感器模组，仅关闭激光器，风扇不关闭。子传感器的关闭时间可以为固定时间(如1小时、2小时、3小时、4小时、5小时、6小时、7小时、8小时、9小时、10小时、11小时、12小时、24小时、2天、3天、4天、5天、6天，或7天等)，在关闭的子传感器到达关闭时间后，激活关闭的子传感器，然后关闭下一个达到轮休条件的子传感器；关闭的时间也可以根据其他子传感器工作状态来确定，如四核传感器模组中，已有一个子传感器处于关闭状态，此时系统判断正在运行的三个子传感器中有一个子传感器达到隔离条件需要进行隔离，那么此时立即启用处于关闭状态的子传感器。具体的轮休条件可以为：
A.通过温度的变化选定轮休子传感器。形式一：通过获取的子传感器温度数据，选择温度最高的子传感器轮休；形式二：根据环境温度选择关闭的子传感器，如环境温度高于温度设定值(如40摄氏度)，则按编号顺序轮流关闭子传感器；
B.通过检测数值的变化选定轮休子传感器。对于确认的疑似异常子传感器，优先关闭。
实施例二十一
四核传感器模组中三核或三核以上子传感器工作正常时，可以采取单核轮休方案。传感器的工作状态受温度影响较大。温度高于60℃时，单核轮休，其余的正常工作四小时后换相邻单核轮休，依次轮休，降低高温下子传感器工作时间，提高四核传感器工作时限。

Claims (10)

1.一种出租车内多核传感器系统隔离和恢复的方法，所述多核传感器系统安装在出租车的顶灯内，所述多核传感器系统包含主控模块和检测模块；所述检测模块包含至少两个同类子传感器单元组成的传感器模组，所述检测模块还包含至少一个同类子传感器单元组成的低频校准模组；其特征在于，所述隔离和恢复的方法包含如下步骤：
1)子传感器异常的判定：所述主控模块在接收传感器模组同时获得的一组检测数据，并接收低频校准模组的检测数据后，将低频校准模组的数据按两倍权重加入到传感器模组的数据中；帮助筛选出疑似异常的数据，进而判断相应的子传感器是否满足隔离条件；
2)异常子传感器的隔离：将满足隔离条件的子传感器归入隔离区，传感器模组降级后继续工作；
3)判断隔离区的异常子传感器是否可以自愈：如果判断可以自愈，则对该可自愈的子传感器做降频工作处理，但是子传感器输出的数据不参与主控模块输出数据的计算；对于无法自愈的子传感器则通知运行维护方进行维修或者更换；
4)异常子传感器的恢复：主控模块监测进入隔离区的子传感器输出的数据，判断其是否达到恢复条件；将达到恢复条件的子传感器调离隔离区，恢复工作。
2.如权利要求1所述的方法，其特征在于，所述低频校准模组内的子传感器单元的工作频率远低于传感器模组的工作频率。
3.如权利要求2所述的方法，其特征在于，传感器模组的工作频率与低频校准模组的工作频率的比率为：2:1，3:1，4:1，5:1，6:1，7:1，8:1，9:1，10:1，15:1，或者20:1。
4.如权利要求1至3之一所述的方法，其特征在于，所述子传感器异常的判定标准为下列几种异常之一：
1)子传感器异常波动；
2)子传感器异常飘移；
3)子传感器相关性异常。
5.如权利要求1至3之一所述的方法，其特征在于，在所述子传感器单元上安装状态指示灯，当异常子传感器被识别出后，与其对应位置的状态指示灯颜色改变为警示色；正常工作状态的子传感器对应的状态指示灯则为绿色。
6.如权利要求1至3之一所述的方法，其特征在于，所述检测模块用于检测大气污染物浓度；所述主控模块用于接收、分析和上传检测模块的检测数据。
7.如权利要求6所述的方法，其特征在于，所述主控模块在接收传感器模组同时获得的一组检测数据后，对该组检测数据进行分析和综合计算得出的结果作为输出数值；计算时剔除异常子传感器的数据；所述综合计算为如下计算方法之一：1)均值法；2)中值法；3)相关系数法；4)方差法；5)百分比法。
8.如权利要求6所述的方法，其特征在于，所述传感器系统通过下述方法之一来提高传感器模组检测数据的准确度：
1)长度差异补偿：通过嵌入算法，补偿由于子传感器单元进气管长度不同造成的多个子传感器采样不同步问题；
2)流速调节：利用流量计、压差传感器方式获取采样气体流速，同时添加风扇转速控制电路；通过调节内部风扇转速或者其他流速调节的方式，将被测气体流速控制在最佳流速范围内；
3)温度补偿：对传感器或者被测气体安装温度采集探头；先通过采用实验法或者传感器温度特性数据，获得不同采样温度值对应的污染物浓度值的变化关系；根据采集的温度数据，对检测模块的输出数据进行补偿；
4)湿度补偿：安装湿度采集设备采集被测气体湿度数据；先通过采用实验法或者传感器的湿度特性数据，获得不同采样湿度值对应的污染物浓度值的变化关系；根据采集的湿度数据，对检测模块的输出数据进行补偿。
9.如权利要求6所述的方法，其特征在于，所述子传感器单元为下列传感器之一：PM1传感器、PM2.5传感器、PM10传感器、PM100传感器、二氧化硫传感器、氮氧化物传感器、臭氧传感器、一氧化碳传感器、VOCs传感器或TVOC传感器。
10.如权利要求6所述的方法，所述子传感器单元为激光颗粒物传感器；其特征在于，所述传感器系统通过下述方法来提高传感器模组检测数据的准确度：添加激光功率检测装置和激光功率控制电路，对激光功率进行补偿；采用实验法获取各激光功率值对应的颗粒物浓度值的变化关系；根据功率检测器的检测结果通过激光功率控制电路对衰减后的检测数据做补偿。
CN201980001681.4A 2018-02-01 2019-01-31 出租车内多核传感器隔离和恢复的方法 Active CN110869715B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
CN201810102149.9A CN108195728A (zh) 2018-02-01 2018-02-01 一种基于多核颗粒物传感器技术的控制系统及其控制方法
CN2018101021499 2018-02-01
IBPCT/IB2018/055531 2018-07-25
PCT/IB2018/055531 WO2019150182A1 (zh) 2018-02-01 2018-07-25 多核传感器系统及其隔离和恢复的方法
PCT/CN2019/074037 WO2019149234A1 (zh) 2018-02-01 2019-01-31 出租车内多核传感器隔离和恢复的方法

Publications (2)

Publication Number Publication Date
CN110869715A CN110869715A (zh) 2020-03-06
CN110869715B true CN110869715B (zh) 2022-02-08

Family

ID=62591771

Family Applications (13)

Application Number Title Priority Date Filing Date
CN201810102149.9A Pending CN108195728A (zh) 2018-02-01 2018-02-01 一种基于多核颗粒物传感器技术的控制系统及其控制方法
CN201880049952.9A Active CN111051852B (zh) 2018-02-01 2018-07-25 多核传感器系统及其隔离和恢复的方法
CN201980003737.XA Pending CN111373238A (zh) 2018-02-01 2019-01-31 一种车载大气污染物监测设备
CN201980003748.8A Active CN111316085B (zh) 2018-02-01 2019-01-31 一种具备自清洁功能的大气污染物监测设备
CN201980001686.7A Active CN110785651B (zh) 2018-02-01 2019-01-31 出租车顶灯内多核传感器系统的轮休方法
CN201980001682.9A Pending CN110651176A (zh) 2018-02-01 2019-01-31 多核传感器中子传感器的轮休方法
CN201980001681.4A Active CN110869715B (zh) 2018-02-01 2019-01-31 出租车内多核传感器隔离和恢复的方法
CN201980001241.9A Active CN110383011B (zh) 2018-02-01 2019-01-31 出租车顶灯内多核传感器系统
CN201980001672.5A Pending CN110573857A (zh) 2018-02-01 2019-01-31 高低频多核传感器系统
CN201980001660.2A Pending CN110933950A (zh) 2018-02-01 2019-01-31 多核传感器中异常子传感器隔离和恢复的方法
CN201980042990.6A Active CN112384783B (zh) 2018-02-01 2019-07-25 一种可抗风扰的多核传感器出租车顶灯
CN201980043007.2A Active CN112334753B (zh) 2018-02-01 2019-07-25 出租车顶灯内自清洁多核传感器的隔离和恢复的方法
CN201980043013.8A Active CN112400104B (zh) 2018-02-01 2019-07-25 一种具备气流稳定能力的污染监测出租车顶灯

Family Applications Before (6)

Application Number Title Priority Date Filing Date
CN201810102149.9A Pending CN108195728A (zh) 2018-02-01 2018-02-01 一种基于多核颗粒物传感器技术的控制系统及其控制方法
CN201880049952.9A Active CN111051852B (zh) 2018-02-01 2018-07-25 多核传感器系统及其隔离和恢复的方法
CN201980003737.XA Pending CN111373238A (zh) 2018-02-01 2019-01-31 一种车载大气污染物监测设备
CN201980003748.8A Active CN111316085B (zh) 2018-02-01 2019-01-31 一种具备自清洁功能的大气污染物监测设备
CN201980001686.7A Active CN110785651B (zh) 2018-02-01 2019-01-31 出租车顶灯内多核传感器系统的轮休方法
CN201980001682.9A Pending CN110651176A (zh) 2018-02-01 2019-01-31 多核传感器中子传感器的轮休方法

Family Applications After (6)

Application Number Title Priority Date Filing Date
CN201980001241.9A Active CN110383011B (zh) 2018-02-01 2019-01-31 出租车顶灯内多核传感器系统
CN201980001672.5A Pending CN110573857A (zh) 2018-02-01 2019-01-31 高低频多核传感器系统
CN201980001660.2A Pending CN110933950A (zh) 2018-02-01 2019-01-31 多核传感器中异常子传感器隔离和恢复的方法
CN201980042990.6A Active CN112384783B (zh) 2018-02-01 2019-07-25 一种可抗风扰的多核传感器出租车顶灯
CN201980043007.2A Active CN112334753B (zh) 2018-02-01 2019-07-25 出租车顶灯内自清洁多核传感器的隔离和恢复的方法
CN201980043013.8A Active CN112400104B (zh) 2018-02-01 2019-07-25 一种具备气流稳定能力的污染监测出租车顶灯

Country Status (6)

Country Link
US (6) US11067552B2 (zh)
CN (13) CN108195728A (zh)
AU (4) AU2018405991B2 (zh)
GB (15) GB2584060B8 (zh)
NO (3) NO20200924A1 (zh)
WO (10) WO2019150182A1 (zh)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108195728A (zh) * 2018-02-01 2018-06-22 山东诺方电子科技有限公司 一种基于多核颗粒物传感器技术的控制系统及其控制方法
WO2020021344A1 (zh) * 2018-07-25 2020-01-30 山东诺方电子科技有限公司 环境传感器协同校准方法
CN109187896B (zh) * 2018-08-06 2020-06-16 大连理工大学 一种模块组合式多参数水质数据采集装置及其使用方法
CN108872029B (zh) * 2018-08-29 2021-06-15 杭州震弘环境科技有限公司 气体浊度处理节点
CN111044423A (zh) * 2019-08-07 2020-04-21 山东诺方电子科技有限公司 一种便携式路面积尘负荷监测设备
EP3861317B1 (en) * 2019-11-08 2023-08-16 Particle Measuring Systems, Inc. Calibration verification for optical particle analyzers
CN111855914B (zh) * 2020-07-30 2022-08-02 广州交信投科技股份有限公司 基于移动交通工具的空气监测系统
CN111823859B (zh) * 2020-07-30 2022-02-11 湖南行必达网联科技有限公司 双通道维修开关、维修开关盒和卡车
US11636870B2 (en) 2020-08-20 2023-04-25 Denso International America, Inc. Smoking cessation systems and methods
US11760170B2 (en) 2020-08-20 2023-09-19 Denso International America, Inc. Olfaction sensor preservation systems and methods
US11760169B2 (en) 2020-08-20 2023-09-19 Denso International America, Inc. Particulate control systems and methods for olfaction sensors
US11932080B2 (en) 2020-08-20 2024-03-19 Denso International America, Inc. Diagnostic and recirculation control systems and methods
US11828210B2 (en) 2020-08-20 2023-11-28 Denso International America, Inc. Diagnostic systems and methods of vehicles using olfaction
US12017506B2 (en) 2020-08-20 2024-06-25 Denso International America, Inc. Passenger cabin air control systems and methods
US11813926B2 (en) 2020-08-20 2023-11-14 Denso International America, Inc. Binding agent and olfaction sensor
US11881093B2 (en) 2020-08-20 2024-01-23 Denso International America, Inc. Systems and methods for identifying smoking in vehicles
CN112034108A (zh) * 2020-09-16 2020-12-04 上海市环境科学研究院 区域污染情况的分析装置、方法及计算机可读存储介质
CN112557599A (zh) * 2020-12-07 2021-03-26 河南省日立信股份有限公司 一种传感器现场修正方法
CN112379060B (zh) * 2020-12-25 2022-11-01 广州市优仪科技股份有限公司 试验箱的湿度测量方法、装置、电子设备和存储介质
CN113093670A (zh) * 2021-03-25 2021-07-09 北京嘉联优控科技有限公司 一种仪控状态监控方法、系统及监控平台
CN113029889B (zh) * 2021-04-05 2022-10-25 山东诺方电子科技有限公司 一种多点尘荷数据采集系统及方法
CN113252846B (zh) * 2021-04-30 2023-06-20 西北工业大学 一种面向长时间连续监测的油烟VOCs气体浓度监测方法及设备
CN113390768B (zh) * 2021-06-16 2023-08-22 江苏蓝创智能科技股份有限公司 车辆行驶路线可视化大气颗粒污染物监测平台系统
CN113405958B (zh) * 2021-06-18 2023-03-17 中煤科工集团重庆研究院有限公司 一种粉尘浓度传感器标定方法
CN113418845B (zh) * 2021-06-25 2023-02-24 山东诺方电子科技有限公司 一种尘荷采集设备的维护校准系统及方法
CN113671373A (zh) * 2021-07-27 2021-11-19 三门三友科技股份有限公司 具有自检功能的电解槽内电解过程监测系统及方法
CN113777234B (zh) * 2021-08-31 2023-10-31 安徽科技学院 一种防止粉尘进入能够自吸改变迎风角度的大气观测装置
CN114088136B (zh) * 2021-11-16 2024-03-26 哈尔滨工程大学 一种温湿度双参量传感器及其制备方法和应用
CN114217760A (zh) * 2021-12-16 2022-03-22 深圳市点创科技有限公司 基于多个光敏传感器融合算法的屏幕节能调节方法
CN114414449B (zh) * 2022-01-25 2023-08-01 四川大学 一种新型智能职业健康实时检测装置
CN114383987B (zh) * 2022-03-25 2022-07-01 江苏德尔瑞环保机械有限公司 锅炉焚烧烟气净化处理后的排放压力及浓度检测装置
CN116720153B (zh) * 2023-05-29 2024-07-05 淮阴工学院 一种基于多传感器的信息融合系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763053A (zh) * 2008-12-26 2010-06-30 上海交技发展股份有限公司 一种移动式桥梁安全检测分析管理系统
CN106066184A (zh) * 2015-04-24 2016-11-02 波音公司 用于检测交通工具系统故障的系统和方法
CN106168520A (zh) * 2015-05-20 2016-11-30 株式会社电装 传感器装置和使用传感器装置的电动助力转向设备
WO2017159514A1 (ja) * 2016-03-18 2017-09-21 善郎 水野 センサ管理システム
CN107340014A (zh) * 2017-08-31 2017-11-10 广东美的制冷设备有限公司 多传感器的检测方法、装置及计算机可读存储介质

Family Cites Families (95)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5317156A (en) * 1992-01-29 1994-05-31 Sri International Diagnostic tests using near-infrared laser absorption spectroscopy
US5569844A (en) * 1992-08-17 1996-10-29 Commonwealth Scientific And Industrial Research Organisation Method and apparatus for determining the particle size distribution, the solids content and the solute concentration of a suspension of solids in a solution bearing a solute
US5604441A (en) * 1995-03-14 1997-02-18 Detroit Diesel Corporation In-situ oil analyzer and methods of using same, particularly for continuous on-board analysis of diesel engine lubrication systems
EP0913746A3 (en) * 1997-10-31 2000-04-12 Honeywell Inc. Sensor invalidation system
US6085576A (en) * 1998-03-20 2000-07-11 Cyrano Sciences, Inc. Handheld sensing apparatus
US6321588B1 (en) * 1998-09-11 2001-11-27 Femtometrics, Inc. Chemical sensor array
US6703241B1 (en) * 1999-11-15 2004-03-09 Cyrano Sciences, Inc. Referencing and rapid sampling in artificial olfactometry
US6580503B2 (en) * 2000-12-04 2003-06-17 California Institute Of Technology Particle sizing and concentration sensor using a hollow shaped beam
US8035508B2 (en) * 2002-06-11 2011-10-11 Intelligent Technologies International, Inc. Monitoring using cellular phones
US20040056779A1 (en) * 2002-07-01 2004-03-25 Rast Rodger H. Transportation signaling device
US6879115B2 (en) * 2002-07-09 2005-04-12 International Rectifier Corporation Adaptive ballast control IC
US6758739B1 (en) * 2003-03-04 2004-07-06 Delphi Technologies, Inc. Air quality system for a vehicle
US8949037B2 (en) * 2003-08-20 2015-02-03 Airdar Inc. Method and system for detecting and monitoring emissions
US6804600B1 (en) * 2003-09-05 2004-10-12 Honeywell International, Inc. Sensor error detection and compensation system and method
CA2454508A1 (fr) * 2004-01-19 2005-07-19 Rene Noel Systeme portable de detection et de gestion du trafic routier et des conditions climatiques
US7623028B2 (en) * 2004-05-27 2009-11-24 Lawrence Kates System and method for high-sensitivity sensor
JP4715236B2 (ja) * 2005-03-01 2011-07-06 株式会社デンソー 超音波センサ装置
US7603138B2 (en) * 2005-08-22 2009-10-13 Toshiba American Research, Inc. Environmental monitoring using mobile devices and network information server
US7912628B2 (en) * 2006-03-03 2011-03-22 Inrix, Inc. Determining road traffic conditions using data from multiple data sources
CN1821779A (zh) * 2006-03-20 2006-08-23 中山大学 一种空气质量监测和控制系统
CN1866027B (zh) * 2006-05-18 2010-04-07 南京卓成自动化设备有限公司 一体化气体在线检测仪
EP2131403A4 (en) * 2007-03-23 2012-08-08 Tokuyama Corp GROUP III P-TYPE NITRIDE SEMICONDUCTOR AND GROUP III NITRIDE SEMICONDUCTOR ELEMENT
US20100171043A1 (en) * 2007-06-06 2010-07-08 Dublin City University Single element sensor with multiple outputs
CN101344460B (zh) * 2007-08-10 2010-05-19 上海海事大学 水下机器人传感器故障诊断方法及系统
CN100557408C (zh) * 2007-10-08 2009-11-04 西安电子科技大学 烟气排放在线连续检测系统采样装置
EP2063275B1 (en) * 2007-11-20 2012-01-04 The Modal Shop, Inc. Dynamic motion sensor calibration system and method for calibrating a dynamic motion sensor
WO2009091792A2 (en) * 2008-01-15 2009-07-23 Sysense, Inc. A methodology for autonomous navigation and control of a tethered drogue
CN101498629B (zh) * 2008-02-01 2012-12-26 宇星科技发展(深圳)有限公司 烟气采样探头
CN101266488A (zh) * 2008-04-30 2008-09-17 郦宏 电解式臭氧发生器电气控制系统
CN101266273B (zh) * 2008-05-12 2010-11-24 徐立军 一种多传感器系统故障自诊断方法
CN201442706U (zh) * 2009-03-11 2010-04-28 张京亚 一种新型卷烟包装型式
CN102428377B (zh) * 2009-05-12 2015-08-12 赛默飞世尔科技有限公司 颗粒检测与传感器的校准
CN102262819B (zh) * 2009-10-30 2014-10-15 国际商业机器公司 基于移动通信网络确定道路的实时通行时间的方法和装置
CN102052934B (zh) * 2009-11-06 2012-06-06 北京理工大学 一种多线传感器故障诊断方法
US20110312744A1 (en) * 2010-06-17 2011-12-22 Geneasys Pty Ltd Microfluidic device for amplifying mitochondrial dna in a biological sample
JP5533362B2 (ja) * 2010-07-05 2014-06-25 トヨタ自動車株式会社 Ｐｍセンサの故障検出装置
US20120078532A1 (en) * 2010-09-24 2012-03-29 David Edward Forsyth Non-dispersive infrared sensor measurement system and method
EP2628058A1 (en) * 2010-10-11 2013-08-21 General Electric Company Systems, methods, and apparatus for signal processing- based fault detection, isolation and remediation
CN102480783A (zh) * 2010-11-29 2012-05-30 江南大学 一种基于循环求精的无线传感器网络节点apit定位方法
US8990040B2 (en) * 2010-12-22 2015-03-24 General Electric Company System and method for correcting fault conditions in soft-field tomography
CN102083085A (zh) * 2011-02-14 2011-06-01 洛阳理工学院 无线传感器网络优化方法
CN102538859A (zh) * 2011-05-19 2012-07-04 广东迅通科技股份有限公司 多类传感器的监测处理方法
US8677803B2 (en) * 2011-06-27 2014-03-25 Delphi Technologies, Inc. Particulate matter detection method for a particulate matter sensor
JP5952548B2 (ja) * 2011-11-10 2016-07-13 キヤノン株式会社 半導体装置及びその駆動方法
WO2013164660A1 (en) * 2012-04-30 2013-11-07 Chu Wai Tung Taxi, taxicab, or vehicle-for-hire, automatic vacancy status and availability detection technique and apparatus
JP5584253B2 (ja) * 2012-05-07 2014-09-03 東芝三菱電機産業システム株式会社 遠隔監視装置
US9396637B2 (en) * 2012-07-13 2016-07-19 Walter Kidde Portable Equipment, Inc Photoelectric smoke detector with drift compensation
EP2696259B1 (en) * 2012-08-09 2021-10-13 Tobii AB Fast wake-up in a gaze tracking system
ITMO20120222A1 (it) * 2012-09-20 2014-03-21 C R D Ct Ricerche Ducati Trent O S R L Sistema e metodo per il monitoraggio dell'inquinamento atmosferico
CN102904760B (zh) * 2012-10-25 2015-04-01 苏州林华通信科技有限公司 通信机房综合监控系统
DE212013000286U1 (de) * 2013-02-25 2015-10-09 Isabellenhütte Heusler Gmbh & Co. Kg Messsystem
CN104048692B (zh) * 2013-03-15 2016-09-21 英飞凌科技股份有限公司 使用多个信号路径的传感器自诊断
CN203287312U (zh) * 2013-04-16 2013-11-13 比亚迪股份有限公司 车辆及其pm2.5颗粒检测装置组件
CN103476099B (zh) * 2013-10-11 2016-06-01 清华大学 无线传感器节点双重休眠方法
US9857243B2 (en) * 2014-03-18 2018-01-02 Matrix Sensors, Inc. Self-correcting chemical sensor
US20170276658A1 (en) * 2014-08-20 2017-09-28 Airtraff Di Mauro Zilio Station for the integrated monitoring of environment and traffic
WO2016030386A1 (en) * 2014-08-28 2016-03-03 Koninklijke Philips N.V. Sensor system and sensing method
US20160061795A1 (en) * 2014-09-03 2016-03-03 Oberon, Inc. Environmental Sensor Device with Calibration
US9726579B2 (en) * 2014-12-02 2017-08-08 Tsi, Incorporated System and method of conducting particle monitoring using low cost particle sensors
CN104502534A (zh) * 2014-12-15 2015-04-08 中国航空工业集团公司北京长城航空测控技术研究所 车载便携式大气环境实时监测装置
CN104615123B (zh) * 2014-12-23 2017-02-22 浙江大学 基于k近邻的传感器故障隔离方法
CN204429012U (zh) * 2015-01-30 2015-07-01 成都兴邦泰实业有限责任公司 一种制氧室外机自动反吹清洁装置
KR20160134023A (ko) * 2015-05-14 2016-11-23 재단법인 다차원 스마트 아이티 융합시스템 연구단 복합 환경 센서
US10118119B2 (en) * 2015-06-08 2018-11-06 Cts Corporation Radio frequency process sensing, control, and diagnostics network and system
JP6788769B2 (ja) * 2015-07-30 2020-11-25 トランプ フォトニック コンポーネンツ ゲーエムベーハー 粒子密度検出のためのレーザセンサ
CN204961176U (zh) * 2015-09-02 2016-01-13 广州成科信息科技有限公司 一种风力发电机工作状态监测系统
CN106546280A (zh) * 2015-09-16 2017-03-29 普天信息技术有限公司 移动式交通环境空气质量监测系统
CN105136637B (zh) * 2015-09-17 2017-10-17 深圳代尔夫特电子科技有限公司 用于检测空气中的颗粒物的传感器及其制造方法
EP3153849B1 (en) * 2015-10-05 2021-12-01 Sensirion AG Gas sensor and method for operating said gas sensor
US9766220B2 (en) * 2016-02-08 2017-09-19 International Business Machines Corporation Leveraging air/water current variability for sensor network verification and source localization
TWI618995B (zh) * 2016-04-18 2018-03-21 Kita Sensor Tech Co Ltd Pressure sensor and control system
CN105823856A (zh) 2016-05-03 2016-08-03 北京英视睿达科技有限公司 一种基于多传感器融合的空气质量监测方法
CN105915388B (zh) * 2016-05-31 2019-06-04 广东电网有限责任公司电力调度控制中心 一种基于分布式网络的传感器故障检测方法及系统
BR112018075407A2 (pt) * 2016-06-07 2019-03-19 Illumina, Inc. plataforma de análise genômica para executar uma segmentação de análise de sequência
US10309792B2 (en) * 2016-06-14 2019-06-04 nuTonomy Inc. Route planning for an autonomous vehicle
CN205808447U (zh) * 2016-07-11 2016-12-14 苏州东菱振动试验仪器有限公司 一种便携式低频校准装置
CN106092206B (zh) * 2016-08-03 2019-01-11 安徽中科中涣防务装备技术有限公司 一种道路环境综合监测车
CN206002136U (zh) * 2016-08-03 2017-03-08 安徽中涣防务装备技术股份有限公司 一种道路环境综合监测车
CN106644862B (zh) * 2016-09-12 2023-08-29 山东诺方电子科技有限公司 一种传感器、基于该传感器的监测站及监测站的监测方法
US10031523B2 (en) * 2016-11-07 2018-07-24 Nio Usa, Inc. Method and system for behavioral sharing in autonomous vehicles
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
CN106813706A (zh) * 2017-01-11 2017-06-09 江苏科技大学 一种冗余传感器量测系统的容错方法
CN106680171A (zh) * 2017-03-07 2017-05-17 济南诺方电子技术有限公司 一种粉尘传感器防雨罩
CN106958917B (zh) * 2017-03-22 2019-12-17 柳州博泽科技股份有限公司 一种自动调节大型商场空气的换气系统
CN107295066A (zh) * 2017-05-23 2017-10-24 安徽中科中涣防务装备技术有限公司 一种快速安装便携式道路环境综合监测系统及监测方法
CN107084912A (zh) * 2017-06-14 2017-08-22 河海大学常州校区 一种大气颗粒物低成本监测系统及监测数据滤波方法
CN107219157A (zh) * 2017-07-29 2017-09-29 山东诺方电子科技有限公司 一种利用社会车辆进行大气颗粒物监测系统
CN107202752A (zh) * 2017-07-29 2017-09-26 山东诺方电子科技有限公司 一种颗粒物传感器的防絮网
CN107393273A (zh) * 2017-08-16 2017-11-24 杭州市环境保护科学研究院 用于实时显示道路空气环境质量污染水平的移动监测系统
CN207164984U (zh) * 2017-08-16 2018-03-30 杭州市环境保护科学研究院 用于实时显示道路空气环境质量污染水平的移动监测系统
CN107340212A (zh) * 2017-08-18 2017-11-10 山东诺方电子科技有限公司 一种基于出租车顶灯的大气颗粒物在线监测设备
CN207051153U (zh) * 2017-08-18 2018-02-27 山东诺方电子科技有限公司 一种基于出租车顶灯的大气颗粒物在线监测设备
CN107503854B (zh) * 2017-09-29 2020-01-17 北京理工大学 确定增压柴油机排气温度传感器是否异常及故障诊断方法
CN107630530A (zh) * 2017-10-23 2018-01-26 沈阳建筑大学 一种新型遮雨排水雨棚
CN108195728A (zh) * 2018-02-01 2018-06-22 山东诺方电子科技有限公司 一种基于多核颗粒物传感器技术的控制系统及其控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763053A (zh) * 2008-12-26 2010-06-30 上海交技发展股份有限公司 一种移动式桥梁安全检测分析管理系统
CN106066184A (zh) * 2015-04-24 2016-11-02 波音公司 用于检测交通工具系统故障的系统和方法
CN106168520A (zh) * 2015-05-20 2016-11-30 株式会社电装 传感器装置和使用传感器装置的电动助力转向设备
WO2017159514A1 (ja) * 2016-03-18 2017-09-21 善郎 水野 センサ管理システム
CN107340014A (zh) * 2017-08-31 2017-11-10 广东美的制冷设备有限公司 多传感器的检测方法、装置及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
低压配电设备故障诊断及运行监控系统;吴宇红 等;《机电工程》;20140630;第31卷(第6期);第795-799页 *

Also Published As

Publication number Publication date
CN111373238A (zh) 2020-07-03
WO2019150182A1 (zh) 2019-08-08
WO2019149233A1 (zh) 2019-08-08
CN110651176A (zh) 2020-01-03
WO2020020253A1 (zh) 2020-01-30
AU2019214705B2 (en) 2021-02-25
US11092581B2 (en) 2021-08-17
AU2019214704A1 (en) 2020-08-27
GB202104146D0 (en) 2021-05-05
GB2589283A (en) 2021-05-26
WO2019149235A1 (zh) 2019-08-08
GB202102643D0 (en) 2021-04-07
CN111051852B (zh) 2022-12-23
CN111316085B (zh) 2022-02-15
GB2589810A (en) 2021-06-09
CN110383011A (zh) 2019-10-25
US11067553B2 (en) 2021-07-20
GB2585526B (en) 2021-06-09
US20210140935A1 (en) 2021-05-13
CN112334753A (zh) 2021-02-05
GB2584060A (en) 2020-11-18
GB2583435B (en) 2021-06-09
GB2589283B (en) 2021-11-17
GB2583684A (en) 2020-11-04
GB2584060B8 (en) 2021-07-14
GB2580217A (en) 2020-07-15
GB2580217B (en) 2021-02-10
NO20200948A1 (en) 2020-08-31
AU2019214705A1 (en) 2020-08-20
GB202104144D0 (en) 2021-05-05
GB202104154D0 (en) 2021-05-05
CN112384783B (zh) 2023-01-13
GB2584259B (en) 2021-06-09
US20200363386A1 (en) 2020-11-19
GB2584259A (en) 2020-11-25
AU2018405991B2 (en) 2021-11-11
CN110933950A (zh) 2020-03-27
GB201917533D0 (en) 2020-01-15
GB2586709A (en) 2021-03-03
NO20200949A1 (en) 2020-08-31
GB2589282A (en) 2021-05-26
GB202102644D0 (en) 2021-04-07
AU2019214704B2 (en) 2021-07-08
US20200363384A1 (en) 2020-11-19
GB2588880A (en) 2021-05-12
CN112334753B (zh) 2023-02-21
GB2586709B (en) 2021-11-17
GB2584060A8 (en) 2021-07-14
GB202012853D0 (en) 2020-09-30
CN112400104B (zh) 2023-05-05
CN110785651B (zh) 2023-07-18
CN108195728A (zh) 2018-06-22
WO2020020254A1 (zh) 2020-01-30
CN112400104A (zh) 2021-02-23
WO2019149231A1 (zh) 2019-08-08
US11119082B2 (en) 2021-09-14
GB2581868A (en) 2020-09-02
GB2589810B (en) 2021-11-17
GB202012860D0 (en) 2020-09-30
CN111316085A (zh) 2020-06-19
NO20200924A1 (en) 2020-08-22
CN112384783A (zh) 2021-02-19
US20210148879A1 (en) 2021-05-20
GB2589282B (en) 2021-11-17
US11067552B2 (en) 2021-07-20
GB201917534D0 (en) 2020-01-15
AU2018405991A1 (en) 2020-08-27
GB2583684B (en) 2021-06-09
AU2019214701A1 (en) 2020-09-24
GB2588880B (en) 2021-11-17
US20200363385A1 (en) 2020-11-19
WO2019149230A1 (zh) 2019-08-08
GB2585526A (en) 2021-01-13
CN110383011B (zh) 2021-06-08
GB2581868B (en) 2021-03-10
GB202012851D0 (en) 2020-09-30
GB2583435A (en) 2020-10-28
GB202012861D0 (en) 2020-09-30
WO2019149234A1 (zh) 2019-08-08
WO2020020255A1 (zh) 2020-01-30
US20200363308A1 (en) 2020-11-19
GB202012858D0 (en) 2020-09-30
GB202012855D0 (en) 2020-09-30
WO2019149232A1 (zh) 2019-08-08
CN111051852A (zh) 2020-04-21
CN110573857A (zh) 2019-12-13
GB2584060B (en) 2021-06-09
CN110869715A (zh) 2020-03-06
GB202104151D0 (en) 2021-05-05
CN110785651A (zh) 2020-02-11
GB202102645D0 (en) 2021-04-07

Similar Documents

Publication Publication Date Title
CN110869715B (zh) 出租车内多核传感器隔离和恢复的方法
GB2589529A (en) A method for isolating abnormal sub-sensor in quad-core sensor

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