CN113392524A - 一种传感器的漂移诊断方法、装置、电子设备及存储介质 - Google Patents
一种传感器的漂移诊断方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113392524A CN113392524A CN202110659502.5A CN202110659502A CN113392524A CN 113392524 A CN113392524 A CN 113392524A CN 202110659502 A CN202110659502 A CN 202110659502A CN 113392524 A CN113392524 A CN 113392524A
- Authority
- CN
- China
- Prior art keywords
- sensor
- error
- value
- drift
- virtual value
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本申请实施例提供一种传感器的漂移诊断方法、装置、电子设备及存储介质,涉及空调技术领域。该方法包括分别获取待诊断传感器的真实值和预先建立的与所述待诊断传感器对应的虚拟传感器的初始虚拟值;计算所述真实值和所述初始虚拟值之间的误差;判断所述误差是否大于预设阈值;若是,则所述真实值和所述初始虚拟值分别作为输入,计算与所述待诊断传感器相关的关联传感器的关联虚拟值;判断所述关联虚拟值是否大于敏感性误差,以确定所述待诊断传感器和对应的零部件特性参数是否存在漂移,提供一种传感器及零部件特性参数漂移的通用判断方法,从而解决现有方法无法使用通用方法进行判断导致的使用受限的问题。
Description
技术领域
本申请涉及空调技术领域,具体而言,涉及一种传感器的漂移诊断方法、装置、电子设备及存储介质。
背景技术
由于传感器的老化及安装环境的影响,传感器漂移的现象普遍存在于工程系统中。当前的传感器漂移判断方法主要通过在特殊工况下两个传感器的关联关系进行判断,从而导致不同的传感器的判断方法也不同,显然具有较大的局限性。
另外,通过物理建模获取的虚拟传感器值往往要求相关零部件的特性参数较为准确,但由于零部件个体差异或零部件在运行过程中的衰减,其特性参数与建模初始值有较大的差异,由此极容易导致虚拟传感器值的失效。但现有方法很难确定是哪个零部件特性参数发生了漂移。
发明内容
本申请实施例的目的在于提供一种传感器的漂移诊断方法、装置、电子设备及存储介质,提供一种传感器及零部件特性参数漂移的通用判断方法,从而解决现有方法无法使用通用方法进行判断导致的使用受限的问题。
本申请实施例提供了一种传感器的漂移诊断方法,所述方法包括:
分别获取待诊断传感器的真实值和预先建立的与所述待诊断传感器对应的虚拟传感器的初始虚拟值;
计算所述真实值和所述初始虚拟值之间的误差;
判断所述误差是否大于预设阈值;
若是,则所述真实值和所述初始虚拟值分别作为输入,计算与所述待诊断传感器相关的关联传感器的关联虚拟值;
判断所述关联虚拟值是否大于敏感性误差,以确定所述待诊断传感器和对应的零部件特性参数是否存在漂移。
在上述实现过程中,通过真实值与初始虚拟值之间的误差进行初步判断,若大于预设阈值,则可利用关联虚拟值是否大于敏感性误差进行进一步判断,给出了一种传感器及零部件特性参数漂移的通用判断方法,从而解决现有方法无法使用通用方法进行判断导致的使用受限的问题。
进一步地,所述判断所述关联虚拟值是否大于所述敏感性误差,以确定所述待诊断传感器和对应的零部件特性参数是否存在漂移,包括:
若存在所述待诊断传感器的真实值作为输入得到的第一关联虚拟值大于所述敏感性误差,并且所述初始虚拟值作为输入得到的第二关联虚拟值均不大于所述敏感性误差,则判定所述待诊断传感器存在漂移;
若所述第一关联虚拟值均不大于所述敏感性误差,且存在所述第二关联虚拟值大于所述敏感性误差,则判定待诊断传感器不存在漂移,所述关联传感器存在漂移;
若所述第一关联虚拟值均不大于所述敏感性误差,且所述第二关联虚拟值均不大于所述敏感性误差,则判定所述待诊断传感器不存在漂移,且与所述待诊断传感器相关的零部件不存在漂移;
若存在所述第一关联虚拟值大于所述敏感性误差,且存在所述第二关联虚拟值大于所述敏感性误差,则判定所述零部件存在漂移。
在上述实现过程中,给出了分别将真实值和初始虚拟值作为输入进行判断的四种情况。
进一步地,所述判断所述关联虚拟值是否大于所述敏感性误差,以确定所述待诊断传感器和对应的零部件特性参数是否存在漂移,包括:
计算第一关联虚拟值与对应的真实值之间的第一误差值;
获取所述待诊断传感器的预设阈值对应的关联传感器的第一敏感性误差;
若所述第一误差值大于所述第一敏感性误差,则所述第一关联虚拟值的误差特征向量的值为1,否则为0;
计算第二关联虚拟值与对应的真实值之间的第二误差值;
获取所述待诊断传感器的预设阈值对应的关联传感器的第二敏感性误差;
若所述第二误差值大于所述第二敏感性误差,则所述第二关联虚拟值的误差特征向量的值为1,否则为0。
在上述实现过程中,可通过误差特征向量的值对关联虚拟值与敏感性误差之间的大小关系进行量化。
进一步地,所述判断所述关联虚拟值是否大于所述敏感性误差,以确定所述待诊断传感器和对应的零部件特性参数是否存在漂移,包括:第一关联虚拟值的误差特征向量不等于0且第二关联虚拟值的误差特征向量等于0,则判定所述待诊断传感器存在漂移;
第一关联虚拟值的误差特征向量等于0且第二关联虚拟值的误差特征向量不等于0,则判定待诊断传感器不存在漂移,所述关联传感器存在漂移;
第一关联虚拟值的误差特征向量等于0且第二关联虚拟值的误差特征向量等于0,则判定所述待诊断传感器不存在漂移,且与所述待诊断传感器相关的零部件不存在漂移;
第一关联虚拟值的误差特征向量不等于0且第二关联虚拟值的误差特征向量不等于0,则判定所述零部件存在漂移。
在上述实现过程中,利用误差特征向量的大小可进行漂移情况的快速判断。
进一步地,在判断所述误差大于预设阈值的步骤之后,所述方法还包括:
利用所述真实值计算相关的所有虚拟传感器的误差,以判断零部件特性参数是否存在漂移。
在上述实现过程中,本申请还提供了系统零部件性能参数漂移识别方法,从而解决了现有方法难以识别零部件特性参数发生了漂移的问题。
进一步地,所述利用所述真实值计算相关的所有虚拟传感器的误差,以判断零部件特性参数是否存在漂移,包括:
将所有传感器的真实值作为输入,计算与零部件相关的所述虚拟传感器的初始虚拟值与对应的真实值之间的误差;
获取所述误差大于预设阈值的传感器数量;
若所述传感器数量大于预设数量,则所述零部件特性参数存在漂移。
在上述实现过程中,根据各个传感器对应的初始虚拟值与真实值之间的误差大于预设阈值的数量来判断零部件特性参数是否存在漂移,给出了一种零部件特性参数漂移的通用判断方法。
进一步地,所述方法还包括:
若所述误差不大于所述预设阈值,则判定所述待诊断传感器、所述关联传感器以及对应的零部件特性参数不存在漂移。
在上述实现过程中,如果误差不大于预设阈值,说明系统中的待诊断传感器、所述关联传感器以及对应的零部件特性参数均不存在漂移。
本申请实施例还提供一种传感器的漂移诊断装置,所述装置包括:
获取模块,用于分别获取待诊断传感器的真实值和预先建立的与其对应的虚拟传感器的初始虚拟值;
误差计算模块,用于计算所述真实值和所述初始虚拟值之间的误差;
判断模块,用于判断所述误差是否大于预设阈值;
关联虚拟值计算模块,用于若大于预设阈值,则所述真实值和所述初始虚拟值分别作为输入,计算与所述待诊断传感器相关的关联传感器的关联虚拟值;
诊断模块,用于判断所述关联虚拟值是否大于敏感性误差,以确定所述待诊断传感器和对应的零部件特性参数是否存在漂移。
在上述实现过程中,通过真实值与初始虚拟值之间的误差进行初步判断,若大于预设阈值,则可利用关联虚拟值是否大于敏感性误差进行进一步判断,给出了一种传感器漂移的通用判断方法,从而解决现有方法无法使用通用方法进行判断导致的使用受限的问题。
进一步地,所述诊断模块包括:
第一判定模块,用于若存在所述待诊断传感器的真实值作为输入得到的第一关联虚拟值大于所述敏感性误差,并且所述初始虚拟值作为输入得到的第二关联虚拟值均不大于所述敏感性误差,则判定所述待诊断传感器存在漂移;
第二判定模块,用于若所述第一关联虚拟值均不大于所述敏感性误差,且存在所述第二关联虚拟值大于所述敏感性误差,则判定待诊断传感器不存在漂移,但相关传感器存在漂移;
第三判定模块,用于若所述第一关联虚拟值均不大于所述敏感性误差,且所述第二关联虚拟值均不大于所述敏感性误差,则判定所述待诊断传感器不存在漂移,且与所述待诊断传感器相关的零部件不存在漂移;
第四判定模块,用于若存在所述第一关联虚拟值大于所述敏感性误差,且存在所述第二关联虚拟值大于所述敏感性误差,则判定所述零部件存在漂移。
在上述实现过程中,给出了分别将真实值和初始虚拟值作为输入进行判断的四种情况。
进一步地,所述装置还包括:
零部件判定模块,用于利用所述真实值计算相关的所有虚拟传感器的误差,以判断零部件特性参数是否存在漂移。
在上述实现过程中,提供了系统零部件性能参数漂移识别方法,从而解决了现有方法难以识别零部件特性参数发生了漂移的问题。
本申请实施例还提供一种电子设备,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行上述中任一项所述的传感器的漂移诊断方法。
本申请实施例还提供一种可读存储介质,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行上述中任一项所述的传感器的漂移诊断方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种传感器的漂移诊断方法的流程图;
图2为本申请实施例提供的空调系统中的传感器示意图;
图3为本申请实施例提供的传感器的漂移诊断装置的结构框图;
图4为本申请实施例提供的传感器的漂移诊断装置的具体结构框图。
图标:
100-获取模块;200-误差计算模块;300-判断模块;400-关联虚拟值计算模块;500-诊断模块;501-第一判定模块;502-第二判定模块;503-第三判定模块;504-第四判定模块;600-零部件判断模块;601-误差获取模块;602-数量获取模块;603-漂移判定模块。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
请参看图1,图1为本申请实施例提供的一种传感器的漂移诊断方法的流程图。该方法通过计算传感器的虚拟值并进行一系列的判断,得出传感器及零部件特性漂移的通用判断方法,具体包括以下步骤:
步骤S100:分别获取待诊断传感器的真实值和预先建立的与所述待诊断传感器对应的虚拟传感器的初始虚拟值;
对系统中的传感器对应建立虚拟传感器计算模型,该虚拟传感器以系统中其他一个或多个真实传感器值,及一个或多个零部件的特性参数,作为输入,通过一个虚拟传感器计算模型,输出该虚拟传感器的初始虚拟值。以此类推,系统的其他传感器也通过相同的方式得到其对应的虚拟传感器的初始虚拟值。
如图2所示,为空调系统中的传感器示意图,若图中的传感器A为待诊断传感器,则传感器B和传感器C为与待诊断传感器相关的关联传感器,图中的压缩机和电子膨胀阀为零部件,压缩机的特性参数可表示为X压,电子膨胀阀的特性参数可表示为X阀。
如表1所示,为图2中的待诊断传感器、关联传感器和对应的初始虚拟值(表中的传感器虚拟值):
表1
其中,fA为传感器A的虚拟传感器计算模型;fB为传感器B的虚拟传感器计算模型;fC为传感器C的虚拟传感器计算模型。
步骤S200:计算所述真实值和所述初始虚拟值之间的误差;
步骤S300:判断所述误差是否大于预设阈值;
若判断结果为误差不大于预设阈值,则判定无传感器、零部件特性参数漂移。若大于预设误阈值,则判定存在传感器A漂移的可能并进行后续步骤。
示例地,将传感器A的真实值与初始虚拟值之间的误差表示为:ε-A=abs(A真实-A虚拟);可将传感器A的预设阈值表示为θAmax,如表2所示,为各传感器的预设阈值表:
传感器名称 | 最大计算误差 |
传感器A | θAmax |
传感器B | θBmax |
传感器C | θCmax |
表2
在此基础上,若ε-A小于等于(或小于)θAmax,则判定无传感器、零部件特性参数漂移。
若ε-A大于(或大于等于)θAmax,则判定存在传感器A漂移的可能并进行后续步骤。
步骤S400:若是,则所述真实值和所述初始虚拟值分别作为输入,计算与所述待诊断传感器相关的关联传感器的关联虚拟值;
示例地,将传感器A的真实值a和初始虚拟值b,分别输入关联传感器的虚拟传感器,以分别得到关联虚拟值。
示例地,以传感器A的真实值作为输入计算关联传感器的第一关联虚拟值(表中的传感器虚拟值),如下表所示:
表3
以传感器A的初始虚拟值作为输入计算关联传感器的第二关联虚拟值(表中的传感器虚拟值),如下表所示:
表4
步骤S500:判断所述关联虚拟值是否大于敏感性误差,以确定所述待诊断传感器和对应的零部件特性参数是否存在漂移。
该步骤存在以下4中情况:
若存在传感器A的真实值a作为输入计算得到的关联传感器(传感器B和传感器C)的第一关联虚拟值大于敏感性误差,并且初始虚拟值b作为输入计算得到的关联传感器的第二关联虚拟值均不大于敏感性误差(不存在大于敏感性误差的情况),则判定传感器A漂移;
若第一关联虚拟值均不大于敏感性误差,且存在第二关联虚拟值大于敏感性误差,则判定待诊断传感器不存在漂移,关联传感器即传感器B或传感器C存在漂移的情况;
若第一关联虚拟值均不大于敏感性误差,且第二关联虚拟值均不大于敏感性误差,则判定传感器A不存在漂移,且零部件特性参数如压缩机特性参数和电子膨胀阀特性参数不存在漂移;
若存在第一关联虚拟值大于敏感性误差,且存在第二关联虚拟值大于敏感性误差,则判定零部件特性参数如压缩机特性参数或电子膨胀阀特性参数存在漂移。
作为其中一种实施方式,上述四种情况中的关联虚拟值与敏感性误差之间的关系,可利用误差特征向量进行表示。
具体地,利用真实值得到的第一关联虚拟值计算误差特征向量,具体如下:
首先,关联传感器的第一误差值可分别表示为:
ε-B=abs(B真实-B虚拟-A真实);
ε-C=abs(C真实-C虚拟-A真实);
具体过程可用下表表示:
表5
然后,利用传感器A的变化对关联传感器的影响敏感性,得到传感器A的误差预设值θAmax对应的关联传感器的敏感性预设误差值即第一敏感性误差,具体如下表所示:
A | B | C | |
A | 0 | ε-BA | ε-CA |
B | ε-AB | 0 | ε-CB |
C | ε-AC | ε-BC | 0 |
表6
其中,ε-AB表示传感器A的预设阈值θAmax对应传感器B的第一敏感性误差;ε-BA表示传感器B的误差预设值θBmax对应传感器A的第一敏感性误差;以此类推。
最后,利用误差特征向量将第一关联虚拟值与第一敏感性误差的关系表示为:
若ε-B=abs(B真实-B虚拟-A真实)>ε-AB,则对应的传感器A的真实值计算得到的传感器B的误差特征向量值为1,否则为0;
若ε-C=abs(C真实-C虚拟-A真实)>ε-AC,则对应的传感器A的真实值计算得到的传感器C的误差特征向量值为1,否则为0;
例如:
若ε-B>ε-AB,且ε-C>ε-AC,则传感器A的真实值计算的误差特征向量A-BC=[1,1];
若ε-B<ε-AB,且ε-C<ε-AC,则传感器A的真实值计算的误差特征向量A-BC=[0,0];
若ε-B>ε-AB,且ε-C<ε-AC,则传感器A的真实值计算的误差特征向量A-BC=[1,0];
若ε-B<ε-AB,且ε-C>ε-AC,则传感器A的真实值计算的误差特征向量A-BC=[0,1]。
利用初始虚拟值得到的第二关联虚拟值计算误差特征向量,具体如下:
首先,关联传感器的第二误差值可分别表示为:
ε-B=abs(B真实-B虚拟-A虚拟);
ε-C=abs(C真实-C虚拟-A虚拟);
具体过程可用下表表示:
表7
然后,利用传感器A的变化对关联传感器的影响敏感性,得到传感器A的误差预设值θAmax对应的关联传感器的敏感性预设误差值即第二敏感性误差,具体如下表所示:
A | B | C | |
A | 0 | ε-BA | ε-CA |
B | ε-AB | 0 | ε-CB |
C | ε-AC | ε-BC | 0 |
表8
其中,ε-AB表示传感器A的预设阈值θAmax对应传感器B的第二敏感性误差;ε-BA表示传感器B的误差预设值θBmax对应传感器A的第二敏感性误差;以此类推。
最后,利用误差特征向量将第二关联虚拟值与第二敏感性误差的关系表示为:
若ε-B=abs(B真实-B虚拟-A虚拟)>ε-AB则对应的传感器A的第二关联虚拟值计算的传感器B误差特征向量值为1,否则为0;
若ε-C=abs(C真实-C虚拟-A虚拟)>ε-AC则对应的传感器A真实值计算的传感器C误差特征向量值为1,否则为0。
例如:
若ε-B>ε-AB,且ε-C>ε-AC,则传感器A的初始虚拟值计算的误差特征向量A-BC=[1,1];
若ε-B<ε-AB,且ε-C<ε-AC,则传感器A初始虚拟值计算的误差特征向量A-BC=[0,0];
若ε-B>ε-AB,且ε-C<ε-AC,则传感器A初始虚拟值计算的误差特征向量A-BC=[1,0];
若ε-B<ε-AB,且ε-C>ε-AC,则传感器A初始虚拟值计算的误差特征向量A-BC=[0,1]。
基于上述误差特征向量表示的关联虚拟值与敏感性误差的关系,可得到四种判断情况对应的误差特征向量表示结果,如图所示,为漂移诊断结果示意图,其中,用“A真实值计算的误差特征向量≠0”表示存在第一关联虚拟值大于敏感性误差,其他具体表示在此不再赘述:
第一关联虚拟值的误差特征向量不等于0且第二关联虚拟值的误差特征向量等于0,则判定所述待诊断传感器存在漂移;
第一关联虚拟值的误差特征向量等于0且第二关联虚拟值的误差特征向量不等于0,则判定待诊断传感器不存在漂移,所述关联传感器存在漂移;
第一关联虚拟值的误差特征向量等于0且第二关联虚拟值的误差特征向量等于0,则判定所述待诊断传感器不存在漂移,且与所述待诊断传感器相关的零部件不存在漂移;
第一关联虚拟值的误差特征向量不等于0且第二关联虚拟值的误差特征向量不等于0,则判定所述零部件存在漂移。
此外,还可以判断零部件特性参数的漂移情况,具体如下:
以系统所有传感器的真实值作为输入,计算与零部件X相关的虚拟传感器的初始虚拟值与对应的真实值之间的误差,其中误差超过预设阈值的传感器数量超过预设数量,则判断该零部件X的特性参数漂移,否则判断该零部件X的特性参数不漂移。
如下表所示,为初始虚拟值与真实值之间的误差,可表示为:
表9
判断ε与θmax的大小关系即分别比较ε-A与θAmax、ε-B与θBmax、ε-C与θCmax之间的关系,确定误差超过预设阈值的传感器数量。若该数量超过预设数量则认为存在零部件X(X压或X阀)特性参数漂移的情况;若数量不超过预设数量则认为不存在零部件X特性参数漂移的情况。该预设数量小于等于与该零部件特性参数相关的传感器总数量,且大于0。如与X压相关的传感器数量为3(传感器A、传感器B、传感器C),则预设数量可以为3、2或1。
示例地,另外一种虚拟传感器模型如下表所示:
表10
由上表可知,与X压相关的传感器为A和C;而与X阀相关的传感器为A和B。
先对比ε-A与θAmax的大小以及ε-C与θCmax的大小,此时可将预设数量设置为2或1,可根据误差超过预设阈值的传感器数量与预设数量的大小关系确定X阀特性参数是否漂移。
先对比ε-A与θAmax的大小以及ε-B与θBmax的大小,此时可将预设数量设置为2或1,可根据误差超过预设阈值的传感器数量与预设数量的大小关系确定X阀特性参数是否漂移。
需要说明的是,本申请中的误差计算可优选采用平均误差,对于具体实施过程中的计算形式在此不做任何限定。
实施例2
本申请实施例提供一种传感器的漂移诊断装置,如图3所示,为传感器的漂移诊断装置的结构框图,所述装置包括:
获取模块100,用于分别获取待诊断传感器的真实值和预先建立的与其对应的虚拟传感器的初始虚拟值;
误差计算模块200,用于计算所述真实值和所述初始虚拟值之间的误差;
判断模块300,用于判断所述误差是否大于预设阈值;
关联虚拟值计算模块400,用于若大于预设阈值,则所述真实值和所述初始虚拟值分别作为输入,计算与所述待诊断传感器相关的关联传感器的关联虚拟值;
诊断模块500,用于判断所述关联虚拟值是否大于敏感性误差,以确定所述待诊断传感器和对应的零部件特性参数是否存在漂移。
其中,如图4所示,为传感器的漂移诊断装置的具体结构框图,诊断模块500包括:
第一判定模块501,用于若存在所述待诊断传感器的真实值作为输入得到的第一关联虚拟值大于所述敏感性误差,并且所述初始虚拟值作为输入得到的第二关联虚拟值均不大于所述敏感性误差,则判定所述待诊断传感器存在漂移;
第二判定模块502,用于若所述第一关联虚拟值均不大于所述敏感性误差,且存在所述第二关联虚拟值大于所述敏感性误差,则判定待诊断传感器不存在漂移,但相关传感器存在漂移;
第三判定模块503,用于若所述第一关联虚拟值均不大于所述敏感性误差,且所述第二关联虚拟值均不大于所述敏感性误差,则判定所述待诊断传感器不存在漂移,且与所述待诊断传感器相关的零部件不存在漂移;
第四判定模块504,用于若存在所述第一关联虚拟值大于所述敏感性误差,且存在所述第二关联虚拟值大于所述敏感性误差,则判定所述零部件存在漂移。
对于具体实施过程,可通过如下方式实现:
计算第一关联虚拟值与对应的真实值之间的第一误差值;
获取所述待诊断传感器的预设阈值对应的关联传感器的第一敏感性误差;
若所述第一误差值大于所述第一敏感性误差,则所述第一关联虚拟值的误差特征向量的值为1,否则为0;
计算第二关联虚拟值与对应的真实值之间的第二误差值;
获取所述待诊断传感器的预设阈值对应的关联传感器的第二敏感性误差;
若所述第二误差值大于所述第二敏感性误差,则所述第二关联虚拟值的误差特征向量的值为1,否则为0。
示例地,利用误差特征向量可表示为:
第一关联虚拟值的误差特征向量不等于0且第二关联虚拟值的误差特征向量等于0,则判定所述待诊断传感器存在漂移;
第一关联虚拟值的误差特征向量等于0且第二关联虚拟值的误差特征向量不等于0,则判定待诊断传感器不存在漂移,所述关联传感器存在漂移;
第一关联虚拟值的误差特征向量等于0且第二关联虚拟值的误差特征向量等于0,则判定所述待诊断传感器不存在漂移,且与所述待诊断传感器相关的零部件不存在漂移;
第一关联虚拟值的误差特征向量不等于0且第二关联虚拟值的误差特征向量不等于0,则判定所述零部件存在漂移。
该装置还包括零部件判断模块600:用于利用所述真实值计算相关的所有虚拟传感器的误差,以判断零部件特性参数是否存在漂移。
零部件判断模块600具体包括:
误差获取模块601,用于将所有传感器的真实值作为输入,计算与零部件相关的所述虚拟传感器的初始虚拟值与对应的真实值之间的误差;
数量获取模块602,用于获取所述误差大于预设阈值的传感器数量;
漂移判定模块603,用于若所述传感器数量大于预设数量,则所述零部件特性参数存在漂移。
本申请实施例还提供一种电子设备,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行实施例1所述的传感器的漂移诊断方法。
本申请实施例还提供一种可读存储介质,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行实施例1所述的传感器的漂移诊断方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (12)
1.一种传感器的漂移诊断方法,其特征在于,所述方法包括:
分别获取待诊断传感器的真实值和预先建立的与所述待诊断传感器对应的虚拟传感器的初始虚拟值;
计算所述真实值和所述初始虚拟值之间的误差;
判断所述误差是否大于预设阈值;
若是,则所述真实值和所述初始虚拟值分别作为输入,计算与所述待诊断传感器相关的关联传感器的关联虚拟值;
判断所述关联虚拟值是否大于敏感性误差,以确定所述待诊断传感器和对应的零部件特性参数是否存在漂移。
2.根据权利要求1所述的传感器的漂移诊断方法,其特征在于,所述判断所述关联虚拟值是否大于所述敏感性误差,以确定所述待诊断传感器和对应的零部件特性参数是否存在漂移,包括:
若存在所述待诊断传感器的真实值作为输入得到的第一关联虚拟值大于所述敏感性误差,并且所述初始虚拟值作为输入得到的第二关联虚拟值均不大于所述敏感性误差,则判定所述待诊断传感器存在漂移;
若所述第一关联虚拟值均不大于所述敏感性误差,且存在所述第二关联虚拟值大于所述敏感性误差,则判定待诊断传感器不存在漂移,所述关联传感器存在漂移;
若所述第一关联虚拟值均不大于所述敏感性误差,且所述第二关联虚拟值均不大于所述敏感性误差,则判定所述待诊断传感器不存在漂移,且与所述待诊断传感器相关的零部件不存在漂移;
若存在所述第一关联虚拟值大于所述敏感性误差,且存在所述第二关联虚拟值大于所述敏感性误差,则判定所述零部件存在漂移。
3.根据权利要求2所述的传感器的漂移诊断方法,其特征在于:所述判断所述关联虚拟值是否大于所述敏感性误差,以确定所述待诊断传感器和对应的零部件特性参数是否存在漂移,包括:
计算第一关联虚拟值与对应的真实值之间的第一误差值;
获取所述待诊断传感器的预设阈值对应的关联传感器的第一敏感性误差;
若所述第一误差值大于所述第一敏感性误差,则所述第一关联虚拟值的误差特征向量的值为1,否则为0;
计算第二关联虚拟值与对应的真实值之间的第二误差值;
获取所述待诊断传感器的预设阈值对应的关联传感器的第二敏感性误差;
若所述第二误差值大于所述第二敏感性误差,则所述第二关联虚拟值的误差特征向量的值为1,否则为0。
4.根据权利要求3所述的传感器的漂移诊断方法,其特征在于,所述判断所述关联虚拟值是否大于所述敏感性误差,以确定所述待诊断传感器和对应的零部件特性参数是否存在漂移,包括:第一关联虚拟值的误差特征向量不等于0且第二关联虚拟值的误差特征向量等于0,则判定所述待诊断传感器存在漂移;
第一关联虚拟值的误差特征向量等于0且第二关联虚拟值的误差特征向量不等于0,则判定待诊断传感器不存在漂移,所述关联传感器存在漂移;
第一关联虚拟值的误差特征向量等于0且第二关联虚拟值的误差特征向量等于0,则判定所述待诊断传感器不存在漂移,且与所述待诊断传感器相关的零部件不存在漂移;
第一关联虚拟值的误差特征向量不等于0且第二关联虚拟值的误差特征向量不等于0,则判定所述零部件存在漂移。
5.根据权利要求1所述的传感器的漂移诊断方法,其特征在于,在判断所述误差大于预设阈值的步骤之后,所述方法还包括:
利用所述真实值计算相关的所有虚拟传感器的误差,以判断零部件特性参数是否存在漂移。
6.根据权利要求5所述的传感器的漂移诊断方法,其特征在于,所述利用所述真实值计算相关的所有虚拟传感器的误差,以判断零部件特性参数是否存在漂移,包括:
将所有传感器的真实值作为输入,计算与零部件相关的所述虚拟传感器的初始虚拟值与对应的真实值之间的误差;
获取所述误差大于预设阈值的传感器数量;
若所述传感器数量大于预设数量,则所述零部件特性参数存在漂移。
7.根据权利要求1所述的传感器的漂移诊断方法,其特征在于,所述方法还包括:
若所述误差不大于所述预设阈值,则判定所述待诊断传感器、所述关联传感器以及对应的零部件特性参数不存在漂移。
8.一种传感器的漂移诊断装置,其特征在于,所述装置包括:
获取模块,用于分别获取待诊断传感器的真实值和预先建立的与其对应的虚拟传感器的初始虚拟值;
误差计算模块,用于计算所述真实值和所述初始虚拟值之间的误差;
判断模块,用于判断所述误差是否大于预设阈值;
关联虚拟值计算模块,用于若大于预设阈值,则所述真实值和所述初始虚拟值分别作为输入,计算与所述待诊断传感器相关的关联传感器的关联虚拟值;
诊断模块,用于判断所述关联虚拟值是否大于敏感性误差,以确定所述待诊断传感器和对应的零部件特性参数是否存在漂移。
9.根据权利要求8所述的传感器的漂移诊断装置,其特征在于,所述诊断模块包括:
第一判定模块,用于若存在所述待诊断传感器的真实值作为输入得到的第一关联虚拟值大于所述敏感性误差,并且所述初始虚拟值作为输入得到的第二关联虚拟值均不大于所述敏感性误差,则判定所述待诊断传感器存在漂移;
第二判定模块,用于若所述第一关联虚拟值均不大于所述敏感性误差,且存在所述第二关联虚拟值大于所述敏感性误差,则判定待诊断传感器不存在漂移,但相关传感器存在漂移;
第三判定模块,用于若所述第一关联虚拟值均不大于所述敏感性误差,且所述第二关联虚拟值均不大于所述敏感性误差,则判定所述待诊断传感器不存在漂移,且与所述待诊断传感器相关的零部件不存在漂移;
第四判定模块,用于若存在所述第一关联虚拟值大于所述敏感性误差,且存在所述第二关联虚拟值大于所述敏感性误差,则判定所述零部件存在漂移。
10.根据权利要求8所述的传感器的漂移诊断装置,其特征在于,所述装置还包括:
零部件判定模块,用于利用所述真实值计算相关的所有虚拟传感器的误差,以判断零部件特性参数是否存在漂移。
11.一种电子设备,其特征在于,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至7中任一项所述的传感器的漂移诊断方法。
12.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行权利要求1至7任一项所述的传感器的漂移诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110659502.5A CN113392524B (zh) | 2021-06-11 | 2021-06-11 | 一种传感器的漂移诊断方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110659502.5A CN113392524B (zh) | 2021-06-11 | 2021-06-11 | 一种传感器的漂移诊断方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113392524A true CN113392524A (zh) | 2021-09-14 |
CN113392524B CN113392524B (zh) | 2023-04-28 |
Family
ID=77621010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110659502.5A Active CN113392524B (zh) | 2021-06-11 | 2021-06-11 | 一种传感器的漂移诊断方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113392524B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6850859B1 (en) * | 2003-12-03 | 2005-02-01 | Watlow Electric Manufacturing Company | Sensor drift compensation by lot |
CN102890456A (zh) * | 2011-07-21 | 2013-01-23 | Abb技术有限公司 | 用于致动器控制的系统和方法 |
US20180188083A1 (en) * | 2016-02-05 | 2018-07-05 | Kabushiki Kaisha Toshiba | Sensor failure diagnosis device, method and program |
CN111006691A (zh) * | 2019-11-22 | 2020-04-14 | 普宙飞行器科技(深圳)有限公司 | 传感器校漂方法、装置、可读存储介质、电子设备及无人机 |
CN111886482A (zh) * | 2018-03-22 | 2020-11-03 | 赫尔辛基大学 | 传感器校准 |
US20210018347A1 (en) * | 2019-07-17 | 2021-01-21 | Exxonmobil Research And Engineering Company | Intelligent system for identifying sensor drift |
-
2021
- 2021-06-11 CN CN202110659502.5A patent/CN113392524B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6850859B1 (en) * | 2003-12-03 | 2005-02-01 | Watlow Electric Manufacturing Company | Sensor drift compensation by lot |
CN102890456A (zh) * | 2011-07-21 | 2013-01-23 | Abb技术有限公司 | 用于致动器控制的系统和方法 |
US20180188083A1 (en) * | 2016-02-05 | 2018-07-05 | Kabushiki Kaisha Toshiba | Sensor failure diagnosis device, method and program |
CN111886482A (zh) * | 2018-03-22 | 2020-11-03 | 赫尔辛基大学 | 传感器校准 |
US20210018347A1 (en) * | 2019-07-17 | 2021-01-21 | Exxonmobil Research And Engineering Company | Intelligent system for identifying sensor drift |
CN111006691A (zh) * | 2019-11-22 | 2020-04-14 | 普宙飞行器科技(深圳)有限公司 | 传感器校漂方法、装置、可读存储介质、电子设备及无人机 |
Non-Patent Citations (1)
Title |
---|
黄向华: "基于模糊逻辑的航空发动机虚拟传感器", 《南京航空航天大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113392524B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102566421B (zh) | 机器状态监控中异常检测的条件相关性建模的系统和方法 | |
WO2017122292A1 (ja) | 運転状態分類装置 | |
JP2005299646A (ja) | 複数の冗長的信号に基づいてパラメータを推定する装置及びその方法 | |
CN117093828B (zh) | 一种液压缸缸体密封性检测方法及系统 | |
CN110765414A (zh) | 性能指标数据评估方法、装置、设备及存储介质 | |
CN112308454B (zh) | 汽车操纵稳定性评价方法、装置、设备及存储介质 | |
CN111597647A (zh) | 一种面向工业生产过程的弹簧阻尼系统滤波故障诊断方法 | |
CN112669290A (zh) | 图像比对方法及装置 | |
CN109242746B (zh) | 基于应急监测数据的一维瞬时点源污染源溯源方法 | |
CN108107086A (zh) | 一种基于阵列气体传感器的气体检测方法及气体传感器 | |
CN106506564B (zh) | 一种漏洞管理方法及装置 | |
CN110850358A (zh) | 基于逐步回归算法的电能表综合检定方法及系统 | |
CN117216454B (zh) | 基于模糊非概率的可靠性评估方法、装置、终端及存储介质 | |
CN113392524B (zh) | 一种传感器的漂移诊断方法、装置、电子设备及存储介质 | |
CN114758470B (zh) | 一种基于消防工程的火灾预警方法及系统 | |
CN111209942A (zh) | 一种足式机器人多模态感知的异常监测方法 | |
US11416371B2 (en) | Method and apparatus for evaluating and selecting signal comparison metrics | |
CN111017667B (zh) | 电梯抱闸异常检测方法、装置、设备及可读存储介质 | |
CN111047185B (zh) | 贮存环境因素对弹药贮存可靠性影响的确定方法及装置 | |
CN103049665A (zh) | 一种基于变量的配置化计算逻辑的多变量计算方法和装置 | |
CN116702521B (zh) | 一种自动驾驶场景一致性对比方法、装置及电子设备 | |
Kadaj | The method of detection and localization of configuration defects in geodetic networks by means of Tikhonov regularization | |
Peruchi et al. | Comparisons of multivariate GR&R methods using bootstrap confidence interval | |
CN117113248B (zh) | 基于数据驱动的燃气气量数据异常检测方法 | |
CN114035553B (zh) | 基于系统辨识和拟合度的控制系统故障检测方法及装置 |
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 |