CN114034751A - 一种提高传感器工作稳定性时间的自学习方法 - Google Patents
一种提高传感器工作稳定性时间的自学习方法 Download PDFInfo
- Publication number
- CN114034751A CN114034751A CN202111335145.3A CN202111335145A CN114034751A CN 114034751 A CN114034751 A CN 114034751A CN 202111335145 A CN202111335145 A CN 202111335145A CN 114034751 A CN114034751 A CN 114034751A
- Authority
- CN
- China
- Prior art keywords
- sensor
- sensitivity
- detection
- time
- zero point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 73
- 230000008859 change Effects 0.000 claims abstract description 48
- 238000005259 measurement Methods 0.000 claims abstract description 38
- 238000012937 correction Methods 0.000 claims abstract description 37
- 230000035945 sensitivity Effects 0.000 claims description 52
- 238000013461 design Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 3
- 230000000704 physical effect Effects 0.000 claims 1
- 239000003245 coal Substances 0.000 abstract description 9
- 238000012423 maintenance Methods 0.000 abstract description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 18
- 239000007789 gas Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000003197 catalytic effect Effects 0.000 description 3
- 231100000331 toxic Toxicity 0.000 description 3
- 230000002588 toxic effect Effects 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000000835 electrochemical detection Methods 0.000 description 2
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/416—Systems
- G01N27/4163—Systems checking the operation of, or calibrating, the measuring apparatus
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Molecular Biology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Abstract
本发明涉及一种提高传感器工作稳定性时间的自学习方法,属于煤矿传感器技术领域。该方法包括:构建传感器调校模型,预设传感器在零点测量和精度校准点时允许的最大误差为L1和L2;将调校零点/精度时校正后的检测零点D1/灵敏度K1与上次校正检测零点/精度距本次校正的时间间隔T1记录并存储;判断检测零点D1/灵敏度K1与上次校正的检测零点Dpre/灵敏度Kpre的大小,然后利用传感器调校模型计算得到测量误差,并比较测量误差与最大误差L1/L2的1/3倍的大小,从而判断下一个调校周期内是否进行检测零点的变化反向修正。本发明提高了传感器的工作稳定性时间和智能化程度,减轻了煤矿工人的传感器维护工作量。
Description
技术领域
本发明属于煤矿传感器技术领域,涉及一种提高传感器工作稳定性时间的自学习方法。
背景技术
传感器作为安全监控系统的感知终端,对于煤矿爆炸性气体和有毒有害气体的有效监测非常重要。近几年随着检测技术的发展,甲烷检测逐步由载体催化甲烷检测向精度更高、稳定性更好的红外甲烷检测技术和激光甲烷检测技术发展,特别是激光甲烷检测技术,具有响应时间短、检测精度高、不受气体干扰的优点,特别是工作稳定性时间已经提高到60天,大大减轻了煤矿工人的调校维护工作量。但是受制于激光器和被检测气体特性差异的原因,一氧化碳、硫化氢、氧气等有毒有害气体的检测仍采用电化学检测原理,其工作稳定性时间只能达到15天。另外载体催化甲烷传感器虽然工作稳定性时间也只有15天,但其成本低,售价只有激光甲烷传感器的30%,因此在低瓦斯矿井仍具有较强的应用需求。
煤矿一氧化碳、硫化氢、氧气等有毒有害气体的检测采用电化学检测原理,其工作稳定性时间只能达到15天,另外载体催化甲烷传感器工作稳定性时间也只有15天,因此煤矿工人每15天需要调校一次传感器,传感器维护工作较大,不利于减人增效的实施及煤矿智能化的发展。
目前现有的提高传感器工作稳定性时间的技术方案主要是通过提高检测敏感元件的工作稳定性,以及温度补偿等技术,从而提高传感器的工作稳定性。
现有技术只是对传感器检测原理及硬件电路进行改进,相对成本较高,很多传感检测领域检测原理的进步需要五年甚至十年,但是没有考虑检测敏感元件老化等因素造成的灵敏度衰减造成的累计误差,缺乏通过软件算法提高工作稳定性的相应技术,制约了传感器工作稳定性时间的提高。
因此,亟需一种能提高传感器工作稳定性时间的自学习方法。
发明内容
有鉴于此,本发明的目的在于提供一种提高传感器工作稳定性时间的自学习方法,针对影响传感器测量误差的检测零点和灵敏度两大关键特征参数的变化规律进行研究,本发明采用自学习的方法提高传感器的工作稳定性时间,提高传感器智能化程度,减轻煤矿工人的传感器维护工作量。
为达到上述目的,本发明提供如下技术方案:
一种提高传感器工作稳定性时间的自学习方法,通过采集调校状态时影响传感器测量误差的检测零点和灵敏度与时间的变化关系,得出相应环境下修正后传感器的检测零点及灵敏度,从而减小传感器的测量误差,提高传感器的工作稳定性时间。该方法具体包括以下步骤:
S1:构建传感器调校模型;
S2:传感器调校包括校准检测零点和校准精度两个操作。预设传感器在零点测量时允许的最大误差为L1,精度校准点时允许的最大误差为L2;
S3:将调校零点时校正后的检测零点D1与上次校正检测零点距本次零点校正的时间间隔T1记录并存储;
S4:将调校精度时校正精度后的灵敏度K1与上次校正精度距本次精度校正的时间间隔T1记录并存储;
S5:判断检测零点D1与上次校正的检测零点Dpre的大小,然后利用步骤S1构建的传感器调校模型计算得到测量误差L3,并比较测量误差L3与传感器在零点时允许的最大误差L1的1/3倍的大小,从而判断下一个调校周期时间内是否进行检测零点的变化反向修正;
S6:判断灵敏度K1与上次校正的灵敏度Kpre的大小,然后利用步骤S1构建的传感器调校模型计算得到测量误差L4,并比较测量误差L4与传感器在零点时允许的最大误差L2的1/3倍的大小,从而判断是否在下一个调校周期时间内进行灵敏度的变化反向修正;
S7:重复步骤S3~S6,不断对新的检测零点和灵敏度进行采集记录及存储,判断是否在下一个调校周期时间内进行检测零点和灵敏度的变化反向修正。
进一步,步骤S1中,构建的传感器调校模型为:
P=K×γ×(X-D)
其中,P为传感器的测量结果,K和D分别为传感器的灵敏度和检测零点,X为待测物理量经信号处理电路与模拟量采样并A/D转换后的数字量,γ是与待测物理量和传感器测量电路设计有关的测量常量系数。
进一步,步骤S3或S4中,时间间隔T1的单位为天,一般取值为15天,取值范围为10≤T1≤60。
进一步,步骤S5中,若测量误差L3不大于传感器在零点时允许的最大误差L1的1/3倍,则判定在下一个调校周期时间内不进行检测零点的变化反向修正;若测量误差L3大于传感器在零点时允许的最大误差L1的1/3倍,则判定在下一个调校周期时间内进行检测零点的变化反向修正。
进一步,步骤S5中,测量误差L3的计算方法为:
若D1≥Dpre,则L3=K1×γ×(D1-Dpre),若L3≤L1/3,则下一个调校周期时间内不进行检测零点的变化反向修正,D=D1;若L3>L1/3,则下一个调校周期时间内进行检测零点D的变化反向修正,则检测零点D=D1+(D1-Dpre)×T/T1;其中,γ是与待测物理量和传感器测量电路设计有关的测量常量系数,T为传感器连续工作时间;
若D1<Dpre,则L3=K1×γ×(Dpre-D1),若L3≤L1/3,则下一个调校周期时间内不进行检测零点的变化反向修正,D=D1;若L3>L1/3,则下一个调校周期时间内进行检测零点D的变化反向修正,则检测零点D=D1+(D1-Dpre)×T/T1。
进一步,步骤S6中,若测量误差L4不大于传感器在精度校准点时允许的最大误差L2的1/3倍,则判定在下一个调校周期时间内不进行灵敏度的变化反向修正;若测量误差L4大于传感器在精度校准点时允许的最大误差L2的1/3倍,则判定在下一个调校周期时间内进行灵敏度的变化反向修正。
进一步,步骤S6中,测量误差L4的计算方法为:
若K1≥Kpre,则L4=(K1-Kpre)×γ×(X0-D1),若L4≤L2/3,则下一个调校周期时间内不进行灵敏度的变化反向修正,K=K1;若L3>L1/3,则下一个调校周期时间内进行灵敏度K的变化反向修正,则灵敏度K=K1+(K1-Kpre)×T/T1;其中,γ是与待测物理量和传感器测量电路设计有关的测量常量系数,T为传感器连续工作时间,X0是传感器在精度校准点时经信号处理电路与模拟量采样并A/D转换后的数字量;
若K1<Kpre,则L4=(K1-Kpre)×γ×(X0-D1),若L4≤L2/3,则下一个调校周期时间内不进行灵敏度的变化反向修正,K=K1;若L3>L1/3,则下一个调校周期时间内进行灵敏度K的变化反向修正,则灵敏度K=K1+(K1-Kpre)×T/T1。
本发明的有益效果在于:本发明针对影响传感器工作稳定性的检测零点和灵敏度两大关键特征参数的变化规律进行研究,能够提高传感器的工作稳定性时间,提高传感器智能化程度,减轻煤矿工人的传感器维护工作量。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明提高传感器工作稳定性时间的自学习方法的流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
请参阅图1,为一种提高传感器工作稳定性时间的自学习方法,通过采集调校状态时影响传感器测量误差的检测零点和灵敏度与时间的变化关系,得出相应环境下修正后传感器的检测零点及灵敏度,从而减小传感器的测量误差,提高传感器的工作稳定性时间。该方法具体包括以下步骤:
S1:构建传感器调校模型;
设传感器的测量结果为P,测量结果与传感器的灵敏度K和检测零点D有关,三者的关系等效为P=K×γ×(X-D),X为待测物理量经信号处理电路与模拟量采样并A/D转换后的数字量,γ是与待测物理量和传感器测量电路设计有关的测量常量系数。
传感器连续工作时间T,传感器的灵敏度K和检测零点D随时间变化。零点指被测量气体浓度为0或温度、压力等物理量为0时的测量点。精度校准点一般为传感器满量程的1/2,也可以根据用户需求进行调整设定。
传感器的灵敏度K一般初始为1,经传感器调校后的灵敏度K的取值范围为0.5≤K≤2。检测零点D取值范围为0≤D≤500。
S2:预设传感器在零点测量时允许的最大误差为L1,精度校准点时允许的最大误差为L2。
传感器调校包括校准检测零点和校准精度两个操作。必须先校准零点,再校准精度,否则本次传感器调校无效,本次检测零点D1和灵敏度K1记录和存储清除。
S3:将调校零点时校正后的检测零点D1与上次校正检测零点距本次零点校正的时间间隔T1记录并存储。其中时间间隔T1的单位为天,一般取值为15天,取值范围为10≤T1≤60。
首先Dpre=D1,然后将新的检测零点赋值于D1。
S4:将调校精度时校正精度后的灵敏度K1与上次校正精度距本次精度校正的时间间隔T1记录并存储。其中时间间隔T1的单位为天,一般取值为15天,取值范围为10≤T1≤60。
首先Kpre=K1,然后将新的灵敏度赋值于K1。
S5:若调校零点时校正后的检测零点D1与上次校正的检测零点Dpre的差值引起的测量误差L3不大于传感器在零点时允许的最大误差L1的1/3,则判定在下一个调校周期时间内不进行检测零点的变化反向修正;若差值引起的测量误差L3大于传感器在零点时允许的最大误差L1的1/3,则判定在下一个调校周期时间内进行检测零点的变化反向修正。
测量误差L3的计算方法为:
若D1≥Dpre,则L3=K1×γ×(D1-Dpre),若L3≤L1/3,则下一个调校周期时间内不进行检测零点的变化反向修正,D=D1;若L3>L1/3,则下一个调校周期时间内进行检测零点D的变化反向修正,则检测零点D=D1+(D1-Dpre)×T/T1;其中,γ是与待测物理量和传感器测量电路设计有关的测量常量系数,T为传感器连续工作时间;
若D1<Dpre,则L3=K1×γ×(Dpre-D1),若L3≤L1/3,则下一个调校周期时间内不进行检测零点的变化反向修正,D=D1;若L3>L1/3,则下一个调校周期时间内进行检测零点D的变化反向修正,则检测零点D=D1+(D1-Dpre)×T/T1。
S6:若测量误差L4不大于传感器在精度校准点时允许的最大误差L2的1/3倍,则判定在下一个调校周期时间内不进行灵敏度的变化反向修正;若测量误差L4大于传感器在精度校准点时允许的最大误差L2的1/3倍,则判定在下一个调校周期时间内进行灵敏度的变化反向修正。
测量误差L4的计算方法为:
若K1≥Kpre,则L4=(K1-Kpre)×γ×(X0-D1),若L4≤L2/3,则下一个调校周期时间内不进行灵敏度的变化反向修正,K=K1;若L3>L1/3,则下一个调校周期时间内进行灵敏度K的变化反向修正,则灵敏度K=K1+(K1-Kpre)×T/T1;其中,γ是与待测物理量和传感器测量电路设计有关的测量常量系数,T为传感器连续工作时间,X0是传感器在精度校准点时经信号处理电路与模拟量采样并A/D转换后的数字量;
若K1<Kpre,则L4=(K1-Kpre)×γ×(X0-D1),若L4≤L2/3,则下一个调校周期时间内不进行灵敏度的变化反向修正,K=K1;若L3>L1/3,则下一个调校周期时间内进行灵敏度K的变化反向修正,则灵敏度K=K1+(K1-Kpre)×T/T1。
S7:重复步骤S3~S6,不断对新的检测零点和灵敏度进行采集记录及存储,判断是否在下一个调校周期时间内进行检测零点和灵敏度的变化反向修正。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种提高传感器工作稳定性时间的自学习方法,其特征在于,该方法具体包括以下步骤:
S1:构建传感器调校模型;
S2:预设传感器在零点测量时允许的最大误差为L1,精度校准点时允许的最大误差为L2;
S3:将调校零点时校正后的检测零点D1与上次校正检测零点距本次零点校正的时间间隔T1记录并存储;
S4:将调校精度时校正精度后的灵敏度K1与上次校正精度距本次精度校正的时间间隔T1记录并存储;
S5:判断检测零点D1与上次校正的检测零点Dpre的大小,然后利用步骤S1构建的传感器调校模型计算得到测量误差L3,并比较测量误差L3与传感器在零点时允许的最大误差L1的1/3倍的大小,从而判断下一个调校周期时间内是否进行检测零点的变化反向修正;
S6:判断灵敏度K1与上次校正的灵敏度Kpre的大小,然后利用步骤S1构建的传感器调校模型计算得到测量误差L4,并比较测量误差L4与传感器在零点时允许的最大误差L2的1/3倍的大小,从而判断是否在下一个调校周期时间内进行灵敏度的变化反向修正;
S7:重复步骤S3~S6,不断对新的检测零点和灵敏度进行采集记录及存储,判断是否在下一个调校周期时间内进行检测零点和灵敏度的变化反向修正。
2.根据权利要求1所述的提高传感器工作稳定性时间的自学习方法,其特征在于,步骤S1中,构建的传感器调校模型为:
P=K×γ×(X-D)
其中,P为传感器的测量结果,K和D分别为传感器的灵敏度和检测零点,X为待测物理量经信号处理电路与模拟量采样并A/D转换后的数字量,γ是与待测物理量和传感器测量电路设计有关的测量常量系数。
3.根据权利要求1所述的提高传感器工作稳定性时间的自学习方法,其特征在于,步骤S3或S4中,时间间隔T1的单位为天,取值范围为10≤T1≤60。
4.根据权利要求1所述的提高传感器工作稳定性时间的自学习方法,其特征在于,步骤S5中,若测量误差L3不大于传感器在零点时允许的最大误差L1的1/3倍,则判定在下一个调校周期时间内不进行检测零点的变化反向修正;若测量误差L3大于传感器在零点时允许的最大误差L1的1/3倍,则判定在下一个调校周期时间内进行检测零点的变化反向修正。
5.根据权利要求1或4所述的提高传感器工作稳定性时间的自学习方法,其特征在于,步骤S5中,测量误差L3的计算方法为:
若D1≥Dpre,则L3=K1×γ×(D1-Dpre),若L3≤L1/3,则下一个调校周期时间内不进行检测零点的变化反向修正,D=D1;若L3>L1/3,则下一个调校周期时间内进行检测零点D的变化反向修正,则检测零点D=D1+(D1-Dpre)×T/T1;其中,γ是与待测物理量和传感器测量电路设计有关的测量常量系数,T为传感器连续工作时间;
若D1<Dpre,则L3=K1×γ×(Dpre-D1),若L3≤L1/3,则下一个调校周期时间内不进行检测零点的变化反向修正,D=D1;若L3>L1/3,则下一个调校周期时间内进行检测零点D的变化反向修正,则检测零点D=D1+(D1-Dpre)×T/T1。
6.根据权利要求1所述的提高传感器工作稳定性时间的自学习方法,其特征在于,步骤S6中,若测量误差L4不大于传感器在精度校准点时允许的最大误差L2的1/3倍,则判定在下一个调校周期时间内不进行灵敏度的变化反向修正;若测量误差L4大于传感器在精度校准点时允许的最大误差L2的1/3倍,则判定在下一个调校周期时间内进行灵敏度的变化反向修正。
7.根据权利要求1或6所述的提高传感器工作稳定性时间的自学习方法,其特征在于,步骤S6中,测量误差L4的计算方法为:
若K1≥Kpre,则L4=(K1-Kpre)×γ×(X0-D1),若L4≤L2/3,则下一个调校周期时间内不进行灵敏度的变化反向修正,K=K1;若L3>L1/3,则下一个调校周期时间内进行灵敏度K的变化反向修正,则灵敏度K=K1+(K1-Kpre)×T/T1;其中,γ是与待测物理量和传感器测量电路设计有关的测量常量系数,T为传感器连续工作时间,X0是传感器在精度校准点时经信号处理电路与模拟量采样并A/D转换后的数字量;
若K1<Kpre,则L4=(K1-Kpre)×γ×(X0-D1),若L4≤L2/3,则下一个调校周期时间内不进行灵敏度的变化反向修正,K=K1;若L3>L1/3,则下一个调校周期时间内进行灵敏度K的变化反向修正,则灵敏度K=K1+(K1-Kpre)×T/T1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111335145.3A CN114034751A (zh) | 2021-11-11 | 2021-11-11 | 一种提高传感器工作稳定性时间的自学习方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111335145.3A CN114034751A (zh) | 2021-11-11 | 2021-11-11 | 一种提高传感器工作稳定性时间的自学习方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114034751A true CN114034751A (zh) | 2022-02-11 |
Family
ID=80137328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111335145.3A Pending CN114034751A (zh) | 2021-11-11 | 2021-11-11 | 一种提高传感器工作稳定性时间的自学习方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114034751A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002055049A (ja) * | 2000-08-14 | 2002-02-20 | Horiba Ltd | 連続測定装置 |
JP2002350410A (ja) * | 2001-05-23 | 2002-12-04 | Ngk Spark Plug Co Ltd | ガス濃度センサ調整方法 |
WO2004106909A1 (ja) * | 2003-05-29 | 2004-12-09 | Matsushita Electric Industrial Co., Ltd. | ガスセンサとそれを用いた燃料電池システム、自動車 |
WO2005100966A1 (ja) * | 2004-04-15 | 2005-10-27 | Matsushita Electric Industrial Co., Ltd. | ガスセンサとそれを用いた燃料電池システムおよび自動車 |
EP2386851A1 (en) * | 2010-05-13 | 2011-11-16 | Yokogawa Electric Corporation | Calibration apparatus for chemical sensor |
CN104807968A (zh) * | 2015-05-11 | 2015-07-29 | 杭州北辰光电技术有限公司 | 气体传感器及其识别与校准方法 |
CN111796064A (zh) * | 2020-09-08 | 2020-10-20 | 北京英视睿达科技有限公司 | 一种基于远程自动校准的tvoc检测设备数据质控方法及系统 |
CN112881598A (zh) * | 2021-01-11 | 2021-06-01 | 天地(常州)自动化股份有限公司 | 矿用气体传感器在线调校合规性的诊断方法 |
-
2021
- 2021-11-11 CN CN202111335145.3A patent/CN114034751A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002055049A (ja) * | 2000-08-14 | 2002-02-20 | Horiba Ltd | 連続測定装置 |
JP2002350410A (ja) * | 2001-05-23 | 2002-12-04 | Ngk Spark Plug Co Ltd | ガス濃度センサ調整方法 |
WO2004106909A1 (ja) * | 2003-05-29 | 2004-12-09 | Matsushita Electric Industrial Co., Ltd. | ガスセンサとそれを用いた燃料電池システム、自動車 |
WO2005100966A1 (ja) * | 2004-04-15 | 2005-10-27 | Matsushita Electric Industrial Co., Ltd. | ガスセンサとそれを用いた燃料電池システムおよび自動車 |
EP2386851A1 (en) * | 2010-05-13 | 2011-11-16 | Yokogawa Electric Corporation | Calibration apparatus for chemical sensor |
CN104807968A (zh) * | 2015-05-11 | 2015-07-29 | 杭州北辰光电技术有限公司 | 气体传感器及其识别与校准方法 |
CN111796064A (zh) * | 2020-09-08 | 2020-10-20 | 北京英视睿达科技有限公司 | 一种基于远程自动校准的tvoc检测设备数据质控方法及系统 |
CN112881598A (zh) * | 2021-01-11 | 2021-06-01 | 天地(常州)自动化股份有限公司 | 矿用气体传感器在线调校合规性的诊断方法 |
Non-Patent Citations (4)
Title |
---|
张 翼 等: "煤矿安全监控系统传感器调校管理设计", 能 源 与 环 保, vol. 41, no. 11, 1 December 2019 (2019-12-01) * |
梁经才, 黄增洪, 周培好, 尹黎: "一种新型ZOC智能化测压系统", 推进技术, no. 01, 28 February 1992 (1992-02-28) * |
钟蕊;安博文;陈维;倪训鹏;潘胜达;: "基于气体传感器的船舶燃油含硫量检测系统", 传感技术学报, no. 05, 15 May 2020 (2020-05-15) * |
黄崇崇;胡仁志;谢品华;靳华伟;林川;: "NO_2电化学传感器的零点漂移校正研究", 传感技术学报, no. 07, 15 July 2020 (2020-07-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107478703B (zh) | 电化学气体传感器及其校准方法、空调器 | |
US20120253675A1 (en) | Method and apparatus for remote siphon drainage type rainfall measurement with self-compensation function | |
CN110441374B (zh) | 一种基于sa-bp神经网络的溶氧传感器补偿方法 | |
CN105806915B (zh) | 一种营养液钾、钠离子浓度检测装置及检测方法 | |
CN111578984B (zh) | 一种严寒地区站房全生命周期钢结构受力状态监测系统 | |
JP2008275557A (ja) | ガス警報器 | |
CN110702735A (zh) | 余氯电极校准方法及水质检测仪表 | |
CN112595767B (zh) | 一种半导体式气体传感器的校准方法、系统、设备 | |
CN114034751A (zh) | 一种提高传感器工作稳定性时间的自学习方法 | |
CN107576695A (zh) | 电化学气体传感器及其校准方法、空调器 | |
CN102866180A (zh) | 高精度智能酸度计及其测量方法 | |
CN107576710B (zh) | 电化学气体传感器及其校准方法、空调器 | |
KR20210129906A (ko) | 가스 감지기 및 가스 감지기 교정 방법 | |
JP3153484B2 (ja) | 環境放射線モニタ | |
AU2019100348A4 (en) | A specified gas sensor correction method based on locally weighted regression algorithm | |
CN102043093B (zh) | 测量电流型模数转换器的转换电阻的阻值的方法 | |
CN109758703A (zh) | 一种用于消防火场气压高度传感器的误差修正系统及方法 | |
CN102735269A (zh) | 校正方法及装置 | |
CN114184213B (zh) | 天线方位轴不铅垂度的测量系统及方法 | |
CN112097632B (zh) | 三线制四分之一桥大应变测量的恒压电桥非线性修正方法 | |
CN112071015A (zh) | 矿用气敏型烟雾传感器的自适应烟雾识别方法及识别装置 | |
CN113588757B (zh) | 一种脉冲激励测电化学传感器寿命的方法 | |
CN111736014A (zh) | 一种频率信号采集和数据处理方法及装置 | |
CN106227150B (zh) | 一种基于软件标定精度的方法和装置 | |
CN112683837B (zh) | 一种基于红外技术的二氧化碳浓度检测方法 |
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 |