CN114034751A - 一种提高传感器工作稳定性时间的自学习方法 - Google Patents

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D_pre/灵敏度K_pre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

一种提高传感器工作稳定性时间的自学习方法

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D_pre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K_pre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≥D_pre，则L₃＝K₁×γ×(D₁-D_pre)，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-D_pre)×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<D_pre，则L₃＝K₁×γ×(D_pre-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-D_pre)×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≥K_pre，则L₄＝(K₁-K_pre)×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-K_pre)×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<K_pre，则L₄＝(K₁-K_pre)×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-K_pre)×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D_pre＝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K_pre＝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D_pre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≥D_pre，则L₃＝K₁×γ×(D₁-D_pre)，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-D_pre)×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<D_pre，则L₃＝K₁×γ×(D_pre-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-D_pre)×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≥K_pre，则L₄＝(K₁-K_pre)×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-K_pre)×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<K_pre，则L₄＝(K₁-K_pre)×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-K_pre)×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D_pre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K_pre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≥D_pre，则L₃＝K₁×γ×(D₁-D_pre)，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-D_pre)×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<D_pre，则L₃＝K₁×γ×(D_pre-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-D_pre)×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≥K_pre，则L₄＝(K₁-K_pre)×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-K_pre)×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<K_pre，则L₄＝(K₁-K_pre)×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-K_pre)×T/T₁。

Images