CN114485760A - 传感器校准方法、电子设备、介质及系统 - Google Patents

传感器校准方法、电子设备、介质及系统 Download PDF

Info

Publication number
CN114485760A
CN114485760A CN202210092600.XA CN202210092600A CN114485760A CN 114485760 A CN114485760 A CN 114485760A CN 202210092600 A CN202210092600 A CN 202210092600A CN 114485760 A CN114485760 A CN 114485760A
Authority
CN
China
Prior art keywords
sequence
sensor
sensor calibration
calibration method
parameter
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
Application number
CN202210092600.XA
Other languages
English (en)
Other versions
CN114485760B (zh
Inventor
李知周
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.)
Zkh Industrial Supply Co ltd
Original Assignee
Zkh Industrial Supply 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 Zkh Industrial Supply Co ltd filed Critical Zkh Industrial Supply Co ltd
Priority to CN202210092600.XA priority Critical patent/CN114485760B/zh
Publication of CN114485760A publication Critical patent/CN114485760A/zh
Application granted granted Critical
Publication of CN114485760B publication Critical patent/CN114485760B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING 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
    • G01D18/00Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本申请提供了一种传感器校准方法、电子设备、介质及系统,方法包括,获取测量第一参数得到的第一序列;获取测量所述第一参数得到的第二序列,所述第二序列的采样频率低于所述第一序列的采样频率;采用动态时间规整算法将所述第二序列调整至和所述第一序列对齐;修正所述第一序列。该方法无需拆卸传感器,不会影响物联网中的设备的工作状态,并且无需在传感器中增设校准元件,能够降低硬件成本。

Description

传感器校准方法、电子设备、介质及系统
技术领域
本发明涉及无线传感器领域,特别涉及一种传感器校准方法、电子设备、介质及系统。
背景技术
在工业设备物联网中,通常在工业设备上部署传感器来实时测量数据,以实现状态监控和故障诊断。为了保证传感器的测量精度,需要对传感器进行定期校准。
一般地,通常采用拆卸传感器并将传感器送至校准实验室,或者在传感器中加入激励单元来实现定期校准。然而,拆卸传感器回实验室进行校准的方法不能很好地满足工业场景,当设备需要连续工作时,拆卸传感器需要在设备停机后执行,并且在传感器的校准过程中,设备处于无监控的状态,因此拆卸传感器回实验室进行校准的方法时效性较低并会影响对设备的状态监控。而在传感器中加入激励单元的方法会增加额外的硬件成本。
发明内容
本申请提供了一种传感器校准方法、电子设备、介质及系统,无需拆卸传感器,并可以在不增加额外成本的前提下实现对传感器的在线校准。
本申请的第一方面公开了一种传感器校准方法,所述电路包括:获取测量第一参数得到的第一序列;获取测量所述第一参数得到的第二序列,所述第二序列的采样频率低于所述第一序列的采样频率;采用动态时间规整算法将所述第二序列调整至和所述第一序列对齐;修正所述第一序列。
在上述第一方面的一种可能的实现中,修正所述第一序列包括,将所述第一序列按照第一步进进行迭代得到第三序列,计算所述第三序列和对齐后的所述第二序列的第一相似度;将所述第三序列按照第二步进进行迭代得到第四序列,计算所述第四序列和对齐后的所述第二序列的第二相似度,所述第二步进增量为所述第一步进增量加一个步进增量;若所述第一相似度小于所述第二相似度,则所述第三序列为校准后的所述第一序列。
在上述第一方面的一种可能的实现中,所述第一序列为Q=q1,q2,...,qn,n为所述第一序列中的数据点个数,所述迭代指将Qt-1更新为Qt=q1+tμ,q2+tμ,...,qn+tμ,其中t为迭代的步数,μ为步进增量。
在上述第一方面的一种可能的实现中,所述第二序列是利用巡检设备在指定的时间内测量得出,所述巡检设备定期校准。
在上述第一方面的一种可能的实现中,所述传感器在所述第一时间内的采样频率为大于0.2次/秒。
在上述第一方面的一种可能的实现中,所述第一参数为以下的一种或多种:温度、压力、PH。
本申请的第二方面公开了一种电子设备,所述设备包括存储有计算机可执行指令的存储器和处理器;当所述指令被所述处理器执行时,使得所述设备实施根据本申请第一方面的所述的传感器校准方法。
本申请的第三方面公开了一种计算机可读介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现本申请第一方面的所述的传感器校准方法。
本申请的第四方面公开了一种传感器校准系统,所述系统包括,传感器,巡检设备和耦接到所述传感器和所述巡检设备的处理器,其中所述传感器测量第一参数以得到第一序列;所述巡检设备测量所述第一参数以得到第二序列,所述第二序列的采样频率低于所述第一序列的采样频率;所述处理器采用动态时间规整算法将所述第二序列调整至和所述第一序列对齐并修正所述第一序列。
在上述第四方面的一种可能的实现中,所述传感器校准系统还包括网关,所述网关汇总所述传感器的数据并修正所述第一序列。
本申请提供的传感器校准方法和装置,在传感器实时测试参数的同时,利用巡检设备间隔地测试参数,再通过DTW算法将这两者测试的序列对齐,根据对齐后的两个序列之间的差异来校准传感器。这种方法无需拆卸传感器,不会影响物联网中的设备的工作状态,并且无需在传感器中增设校准元件,能够降低硬件成本。
附图说明
图1为相关技术中的物联网的数据处理系统的结构示意图;
图2为本申请一个实施例的传感器校准方法的流程示意图;
图3为本申请一个实施例的第一序列和第二序列的示意图;
图4为本申请一个实施例的利用DTW计算第一序列和第二序列相似度的示意图;
图5为本申请一个实施例的将第一序列进行迭代的流程示意图;
图6为本申请一个实施例的经过校准的第一序列和第二序列的示意图;
图7为本申请一个实施例的传感器校准系统的结构示意图;
图8为本申请一个实施例的电子设备的结构示意图;
具体实施方式
下面结合具体实施例和附图对本申请做进一步说明。可以理解的是,本公开的说明性实施例包括但不限于传感器校准方法、电子设备、介质及系统,此处描述的具体实施例仅仅是为了解释本申请,而非对本申请的限定。此外,为了便于描述,附图中仅示出了与本申请相关的部分而非全部的结构或过程。
以下由特定的具体实施例说明本申请的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本申请的其他优点及功效。虽然本申请的描述将结合较佳实施例一起介绍,但这并不代表此发明的特征仅限于该实施方式。恰恰相反,结合实施方式作发明介绍的目的是为了覆盖基于本申请的权利要求而有可能延伸出的其它选择或改造。为了提供对本申请的深度了解,以下描述中将包含许多具体的细节。本申请也可以不使用这些细节实施。此外,为了避免混乱或模糊本申请的重点,有些具体细节将在描述中被省略。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
此外,各种操作将以最有助于理解说明性实施例的方式被描述为多个离散操作;然而,描述的顺序不应被解释为暗示这些操作必须依赖于顺序。特别是,这些操作不需要按呈现顺序执行。
除非上下文另有规定,否则术语“包含”,“具有”和“包括”是同义词。短语“A/B”表示“A或B”。短语“A和/或B”表示“(A和B)或者(A或B)”。
如这里所使用的,术语“模块”或“单元”可以指代、是或者包括:专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的(共享、专用或组)处理器和/或存储器、组合逻辑电路和/或提供所描述的功能的其他合适的组件。
在一些情况下,所公开的实施例可以以硬件、固件、软件或其任何组合来实现。所公开的实施例还可以被实现为由一个或多个暂时或非暂时性机器可读(例如,计算机可读)存储介质承载或存储在其上的指令,其可以由一个或多个处理器读取和执行。例如,指令可以通过网络或通过其他计算机可读介质的途径分发。因此,机器可读介质可以包括用于以机器(例如,计算机)可读的形式存储或传输信息的任何机制、但不限于、软盘、光盘、光盘、只读存储器(CD-ROM)、磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、磁卡或光卡、闪存、或用于通过电、光、声或其他形式的传播信号(例如,载波、红外信号、数字信号等)通过因特网传输信息的有形的机器可读存储器。因此,机器可读介质包括适合于以机器(例如,计算机)可读的形式存储或传输电子指令或信息的任何类型的机器可读介质。
在附图中,以特定布置和/或顺序示出一些结构或方法特征。然而,应该理解,可以不需要这样的特定布置和/或排序。在一些实施例中,这些特征可以以不同于说明性附图中所示的方式和/或顺序来布置。另外,在特定图中包含结构或方法特征并不意味着暗示在所有实施例中都需要这样的特征,并且在一些实施例中,可以不包括这些特征或者可以与其他特征组合。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元或是数据,但是这些单元或数据不应当受这些术语限制。使用这些术语仅仅是为了将一个特征与另一个特征进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一特征可以被称为第二特征,并且类似地第二特征可以被称为第一特征。
应注意的是,在本说明书中,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。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请的实施方式作进一步地详细描述。
参考图1,图1示出了相关技术中物联网的数据处理系统的结构示意图。物联网设备上会安装各种类型的传感器测试多种参数。常见的传感器类型有:压力传感器、温度传感器、化学传感器、烟雾传感器、红外传感器等。传感器收集对应的各种参数,由网关将各个传感器的数据汇总,并上传到大数据处理平台。通过传感器获得的数据可以用来实现设备的状态监控、故障诊断以及可预测维护。因此,传感器的测量精度对数据处理有较大影响。同时,由于受到使用寿命、环境的影响,传感器在精度上不可避免会有偏差。为了保障物联网能够正确监控设备状态,实现设备故障诊断与实现可预测性维护,必须要对设备上安装的物联网传感器进行定期校准。
在测量技术领域,传感器的校准是指在给定条件下,确定由传感器输出的被测量值与相应测量不确定度,以及相应测量不确定度下标准测量值之间关系的任务。校准可以验证传感器的测量精度和再现性。经过校准,传感器才能提供精确、可靠、可再现的测量结果。因此,校准是有效质量保证的一项重要前提。
通常,传感器的校准是通过拆卸传感器并定期送到实验室完成的,但是在工业场景下,装载传感器的设备通常需要连续工作,拆除传感器需要等待设备停机后才能完成,这样在传感器校准期间设备会处于无法监控的状态下。因此,拆卸传感器并将其送到实验室校准的方法时效性较差,并且成本较高,不能很好地满足工业场景。在相关技术中,还可以采用对传感器的结构进行调整,比如增设激励单元,能够实现对传感器的在线校准。但是这种增加激励单元的方法需要调整传感器本身的结构,会增加额外的硬件成本。
为了解决上述问题,本申请的一个实施例提供了一种应用于电子设备的传感器校准方法200,参见图2。方法200包括如下步骤。
S210,获取测量第一参数得到的第一序列。
传感器部署在工业设备上以一定的时间频率收集第一参数的数据信息。传感器测量第一参数以得到第一序列。
在一些实施方式中,传感器可以为以下的任一种但不限于:压力传感器、温度传感器、化学传感器。相应地,第一参数可以为以下的任一种但不限于:压力、温度、pH。第一参数的获取可以是实时获取,在一些实施方式中,可以第一参数的采集间隔可以达到秒级。在一个示例中,可以每5秒采集一次数据,即采样频率为0.2次/秒。在其它一些示例中,采样频率可以大于0.2次/秒。
S220,获取测量所述第一参数得到的第二序列,第二序列的采样频率低于所述第一序列的采样频率。
对于传感器测试的第一参数,可以利用巡检设备对第一参数测试以获取第二序列,巡检设备的采样频率比传感器实时的采样频率要低。在一些实施方式中,巡检设备的采样频率为一天几次。
在一些实施方式中,巡检设备的测试方法遵循点巡检制度。在石油化工行业中普遍采用巡检制来对分散布置的设备进行检查,根据预先设定的检查部位和检查内容,按照一定的路线和时间进行粗略的巡视检查,以消除运转中的缺陷和隐患。点巡检是在巡检制基础上的一次升级,根据点巡检计划,设备员可以在指定的时间对指定的设备进行巡查。检查的内容包括但不限于检查设备上的仪器仪表读数是否正常、检查设备的相关参数、或者制备样品做实验室监测。点巡检不仅可以对设备状态进行巡查,还可以将点检的结果作为设备维系计划的依据。
根据点巡检计划,可以利用巡检设备在指定的时间,在和传感器相同的测试条件下测试第一参数以获取第二序列。在一些实施方式中,可以利用巡检工单系统来管理整个巡检计划的执行、设备员的派工、巡检数据的记录。
在一些实施方式中,巡检设备为经过校准的设备,即巡检设备的检测结果可溯源。在一些示例中,巡检设备的检测精度高于传感器的检测精度,即巡检设备的检测不确定度小于传感器的检测不确定度。
S230,采用动态时间规整算法将所述第二序列调整至和所述第一序列对齐。
如果直接根据获取的第二序列来对第一序列进行校准则会有如下问题,首先,第一序列的采样间隔为秒级,而第二序列的采样间隔仅为一天若干次,即第一序列和第二序列的采样周期不匹配。其次,巡检设备测量第一参数,再将测得的第一参数的数据录入系统,会,在这期间会有时间差,因此第二序列中的某个数据和第一序列中某个时间点的数据并不能完全对应。为了解决该问题,本申请利用动态时间规整算法将第一序列和第二序列调整对齐。
动态时间规整(Dynamic Time Warping,DTW)通常应用于语音序列匹配、股市交易曲线匹配、或是DNA碱基序列匹配等应用场景中。DTW是一种利用时间规整函数描述两个时间序列之间的时间对应关系,以使两个时间序列匹配时累计距离最小。DTW将自动扭曲时间序列,即在将时间序列在时间轴上进行局部的缩放,使得两个时间序列的形态尽可能的一致,得到最大可能的相似度。
图3示出了本申请的一个实施例中传感器测得的第一序列C和巡检设备测得的第二序列Q的示意图,横坐标为随时间增长的测试的数据点个数,第一参数为pH,纵坐标为pH值。其中,连续稠密的数据点是第一序列C,离散的数据点为第二序列Q。C与Q的数据点个数分别为m和n。
C=c1,c2,...cm (1)
Q=q1,q2,...qn (2)
采用DTW意味着可以把序列Q某个时刻的点跟序列C中多个连续时刻的点相对应,以对序列Q的时间轴扭曲。参见图4,可以根据序列C和Q来计算两者之间的距离,构造一个n×m的矩阵网格,矩阵元素(i,j)表示qi和cj两个点的距离d(qi,cj),即序列Q的每一个点和C的每一个点之间的相似度,距离越小则相似度越高。DTW算法可以被认为是寻找一条通过矩阵网格中若干格点的路径,路径通过的格点即为两个序列进行计算的对齐的点。路径经过的格点需满足一些约束条件:序列中的每个点必须用到,不可跳过点、要按照原序列中的点的次序、两个序列中的点组成的点对不可交叉。即边界条件、连续性和单调性。
矩阵元素(i,j)表示qi和cj两个点的距离d(qi,cj),一般采用欧式距离来表示d(qi,cj),即d(qi,cj)=(qi-cj)2。可以从矩阵网格左下角开始,匹配序列Q和C。每到一个点,之前所有点计算的距离都会累加。通过寻找一条从矩阵上左下角到右上角的路径,使得路径上的元素和最小。矩阵上左下角到右上角的路径具有以下性质:
1)当前路径长度=前一步的路径长度+当前元素的大小
2)路径上的某个元素(i,j),它的前一个元素只可能为以下三者之一:a)左边的相邻元素(i,j-1);b)上面的相邻元素(i-1,j);c)左上方的相邻元素(i-1,j-1)
假设矩阵n×m,从矩阵的左下角到任一点(i,j)的最短路径长度为Lmin(i,j)。则起始条件为Lmin(1,1)=d(1,1),递推规则为:Lmin(i,j)=min{Lmin(i,j-1),Lmin(i-1,j),Lmin(i-1,j-1)}+d(i,j)。
S240,修正所述第一序列。
当利用DTW对齐第一序列C和第二序列Q后,此时C和对齐后的Q’相似度最高,可以以Q’为基准,修正第一序列C。
图2中的传感器校准方法,在传感器实时测试参数的同时,利用巡检设备间隔地测试参数,再通过DTW算法将这两者测试的序列对齐,根据对齐后的两个序列之间的差异来校准传感器。这种方法无需拆卸传感器,不会影响物联网中的设备的工作状态,并且无需在传感器中增设校准元件,能够降低硬件成本。
在一些实施方式中,可以将某一时刻上C和Q’的差值赋到C上,已获得校准后的第一序列C。例如,在图3的示例中,Q的数值整体高于C的数值,将某一时刻x对应的C和Q’的差值(Qx-Cx),作为序列C的修正值,即将序列C中的数值为C=c1+(Q′x-Cx),c2+(Q′x-Cx),...cm+(Q′x-Cx)。在其它的一些示例中,可以将Q’中的每个点的数据减去同一时刻的C中对应点的数据,再取平均,作为序列C的修正值
Figure BDA0003489759230000081
在一些实施方式中,可以将所述第一序列C按照第一步进进行迭代得到第三序列C’,计算所述第三序列C’和对齐后的所述第二序列Q’的第一相似度;将所述第三序列C’按照第二步进进行迭代得到第四序列C”,计算所述第四序列C”和对齐后的所述第二序列Q’的第二相似度,所述第二步进增量为所述第一步进增量加一个步进增量;若所述第一相似度小于所述第二相似度,则所述第三序列为校准后的所述第一序列。由此,通过将第一序列C迭代,找到迭代后与对齐后的第二序列相似度最低的第一序列C’,作为修正后的第一序列。
在一些实施方式中,可以利用梯度下降算法求得最低相似度的方法,来对第一序列进行校准。图5示出了将第一序列进行迭代的流程示意图。在S510中,设置步进增量为μ,进行第t步迭代。当第一序列为Q=q1,q2,...,qn,第t步迭代指将Qt-1迭代为Qt=q1+tμ,q2+tμ,...,qn+tμ。例如,第1步迭代将Q更新为Q1=q1+μ,q2+μ,...,qn+μ。
在S520中,更新第一序列。根据S510中的迭代将Qt-1更新为Qt。
在S530中,利用DTW计算Qt和第二序列Q’的相似度Dt。根据图4中的方法,首先构件矩阵网格,利用DTW在矩阵上寻找一条积累距离最小的路径,并记录积累距离,即相似度Dt。
在S540中,判断当前的相似度Dt是否小于上一迭代的相似度Dt-1,如果是,则表明当前相似度Dt为不同迭代过程中的最小值。这样,当前的校准量μt为最佳校准量(S550)。
在图4的一个示例中,初始第一序列和对齐后的第二序列的D为7483.05,可以设置增量μ=0.01,进行多次迭代,在第28次迭代之后得到最小的D28=3285.79,因此最佳校准量=0.01×28=0.28。根据最佳校准量0.28,可将图3中的第一序列C整体上移0.28个单位之后得到图6。由图6可以看出在利用图的梯度下降算法之后,传感器实时测试的时间序列和巡检设备测试的时间序列很好地重合。利用梯度下降算法找到最佳校准量的方法可以提高校准精度。
现在参考图7,图7示出了本申请的一个实施例的传感器校准系统的结构示意图。传感器校准系统包括,传感器701,巡检设备702和耦接到传感器701和巡检设备702的处理器703,其中,传感器测701量第一参数以得到第一序列;巡检设备702测量所述第一参数以得到第二序列,第二序列的采样频率低于第一序列的采样频率;处理器703采用动态时间规整算法将第二序列调整至和第一序列对齐并修正第一序列。
传感器701可以安装于物联网中的工业设备上,以实时测试某个参数并上传至大数据处理平台703。巡检系统702可以定期地将巡检数据上传至处理器703。在一些实施方式中处理器703可以为大数据处理平台。在大数据处理平台处执行本申请的传感器校准方法,并将校准量反馈至传感器701。
图7中的传感器校准系统在传感器实时测试参数的同时,从巡检系统获取间隔测试的参数,再通过DTW算法将这两者测试的序列对齐,根据对齐后的两个序列之间的差异来校准传感器。图7中的传感器校准系统无需拆卸传感器,不会影响物联网中的设备的工作状态,并且无需在传感器中增设校准元件,能够降低硬件成本。
在一些实施方式中,图7中的传感器校准系统还可以包括网关。多个传感器701测试的数据可以通过本地数据总线传输给网关,由网关汇总数据。网关可以利用边缘计算能力对收集到的数据进行处理,并上传到大数据平台中。大数据处理平台在执行本申请的传感器校准方法后,可以通过云与边缘端的协同将校准模型下发到网关中,网关利用边缘计算能力运行校准模型对传感器数据进行补偿,完成传感器的在线校准。
现在参考图8,所示为根据本申请的一个实施例的电子设备800的框图。设备800可以包括一个或多个处理器802,与处理器802中的至少一个连接的系统控制逻辑808,与系统控制逻辑808连接的系统内存804,与系统控制逻辑808连接的非易失性存储器(NVM)806,以及与系统控制逻辑808连接的网络接口810。
处理器802可以包括一个或多个单核或多核处理器。处理器802可以包括通用处理器和专用处理器(例如,图形处理器,应用处理器,基带处理器等)的任何组合。在本文的实施例中,处理器802可以被配置为执行根据如图2-7所示的各种实施例的一个或多个实施例。
在一些实施例中,系统控制逻辑808可以包括任意合适的接口控制器,以向处理器802中的至少一个和/或与系统控制逻辑808通信的任意合适的设备或组件提供任意合适的接口。
在一些实施例中,系统控制逻辑808可以包括一个或多个存储器控制器,以提供连接到系统内存804的接口。系统内存804可以用于加载以及存储数据和/或指令。在一些实施例中设备800的内存804可以包括任意合适的易失性存储器,例如合适的动态随机存取存储器(DRAM)。
NVM/存储器806可以包括用于存储数据和/或指令的一个或多个有形的、非暂时性的计算机可读介质。在一些实施例中,NVM/存储器806可以包括闪存等任意合适的非易失性存储器和/或任意合适的非易失性存储设备,例如HDD(Hard Disk Drive,硬盘驱动器),CD(Compact Disc,光盘)驱动器,DVD(Digital Versatile Disc,数字通用光盘)驱动器中的至少一个。
NVM/存储器806可以包括安装在设备800的装置上的一部分存储资源,或者它可以由设备访问,但不一定是设备的一部分。例如,可以经由网络接口810通过网络访问NVM/存储806。
特别地,系统内存804和NVM/存储器806可以分别包括:指令820的暂时副本和永久副本。指令820可以包括:由处理器802中的至少一个执行时导致设备800实施如图2-7所示的方法的指令。在一些实施例中,指令820、硬件、固件和/或其软件组件可另外地/替代地置于系统控制逻辑808,网络接口810和/或处理器802中。
网络接口810可以包括收发器,用于为设备800提供无线电接口,进而通过一个或多个网络与任意其他合适的设备(如前端模块,天线等)进行通信。在一些实施例中,网络接口810可以集成于设备800的其他组件。例如,网络接口810可以集成于处理器802的,系统内存804,NVM/存储器806,和具有指令的固件设备(未示出)中的至少一种,当处理器802中的至少一个执行所述指令时,设备800实现图2-7所示的各种实施例的一个或多个实施例。
网络接口810可以进一步包括任意合适的硬件和/或固件,以提供多输入多输出无线电接口。例如,网络接口810可以是网络适配器,无线网络适配器,电话调制解调器和/或无线调制解调器。
在一个实施例中,处理器802中的至少一个可以与用于系统控制逻辑808的一个或多个控制器的逻辑封装在一起,以形成系统封装(SiP)。在一个实施例中,处理器802中的至少一个可以与用于系统控制逻辑808的一个或多个控制器的逻辑集成在同一管芯上,以形成片上系统(SoC)。
设备800可以进一步包括:输入/输出(I/O)设备812。I/O设备812可以包括用户界面,使得用户能够与设备800进行交互;外围组件接口的设计使得外围组件也能够与设备800交互。在一些实施例中,设备800还包括传感器,用于确定与设备800相关的环境条件和位置信息的至少一种。
在一些实施例中,用户界面可包括但不限于显示器(例如,液晶显示器,触摸屏显示器等),扬声器,麦克风,一个或多个相机(例如,静止图像照相机和/或摄像机),手电筒(例如,发光二极管闪光灯)和键盘。
在一些实施例中,外围组件接口可以包括但不限于非易失性存储器端口、音频插孔和电源接口。
在一些实施例中,传感器可包括但不限于陀螺仪传感器,加速度计,近程传感器,环境光线传感器和定位单元。定位单元还可以是网络接口810的一部分或与网络接口810交互,以与定位网络的组件(例如,全球定位系统(GPS)卫星)进行通信。
可以理解的是,本发明实施例示意的结构并不构成对蓝牙通信设备800的具体限定。在本申请另一些实施例中,蓝牙通信设备800可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
可将程序代码应用于输入指令,以执行本文描述的各功能并生成输出信息。可以按已知方式将输出信息应用于一个或多个输出设备。为了本申请的目的,处理系统包括具有诸如例如数字信号处理器(DSP)、微控制器、专用集成电路(ASIC)或微处理器之类的处理器的任何系统。
程序代码可以用高级程序化语言或面向对象的编程语言来实现,以便与处理系统通信。在需要时,也可用汇编语言或机器语言来实现程序代码。事实上,本文中描述的机制不限于任何特定编程语言的范围。在任一情形下,该语言可以是编译语言或解释语言。
至少一个实施例的一个或多个方面可以由存储在计算机可读存储介质上的表示性指令来实现,指令表示处理器中的各种逻辑,指令在被机器读取时使得该机器制作用于执行本文所述的技术的逻辑。被称为“IP核”的这些表示可以被存储在有形的计算机可读存储介质上,并被提供给多个客户或生产设施以加载到实际制造该逻辑或处理器的制造机器中。
虽然通过参照本发明的某些优选实施例,已经对本发明进行了图示和描述,但本领域的普通技术人员应该明白,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。

Claims (10)

1.一种传感器校准方法,用于电子设备,其特征在于,所述方法包括,
获取测量第一参数得到的第一序列;
获取测量所述第一参数得到的第二序列,所述第二序列的采样频率低于所述第一序列的采样频率;
采用动态时间规整算法将所述第二序列调整至和所述第一序列对齐;
修正所述第一序列。
2.根据权利要求1所述的传感器校准方法,其特征在于,修正所述第一序列包括,
将所述第一序列按照第一步进进行迭代得到第三序列,计算所述第三序列和对齐后的所述第二序列的第一相似度;
将所述第三序列按照第二步进进行迭代得到第四序列,计算所述第四序列和对齐后的所述第二序列的第二相似度,所述第二步进增量为所述第一步进增量加一个步进增量;
若所述第一相似度小于所述第二相似度,则所述第三序列为校准后的所述第一序列。
3.根据权利要求2所述的传感器校准方法,其特征在于,所述第一序列为Q=q1,q2,...,qn,n为所述第一序列中的数据点个数,所述迭代指将Qt-1更新为Qt=q1+tμ,q2+tμ,...,qn+tμ,其中t为迭代的步数,μ为步进增量。
4.根据权利要求1所述的传感器校准方法,其特征在于,所述第二序列是利用巡检设备在指定的时间内测量得出,所述巡检设备定期校准。
5.根据权利要求1所述的传感器校准方法,其特征在于,所述传感器在所述第一时间内的采样频率为大于0.2次/秒。
6.根据权利要求1所述的传感器校准方法,其特征在于,所述第一参数为以下的一种或多种:温度、压力、PH。
7.一种电子设备,其特征在于,所述设备包括存储有计算机可执行指令的存储器和处理器;当所述指令被所述处理器执行时,使得所述设备实施根据权利要求1至6中任一项所述的传感器校准方法。
8.一种计算机可读介质,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1至6中任一项所述的传感器校准方法。
9.一种传感器校准系统,其特征在于,所述系统包括,传感器,巡检设备和耦接到所述传感器和所述巡检设备的处理器,其中
所述传感器测量第一参数以得到第一序列;
所述巡检设备测量所述第一参数以得到第二序列,所述第二序列的采样频率低于所述第一序列的采样频率;
所述处理器采用动态时间规整算法将所述第二序列调整至和所述第一序列对齐并修正所述第一序列。
10.根据权利要求9所述的传感器校准系统,其特征在于,所述处理器还包括网关,所述网关汇总所述传感器的数据并修正所述第一序列。
CN202210092600.XA 2022-01-26 2022-01-26 传感器校准方法、电子设备、介质及系统 Active CN114485760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210092600.XA CN114485760B (zh) 2022-01-26 2022-01-26 传感器校准方法、电子设备、介质及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210092600.XA CN114485760B (zh) 2022-01-26 2022-01-26 传感器校准方法、电子设备、介质及系统

Publications (2)

Publication Number Publication Date
CN114485760A true CN114485760A (zh) 2022-05-13
CN114485760B CN114485760B (zh) 2023-10-31

Family

ID=81474488

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210092600.XA Active CN114485760B (zh) 2022-01-26 2022-01-26 传感器校准方法、电子设备、介质及系统

Country Status (1)

Country Link
CN (1) CN114485760B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115391744A (zh) * 2022-10-27 2022-11-25 中国航空工业集团公司北京长城计量测试技术研究所 负荷传感器动力学模型参数辨识方法和装置
CN115980391A (zh) * 2023-03-21 2023-04-18 中国汽车技术研究中心有限公司 事件数据记录系统的加速度传感器测试方法、设备及介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1334915A (zh) * 1998-12-17 2002-02-06 株式会社东金 朝向角检测器
US6363333B1 (en) * 1996-10-30 2002-03-26 Siemens Aktiengesellschaft Method of classifying statistical dependency of a measurable series of statistical values
CN1516814A (zh) * 2001-06-16 2004-07-28 ά˹�ض���Ƶ���ع����޹�˾ 处理数据的方法
EP2716074A1 (en) * 2011-05-27 2014-04-09 Fondazione Istituto Italiano Di Tecnologia Method for self - calibrating a set of acoustic sensors, and corresponding system
CN105630158A (zh) * 2015-12-16 2016-06-01 广东欧珀移动通信有限公司 传感器数据处理方法、装置及终端设备
CN107223275A (zh) * 2016-11-14 2017-09-29 深圳市大疆创新科技有限公司 多路传感数据融合的方法和系统
CN107943749A (zh) * 2017-11-14 2018-04-20 维沃移动通信有限公司 一种数据处理方法及移动终端
US20180284747A1 (en) * 2016-05-09 2018-10-04 StrongForce IoT Portfolio 2016, LLC Methods and systems for optimization of data collection and storage using 3rd party data from a data marketplace in an industrial internet of things environment
CN109425844A (zh) * 2017-08-30 2019-03-05 北京智云芯科技有限公司 一种数据采样的校准方法和系统
CN111860589A (zh) * 2020-06-12 2020-10-30 中山大学 一种多传感器多目标协同探测信息融合方法、系统
CN111970351A (zh) * 2020-08-11 2020-11-20 震坤行工业超市(上海)有限公司 一种基于数据对齐的物联网多维传感优化方法及系统
CN112261908A (zh) * 2018-04-13 2021-01-22 皇家飞利浦有限公司 X射线系统误差跟踪和校准
CN112484719A (zh) * 2019-09-12 2021-03-12 罗伯特·博世有限公司 用于利用惯性约束来增强非惯性跟踪系统的系统和方法
CN112729370A (zh) * 2020-12-31 2021-04-30 交通运输部公路科学研究所 桥梁动态应变监测系统校准方法
EP3872520A2 (en) * 2020-02-25 2021-09-01 Origin Wireless, Inc. Device and method for vehicle related wireless monitoring based on multipath channel information
CN113894799A (zh) * 2021-12-08 2022-01-07 北京云迹科技有限公司 机器人及辅助环境定位的标识物识别方法和装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6363333B1 (en) * 1996-10-30 2002-03-26 Siemens Aktiengesellschaft Method of classifying statistical dependency of a measurable series of statistical values
CN1334915A (zh) * 1998-12-17 2002-02-06 株式会社东金 朝向角检测器
CN1516814A (zh) * 2001-06-16 2004-07-28 ά˹�ض���Ƶ���ع����޹�˾ 处理数据的方法
EP2716074A1 (en) * 2011-05-27 2014-04-09 Fondazione Istituto Italiano Di Tecnologia Method for self - calibrating a set of acoustic sensors, and corresponding system
CN105630158A (zh) * 2015-12-16 2016-06-01 广东欧珀移动通信有限公司 传感器数据处理方法、装置及终端设备
US20180284747A1 (en) * 2016-05-09 2018-10-04 StrongForce IoT Portfolio 2016, LLC Methods and systems for optimization of data collection and storage using 3rd party data from a data marketplace in an industrial internet of things environment
CN107223275A (zh) * 2016-11-14 2017-09-29 深圳市大疆创新科技有限公司 多路传感数据融合的方法和系统
CN109425844A (zh) * 2017-08-30 2019-03-05 北京智云芯科技有限公司 一种数据采样的校准方法和系统
CN107943749A (zh) * 2017-11-14 2018-04-20 维沃移动通信有限公司 一种数据处理方法及移动终端
CN112261908A (zh) * 2018-04-13 2021-01-22 皇家飞利浦有限公司 X射线系统误差跟踪和校准
CN112484719A (zh) * 2019-09-12 2021-03-12 罗伯特·博世有限公司 用于利用惯性约束来增强非惯性跟踪系统的系统和方法
EP3872520A2 (en) * 2020-02-25 2021-09-01 Origin Wireless, Inc. Device and method for vehicle related wireless monitoring based on multipath channel information
CN111860589A (zh) * 2020-06-12 2020-10-30 中山大学 一种多传感器多目标协同探测信息融合方法、系统
CN111970351A (zh) * 2020-08-11 2020-11-20 震坤行工业超市(上海)有限公司 一种基于数据对齐的物联网多维传感优化方法及系统
CN112729370A (zh) * 2020-12-31 2021-04-30 交通运输部公路科学研究所 桥梁动态应变监测系统校准方法
CN113894799A (zh) * 2021-12-08 2022-01-07 北京云迹科技有限公司 机器人及辅助环境定位的标识物识别方法和装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
DE VITO, S等: "On the robustness of field calibration for smart air quality monitors", SENSORS AND ACTUATORS B-CHEMICAL, vol. 310 *
NAM, DV等: "Online Self-Calibration of Multiple 2D LiDARs Using Line Features With Fuzzy Adaptive Covariance", IEEE SENSORS JOURNAL, vol. 21, no. 12, XP011860630, DOI: 10.1109/JSEN.2021.3053260 *
周洲;: "应用于电力系统谐波分析的采样周期自适应方法", 四川电力技术, no. 04 *
孟晓风,王效葵,刘惠彬: "频率量输出型传感器的动态校准方法研究", 北京航空航天大学学报, no. 02 *
解启瞻;严洪燕;曹璇;: "动态信号分析系统自动化校准方法研究", 自动化与仪器仪表, no. 12 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115391744A (zh) * 2022-10-27 2022-11-25 中国航空工业集团公司北京长城计量测试技术研究所 负荷传感器动力学模型参数辨识方法和装置
CN115391744B (zh) * 2022-10-27 2022-12-27 中国航空工业集团公司北京长城计量测试技术研究所 负荷传感器动力学模型参数辨识方法和装置
CN115980391A (zh) * 2023-03-21 2023-04-18 中国汽车技术研究中心有限公司 事件数据记录系统的加速度传感器测试方法、设备及介质
CN115980391B (zh) * 2023-03-21 2023-10-10 中国汽车技术研究中心有限公司 事件数据记录系统的加速度传感器测试方法、设备及介质

Also Published As

Publication number Publication date
CN114485760B (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
CN114485760B (zh) 传感器校准方法、电子设备、介质及系统
CN108509337A (zh) 基于接口调用的动态测试方法和装置
CN109738881B (zh) 飞行时间深度模组的标定方法、装置及可读存储介质
CN102168945B (zh) 影像测量系统及方法
CN113096118B (zh) 晶圆表面粗糙度测量的方法、系统、电子设备和存储介质
CN108571997A (zh) 一种检测探头稳定接触被测点的方法和装置
CN110032505A (zh) 软件质量确定装置、软件质量确定方法和软件质量确定程序
CN113065538A (zh) 基于图像识别的压力传感器检测方法、装置及设备
CN112432693A (zh) 一种用于机器视觉低频振动测量的溯源方法及装置
CN110736807A (zh) 检测气体浓度的方法以及气体检测装置
CN113531403B (zh) 水管泄漏检测方法及装置
CN117373917B (zh) 一种半导体器件加工方法、系统及电子设备
CN114740416A (zh) 霍尔电流传感器测试方法、装置、计算机设备及储存介质
CN114754676A (zh) 线光谱共焦标定方法、装置、设备、系统及存储介质
CN110646134A (zh) 一种气压传感器的校准方法和校准装置
CN108594150B (zh) 一种校准方法、装置、终端及存储介质
US9652729B2 (en) Metrology management
JP2010272797A (ja) 検査結果解析方法および検査結果解析装置、異常設備検出方法および異常設備検出装置、上記検査結果解析方法または異常設備検出方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体
CN115579304B (zh) 晶圆检测方法、装置、计算机设备及可读存储介质
CN116450511A (zh) 信息更新方法、装置、电子设备和计算机可读介质
US20190121237A1 (en) Predictive modeling of metrology in semiconductor processes
CN112966971B (zh) 一种项目工作量评估方法和装置
CN115184373A (zh) 校准方法及相关装置
CN108376123A (zh) 一种卫星重力观测数据异常值提取方法、装置及电子设备
JP5082506B2 (ja) 校正支援装置、校正支援方法、プログラム、および記録媒体

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