CN116507887A - 用于校准测量装置的方法 - Google Patents

Abstract

用于校准用于多个产品的测量装置的方法，所述方法具有如下步骤：对于多个产品(p)并且利用多次测量(i)测量测量值的集合(X^p＝{x^pi,j})，所述测量值的集合包括一个或多个测量参量(j)；提供参考参量的集合(Y^p＝{y^pi第i个参考参量})，所述参考参量的集合包括至少一个要通过所述测量参量(x^Pi,j)确定的参考参量(Y)，其中，‑将对于所有产品的测量值(X^P)汇总成各测量值(X′)的一个增广矩阵，‑确定第一组校准参数(C')，所述第一组校准参数对于一个或多个产品(p)具有一个或多个权重(I)，其中，将所述一个或多个产品(p)汇总在一个产品族之内，所述产品族至少对于其产品具有相同的权重(c_j)，所述权重与产品无关，‑为用于校准测量装置的各测量值(X‘)的增广矩阵的子矩阵确定至少一个另外的组的校准参数(”C)，其中，在所述第一产品族之内确定具有另外的权重的一个或多个组，并且将具有相同的权重(I)的多个产品(p)汇总成另一个产品族，并且在所述第一产品族之外确定具有另外的权重的另外的组，并且将具有相同的权重(II)的多个产品(p‘)汇总成另一个产品族，直至为测量装置的校准确定了所有权重。

Description

用于校准测量装置的方法

技术领域

本发明涉及一种用于校准用于产品的测量装置的方法。

背景技术

所有类型的测量装置必须在开始运行之前校准。在所述校准的范围下，为校准算式、例如为线性算式确定校准参数，其方式为，对于给出的测量值和所属的参考值寻找尽可能良好的一致性。基本上已知校准过程和一组校准参数的与此联系的确定。通常，校准过程也可以自动地实施。

在不同产品的校准关系之间的可能的区别例如在微波湿度测量技术中至今通过如下方式来考虑，即，对于每个产品的测量装置与其他产品无关地校准。对于所有产品由此需要用于校准的相同耗费。再加上，每个单次校准对于数据组的可能的缺乏而受到相同的易受影响性，例如在测量中的统计异常值、参考值的不足的变化或过低数量的测量点。用于校准的通常选择的算式是多元线性回归，在所述线性回归中在测量系统的测量参量x_j与参考参量y之间假定线性关系：

y＝c₁x₁、_i+c₂x₂、_i+…+c_n、_i+∈_i

(i:单次测量的角标)。

在该算式中习惯于如下的表达方式，即，将因数称为权重并且将附加的常数称为偏置值。伊普西龙值表示在测量中出现的测量误差。在借助于微波的湿度测量技术中，所述测量参量例如是谐振曲线的加宽、谐振频率的偏移、湿润角、温度值和类似量。所述参考参量对于这样的测量系统例如是所测量物体的湿度和密度。

用于线性回归的上述等式已证明适合于以矩阵表达式，其中，这里得出以下表达：

其中，矩阵X为

并且所述向量为

在此，校准参数区别于权重c_i和偏置值c_n，所述权重分别与测量值相乘，而所述偏置值与测量值x_i无关地导致偏移。所述校准参数如下确定：

该用于确定校准参数的算式从前述的线性校准模型出发并且对于所述校准模型确定所述校准参数。向量接着在确定校准权重之后以本身已知的方式例如通过残差矩阵确定。

为了验证通常已习惯于确定校准参数的显著性。用于所述验证的量度是所谓的p值。该p值在测试理论中是对于零假设的可信性的证明量度。零假设对于每个校准参数存在于如下假设中，即，其值为零。对于大于例如5％的p值，测量参量对目标参量的影响被视为非显著的，并且相应的校准参数从前述的算式丢弃。该过程作为所谓的“特征选择(FeatureSelection)”迭代地实施。迭代的校准的目标在所有非显著的观测参量x_j已从校准模型去除时达到。惯例是，在此先测试更高阶的测量参量、例如二次相关性并且最后去除零阶项。

由DE 10 2007 057 092 A1已知一种用于利用微波发送器、微波接收器和分析单元进行测量物品中的湿度和/或密度测量的方法。在所述测量方法中，对于多个频率确定透射通过测量物品的微波辐射的相位和幅度，其中，从所确定的值在使用测量设备的复值的传递函数的情况下计算测量物品的复值的透射函数并且在所述时域中变换为复值的时域函数。从所述时域函数将主脉冲的最大值的时刻确定为特征参量A并且将主脉冲的宽度确定为特征参量B。测量物品的湿度和密度根据特征参量A和B来确定。

由DE 10 253 822 A1已知用于自动的传感器校准的方法和装置。在此，实施实验室测量，由此获得的实验室测量数据被用于修正由传感器产生的在线测量值。

发明内容

本发明的任务在于，提供一种用于校准测量装置的方法，所述方法适合于如下地简化用于多个产品的校准的过程，即，识别在对于不同的产品的数据中的关联。

按照本发明，所述任务通过具有权利要求1中的特征的方法来解决。有利的实施方式形成从属权利要求的技术方案。

按照本发明的方法设置并且确定用于用于多个产品的测量装置的校准。按照本发明，所述方法具有权利要求1中的特征。按照本发明的方法规定，提供参考参量的集合Y。所提供的参考参量的集合包含至少一个要通过所述测量参量确定的参考参量。如在每个校准过程中测量测量参量的集合。在此，各个测量参量可以按照类型相区分。此外可以区分的是，对于何种产品记录了测量参量并且在各测量中的哪个测量中测量了测量参量。因此产生测量值的集合(X^p＝{x^p _i,j})，其中，以j对一个或多个测量参量计数，以p对所测量的产品计数并且以i对多个测量计数。给所述测量值的集合配设参考参量的集合(Y^p＝{y^p _i第i个参考参量})，所述参考参量的集合包括至少一个要通过所述测量参量(x^P _i,j)确定的参考参量(Y)。

按照本发明的方法进一步规定，对于所有产品的测量参量汇总为测量值的一个扩展集合。在下一个步骤中提供第一组校准参数，所述第一组校准参数对于一个或多个产品具有一个或多个权重。所述一个或多个产品汇总在一个产品系统之内，如果这些产品具有对于其产品的至少一个相同的权重。相同的权重意味着，这些权重值不显著彼此不同。按照本发明的方法另外规定，至少一个另外的组的校准参数针对测量值的增广矩阵的子矩阵确定。为此，可以在第一产品族之内确定具有另外的权重的一个或多个组并且将具有相同的权重的多个产品汇总成另一个产品族，因此为所述第一产品族形成子产品族。在第一产品族之外确定具有另外的权重的另外的组，并且将具有相同的权重的一个或多个产品汇总为一个另外的产品族。因此形成并列产品族，这些并列产品族于是自然地也可以再形成子产品族。在这些产品族中，所述一个权重或所述权重与产品无关地分别与测量值相联系。所述至少一个偏置值添加给由权重和测量值组成的关联。对于该组校准参数针对测量值的扩展集合校准测量装置。本发明的特别构思在于，汇总对于两个或更多个产品的测量值并且对其相同地处理。

在此，一种重要的方面是，在校准之前未知数据组的何种产品属于一个产品族。该相关性也从各测量值求得。该算式首先是令人惊讶的，因为真正期待是越准确地界定并且确定产品，则可以越准确地为该产品校准测量装置。鉴于在测量值中的可能出现的测量不准确性或统计波动，该算式但是为不利的。按照本发明的算式的特别的优点在于，可以为各产品找到一个或多个权重，所述权重与在所述产品族之内的产品的类型无关。所述与产品无关的权重可以在校准过程的过程中明显更准确地确定为权重，所述权重基于其产品相关性仅具有较小的数据基础。在按照本发明的方法中，一个产品族的各产品恰恰这样具有如下性质，即，用于所述产品系统的两个或更多个产品的权重中的至少一个权重可以与这些产品无关地确定。这也包括如下情况，即，如果对于测量过程需要两个测量值来确定输出参量，则第一权重与产品无关地选择，而第二权重与产品有关地选择。在这种情况下，所述与产品无关的权重可以比与产品有关的权重在统计学上明显更准确地确定。

在所述方法的延拓中，权重与测量值的关联(Verknüpfung)通过相乘进行。这总体上导致用于确定参量的线性算式。备选于此地，也可能的是，所述权重通过多项式与测量值关联或者一同包含以乘积和/或商形式的所述测量值。按照所选择的算式，可以将不同的计算方法用于确定第一组和所述另外的组的校准参数。

在一种优选的实施方式中，所确定的校准参数的显著性利用其权重和/或其偏置值来确定。这点通过如下方式进行，即，对于在不同产品中的权重和偏置值可以确认所述权重和所述偏置值的差异的非显著性。如果差异是非显著的，则权重和偏移的值可以设为相同。为了检验在权重和偏置值中的显著性如下列出零假设：对于两个产品的偏置值的差别等于零。为了出现(Eintreten)该零假设而确定概率。在测试偏置值时形成在对于两个产品的两个偏置值或两个权重之间的差。作为要验证的零假设于是检查：所述差具有零值。如果可以不拒绝该零假设，即差异参数因此具有零值，则所述产品族的两个产品关于所检查的校准参数(权重、偏置值)设为相同。

在按照本发明的方法中，所述校准参数通过多元线性回归确定。这充分已知并且可以可靠地实施。为了在数据中区分产品，加入非数值的类别变量。利用所述类别变量例如显示，各测量值属于不同的产品。在增广数据矩阵中非数值的类别变量用作虚拟变量，以用于区分测量值。为此可以在测量值的增广矩阵中附上如下列，所述列对于个别产品含有“1”，而其他产品通过“0”标记。

在一种优选的进一步扩展方案中，微波测量装置构成为微波谐振腔，所述微波谐振器确定其谐振频率的偏移和/或其谐振曲线的加宽。从所述两个值出发，例如可以确定用于产品的湿度的值。优选地，其他测量参量、即温度和/或湿润角同样对输出参量、例如产品的湿度做出贡献。

以下借助一个实施例更详细地阐述按照本发明。在此，所述实施例涉及湿度测量，如所述湿度测量借助于微波测量技术进行。在一个产品族中的不同的产品通常仅轻微地彼此区分，如通过附加的或省略的配料、在植物中的茎上的不同的叶片位置或轻微改变的产品结构。这样的轻微的差别和变化可能导致在产品中水分子结合方面的偏差并且因此导致校准系数的弱的改变。然而，例如通过在其介电特性方面强烈区别的其他配料而造成的更强的变化可能导致在校准参数中的更强的偏差。化学或物理上的相似性可以借助于所适配的零假设验证。通常，为测试规定显著性水平、例如5％并且将其与p值相比较。所述p值越小，就有越多理由来丢弃零假设。如果p值小于预定的显著性水平，则丢弃零假设。而如果p值大于显著性水平，则可以不丢弃零假设。

在已知的用于校准测量装置的算式中，总是利用零假设实施：所述产品族的一个产品的校准参数c_i不区别于零。因此测试：配置给校准参数的测量参数不对结果做出贡献的假设是可能的猜测。在确定校准参数的该假设导致：必须总是孤立地观察一个产品族自身的产品。对于所述产品族的每个产品确定校准参数并且接着在其显著性方面测试。

按照本发明的方法利用汇总的测量参量工作，在这些汇总的测量参量中产品族的两个或更多个产品汇总成一个扩展的集合。在这种情况下，在显著性检验中查看，所述产品族的两个产品的校准参数的差别是否显著区别于零。这意味着，对于所述两个产品而言，当不能丢弃零假设时可以利用相同的校准参数校准。对于所述产品族的所述两个被测试的产品而言，其校准参数按该意义是与产品无关的并且相同的。

所述新的零假设弱于传统的零假设，因为在该校准中使用关于产品族的成员的相似性的附加信息。因此，对数据组的质量的要求削减并且校准耗费相应地减少。该减少在实际应用测量装置中具有特别的优势，因为在一个产品族之内微弱改变产品的情况下不需要新的校准过程，而是可以与新的测量值一起适配已经找到的校准参数，并且尽管改变了在所述产品族之内的产品还是尽可能继续使用已经存在的校准参数。

为了将该构思付诸实施而需要的是，对于不同的产品获得的测量值汇总在测量值的一个扩展的集合中。在此，可能的算式存在于所谓的虚拟编码中，所述虚拟编码也称为代理变量。在此，在统计学的数据分析中引入具有特征值0和1的变量(是/否-变量)，所述变量作为对于存在多级变量的指标。

为了在数学上考虑类别配置，对于产品族中的每个成员以及对于每个测量参量引入一个自身的虚拟变量。对于具有相同权重和仅两个类别A和B的线性回归的最简单的情况，校准等式采用相同的形式：

在该等式中，c₁表示校准权重，测量参量x_i以所述校准权重对输出参量y_i做出贡献。偏置值c₂对于类别A和B表达为一个共同的系数。现在还有在类别A和B之间的类别上的区别，据此对于类别A没有其他偏置值做出贡献并且对于类别B添加附加的偏置值Δc2。

参量εi附加地是一个相加的表达项，其与作为输出参量的y_i共同出现并且不与测量值x_i相关。前述的内容总结而言对于类别A意味着：

y_i＝c₁·x_i+c₂+ε_i

并且对于类别B意味着

y_i＝c₁·x_i+c₂+Δc₂+ε_i。

利用所述虚拟变量，通过在如下式中的附加的列简单地得出增广数据矩阵：

在数据矩阵中右边的列引起，对于类别A的测量值，参数Δc与零相乘，而类别B的测量值、即测量值Δc与1相乘。伊普西龙参量εi与测量值无关地相加，以便补偿出现的测量误差。对于该新的数据矩阵，可以针对校准参数计算p值。因为新的校准参数Δc₂构成两个类别的偏置值的差，所以其p值给出关于如下的情报，即，该差是否是显著的或者所述两个偏置值是否可以汇总。该模式能够传递到所有其他校准参数上。

对于其他校准参数，在内部发展和外部发展之间可以区别于：在内部发展中在一个产品族之内继续确定尚未确定的校准参数。在此可能出现如下情况，这里再次非显著地出现不同的参数，从而在所述产品族之内产生其他产品族。例如产品1、3和5可以鉴于第一权重具有相同的值、即仅非显著地具有不同的值；但鉴于第二权重，产品1和5具有相同的值，而对于产品3的权重具有显著不同的值。除了内部发展之外，也存在外部发展，在所述外部发展中对于尚未汇总至一个产品族的产品、例如产品2和4寻求校准参数。于是如果例如对于产品2和4找到相同的校准参数，则该校准参数形成对于内部发展的出发点。内部和外部发展的结果是，将尽可能多的产品汇总在产品族中，由此减少要确定的校准参数的数量并且改善参数确定的统计基础。

具体实施方式

上面描述的方法利用修改的零假设导致：识别在数据中的相似性并且将其用于校准。利用本发明还提出一种方法，在所述方法中合并不同产品的校准参数。原则上可能的是，对于类别A和类别B的产品而言，一些校准参数相同而其他校准参数显著不同。为了简化所述方法因此可以规定，将对于具有最高p值的差异参数合并至一个组，其中，于是这两个产品的所有校准参数设为相同。该方法于是可以利用减少一个产品的产品族来重复，直至例如校准参数跨产品族地为恒定。以下借助图1更详细地阐述本发明。对于图1模拟了按照如下模型的两个数据组：

y^(A)＝0，5·x^(A)+2+ε^(A)，

y^(B)＝0，5·x^(B)+1+ε^(B)。

参考不确定性ε对于两个类别相同地以ε＝+/-0.26分布。这意味着，所述两个类别的数据仅在其偏置值方面区别为值1，但并不在其斜率方面相区分。所述数据中在图1中示出。上面的数据点(更亮地表示)具有良好的R²值为0.894，其显示出良好的模型匹配。下面的、更暗地表示的值具有R²值为0.0239、这显示出差的匹配、即所谓的“差的模型拟合”。这意味着，具有仅5个数据点的数据组B有低的数据质量(这些数据点处于2.5至3.5之间的窄的区域中)并且因此不允许足够准确地再现斜率参数。具有其25个数据点的数据组A具有大的数值范围连同好的质量，尽管斜率参数由于相对高的参考不确定性仅达到实际的斜率的92％(参照0.4638与0.5)。

根据按照本发明的方法求得的斜率参数c₁然而为：

c₁＝0.46。

通过在权重因数中的大差别，该斜率参数与类别A中的斜率值几乎相同。相应地，偏置参数Δc₂精确地相差1，尽管两个偏置值c₂由于稍微过小的斜率参数而过大。

在图1中的示例中的数据值汇总在如下表中：

显然可看出的是，在传统的方法中斜率参数c₁与产品有关地一次为0.46而一次为0.18，并且因此模型的斜率未良好地达到0.5。表格的两个右边的系数根据按照本发明的方法计算并且不仅在偏置值的距离方面而且在值的高度方面建模得明显更好。

对于实践这意味着，产品B连同其低质量的数据组从产品A的数据组的良好质量中获益并且因此以与产品A相同的质量来校准。

Claims (13)

1.用于校准用于多个产品的测量装置的方法，所述方法具有如下步骤：

对于多个产品(p)并且利用多次测量(i)测量测量值的集合(X^p＝{x^p _i,j})，所述测量值的集合包括一个或多个测量参量(j),

提供参考参量的集合(Y^p＝{y^p _i第i个参考参量})，所述参考参量的集合包括至少一个要通过所述测量参量(x^P _i,j)确定的参考参量(Y)，

其特征在于，

将对于所有产品的测量值(X^P)汇总成各测量值(X′)的一个增广矩阵，

确定第一组校准参数(C')，所述第一组校准参数对于一个或多个产品(p)具有一个或多个权重其中，将所述一个或多个产品(p)汇总在一个产品族之内，所述产品族至少对于其产品具有相同的权重(c_j)，所述权重与产品无关，

为用于校准测量装置的各测量值(X‘)的增广矩阵的子矩阵确定至少一个另外的组的校准参数(C′′)，其中，

在所述第一产品族之内确定具有另外的权重的一个或多个组，并且将具有相同的权重的多个产品(p)汇总成另一个产品族，并且

在所述第一产品族之外确定具有另外的权重的另外的组，并且将具有相同的权重的多个产品(p‘)汇总成另一个产品族，

直至为测量装置的校准确定了所有权重。

2.按照权利要求1所述的方法，其特征在于，以预确定的顺序求得在所述第一产品系统之内和之外的第一组权重和所述另外的权重，其中，首先求得如下权重，参考参量最弱地与所述权重相关。

3.按照权利要求1或2所述的方法，其特征在于，附加于所述权重也确定一个或多个偏置值(Δc)，所述偏置值添加给与权重相乘的测量值。

4.按照权利要求1至3之一所述的方法，其特征在于，所述权重也能够与测量值的多项式相关联，其中，也能够为测量值的积和/或商设置权重。

5.按照权利要求1至4之一所述的方法，其特征在于，对于在不同的产品中的权重和/或偏置值在统计学上确定差异的非显著性，并且如果所述差异是不显著的，则将不同的产品汇总在属于该权重的一个产品族中。

6.按照权利要求1至5之一所述的方法，其特征在于，所述校准参数通过多元线性回归确定。

7.按照权利要求1至6之一所述的方法，其特征在于，用于确定校准参数的测量值的子矩阵按照所述第一产品族或所述另外的产品族确定为测量值(X^P)的子集。

8.按照权利要求6或7所述的方法，其特征在于，为了检验偏置值的显著性，如下地列出零假设，即，两个产品的偏置值(Δc)的差别等于零。

9.按照权利要求1至8之一所述的方法，其特征在于，在所述测量值中通过非数值的类别变量加入产品族的产品。

10.按照权利要求9所述的方法，其特征在于，在汇总增广数据矩阵时添加虚拟变量，以区分各产品。

11.按照权利要求1至10之一所述的方法，其特征在于，校准微波测量装置。

12.按照权利要求11所述的方法，其特征在于，所述微波测量装置构成为微波谐振腔，所述微波谐振腔确定谐振频率的偏移和/或谐振曲线的加宽。

13.按照权利要求11或12所述的方法，其特征在于，所述微波测量装置的另外的测量参量是温度(T)和/或湿润角(φ)。