CN117030045A - 一种带双热熔断体的热敏电阻传感器工作方法 - Google Patents
一种带双热熔断体的热敏电阻传感器工作方法 Download PDFInfo
- Publication number
- CN117030045A CN117030045A CN202310910703.7A CN202310910703A CN117030045A CN 117030045 A CN117030045 A CN 117030045A CN 202310910703 A CN202310910703 A CN 202310910703A CN 117030045 A CN117030045 A CN 117030045A
- Authority
- CN
- China
- Prior art keywords
- trigger temperature
- module
- data
- output
- temperature
- 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 62
- 238000004088 simulation Methods 0.000 claims description 59
- 230000002159 abnormal effect Effects 0.000 claims description 58
- 238000001514 detection method Methods 0.000 claims description 51
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 230000014509 gene expression Effects 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 230000009977 dual effect Effects 0.000 claims description 9
- 238000013178 mathematical model Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 9
- 239000000919 ceramic Substances 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000009529 body temperature measurement Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 239000004020 conductor Substances 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000006698 induction Effects 0.000 abstract 1
- 230000003044 adaptive effect Effects 0.000 description 9
- 238000012360 testing method Methods 0.000 description 5
- 238000013021 overheating Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
- G01K1/08—Protective devices, e.g. casings
- G01K1/12—Protective devices, e.g. casings for preventing damage due to heat overloading
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K15/00—Testing or calibrating of thermometers
- G01K15/005—Calibration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
- G01K7/16—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using resistive elements
- G01K7/22—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using resistive elements the element being a non-linear resistance, e.g. thermistor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
本发明公开一种带双热熔断体的热敏电阻传感器工作方法,涉及热敏电阻传感器技术领域,解决问题是带双热熔断体的热敏电阻传感器工作方法,所述方法包括:手动设触发温度;热敏感应;放大输出信号;检测输出信号;调节触发温度。通过异常检测模型采用数据分区,并根据密度阈值与概率分布判断进行异常检测的方法,提高热敏电阻传感器的输出准确度,通过改进型MPC算法模型实现触发温度的自调控,采用将新设的触发温度与训练模拟触发温度进行误差计算的方法,提高触发温度估算的准确性,本发明实现一种可自调节触发温度,并可进行输出信号矫正的带双热熔断体的热敏电阻传感器工作方法。
Description
技术领域
本发明涉及热敏电阻传感器技术领域,且更确切地涉及一种带双热熔断体的热敏电阻传感器工作方法。
背景技术
带双热熔断体的热敏电阻传感器是一种常见的温度传感器。它的设计原理是基于电阻器的温度特性。热敏电阻器材料的电阻值会随着温度的变化而发生变化,因此可以利用它们来测量环境温度。双热熔断体通常用于热敏电阻传感器的保护电路中。它们位于热敏电阻器的周围,用于防止传感器因过热而损坏。当温度升高到一定程度时,热敏电阻器会通过断开电路的方式来保护自身。双熔断体则用于确保断开电路的可靠性,避免因熔断体失效而导致过热。这种设计能够有效地保护热敏电阻器,防止其在过热的情况下受到损坏。同时,它也能提供准确的温度测量结果,广泛应用于工业自动化、电子设备和温控系统等领域。
随着科技生活的发展,人们对热敏电阻传感器的要求也逐渐提高。常规的热敏电阻传感器存在着诸多问题,一方面,常规的热敏电阻传感器在进行热敏测试时,仅仅通过添加可调节的元件或采用数字控制电路等方式调节电阻传感器的触发温度,无法实现自适应的触发温度调节,另一方面,常规的热敏电阻传感器在输出信号时存在信号错误或夹带信号噪音的情况,容易带来如资源的浪费、触发温度不精准等一系列问题。为了解决这些问题,带双热熔断体的热敏电阻传感器在不断发展完善,需要一种可自调节触发温度,并可进行输出信号矫正的带双热熔断体的热敏电阻传感器工作方法。
发明内容
针对上述技术的不足,本发明公开一种带双热熔断体的热敏电阻传感器工作方法,通过异常检测模型采用对输出数据集进行分区,在每个区间根据密度阈值与概率分布判断进行异常检测的方法,得到异常数据集,去除错误信号和噪音信号,提高热敏电阻传感器的输出准确度,通过改进型MPC算法模型采用将历史触发温度与初估触发温度进行对比,并对误差赋权值的方法,得到练习模拟触发温度,实现触发温度的自调控,采用对管理人员所设置的触发温度实时更新,并将新设的触发温度与训练模拟触发温度进行误差计算,实时优化模型参数,得到最佳触发温度,提高触发温度估算的准确性,本发明实现一种可自调节触发温度,并可进行输出信号矫正的带双热熔断体的热敏电阻传感器工作方法。
为了实现上述技术效果,本发明采用以下技术方案:
一种带双热熔断体的热敏电阻传感器工作方法,其中包括以下步骤:
步骤一、管理人员通过控制平台根据工作环境的需求手动设置热敏电阻传感器的触发温度;
控制平台用于管理人员选择所述热敏电阻传感器的工作模式,对所述热敏电阻传感器的工作方式进行管理,并浏览所述热敏电阻传感器的触发温度和输出电阻值;
步骤二、热敏电阻传感器进行热敏感应,环境温度低于预设的触发温度时,两个热熔断体的电阻值接近,热敏电阻传感器的输出电阻值较低,环境温度超过触发温度时,热熔断体受热膨胀,膨胀后的热熔断体电阻值迅速增加,热敏电阻传感器的输出电阻值升高,环境温度回落到预设触发温度以下时,热熔断体恢复原状,同时传感器的输出电阻值回落降低;
步骤三、通过信号处理模块对热敏电阻传感器的输出信号进行放大、滤波和线性化,提高温度测量精度和稳定性;
步骤四、通过监测模块实时监测热敏电阻传感器的工作状态,出现异常状态则发送报警信息至控制平台;
所述监测模块包括检测收集子模块、异常检测模型和报警子模块,所述检测收集子模块用于实时收集所述热敏电阻传感器的触发温度和输出电阻值,形成由以时间顺序和触发温度排序的输出电阻值组成的输出数据集,所述异常检测模型用于筛选输出数据集中的异常数据,并将异常数据打包发送至所述报警子模块,所述报警子模块根据异常数据生成包含检测时间、实时触发温度和输出电阻值的报警信息,并将报警信息发送至控制平台,所述检测收集子模块的输出端连接异常检测模型的输入端,所述异常检测模型的输出端连接报警子模块的输入端;
步骤五、通过调节模块根据管理人员在不同时间与环境温度的情况下,设置的热敏电阻传感器触发温度,综合事态感知预测热敏电阻传感器的触发温度,进行触发温度的自调节;
所述调节模块包括调节收集模块和改进型MPC算法模型,所述调节收集模块用于收集历史环境温度信息、历史触发温度和历史输出电阻值,形成调节数据集,并随时间变化同步实时数据信息至调节数据集,所述改进型MPC算法模型根据调节数据集通过时间变化趋势估算最佳触发温度,实现触发温度的自调节。
作为本发明进一步的技术方案,所述异常检测模型包括分区系统、区间检测系统和正常分布子模型,所述分区系统用于对输出数据集进行分区,将输出数据集中每个连续时间内固定触发温度下的输出电阻值作为一个数据区间,所述区间检测系统根据对每个区间进行异常检测,识别异常点,所述正常分布子模型用于存放输出电阻值的正常样本特征值与正常样本特征的均值、方差和概率分布,所述分区系统的输出端连接区间检测系统的输入端,所述正常分布子模型的输出端连接区间检测系统的输入端。
作为本发明进一步的技术方案,所述区间检测系统根据对输出电阻值所赋的权值计算数据密度和数据概率分布,筛选异常数据,提高输出电阻值异常数据计算的准确度,所述区间检测系统的工作方式为:
对输出电阻值赋权值,根据正常分布模型对比数据区间中输出电阻值的均值和方差的差值,通过差值对输出电阻值赋权值,权值公式为:
式(1)中,Yn为输出电阻值的权值,Cm正常数据特征的均值与数据区间中输出电阻值均值的差值,Gm正常数据特征的方差与数据区间中输出电阻值方差的差值,n为数据区间内输出电阻值的标号,Fm为数据区间内数据总数目,γn为数据区间内的输出电阻值;
根据密度阈值判断区间内数据是否异常,确认密度阈值,计算数据区间内每个数据的邻域密度,邻域密度小于密度阈值则此数据为异常数据,邻域密度大于密度阈值则此数据为正常数据,邻域半径和密度阈值的表达式为:
式(2)中,R为邻域半径,N为输出数据集中的数据点总数目,W输出数据集中的数据总数目;
3)确认输出电阻值的概率分布,据输出电阻值方差的差值,计算输出电阻值的概率分布,概率公式为:
式(3)中,P为输出电阻值的概率分布;
4)根据概率分布判断区间内数据是否异常,将数据区间的概率分布与正常分布模型的概率分布相拟合,区分出异常数据;
5)得到异常数据集,重复以上步骤,直至历遍输出数据集中的数据区间,将根据密度阈值判断的异常数据与根据概率分布判断的异常数据按时序排列组成异常数据集。
作为本发明进一步的技术方案,所述改进型MPC算法模型包括数据转化子模块、数据归一化子模块和预测控制子模块,所述数据转化子模块将调节数据集用统一形式来表示,提高后续数据处理的稳定性,所述数据归一化子模块是把数据值限制在需要的一定范围内,提高程序运行的收敛性,所述预测控制子模块用于对处理后的调节数据集进行分析预测,生成自适应的触发温度,所述数据转化子模块的输出端连接数据归一化子模块的输入端,所述数据归一化子模块的输出端连接预测控制子模块的输入端。
作为本发明进一步的技术方案,所述预测控制子模块包括模拟系统和自适应系统,所述模拟系统基于动态数据进行输出模拟,生成与历史触发温度对应的练习模拟触发温度,所述自适应系统将根据后续管理人员实时手动更新的触发温度与联系模拟触发温度的差值进行变量更新,实现参数的实时调整,对练习模拟触发温度进行优化,得到最佳触发温度,所述模拟系统的输出端连接自适应系统的输入端。
作为本发明进一步的技术方案,所述模拟系统的工作方式为:
S1、建立非线性的数学模型,模型的输出表达式为:
式(4)中,F(x1t,t)为非线性数学模型的输出,η为模型内部变量,ε为外部干扰变量,x1t为历史环境温度信息,t为时刻值,K为增益系数,∈为时间常数;
S2、生成初估触发温度,使用传统的MPC算法采用离散时间同步的迭代方法对非线性数学模型的输出进行轨迹参考和目标优化,得到初估触发温度;
S3、将历史触发温度与初估触发温度进行对比,并对误差赋权值,进行误差补偿,计算历史触发温度与初估触发温度的比例误差值、积分误差值和微分误差值,并对误差值进行加权,加权公式为:
式(5)中,T1为历史触发温度与初估触发温度的比例误差值,T2为历史触发温度与初估触发温度的积分误差值,T3为历史触发温度与初估触发温度的微分误差值,YT1为历史触发温度与初估触发温度比例误差值的权值,YT2为历史触发温度与初估触发温度积分误差值的权值,YT3为历史触发温度与初估触发温度微分误差值的权值,At为t时刻的历史触发温度值、Bt为t时刻的初估触发温度值,x2t为历史触发温度,x3t为历史输出电阻值;
S4、生成练习模拟触发温度,根据历史触发温度与初估触发温度的误差权值优化初估触发温度,得到练习模拟触发温度,练习模拟触发温度的表达式为:
式(6)中,Ct为练习模拟触发温度。
作为本发明进一步的技术方案,所述自适应系统的工作方式为:
C1、实时更新系统输入,将管理人员所设置的触发温度进行实时更新,使用所述模拟系统将实时环境温度和时间变量作为输入,计算练习模拟触发温度;
C2、对管理人员实时设置的触发温度与训练模拟触发温度进行误差运算,实现模型参数的调控,模型参数包括增益系数和时间常数,增益系数和时间常数的表达式为:
式(7)中,Mt为管理人员实时设置的触发温度,N1为管理人员实时设置的触发温度与训练模拟触发温度的比例误差值,N2为管理人员实时设置的触发温度与训练模拟触发温度的积分误差值,N3为管理人员实时设置的触发温度与训练模拟触发温度的微分误差值;
C3、将优化后的增益系数和时间常数代入所述模拟系统中,计算最佳触发温度。
作为本发明进一步的技术方案,所述控制平台包括登录模块、选择模块、设置模块和显示模块,所述登录模块用于管理人员通过个人信息登录管理界面,所述选择模块用于管理人员选择手动设置触发温度模式和自动设置触发温度模式,所述设置模块用于管理人员输入预设的触发温度,并将预设温度传输至数字控制电路,实现所述热敏电阻传感器触发温度的自定义,所述显示模块用于显示所述热敏电阻传感器的实时触发温度和输出电阻值与历史触发温度和输出电阻值,所述登录模块的输出端连接选择模块的输入端,所述选择模块的输出端连接设置模块的输入端,所述设置模块的输出端连接显示模块的输入端。
作为本发明进一步的技术方案,所述信号处理模块包括信号放大子模块、滤波子模块和线性化子模块,所述信号放大子模块通过信号放大器放大所述热敏电阻传感器的输出信号,便于后续信号识别,所述滤波子模块采用带通滤波法滤除放大后信号的带外噪声,所述线性化子模块用于将滤波后的信号进行线性化处理,减小非线性失真的现象。
作为本发明进一步的技术方案,所述热敏电阻传感器使用陶瓷支架作为支撑,所述陶瓷支架为导热材料加工制作,用于提高所述热敏电阻传感器的反应效率和稳定性。
本发明有益的积极效果在于:
区别于常规的热敏电阻传感器工作方法,针对上述技术的不足,本发明公开一种带双热熔断体的热敏电阻传感器工作方法,通过异常检测模型采用对输出数据集进行分区,在每个区间根据密度阈值与概率分布判断进行异常检测的方法,得到异常数据集,去除错误信号和噪音信号,提高热敏电阻传感器的输出准确度,通过改进型MPC算法模型采用将历史触发温度与初估触发温度进行对比,并对误差赋权值的方法,得到练习模拟触发温度,实现触发温度的自调控,采用对管理人员所设置的触发温度实时更新,并将新设的触发温度与训练模拟触发温度进行误差计算,实时优化模型参数,得到最佳触发温度,提高触发温度估算的准确性,本发明实现一种可自调节触发温度,并可进行输出信号矫正的带双热熔断体的热敏电阻传感器工作方法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图,其中:
图1本发明实施例提供的一种带双热熔断体的热敏电阻传感器工作方法流程图;
图2本发明一种带双热熔断体的热敏电阻传感器工作方法的模块结构图;
图3本发明区间检测系统工作方法;
图4本发明模拟系统工作方法的流程图;
图5本发明自适应系统工作方法的流程图。
具体实施方式
下面将结合本文实施例中的附图,对本文实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本文一部分实施例,而不是全部的实施例。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
如图1所示,一种带双热熔断体的热敏电阻传感器工作方法,包括以下步骤:
步骤一、管理人员通过控制平台根据工作环境的需求手动设置热敏电阻传感器的触发温度;
控制平台用于管理人员选择所述热敏电阻传感器的工作模式,对所述热敏电阻传感器的工作方式进行管理,并浏览所述热敏电阻传感器的触发温度和输出电阻值;
步骤二、热敏电阻传感器进行热敏感应,环境温度低于预设的触发温度时,两个热熔断体的电阻值接近,热敏电阻传感器的输出电阻值较低,环境温度超过触发温度时,热熔断体受热膨胀,膨胀后的热熔断体电阻值迅速增加,热敏电阻传感器的输出电阻值升高,环境温度回落到预设触发温度以下时,热熔断体恢复原状,同时传感器的输出电阻值回落降低;
步骤三、通过信号处理模块对热敏电阻传感器的输出信号进行放大、滤波和线性化,提高温度测量精度和稳定性;
步骤四、通过监测模块实时监测热敏电阻传感器的工作状态,出现异常状态则发送报警信息至控制平台;
所述监测模块包括检测收集子模块、异常检测模型和报警子模块,所述检测收集子模块用于实时收集所述热敏电阻传感器的触发温度和输出电阻值,形成由以时间顺序和触发温度排序的输出电阻值组成的输出数据集,所述异常检测模型用于筛选输出数据集中的异常数据,并将异常数据打包发送至所述报警子模块,所述报警子模块根据异常数据生成包含检测时间、实时触发温度和输出电阻值的报警信息,并将报警信息发送至控制平台,所述检测收集子模块的输出端连接异常检测模型的输入端,所述异常检测模型的输出端连接报警子模块的输入端;
步骤五、通过调节模块根据管理人员在不同时间与环境温度的情况下,设置的热敏电阻传感器触发温度,综合事态感知预测热敏电阻传感器的触发温度,进行触发温度的自调节;
所述调节模块包括调节收集模块和改进型MPC算法模型,所述调节收集模块用于收集历史环境温度信息、历史触发温度和历史输出电阻值,形成调节数据集,并随时间变化同步实时数据信息至调节数据集,所述改进型MPC算法模型根据调节数据集通过时间变化趋势估算最佳触发温度,实现触发温度的自调节。
在具体实施例中,所述异常检测模型包括分区系统、区间检测系统和正常分布子模型,所述分区系统用于对输出数据集进行分区,将输出数据集中每个连续时间内固定触发温度下的输出电阻值作为一个数据区间,所述区间检测系统根据对每个区间进行异常检测,识别异常点,所述正常分布子模型用于存放输出电阻值的正常样本特征值与正常样本特征的均值、方差和概率分布,所述分区系统的输出端连接区间检测系统的输入端,所述正常分布子模型的输出端连接区间检测系统的输入端。
在具体实施例中,所述区间检测系统根据对输出电阻值所赋的权值计算数据密度和数据概率分布,筛选异常数据,提高输出电阻值异常数据计算的准确度,所述区间检测系统的工作方式为:
对输出电阻值赋权值,根据正常分布模型对比数据区间中输出电阻值的均值和方差的差值,通过差值对输出电阻值赋权值,权值公式为:
式(1)中,Yn为输出电阻值的权值,Cm正常数据特征的均值与数据区间中输出电阻值均值的差值,Gm正常数据特征的方差与数据区间中输出电阻值方差的差值,n为数据区间内输出电阻值的标号,Fm为数据区间内数据总数目,γn为数据区间内的输出电阻值;
根据密度阈值判断区间内数据是否异常,确认密度阈值,计算数据区间内每个数据的邻域密度,邻域密度小于密度阈值则此数据为异常数据,邻域密度大于密度阈值则此数据为正常数据,邻域半径和密度阈值的表达式为:
式(2)中,R为邻域半径,N为输出数据集中的数据点总数目,W输出数据集中的数据总数目;
3)确认输出电阻值的概率分布,据输出电阻值方差的差值,计算输出电阻值的概率分布,概率公式为:
式(3)中,P为输出电阻值的概率分布;
4)根据概率分布判断区间内数据是否异常,将数据区间的概率分布与正常分布模型的概率分布相拟合,区分出异常数据;
5)得到异常数据集,重复以上步骤,直至历遍输出数据集中的数据区间,将根据密度阈值判断的异常数据与根据概率分布判断的异常数据按时序排列组成异常数据集。
在具体实施例中,所述改进型MPC算法模型包括数据转化子模块、数据归一化子模块和预测控制子模块,所述数据转化子模块将调节数据集用统一形式来表示,提高后续数据处理的稳定性,所述数据归一化子模块是把数据值限制在需要的一定范围内,提高程序运行的收敛性,所述预测控制子模块用于对处理后的调节数据集进行分析预测,生成自适应的触发温度,所述数据转化子模块的输出端连接数据归一化子模块的输入端,所述数据归一化子模块的输出端连接预测控制子模块的输入端。
在具体实施例中,所述预测控制子模块包括模拟系统和自适应系统,所述模拟系统基于动态数据进行输出模拟,生成与历史触发温度对应的练习模拟触发温度,所述自适应系统将根据后续管理人员实时手动更新的触发温度与联系模拟触发温度的差值进行变量更新,实现参数的实时调整,对练习模拟触发温度进行优化,得到最佳触发温度,所述模拟系统的输出端连接自适应系统的输入端。
在具体实施例中,所述模拟系统的工作方式为:
S1、建立非线性的数学模型,模型的输出表达式为:
式(4)中,F(x1t,t)为非线性数学模型的输出,η为模型内部变量,ε为外部干扰变量,x1t为历史环境温度信息,t为时刻值,K为增益系数,∈为时间常数;
S2、生成初估触发温度,使用传统的MPC算法采用离散时间同步的迭代方法对非线性数学模型的输出进行轨迹参考和目标优化,得到初估触发温度;
S3、将历史触发温度与初估触发温度进行对比,并对误差赋权值,进行误差补偿,计算历史触发温度与初估触发温度的比例误差值、积分误差值和微分误差值,并对误差值进行加权,加权公式为:
式(5)中,T1为历史触发温度与初估触发温度的比例误差值,T2为历史触发温度与初估触发温度的积分误差值,T3为历史触发温度与初估触发温度的微分误差值,YT1为历史触发温度与初估触发温度比例误差值的权值,YT2为历史触发温度与初估触发温度积分误差值的权值,YT3为历史触发温度与初估触发温度微分误差值的权值,At为t时刻的历史触发温度值、Bt为t时刻的初估触发温度值,x2t为历史触发温度,x3t为历史输出电阻值;
S4、生成练习模拟触发温度,根据历史触发温度与初估触发温度的误差权值优化初估触发温度,得到练习模拟触发温度,练习模拟触发温度的表达式为:
式(6)中,Ct为练习模拟触发温度。
在具体实施例中,所述自适应系统的工作方式为:
C1、实时更新系统输入,将管理人员所设置的触发温度进行实时更新,使用所述模拟系统将实时环境温度和时间变量作为输入,计算练习模拟触发温度;
C2、对管理人员实时设置的触发温度与训练模拟触发温度进行误差运算,实现模型参数的调控,模型参数包括增益系数和时间常数,增益系数和时间常数的表达式为:
式(7)中,Mt为管理人员实时设置的触发温度,N1为管理人员实时设置的触发温度与训练模拟触发温度的比例误差值,N2为管理人员实时设置的触发温度与训练模拟触发温度的积分误差值,N3为管理人员实时设置的触发温度与训练模拟触发温度的微分误差值;
C3、将优化后的增益系数和时间常数代入所述模拟系统中,计算最佳触发温度。
通过上述实施例中,当管理人员后续未继续手动设置触发温度时,将练习模拟触发温度作为最佳触发温度,基于所述改进型MPC算法模型的触发温度估算正确率如表1所示:
表1触发温度估算正确率
根据估算次数、历史设置的触发温度次数和估算开始后手动设置触发温度次数的不同,设置四个测试组,采用三种方法分别对四组测试组进行触发温度估计,方法A为通过传统的改进型MPC算法模型进行触发温度估计,方法B为通过本发明所述模拟系统中的方法进行触发温度估计,将练习模拟触发温度作为最佳触发温度,方法C为本发明中所述改进型MPC算法模型的方法,如表1所示,在四组测试组中,方法A的正确率明显小于方法B的正确率,说明将历史触发温度与初估触发温度进行对比,并对误差赋权值,进行估算优化的方法,提高了触发温度估计的正确率,在四组测试组中,根据估算开始后手动设置触发温度次数的变化,方法B准确度的正确率明显小于方法C正确率的稳定度,说明对管理人员实时设置的触发温度与训练模拟触发温度进行误差运算,对模型参数实时调控的方法,提高了触发温度估计正确率的鲁棒性,综上可知,本发明中所述改进型MPC算法模型的触发温度估算精确度高、鲁棒性强。
在具体实施例中,所述控制平台包括登录模块、选择模块、设置模块和显示模块,所述登录模块用于管理人员通过个人信息登录管理界面,所述选择模块用于管理人员选择手动设置触发温度模式和自动设置触发温度模式,所述设置模块用于管理人员输入预设的触发温度,并将预设温度传输至数字控制电路,实现所述热敏电阻传感器触发温度的自定义,所述显示模块用于显示所述热敏电阻传感器的实时触发温度和输出电阻值与历史触发温度和输出电阻值,所述登录模块的输出端连接选择模块的输入端,所述选择模块的输出端连接设置模块的输入端,所述设置模块的输出端连接显示模块的输入端。
在具体实施例中,所述信号处理模块包括信号放大子模块、滤波子模块和线性化子模块,所述信号放大子模块通过信号放大器放大所述热敏电阻传感器的输出信号,便于后续信号识别,所述滤波子模块采用带通滤波法滤除放大后信号的带外噪声,所述线性化子模块用于将滤波后的信号进行线性化处理,减小非线性失真的现象。
在具体实施例中,所述热敏电阻传感器使用陶瓷支架作为支撑,所述陶瓷支架为导热材料加工制作,用于提高所述热敏电阻传感器的反应效率和稳定性。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和系统的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (10)
1.一种带双热熔断体的热敏电阻传感器工作方法,其特征在于:包括如下步骤:
步骤一、管理人员通过控制平台根据工作环境的需求手动设置热敏电阻传感器的触发温度;
控制平台用于管理人员选择所述热敏电阻传感器的工作模式,对所述热敏电阻传感器的工作方式进行管理,并浏览所述热敏电阻传感器的触发温度和输出电阻值;
步骤二、热敏电阻传感器进行热敏感应,环境温度低于预设的触发温度时,两个热熔断体的电阻值接近,热敏电阻传感器的输出电阻值较低,环境温度超过触发温度时,热熔断体受热膨胀,膨胀后的热熔断体电阻值迅速增加,热敏电阻传感器的输出电阻值升高,环境温度回落到预设触发温度以下时,热熔断体恢复原状,同时传感器的输出电阻值回落降低;
步骤三、通过信号处理模块对热敏电阻传感器的输出信号进行放大、滤波和线性化,提高温度测量精度和稳定性;
步骤四、通过监测模块实时监测热敏电阻传感器的工作状态,出现异常状态则发送报警信息至控制平台;
所述监测模块包括检测收集子模块、异常检测模型和报警子模块,所述检测收集子模块用于实时收集所述热敏电阻传感器的触发温度和输出电阻值,形成由以时间顺序和触发温度排序的输出电阻值组成的输出数据集,所述异常检测模型用于筛选输出数据集中的异常数据,并将异常数据打包发送至所述报警子模块,所述报警子模块根据异常数据生成包含检测时间、实时触发温度和输出电阻值的报警信息,并将报警信息发送至控制平台,所述检测收集子模块的输出端连接异常检测模型的输入端,所述异常检测模型的输出端连接报警子模块的输入端;
步骤五、通过调节模块根据管理人员在不同时间与环境温度的情况下,设置的热敏电阻传感器触发温度,综合事态感知预测热敏电阻传感器的触发温度,进行触发温度的自调节;
所述调节模块包括调节收集模块和改进型MPC算法模型,所述调节收集模块用于收集历史环境温度信息、历史触发温度和历史输出电阻值,形成调节数据集,并随时间变化同步实时数据信息至调节数据集,所述改进型MPC算法模型根据调节数据集通过时间变化趋势估算最佳触发温度,实现触发温度的自调节。
2.根据权利要求1所述的一种带双热熔断体的热敏电阻传感器工作方法,其特征在于:所述异常检测模型包括分区系统、区间检测系统和正常分布子模型,所述分区系统用于对输出数据集进行分区,将输出数据集中每个连续时间内固定触发温度下的输出电阻值作为一个数据区间,所述区间检测系统根据对每个区间进行异常检测,识别异常点,所述正常分布子模型用于存放输出电阻值的正常样本特征值与正常样本特征的均值、方差和概率分布,所述分区系统的输出端连接区间检测系统的输入端,所述正常分布子模型的输出端连接区间检测系统的输入端。
3.根据权利要求2所述的一种带双热熔断体的热敏电阻传感器工作方法,其特征在于:所述区间检测系统根据对输出电阻值所赋的权值计算数据密度和数据概率分布,筛选异常数据,提高输出电阻值异常数据计算的准确度,所述区间检测系统的工作方式为:
1)对输出电阻值赋权值,根据正常分布模型对比数据区间中输出电阻值的均值和方差的差值,通过差值对输出电阻值赋权值,权值公式为:
式(1)中,Yn为输出电阻值的权值,Cm正常数据特征的均值与数据区间中输出电阻值均值的差值,Gm正常数据特征的方差与数据区间中输出电阻值方差的差值,n为数据区间内输出电阻值的标号,Fm为数据区间内数据总数目,γn为数据区间内的输出电阻值;
2)根据密度阈值判断区间内数据是否异常,确认密度阈值,计算数据区间内每个数据的邻域密度,邻域密度小于密度阈值则此数据为异常数据,邻域密度大于密度阈值则此数据为正常数据,邻域半径和密度阈值的表达式为:
式(2)中,R为邻域半径,N为输出数据集中的数据点总数目,W输出数据集中的数据总数目;
3)确认输出电阻值的概率分布,据输出电阻值方差的差值,计算输出电阻值的概率分布,概率公式为:
式(3)中,P为输出电阻值的概率分布;
4)根据概率分布判断区间内数据是否异常,将数据区间的概率分布与正常分布模型的概率分布相拟合,区分出异常数据;
5)得到异常数据集,重复以上步骤,直至历遍输出数据集中的数据区间,将根据密度阈值判断的异常数据与根据概率分布判断的异常数据按时序排列组成异常数据集。
4.根据权利要求2所述的一种带双热熔断体的热敏电阻传感器工作方法,其特征在于:所述改进型MPC算法模型包括数据转化子模块、数据归一化子模块和预测控制子模块,所述数据转化子模块将调节数据集用统一形式来表示,提高后续数据处理的稳定性,所述数据归一化子模块是把数据值限制在需要的一定范围内,提高程序运行的收敛性,所述预测控制子模块用于对处理后的调节数据集进行分析预测,生成自适应的触发温度,所述数据转化子模块的输出端连接数据归一化子模块的输入端,所述数据归一化子模块的输出端连接预测控制子模块的输入端。
5.根据权利要求4所述的一种带双热熔断体的热敏电阻传感器工作方法,其特征在于:所述预测控制子模块包括模拟系统和自适应系统,所述模拟系统基于动态数据进行输出模拟,生成与历史触发温度对应的练习模拟触发温度,所述自适应系统将根据后续管理人员实时手动更新的触发温度与联系模拟触发温度的差值进行变量更新,实现参数的实时调整,对练习模拟触发温度进行优化,得到最佳触发温度,所述模拟系统的输出端连接自适应系统的输入端。
6.根据权利要求5所述的一种带双热熔断体的热敏电阻传感器工作方法,其特征在于:所述模拟系统的工作方式为:
S1、建立非线性的数学模型,模型的输出表达式为:
式(4)中,F(x1t,t)为非线性数学模型的输出,η为模型内部变量,ε为外部干扰变量,x1t为历史环境温度信息,t为时刻值,K为增益系数,∈为时间常数;
S2、生成初估触发温度,使用传统的MPC算法采用离散时间同步的迭代方法对非线性数学模型的输出进行轨迹参考和目标优化,得到初估触发温度;
S3、将历史触发温度与初估触发温度进行对比,并对误差赋权值,进行误差补偿,计算历史触发温度与初估触发温度的比例误差值、积分误差值和微分误差值,并对误差值进行加权,加权公式为:
式(5)中,T1为历史触发温度与初估触发温度的比例误差值,T2为历史触发温度与初估触发温度的积分误差值,T3为历史触发温度与初估触发温度的微分误差值,为历史触发温度与初估触发温度比例误差值的权值,/>为历史触发温度与初估触发温度积分误差值的权值,/>为历史触发温度与初估触发温度微分误差值的权值,At为t时刻的历史触发温度值、Bt为t时刻的初估触发温度值,x2t为历史触发温度,x3t为历史输出电阻值;
S4、生成练习模拟触发温度,根据历史触发温度与初估触发温度的误差权值优化初估触发温度,得到练习模拟触发温度,练习模拟触发温度的表达式为:
式(6)中,Ct为练习模拟触发温度。
7.根据权利要求5所述的一种带双热熔断体的热敏电阻传感器工作方法,其特征在于:所述自适应系统的工作方式为:
C1、实时更新系统输入,将管理人员所设置的触发温度进行实时更新,使用所述模拟系统将实时环境温度和时间变量作为输入,计算练习模拟触发温度;
C2、对管理人员实时设置的触发温度与训练模拟触发温度进行误差运算,实现模型参数的调控,模型参数包括增益系数和时间常数,增益系数和时间常数的表达式为:
式(7)中,Mt为管理人员实时设置的触发温度,N1为管理人员实时设置的触发温度与训练模拟触发温度的比例误差值,N2为管理人员实时设置的触发温度与训练模拟触发温度的积分误差值,N3为管理人员实时设置的触发温度与训练模拟触发温度的微分误差值;
C3、将优化后的增益系数和时间常数代入所述模拟系统中,计算最佳触发温度。
8.根据权利要求1所述的一种带双热熔断体的热敏电阻传感器工作方法,其特征在于:所述控制平台包括登录模块、选择模块、设置模块和显示模块,所述登录模块用于管理人员通过个人信息登录管理界面,所述选择模块用于管理人员选择手动设置触发温度模式和自动设置触发温度模式,所述设置模块用于管理人员输入预设的触发温度,并将预设温度传输至数字控制电路,实现所述热敏电阻传感器触发温度的自定义,所述显示模块用于显示所述热敏电阻传感器的实时触发温度和输出电阻值与历史触发温度和输出电阻值,所述登录模块的输出端连接选择模块的输入端,所述选择模块的输出端连接设置模块的输入端,所述设置模块的输出端连接显示模块的输入端。
9.根据权利要求1所述的一种带双热熔断体的热敏电阻传感器工作方法,其特征在于:所述信号处理模块包括信号放大子模块、滤波子模块和线性化子模块,所述信号放大子模块通过信号放大器放大所述热敏电阻传感器的输出信号,便于后续信号识别,所述滤波子模块采用带通滤波法滤除放大后信号的带外噪声,所述线性化子模块用于将滤波后的信号进行线性化处理,减小非线性失真的现象。
10.根据权利要求1所述的一种带双热熔断体的热敏电阻传感器工作方法,其特征在于:所述热敏电阻传感器使用陶瓷支架作为支撑,所述陶瓷支架为导热材料加工制作,用于提高所述热敏电阻传感器的反应效率和稳定性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310910703.7A CN117030045A (zh) | 2023-07-24 | 2023-07-24 | 一种带双热熔断体的热敏电阻传感器工作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310910703.7A CN117030045A (zh) | 2023-07-24 | 2023-07-24 | 一种带双热熔断体的热敏电阻传感器工作方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117030045A true CN117030045A (zh) | 2023-11-10 |
Family
ID=88621739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310910703.7A Pending CN117030045A (zh) | 2023-07-24 | 2023-07-24 | 一种带双热熔断体的热敏电阻传感器工作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117030045A (zh) |
-
2023
- 2023-07-24 CN CN202310910703.7A patent/CN117030045A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2838132C (en) | Degrading sensor detection implemented within a transmitter | |
CN108761281B (zh) | 气体绝缘输电线路状态监测及局部放电定位方法及系统 | |
JP5603426B2 (ja) | サンプリングスキューエラー補正を有するプロセス装置 | |
CN111239515A (zh) | 电力设备载流故障预测方法及系统 | |
CN115167323B (zh) | 基于数字化工厂的工控设备反馈信息指令传输系统 | |
CN115995886A (zh) | 一种电力设备的电力监控系统 | |
US20200249126A1 (en) | Method for providing measured values of a technical installation, technical system, and method for operating the technical system | |
JP4061008B2 (ja) | 結果予測装置、方法、及びコンピュータ読み取り可能な記憶媒体 | |
CN107943142B (zh) | 一种基于卡尔曼滤波的低温辐射计温度控制的方法 | |
US9934677B2 (en) | Method and apparatus for determination of sensor health | |
CN115098285A (zh) | 基于大数据的传感器检测数据分析系统及方法 | |
CN117030045A (zh) | 一种带双热熔断体的热敏电阻传感器工作方法 | |
CN116772285B (zh) | 一种智能楼宇供暖负载安全实时监控方法 | |
EP3954976A1 (en) | Method and device for temperature prediction as well as sensor system with such a device | |
CN110864776B (zh) | 称重设备预测性维护算法以及称重设备预测性维护方法 | |
EP2631724B1 (en) | Method for measuring health index of plant in which state of lower component is reflected, and computer-readable storage medium in which program for performing the method is stored | |
WO2020110201A1 (ja) | 情報処理装置 | |
JP3035089B2 (ja) | プロセスの特性推定方法およびその装置ならびにその推定方法を用いたプロセスの監視方法およびプロセスの制御方法 | |
JPH06242044A (ja) | 環境センサ | |
WO2022018912A1 (ja) | 予測システム、予測方法、ならびに表示装置 | |
US20200112577A1 (en) | Graph-based sensor ranking | |
US20240019858A1 (en) | Method and apparatus for monitoring a process | |
CN110826362B (zh) | 用于炉温误差处理的方法和非暂时性计算机可读介质 | |
JPH05204407A (ja) | プロセスの特性予測方法ならびにその予測方法を用いたプロセスの監視方法およびプロセスの制御方法 | |
CN116167604B (zh) | 一种基于生产全流程跟踪的电力产品生产智能管理系统 |
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 |