[发明专利]一种智能传感器自校正方法

说明书

技术领域

本发明涉及工业检测领域中智能传感器多信息耦合的解耦自校正，用于实现传感器的准确检测。

背景技术

随着物联网技术的发展，智能传感技术成为目前研究的一个热点之一，在智能传感器的应用中，传感器经常会所到环境因素的影响，比如大多气敏传感器的检测准确度会受到温度、湿度的影响。这时对智能传感器来说，其输出y₁由作用于传感器输入端的待测物理量x₁及其它环境因素x₂,…,x_P共同确定的，即智能传感器存在多传感信息耦合。

目前多传感信息解耦校正方法主要有基于人工神经网络的方法、基于传递函数矩阵分析的方法和基于插值解耦方法等，其中基于人工神经网络的解耦校正方法算法复杂,目前只适用于测量速度要求不高的系统；基于传递函数矩阵分析方法的则依赖于传递函数矩阵模型的准确辨识；基于插值的解耦方法具有准确度高、收敛性好的优点，但需要准确样本数据的支持。

智能传感器硬件接口众多，包括点对点接口UART/RS-232/RS-422/RS-485、多点分布式接口、数字和模拟信号混合模式接口、蓝牙/802.11/802.15.4无线接口、CAN总线接口、RFID射频接口等等。为解决传感器兼容性、互换性较差等问题，IEEE组织提出面向智能传感器的IEEE 1451标准。基于IEEE1451标准，可提高传感器接口标准化水平，大大简化由传感器构成的各种网络检测控制系统的研发实现，同时利用IEEE1451智能传感器的校正引擎，其校正引擎为线性或者多项式形式，通过使用电子数据表可方便实现智能传感器的自校正，提高智能传感器的检测准确度。

发明内容

鉴于上述现有技术现状及存在的问题，本发明的目的是寻找一种适用于智能传感器IEEE1451校正引擎的，并可实现高速解耦自校正的方法。

本发明通过如下技术方案实现：

本发明提供一种智能传感器自校正方法，所述方法包括：

利用均匀实验设计方法，开展智能传感器的标定实验，获得传感器的标定数据；

根据标定实验数据的相关系数分析，用偏最小二乘回归方法或者非线性偏最小二乘回归方法，得到智能传感器拟合曲线；

将拟合曲线参数保存在智能传感器的电子数据表中，用于实现传感检测信息的解耦自校正。

由上述本发明的技术方案可以看出，本发明根据均匀实验设计方法获得智能传感器标定数据，并通过自变量、因变量之间的相关系数分析，用偏最小二乘方法或者非线性偏最小二乘方法，得到智能传感器拟合曲线，来实现多维传感信息的解耦自校正的。可根据自变量、因变量之间相关性分析，确定解耦校正方法，本发明具有良好的适用性，可用于实现工业检测领域中智能传感器多信息耦合的高速解耦自校正。

附图说明

图1为本发明的一种智能传感器自校正方法实施流程图。

具体实施例

为使本发明专利的目的、技术方案和优点更加清楚，下面将结合附图对本发明专利作进一步地详细描述。

本发明提供了一种智能传感器自校正方法，其对智能传感器用均匀实验设计方法开展实验标定；根据实验标定数据进行自变量、因变量之间的相关系数计算；根据自变量、因变量之间的相关系数矩阵，利用进行偏最小乘回归方法或者非线性偏最小乘回归方法进行智能传感器的建模，得到智能传感器的拟合曲线；利用获得的拟合曲线，将曲线参数存储智能传感器的电子数据表中，实现传感检测信息的高速解耦自校正。具体的工作原理和实施过程如图1所示，包括：

步骤S101，利用均匀实验设计方法开展智能传感器标定实验。

依据智能传感器的环境影响因素，确定传感变量与环境变量的因素和水平，用均匀实验设计方法进行标定实验，获得自变量x₁,x₂,…,x_P和因变量y₁的标定数据。

上述均匀实验设计方法,包括：

根据智能传感器的自变量，采用数学中的均匀实验设计方法，利用均匀设计与统计调优软件包来确定各自变量因素水平，并依此开展标定实验。

步骤S102，对实验标定数据进行相关系数分析计算；具体如下：

相关系数定义如下