[发明专利]一种基于机器学习的检测元件校准系统

权利要求书

1.一种基于机器学习的检测元件校准系统，其特征在于，所述校准系统包括采集单元、校准比对单元、计算单元以及监察单元；

所述采集单元用于采集待校准元件的实际检测量D，以及采集可能影响所述实际检测量D的至少N个外部变量的变化数值；并获取校准过程中的j个成本参数C＝{c₁,c₂……c_j}以及k个效益参数G＝{g₁,g₂……g_k}；

所述校准比对单元用于将实际检测量D与标准检测量D′进行校准与比对，计算两者的差异值ΔD；

所述计算单元用于计算N个所述外部变量与所述差异值ΔD的相关性，并使用其中与所述差异值ΔD相关性最高的两个所述外部变量建立与所述差异值ΔD的第一相关性模型；并且进一步，统计在校准不同的所述差异值ΔD时所产生的所述成本参数C以及所述效益参数G，计算对应的效益函数从而获得效益最优解；

所述监察单元用于持续监察所述外部变量的变化数值；并通过将所述外部变量的数值输入所述第一相关性模型进行拟合，预测所述差异值ΔD；当预测所述差异值ΔD的值符合效益最优时，输出校准提示信息。

2.根据权利要求1所述一种基于机器学习的检测元件校准系统，其特征在于，所述采集单元包括多个采集传感器；多个所述采集传感器布置于待校准元件的工作环境或者工作系统中的多个采集点上。

3.根据权利要求2所述一种基于机器学习的检测元件校准系统，其特征在于，所述校准比对单元包括与待校准元件具有相同检测功能的基准检测元件，用于提供所述标准检测量D′。

4.根据权利要求3所述一种基于机器学习的检测元件校准系统，其特征在于，所述校准系统对检测元件的校准方法，包括以下两个阶段和多个步骤：

第一阶段：

S1：布置多个所述采集传感器于待校准元件的工作环境或者工作系统中的多个采集点上，采集N个外部变量在T时间段内的多个时间节点1，2……t的数值，即A＝{a₁,a₂……a_t}，B＝{b₁,b₂……b_t}，……N＝{N₁,N₂……N_t}；

S2：布置所述基准检测元件与待校准检测元件同时进行检测工作，并计算在T时间段内多个时间节点时所述差异值：ΔD＝{ΔD₁,ΔD₂……ΔD_t}；

S3：通过计算N个所述外部变量与所述差异值ΔD的相关性指数，选出其中相关性指数最高的两个所述外部变量，记为A和B；

S4：使用具有神经网络的机器学习运算系统，拟合A、B与ΔD，建立第一相关性模型；

第二阶段，允许撤走所述基准检测元件，并开始以下步骤：

S5：统计在校准所述差异值ΔD过程所产生的所述成本参数C以及所述效益参数G，形成ΔD-{C,G}的关系数据集，并建立效益指数模型；通过DEA数据包络分析法，计算成本与效益的效益函数，通过所述效益函数计算多个所述差异值ΔD对应的效益指数；

S6：持续监察所述外部变量A、B，通过将所述外部变量A、B的数值输入所述第一相关性模型进行拟合，预测对应的所述差异值ΔD；当预测所述差异值ΔD的值符合效益最优时，输出校准提示信息。

5.根据权利要求4所述一种基于机器学习的检测元件校准系统，其特征在于，在步骤S3中，计算N个所述外部变量与所述差异值ΔD的相关性指数γ，采用以下公式：

其中，A为一个所述外部变量的值，a_t为所述外部变量A在t时刻的值，为所述外部变量A在T时间段的平均值；ΔD_t为所述差异值在t时刻的值，为所述差异值ΔD在T时间段的平均值。