【技術實現(xiàn)步驟摘要】
本專利技術涉及傳感器，具體涉及一種傳感器系統(tǒng)的自愈方法、存儲介質(zhì)及執(zhí)行設備。
技術介紹
1、在現(xiàn)代工業(yè)和自動化系統(tǒng)中，傳感器作為數(shù)據(jù)采集的核心組件，承擔著監(jiān)測和反饋關鍵物理量（如溫度、壓力、濕度等）的重要任務。隨著物聯(lián)網(wǎng)（iot）、智能制造和自動化技術的迅猛發(fā)展，傳感器的應用日益廣泛，然而，傳感器在實際運行中面臨諸多挑戰(zhàn)，特別是其可靠性和準確性問題。
2、當前的傳感器故障檢測方案主要包括基于冗余的傳感器網(wǎng)絡、自適應信號處理技術和基于模型的故障檢測。冗余傳感器網(wǎng)絡通過部署多個相同類型的傳感器來確保功能接替，從而實時監(jiān)控數(shù)據(jù)并隔離故障，但增加了成本和系統(tǒng)復雜性，且無法修復失效輸出。自適應信號處理利用濾波算法實時識別并過濾噪聲，提高數(shù)據(jù)質(zhì)量，但在嚴重故障情況下缺乏自愈能力。基于模型的故障檢測通過比較傳感器輸出與模型預測值提高準確性，并提供預警，但模型構建復雜，且在動態(tài)環(huán)境中容易出現(xiàn)漂移，無法實時修正。這些方案雖各有優(yōu)缺點，但均無法有效實現(xiàn)數(shù)據(jù)的自動修復與自愈。
3、盡管現(xiàn)有技術在傳感器監(jiān)測和故障檢測方面已取得了一定的進展，但仍然面臨諸多挑戰(zhàn)，尤其是在實時自愈和智能化處理能力方面。本專利技術通過獨特的自愈機制和機器學習算法，提供了一種更為先進的解決方案，能夠有效提升傳感器在復雜環(huán)境下的工作穩(wěn)定性和數(shù)據(jù)可靠性。
技術實現(xiàn)思路
1、（一）要解決的技術問題
2、為解決上述問題，本專利技術提出了一種傳感器系統(tǒng)的自愈方法、存儲介質(zhì)及執(zhí)行設備，旨在于解決傳感器在嚴重
3、（二）技術方案
4、本專利技術的一種傳感器系統(tǒng)的自愈方法，所述方法包括：
5、s100、獲取標的物理量的標準值，基于至少兩個同類型傳感器，獲取所述傳感器的輸出值并比較所述輸出值與所述標準值得到錯誤值，基于所述錯誤值輸出異常信號；
6、s200、基于所述異常信號，標定輸出錯誤值的傳感器的標簽，根據(jù)所述標簽的信息使用矯正器矯正所述錯誤值并輸出修正值；
7、s300、比較所述修正值與標準值得到矯正結果，基于所述矯正結果判斷是否輸出所述修正值。
8、在本專利技術中，預設評估周期與標準精度，基于所述評估周期判斷所述矯正器是否達到標準精度；
9、若達到所述標準精度則繼續(xù)使用所述矯正器矯正所述錯誤值；
10、若不滿足所述標準精度則基于損失函數(shù)優(yōu)化所述矯正器。
11、在本專利技術中，通過回歸模型或神經(jīng)網(wǎng)絡構建所述矯正器，設定回歸模型或神經(jīng)網(wǎng)絡作為矯正器，輸入為所述錯誤值，目標輸出為準確的物理量，，其中為通過矯正器生成的預測值。
12、在本專利技術中，訓練過程需要標記數(shù)據(jù)和實時采集所述錯誤值作為目標輸出與目標輸入，訓練模型則為：，其中為樣本數(shù)量，是矯正器生成的預測值，是實際的物理量值，是矯正器參數(shù)；
13、每次訓練后更新參數(shù)：，為學習率，為損失函數(shù)關于參數(shù)的梯度。
14、在本專利技術中，設定所述標準精度為，當所述矯正結果與所述目標輸出的誤差小于時，則認為所述訓練器達標，其中訓練誤差為，若則判斷訓練完成，否則繼續(xù)訓練；
15、時，所述矯正器輸出值，其中為矯正器得到的最終參數(shù)，此時矯正器輸出值則為所述修正值。
16、在本專利技術中，所述標準值為預設值和\或除輸出錯誤值的傳感器外其他傳感器的輸出值和\或傳感器輸出值的平均值；
17、當所述傳感器的輸出值大于或小于所述標準值時，所述輸出值則判定為異常狀態(tài)；
18、所述標簽包括正常以及異常狀態(tài)。
19、在本專利技術中，所述步驟s300還包括：
20、所述矯正結果包括達標與不達標，若所述修正值則判定達標，否則判定為不達標并繼續(xù)執(zhí)行步驟s200，其中，為預設的偏移精度，為標準值。
21、本專利技術的另一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)上述技術方案所述的傳感器系統(tǒng)的自愈方法的步驟。
22、本專利技術的另一種執(zhí)行設備，包括執(zhí)行設備本體以及控制器，所述控制器包括處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，處理器執(zhí)行程序時實現(xiàn)上述技術方案所述的傳感器系統(tǒng)的自愈方法的步驟。
23、（三）有益效果
24、相比于現(xiàn)有技術，本專利技術的有益效果為：
25、本專利技術中通過實時自檢測和自愈矯正機制，本專利技術能夠在傳感器故障或性能下降時自動修復輸出，確保系統(tǒng)輸出的持續(xù)準確性，即使在傳感器存在故障的情況下，依然能夠提供可靠的運行數(shù)據(jù)。
26、本專利技術中采用機器學習驅(qū)動的矯正器，能夠根據(jù)歷史數(shù)據(jù)與實時數(shù)據(jù)進行自我訓練和優(yōu)化，持續(xù)提升修正精度，適應不同的環(huán)境變化，確保系統(tǒng)始終保持高效運行。
27、本專利技術中通過實時修正傳感器輸出，消除傳感器故障引起的數(shù)據(jù)誤差，提高數(shù)據(jù)的準確性和可靠性，保證系統(tǒng)決策的質(zhì)量，減少因錯誤數(shù)據(jù)導致的系統(tǒng)故障或錯誤判斷。
本文檔來自技高網(wǎng)...【技術保護點】
1.一種傳感器系統(tǒng)的自愈方法，其特征在于，所述方法包括：
2.根據(jù)權利要求1所述的傳感器系統(tǒng)的自愈方法，其特征在于，預設評估周期與標準精度，基于所述評估周期判斷所述矯正器是否達到標準精度；
3.根據(jù)權利要求1或2所述的傳感器系統(tǒng)的自愈方法，其矯正器。特征在于，通過回歸模型或神經(jīng)網(wǎng)絡構建所述矯正器，設定回歸模型或神經(jīng)網(wǎng)絡作為矯正器，輸入為所述錯誤值，目標輸出為準確的物理量，，其中為通過矯正器生成的預測值。
4.根據(jù)權利要求3所述的傳感器系統(tǒng)的自愈方法，其特征在于，訓練過程需要標記數(shù)據(jù)和實時采集所述錯誤值作為目標輸出與目標輸入，訓練模型則為：，其中為樣本數(shù)量，是矯正器生成的預測值，是實際的物理量值，是矯正器參數(shù)；
5.根據(jù)權利要求4所述的傳感器系統(tǒng)的自愈方法，其特征在于，設定所述標準精度為，當所述矯正結果與所述目標輸出的誤差小于時，則認為所述訓練器達標，其中訓練誤差為，若則判斷訓練完成，否則繼續(xù)訓練；
6.根據(jù)權利要求5所述的傳感器系統(tǒng)的自愈方法，其特征在于，所述標準值為預設值和\或除輸出錯誤值的傳感器外其他傳感器的輸出值和
7.根據(jù)權利要求6所述的傳感器系統(tǒng)的自愈方法，其特征在于，所述步驟S300還包括：
8.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)權利要求1-7任一項所述的傳感器系統(tǒng)的自愈方法的步驟。
9.一種執(zhí)行設備，包括執(zhí)行設備本體以及控制器，其特征在于，所述控制器包括處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，處理器執(zhí)行程序時實現(xiàn)權利要求1-7任一項所述的傳感器系統(tǒng)的自愈方法的步驟。
...【技術特征摘要】
1.一種傳感器系統(tǒng)的自愈方法，其特征在于，所述方法包括：
2.根據(jù)權利要求1所述的傳感器系統(tǒng)的自愈方法，其特征在于，預設評估周期與標準精度，基于所述評估周期判斷所述矯正器是否達到標準精度；
3.根據(jù)權利要求1或2所述的傳感器系統(tǒng)的自愈方法，其矯正器。特征在于，通過回歸模型或神經(jīng)網(wǎng)絡構建所述矯正器，設定回歸模型或神經(jīng)網(wǎng)絡作為矯正器，輸入為所述錯誤值，目標輸出為準確的物理量，，其中為通過矯正器生成的預測值。
4.根據(jù)權利要求3所述的傳感器系統(tǒng)的自愈方法，其特征在于，訓練過程需要標記數(shù)據(jù)和實時采集所述錯誤值作為目標輸出與目標輸入，訓練模型則為：，其中為樣本數(shù)量，是矯正器生成的預測值，是實際的物理量值，是矯正器參數(shù)；
5.根據(jù)權利要求4所述的傳感器系統(tǒng)的自愈方法，其特征在于，設定所述標準精度為，...
【專利技術屬性】
技術研發(fā)人員：劉振中，董云，肖勇，
申請(專利權)人：寧波智能制造技術研究院有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。