考虑传感器退化的多传感器测量不确定性抑制方法及系统与流程

摘要: 本发明涉及传感器校准与测量不确定性抑制,并且更具体地,涉及一种考虑传感器退化的多传感器测量不确定性抑制方法及系统。背景技术:1、随着物联网技术的快速发展,传感器...
考虑传感器退化的多传感器测量不确定性抑制方法及系统与流程

本发明涉及传感器校准与测量不确定性抑制,并且更具体地,涉及一种考虑传感器退化的多传感器测量不确定性抑制方法及系统。

背景技术:

1、随着物联网技术的快速发展,传感器多点测量系统已广泛应用于电力、工业、交通、环境监测等领域。现有传感器校准技术主要存在以下核心缺陷:

2、(1)以离线抽检为主,无法实现在线实时校准,存在校准周期长、覆盖率低、无法及时发现传感器退化和故障的问题。

3、(2)现有少数在线校准方法大多依赖系统的物理拓扑架构(如台区总表-分表的能量守恒约束),当系统拓扑发生变化时,校准方法失效,且无法应用于无明确拓扑关系的传感器网络。

4、(3)现有校准方法忽略了传感器退化及退化过程对环境的依赖性,忽略了温度、湿度、负载率、电压波动等环境因素对退化速率的影响,导致校准精度不足。

5、(4)现有技术大多只关注传感器确定性误差(偏置、增益)的修正,没有对测量结果的不确定性进行系统性量化和抑制,无法为上层决策提供可靠的置信度评估。

6、因此,迫切需要一种不依赖物理拓扑架构、充分考虑环境退化影响、能够同时实现测量不确定性量化与抑制的多传感器在线校准方法。

技术实现思路

1、针对上述问题,本发明提出了一种考虑传感器退化的多传感器测量不确定性抑制方法,包括:

2、针对传感器,构建通用环境-退化映射基线模型库,基于环境-退化映射基线模型库,构建环境-退化模型,采集传感器的初始参数,并基于所述初始参数初始化所述环境-退化模型,并设定系统校准触发阈值;

3、实时采集传感器的同步测量数据及对应位置的环境数据,根据所述同步测量数据及对应位置的环境数据,将传感器的总测量不确定性,分解为独立分量,基于所述独立分量计算出传感器的环境暴露累积量;

4、所述独立分量,包括:固有随机不确定性、环境瞬时干扰不确定性和环境累积退化不确定性;

5、采用贝叶斯层次模型更新的环境-退化模型,基于所述独立分量和所述环境暴露累积量,预测出传感器未来的退化趋势,根据所述退化趋势以及基于传感器运行环境相似性对传感器的聚类结果,构建各环境组的群体退化基准模型,基于所述各环境组的群体退化基准模型对传感器异常进行识别;

6、基于所述设定系统校准触发阈值,确定识别结果是否满足预设的校准触发条件,若识别结果满足预设的校准触发条件,构建融合个体退化预测先验信息与环境退化一致性约束的优化目标函数;

7、求解所述优化目标函数,得到传感器的校准参数更新值,并根据传感器的实时不确定性水平与个体退化偏差,动态调整传感器在全局校准中的贡献度以进行传感器的校准,所述校准即对传感器测量不确定性的抑制。

8、可选的,基于同批次、同型号传感器的全生命周期加速老化实验数据,构建通用环境-退化映射基线模型库,所述通用环境-退化映射基线模型库,用于描述关键环境因子与传感器增益退化速率、偏置退化速率之间的非线性映射关系。

9、可选的,环境累积退化不确定性是由环境长期作用导致的传感器性能退化引起的,环境累积退化不确定性的大小与传感器的环境暴露累积量正相关。

10、可选的,通过对各环境因子的加权积分计算得到所述环境暴露累积量;

11、其中,加权积分计算的权重系数由加速老化实验数据确定。

12、可选的,聚类特征,包括:温度、湿度、负载率和电压波动的统计特征。

13、可选的,环境退化一致性约束,包括:

14、同一环境组内的任意两个传感器,其退化参数的比值近似等于其环境暴露累积量的比值。

15、可选的,动态调整贡献度,包括:传感器在全局校准中的权重与其实时总测量不确定性的平方成反比,且与其个体退化偏差的平方成反比。

16、可选的,预设的校准触发条件包括以下任意一种:

17、任意一个传感器的总测量不确定性超过预设阈值;

18、任意一个环境组的群体退化一致性偏差超过预设阈值;

19、环境突变超过预设阈值;

20、到达预设的定期校准时间。

21、可选的,方法还包括:

22、对校准结果进行无标准源自验证,若验证通过,则更新传感器的校准参数、不确定性指标及所述环境-退化模型,否则重新执行校准。

23、可选的,无标准源自验证,包括:

24、计算校准前后的单表测量不确定性降低率和环境组内群体退化一致性提升率;

25、采用留一法交叉验证,依次将每个传感器作为验证集,比较其校准后参数与预测参数的偏差。

26、再一方面,本发明还提出了一种考虑传感器退化的多传感器测量不确定性抑制系统,包括:

27、初始化模块,用于针对传感器,构建通用环境-退化映射基线模型库,基于环境-退化映射基线模型库,构建环境-退化模型,采集传感器的初始参数,并基于所述初始参数初始化所述环境-退化模型,并设定系统校准触发阈值;

28、实时计算模块,用于实时采集传感器的同步测量数据及对应位置的环境数据,根据所述同步测量数据及对应位置的环境数据,将传感器的总测量不确定性,分解为独立分量,基于所述独立分量计算出传感器的环境暴露累积量;

29、所述独立分量,包括:固有随机不确定性、环境瞬时干扰不确定性和环境累积退化不确定性;

30、识别模块,用于采用贝叶斯层次模型更新的环境-退化模型,基于所述独立分量和所述环境暴露累积量,预测出传感器未来的退化趋势,根据所述退化趋势以及基于传感器运行环境相似性对传感器的聚类结果,构建各环境组的群体退化基准模型,基于所述各环境组的群体退化基准模型对传感器异常进行识别;

31、判断模块,用于基于所述设定系统校准触发阈值,确定识别结果是否满足预设的校准触发条件,若识别结果满足预设的校准触发条件,构建融合个体退化预测先验信息与环境退化一致性约束的优化目标函数;

32、求解模块,用于求解所述优化目标函数,得到传感器的校准参数更新值,并根据传感器的实时不确定性水平与个体退化偏差,动态调整传感器在全局校准中的贡献度以进行传感器的校准,所述校准即对传感器测量不确定性的抑制。

33、可选的,系统还包括:验证模块,用于对校准结果进行无标准源自验证,若验证通过,则更新传感器的校准参数、不确定性指标及所述环境-退化模型,否则重新执行校准。

34、再一方面,本发明还提供了一种计算设备,包括:一个或多个处理器;

35、处理器,用于执行一个或多个程序;

36、当所述一个或多个程序被所述一个或多个处理器执行时,实现如上述所述的方法。

37、再一方面,本发明还提供了一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现如上述所述的方法。

38、与现有技术相比,本发明的有益效果为:

39、本发明提供了一种考虑传感器退化的多传感器测量不确定性抑制方法,包括:针对传感器,构建通用环境-退化映射基线模型库,基于环境-退化映射基线模型库,构建环境-退化模型,采集传感器的初始参数,并基于所述初始参数初始化所述环境-退化模型,并设定系统校准触发阈值;实时采集传感器的同步测量数据及对应位置的环境数据,根据所述同步测量数据及对应位置的环境数据,将传感器的总测量不确定性,分解为独立分量,基于所述独立分量计算出传感器的环境暴露累积量;所述独立分量,包括:固有随机不确定性、环境瞬时干扰不确定性和环境累积退化不确定性;采用贝叶斯层次模型更新的环境-退化模型,基于所述独立分量和所述环境暴露累积量,预测出传感器未来的退化趋势,根据所述退化趋势以及基于传感器运行环境相似性对传感器的聚类结果,构建各环境组的群体退化基准模型,基于所述各环境组的群体退化基准模型对传感器异常进行识别;基于所述设定系统校准触发阈值,确定识别结果是否满足预设的校准触发条件,若识别结果满足预设的校准触发条件,构建融合个体退化预测先验信息与环境退化一致性约束的优化目标函数;求解所述优化目标函数,得到传感器的校准参数更新值,并根据传感器的实时不确定性水平与个体退化偏差,动态调整传感器在全局校准中的贡献度以进行传感器的校准,所述校准即对传感器测量不确定性的抑制。本发明不依赖任何系统物理拓扑架构,可直接应用于任何同类传感器多点测量系统,部署成本低。