CN106706852B - 一种气体浓度传感器的标定方法和*** - Google Patents
一种气体浓度传感器的标定方法和*** Download PDFInfo
- Publication number
- CN106706852B CN106706852B CN201611226898.XA CN201611226898A CN106706852B CN 106706852 B CN106706852 B CN 106706852B CN 201611226898 A CN201611226898 A CN 201611226898A CN 106706852 B CN106706852 B CN 106706852B
- Authority
- CN
- China
- Prior art keywords
- sensor
- gas
- regression model
- concentration
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000001514 detection method Methods 0.000 claims abstract description 80
- 230000004044 response Effects 0.000 claims abstract description 72
- 238000012360 testing method Methods 0.000 claims abstract description 64
- 230000007613 environmental effect Effects 0.000 claims abstract description 51
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 238000007689 inspection Methods 0.000 claims abstract description 10
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000007599 discharging Methods 0.000 claims 1
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 11
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 231100000673 dose–response relationship Toxicity 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 2
- 239000004810 polytetrafluoroethylene Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000011734 sodium Substances 0.000 description 2
- 229910000029 sodium carbonate Inorganic materials 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004847 absorption spectroscopy Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012888 cubic function Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- -1 polytetrafluoroethylene Polymers 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000012047 saturated solution Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明实施例公开了一种气体浓度传感器的标定方法和***,该方法包括:控制检测环境设备,在检测环境中形成各浓度值的样本气体,其中,浓度值均位于传感器的量程范围内;采集各浓度点对应的传感器的输出响应和检测环境参数,将输出响应和检测环境参数,与各浓度点的浓度值一一对应,构成采样数据对;从采样数据对中选取第一阈值数量的数据对作为回归数据,并选取第二阈值数量的数据对作为测试数据;调用算法库中的算法对回归数据进行处理,根据确定的回归模型参数生成回归模型;将测试数据输入回归模型进行检验,判断检验结果满足预设条件时,则保存回归模型参数和回归模型;根据回归模型和回归模型参数标定传感器。提高了传感器测量准确度。
Description
技术领域
本发明实施例涉及传感器技术领域,尤其涉及一种气体浓度传感器的标定方法和***。
背景技术
气体传感器一般是指能够将气体的被测量信息,如体积分数浓度,按一定规律转化为某种可用信号并输出的器件或装置。气体传感器都有其性能最佳的工作范围,通常是在对应气体ppm级的体积分数,在这个范围内多数气体传感器可以保持其良好的响应一致性和区分度水平。而在某些条件下,如ppb级低浓度气体,受工艺以及成本的制约,响应的一致性和区分度水平会急剧恶化,从而降低了气体传感器在局部量程范围的可用性。因而在许多场景,较低气体浓度的测量不得不采用更精密的方案和仪器,测量成本也大大提升
我国各大城市目前大多采用固定式大气环境监测***,对城市空气污染物浓度进行监测。资料显示,大气污染中多种污染物浓度等级按体积分数折算处于ppb量级,因而测量手段大多选择依托精密仪器的化学发光法、差分吸收光谱法等。现有的固定监测站方案,尽管拥有很高的准确度,但成本高、覆盖低、空间分辨率差的缺点也逐渐凸显。此外,现有技术中提出采用数量更多、单位成本更低、甚至是移动场景下的分布式节点进行空气质量监测的***和方案,从而在总体成本一定的条件下,实现空间覆盖率和分辨率的大幅度提升。此类方法的优点在于低成本气体传感器响应的可靠性,而大气污染的低浓度特点,是制约现有相应种类气体传感器性能发挥的关键。
发明内容
有鉴于此,本发明提出一种气体浓度传感器的标定方法和***,标定后的气体浓度传感器实现了对低浓度条件下气体浓度的测量,提高了气体浓度传感器测量的准确度。
第一方面,本发明实施例提供了一种气体浓度传感器的标定方法,该方法包括:
控制检测环境设备,在检测环境中形成具有各浓度点的浓度值的样本气体,其中,浓度值均位于所述传感器的量程范围内;
采集各浓度点对应的传感器的输出响应和检测环境参数,将所述输出响应和检测环境参数,与所述各浓度点的浓度值一一对应,构成采样数据对;
从所述采样数据对中选取第一阈值数量的数据对作为回归数据,并选取第二阈值数量的数据对作为测试数据;
调用算法库中的算法对所述回归数据进行处理,确定回归模型参数,根据所述回归模型参数生成回归模型;
将所述测试数据输入所述回归模型进行检验,判断检验结果是否满足预设条件,若是,则保存所述回归模型参数和回归模型;
根据所述回归模型和所述回归模型参数对传感器进行标定。
进一步的,所述传感器的输出响应包括电压值和/或电流值;所述检测环境参数包括所述样本气体和/或所述检测环境的温度值和湿度值。
进一步的,调用算法库中的算法对所述回归数据进行处理,确定回归模型参数,根据所述回归模型参数生成回归模型包括:
根据算法库中的每个算法生成对应的回归模型和回归模型对应的返回函数y=fk(x,Pk),其中,y代表所述样本气体各浓度点的浓度值,x代表传感器的输出响应和检测环境参数,Pk为算法k对应的回归模型参数。
进一步的,所述算法库中的算法包括:分段插值类算法、函数拟合类算法和非参数回归算法。
第二方面,本发明实施例提供了一种气体浓度传感器的标定***,该***包括:
检测环境设备,用于形成检测环境中,所述检测环境中形成具有各浓度点的浓度值的样本气体,其中,浓度值均位于所述传感器的量程范围内;
采集模块,用于采集各浓度点对应的传感器的输出响应和检测环境参数,将所述输出响应和检测环境参数,与所述各浓度点的浓度值一一对应,构成采样数据对;
计算模块,用于从所述采样数据对中选取第一阈值数量的数据对作为回归数据,并选取第二阈值数量的数据对作为测试数据;调用算法库中的算法对所述回归数据进行处理,确定回归模型参数,根据所述回归模型参数生成回归模型;将所述测试数据输入所述回归模型进行检验,判断检验结果是否满足预设条件,若是,则保存所述回归模型参数和回归模型;
标定模块,用于根据所述回归模型和所述回归模型参数对传感器进行标定。
进一步的,所述传感器的输出响应包括电压值和/或电流值;所述检测环境参数包括所述样本气体和/或所述检测环境的温度值和湿度值。
进一步的,所述计算模块具体用于:
根据算法库中的每个算法生成对应的回归模型和回归模型对应的返回函数y=fk(x,Pk),其中,y代表所述样本气体各浓度点的浓度值,x代表传感器的输出响应和检测环境参数,Pk为算法k对应的回归模型参数。
进一步的,所述算法库中的算法包括:分段插值类算法、函数拟合类算法和非参数回归算法。
进一步的,所述检测环境设备包括:
供气模块,包括标准气源、配气装置以及辅助调节器,用于提供具有标准浓度和设定湿度的气体;
气路模块,包括气管、一分多分气接头、传感器响应气室和流量计,所述传感器响应气室用于提供封闭空间,放置所述传感器,所述气管和一分多分气接头与所述供气模块相连,用于将所述供气模块提供的气体输送至所述传感器响应气室,所述流量计设置在气路模块首尾,用于显示当前气路的气体流量;
排气模块,包括气管和过滤装置,与所述气路模块相连,用于对气体过滤后进行排放。
进一步的,所述采集模块包括:
与传感器耦合的硬件电路以及多合一数据集线器,用于为传感器供电,采集并传输所述传感器的输出响应以及检测环境参数。
控制检测环境设备,在检测环境中形成具有各浓度点的浓度值的样本气体,其中,浓度值均位于所述传感器的量程范围内;采集各浓度点对应的传感器的输出响应和检测环境参数,将所述输出响应和检测环境参数,与所述各浓度点的浓度值一一对应,构成采样数据对;从所述采样数据对中选取第一阈值数量的数据对作为回归数据,并选取第二阈值数量的数据对作为测试数据;调用算法库中的算法对所述回归数据进行处理,确定回归模型参数,根据所述回归模型参数生成回归模型;将所述测试数据输入所述回归模型进行检验,判断检验结果是否满足预设条件,若是,则保存所述回归模型参数和回归模型;根据所述回归模型和所述回归模型参数对传感器进行标定。
本发明实施例通过控制检测设备形成具有各浓度点的浓度值的样本气体,采集各浓度点对应的传感器的输出响应和检测环境参数,并将所输出响应和检测环境参数一一对应构成采样数据对,根据采样数据对中的回归数据生成回归模型,将采样数据对中的测试数据输入回归模型进行检验,利用满足预设条件的回归模型对传感器进行标定。标定后的气体浓度传感器实现了对低浓度条件下气体浓度的测量,提高了气体浓度传感器测量的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是本发明实施例一中的一种气体浓度传感器的标定方法的流程图;
图2是本发明实施例二中的一种气体浓度传感器的标定方法的流程图;
图3是本发明实施例三中的一种气体浓度传感器的标定***的结构示意图;
图4是本发明实施例中的一种二氧化硫传感器浓度响应回归曲线;
图5是本发明实施例中的一种二氧化硫传感器浓度响应回归曲线;
图6是本发明实施例中的一种二氧化硫传感器浓度响应回归曲线;
图7a是本发明实施例中的三种回归方法性能对比的绝对误差图;
图7b是本发明实施例中的三种回归方法性能对比的相对误差图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种气体浓度传感器的标定方法的流程图。该方法应用于测量气体浓度的传感器,适用于对气体浓度进行测量的情况,该方法可以由气体浓度传感器的标定***来执行,该***可以由软件和/或硬件方式来实现。该方法具体包括:
S110、控制检测环境设备,在检测环境中形成具有各浓度点的浓度值的样本气体,其中,浓度值均位于所述传感器的量程范围内。
具体的,开启检测环境设备,检测环境设备包括供气模块、气路模块和排气模块,完成各个模块内组件以及模块之间的连接,检查气路各处的气密性,确认信号正常传输。供气模块用于提供具有标准浓度和设定湿度的气体;气路模块用于将供气模块提供的气体进行输送以及对气体流量和浓度进行监测。控制检测环境设备,在检测环境中产生具有各浓度点的浓度值的样本气体。优选的,样本气体选用二氧化硫(SO2)气体,设置调节流量为600ml/min,检测环境可以将温度控制在24℃到28℃之间,排气过滤采用碳酸钠(Na2CO3)。可选的,确定传感器的量程[ymin,ymax],传感器的量程可以是出厂时设定的量程,也可以是根据测量要求设定的出厂量程区间内的一个子区间作为量程,其中ymin和ymax分别为传感器量程的最小值和最大值。同时,根据精度要求形成各浓度点的浓度值的集合,记为Y,Y={y1,y2…yk},其中,样本气体的浓度值满足ymin≤y1<y2<…<yk≤ymax,各浓度值位于传感器的量程范围内,对各浓度值的具体大小不做限定。精度要求可以根据传感器要测量的气体浓度范围决定。
示例性的,样本气体以SO2为例,传感器工作条件多为常温常湿条件下的户外大气污染物测量,常温常湿条件一般是指温度20±15℃,相对湿度65±20%rh。气体传感器量程设置为ymin=0ppb,ymax=700ppb,可以设置浓度点集合Y={0,30,50,70,100,130,150,170,200,240,300,360,400,480,540,600,700},各浓度点浓度值单位均为ppb,其中,ppb是一个无量纲量,是按样本气体的体积分数计算得到,1ppb=10-9,即为十亿分之一。
S120、采集各浓度点对应的传感器的输出响应和检测环境参数,将所述输出响应和检测环境参数,与所述各浓度点的浓度值一一对应,构成采样数据对。
具体的,对于每一个样本气体的浓度值yi∈Y(i=1、2、3…),供气模块让气路模块中的气体浓度达到稳定,从而传感器的输出达到稳定。当传感器的响应达到稳定阶段后,传感器对样本气体进行响应,采集各浓度点的浓度值对应的传感器的输出响应和检测环境参数。对于每个浓度值yi∈Y,对应产生一系列的响应点{xi,1,xi,2…xi,ni},ni代表响应点的采样点数,其中,每个采样点用xi,c(1≤c≤ni)表示,当浓度值不同时,产生的响应点不同。示例性的,当i取2时,浓度值y2对应的响应点为{x2,1,x2,2…x2,n2};i取4时,浓度值y4对应的响应点为{x4,1,x4,2…x4,n4}。其中,xi,c(c为整数且1≤c≤ni)可以是一元变量,也可以是多元变量,当xi,c是一元变量时,代表浓度值yi有一组响应点,该组响应点可以是电压或电流等输出响应中的一种;或者可以是传感器输出响应的函数,示例性的,该组输出响应可以是传感器两个电极的输出电流,此时两个电极的输出电流构成二元变量,但是可以对两个电极的输出电流求其加权和,结果转化为为一元变量,后续直接对该一元变量进行处理。当xi,c是多元变量时,代表浓度值yi有多组相应点,该响应点可以是电压或电流等输出响应、输出响应的函数以及温度或湿度检测环境参数中的一种或多种,其中输出响应的函数,可以是对传感器多个电极输出的电压或电流进行加权运算得到的结果。多元变量的表达形式可以是xi,c=[xi,c (1),xi,c (2)…xi,c (s)]T,其中,s代表响应的种类,示例性的,xi,c (1)代表浓度值yi下的电流响应,xi,c (2)代表浓度值yi下的温度。
将同一浓度值下传感器的输出响应和检测环境参数,与该浓度点的浓度值一一对应,构成采样数据对,其中,每个采样数据对中包括浓度值以及该浓度值下的传感器的输出响应和检测环境参数。
可选的,所述传感器的输出响应包括电压值和/或电流值;所述检测环境参数包括所述样本气体和/或所述检测环境的温度值和湿度值。
其中,传感器的输出响应可以是电压值和/或电流值,示例性的,在浓度值为y2且y2=0.06ppb以及s=4的条件下,{x2,1 (1),x2,2 (1)…x2,n2 (1)}为一组电流响应,各电流响应单位为安培(A),电流采样点数为n2;{x2,1 (2),x2,2 (2)…x2,n2 (2)}为一组电压响应,各电压响应单位为伏特(V),电压采样点数为n2;{x2,1 (3),x2,2 (3)…x2,n2 (3)}为一组温度测量值,各温度测量值单位为摄氏度(℃),温度采样点数为n2;{x2,1 (4),x2,2 (4)…x2,n2 (4)}为一组相对湿度测量值,相对湿度测量值单位为百分之一,相对湿度采样点数为n2。对各采样点数的具体数值不做限定,采样点数越多,传感器的标定结果准确度越高。
S130、从所述采样数据对中选取第一阈值数量的数据对作为回归数据,并选取第二阈值数量的数据对作为测试数据。
具体的,第一阈值记为n,第二阈值记为m,从采样数据对中选取数量为m的数据对作为回归数据,回归数据浓度点集合记为Yr,Yr={yr1,yr2,…,yrn},其中,集合Yr中浓度点数量为n,示例性的,当n取10时,Yr={yr1,yr2,…,yr10};从采样数据对中选取数量为m的数据对作为测试数据,测试数据浓度点集合记为Yt,Yt={yt1,yt2,…,ytm},其中,集合Yt中浓度点的数量为m,示例性的,当m取8时,Yt={yt1,yt2,…,yt8},满足Y=Yr∪Yt,即,回归数据浓度点集合与测试数据浓度点集合的并集中为所有的样本浓度值。其中,m和n可以相同也可以不同,回归数据中的数据对和测试数据中的数据对可以有相同的数据对,也可以互不相同,由对回归数据进行处理时应用的模型有关。示例性的,当样本浓度值集合Y={0,30,50,70,100,130,150,170,200,240,300,360,400,480,540,600,700}时,令回归数据浓度点集合Yr={0,50,100,150,200,300,400,540,700},测试数据浓度点集合Yt={30,70,130,170,240,360,480,600}。各数据集合中还包括相应浓度下的传感器的输出响应和检测环境参数。
S140、调用算法库中的算法对所述回归数据进行处理,确定回归模型参数,根据所述回归模型参数生成回归模型。
具体的,回归模型是对统计关系进行定量描述的一种数学模型,回归分析是研究一个变量(因变量)关于另一个或几个变量(自变量/回归变量)的具体依赖关系的计算方法和理论。回归分析从一组样本数据出发,确定变量之间的数学关系式,对这些关系式的可信程度进行各种统计检验,并从影响某一特定变量的诸多变量中找出哪些变量的影响显著,哪些不显著。利用所求的关系式,根据一个或几个变量的取值来预测或控制另一个特定变量的取值,并给出这种预测或控制的精确程度。在本发明实施例提供的气体浓度传感器的标定方法中,以回归数据作为样本数据出发,确定传感器的输出响应和样本气体浓度值之间的关系,该关系用回归模型参数限定,根据回归模型参数确定回归模型。
S150、将所述测试数据输入所述回归模型进行检验,判断检验结果是否满足预设条件,若是,则保存所述回归模型参数和回归模型。
具体的,将测试数据浓度点Yt={yt1,yt2,…,ytm}作为自变量输入回归模型进行回归误差的检验,回归误差可以分为绝对误差和相对误差。绝对误差(Absolute Error,AE)和相对误差(Relative Error,RE)是用来衡量一种方法的回归性能。绝对误差用来衡量测试点的浓度值输入回归模型后得到的回归计算值与测试点的浓度值输入传感器的响应输出的真实值的绝对数值差距;相对误差为绝对误差与真实值之比,来描述绝对误差对该浓度位置的影响大小。数学表达如下:绝对误差:AE=y-yTrue;相对误差:RE=100%×(y-yTrue)/yTrue,其中,y为测试点的浓度值输入回归模型后得到的回归计算值,yTrue为测试点的浓度值输入传感器的响应输出的真实值。可选的,预设条件记为R1和R2,在预设条件R1中,按照绝对误差或相对误差对多个回归模型的计算结果进行排序,选出满足预设条件R1的回归模型。示例性的,预设条件R1可以设置为“300ppb以下测试浓度点处绝对误差的绝对值值最小,相对误差不超过10%”;预设条件R2可以是根据传感器的应用场景设定的,示例性的,预设条件R2可以设置为“传感器达到200ppb以下浓度的平均绝对误差不超过±15ppb”。选取Yt中300ppb以内的浓度点,即30ppb、75ppb、130ppb、170ppb、240ppb,首先根据预设条件R1按平均绝对误差计算并比较各个模型在上述浓度点处的误差水平,选择出符合条件的一个或几个模型,并根据预设条件R2中对传感器应用场景的要求进一步进行判断,筛选最优的一个模型作为回归模型保存。
S160、根据所述回归模型和所述回归模型参数对传感器进行标定。
具体的,根据回归模型和回归模型参数进行标定,标定是指确定仪器或测量***的输入变量和输出变量之间的关系,给定仪器或测量***的分度值。利用确定的回归模型以及回归模型参数,对传感器进行标定。回归模型不同,标定结果也不同,标定结果的输入变量和输出变量之间的关系可以是线性关系、二次函数的关系和三次函数的关系等。
本发明实施例通过控制检测设备形成具有各浓度点的浓度值的样本气体,采集各浓度点对应的传感器的输出响应和检测环境参数,并将所输出响应和检测环境参数一一对应构成采样数据对,根据采样数据对中的回归数据生成回归模型,将采样数据对中的测试数据输入回归模型进行检验,利用满足预设条件的回归模型对传感器进行标定。标定后的气体浓度传感器实现了对低浓度条件下气体浓度的测量,提高了气体浓度传感器测量的准确度。
实施例二
图2是本发明实施例二提供的一种气体浓度的标定方法的流程图,本实施例在上述实施例的基础上进行了优化,对“调用算法库中的算法对所述回归数据进行处理,确定回归模型参数,根据所述回归模型参数生成回归模型”进行了优化,具体包括以下步骤:
S210、控制检测环境设备,在检测环境中形成具有各浓度点的浓度值的样本气体,其中,浓度值均位于所述传感器的量程范围内。
S220、采集各浓度点对应的传感器的输出响应和检测环境参数,将所述输出响应和检测环境参数,与所述各浓度点的浓度值一一对应,构成采样数据对。
S230、从所述采样数据对中选取第一阈值数量的数据对作为回归数据,并选取第二阈值数量的数据对作为测试数据。
S240、根据算法库中的每个算法生成对应的回归模型和回归模型对应的返回函数y=fk(x,Pk),其中,y代表所述样本气体各浓度点的浓度值,x代表传感器的输出响应和检测环境参数,Pk为算法k对应的回归模型参数。
具体的,算法库中包含若干个算法,针对每个算法分别生成对应的回归模型和回归模型对应的返回函数y=fk(x,Pk),其中,y代表样本气体各浓度点的浓度值,可选的,y还可以是样本气体的体积分数。f代表输出变量和输入变量之间的映射关系,Pk为算法k对应的回归模型参数,fk为算法k对应的映射关系,由回归数据计算得到。示例性的,当使用二次函数算法计算回归模型时,y=fk(x,Pk)=ax2+bx+c,Pk={a,b,c},a=ga(S),b=gb(S),c=gc(S),g为算法中用于计算回归模型参数的函数,S表示回归数据的集合,其中S={(xi,c,yi)|1≤c≤ni,yi∈Yr}。
可选的,所述算法库中的算法包括:分段插值类算法、函数拟合类算法和非参数回归算法。
具体的,算法库中的算法可以分段插值类算法、函数拟合类算法和非参数回归算法。分段插值类算法中,对于回归点中的各浓度点,yi∈Yr,将各个浓度点yi上的输出响应的各采样值xi,c的均值求出,运用(xi,yi)作分段插值节点。分段插值方法具体包括:分段线性插值、三次多项式插值、三次样条插值等。
函数拟合类算法具体为,对于量程范围内yi∈Yr,将各个浓度点yi上采样xi,c的均值求出,将(xi,yi)在形式上写作Y=Xw,w为将要计算的模型参数,可根据最小二乘方法求解,统一采用w=(XTX)-1XTY求解。函数拟合类算法的函数形式包括:二次多项式拟合、三次多项式拟合、圆锥曲线拟合等。
非参数回归算法具体为,不预先设定回归函数的形式,借助回归数据以及核函数完成对传感器响应的回归分析。对于量程范围内yi∈Yr,将最终的回归函数写成加权和的形式,其中权重Wi(x)由yi对应的采样数据{xi,1,xi,2…xi,ni}以及核函数的选择决定。可用的非参数回归方法包括:核估计、局部多项式估计、最近邻估计、样条估计、小波估计等。
S250、将所述测试数据输入所述回归模型进行检验,判断检验结果是否满足预设条件,若是,则保存所述回归模型参数和回归模型。
S260、根据所述回归模型和所述回归模型参数对传感器进行标定。
本发明实施例中,通过对调用算法库中的算法对回归数据进行处理,生成对应回归模型和回归模型参数的返回函数,确定回归模型,应用多个算法生成多个回归模型以及多组回归模型参数,以方便对多个回归模型的处理效果进行检验和对比,确定符合要求的回归模型。
实施例三
图3是本发明实施例三提供的一种气体浓度传感器的标定***的结构示意图,该***具体包括:
检测环境设备310,用于形成检测环境中,所述检测环境中形成具有各浓度点的浓度值的样本气体,其中,浓度值均位于所述传感器的量程范围内;
采集模块320,用于采集各浓度点对应的传感器的输出响应和检测环境参数,将所述输出响应和检测环境参数,与所述各浓度点的浓度值一一对应,构成采样数据对;
计算模块330,用于从所述采样数据对中选取第一阈值数量的数据对作为回归数据,并选取第二阈值数量的数据对作为测试数据;调用算法库中的算法对所述回归数据进行处理,确定回归模型参数,根据所述回归模型参数生成回归模型;将所述测试数据输入所述回归模型进行检验,判断检验结果是否满足预设条件,若是,则保存所述回归模型参数和回归模型;
标定模块340,用于根据所述回归模型和所述回归模型参数对传感器进行标定。
具体的,控制气体浓度传感器的整个标定过程所处的检测环境应与标定完成后传感器的应用场景保持一致,检测环境包括温度、湿度和气体的流速和流量等。控制检测环境设备310、采集模块320、计算模块330和标定模块340的气路使用低吸附的管材,可选的,低吸附的管材可以是聚四氟乙烯。现对整个标定***的工作过程进行阐述:首先是对各模块的内部装置进行预热,确认各模块内部电路的连接,检查检测环境设备的气密性,调节检测环境的温度和湿度;然后根据采样数据对确定回归模型,根据回归模型对传感器进行标定。
进一步的,所述传感器的输出响应包括电压值和/或电流值;所述检测环境参数包括所述样本气体和/或所述检测环境的温度值和湿度值。
进一步的,计算模块330具体用于:根据算法库中的每个算法生成对应的回归模型和回归模型对应的返回函数y=fk(x,Pk),其中,y代表所述样本气体各浓度点的浓度值,x代表传感器的输出响应和检测环境参数,Pk为算法k对应的回归模型参数,fk为算法k对应的映射关系。
进一步的,所述算法库中的算法包括:分段插值类算法、函数拟合类算法和非参数回归算法。
进一步的,检测环境设备310包括:
供气模块311,包括标准气源、配气装置以及辅助调节器,用于提供具有标准浓度和设定湿度的气体;
气路模块312,包括气管、一分多分气接头、传感器响应气室和流量计,所述传感器响应气室用于提供封闭空间,放置所述传感器,所述气管和一分多分气接头与所述供气模块相连,用于将所述供气模块提供的气体输送至所述传感器响应气室,所述流量计设置在气路模块首尾,用于显示当前气路的气体流量;
排气模块313,包括气管和过滤装置,与所述气路模块相连,用于对气体过滤后进行排放。
具体的,供气模块311用于提供具有标准浓度和设定湿度的气体,标准气源用来产生标准浓度的气体,优选的,标准气源可以由标准气瓶获得,由于配器装置输出的气体是干燥的,可以使用广口瓶进行加湿,如果气体与水发生化学反应或者易溶于水,广口瓶中的液体可采用阻止气体反应或溶解的饱和溶液,如加湿SO2气体可采用饱和Na2SO4溶液。辅助调节器用来调节气体的浓度和湿度至标准浓度和设定湿度。供气模块311将气体传输至气路模块312。
气路模块312中,气管接收供气模块311提供的标准浓度和设定湿度的气体,一分多分气接头,将供气模块分为多路输出至传感器响应气室,气室内表面按照传感器形状贴合设计,传感器的反应表面上方已留出规则空间,传感器的接触面采用橡胶垫圈密封,可选的,传感器与电路板之间采用螺丝紧固,整体确保气密性。气路模块312的首尾均放置简易流量计,用于显示当前气路的气体流量,可选的,气体流量可以控制在600ml/min,通过气路首尾均放置简易流量计,通过气路首尾的流量显示状态来检查气路的气密性,并根据流量显示状态实现供气模块311对气体浓度的调节。
排气模块313中,在气体通过气路模块后,会通过过滤装置进行处理后再排出,可选的,可以使用Na2CO3溶液吸收酸性气体后再排放。
进一步的,采集模块320包括:
与传感器耦合的硬件电路以及多合一数据集线器,用于为传感器供电,采集并传输所述传感器的输出响应以及检测环境参数。
具体的,传感器耦合在电路板上,电路板包括相关的采集和放大电路,多合一数据集线器可以汇集多块电路板的输出接口,将电路板的采集数据传输给计算模块330。计算模块330实时接收回归数据和测试数据并将其进行显示,并将回归数据和测试数据在计算机本地形成数据文件,然后对回归数据进行回归分析生成回归模型,将回归模型和模型参数发送给采集模块的硬件电路。
本发明实施例提供的一种气体浓度传感器的标定***可执行本发明任意实施例所提供气体浓度传感器的标定方法,具备执行方法相应的功能模块和有益效果。
示例性的,为了使方案的表述易于理解,在上述实施例的基础上,以SO2为例,气体浓度传感器量程设置为ymin=0ppb,ymax=700ppb,选取样本气体浓度值集合Y={0,30,50,70,100,130,150,170,200,240,300,360,400,480,540,600,700}时,令回归数据浓度点集合Yr={0,50,100,150,200,300,400,540,700},测试数据浓度点集合Yt={30,70,130,170,240,360,480,600}。分别采用分段插值算法中的三次多项式插值法、函数拟合类算法中的二次多项式拟合方法、非参数回归方法中的高斯核函数非参数回归方法对回归数据进行回归分析。图4、图5和图6分别为将上述三种方法应用二氧化硫气体中,形成的传感器浓度响应曲线,图4、图5和图6中,横坐标传感器响应的单位均为一个电压单位,纵坐标二氧化硫的浓度单位均为ppb。
图4为应用三次多项式插值方法获得的二氧化硫传感器浓度响应曲线图,符号410为该方法对应的回归模型对应的回归曲线,符号420代表回归数据浓度点集合Yr中的回归点的浓度值,符号430代表测试数据浓度点集合中Yt中的测试点的真实浓度值,符号440代表将测试数据浓度点集合Yt中的测试点的电压响应值带入回归曲线得到的测试点的计算浓度值。
图5为应用二次多项式拟合方法获得的二氧化硫传感器浓度响应曲线图,符号510为该方法对应的回归模型对应的回归曲线,符号520代表回归数据浓度点集合Yr中的回归点的浓度值,符号530代表测试数据浓度点集合中Yt中的测试点的真实浓度值,符号540代表将测试数据浓度点集合Yt中的测试点的电压响应值带入回归曲线得到的测试点的计算浓度值。
图6为应用高斯核函数的非参数回归方法获得的二氧化硫传感器浓度响应曲线图,符号610为该方法对应的回归模型对应的回归曲线,符号620代表回归数据浓度点集合Yr中的回归点的浓度值,符号630代表测试数据浓度点集合中Yt中的测试点的真实浓度值,符号640代表将测试数据浓度点集合Yt中的测试点的电压响应值带入回归曲线得到的测试点的计算浓度值。
通过图4、图5和图6可以看出,真实浓度值和计算浓度值的差值越小,说明回归曲线越准确。值得说明的是,在上述对图4、图5和图6的描述中,由于每个图中包含多组数据,只选用其中的部分数据进行描述,其他数据点的描述也不例外,这里不再赘述。为了使三种回归模型的性能效果对比更明显,将图4、图5和图6中的数据整理成表1和柱状图图7a和图7b的形式进行描述。
表1为三种方法在不同测试点浓度下的真实浓度值和计算浓度值的绝对误差和相对误差。图7a为绝对误差,图7b为相对误差,将表1的数据整理成柱状图使对比效果可视性更强。符号710a为三次多项式插值法中真实浓度值和测试浓度值的绝对误差,符号720a为二次多项式拟合法中真实浓度值和测试浓度值的绝对误差,符号730a为高斯核函数非参数回归方法中真实浓度值和测试浓度值的绝对误差;符号710b为三次多项式插值法中真实浓度值和测试浓度值的相对误差,符号720b为二次多项式拟合法中真实浓度值和测试浓度值的相对误差,符号730b为高斯核函数非参数回归方法中真实浓度值和测试浓度值的相对误差。图7a和图7b中浓度值的单位为ppb,绝对误差的单位为ppb,相对误差没有单位,是一个百分数。根据传感器应用场景的需要,预设条件R设为:300ppb以下测试浓度点处绝对误差的绝对值最小,相对误差不超过10%。从表1、图7a和图7b可以看出,三次多项式插值方法,在各个测试浓度点处,绝对误差优于二次多项式拟合1到10ppb不等,优于非参数回归方法1到13ppb不等;其相对误差优于二次多项式拟合1.5到26个百分点不等,优于非参数回归方法0.8到10个百分点不等。而且三次多项式插值方法在300ppb以下浓度范围,能将回归误差控制在3ppb以内,也满足“200ppb以下浓度的平均绝对误差不超过±15ppb”的传感器应用要求,故选择三次多项式插值方法作为传感器的“浓度-响应”回归模型。从而判断应用三次多项式插值方法得到的回归模型对传感器进行标定后,传感器的测量准确度更高。
表1三种回归计算方法性能对比
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种气体浓度传感器的标定方法,应用于测量气体浓度的传感器,其特征在于,包括:
控制检测环境设备,在检测环境中形成具有各浓度点的浓度值的样本气体,其中,浓度值均位于所述传感器的量程范围内;
采集各浓度点对应的传感器的输出响应和检测环境参数,将所述输出响应和检测环境参数,与所述各浓度点的浓度值一一对应,构成采样数据对;
从所述采样数据对中选取第一阈值数量的数据对作为回归数据,并选取第二阈值数量的数据对作为测试数据;
调用算法库中的算法对所述回归数据进行处理,确定回归模型参数,根据所述回归模型参数生成回归模型;
将所述测试数据输入所述回归模型进行检验,判断检验结果是否满足预设条件,若是,则保存所述回归模型参数和回归模型;
根据所述回归模型和所述回归模型参数对传感器进行标定。
2.根据权利要求1所述的方法,其特征在于,所述传感器的输出响应包括电压值和/或电流值;所述检测环境参数包括所述样本气体和/或所述检测环境的温度值和湿度值。
3.根据权利要求1所述的方法,其特征在于,调用算法库中的算法对所述回归数据进行处理,确定回归模型参数,根据所述回归模型参数生成回归模型包括:
根据算法库中的每个算法生成对应的回归模型和回归模型对应的返回函数y=fk(x,Pk),其中,y代表所述样本气体各浓度点的浓度值,x代表传感器的输出响应和检测环境参数,Pk为算法k对应的回归模型参数。
4.根据权利要求3所述的方法,其特征在于,所述算法库中的算法包括:分段插值类算法、函数拟合类算法和非参数回归算法。
5.一种气体浓度传感器的标定***,应用于测量气体浓度的传感器,其特征在于,包括:
检测环境设备,用于检测环境中,在所述检测环境中形成具有各浓度点的浓度值的样本气体,其中,浓度值均位于所述传感器的量程范围内;
采集模块,用于采集各浓度点对应的传感器的输出响应和检测环境参数,将所述输出响应和检测环境参数,与所述各浓度点的浓度值一一对应,构成采样数据对;
计算模块,用于从所述采样数据对中选取第一阈值数量的数据对作为回归数据,并选取第二阈值数量的数据对作为测试数据;调用算法库中的算法对所述回归数据进行处理,确定回归模型参数,根据所述回归模型参数生成回归模型;将所述测试数据输入所述回归模型进行检验,判断检验结果是否满足预设条件,若是,则保存所述回归模型参数和回归模型;
标定模块,用于根据所述回归模型和所述回归模型参数对传感器进行标定。
6.根据权利要求5所述的***,其特征在于,所述传感器的输出响应包括电压值和/或电流值;所述检测环境参数包括所述样本气体和/或所述检测环境的温度值和湿度值。
7.根据权利要求5所述的***,其特征在于,所述计算模块具体用于:
根据算法库中的每个算法生成对应的回归模型和回归模型对应的返回函数y=fk(x,Pk),其中,y代表所述样本气体各浓度点的浓度值,x代表传感器的输出响应和检测环境参数,Pk为算法k对应的回归模型参数。
8.根据权利要求7所述的***,其特征在于,所述算法库中的算法包括:分段插值类算法、函数拟合类算法和非参数回归算法。
9.根据权利要求5所述的***,其特征在于,所述检测环境设备包括:
供气模块,包括标准气源、配气装置以及辅助调节器,用于提供具有标准浓度和设定湿度的气体;
气路模块,包括气管、一分多分气接头、传感器响应气室和流量计,所述传感器响应气室用于提供封闭空间,放置所述传感器,所述气管和一分多分气接头与所述供气模块相连,用于将所述供气模块提供的气体输送至所述传感器响应气室,所述流量计设置在气路模块首尾,用于显示当前气路的气体流量;
排气模块,包括气管和过滤装置,与所述气路模块相连,用于对气体过滤后进行排放。
10.根据权利要求5所述的***,其特征在于,所述采集模块包括:
与传感器耦合的硬件电路以及多合一数据集线器,用于为传感器供电,采集并传输所述传感器的输出响应以及检测环境参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611226898.XA CN106706852B (zh) | 2016-12-27 | 2016-12-27 | 一种气体浓度传感器的标定方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611226898.XA CN106706852B (zh) | 2016-12-27 | 2016-12-27 | 一种气体浓度传感器的标定方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106706852A CN106706852A (zh) | 2017-05-24 |
CN106706852B true CN106706852B (zh) | 2019-09-27 |
Family
ID=58902824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611226898.XA Active CN106706852B (zh) | 2016-12-27 | 2016-12-27 | 一种气体浓度传感器的标定方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106706852B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108051544B (zh) * | 2017-11-28 | 2020-07-07 | 成都安可信电子股份有限公司 | 一种气体浓度变化曲线优化方法、优化***及显示方法 |
CN109580877A (zh) * | 2018-10-29 | 2019-04-05 | 北京英视睿达科技有限公司 | 保证环境监测设备监测数据可比性的方法及装置 |
CN109470824A (zh) * | 2018-12-18 | 2019-03-15 | 华南农业大学 | 一种乙烯浓度测量监控装置及其测量监控方法 |
CN109765338A (zh) * | 2018-12-29 | 2019-05-17 | 北京英视睿达科技有限公司 | 扩散性环境污染物监测设备的校正方法和***及更换方法 |
CN110243860B (zh) * | 2019-05-23 | 2021-07-20 | 西安科技大学 | 一种煤炭自燃预测方法 |
CN110726796A (zh) * | 2019-07-15 | 2020-01-24 | 山东五岳电器有限公司 | 用于变压器油色谱在线监测气体模型标定方法和***、监测器和监测方法 |
CN110763808B (zh) * | 2019-11-13 | 2022-06-14 | 山东多瑞电子科技有限公司 | 一种气体探测器出厂免标定的方法 |
CN110927338B (zh) * | 2019-12-04 | 2023-02-07 | 华北电力科学研究院有限责任公司 | 气体浓度数据补足方法及装置 |
CN111624302B (zh) * | 2020-04-30 | 2023-07-28 | 汉威科技集团股份有限公司 | 自动标定方法、气体检测装置、终端及可读存储介质 |
CN112903617B (zh) * | 2021-01-14 | 2022-10-25 | 杭州麦乐克科技股份有限公司 | 基于曲面拟合的二氧化碳气体传感器的标定方法及其*** |
CN112903758B (zh) * | 2021-01-21 | 2021-09-28 | 电子科技大学 | 一种气体传感器重叠分块温湿度智能自校准方法 |
CN113075264A (zh) * | 2021-03-30 | 2021-07-06 | 北京艾森泰科科技有限责任公司 | 通过传感器信号值拟合计算臭气浓度值的方法和装置 |
CN115792141B (zh) * | 2023-01-06 | 2023-05-02 | 广州兰泰仪器有限公司 | 一种提高水活度仪平衡检测效率的方法及*** |
CN116153425B (zh) * | 2023-02-24 | 2024-04-02 | 北京和利时工业软件有限公司 | 一种氨碳比软测量方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234883A (zh) * | 2013-04-30 | 2013-08-07 | 中南大学 | 一种基于道路交通流量实时估算中心城区pm2.5浓度的方法 |
CN103630588A (zh) * | 2013-12-16 | 2014-03-12 | 安徽理工大学 | 电化学瓦斯传感器的一种快速响应方法 |
CN105259212A (zh) * | 2015-10-19 | 2016-01-20 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种用于sf6分解产物检测的交叉干扰消除方法 |
CN105467072A (zh) * | 2014-08-01 | 2016-04-06 | 日电(中国)有限公司 | 一种空气污染物检测设备 |
CN105628752A (zh) * | 2014-11-28 | 2016-06-01 | 国网青海省电力公司电力科学研究院 | 一种电化学传感器的标定方法 |
CN105806898A (zh) * | 2016-03-10 | 2016-07-27 | 电子科技大学 | 一种用于气体传感器的气体浓度标定方法 |
CN106093134A (zh) * | 2016-05-31 | 2016-11-09 | 重庆大学 | 金属氧化物传感器阵列响应漂移的补偿方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007002673A (ja) * | 2005-06-21 | 2007-01-11 | Ishikawajima Harima Heavy Ind Co Ltd | ガスタービン性能の分析予測方法 |
-
2016
- 2016-12-27 CN CN201611226898.XA patent/CN106706852B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234883A (zh) * | 2013-04-30 | 2013-08-07 | 中南大学 | 一种基于道路交通流量实时估算中心城区pm2.5浓度的方法 |
CN103630588A (zh) * | 2013-12-16 | 2014-03-12 | 安徽理工大学 | 电化学瓦斯传感器的一种快速响应方法 |
CN105467072A (zh) * | 2014-08-01 | 2016-04-06 | 日电(中国)有限公司 | 一种空气污染物检测设备 |
CN105628752A (zh) * | 2014-11-28 | 2016-06-01 | 国网青海省电力公司电力科学研究院 | 一种电化学传感器的标定方法 |
CN105259212A (zh) * | 2015-10-19 | 2016-01-20 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种用于sf6分解产物检测的交叉干扰消除方法 |
CN105806898A (zh) * | 2016-03-10 | 2016-07-27 | 电子科技大学 | 一种用于气体传感器的气体浓度标定方法 |
CN106093134A (zh) * | 2016-05-31 | 2016-11-09 | 重庆大学 | 金属氧化物传感器阵列响应漂移的补偿方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106706852A (zh) | 2017-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106706852B (zh) | 一种气体浓度传感器的标定方法和*** | |
CN109596594B (zh) | 基于拉曼-米散射激光雷达的气溶胶消光系数反演方法 | |
WO2019128203A1 (zh) | 具有传感器检测元件的有毒有害气体网络监测仪及监测数据处理方法 | |
US10006895B2 (en) | System and method for monitoring atmospheric pollution | |
CN108779995B (zh) | 用于检测环境参数的传感器和用于校准这种传感器的方法 | |
US20120073989A1 (en) | Method for operating a measuring device having at least one probe, which has at least one ion selective electrode | |
CN110220945B (zh) | 半导体气体传感器的全量程温度补偿方法 | |
CN110887800B (zh) | 一种用于光谱法水质在线监测***的数据校准方法 | |
CN117805046A (zh) | 基于浊度补偿的化学需氧量检测方法和装置 | |
CN110763735B (zh) | 溶解性总固体tds检测方法及相关设备 | |
CN109211981A (zh) | Tds检测仪的探头校准方法、装置及tds检测仪 | |
US7073369B2 (en) | Method and device for detecting the concentration of an oxygen-containing compound in an analyte gas | |
CN115200748B (zh) | 基于智能电子体温计状态测量控制*** | |
CN115639392B (zh) | 一种额定二次电流低于1a的电力仪表 | |
CN115824427A (zh) | 温度校正方法、装置、设备及存储介质 | |
CN116182967A (zh) | 超声波流量计数据修正方法、***、装置及电子设备 | |
SE544392C2 (en) | Method for determining a gas concentration from a group of sensors | |
Laref et al. | Calibration Transfer to Address the Long Term Drift of Gas Sensors for in Field NO 2 Monitoring | |
CN112540112B (zh) | 传感器校准方法、装置、设备和存储介质 | |
CN111123406A (zh) | 手持气象仪温度数据拟合方法 | |
CN109696413A (zh) | 采样气室、基于qpso算法的红外气体传感器及气压补偿方法 | |
CN117607373B (zh) | 一种温室气体监测数据校准的方法、***、设备及介质 | |
CN112540052B (zh) | 测算待测储罐的污染物排放量的测算方法及*** | |
CN114720536B (zh) | 基于单点标定拟合算法的矿用有毒有害气体浓度检测方法 | |
CN113655093B (zh) | 气体浓度检测方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221130 Address after: 518000 2nd floor, building a, Tsinghua campus, Shenzhen University Town, Xili street, Nanshan District, Shenzhen City, Guangdong Province Patentee after: Tsinghua Shenzhen International Graduate School Address before: 518000 Nanshan Zhiyuan 1001, Xue Yuan Avenue, Nanshan District, Shenzhen, Guangdong. Patentee before: TSINGHUA-BERKELEY SHENZHEN INSTITUTE |
|
TR01 | Transfer of patent right |