CN115062273A - 工业互联网的光电传感器精度控制方法及*** - Google Patents

工业互联网的光电传感器精度控制方法及*** Download PDF

Info

Publication number
CN115062273A
CN115062273A CN202210977813.0A CN202210977813A CN115062273A CN 115062273 A CN115062273 A CN 115062273A CN 202210977813 A CN202210977813 A CN 202210977813A CN 115062273 A CN115062273 A CN 115062273A
Authority
CN
China
Prior art keywords
data
curve
photoelectric sensor
fitting
difference
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.)
Granted
Application number
CN202210977813.0A
Other languages
English (en)
Other versions
CN115062273B (zh
Inventor
唐可信
叶立平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Akusense Technology Co Ltd
Original Assignee
Shenzhen Akusense Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Akusense Technology Co Ltd filed Critical Shenzhen Akusense Technology Co Ltd
Priority to CN202211315723.1A priority Critical patent/CN115687877A/zh
Priority to CN202210977813.0A priority patent/CN115062273B/zh
Priority to CN202211323751.8A priority patent/CN115687878A/zh
Publication of CN115062273A publication Critical patent/CN115062273A/zh
Application granted granted Critical
Publication of CN115062273B publication Critical patent/CN115062273B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D18/00Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

本申请的实施例提供了一种工业互联网的光电传感器精度控制方法及***、计算机可读介质及电子设备。该工业互联网的光电传感器精度控制方法包括:在工业生产环境中布设光电传感器,并基于光电传感器、网关设备以及处理器构建工业互联网;基于预设的数据获取周期,获取光电传感器采集到的测量数据,以基于预设的数据模型对测量数据进行线性拟合,得到所述测量数据对应的拟合曲线,之后将拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度,基于所述差异度对所述光电传感器的精度进行校准。本申请实施例的技术方案通过基于光电传感器的工作数据对其进行校准,提高了光电传感器的工作精度和工作效率。

Description

工业互联网的光电传感器精度控制方法及***
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种工业互联网的光电传感器精度控制方法及***、计算机可读介质及电子设备。
背景技术
在工业生产中,存在很多传感器设备用于采集工业生产过程中的工业数据,但是由于工业生产环境复杂、工作量较大很容易造成传感器的工作故障,进而造成工作数据不准确、工作精度不够的问题,而现有技术中的方式往往不能及时有效的检测传感器的故障,进而影响传感器的工作效率和精确性。
发明内容
本申请的实施例提供了一种工业互联网的光电传感器精度控制方法及***、计算机可读介质及电子设备,进而至少在一定程度上可以提高光电传感器的工作精度和效率。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种工业互联网的光电传感器精度控制方法,包括:在工业生产环境中布设光电传感器,并基于所述光电传感器、网关设备以及处理器构建工业互联网;基于预设的数据获取周期,获取所述光电传感器采集到的测量数据;基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线;将所述拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度;基于所述差异度对所述光电传感器的精度进行校准。
在本申请的一些实施例中,基于前述方案,所述基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线,包括:基于设定的数据范围,对所述测量数据中的异常数据进行识别,并删除所述测量数据中的异常数据,得到剩余的备用数据;基于预设的数据模型,对所述备用数据进行线性拟合,确定所述数据模型中的参数值;基于所述参数值确定所述拟合曲线。
在本申请的一些实施例中,基于前述方案,所述基于预设的数据模型,对所述备用数据进行线性拟合,确定所述数据模型中的参数值,包括:基于预设的数据模型,通过最小二乘法对对所述备用数据进行线性拟合,确定所述数据模型中的参数值。
在本申请的一些实施例中,基于前述方案,所述基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线之后,还包括:基于所述拟合曲线和所述测量数据,计算两者之间的差异度;若所述差异度大于或者等于设定阈值,则重新对测量数据进行拟合。
在本申请的一些实施例中,基于前述方案,所述基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线之后,还包括:基于所述拟合曲线和所述测量数据,计算两者之间的差异度;若所述差异度小于设定阈值,则判定所述拟合曲线为正确曲线。
在本申请的一些实施例中,基于前述方案,所述将所述拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度,包括:计算所述拟合曲线和预设校准曲线之间的曲线差;基于所述曲线差,确定所述拟合曲线与所述校准曲线之间的差异度。
根据本申请实施例的一个方面,提供了一种工业互联网的光电传感器精度控制***,包括:
构建单元,用于在工业生产环境中布设光电传感器,并基于所述光电传感器、网关设备以及处理器构建工业互联网;
获取单元,用于基于预设的数据获取周期,获取所述光电传感器采集到的测量数据;
拟合单元,用于基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线;
对比单元,用于将所述拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度;
校准单元,用于基于所述差异度对所述光电传感器的精度进行校准。
在本申请的一些实施例中,基于前述方案,所述拟合单元包括:
识别单元,用于基于设定的数据范围,对所述测量数据中的异常数据进行识别,并删除所述测量数据中的异常数据,得到剩余的备用数据;
参数拟合单元,用于基于预设的数据模型,对所述备用数据进行线性拟合,确定所述数据模型中的参数值;
曲线单元,用于基于所述参数值确定所述拟合曲线。
在本申请的一些实施例中,基于前述方案,所述基于预设的数据模型,对所述备用数据进行线性拟合,确定所述数据模型中的参数值,包括:基于预设的数据模型,通过最小二乘法对对所述备用数据进行线性拟合,确定所述数据模型中的参数值。
在本申请的一些实施例中,基于前述方案,所述基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线之后,还包括:基于所述拟合曲线和所述测量数据,计算两者之间的差异度;若所述差异度大于或者等于设定阈值,则重新对测量数据进行拟合。
在本申请的一些实施例中,基于前述方案,所述基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线之后,还包括:基于所述拟合曲线和所述测量数据,计算两者之间的差异度;若所述差异度小于设定阈值,则判定所述拟合曲线为正确曲线。
在本申请的一些实施例中,基于前述方案,所述将所述拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度,包括:计算所述拟合曲线和预设校准曲线之间的曲线差;基于所述曲线差,确定所述拟合曲线与所述校准曲线之间的差异度。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的工业互联网的光电传感器精度控制方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的工业互联网的光电传感器精度控制方法。
根据本申请实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的工业互联网的光电传感器精度控制方法。
在本申请的一些实施例所提供的技术方案中,在工业生产环境中布设光电传感器,并基于光电传感器、网关设备以及处理器构建工业互联网;基于预设的数据获取周期,获取光电传感器采集到的测量数据,以基于预设的数据模型对测量数据进行线性拟合,得到所述测量数据对应的拟合曲线,之后将拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度,基于所述差异度对所述光电传感器的精度进行校准。本申请实施例的技术方案通过基于光电传感器的工作数据对其进行校准,提高了光电传感器的工作精度和工作效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出了根据本申请的一个实施例的工业互联网的光电传感器精度控制方法的流程图。
图2示意性示出了根据本申请的一个实施例的生成拟合曲线的流程图。
图3示意性示出了根据本申请的一个实施例的工业互联网的光电传感器精度控制***的示意图。
图4示出了适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法及***、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图1示出了根据本申请的一个实施例的工业互联网的光电传感器精度控制方法的流程图,该工业互联网的光电传感器精度控制方法可以由服务器来执行。参照图1所示,该工业互联网的光电传感器精度控制方法至少包括步骤S110至步骤S150,详细介绍如下:
在步骤S110中,在工业生产环境中布设光电传感器,并基于所述光电传感器、网关设备以及处理器构建工业互联网。
在本申请的一个实施例中,在工业生产环境中布设光电传感器,用于采集和测量数据。同时我们基于光电传感器、网关设备以及处理器构建工业互联网。以通过工业互联网实现对工业生产的实时监控。
在本申请的一个实施例中,本方案中的工业物联网可以包括:通过光电传感器构成的数据感知层、通过网关设备沟通的网络传输层以及通过处理器构成的数据处理层。
在步骤S120中,基于预设的数据获取周期,获取所述光电传感器采集到的测量数据。
在本申请的一个实施例中,基于预设的数据获取周期来获取光电传感器采集到的测量数据。本实施例中的数据获取周期可以是一天、一月等等。我们通过采集光电传感器的测量数据可以对光电传感器的工作情况有很好的把控。
在步骤S130中,基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线。
在本申请的一个实施例中,基于各种类型或者型号的光电传感器,都有其对应的数据模型,例如预先针对一型号的光电传感器的数据输出情况,确定其对应的数据模型,以基于该数据模型来衡量光电传感器的输出参数,确定其对应的数据模型参数。本实施例中基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线。
可选的,我们可以通过通过最小二乘法对对所述备用数据进行线性拟合,确定所述数据模型中的参数值,以得到测量数据对应的拟合曲线。
在本申请的一个实施例中,基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线,包括:
基于设定的数据范围,对所述测量数据中的异常数据进行识别,并删除所述测量数据中的异常数据,得到剩余的备用数据;
基于预设的数据模型,对所述备用数据进行线性拟合,确定所述数据模型中的参数值;
基于所述参数值确定所述拟合曲线。
具体的,本实施例中先基于预设的数据范围确定测量数据中的异常数据,其中异常数据为不属于数据范围的数据,并将异常数据删除,得到剩余的备用数据。以通过删减异常数据的方式,降低数据的错误率和噪声,进而提高曲线拟合的精确性和正确性。之后基于预设的数据模型对所述备用数据进行线性拟合,确定所述数据模型中的参数值,以基于所述参数值确定所述拟合曲线。
在本申请一实施例中,基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线之后,还包括:
基于所述拟合曲线和所述测量数据,计算两者之间的差异度;
若所述差异度大于或者等于设定阈值,则重新对测量数据进行拟合。
具体的,基于自变量i,从拟合曲线中获取自变量对应的拟合数值Val_fit_i,同时从测量数据中获取自变量对应的实际数值Val_ace_i,计算两者之间差值,之后,基于k个离散自变量对应的数值之间的差值Val_ace_i-Val_fit_i,计算拟合曲线和测量数据两者之间的差异度Dre_di为:
Figure 152203DEST_PATH_IMAGE002
其中,i表示自变量的编号,β表示数据因子。上述方式通过计算离散数值之间的差异,以得出拟合曲线和测量数据之间的差异度,用来衡量拟合曲线与测量数据之间的一致性,若两者之间的差异度较高,差异度大于或者等于设定阈值,则表示拟合曲线无法贴切的表示测量数据,两者之间差异太大,则需重新对测量数据进行拟合。
基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线之后,还包括:
基于所述拟合曲线和所述测量数据,计算两者之间的差异度;
若所述差异度小于设定阈值,则判定所述拟合曲线为正确曲线。
具体的,当我们计算得到拟合曲线和测量数据之间的差异度之后,若差异度小于设定阈值,则判定所述拟合曲线为正确曲线。通过上述方式以检测拟合曲线与测量数据之间的出入,并保证两者之间的出入处于较小的状态。
在步骤S140中,将所述拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度。
在本申请的一个实施例中,在生成了拟合曲线之后,将拟合曲线和预设的校准曲线进行对比,以确定两者之间的差异情况,并根据差异情况来衡量实际测量数据的准确性。
在本申请的一个实施例中,将所述拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度,包括:
计算所述拟合曲线和预设校准曲线之间的曲线差;
基于所述曲线差,确定所述拟合曲线与所述校准曲线之间的差异度。
具体的,拟合曲线为f(x)和预设校准曲线为g(x),计算两者之间的曲线差为f(x)-g(x)。之后基于曲线差,确定所述拟合曲线与所述校准曲线之间的差异度Deg_fg为:
Figure DEST_PATH_IMAGE003
其中,x表示自变量,t表示自变量的长度或者最大值,α表示预设的差异参数。上述方式通过计算拟合曲线和校准曲线之间的曲线差来得到两者之间的差异度,以通过差异度来衡量拟合曲线对校准曲线的偏离情况,进而体现光电传感器的测量效果与预期效果之间的偏离情况。
在步骤S150中,基于所述差异度对所述光电传感器的精度进行校准。
在本申请的一个实施例中,在确定了拟合曲线和校准曲线之间的差异度之后,基于差异度对光电传感器的精度进行校准。
例如,当差异度大于或者等于差异度阈值时,则进行校准。当差异度小于差异度阈值时,默认光电传感器工作正常,不进行校准。
在本申请的一些实施例所提供的技术方案中,在工业生产环境中布设光电传感器,并基于光电传感器、网关设备以及处理器构建工业互联网;基于预设的数据获取周期,获取光电传感器采集到的测量数据,以基于预设的数据模型对测量数据进行线性拟合,得到所述测量数据对应的拟合曲线,之后将拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度,基于所述差异度对所述光电传感器的精度进行校准。本申请实施例的技术方案通过基于光电传感器的工作数据对其进行校准,提高了光电传感器的工作精度和工作效率。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的工业互联网的光电传感器精度控制方法。可以理解的是,所述装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该装置为一个应用软件;该装置可以用于执行本申请实施例提供的方法中的相应步骤。对于本申请装置实施例中未披露的细节,请参照本申请上述的工业互联网的光电传感器精度控制方法的实施例。
图3示出了根据本申请的一个实施例的工业互联网的光电传感器精度控制***的框图。
参照图3所示,根据本申请的一个实施例的工业互联网的光电传感器精度控制***300,包括:
构建单元310,用于在工业生产环境中布设光电传感器,并基于所述光电传感器、网关设备以及处理器构建工业互联网;
获取单元320,用于基于预设的数据获取周期,获取所述光电传感器采集到的测量数据;
拟合单元330,用于基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线;
对比单元340,用于将所述拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度;
校准单元350,用于基于所述差异度对所述光电传感器的精度进行校准。
在本申请的一些实施例中,基于前述方案,所述拟合单元330包括:
识别单元,用于基于设定的数据范围,对所述测量数据中的异常数据进行识别,并删除所述测量数据中的异常数据,得到剩余的备用数据;
参数拟合单元,用于基于预设的数据模型,对所述备用数据进行线性拟合,确定所述数据模型中的参数值;
曲线单元,用于基于所述参数值确定所述拟合曲线。
在本申请的一些实施例中,基于前述方案,所述基于预设的数据模型,对所述备用数据进行线性拟合,确定所述数据模型中的参数值,包括:基于预设的数据模型,通过最小二乘法对对所述备用数据进行线性拟合,确定所述数据模型中的参数值。
在本申请的一些实施例中,基于前述方案,所述基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线之后,还包括:基于所述拟合曲线和所述测量数据,计算两者之间的差异度;若所述差异度大于或者等于设定阈值,则重新对测量数据进行拟合。
在本申请的一些实施例中,基于前述方案,所述基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线之后,还包括:基于所述拟合曲线和所述测量数据,计算两者之间的差异度;若所述差异度小于设定阈值,则判定所述拟合曲线为正确曲线。
在本申请的一些实施例中,基于前述方案,所述将所述拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度,包括:计算所述拟合曲线和预设校准曲线之间的曲线差;基于所述曲线差,确定所述拟合曲线与所述校准曲线之间的差异度。
在本申请的一些实施例所提供的技术方案中,在工业生产环境中布设光电传感器,并基于光电传感器、网关设备以及处理器构建工业互联网;基于预设的数据获取周期,获取光电传感器采集到的测量数据,以基于预设的数据模型对测量数据进行线性拟合,得到所述测量数据对应的拟合曲线,之后将拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度,基于所述差异度对所述光电传感器的精度进行校准。本申请实施例的技术方案通过基于光电传感器的工作数据对其进行校准,提高了光电传感器的工作精度和工作效率。
图4示出了适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
需要说明的是,图4示出的电子设备的计算机***400仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,计算机***400包括中央处理单元(Central Processing Unit,CPU)401,其可以根据存储在只读存储器(Read-Only Memory,ROM)402中的程序或者从储存部分408加载到随机访问存储器(Random Access Memory,RAM)403中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 403中,还存储有***操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(Input/Output,I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分407;包括硬盘等的储存部分408;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入储存部分408。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的***中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (10)

1.一种工业互联网的光电传感器精度控制方法,其特征在于,包括:
在工业生产环境中布设光电传感器,并基于所述光电传感器、网关设备以及处理器构建工业互联网;
基于预设的数据获取周期,获取所述光电传感器采集到的测量数据;
基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线;
将所述拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度;
基于所述差异度对所述光电传感器的精度进行校准。
2.根据权利要求1所述的方法,其特征在于,基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线,包括:
基于设定的数据范围,对所述测量数据中的异常数据进行识别,并删除所述测量数据中的异常数据,得到剩余的备用数据;
基于预设的数据模型,对所述备用数据进行线性拟合,确定所述数据模型中的参数值;
基于所述参数值确定所述拟合曲线。
3.根据权利要求2所述的方法,其特征在于,基于预设的数据模型,对所述备用数据进行线性拟合,确定所述数据模型中的参数值,包括:
基于预设的数据模型,通过最小二乘法对所述备用数据进行线性拟合,确定所述数据模型中的参数值。
4.根据权利要求1所述的方法,其特征在于,基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线之后,还包括:
基于所述拟合曲线和所述测量数据,计算两者之间的差异度;
若所述差异度大于或者等于设定阈值,则重新对测量数据进行拟合。
5.根据权利要求1所述的方法,其特征在于,基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线之后,还包括:
基于所述拟合曲线和所述测量数据,计算两者之间的差异度;
若所述差异度小于设定阈值,则判定所述拟合曲线为正确曲线。
6.根据权利要求1所述的方法,其特征在于,将所述拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度,包括:
计算所述拟合曲线和预设校准曲线之间的曲线差;
基于所述曲线差,确定所述拟合曲线与所述校准曲线之间的差异度。
7.一种工业互联网的光电传感器精度控制***,其特征在于,包括:
构建单元,用于在工业生产环境中布设光电传感器,并基于所述光电传感器、网关设备以及处理器构建工业互联网;
获取单元,用于基于预设的数据获取周期,获取所述光电传感器采集到的测量数据;
拟合单元,用于基于预设的数据模型对所述测量数据进行线性拟合,得到所述测量数据对应的拟合曲线;
对比单元,用于将所述拟合曲线与预设的校准曲线进行对比,确定两条曲线之间的差异度;
校准单元,用于基于所述差异度对所述光电传感器的精度进行校准。
8.根据权利要求7所述的***,其特征在于,所述拟合单元包括:
识别单元,用于基于设定的数据范围,对所述测量数据中的异常数据进行识别,并删除所述测量数据中的异常数据,得到剩余的备用数据;
参数拟合单元,用于基于预设的数据模型,对所述备用数据进行线性拟合,确定所述数据模型中的参数值;
曲线单元,用于基于所述参数值确定所述拟合曲线。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的工业互联网的光电传感器精度控制方法。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至6中任一项所述的工业互联网的光电传感器精度控制方法。
CN202210977813.0A 2022-08-16 2022-08-16 工业互联网的光电传感器精度控制方法及*** Active CN115062273B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202211315723.1A CN115687877A (zh) 2022-08-16 2022-08-16 工业互联网的光电传感器精度控制方法、***及电子设备
CN202210977813.0A CN115062273B (zh) 2022-08-16 2022-08-16 工业互联网的光电传感器精度控制方法及***
CN202211323751.8A CN115687878A (zh) 2022-08-16 2022-08-16 工业互联网的光电传感器精度控制方法、***及可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210977813.0A CN115062273B (zh) 2022-08-16 2022-08-16 工业互联网的光电传感器精度控制方法及***

Related Child Applications (2)

Application Number Title Priority Date Filing Date
CN202211315723.1A Division CN115687877A (zh) 2022-08-16 2022-08-16 工业互联网的光电传感器精度控制方法、***及电子设备
CN202211323751.8A Division CN115687878A (zh) 2022-08-16 2022-08-16 工业互联网的光电传感器精度控制方法、***及可读介质

Publications (2)

Publication Number Publication Date
CN115062273A true CN115062273A (zh) 2022-09-16
CN115062273B CN115062273B (zh) 2022-11-25

Family

ID=83207433

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202210977813.0A Active CN115062273B (zh) 2022-08-16 2022-08-16 工业互联网的光电传感器精度控制方法及***
CN202211323751.8A Pending CN115687878A (zh) 2022-08-16 2022-08-16 工业互联网的光电传感器精度控制方法、***及可读介质
CN202211315723.1A Pending CN115687877A (zh) 2022-08-16 2022-08-16 工业互联网的光电传感器精度控制方法、***及电子设备

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN202211323751.8A Pending CN115687878A (zh) 2022-08-16 2022-08-16 工业互联网的光电传感器精度控制方法、***及可读介质
CN202211315723.1A Pending CN115687877A (zh) 2022-08-16 2022-08-16 工业互联网的光电传感器精度控制方法、***及电子设备

Country Status (1)

Country Link
CN (3) CN115062273B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120078532A1 (en) * 2010-09-24 2012-03-29 David Edward Forsyth Non-dispersive infrared sensor measurement system and method
CN106802183A (zh) * 2016-11-30 2017-06-06 努比亚技术有限公司 一种光感传感器校准方法及终端
WO2017164854A1 (en) * 2016-03-22 2017-09-28 Halliburton Energy Services, Inc. Calibration module for pooled optical sensors in downhole fluid analysis
CN109059181A (zh) * 2018-07-31 2018-12-21 广东美的制冷设备有限公司 光电传感器校准方法、装置、空调器及可读存储介质
CN111134573A (zh) * 2018-11-02 2020-05-12 添可智能科技有限公司 一种提高灰尘检测传感器精度的方法
CN113533641A (zh) * 2021-06-04 2021-10-22 浙江力夫传感技术有限公司 一种气体传感器的标定和校准方法及***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120078532A1 (en) * 2010-09-24 2012-03-29 David Edward Forsyth Non-dispersive infrared sensor measurement system and method
WO2017164854A1 (en) * 2016-03-22 2017-09-28 Halliburton Energy Services, Inc. Calibration module for pooled optical sensors in downhole fluid analysis
CN106802183A (zh) * 2016-11-30 2017-06-06 努比亚技术有限公司 一种光感传感器校准方法及终端
CN109059181A (zh) * 2018-07-31 2018-12-21 广东美的制冷设备有限公司 光电传感器校准方法、装置、空调器及可读存储介质
CN111134573A (zh) * 2018-11-02 2020-05-12 添可智能科技有限公司 一种提高灰尘检测传感器精度的方法
CN113533641A (zh) * 2021-06-04 2021-10-22 浙江力夫传感技术有限公司 一种气体传感器的标定和校准方法及***

Also Published As

Publication number Publication date
CN115687878A (zh) 2023-02-03
CN115687877A (zh) 2023-02-03
CN115062273B (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
US10261485B2 (en) Systems and methods for detecting changes in energy usage in a building
CN101248365B (zh) 估算与电池相关的状态向量的***和方法
US9870690B2 (en) Methods and systems for a universal wireless platform for asset monitoring
CN108269189B (zh) 指标数据监控方法、装置、存储介质和计算机设备
CN112383891A (zh) 一种基于物模型自动匹配的设备注册方法和装置
CN112100574A (zh) 一种基于重采样的aakr模型不确定度计算方法及***
CN111998918A (zh) 一种误差校正方法、误差校正装置及流量传感***
CN114970688A (zh) 基于LSTMAD算法和Hermite插值法的滑坡监测数据预处理方法
US20150100138A1 (en) Methods and systems for dynamic workflow prioritization and tasking
US20220307944A1 (en) Apparatus, method, and computer-readable medium
Hvala et al. Influence of model validation on proper selection of process models—an industrial case study
CN117556366B (zh) 基于数据筛选的数据异常检测***及方法
CN114608678A (zh) 一种基于脉冲法的水表校准方法及装置
CN115062273B (zh) 工业互联网的光电传感器精度控制方法及***
CN115839344A (zh) 一种用于渣浆泵的磨损监管方法、装置、设备及存储介质
CN112966971B (zh) 一种项目工作量评估方法和装置
CN110058811A (zh) 信息处理装置、数据管理***、方法以及计算机可读介质
CN115453447A (zh) 基于嫌疑电表分步补偿剔除的超差电表在线检测方法
CN111428345B (zh) 一种随机性负载扰动控制***的性能评价***及方法
CN115329148B (zh) 一种基于多重大数据处理的数据筛选整合方法及***
KR102187288B1 (ko) 공정감시제어의 입력오류 및 제어오류 대응 기반 시스템
JP2020163300A (ja) 水処理装置の管理システム
CN115952853B (zh) 矿浆密度检测模型构建方法、装置及矿浆密度检测***
Rózsás et al. Propagating snow measurement uncertainty to structural reliability by statistical and interval-based approaches
CN117540179B (zh) 一种用于实现环境检测的方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant