KR20200131831A - 센서 교정 - Google Patents
센서 교정 Download PDFInfo
- Publication number
- KR20200131831A KR20200131831A KR1020207026508A KR20207026508A KR20200131831A KR 20200131831 A KR20200131831 A KR 20200131831A KR 1020207026508 A KR1020207026508 A KR 1020207026508A KR 20207026508 A KR20207026508 A KR 20207026508A KR 20200131831 A KR20200131831 A KR 20200131831A
- Authority
- KR
- South Korea
- Prior art keywords
- sensor
- calibration
- model
- data
- correction
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 68
- 238000012937 correction Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 25
- 230000003190 augmentative effect Effects 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000001413 cellular effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- G01N33/0006—Calibrating gas analysers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING 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
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING 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
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
- G01D18/001—Calibrating encoders
-
- G01D5/24452—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K15/00—Testing or calibrating of thermometers
- G01K15/005—Calibration
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C23/00—Non-electrical signal transmission systems, e.g. optical systems
-
- G—PHYSICS
- G12—INSTRUMENT DETAILS
- G12B—CONSTRUCTIONAL DETAILS OF INSTRUMENTS, OR COMPARABLE DETAILS OF OTHER APPARATUS, NOT OTHERWISE PROVIDED FOR
- G12B13/00—Calibrating of instruments and apparatus
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Medical Informatics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Computing Systems (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
교정 프로세스에서 변화하는 작동 환경 내 제1 센서를 교정하기 위한 방법 및 장치가 개시된다. 센서 데이터가 상기 제1 센서로부터 수신되고 알려진 교정 센서로부터 센서 값이 수신된다. 센서 특정 모델은 상기 제1 센서에 대하여 유지된다. 교정 요구가 알려진 교정 센서에 대한 센서 값의 차이를 고려하여 그리고 상기 제1 센서의 센서 프로필을 추가로 고려하여 드리프트 및 오류를 추정함으로써 감지된다. 상기 차이를 이용하여 상기 센서 데이터에 대해 보정 계수 또는 보정 모델이 추정된다. 상기 보정 계수 또는 보정 모델은 상기 센서 특정 모델로부터 파생된다.
Description
본 발명은 일반적으로 센서 교정에 관한 것이다.
이 부분에서 유용한 배경 정보가 설명되지만, 본 명세서에 기술된 어떠한 기술도 종래 기술을 나타내는 것은 아님에 유의한다.
센서는 일반적으로 주어진 동작에 따라 그리고 어떠한 것의 측정된 속성에 기초하여 주어진 출력을 생성한다. 단순화된 예로서, 온도 센서는 주어진 온도 범위 내에서 선형적으로 전기 저항을 변경할 수 있다. 서미스터의 동작은 전형적으로 기울기 및 오프셋으로, 즉 선의 방정식을 사용하여 모델링될 수 있다.
일산화탄소 센서 또는 방사능 선량 센서와 같은 일부 센서는 집계 측정값을 계산하거나 시간 경과에 따라 측정된 속성의 농도를 통합하도록 구성될 수 있다. 때로는, 측정된 속성과 출력이 비선형 관계를 갖는다. 또한 일부 센서는 그것의 이득 측면에서 일반 서미스터보다 덜 안정적이다. 일부 센서는 대역 통과 또는 고역 통과 필터링과 같은 내부 필터링을 수행하여 간섭을 제거하며, 이 경우 초기 원시 측정 데이터의 일부가 센서에서 돌이킬 수 없게 손실된다.
센서는 일반적으로 표준화된 방식으로 다른 조건에 노출됨으로써, 그리고 원하는 센서 동작을 달성하도록 센서 작동을 조정하여 교정된다. 만일 센서가 디지털 회로를 포함하는 경우, 측정된 속성의 함수로서 원하는 출력을 설정하기 위해 원하는 전달 함수를 형성함으로써 디지털 방식으로 교정이 간단하게 수행될 수 있다. 센서 이외의 요소에서 센서 값의 디지털 수정을 수행하여, 예를 들어 센서의 하류 처리 요소에 의해, 그러한 디지털 교정이 배포될 수도 있음이 구상되고 있다.
아날로그 센서의 경우, 예를 들어, 증폭기 트랜지스터의 바이어스를 조정하여 출력 증폭기의 증폭을 또는 센서와 직렬로 연결된 저항을 추가 또는 감소시킴으로써 교정이 수행될 수 있다. 그러나 그러한 표준화된 교정은 센서를 교정 스테이션으로 모으거나 표준화된 교정 스테이션을 센서로 이동하여야 한다.
본 발명의 목적은 센서의 교정을 단순화하는 것이다. 본 발명의 다른 목적은 이전보다 더 빈번한 센서 교정을 가능하게 하는 것이다. 본 발명의 또 다른 목적은 기존 기술에 대한 기술적 대안을 제공하는 것이다.
제1 예시적 관점에 따르면, 교정 프로세스에서 제1 센서를 교정하는 단계를 포함하는 방법이 제공되며, 상기 방법은:
상기 제1 센서로부터 센서 데이터를 수신하는 단계;
알려진 교정 센서로부터 센서 값을 수신하는 단계 또는 상기 제1 센서에 대한 센서 특정 모델을 유지하는 단계 중 적어도 하나를 수행하는 단계;
알려진 교정 센서 또는 센서 특정 모델에 대한 센서 값의 차이를 고려하여 그리고 상기 센서의 작동 환경; 센서 프로필; 센서 특정 드리프트 프로필; 및 센서 특정 오류 프로필; 중 하나 이상을 추가로 고려하여, 드리프트 및 오류를 추정함으로써 교정 요구를 감지하는 단계; 및
상기 차이를 사용하여 센서 데이터에 대한 보정 계수 또는 보정 모델을 추정함으로써 센서를 교정하는 단계를 포함하고,
상기 보정 계수 또는 상기 보정 모델은 상기 센서 특정 모델로부터 파생된다.
상기 방법은 상이한 센서들이 계층적으로 순위가 매겨지고 계층적 모델이 사용되어 상기 제1 센서의 교정이 상기 계층적 모델에서 더 높은 순위에 있는 교정 센서로 수행된다.
상기 방법은:
공간 모델은 상기 제1 센서가 구성된 측정을 위한 시스템의 하나 이상의 속성으로 유지되며;
상기 공간 모델은 다른 조건에 따른 그리고 상기 제1 센서와 별개로 수행된 측정을 이용하여 제1 센서의 파생된 교정을 수행하도록 계층적으로 사용되는 것을 더 포함할 수 있다.
상기 방법은 상기 공간 모델이 다수의 공기질 파라미터를 통합하는 것을 더 포함할 수 있다. 상기 공간 모델은 추가 데이터 소스 또는 데이터 동화를 위해 지역 대기 질 모델에 연결될 수 있다.
상기 방법은 복수의 센서가 서로 통신하는 센서 그룹을 형성하는 것을 더 포함할 수 있다. 다중-계층(예를 들어 2개-티어) 교정은 노드 내부에서 그리고 노드 간에 수행되어 정확한 감지 능력을 향상시키는 것이 제공된다. 센서 네트워크는 하나 이상의 기준 관찰 지점으로부터 고정 센서 네트워크로 교정을 전송하도록 구성된 이동 센서를 포함할 수 있다.
상기 교정 센서는 모바일 센서일 수 있다.
상기 교정 센서는 원격 컨트롤러에 의해 제어될 수 있다. 상기 원격 컨트롤러는 서버 컴퓨터를 포함할 수 있다. 선택적으로, 상기 원격 컨트롤러는 분산 기능을 포함할 수 있다. 상기 분산 기능은 클라우드 컴퓨팅에 의해 구현될 수 있다. 상기 원격 컨트롤러는 컴퓨터 네트워크의 에지에 위치된 에지 서버를 포함할 수 있다.
상기 원격 컨트롤러는 다수의 센서의 실행 중 교정(runtime calibration)을 수행할 수 있다.
상기 교정 센서는 교정된 센서에 의해 제공되는 센서 데이터의 모델에 기초한 가상 센서일 수 있다. 가상 센서 데이터는 센서 네트워크로부터 수신된 결정된 시공간 데이터를 사용하여 장기 센서 관찰 가능 항목을 기반으로 개발될 수 있다.
상기 방법은, 프록시 변수(proxy variables)가 포괄적인 관찰로부터 통합되고 센서 네트워크를 통해 확장되는 것을 더 포함할 수 있다.
예를 들어, SO2, 태양 복사 및 입자상 물질은 기상 황산 농도에 대한 데이터를 제공할 수 있다. 새로운 프록시가 인공 지능 및/또는 기타 데이터 마이닝 기술을 통해 개발될 수 있다.
상기 방법은, 교정된 센서가 사용된 적어도 하나의 제1 센서의 하드웨어 사양을 넘어서는 환경 특성을 검출하도록 구성된 증강 가상 센서로 확장되는 것을 더 포함할 수 있다.
교정된 센서를 증강 가상 센서로 확장하는 것은 교정 모델(calibration model)을 사용할 수 있다. 증강 가상 센서는 환경 모델을 더 사용할 수 있다. 상기 환경 모델은 원격 컨트롤러에 의해 생성될 수 있다.
제2 예시적인 측면에 따르면, 셀룰러 네트워크 내 분산 서비스를 구현한 시스템이 제공되며, 상기 시스템은:
원격 컨트롤러; 및
상기 원격 컨트롤러에 통신 연결된 복수의 센서를 포함하고,
상기 원격 컨트롤러 및 상기 복수의 센서는 상기 제1 예시적인 측면의 방법을 수행하도록 구성된다.
제3 예시적인 측면에 따르면, 실행될 때, 장치가 적어도 상기 제1 예시적인 측면의 방법을 수행하게 하도록 구성된 컴퓨터 실행 가능 프로그램 코드를 포함하는 컴퓨터 프로그램이 제공된다.
상기 컴퓨터 프로그램은 메모리 매체에 저장될 수 있다. 상기 메모리 매체는 비-일시적 메모리 매체일 수 있다.
제4 예시적인 측면에 따르면, 제1 센서를 교정하기 위한 장치가 제공되며, 상기 장치는:
상기 제1 센서로부터 센서 데이터를 수신하는 수단;
알려진 교정 센서로부터 센서 값을 수신하는 것 또는 상기 제1 센서에 대한 센서 특정 모델을 유지하는 것 중 적어도 하나를 수행하는 수단;
알려진 교정 센서에 대한 센서 값의 차이 또는 센서 특정 모델을 고려하고 상기 센서의 작동 환경; 센서 프로필; 센서 특정 드리프트 프로필; 및 센서 특정 오류 프로필; 중 하나 이상을 추가로 고려하여, 드리프트 및 오류를 추정함으로써 교정 요구를 감지하는 수단; 및
상기 차이를 이용하여 상기 센서 데이터에 대한 보정 계수 또는 보정 모델을 추정함으로써 상기 센서를 교정하는 수단을 포함하고,
상기 보정 계수 또는 상기 보정 모델은 상기 센서 특정 모델로부터 파생된다.
임의의 전술한 메모리 매체는 데이터 디스크, 광학 저장 장치, 자기 저장 장치, 또는 광-자기 저장 장치와 같은 디지털 데이터 저장 장치를 포함할 수 있다. 메모리 매체는 메모리를 저장하는 것과 다른 실질적인 기능 없이 장치 내로 형성될 수 있거나 다른 기능을 갖는 장치의 일부로 형성될 수 있으며, 그러한 장치는 컴퓨터의 메모리, 칩셋, 및 전자 장치의 하위 어셈블리를 포함하되 이에 제한되지 않는다.
본 발명의 상이한 비-구속적인 그리고 예시적인 측면과 실시예가 앞서 설명되었다. 전술한 실시예는 단지 본 발명의 구현에서 이용될 수 있는 선택된 측면 또는 단계를 설명하기 위해 사용된다. 일부 실시예가 본 발명의 특정 예시적인 측면과 관련하여 참조로만 제시될 수 있다. 대응하는 실시예는 다른 예시적인 측면에도 적용될 수 있음이 이해되어야 한다.
본 발명의 일부 예시적인 실시예가 첨부된 도면을 참조하여 설명될 것이다.
도 1은 본 발명의 실시예에 따른 시스템의 개략도를 도시한다.
도 2는 예시적인 실시예에 따른 프로세스에 따른 흐름도를 도시한다.
도 3은 도 1의 단말기의 블록도를 도시한다.
도 4는 본 발명의 일 실시예에 따른 주요 시그널링을 도시한다.
도 5는 본 발명의 다른 실시예에 따른 주요 시그널링을 도시한다.
도 1은 본 발명의 실시예에 따른 시스템의 개략도를 도시한다.
도 2는 예시적인 실시예에 따른 프로세스에 따른 흐름도를 도시한다.
도 3은 도 1의 단말기의 블록도를 도시한다.
도 4는 본 발명의 일 실시예에 따른 주요 시그널링을 도시한다.
도 5는 본 발명의 다른 실시예에 따른 주요 시그널링을 도시한다.
다음 설명에서 유사한 참조 기호는 유사한 요소 또는 단계를 나타낸다.
도 1은 본 발명의 실시예에 따른 시스템(100)의 개략도를 도시한다. 시스템(100)은 변화하는 작동 환경 내의 제1 센서(110)를 포함한다. 제1 센서(110)는 주어진 교정 파라미터에 의해 정의되고 각각의 센서 프로필 아이덴티티와 연관된 센서 프로필을 갖는다.
시스템(100)은 가상 또는 물리적 센서인 교정 센서(120)를 더 포함한다. 교정 센서(120)는 주어진 교정 파라미터에 의해 정의되고 각각의 센서 프로필 아이덴티티와 연관된 센서 프로필을 갖는다.
시스템(100)의 센서는 제1 센서(110)와 교정 센서(120) 사이에 화살표로 도시된 바와 같이 서로 통신하거나 센서 네트워크를 형성할 수 있다. 그러한 통신은 제1 센서(110)에 의해 사용될 수 있으며, 예를 들어 여기서 교정 센서(120)로 지칭되는 근접한 다른 센서의 측정 값에 대한 주어진 임계값 이상의 측정 차이로부터, 교정 조건이 검출될 수 있다.
일부 실시예에서, 교정 센서(120) 및 제1 센서(110)는 각각 제1 또는 교정 센서로서 작용할 수 있고, 반면에 일부 다른 실시예에서, 상기 교정 센서는 계층적으로 제1 센서 위에 있다. 예를 들어, 교정 센서(120)는 상기 제1 센서보다 더 나은 정확도를 가질 수 있거나, 교정 센서(120)는 제1 센서(110)보다 더 최근에 및/또는 더 자주 교정될 수 있다.
제1 센서(110) 및 교정 센서(120)는 도 1에서 에지 모듈(130)과 같은 처리 요소와의 통신 연결로 그려져 있다. 에지 모듈(130)은 일부 실시예에서 공중 육상 이동 네트워크(public land mobile network) 또는 셀룰러 네트워크의 기지국 내에 또는 동일-위치되어(co-located) 있다. 상기 에지 모듈은 제1 센서(110)로부터 수신된 감지 데이터 원격측정(sensing data telemetry) 및 교정 센서(120)로부터 수신된 측정치 또는 보다 일반적으로 교정에 관한 데이터를 사용하여 상기 제1 센서의 교정을 제어하도록 동작할 수 있다. 즉, 교정 센서(120)는 제1 센서(110)로부터 직접 수신된 데이터를 이용하여 교정 센서(120)에서 또는 교정 센서(120) 내에서 이루어진 관측에 기초하여 일부 교정 관련 데이터를 쉽게 생성할 수 있다.
에지 모듈(130)은 예를 들어 클라우드 교정 모듈 또는 하나 이상의 서버 컴퓨터를 사용하여 구현될 수 있는 백-엔드(140)에 통신 연결된다. 에지 모듈(130)은 제1 센서(110) 및 교정 센서(120)의 측정을 포함하는 집계된 감지 데이터 및 원격 측정을 상기 백-엔드에 제공한다.
백-엔드(140)는 일 실시예에서, 예를 들어 로컬 또는 분산 데이터베이스에서의 센서 프로필 및 모든 수신된 센서 측정에 기초하여 센서 데이터 맵을 계산 또는 업데이트하고 유지한다. 상기 센서 맵은 일 실시예에서 시스템(100)의 상이한 센서의 위치 또는 상대 위치를 더욱 포함한다. 센서 프로필 신원(sensor profile identities)은 특정 센서 프로필을 각각의 센서와 상관시키는 데 사용될 수 있다.
센서 맵을 계산하거나 업데이트 한 후, 백-엔드(140)는 제1 센서(110)에 대한 국소 모델/맵 및 센서 프로필을 에지 모듈(130)에 제공한다. 이후 에지 모듈(130)은 그에 따라 제1 센서(110)에 대한 부분 센서 데이터 모델 또는 물리적 모델 맵을 계산하거나 업데이트할 수 있고, 교정 프로세스의 추가 부분으로서, (신규 또는 업데이트된) 교정 데이터를 제1 센서(110)에 발행할 수 있다.
일 실시예에서, 제1 센서(110)로부터의 데이터 및 원격측정이 수신되고(단계 310), 제1 센서에 대해, 작동 환경, 센서 프로필, 드리프트 프로필 및/또는 오차 프로필을 고려하여 교정 센서(120)로부터의 교정 기준 데이터와 비교된다(단계 320). 비교 결과 유효하지 않은 데이터가 발견되면, 프로세스는 단계 380으로 진행하고 단계 390에서 유효하지 않은 데이터를 분석한다. 유효하지 않은 데이터 발견이 이루어지지 않는 한, 프로세스는 제1 센서 정확도를 개선하기 위한 모델에 기초하여 제1 센서 데이터를 증강시키는 것(단계 330)으로 진행한다. 다시, 유효하지 않은 데이터 발견이 이루어질 수 있으며 이 경우 프로세스는 단계 380으로 계속된다. 선택적으로, 새로운 교정 구성이 형성될 수 있으며, 이 경우 프로세스는 단계 360으로 진행하거나 프로세스가 단계 340으로 계속된다.
단계 360에서 새로운 교정 구성이 제1 센서 정확도를 개선했는지 여부가 분석된다. 긍정적인 경우, 교정 구성이 설정되고(단계 370) 보정 파라미터가 제1 센서의 물리적 위치를 포함하여 형성된다. 부정적인 경우, 프로세스는 단계 340으로 계속되며, 여기서 파라미터 값은 제1 센서 정확도를 최적화하기 위해 분석되고 제1 센서 정확도를 개선할 것으로 예상되는 교정 구성이 검색된다. 발견되면, 프로세스는 단계 370으로 계속되고 그렇지 않으면 단계 350에서 개선이 가능하지 않을 것으로 간주된다.
제1 센서(110)에 대한 새로운 구성의 형성 및/또는 수정 모델의 구현은 데이터 수집이 수행되는 에지 모듈(120)에서 수행될 수 있다.
가상 센서라는 용어는 서로 다른 센서에 의해 생성된 데이터를 기반으로, 센서의 모델링된 동작, 환경/작동 환경에 대한 지식을 기반으로, 그리고 가능하게는 동일한 시스템(100) 내의 이전 기록(history) 및 유사한 다른 시스템으로부터 학습하는 인공 지능에 기반하여 실제 센서를 에뮬레이트하거나 시뮬레이션하는 계산 센서를 지칭한다. 예를 들어, 실외 온도 측정을 예로 사용하면, 비교적 근접한 두 센서는 일반적으로, 하나가 국지성 소나기 또는 다른 곳에서는 햇빛을 흡수하는 두꺼운 구름의 틈과 같은 특정 냉각 또는 가열 효과를 받는 경우를 제외하고는 다소 유사한 값을 생성할 것이다. 그러나 일반적으로 두 센서 사이의 온도는 단순히 보간 될 수 있다. 풍속 및 방향과 같은 다른 파라미터에 대한 지식과 주변 다른 센서의 온도 발생 및 시간의 함수로서 온도의 정상적인 발생에 대한 지식을 통해, 온도 분포가 어떻게 진행될 것인지 추론하는 것은 비교적 간단하다. 인공 지능은 새로운 교차-파라미터 모델을 형성하기 위해 서로 다른 속성 간의 상관 관계 및 잠재적 인과 관계를 함께 결정하는데 사용될 수 있다. 이것은 증강 센서 데이터를 형성하여 센서의 실제 능력을 넘어서는 속성을 표시하는데 사용될 수 있다. 증강 센서는 도 4를 참조하여 자세히 설명될 것이다.
물리적 센서가 교정된 센서에 가깝거나 (특정 물리적 거리에서) 가깝게 있는 경우 센서 장치 프로필과 마찬가지로 물리적 센서로부터의 데이터 값도 해당 지역에 사용될 수 있는 현재 시공간 데이터(spatio-temporal data)와 함께 활용될 수 있다.
도 3에 예시된 일 실시예에 따르면, 교정된 센서와 교정중인 물리적 센서 사이의 특정 물리적 거리 내에 이용 가능한 데이터가 없으면, 시스템(100)은 제1 센서(110)의 위치에 가상 교정 센서를 생성한다. 교정 센서(120)의 데이터 값은 과거에 해당 영역의 임의의 물리적 센서로부터의 데이터뿐만 아니라 고품질 시공간 맵에 기초하여 외삽된다.
도 4는 소프트웨어를 통해 센서의 하드웨어 감지 능력을 확장할 수 있는 프로세스를 도시한다. 시공간 모델과 센서 모델이 센서 장치의 하드웨어 사양을 넘어서는 오염 물질 및 환경 속성과 같은 속성을 감지하는데 활용된다. 프로세스는 센서 하드웨어 능력을 넘어서는 속성 또는 추가 파라미터를 검출하기 위한 시공간 모델에 기초하여 센서를 분석한다(단계 430). 상기 분석이 그러한 확장이 불가능하다는 것을 발견하면, 프로세스는 단계 480으로 계속되고 그 후 유효하지 않은 데이터를 분석한다(단계 390).
새로운 증강 센서 구성이 이전 교정 실행 이후에 설정된 경우, 단계 460에서 새로운 교정이 제1 센서(110)의 정확도를 개선하고 증강된 제1 센서에 대해 실측 자료(ground truth)가 추정되는지 분석된다. 그렇지 않다면, 프로세스는 단계 440으로 계속되고, 반대의 경우 새로운 증강 센서 구성에 기초하여 교정 구성 및 보정 파라미터를 설정하기 위한 단계 470으로 계속된다. 단계 440에서, 제1 센서가 증강되어 상기 제1 센서 데이터에 기초하여 새로운 오염 물질과 같은 새로운 속성을 감지하고, 증강 센서에 대한 교정뿐만 아니라 환경 모델과 실측 자료도 추정된다. 단계 440에서 제1 센서 구성에 대해 개선이 가능하다고 발견되면, 프로세스는 사용 상의 채택(adoption in use)을 위해 단계 470으로 계속되고 반대의 경우 단계 450으로 계속되며 개선이 불가능하다.
일 실시예에서, 실측 자료는 하드웨어 사양을 넘어서는 속성을 검출하는데 사용되는 상관 관계를 식별하는 데 사용되는 보다 정확한 교정 센서(120)로부터의 데이터에 기초한다. 센서 증강 모델은 실험실 환경에서 설계될 수 있다; 그러나, 시스템(100)은 선택적으로 또는 추가적으로 물리적 교정 센서(120)로부터의 실측 자료에 기초하여 실행 시에(at runtime) 그러한 모델을 생성할 수 있다. 이후 증강된 센서 구성은 상기 물리적 센서에서 구현되고 설정될 수 있다. 이 프로세스는 사용 가능한 실측 자료 데이터를 기반으로 새로운 증강 센서 구성의 동작을 평가할 수 있다.
더 높은 수준으로 돌아가서, 제1 센서를 교정하기 위한 예시적인 실시예에 따른 교정 프로세스에 따른 흐름도를 보여주는 도 2를 참조한다. 상기 프로세스는 원격 컨트롤러, 즉 에지 모듈(130) 또는 클라우드 교정 모듈(140)과 같은 하나 이상의 개체에 의해 수행될 수 있다.
상기 프로세스는 상기 제1 센서로부터 센서 데이터를 수신하는 단계(단계 210);
알려진 교정 센서로부터 센서 값을 수신하는 것 또는 상기 제1 센서에 대한 센서 특정 모델을 유지하는 것 중 적어도 하나를 수행하는 단계;
알려진 교정 센서 또는 센서 특정 모델에 대한 센서 값의 차이를 고려하고 센서의 작동 환경; 센서 프로필; 센서 특정 드리프트 프로필; 및 센서 특정 오류 프로필; 중 하나 이상을 추가로 고려하여, 드리프트 및 오류를 추정함으로써 교정 요구를 감지하는 단계(단계 220);
상기 차이를 사용하여 센서 데이터에 대한 보정 계수 또는 보정 모델을 추정함으로써 센서를 교정하는 단계(단계 230);를 포함하고,
상기 보정 계수 또는 보정 모델은 상기 센서 특정 모델로부터 파생된다.
일 실시예에서, 상이한 센서들은 계층적으로 순위가 매겨지고 계층적 모델이 사용되어 제1 센서의 교정이 상기 계층적 모델에서 더 높은 순위에 있는 교정 센서로 수행된다.
일 실시예에서, 방법은 다음을 추가로 포함한다:
공간 모델은 상기 제1 센서가 구성된 측정을 위한 시스템의 하나 이상의 속성으로 유지됨; 그리고
상기 공간 모델은 다른 조건에 따른 그리고 상기 제1 센서와 별개로 수행된 측정을 이용하여 제1 센서의 파생된 교정을 수행하도록 계층적으로 사용됨.
일 실시예에서, 상기 공간 모델은 다수의 공기질 파라미터를 통합한다. 상기 공간 모델은 추가 데이터 소스 또는 데이터 동화를 위해 지역 대기 질 모델에 연결될 수 있다.
일 실시예에서, 복수의 센서는 서로 통신하는 센서 그룹을 형성한다. 다중-계층 교정이 노드 내부에서 그리고 노드 간에 수행되어 정확한 감지 능력을 향상시키는 것이 제공될 수 있다. 센서 네트워크는 하나 이상의 기준 관찰 지점으로부터 고정 센서 네트워크로 교정을 전송하도록 구성된 이동 센서를 포함할 수 있다.
일 실시예에서, 교정 센서는 휴대용 센서, 차량 탑재 센서 또는 드론에 의해 운반되도록 구성된 센서와 같은 모바일 센서이다.
일 실시예에서, 제1 센서는 휴대용 센서, 차량 탑재 센서 또는 드론에 의해 운반되도록 구성된 센서와 같은 모바일 센서이다.
일 실시예에서, 교정 센서는 원격 컨트롤러에 의해 제어된다. 상기 원격 컨트롤러는 서버 컴퓨터를 포함할 수 있다. 추가적으로 또는 선택적으로, 상기 원격 컨트롤러는 분산 기능을 포함할 수 있다. 상기 분산 기능은 클라우드 컴퓨팅에 의해 구현될 수 있다. 상기 원격 컨트롤러는 컴퓨터 네트워크의 에지에 위치된 에지 서버를 포함할 수 있다.
상기 원격 컨트롤러는 다수의 센서의 실행 중 교정(runtime calibration)을 수행할 수 있다.
일 실시예에서, 상기 교정 센서는 교정된 센서에 의해 제공되는 센서 데이터의 모델에 기초한 가상 센서이다. 가상 센서 데이터는 센서 네트워크로부터 수신된 결정된 시공간 데이터를 사용하여 장기 센서 관찰 가능 항목을 기반으로 개발될 수 있다.
가상 센서는 예를 들어 인공 지능을 사용하여 자동으로 형성될 수 있고, 그에 따라 상기 가상 센서를 이용하여 교정 센서가 형성되거나 개선되어 상기 제1 센서가 교정될 수 있다. 선택적으로, 상기 가상 센서는 사용될 실제 센서의 선택 및/또는 상기 실제 센서와 함께 적용될 파라미터화(parametrization)에 기초하여 적어도 부분적으로 수동 형성될 수 있다.
일 실시예에서, 프록시 변수(proxy variables)가 포괄적인 관찰로부터 통합되고 센서 네트워크를 통해 확장된다.
예를 들어, SO2, 태양 복사 및 입자상 물질은 기상 황산 농도에 대한 데이터를 제공할 수 있다. 새로운 프록시가 인공 지능 및/또는 기타 데이터 마이닝 기술을 통해 개발될 수 있다.
일 실시예에서, 교정된 센서는 사용된 적어도 하나의 제1 센서의 하드웨어 사양을 넘어서는 환경 속성을 검출하도록 구성된 증강 가상 센서로 확장된다. 교정된 센서를 증강 가상 센서로 확장하는 것은 교정 모델(calibration model)을 사용할 수 있다. 증강 가상 센서는 환경 모델을 더 사용할 수 있다. 상기 환경 모델은 원격 컨트롤러에 의해 생성될 수 있다.
도 5는 측정된 속성 사이의 (잠재적으로 약한) 상관 관계의 분석의 예를 보여준다. 이 방법은 충분한 데이터를 사용할 수 있음을 전제로 여러 속성으로 일반화될 수 있다. 최신 기계 학습 기술은 원래의 하드웨어 사양을 벗어난 속성의 예측에 이용될 수 있다. 한 센서는 속성 A를 측정한다(단계 510). 측정값 A와 (다른 센서에 의한) B 간의 상관 관계는 사용 가능한 데이터를 기반으로 분석되고 다른 속성을 전제로 속성의 존재를 예측하기 위한 모델을 개발한다(단계 520). 상관 관계가 발견되면, 단계 530에서 다른 속성을 전제로 속성을 예측하기 위한 모델이 생성된다; 그렇지 않으면 프로세스가 종료된다. 예외로, 상관 관계가 발견되었지만, 통계적으로 유의미한 것으로 보이지 않는 경우, 프로세스가 종료된다(단계 550). 모델이 생성된 경우 단계 530에서 모델을 검증하기 위한 추가 시도가 이루어진다. 모델이 이용 가능한 데이터를 기반으로 검증된 경우, 프로세스는 단계 540으로 계속되고 모델이 채택되고, 그렇지 않으면 모델이 검증되지 않았고 채택되지 않을 것이다(단계 560).
일 실시예에 따르면, 하나의 자연 시스템의 모델은 다른 자연 시스템에 적합하도록 파라미터화 된다. 예를 들어, 한 도시 또는 국가의 오염 가스 모델이 다른 도시 또는 국가에 채택될 수 있다.
시스템의 처리는 분산될 수 있는데, 예를 들어 원격 개체 또는 원격 컨트롤러와 같은 개체가 더 큰 데이터 세트를 처리하고 센서 판독 및 필요한 로컬 처리만이 센서에서 수행되도록 할 수 있다. 선택적으로, 처리는 구현마다 다른 방식으로 분산될 수 있다. 예를 들어, 가상 네트워크 개체가 처리를 수행할 수 있다.
일 실시예에서, 제1 센서의 교정은 동적으로 적응된다. 상기 적응은 예를 들어 기본 센서의 파라미터, 위치 또는 방향을 변경함으로써 구현될 수 있다. 상기 적응은 보정 계수 또는 보정 모델이 파생되는 모델을 적응시킴으로써 추가로 또는 선택적으로 구현될 수 있다.
다양한 실시예가 제시되었다. 이 문서에서 포함한다, 갖는다, 및 보유하한다 단어는 각각 의도된 배타성이 없는 개방형 표현으로 사용됨을 이해하여야 한다.
전술한 설명은 본 발명을 수행하기 위해 본 발명자들에 의해 현재 고려된 최적의 모드에 대한 완전하고 유익한 설명을 본 발명의 특정 구현 및 실시예의 비-제한적인 예로서 제공하였다. 그러나, 본 발명이 전술한 실시예의 세부 사항에 제한되지 않고, 동등한 수단을 사용하여 다른 실시예에서 또는 본 발명의 특징을 벗어남이 없이 실시예의 상이한 조합으로 구현될 수 있다는 것은 당업자에게 명백하다.
또한, 본 발명의 앞서-개시된 실시예의 일부 특징은 이점을 얻기 위해 다른 특징의 대응되는 사용 없이도 사용될 수 있다. 이와 같이, 전술한 설명은 본 발명의 원리를 단지 예시하는 것으로 고려되어야 하며 그에 제한되지 않는다. 따라서, 본 발명의 범위는 첨부된 특허 청구 범위에 의해서만 제한된다.
Claims (21)
- 교정 프로세스에서 변화하는 작동 환경 내 제1 센서를 교정하는 단계를 포함하는 방법으로서,
상기 제1 센서로부터 센서 데이터를 수신하는 단계;
알려진 교정 센서로부터 센서 값을 수신하는 단계;
상기 제1 센서에 대한 센서 특정 모델을 유지하는 단계;
알려진 교정 센서에 대한 센서 값의 차이를 고려하여 드리프트 및 오류를 추정함으로써 교정 요구를 감지하는 단계; 및
상기 센서를 교정하기 위해 상기 차이를 이용하여 그리고 추정된 보정 계수 또는 보정 모델을 사용하여 상기 센서 데이터에 대한 보정 계수 또는 보정 모델을 추정하는 단계를 포함하고,
상기 보정 계수 또는 상기 보정 모델은 상기 센서 특정 모델로부터 파생된, 방법. - 청구항 1에 있어서,
상기 교정 센서는 하나 이상의 교정된 센서에 의해 제공된 센서 데이터의 모델을 기반으로 하는 가상 센서인, 방법. - 청구항 2에 있어서,
가상 센서 데이터가 센서 네트워크로부터 수신된 결정된 시공간 데이터를 사용한 장기 센서 관찰 가능 항목(long-term sensor obervables)을 기반으로 개발되는, 방법. - 청구항 1 내지 청구항 3 중 어느 한 항에 있어서,
상이한 센서들이 계층적으로 순위가 매겨지고 계층적 모델이 사용되어 상기 제1 센서의 교정이 상기 계층적 모델에서 더 높은 순위에 있는 교정 센서로 수행되는, 방법. - 청구항 4에 있어서,
상기 제1 센서는 주어진 시스템을 측정하도록 구성되고;
공간 모델은 상기 제1 센서가 구성된 측정을 위한 시스템의 하나 이상의 속성으로 유지되며;
상기 공간 모델은 다른 조건에 따른 그리고 상기 제1 센서와 별개로 수행된 측정을 이용하여 제1 센서의 파생된 교정을 수행하도록 계층적으로 사용되는, 방법. - 청구항 5에 있어서,
상기 공간 모델은 다수의 공기질 파라미터를 통합하는, 방법. - 청구항 6에 있어서,
상기 공간 모델은 추가 데이터 소스 또는 데이터 동화를 위해 지역 대기 질 모델에 연결되는, 방법. - 청구항 1 내지 청구항 7 중 어느 한 항에 있어서,
복수의 센서가 서로 통신하는 센서 그룹을 형성하는, 방법. - 청구항 8에 있어서,
정확한 감지 능력을 향상시키는 것을 제공하기 위해 다중-계층 교정이 노드 내부에서 그리고 노드 간에 수행되는, 방법. - 청구항 8에 있어서,
상기 센서 네트워크는 하나 이상의 기준 관찰 지점으로부터 고정 센서 네트워크로 교정을 전송하도록 구성된 이동 센서를 포함하는, 방법. - 청구항 1 내지 청구항 10 중 어느 한 항에 있어서,
상기 교정 요구를 감지하는 단계는 센서 특정 모델을 더 고려하는 것을 포함하는, 방법. - 청구항 1 내지 청구항 11 중 어느 한 항에 있어서,
상기 교정 요구를 감지하는 단계는 상기 센서의 작동 환경을 더 고려하는 것을 포함하는, 방법. - 청구항 1 내지 청구항 12 중 어느 한 항에 있어서,
상기 교정 요구를 감지하는 단계는 상기 제1 센서의 센서 프로필을 더 고려하는 것을 포함하는, 방법. - 청구항 1 내지 청구항 13 중 어느 한 항에 있어서,
상기 교정 요구를 감지하는 단계는 상기 제1 센서의 센서 특정 드리프트 프로필을 더 고려하는 것을 포함하는, 방법. - 청구항 1 내지 청구항 14 중 어느 한 항에 있어서,
상기 교정 요구를 감지하는 단계는 상기 제1 센서의 센서 특정 오류 프로필을 더 고려하는 것을 포함하는, 방법. - 청구항 1 내지 청구항 15 중 어느 한 항에 있어서,
상기 교정 센서는 원격 컨트롤러에 의해 제어되는, 방법. - 청구항 1 내지 청구항 16 중 어느 한 항에 있어서,
프록시 변수(proxy variables)가 포괄적인 관찰로부터 통합되고 센서 네트워크를 통해 확장되는, 방법. - 청구항 1 내지 청구항 17 중 어느 한 항에 있어서,
교정 센서는 상기 적어도 하나의 제1 센서의 하드웨어 사양을 넘어서는 환경 속성을 검출하도록 구성된 증강 가상 센서로 확장되는, 방법. - 에지 컴퓨팅과 같이 셀룰러 네트워크 내 분산 서비스를 구현하는 시스템으로서, 청구항 1 내지 청구항 18 중 어느 한 항에 따른 방법을 수행하기 위한 시스템.
- 변화하는 작동 환경 내 제1 센서를 교정하기 위한 장치로서,
상기 제1 센서로부터 센서 데이터를 수신하는 수단;
알려진 교정 센서로부터 센서 값을 수신하는 수단;
상기 제1 센서에 대한 센서 특정 모델을 유지하는 수단;
알려진 교정 센서에 대한 센서 값의 차이를 고려하여 드리프트 및 오류를 추정함으로써 교정 요구를 감지하는 수단; 및
상기 차이를 이용하여 상기 센서 데이터에 대한 보정 계수 또는 보정 모델을 추정함으로써 상기 센서를 교정하는 수단을 포함하고,
상기 보정 계수 또는 상기 보정 모델은 상기 센서 특정 모델로부터 파생된, 장치. - 청구항 20에 있어서,
상기 장치는 청구항 1 내지 청구항 18 중 어느 한 항에 따른 방법을 수행하도록 구성되는, 장치.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20185271A FI128841B (en) | 2018-03-22 | 2018-03-22 | Sensor calibration |
FI20185271 | 2018-03-22 | ||
PCT/FI2019/050242 WO2019180325A1 (en) | 2018-03-22 | 2019-03-22 | Sensor calibration |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20200131831A true KR20200131831A (ko) | 2020-11-24 |
Family
ID=66041495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020207026508A KR20200131831A (ko) | 2018-03-22 | 2019-03-22 | 센서 교정 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210003461A1 (ko) |
EP (1) | EP3769047B1 (ko) |
JP (1) | JP7217754B2 (ko) |
KR (1) | KR20200131831A (ko) |
CN (1) | CN111886482A (ko) |
FI (1) | FI128841B (ko) |
WO (1) | WO2019180325A1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102552682B1 (ko) * | 2022-09-21 | 2023-07-06 | 모나 주식회사 | 배터리 계측정보 교정방법 및 그 장치 |
KR102641807B1 (ko) * | 2023-08-22 | 2024-02-27 | 에스케이에코플랜트(주) | 센서보정장치 및 센서보정장치의 동작 방법 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12000815B2 (en) * | 2019-02-15 | 2024-06-04 | Matthew Hummer | Devices, systems and methods for detecting, measuring and monitoring chemicals or characteristics of substances |
US20210088390A1 (en) * | 2019-09-19 | 2021-03-25 | Klatu Networks, Inc. | Continuous calibration of sensors in a remotely monitored cooling system |
IL294243A (en) | 2019-12-30 | 2022-08-01 | Waymo Llc | Identification of proxy calibration targets for a fleet of vehicles |
CN111398523B (zh) * | 2020-03-30 | 2022-08-02 | 清华-伯克利深圳学院筹备办公室 | 基于分布的传感器数据校准方法及*** |
JP2023538073A (ja) * | 2020-08-17 | 2023-09-06 | フルークコーポレイション | 被試験デバイスのユニバーサルキャリブレーションのための方法及びシステム |
WO2022150035A1 (en) * | 2021-01-06 | 2022-07-14 | Google Llc | Generating and managing calibration data for sensors used to obtain weather information |
CN113392524B (zh) * | 2021-06-11 | 2023-04-28 | 广东美的暖通设备有限公司 | 一种传感器的漂移诊断方法、装置、电子设备及存储介质 |
WO2024132478A1 (en) * | 2022-12-22 | 2024-06-27 | British Telecommunications Public Limited Company | Recalibrating sensor values |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5386373A (en) * | 1993-08-05 | 1995-01-31 | Pavilion Technologies, Inc. | Virtual continuous emission monitoring system with sensor validation |
DE19625889A1 (de) * | 1996-06-27 | 1998-01-02 | Bayerische Motoren Werke Ag | Verfahren zur modellgestützten Nachbildung der Kühlmitteltemperatur bei einem Fahrzeug |
IL128552A (en) * | 1996-08-19 | 2004-06-01 | Ntru Cryptosystems Inc | Method and device of a public key in a crypto system |
US5857777A (en) * | 1996-09-25 | 1999-01-12 | Claud S. Gordon Company | Smart temperature sensing device |
US6179785B1 (en) * | 1996-10-17 | 2001-01-30 | Sherwood Services, Ag | Ambient sensing feature for thermometer recalibration system |
DE19757447A1 (de) * | 1997-12-23 | 1999-07-01 | Braun Gmbh | Temperaturberechnungsverfahren für Strahlungsthermometer |
TW446995B (en) * | 1998-05-11 | 2001-07-21 | Semitool Inc | Temperature control system for a thermal reactor |
US6283628B1 (en) * | 1998-09-11 | 2001-09-04 | Airpax Corporation, Llc | Intelligent input/output temperature sensor and calibration method therefor |
US6237394B1 (en) * | 1999-02-25 | 2001-05-29 | Redwood Microsystems, Inc. | Apparatus and method for correcting drift in a sensor |
WO2007046844A2 (en) * | 2005-03-01 | 2007-04-26 | Advanced Warning Systems, Inc. | System and method for visual representation of a catastrophic event and coordination of response |
US8762097B2 (en) * | 2006-08-04 | 2014-06-24 | Apple Inc. | Method and apparatus for a thermal control system based on virtual temperature sensor |
KR100793057B1 (ko) * | 2006-09-01 | 2008-01-10 | 한국전자통신연구원 | 이기종 센서 네트워크 기반의 정보 서비스 생성을 위한usn 미들웨어 장치 및 그 방법과, 그를 이용한 정보서비스 제공 시스템 |
US7766542B2 (en) * | 2007-01-02 | 2010-08-03 | Cummins Ip, Inc | Apparatus, system, and method for determining a catalyst bed temperature |
US7661876B2 (en) * | 2007-11-14 | 2010-02-16 | Fluke Corporation | Infrared target temperature correction system and method |
US8529126B2 (en) * | 2009-06-11 | 2013-09-10 | Rosemount Inc. | Online calibration of a temperature measurement point |
CN102393882B (zh) * | 2011-09-21 | 2014-11-26 | 济中节能技术(苏州)有限公司 | 在线监控和诊断室内空气质量传感器的方法 |
US8892382B2 (en) * | 2011-09-26 | 2014-11-18 | General Electric Company | Systems and methods for condition-based power plant sensor calibration |
EP2602752A1 (en) * | 2011-12-09 | 2013-06-12 | ATS Group (IP Holdings) Limited | Method and system for sensor calibration support |
US9258932B2 (en) * | 2011-12-23 | 2016-02-09 | International Business Machines Corporation | Data center thermal management |
US8977373B2 (en) * | 2011-12-28 | 2015-03-10 | Caterpillar Inc. | Systems and methods for extending physical sensor range using virtual sensors |
US9658118B2 (en) * | 2012-11-16 | 2017-05-23 | Linear Technology Corporation | Precision temperature measurement devices, sensors, and methods |
US9291608B2 (en) * | 2013-03-13 | 2016-03-22 | Aclima Inc. | Calibration method for distributed sensor system |
DE102013212485B4 (de) * | 2013-06-27 | 2017-05-11 | Robert Bosch Gmbh | Verfahren zum Betreiben einer Sensoranordnung |
EP3069351B1 (en) * | 2013-11-13 | 2021-05-19 | Fluke Corporation | Profiles for streamlining calibration test |
US9784859B2 (en) * | 2014-08-19 | 2017-10-10 | Decision Sciences International Corporation | Calibrating modular charged particle detector arrays |
KR101685495B1 (ko) * | 2014-12-03 | 2016-12-28 | 한국과학기술연구원 | 이종 센서 매시업 방법, 이를 수행하기 위한 기록 매체 및 장치 |
US10605633B2 (en) | 2015-10-08 | 2020-03-31 | Aclima, Inc. | Distributed sensor calibration |
US10551271B2 (en) * | 2015-10-12 | 2020-02-04 | Nextnav, Llc | Designing a calibration system for use in calibrating unstable sensors |
KR101786237B1 (ko) * | 2015-12-09 | 2017-10-17 | 현대자동차주식회사 | 운전자보조시스템용 센서의 고장진단 및 보정을 위한 장치 및 방법 |
EP3184984B1 (en) * | 2015-12-22 | 2019-05-01 | Kamstrup A/S | A system for calibrating pressure sensors in a utility network |
CN107532900A (zh) * | 2015-12-31 | 2018-01-02 | 华为技术有限公司 | 一种确定校准参数方法和移动设备 |
KR102371409B1 (ko) * | 2016-01-08 | 2022-03-07 | 삼성전자주식회사 | 센서 관리 방법 및 장치 |
CN107305082B (zh) * | 2016-04-21 | 2021-08-31 | 开利公司 | 冷却器***、其中间水温获取方法及其控制方法 |
-
2018
- 2018-03-22 FI FI20185271A patent/FI128841B/en active IP Right Grant
-
2019
- 2019-03-22 US US16/976,194 patent/US20210003461A1/en active Pending
- 2019-03-22 KR KR1020207026508A patent/KR20200131831A/ko not_active Application Discontinuation
- 2019-03-22 CN CN201980019087.8A patent/CN111886482A/zh active Pending
- 2019-03-22 WO PCT/FI2019/050242 patent/WO2019180325A1/en active Application Filing
- 2019-03-22 JP JP2020548943A patent/JP7217754B2/ja active Active
- 2019-03-22 EP EP19715537.7A patent/EP3769047B1/en active Active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102552682B1 (ko) * | 2022-09-21 | 2023-07-06 | 모나 주식회사 | 배터리 계측정보 교정방법 및 그 장치 |
WO2024063444A1 (ko) * | 2022-09-21 | 2024-03-28 | 모나 주식회사 | 배터리 계측정보 교정방법 및 그 장치 |
KR102641807B1 (ko) * | 2023-08-22 | 2024-02-27 | 에스케이에코플랜트(주) | 센서보정장치 및 센서보정장치의 동작 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP7217754B2 (ja) | 2023-02-03 |
CN111886482A (zh) | 2020-11-03 |
US20210003461A1 (en) | 2021-01-07 |
FI20185271A1 (en) | 2019-09-23 |
WO2019180325A1 (en) | 2019-09-26 |
EP3769047A1 (en) | 2021-01-27 |
JP2021518528A (ja) | 2021-08-02 |
FI128841B (en) | 2021-01-15 |
EP3769047B1 (en) | 2023-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20200131831A (ko) | 센서 교정 | |
US11151983B2 (en) | Building system with an entity graph storing software logic | |
US11016998B2 (en) | Building management smart entity creation and maintenance using time series data | |
US11314788B2 (en) | Smart entity management for building management systems | |
US20220327111A1 (en) | Web services for smart entity management for sensor systems | |
US11048247B2 (en) | Building management system to detect anomalousness with temporal profile | |
EP3754906A1 (en) | Method and system for performing automated root cause analysis of anomaly events in high-dimensional sensor data | |
KR101507397B1 (ko) | 대기 모델링 서비스 제공 시스템 | |
WO2019067631A1 (en) | BUILDING MANAGEMENT SYSTEM WITH INTELLIGENT ENTITIES, TIMELINE, INBOUND FLOW GENERATION, CLOUD CONTROL AND ID AND INSURANCE MANAGEMENT SERVICES | |
CN110738354B (zh) | 预测颗粒物浓度的方法、装置、存储介质及电子设备 | |
CN116227749B (zh) | 污染物排放量的确定方法、装置、存储介质及电子设备 | |
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 | |
KR101808978B1 (ko) | 발전 시스템 분석 장치 및 방법 | |
WO2019067630A1 (en) | WEB SERVICE PLATFORM WITH INTELLIGENT ENTITIES, TIMELINES, AND INFLATED STREAM GENERATION | |
CN114216938B (zh) | 一种气体浓度检测补偿方法及装置 | |
US20200110065A1 (en) | Remote sensor calibration system | |
Hasenfratz et al. | Model-driven accuracy bounds for noisy sensor readings | |
KR101863632B1 (ko) | 센서값처리서버 및 그 동작 방법 | |
Maag et al. | Enhancing multi-hop sensor calibration with uncertainty estimates | |
JP2015010927A (ja) | 観測値処理装置、観測値処理方法及び観測値処理プログラム | |
Kumar et al. | Geospatial estimation-based auto drift correction in wireless sensor networks | |
CN115436572A (zh) | 一种基于循环神经网络的传感器校准方法及装置 | |
CN114062283A (zh) | 用于动态迭代基线调整的装置、计算机实现方法和计算机程序产品 | |
Boubrima et al. | Optimal deployment of dense wsn for error bounded air pollution mapping | |
Mishra | A propagation-model empowered solution for blind-calibration of sensors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal |