[发明专利]传感器异常数据修正方法、装置、设备及可读存储介质在审

专利信息
申请号: 202310195638.4 申请日: 2023-02-21
公开(公告)号: CN116295583A 公开(公告)日: 2023-06-23
发明(设计)人: 董思男 申请(专利权)人: 深圳市农博创新科技有限公司
主分类号: G01D18/00 分类号: G01D18/00;G06N3/049
代理公司: 深圳市恒程创新知识产权代理有限公司 44542 代理人: 鄢紫君
地址: 518000 广东省深圳市南山区西丽街*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 传感器 异常 数据 修正 方法 装置 设备 可读 存储 介质
【权利要求书】:

1.一种传感器异常数据修正方法,其特征在于,所述传感器异常数据修正方法应用于传感器组,所述传感器组包括至少两个用于测量环境参数的传感器,包括以下步骤:

获取待检测传感器所采集的检测数据;

基于广义极端学生化偏差测试,判断所述待检测传感器所采集的检测数据是否为异常数据;

若是,则基于非线性自回归外源输入神经网络模型,输出所述待检测传感器的修正值,其中,所述非线性自回归外源输入神经网络模型通过输入同一传感器组中的待检测传感器和其他传感器的历史检测数据结合模型设定的计算方式计算后输出修正值。

2.如权利要求1所述的传感器异常数据修正方法,其特征在于,所述基于广义极端学生化偏差测试,判断所述待检测传感器所采集的检测数据是否为异常数据的步骤包括:

输入所述待检测传感器所采集的检测数据至统计模型,所述统计模型由所述待检测传感器的历史检测数据构成;

判断所述待检测传感器所采集的检测数据是否遵循所述统计模型,其中,所述待检测传感器所采集的检测数据若不遵循所述统计模型则为异常数据。

3.如权利要求1所述的传感器异常数据修正方法,其特征在于,所述基于广义极端学生化偏差测试,判断所述待检测传感器所采集的检测数据是否为异常数据的步骤之后包括:

若否,则基于所述待检测传感器所采集的检测数据对所述统计模型、及所述非线性自回归外源输入神经网络模型进行更新。

4.如权利要求1所述的传感器异常数据修正方法,其特征在于,所述若是,则基于非线性自回归外源输入神经网络模型,输出所述待检测传感器的修正值,其中,所述非线性自回归外源输入神经网络模型通过输入同一传感器组中的待检测传感器和其他传感器的历史检测数据结合模型设定的计算方式计算后输出修正值的步骤之后包括:

统计所述待检测传感器的异常次数;

判断所述异常次数是否达到第一预设次数;

若所述异常次数达到第一预设次数,则反馈所述待检测传感器的异常信息至操作页面。

5.如权利要求1所述的传感器异常数据修正方法,其特征在于,所述获取待检测传感器所采集的检测数据的步骤之前包括:

接收传感器组采集的环境参数数据包;

对所述环境参数数据包进行解析,以得到实际传感器的检测数据。

6.如权利要求5所述的传感器异常数据修正方法,其特征在于,所述对所述环境参数数据包进行解析,以得到实际传感器的检测数据的步骤之后包括:

检测所述实际传感器是否包含所有预设传感器;

若否,则标记缺失的传感器,并记录缺失次数加一。

7.如权利要求1所述的传感器异常数据修正方法,其特征在于,所述若否,则标记缺失的传感器,并记录缺失次数加一的步骤之后包括:

判断所述缺失次数是否达到第二预设次数;

若是,则反馈缺失的传感器至操作页面。

8.一种传感器异常数据修正装置,其特征在于,所述装置包括:

获取模块,用于获取待检测传感器所采集的检测数据;

判断模块,用于基于广义极端学生化偏差测试,判断所述待检测传感器所采集的检测数据是否为异常数据;

输出模块,用于若是,则基于非线性自回归外源输入神经网络模型,输出所述待检测传感器的修正值,其中,所述非线性自回归外源输入神经网络模型通过输入同一传感器组中的待检测传感器和其他传感器的历史检测数据结合模型设定的计算方式计算后输出修正值。

9.一种传感器异常数据修正设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的传感器异常数据修正程序,所述传感器异常数据修正程序配置为实现如权利要求1至7中任一项所述的传感器异常数据修正方法的步骤。

10.一种可读存储介质,其特征在于,所述可读存储介质上存储有传感器异常数据修正程序,所述传感器异常数据修正程序被处理器执行时实现如权利要求1至7任一项所述的传感器异常数据修正方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市农博创新科技有限公司,未经深圳市农博创新科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310195638.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top