申请/专利权人：淮阴工学院

申请日：2023-09-27

公开（公告）日：2024-06-21

公开（公告）号：CN117330208B

主分类号：G01K15/00

分类号：G01K15/00;G06N3/04;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.01.19#实质审查的生效;2024.01.02#公开

摘要：本发明公开了一种基于MoblieNet神经网络与双线性插值的传感器温度补偿方法、系统及存储介质，该方法包括收集待温度补偿传感器采样时的测量值、工作温度、实际温度，并进行预处理，同时构建MoblieNet神经网络模型，利用预处理后的测量值、工作温度对MoblieNe神经网络模型进行训练，获得关于实际温度的预测值；利用双线性插值对预测值进行补偿计算，获得插值后的数值估计；根据实际温度和插值后的数值估计对测量值进行温度补偿，获得温度补偿后的实际测量值。本发明解决了现有技术中传感器温度补偿技术精度低、性能不稳定的问题。

主权项：1.一种基于MoblieNet神经网络与双线性插值的传感器温度补偿方法，其特征在于，包含以下骤：步骤1：收集待温度补偿传感器采样时的测量值、工作温度及对工作温度进行标定的实际温度；步骤2：对步骤1中的测量值、工作温度进行预处理；步骤3：构建MoblieNet神经网络模型；步骤4：利用步骤2中预处理后的测量值、工作温度对MoblieNet神经网络模型进行训练，获得关于实际温度的预测值；步骤5：利用双线性插值对预测值进行补偿计算，获得插值后的数值估计；步骤6：根据实际温度和插值后的数值估计对步骤1的测量值进行温度补偿，获得温度补偿后的实际测量值；其中，步骤1所述的收集待温度补偿传感器采样时的工作温度的方法为：待进行温度补偿传感器在进行每一次采样时，该传感器同步记录内部自带温度传感器实时反馈的温度数据，以供进行温度补偿；所述对工作温度进行标定的方法为：使用已校准过的温度传感器，对待温度补偿的传感器在进行每一次采样时，测量该传感器的实际温度；步骤2中所述的预处理方法为：对测量值进行归一化处理：找到测量值中的最小值min和最大值max，对每个测量值x进行归一化处理过程为：x_normalized＝x-minmax-min其中，x_normalized为归一化后的值；对工作温度进行归一化处理：找到工作温度中的最小值min_temp和最大值max_temp，对每个工作温度y进行归一化处理过程为：y_normalized＝y-min_tempmax_temp-min_temp其中，y_normalized为归一化后的值；步骤3所述的构建MoblieNet神经网络模型的方法为：以MobileNet神经网络为基础网络模型，在该模型的顶部添加全连接层等自定义层，选择平均绝对误差为损失函数来衡量模型传感器测量值和工作温度之间的差异，同时选择Adam优化器来调整模型参数；步骤4所述的训练方法为：将归一化处理后的测量值和工作温度作为MoblieNet神经网络模型的输入，MoblieNet神经网络模型输出层使用恒等映射激活函数，从而将隐藏层提取的数据特征映射为连续值，并过反向传播算法不断调整模型的权重和偏置，以优化模型的预测性能；步骤5所述的进行温度补偿的方法为：建立测量值-工作温度的网格，同时确定预测值在测量值-温度网格中的位置，并找到预测值周围的四个相邻点，计算预测值与四个相邻点之间的距离，以及每个相邻点的权重，对四个相邻点的测量值进行加权求和，得到插值后的数值估计；步骤6的对插值后的数值估计进行补偿计算方法为：计算数值估计与实际温度之间的差异：差异＝数值估计－实际温度；温度补偿后的传感器输出值，即实际测量值＝测量值+差异。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种基于MoblieNet神经网络与双线性插值的传感器温度补偿方法、系统及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD