利索能及
我要发布
收藏
专利号: 2023112552702
申请人: 淮阴工学院
专利类型:发明专利
专利状态:已下证
更新日期:2026-05-14
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

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‑min)/(max‑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_temp)/(max_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。

2.根据权利要求1所述的一种基于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,所述确定预测值在测量值‑温度网格中的位置的方法为:设预测值的位置为(x,y),x表示测量值、y表示工作温度,四个相邻点分别为:左上相邻点:(x1,y1)=(floor(x),floor(y)),其中floor()函数表示向下取整,即取比目标点坐标小且最接近的整数;

右上相邻点:(x2,y1)=(ceil(x),floor(y)),其中ceil()函数表示向上取整,即取比目标点坐标大且最接近的整数;

左下相邻点:(x1,y2)=(floor(x),ceil(y));

右下相邻点:(x2,y2)=(ceil(x),ceil(y));

计算预测值与相邻点之间的水平和垂直距离:dx=x‑x1,dy=y‑y1;

计算预测值在水平方向上的权重和插值数值:

wx1=(x2‑x)/(x2‑x1)

wx2=(x‑x1)/(x2‑x1)

v1=wx1*T1+wx2*T2

其中,T1和T2分别为左下和右下相邻点的温度值;

计算预测值在垂直方向上的权重和插值数值:

wy1=(y2‑y)/(y2‑y1)

wy2=(y‑y1)/(y2‑y1)

v2=wy1*T3+wy2*T4

其中,T3和T4分别为两个垂直方向相邻点的温度值;

插值后的数值估计通过将水平和垂直方向上的插值数值相加得到:interpolated_value=v1+v2。

3.一个应用于权利要求1所述的基于MoblieNet神经网络与双线性插值的传感器温度补偿方法的系统,其特征在于,包括数据采集模块:收集待温度补偿的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;

预处理模块:对测量值、工作温度进行预处理;

模型构建模块:构建MoblieNet神经网络模型,利用预处理后的测量值、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;

温度补偿模块:利用双线性插值对预测值进行温度补偿,获得插值后的数值估计,同时对插值后的数值估计进行补偿计算,获得补偿后的实际测量值。

4.一种计算机可读存储介质,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1‑2任一所述的方法。