技术领域
[0001] 本
发明涉及物联网传感器技术领域，尤其涉及一种基于物联网的高空探测传感器自动标校方法。
背景技术
[0002] 目前，在高空探测领域，温、湿、压传感器标校主要靠人工进行，通过人工
测量传感器特性点分布，采用多项式来拟合传感器特性曲线从而实现传感器标校。然而，采用人工测量方式，效率低，成本高，且多项式曲线拟合
精度低，难以满足产量与精度的需求。
[0003] 近些年来，物联网技术已广泛应用在生产生活的方方面面，呈现万物互联、万物智能的新特征。基于物联网技术使工业生产模式发生了巨大地变化，极大地解放了生产
力，提高了智能化
水平与工作效率。物联网技术已广泛应用于智能工厂、智能家居、穿戴式医疗系统等复杂场景中，由此，通过物联网技术，对高空探测
传感器数据进行采集成为了可能。
[0004] 对于温、湿、压传感器标校，传统方式主要为查表法和曲线拟合法，查表法忽略了标校点的测量误差，拟合法只能反映传感器整体趋势，都是几个离散测量点对传感器整
体模型的逼近，不能满足复杂情况下的传感器标校。神经网络作为一种新兴的信息处理方法，为工业难题带来了新的解决方案，通过构建神经网络单元，对传感器采集的数据进行学习，实现传感器特性曲线的拟合，提高传感器测量精度，完成传感器校正。
发明内容
[0005] 本发明针对于高空探测温、湿、压传感器校正中存在的人力成本高、测量时间长以及传感器校正精度低的问题，提出一种基于物联网的高空探测传感器自动标校方法。将物联网技术与神经网络相结合，使传感器标校过程实现自动化与智能化，有效地解放了劳动力，提高了工作效率。通过采用神经网络技术，使温、湿、压传感器测量精度进一步提升，更好地满足了高空探测的需求。
[0006] 为实现上述目的，本发明采用如下技术方案：
[0007] 一种基于物联网的高空探测传感器自动标校方法，主要包含以下步骤：
[0008] 步骤1：构建基于物联网的温、湿、压传感器
数据采集系统；
[0009] 物联网架构由
感知层、传输层和应用层3个部分组成。感知层部署在传感器标校设备中，为温、湿、压传感器设备信息以及对应的测量数据。传输层负责将控制指令、传感器数据信息等内容在感知层与应用层之间传递。采用UDP通信协议建立起不同设备之间的连接，同时基于Socket实现数据的收发和存储。应用层实现设备的控制、数据的存储、分析与展示，通过应用层不同对话框，可以对采集过程中温、湿、压传感器相关参数进行控制，以满足不同类型传感器采集需求。
[0010] 步骤2：设计物联网操作界面；
[0011] 物联网架构对应计算机
软件系统，为了提高
人机交互能力，优化操作过程，实现标校过程的自动化、智能化，所提出的方法设计了相关操作界面，计算机软件系统主要由导航栏和功能区两部分组成，导航栏展示了所提出方法的主要功能，并对各个功能添加超链接使其进行对应页面跳转；功能区域根据传感器标校具体操作需求，由
可视化图表、数据对话框、数据操作按钮等几部分组成，使操作页面具有良好的操作感和展示性。设计使用操作界面，其中包括首页、设备管理界面、传感器自测界面、数据采集界面、数据复测界面。
[0012] 首页主要包括当前标校信息概览和历史数据统计功能，“今日采集”中显示了
温度、湿度、气压传感器的标校数量和对应的标校总
进程，“历史信息预览”中能够查看标校历史记录，并按照传感器类型和标校时间进行数据检索。
[0013] 在设备管理信息表中，可以选择采集板编
位置，输入传感器编号，设定标校环境稳定
阈值条件，设置不同传感器标校点分布。
[0014] 在自测信息查询表中，显示了传感器测量大气环境下的气压值、温度值，并根据测量值绘制初测气压分布图和初测温度分布图分，利用K-mean方法计算聚类中心，并根据所设定阈值判断传感器好坏。在数据采集界面，实时显示采集的数据信息，并根据采集的数据绘制温度变化信息表、湿度变化信息表、气压变化信息表，进行采集状况监测。在数据复测界面包括传感器标校数据信息和传感器复测数据信息以及相应数据对比图和误差分布图，对标校数据、复测数据进行合格判断，并提供数据导出功能。
[0015] 步骤3：设计温、湿、压传感器标校
算法[0016] 采用BP神经网络模型进行温、湿、压传感器进行标校，其结构包括一个
输入层、一个
隐藏层和一个
输出层，通过引入Levenberg–Marquardt算法使BP网络参数更新速度加快；通过将隐藏层激活函数设计为Morlet小波函数来进一步提升传感器标校精度。根据不同传感器影响因素来设计不同网络结构，影响温度传感器测量结果为所在
环境温度，所以输入层为1个神经元，选用5个神经元作为网络隐藏层，1个神经元作为网络输出层；影响气压传感器测量结果为所在环境温度、气压，所以输入层为2个神经元，选用10个神经元作为网络隐藏层，1个神经元作为网络输出层；影响
湿度传感器测量结果为所在环境湿度，所以输入层为1个神经元，选用10个神经元作为网络隐藏层，1个神经元作为网络输出层；经过BP神经网络训练后，达到最终收敛，实现对温、湿、压传感器特性曲线的拟合，达到传感器校正的目的。
[0017] 根据温、湿、压传感器特性曲线，设计相应的标校点分布，并结合标校设备实际情况，制定相应的环境等待时间，数据采集策略。
[0018] 采用UDP协议进行数据传输，为各个设备分配IP地址及端口号，规定温、湿、压传感器与对应标校设备之间的通信协议，实现对标校设备的控制，传感器测量数据的采集。
[0019] 将采集到的标校数据按8:2划分为训练集和测试集，为温、湿、压传感器构建相应的BP网络模型结构，网络隐藏层采用Morlet小波激活函数，使用Levenberg–Marquardt算法进行网络参数更新。
[0020] 采用MySQL+Redis进行传感器数据缓存与存储，设计温、湿、压传感器数据表结构，其中主要包括采集时间、序号、标准温度、标准湿度、标准气压、温度原始值、湿度原始值、气压原始值。
[0022] 1.摒弃了传统人工传感器数据采集方法，基于物联网架构对传感器数据进行采集，极大地解放了劳动力，提高了生产效率。
[0023] 2.采用神经网络技术对温、湿、压传感器进行标校，与传统标校方法相比，增强了模型的泛化能力，提高了传感器测量精度。
附图说明
[0024] 图1是基于物联网的高空探测传感器自动标校方法整体架构示意图；
[0025] 图2是温度传感器采集流程示意图；
[0026] 图3是湿度传感器采集流程示意图；
[0027] 图4是气压传感器采集流程示意图；
[0028] 图5是气压传感器标校模型示意图；
[0029] 图6是传感器标校算法训练流程示意图；
[0030] 图7是温度传感器标校模型示意图；
[0031] 图8是湿度传感器标校模型示意图；
[0032] 图9是数据存储流程示意图；
[0034] 图11是备管理信息表示意图；
[0035] 图12是传感器自测信息示意图；
[0036] 图13是气压传感器数据采集示意图；
[0037] 图14是传感器复测示意图；
具体实施方式
[0038] 本发明实现的是基于物联网的高空探测传感器自动标校。下面将结合附图详细介绍本发明采用的具体方法。
[0039] 图1所示为基于物联网的高空探测传感器自动标校方法整体架构图，其主要由数据采集、数据传输、传感器标校、数据存储、数据展示五部分组成。
[0040] (一)数据采集
[0041] 对于温度传感器，根据传感器特性曲线，有6个标校点，分布为-80℃、-50℃、-30℃、-10℃、30℃、50℃，分布对应6个
温度控制箱。每个温度控制箱达到温度稳定时间为1小时，根据实际情况，通过保持恒温箱温度不变，移动传感器到不同的环境温度下来完成标校。设定标校阈值为0.1℃，当恒温箱温度稳定在标校点±0.1℃时，对温度传感器数据进行采集，具体采集流程如图2所示。
[0042] 对于湿度传感器标校，采用恒温变湿管进行湿度控制，根据湿度传感器特性曲线，选择8％RH、25％RH、75％RH、95％RH等4个湿度标校点。采集流程如图3所示，首先设置设标校设备湿度值以及稳定时的阈值范围0.01RH，然后延时5分钟等待设备进行变湿操作，之后每20秒读取一次当前湿度值，以判断湿度管是否达到稳定条件，当设备湿度保持在标校点±0.01RH时，对湿度传感器数据进行采集。
[0043] 对于气压传感器，由于其受温度和气压两个变量的影响，使用控制变量法对传感器数据进行采集，采集的温度范围有40℃，30℃，20℃，10℃，0℃，-10℃，-20℃，-30℃等8个温度标校点，采集的气压范围有1070hPa，1050hpa，1000hPa，900hPa，800hPa，700hPa，650hPa，600hPa，500hPa，400hap，300hpa，200hPa，150hPa，100hPa，70hPa，50hPa，30hPa，
10hPa，50hPa等19个标校点。采集流程如图4所示，首先设定标校采集点阈值范围，其中包括温度阈值：±0.1℃，气压阈值：±0.1hPa，然后设定标校温度值。设置完成后，每60秒读取一次标校设备温度值，以判断温度是否达到稳定条件。当温度稳定后，设置标校设备气压值，每10秒读取一次数据，以判断气压是否稳定。当温度、气压都达到标校环境要求时，对气压传感器测量数据进行采集。采集完毕后，改变标校设备内气压值，进入下一个气压标校点。
[0044] (二)数据传输
[0045] 本发明采用UDP协议进行数据传输，各设备IP地址分配情况如表1所示。设备控制与数据传输过程中，通信协议规定如下：
[0046] A.读取温度
控制器数据指令：0xa0
[0047] 温度控制器数据返回：0x000x180x330x02
[0048] 协议解析：第1个字节表示正负数，其中0x00表示负数，0x01表示正数，第2、3、4字节表示温度值：需要从低位开始将十六进制数据转换成十进制，再进行组合。如下表达式：
[0049] 0x02＝02
[0050] 0x33＝51
[0051] 0x18＝24
[0052] 读取的恒温箱数据为+025.124℃
[0053] B.设置温度控制器数值指令：0xb0+需要控制的温度值
[0054] 若设置恒温槽温度为+015.112拆分01 51 12转成十六进制，先发送低位，在发送高位。控制温度为正数，首字节为0x00，后三个字节先排序12 51 01(十进制)，再转为十六进制。其发送恒温槽的控制指令为0xb00x000x0c 0x330x01。
[0055] C.读取气压控制器数据指令：PS？\r\n气压控制器数据返回*1004.402\r\n，即当前气压为1004.402hPa。
[0056] D.设置气压控制器数据指令：若控制1070hPa则发送SET:1070000#\r\n[0057] E.读取湿度控制器指令：FETC？(@Uw1)\r\n湿度控制器返回数据：Uw1＝53.8\r\n，即当前湿度为53.8％
[0058] F.设置湿度控制器指令：若控制湿度点为92％，则发送：TARGET:UWA＝92湿度控制器返回数据：UWA＝92.0\r\n，表示设置成功。
[0059] (三)传感器标校
[0060] 根据测得的传感器标校点数据，构建基于BP网络的传感器标校模型。如图5所示为气压传感器标校模型，其输入层有2个神经元，分别为气压原始值、温度原始值，隐藏层有10个神经元，将小波函数作为激活函数进行气压传感器特性曲线拟合，输出层有1个神经元，表示经过校正后的气压值。
[0061] 为了使训练结果能够正确反映样本的内在规律，同时又为了避免出现过拟合，将所有采集到的数据按照8:2比例划分为训练集和测试集。通过训练集数据，进行神经网络模型构建，通过测试集，检测模型的校正效果。其训练
流程图如图6所示，主要训练过程如下：
[0062] 1)将输入的训练样本数据进行归一化处理，剔除异常值、缺失值，完成网络创建并初始化相关参数。
[0063] 2)计算输入层和隐藏层之间的权值w和隐藏层输出值v。
[0064] 3)计算隐藏层和输出层之间的权值w和网络输出值y。
[0065] 4)计算误差函数J，进行各层权值调整。
[0066] 5)判断误差是否满足条件J≤ε，若不满足则重复训练过程，直到满足条件为止。
[0067] 为了验证所建立的标校模型能否准确实现对气压传感器的校正，选取训练模型中误差最小的网络进行预测，通过输入测试集数据进行计算，并与标校点下相应的数据进行对比，计算误差值。若误差超出允许范围，则重新划分数据，进行网络训练，若误差在允许的范围内，则完成气压传感器的校正。
[0068] 温度传感器、湿度传感器网络校正模型如图7、8所示，其中标校点数据划分、模型训练、模型测试过程与气压传感器类似，不再赘述。
[0069] (四)数据存储
[0070] 在本发明提出的基于物联网的高空探测传感器自动标校方法中，采用MySQL
数据库进行数据存储，为了减少MySQL数据库存入次数，提高CPU使用率，引入缓存库Redis，将缓存阈值设为15000行，使数据交换速度加快，其数据存储流程如图9所示。为了方便将采集到的数据进行读写，设计了相应传感器存储数据表结构，如表2～表4所示，实现了对不同传感器类型、不同参数进行检索。
[0071] (五)数据展示
[0072] 网站首页界面如图10所示，设计了当前标校信息概览和历史数据统计功能，“今日采集”中显示了温度、湿度、气压传感器的标校数量和对应的标校总进程，“历史信息预览”中能够查看标校历史记录，并按照传感器类型和标校时间进行数据检索。
[0073] 设备管理界面主要由设备管理信息表、自测信息查询表两部分组成。在如图11所示的设备管理信息表中，首先选择采集板编号确定采集表位置，然后进行对应通道传感器编号录入，编号输入完毕后，点击“保存编号”按钮，即可将输入信息保存到数据库中。在标校前，需在管理表单中设置标校温度阈值、标校气压阈值和标校气压梯度，规定“稳定状态”所需要满足的数据条件。气压和温度的标校点均可以点击按钮以进行保存标校点值、保存标校模型、加载标校模型和清除表格等操作。
[0074] 在如图12所示的自测信息查询表中显示了传感器测量大气环境下的气压值、温度值，并根据测量值绘制初测气压分布图和初测温度分布图分，根据初测值的聚类中心，加载用户设置的范围阈值，即可进行传感器好坏判断。当传感器初测值在阈值范围外时即判定不合格，并显示该传感器的编号和位置。
[0075] 气压传感器数据采集界面如图13所示，其包含数据采集信息表、气压变化信息表和温度变化信息表。数据采集信息表显示当前标校点的实时数据，并支持导出数据功能。气压、温度变化信息表分别将对应的实时采集值、标校值和采集值显示在
坐标系中。
[0076] 如图14所示，数据复测界面包含数据标校信息表和数据复测信息表以及用于直观显示各自内容对比图和误差分布图，两个表格提供导出数据功能。标校气压对比图和复测气压分布图分别将气压值、标校气压值和初测气压值显示在坐标系中，误差分布图显示了标校值与初测值随气压分布的误差，通过观察图形分布，可以更加清晰地了解标校精度，测试标校效果。
[0077] 表1各设备IP地址分配表
[0078]
[0079] 表2温度传感器数据结构表
[0080] 字段名 字段类型 字节/B 说明time datatime 8 采集时间
num int 4 序号
standard_temp float 8 标准温度
temp float 8 实际温度
org_temp float 16 温度原始值
[0081] 表3湿度传感器数据结构表
[0082] 字段名 字段类型 字节/B 说明time datatime 8 采集时间
num int 4 序号
standard_humidity float 8 标准湿度
humidity float 8 实际湿度
org_humidity float 16 湿度原始值
[0083] 表4气压传感器数据结构表
[0084]
[0085]
