传感器校准方法与制作流程

本技术提供一种传感器校准方法，涉及传感器技术领域。

该传感器校准方法，包括以下步骤：S1.建立传感器与参数采集系统连接通道，采集传感器工作参数；S2.中央处理器分析传感器工作参数，匹配误差特征值，建立误差相关数据报表；S3.生成中央处理器误差校准系统，建立误差校准系统与传感器传输通道，实时纠正传感器工作参数；S4.生成校准数据参照表，上传云端服务器，建立云端服务器与中央处理器双向传输通道；S5.生成参数校准模型，下载云端数据导入模型，训练传感器校准智能算法。

本技术中传感器的校准方式较为简单，无需花费大量的时间以及人力，提高了传感器的校准效率，同时也降低了传感器校准成本。

权利要求书
1.一种传感器校准方法，其特征在于：包括以下步骤：
S1.建立传感器与参数采集系统连接通道，采集传感器工作参数；
S2.中央处理器分析传感器工作参数，匹配误差特征值，建立误差相关数据报表；
S3.生成中央处理器误差校准系统，建立误差校准系统与传感器传输通道，实时纠正传感器工作参数；
S4.生成校准数据参照表，上传云端服务器，建立云端服务器与中央处理器双向传输通道；
S5.生成参数校准模型，下载云端数据导入模型，训练传感器校准智能算法。

2.根据权利要求1所述的一种传感器校准方法，其特征在于：所述步骤1中建立传感器与参数采集系统连接通道，采集传感器工作参数，具体如下：
1)通过导线将传感器与参数采集系统电连接，并使传感器处于工作状态，检查传感器的工作状态是否稳定；
2)参数采集系统采集传感器在稳定工作状态下的各项性能参数，并对采集的所有数据进行优化整合，然后发送给中央处理器。

3.根据权利要求1所述的一种传感器校准方法，其特征在于：所述步骤2中的中央处理器分析传感器工作参数，匹配误差特征值，建立误差相关数据报表，具体如下：
1)中央处理器接收到传感器的各项性能参数之后，立即匹配相同型号传感器在正常工作状态下的各项参数，然后对正常参数范围与采集的参数范围进行分析，寻找出存在异常的特征参数；
2)列出正常特征参数与异常特征参数之间的对比报表，计算传感器的校准范围，得到参数的相对误差值W1，根据公式△W＝W1-W2，得到绝对误差值△W，其中W2为允许误差值。

4.根据权利要求1所述的一种传感器校准方法，其特征在于：所述步骤3中生成中央处理器误差校准系统，建立误差校准系统与传感器传输通道，实时纠正传感器工作参数，具体如下：
1)在中央处理器中增设误差校准系统，中央处理器将计算得到的传感器校准范围发送给误差
校准系统；
2)通过导线建立误差校准系统与传感器电连接，误差校准系统根据校准范围值对存在的异常特征参数进行调整，校准传感器的绝对误差值△W。

5.根据权利要求1所述的一种传感器校准方法，其特征在于：所述步骤4中生成校准数据参照表，上传云端服务器，建立云端服务器与中央处理器双向传输通道，具体如下：
1)根据误差校准系统校准的绝对误差值△W建立校准数据参照表，然后将参照表上传至云端服务器中；
2)通过信号传输方式建立云端服务器与中央处理器双向传输通道，云端服务器与中央处理器之间实现数据的上传与下载。

6.根据权利要求1所述的一种传感器校准方法，其特征在于：所述步骤5中生成参数校准模型，下载云端数据导入模型，训练传感器校准智能算法，具体如下：
1)根据传感器校准流程生成参数校准模型，参数校准模型可以自动下载校准数据参照表并导入模型中；
2)参数校准模型对数据参照表进行深度学习，总结异常特征参数的校准流程，从而生成传感器校准智能算法，并对该智能算法进行测试。

技术说明书
一种传感器校准方法
技术领域
本技术涉及传感器技术领域，具体为一种传感器校准方法。

背景技术
传感器是一种检测装置，能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求，传感器的特点包括:微型化、数字化、智能化、多功能化、系统化、网络化，它是实现自动检测和自动控制的首要环节，通常根据其基本感知功能分为热敏元件、光敏元件、气敏元件、力敏元件、磁敏元件、湿敏元件、声敏元件、放射线敏感元件、色敏元件和味敏元件等十大类。

传感器广泛应用于社会发展及人类生活的各个领域，如工业自动化、农业现代化、航天技术、军事工程、机器人技术、资源开发、海洋探测、环境监测、安全保卫、医疗诊断、交通运输、家用电器等，传感器在工作状态下输入数据的准确度非常重要，因此传感器在生产制造之后以及使用过程中对需要对其进行校准，但是，现有的传感器校准方式较为麻烦，需要花费大量的时间以及人力，降低了传感器的校准效率，同时也提高了传感器的校准成本。

技术内容
(一)解决的技术问题
针对现有技术的不足，本技术提供了一种传感器校准方法，解决了现有的传感器校准方式较为麻烦，需要花费大量的时间以及人力，降低了传感器的校准效率，同时也提高了传感器校准成本的问题。

(二)技术方案
为实现以上目的，本技术通过以下技术方案予以实现：一种传感器校准方法，包括以下步骤：
S1.建立传感器与参数采集系统连接通道，采集传感器工作参数；
S2.中央处理器分析传感器工作参数，匹配误差特征值，建立误差相关数据报表；
S3.生成中央处理器误差校准系统，建立误差校准系统与传感器传输通道，实时纠正传感器工作参数；
S4.生成校准数据参照表，上传云端服务器，建立云端服务器与中央处理器双向传输通道；
S5.生成参数校准模型，下载云端数据导入模型，训练传感器校准智能算法。

优选的，所述步骤1中建立传感器与参数采集系统连接通道，采集传感器工作参数，具体如下：
1)通过导线将传感器与参数采集系统电连接，并使传感器处于工作状态，检查传感器的工作状态是否稳定；
2)参数采集系统采集传感器在稳定工作状态下的各项性能参数，并对采集的所有数据进行优化整合，然后发送给中央处理器。

优选的，所述步骤2中的中央处理器分析传感器工作参数，匹配误差特征值，建立误差相关数据报表，具体如下：
1)中央处理器接收到传感器的各项性能参数之后，立即匹配相同型号传感器在正常工作状态下的各项参数，然后对正常参数范围与采集的参数范围进行分析，寻找出存在异常的特征参数；
2)列出正常特征参数与异常特征参数之间的对比报表，计算传感器的校准范围，得到参数的相对误差值W1，根据公式△W＝W1-W2，得到绝对误差值△W，其中W2为允许误差值。

优选的，所述步骤3中生成中央处理器误差校准系统，建立误差校准系统与传感器传输通道，实时纠正传感器工作参数，具体如下：
1)在中央处理器中增设误差校准系统，中央处理器将计算得到的传感器校准范围发送给误差校准系统；
2)通过导线建立误差校准系统与传感器电连接，误差校准系统根据校准范围值对存在的异常特征参数进行调整，校准传感器的绝对误差值△W。

优选的，所述步骤4中生成校准数据参照表，上传云端服务器，建立云端服务器与中央处理器双向传输通道，具体如下：
1)根据误差校准系统校准的绝对误差值△W建立校准数据参照表，然后将参照表上传至云端服务器中；
2)通过信号传输方式建立云端服务器与中央处理器双向传输通道，云端服务器与中央处理器之间实现数据的上传与下载。

优选的，所述步骤5中生成参数校准模型，下载云端数据导入模型，训练传感器校准智能算法，具体如下：
1)根据传感器校准流程生成参数校准模型，参数校准模型可以自动下载校准数据参照表并导入模型中；
2)参数校准模型对数据参照表进行深度学习，总结异常特征参数的校准流程，从而生成传感器校准智能算法，并对该智能算法进行测试。

(三)有益效果
本技术提供了一种传感器校准方法。

具备以下有益效果：
该传感器校准方法，通过中央处理器对传感器工作参数进行分析，匹配误差特征值，然后生成中央处理器误差校准系统并实时纠正传感器工作参数，同时生成参数校准模型，训练传感器校准智能算法，使得日后校准传感器时只需将传感器工作参数导入智能算法中，即可对传感器进行校准处理，传感器校准方式较为简单，无需花费大量的时间以及人力，提高了传感器的校准效率，同时也降低了传感器校准成本。

附图说明
图1为本技术流程图。

具体实施方式
下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。

基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。

实施例：
如图1所示，本技术实施例提供一种传感器校准方法，包括以下步骤：
S1.建立传感器与参数采集系统连接通道，采集传感器工作参数；
S2.中央处理器分析传感器工作参数，匹配误差特征值，建立误差相关数据报表；
S3.生成中央处理器误差校准系统，建立误差校准系统与传感器传输通道，实时纠正传感器工作参数；
S4.生成校准数据参照表，上传云端服务器，建立云端服务器与中央处理器双向传输通道；S5.生成参数校准模型，下载云端数据导入模型，训练传感器校准智能算法。

通过中央处理器对传感器工作参数进行分析，匹配误差特征值，然后生成中央处理器误差校准系统并实时纠正传感器工作参数，同时生成参数校准模型，训练传感器校准智能算法，使得日后校准传感器时只需将传感器工作参数导入智能算法中，即可对传感器进行校准处理，传感器校准方式较为简单，无需花费大量的时间以及人力，提高了传感器的校准效率，同时也降低了传感器校准成本。

其中步骤1中建立传感器与参数采集系统连接通道，采集传感器工作参数，具体如下：
1)通过导线将传感器与参数采集系统电连接，并使传感器处于工作状态，检查传感器的工作状态是否稳定；
2)参数采集系统采集传感器在稳定工作状态下的各项性能参数，并对采集的所有数据进行优化整合，然后发送给中央处理器。

其中步骤2中的中央处理器分析传感器工作参数，匹配误差特征值，建立误差相关数据报表，具体如下：
1)中央处理器接收到传感器的各项性能参数之后，立即匹配相同型号传感器在正常工作状态下的各项参数，然后对正常参数范围与采集的参数范围进行分析，寻找出存在异常的特征参数；
2)列出正常特征参数与异常特征参数之间的对比报表，计算传感器的校准范围，得到参数的相对误差值W1，根据公式△W＝W1-W2，得到绝对误差值△W，其中W2为允许误差值。

其中步骤3中生成中央处理器误差校准系统，建立误差校准系统与传感器传输通道，实时纠正传感器工作参数，具体如下：
1)在中央处理器中增设误差校准系统，中央处理器将计算得到的传感器校准范围发送给误差校准系统；
2)通过导线建立误差校准系统与传感器电连接，误差校准系统根据校准范围值对存在的异常特征参数进行调整，校准传感器的绝对误差值△W。

其中步骤4中生成校准数据参照表，上传云端服务器，建立云端服务器与中央处理器双向传输通道，具体如下：
1)根据误差校准系统校准的绝对误差值△W建立校准数据参照表，然后将参照表上传至云端服务器中；
2)通过信号传输方式建立云端服务器与中央处理器双向传输通道，云端服务器与中央处理器之间实现数据的上传与下载。

其中步骤5中生成参数校准模型，下载云端数据导入模型，训练传感器校准智能算法，具体如下：
1)根据传感器校准流程生成参数校准模型，参数校准模型可以自动下载校准数据参照表并导入模型中；
2)参数校准模型对数据参照表进行深度学习，总结异常特征参数的校准流程，从而生成传感器校准智能算法，并对该智能算法进行测试。

尽管已经示出和描述了本技术的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本技术的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本技术的范围由所附权利要求及其等同物限定。