CN120103239B 一种用于电磁传感器的精度优化方法 （北京航天华腾科技有限公司）

(12)发明专利地址100176北京市大兴区北京经济技术开发区凉水河二街8号院10号楼A座5层501单元(72)发明人李玉涛杨耀明佘炎赵明京审查员邵文所(普通合伙)16123器的原始测量信号；再使用自适应噪声抑制算使用内置参考信号源定期对电磁传感器进行动发明将电磁传感器的动态校准功能和云平台的获取电磁传感器的原始测量信号，并对原始测量信号进行获取电磁传感器的原始测量信号，并对原始测量信号进行预处理21.一种用于电磁传感器的精度优化方法，其特征在于，包括有以下步骤：S100:获取电磁传感器的原始测量信号，并对所述原始测量信号进行预处理；S200:使用自适应噪声抑制算法，动态调整自适应滤波器参数，抑制环境噪声；S300:通过收集历史测量数据，建立异常数据识别模型，通过所述异常数据识别模型对异常数据进行实时监测和剔除；S400:对电磁传感器数据进行分析，调整所述电磁传感器的工作参数；S500:使用内置参考信号源，定期对所述电磁传感器进行动态校准，更新校准系数；对所述电磁传感器测量的数据进行分析来调整所述电磁传感器工作参数，计算测量数据的统计特征，包括平均值和方差，并以所述统计特征作为优化目标，使用参数调整模型调整所述电磁传感器的工作参数。2.根据权利要求1所述的一种用于电磁传感器的精度优化方法，其特征在于，使用自适应噪声抑制算法动态调整自适应滤波器参数以抑制环境噪声的具体步骤为：S201:实时采集电磁传感器工作环境中的实时环境噪声数据，采用频谱分析获取噪声的频率特征；S202:根据噪声的频率特征，使用最小均方LMS算法调整自适应滤波器的参数，包括截止频率和阶数；S203:将经过所述自适应滤波器处理后的电磁传感器输出信号与原始信号进行比较，计算残余噪声水平；S204:当残余噪声水平超过预设阈值时，重复执行S201,直至残余噪声得到有效抑制。3.根据权利要求2所述的一种用于电磁传感器的精度优化方法，其特征在于，所述异常数据识别模型采用随机森林进行构建，具体的构建步骤为：S301:收集正常工作状态下的电磁传感器数据作为训练集D;S302:将训练集D中的数据进行Bootstrap采样，获得N个样本集D={D₁,D₂,…,D};S303:对每个样本集D都使用随机森林算法训练一个决策树分类器h;S304:将所述决策树分类器h;集成为随机森林模型即异常数据识别模型；S305:对于新输入的电磁传感器数据x,使用所述异常数据识别模型进行异常监测：计算x在每个决策树分类器h;中的输出h(x);计算平均输出值：i个决策树分类器所输出的预测值；如果H(x)小于预设阈值，则判定x为异常数据，否则为正常数据。4.根据权利要求3所述的一种用于电磁传感器的精度优化方法，其特征在于，所述参数调整模型基于梯度下降算法构建，具体的计算公式为：L(θ)为均方误差损失函数，用于表示电磁传感器的测量值和真实值之间的差异，具体3w为自适应权重系数，用于平衡损失函数L(θ)和正则化项rge(rge(θ)为L2正则化项，用于约束参数θ的变化幅度，避免因为参数变化过大导致过拟的电磁传感器参数的值；N为电磁传感器测量数据的样本数量；y;为第i个样本的标准值；f (x,θ)为参数调整模型对第i个样本的预测值；x;为第i个样本的预测值；k为所述参数调整5.根据权利要求4所述的一种用于电磁传感器的精度优化方法，其特征在于，在所述电磁传感器中内置有参考信号源和能够程序控制的切换电路；所述参考信号源用于生成稳定的参考信号；所述切换电路用于自动切换所述电磁传感器的工作模式，将正常工作模式切换至所述参考信号源或将所述参考信号源切换至所述正常工作模式。6.根据权利要求5所述的一种用于电磁传感器的精度优化方法，其特征在于，通过所述内置参考信号源定期对所述电磁传感器进行动态校准，具体包括以下步骤：S501:定期切换所述电磁传感器的工作模式，将所述电磁传感器连接至所述内置参考信号源，电磁传感器由正常工作模式转换为校准模式；S502:在所述电磁传感器的输出信号与参考信号源的输出信号同步采集的前提下，比较同一时间内的所述电磁传感器的输出信号与参考信号源的输出信号，计算两者之间的误差值，所述误差值能够采用绝对误差、相对误差以及均方根误差进行计算；S503:根据所述误差值计算出校准系数，并更新所述电磁传感器的校准参数；S504:将所述电磁传感器由校准模式切换回正常工作模式，应用更新后的校准参数继续进行测量。7.根据权利要求6所述的一种用于电磁传感器的精度优化方法，其特征在于，所述精度优化方法还包括在使用所述电磁传感器监测数据时，通过部署多个所述电磁传感器，由云平台使用无线通信获取多个所述电磁传感器的监测数据，所述云平台对所述电磁传感器进行远程监测和动态校准，并使用数据融合算法融合所述监测数据，所述云平台计算高精度测量数据，并对多个所述电磁传感器进行动态校准。8.根据权利要求7所述的一种用于电磁传感器的精度优化方法，其特征在于，所述云平台对电磁传感器进行远程监测和动态校准具体包括以下步骤：S601:所述电磁传感器通过无线通信将测量数据和性能参数上传至所述云平台；S602:所述云平台接收并存储来自多个所述电磁传感器的监测数据，建立电磁传感器性能的历史记录；S603:所述云平台分析所述电磁传感器的监测数据，实时监测各所述电磁传感器的工作状态和测量精度，其中分析所述电磁传感器的监测数据采用的是统计所述监测数据的平4S604:当发现存在有所述电磁传感器的性能指标异常时，所述云平台判断所述电磁传感器是否需要进行动态校准；S605:对于所述电磁传感器无法通过自身动态校准解决的情况，所述云平台生成优化后的校准参数；S606:所述云平台将校准指令下发至对应的所述电磁传感器，触发所述电磁传感器执行动态校准流程；S607:所述电磁传感器完成动态校准后，将校准结果反馈至所述云平台，所述云平台记录校准历史。9.根据权利要求8所述的一种用于电磁传感器的精度优化方法，其特征在于，所述云平台计算高精度测量数据具体包括以下步骤：S611:所述云平台接收来自多个所述电磁传感器的测量数据，并进行时间同步和数据对齐；S612:使用数据融合算法，对多个所述电磁传感器的测量数据进行融合处理；S613:输出融合后的高精度测量结果，作为最终的测量输出；S614:所述云平台将所述最终的测量输出反馈至各个所述电磁传感器，作为所述电磁传感器性能优化的依据。5一种用于电磁传感器的精度优化方法技术领域[0001]本发明涉及传感器信号处理技术领域，尤其涉及一种用于电磁传感器的精度优化方法。背景技术[0002]电磁传感器是一种利用电磁原理进行测量和检测的传感器，其工作原理主要是基于电磁感应和电处理信号，通过感应目标物体的磁场变化并将其转换为电信号，再经过信号处理过程得到最终的输出。电磁传感器广泛应用于工业控制、航天航空以及国防安全等领域，用于测量电磁场强度、磁场方向以及磁通量密度等物理量，这些技术参数对于许多关键应用至关重要。然而，在实际工作环境中，电磁传感器容易受到各种干扰因素的影响，导致测量结果的精度和可靠性下降。[0003]因此，亟需研发一种用于电磁传感器的精度优化方法，来克服现有技术中的缺点。发明内容[0004]为了解决现有技术中电磁传感器受各种干扰因素影响而导致测量结果的精度和可靠性下降的问题，本发明提供了这样一种用于电磁传感器的精度优化方法，包括有以下[0005]S100:获取电磁传感器的原始测量信号，并对所述原始测量信号进行预处理；[0006]S200:使用自适应噪声抑制算法，动态调整自适应滤波器参数，抑制环境噪声；[0007]S300:通过收集历史测量数据，建立异常数据识别模型，通过所述异常数据识别模型对异常数据进行实时监测和剔除；[0008]S400:对电磁传感器数据进行分析，调整所述电磁传感器的工作参数；[0009]S500:使用内置参考信号源，定期对所述电磁传感器进行动态校准，更新校准系[0010]进一步地，使用自适应噪声抑制算法动态调整自适应滤波器参数以抑制环境噪声的具体步骤为：[0011]S201:实时采集电磁传感器工作环境中的实时环境噪声数据，采用频谱分析获取噪声的频率特征；[0012]S202:根据噪声的频率特征，使用最小均方LMS算法调整自适应滤波器的参数，包括截止频率和阶数；[0013]S203:将经过所述自适应滤波器处理后的电磁传感器输出信号与原始信号进行比[0014]S204:当残余噪声水平超过预设阈值时，重复执行S201,直至残余噪声得到有效抑[0015]进一步地，所述异常数据识别模型采用随机森林进行构建，具体的构建步[0016]S301:收集正常工作状态下的电磁传感器数据作为训练集D;6[0020]S305:对于新输入的电磁传感器数据X,使用所述异常数据识别模型进行异常监h;(x)为第1个决策树分类器所输出的预测[0035]其中，Lnew(θ)为优化目标函数，通过求解Lnew(θ),得到Lnew(θ)最小为需要更新的电磁传感器参数的值；N为电磁传感器测量数据的样本数量；Yi为第i个样7[0036]进一步地，在所述电磁传感器中内置有参考信号源和能够程序控制的切换电路；[0037]所述参考信号源用于生成稳定的参考信号；[0038]所述切换电路用于自动切换所述电磁传感器的工作模式，将正常工作模式切换至所述参考信号源或将所述参考信号源切换至所述正常工作模式。[0039]进一步地，通过所述内置参考信号源定期对电磁传感器进行动态校准，具体包括以下步骤：[0040]S501:定期切换所述电磁传感器的工作模式，将所述电磁传感器连接至所述内置参考信号源，电磁传感器由正常工作模式转换为校准模式；[0041]S502:在所述电磁传感器的输出信号与参考信号源的输出信号同步采集的前提下，比较同一时间内的所述电磁传感器的输出信号与参考信号源的输出信号，计算两者之间的误差值，所述误差值能够采用绝对误差、相对误差以及均方根误差进行计算；[0042]S503:根据所述误差值计算出校准系数，并更新所述电磁传感器的校准参数；[0043]S504:将所述电磁传感器由校准模式切换回正常工作模式，应用更新后的校准参数继续进行测量。[0044]进一步地，所述精度优化方法还包括在使用所述电磁传感器监测数据时，通过部署多个所述电磁传感器，由云平台使用无线通信获取多个所述电磁传感器的监测数据，所述云平台对所述电磁传感器进行远程监测和动态校准，并使用数据融合算法融合所述监测数据，所述云平台计算高精度测量数据，并对多个所述电磁传感器进行动态校准。[0045]进一步地，所述云平台对电磁传感器进行远程监测和动态校准具体包括以下步[0046]S601:所述电磁传感器通过无线通信将测量数据和性能参数上传至所述云平台；[0047]S602:所述云平台接收并存储来自多个所述电磁传感器的监测数据，建立电磁传感器性能的历史记录；[0048]S603:所述云平台分析所述电磁传感器的监测数据，实时监测各所述电磁传感器的工作状态和测量精度，其中分析所述电磁传感器的监测数据采用的是统计所述监测数据[0049]S604:当发现存在有所述电磁传感器的性能指标异常时，所述云平台判断所述电磁传感器是否需要进行动态校准；[0050]S605:对于所述电磁传感器无法通过自身动态校准解决的情况，所述云平台生成优化后的校准参数；[0051]S606:所述云平台将校准指令下发至对应的所述电磁传感器，触发所述电磁传感器执行动态校准流程；[0052]S607:所述电磁传感器完成动态校准后，将校准结果反馈至所述云平台，所述云平台记录校准历史。[0053]进一步地，所述云平台计算高精度测量数据具体包括以下步骤：[0054]S611:所述云平台接收来自多个所述电磁传感器的测量数据，并进行时间同步和数据对齐；[0055]S612:使用数据融合算法，对多个所述电磁传感器的测量数据进行融合处理；[0056]S613:输出融合后的高精度测量结果，作为最终的测量输出；8[0057]S614:所述云平台将所述最终的测量输出反馈至各个所述电磁传感器，作为所述电磁传感器性能优化的依据。[0058]本发明的有益效果在于：[0059]1、本发明对于单个电磁传感器的精度优化方法，从信号处理、噪声抑制、异常剔除、参数优化以及动态校准等多个方面入手，系统地解决了电磁传感器测量精度和稳定性面临的问题；[0060]2、本发明通过定期切换电磁传感器的工作模式并比较参考信号和测量信号，自动计算校准系数并更新校准参数，使电磁传感器无需人工干预即可实现电磁传感器的实时动态校准，有效提高了测量精度的长期稳定性；[0061]3、本发明通过以电磁传感器自身的动态校准功能作为基础，确保单个传感器性能的持续优化，而云平台通过远程监测和动态校准功能，集中管理多个传感器，进行整体优化和特殊情况处理，两者相互补充，进一步提高了电磁传感器的测量精度。附图说明[0062]图1为本发明的方法流程图；[0063]图2为本发明动态调整滤波器参数的流程图；[0064]图3为本发明对电磁传感器进行动态校准的流程图；[0065]图4为本发明对电磁传感器进行远程监测和动态校准的流程图；[0066]图5为本发明云平台计算高精度测量数据的流程图。具体实施方式[0067]下面结合附图和实施例对本发明作进一步的说明。实施例一[0068]一种用于电磁传感器的精度优化方法，如附图1所示，包括有以下步骤：[0069]S100:获取电磁传感器的原始测量信号，并对原始测量信号进行预处理。[0070]S200:使用自适应噪声抑制算法，动态调整自适应滤波器参数，抑制环境噪声。[0071]S300:通过收集历史数据，建立异常数据识别模型，通过异常数据识别模型，对异常数据进行实时监测和剔除。[0072]S400:对电磁传感器数据进行分析，调整传感器工作参数。[0073]S500:使用内置参考信号源，定期对电磁传感器进行动态校准，更新校准系数。[0074]在本实施例中，获取电磁传感器的原始测量信号，并对原始测量信号进行预处理，同时获取电磁传感器外部电磁环境参数，包括电磁场强度和频率等。[0075]在本实施例中，使用自适应噪声抑制算法，动态调整自适应滤波器参数，抑制环境噪声。[0076]具体地，如附图2所示，使用自适应噪声抑制算法动态调整滤波器参数以抑制环境噪声的具体步骤为：[0077]S201:实时采集电磁传感器工作环境中的实时环境噪声数据，采用快速傅里叶变化FFT对噪声信号进行频谱分析，以获取噪声的频率特征；[0078]S202:根据噪声频率特征，使用最小均方LMS算法调整自适应滤波器的参数，包括9[0079]S203:将经过自适应滤波器处理后的电磁传感器输出信号与原始信号进行比较，[0083]S301:收集正常工作状态下的电磁传感器监测数据作为训练集D;在正常样本[0084]S302:将训练集D数据进行Bootstrap采样，获得N个样本集[0089]计算x在每个决策树分类器h中的输出h;[0101]Wk为自适应权重系数，随着迭代次数k的增加而动态变化，用于平衡损失函数为需要更新的电磁传感器参数的值；N为电磁传感器测量数据的样本数量；yi为第i个样[0109]参考信号源根据电磁传感器的工作状态和环境变化等动态调整产生的校准信[0113]S502:在电磁传感器的输出信保证信号的时间同步，比较电磁传感器的输出信号与参考信号源的输出信号之间的差异，11行比较；[0114]S503:根据误差值计算出校准系数，以调整电磁传感器的测量结果，使测量结果更接近参考信号源的标准值，将计算出的校准系数应用与电磁传感器，更新其工作参数，以提高电磁传感器的测量精度；[0115]S504:将电磁传感器的工作模式由校准模式切换回正常工作模式，应用更新后的校准参数继续进行测量。[0116]通过定期切换电磁传感器的工作模式并比较参考信号和测量信号，自动计算校准系数并更新校准参数，使电磁传感器无需人工干预即可实现电磁传感器的实时动态校准，有效提高了测量精度的长期稳定性。实施例二[0117]在本实施例中，精度优化方法还包括在使用电磁传感器监测数据时，通过部署多个电磁传感器，由云平台使用无线通信获取多个电磁传感器的监测数据，对电磁传感器进行远程监测和动态校准，并使用数据融合算法融合监测数据，计算高精度测量数据，并对多个电磁传感器进行动态校准。其中数据融合算法可以采用加权平均和卡尔曼滤波等方法。[0118]而在对多个电磁传感器进行部署时，根据被测目标的几何形状和尺寸将多个电磁传感器进行优化设计，包括圆形和矩形等阵列布局，同时阵列中的各电磁传感器间的相对位置和间距根据被测目标的特点进行优化，包括围绕目标均匀分布或者沿着特定方向密集布置。同时除了电磁传感器之外，还可以部署其他类型的辅助传感器，如光学传感器和声学传感器等等，通过数据融合算法，将不同类型的传感器的测量数据进行融合，进一步提高整体测量精度。[0119]具体地，如附图4所示，云平台对电磁传感器进行远程监测和动态校准具体包括以[0120]S601:电磁传感器定期通过无线通信将测量数据和性能参数上传至云平台。[0121]S602:云平台接收并存储来自多个电磁传感器的数据，建立电磁传感器性能的历史记录。[0122]S603:云平台分析传感器数据，实时监测各传感器的工作状态和测量精度，其中分析传感器数据采用的是统计传感器数据的均值、方差和波动指标等指标。[0123]S604:当云平台发现某个电磁传感器的性能指标异常时，云平台触发报警，并记录异常情况，同时，云平台根据对电磁传感器的分析结果，判断是否需要进[0124]S605:对于电磁传感器无法通过自身动态校准解决的情况，云平台根据传感器数据的分析结果，计算出更优化的校准参数或策略，生成定制化的校准指令。[0125]S606:云平台将校准指令通过无线通信下发至对应的电磁传感器，触发电磁传感器执行动态校准流程。[0126]S607:云平台实时监测电磁传感器的校准流程，当电磁传感器完成动态校准后，电磁传感器将校准结果反馈至云平台，云平台记录电磁传感器的校准历史和校准参数的变化。云平台同时提供用户界面，将电磁传感器的校准状态和历史数据进行展示，供用户查看。[0127]云平台通过集中监控多个传感器的性能状况，发现整体的异常情况，云平台根据大量电磁传感器数据的