[發明專利]用于預測傳感器數據的方法、處理器及稱重系統

在審

• 申請號: 202110642100.4
• 申請日: 2021-06-09
• 公開（公告）號: CN113532614A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 蔣敦;張澤群;齊華;廖超;張艷玲
• 申請（專利權）人: 湖南中聯重科混凝土機械站類設備有限公司;中聯重科股份有限公司
• 主分類號: G01G23/01
• 分類號: G01G23/01;G01G19/32
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 肖冰濱;王曉曉

1.一種用于預測傳感器數據的方法，其特征在于，所述方法包括：

獲取多個傳感器的第一實際測量值；

針對所述傳感器中的任意一個待預測傳感器，將除所述待預測傳感器的第一實際測量值之外的其他第一實際測量值輸入至預測模型中，以得到針對所述待預測傳感器的第一預測值；

在所述第一預測值與所述待預測傳感器的第一實際測量值之間的差值大于預設閾值的情況下，預測所述待預測傳感器的狀態為異常狀態；

再次獲取所述多個傳感器的第二實際測量值，其中所述第二實際測量值的產生時間晚于所述第一實際測量值的產生時間；

將除所述待預測傳感器的第二實際測量值之外的其他第二實際測量值輸入至所述預測模型中，以使所述預測模型對所述其他第二實際測量值進行學習；

獲取所述預測模型進行學習后得到的針對所述待預測傳感器的第二預測值；

在所述第二預測值與所述待預測傳感器的第二實際測量值之間的差值大于所述預設閾值的情況下，預測所述待預測傳感器的狀態為異常狀態；

在預測所述待預測傳感器的狀態為異常狀態的次數未達到預設次數閾值的情況下，再次執行所述再次獲取所述多個傳感器的第二實際測量值的步驟，直到預測所述待預測傳感器的狀態為異常狀態的次數達到所述預設次數閾值；

確定所述待預測傳感器發生故障，并輸出所述第二預測值作為所述待預測傳感器的測量數據。

2.根據權利要求1所述的用于預測傳感器數據的方法，其特征在于，所述預測模型通過以下公式(1)計算得到針對所述待預測傳感器的預測值：

其中，f(X_n+1)為所述待預測傳感器的預測值，a₁，a₂，…，a_n、β₁，β₂，…，β_n、δ₁，δ₂，…，δ_n均為因子參數，X₁，X₂，…，X_n分別為除所述待預測傳感器之外的其他傳感器的實際測量值；Y₁，Y₂，…，Y_n均為秤狀態因子，Z為常數項，n為其他傳感器的數量。

3.根據權利要求1所述的用于預測傳感器數據的方法，其特征在于，所述預測模型為徑向基神經網絡，所述預測模型通過以下公式(2)計算得到針對所述待預測傳感器的預測值：

其中，X′_j為所述待預測傳感器的預測值，j＝(1,2,…,N)，N為所述傳感器的數量，m為所述預測模型的隱層節點數量，W為所述預測模型的權值矩陣，W＝(W₀,W₁,…,W_m)^T，W₀＝1，H為徑向基函數矩陣，H＝(H₀,H₁,…,H_m)^T，H₀＝b，b為所述預測模型的偏置值，i為所述隱層節點的序號，i＝(0,1,2,…，m)，ω_i為h的系數，T為所述矩陣W的轉置符號。

4.根據權利要求1所述的用于預測傳感器數據的方法，其特征在于，所述方法還包括：

在確定所述待預測傳感器發生故障之后，再次獲取到最新的傳感器的實際測量值時，將最新的實際測量值輸入至所述預測模型時，所述預測模型不對所述最新的實際測量值進行學習。