(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211114561.5 (22)申请日 2022.09.14 (71)申请人 上海熊猫机械 （集团） 有限公司 地址 201799 上海市青浦区盈 港东路6355 号 (72)发明人 卫驰　张丽　吕雪光　 (74)专利代理 机构 上海泰能知识产权代理事务 所(普通合伙) 3123 3 专利代理师 宋缨 (51)Int.Cl. G06K 9/62(2022.01) G01N 33/18(2006.01) G06N 20/00(2019.01) (54)发明名称 一种浊度传感器的智能纠偏方法 (57)摘要 本发明涉及一种浊度传感器的智能纠偏方 法， 包括： 步骤(1)： 按预设周期定时采集浊度传 感器监测的浊度数据； 步骤(2)： 对监测的浊度数 据进行降维； 步骤(3)： 利用降维后的数据对初始 弹性网络回归模 型进行训练， 得到训练好的弹性 网络回归模型； 步骤(4)： 通过训练好的弹性网络 回归模型来预测浊度传感器的精度偏移曲线； 步 骤(5)： 基于所述精度偏移曲线对浊度传感器进 行纠偏。 本发明能够对浊度传感器的精度偏移实 现智能化纠偏， 提升浊度传感器的监测精度。 权利要求书1页 说明书4页 附图2页 CN 115496135 A 2022.12.20 CN 115496135 A 1.一种浊度传感器的智能纠偏方法， 其特 征在于， 包括： 步骤(1)： 按预设周期定时采集浊度传感器监测的浊度数据； 步骤(2)： 对所述浊度数据进行降维； 步骤(3)： 利用降维后的数据对初始弹性网络回归模型进行训练， 得到训练好的弹性网 络回归模型； 步骤(4)： 通过训练好的弹性网络回归 模型来预测浊度传感器的精度偏移曲线； 步骤(5)： 基于所述精度偏移曲线对浊度传感器进行纠偏。 2.根据权利要求1所述的浊度传感器的智能纠偏方法， 其特征在于， 所述步骤(2)中通 过主成分 分析法对监测的浊度数据进行降维。 3.根据权利要求1所述的浊度传感器的智能纠偏方法， 其特 征在于， 所述 步骤(3)包括： 步骤(31)： 将降维后的数据切分为S个互不相交且大小相同的子集； 步骤(32)： 从所述S个子集中选出(S ‑1)个子集来训练初始弹性网络回归模型， 并利用 剩余的1个子集测试训练好的弹性网络回归 模型。 4.根据权利要求3所述的浊度传感器的智能纠偏方法， 其特征在于， 所述步骤(32)还包 括： 从所述S个子集中选出不同的(S ‑1)个子集来训练初始弹性网络回归模型， 得到弹性网 络回归模型拟合结果参数， 并基于所述 弹性网络回归模型拟合结果参数选出平均测试误差 最小的模型作为训练好的弹性网络回归 模型。 5.根据权利要求4所述的浊度传感器的智能纠偏方法， 其特征在于， 所述弹性网络回归 模型拟合结果参数的公式为： 其中， L1表示L1范数正则化； L2表示L2范数正则化； 表示弹 性网络回归模 型拟合结果参数； n表 示水质数据点的观测数量； argmin表 示取最小值； p表 示 模型参数数量； β 表示 回归系数矩阵； L1||β ||1表示β 的L1范数正则化项； 表示β 的L2范 数正则化项； y表示训练数据集矩阵； X表示标记 矩阵。 6.根据权利要求5所述的浊度传感器的智能纠偏方法， 其特征在于， 所述步骤(4)中的 精度偏移曲线的公式为： 其中， x表示数据采集时间。 7.根据权利要求5所述的浊度传感器的智能纠偏方法， 其特征在于， 所述步骤(5)中的 基于所述精度偏移曲线对浊度传感器进行纠偏， 公式为： 其中， x表示数据 采 集时间。权　利　要　求　书 1/1 页 2 CN 115496135 A 2一种浊度传感器的智能纠偏方 法 技术领域 [0001]本发明涉及 传感器纠偏技 术领域， 特别是 涉及一种浊度传感器的智能纠偏方法。 背景技术 [0002]水是生命之源， 是所有生物维持生命不可或缺的物质， 保持水体安全的重要性不 言而喻。 衡量水质的指标之一是浊度。 浊度是表现水清澈与否的感官性指标， 也是反应水中 微生物和有机物含量多少的相关指标， 更是水质良好与否的重要标准之一。 无论是对户外 水质、 自来水厂供水还是居民二次用水， 使用浊度传感器实时监测水质参数是保证水体健 康的重要手段。 但对于提升水质检测的精度， 降低水质检测的维护成本存在技 术瓶颈。 [0003]当浊度传感器投入使用 后， 传感器 的精度会随着使用时间逐渐出现精度漂移， 导 致采集到的数据误差逐渐累加增大。 常规做法是相关厂商定期派技术人员上门重新人工校 准传感器。 对部署在不同环境下的浊度传感器， 较准周期从一个月到一年不等。 这种方式极 大的增加了浊度传感器的维护成本， 同时也不能很好的满足特定场景下如自来水厂的水质 监测精度要求。 因此， 需要开发一种 可以自动纠正浊度传感器精度偏移的方法具有非常重 要的现实意 义。 发明内容 [0004]本发明所要解决的技术问题是提供一种浊度传感器的智能纠偏 方法， 能够对浊度 传感器的精度偏移实现智能化纠偏， 提升浊度传感器的监测精度。 [0005]本发明解决其技术问题所采用的技术方案是： 提供一种浊度传感器的智能纠偏 方 法， 包括： [0006]步骤(1)： 按预设周期定时采集浊度传感器监测的浊度数据； [0007]步骤(2)： 对所述浊度数据进行降维； [0008]步骤(3)： 利用降维后的数据对初始弹性网络回归模型进行训练， 得到训练好的弹 性网络回归 模型； [0009]步骤(4)： 通过训练好的弹性网络回归 模型来预测浊度传感器的精度偏移曲线； [0010]步骤(5)： 基于所述精度偏移曲线对浊度传感器进行纠偏。 [0011]所述步骤(2)中通过主成分 分析法对监测的浊度数据进行降维。 [0012]所述步骤(3)包括： [0013]步骤(31)： 将降维后的数据切分为S个互不相交且大小相同的子集； [0014]步骤(32)： 从所述S个子集中选出(S ‑1)个子集来训练初始弹性网络回归模型， 并 利用剩余的1个子集测试训练好的弹性网络回归 模型。 [0015]所述步骤(32)还包括： 从所述S个子集中选出不同的(S ‑1)个子集来训练初始弹性 网络回归模型， 得到弹性网络回归模型拟合结果参数， 并基于所述弹性网络回归模型拟合 结果参数选出平均测试误差最小的模型作为训练好的弹性网络回归 模型。 [0016]所述弹性网络回归 模型拟合结果 参数的公式为：说　明　书 1/4 页 3 CN 115496135 A 3