(19)中华 人民共和国 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 202111639271.8 (22)申请日 2021.12.2 9 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 申请人 成都菁汇科技有限公司 (72)发明人 朱桂兵　傅鹏　王猛　曾浩　田雨　 郭连平　蒋俊　 (74)专利代理 机构 成都行之智 信知识产权代理 有限公司 5125 6 代理人 温利平 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/08(2006.01) G06F 30/27(2020.01)G06F 17/18(2006.01) G06F 17/10(2006.01) (54)发明名称 基于监督学习的数字采集系统校准方法 (57)摘要 本发明公开了一种基于集成监督学习算法 的数字采集系统校准方法， 构建包括上位机、 高 精度标准源和高精度数字采集系统的校准系统， 并构建校准模 型， 上位机控制待校准数字采集系 统和高精度数字采集系统对高精度标准源的源 信号进行采集， 同时采集待 校准数字采集系统的 工作运行参数数据， 上位机对待校准数据、 参考 数据和工作运行参数数据进行处理， 得到训练样 本数据集对 校准模型进行训练和测试， 校准准确 率达到目标后， 采用训练好的校准模 型对待校准 数字采集系统的待校准数据进行校准。 本发明通 过对数据处理方法进行改进， 综合考虑信号数据 和待校准数字采集系统的工作运行参数数据， 提 高数字采集系统的校准速度和校准精度。 权利要求书3页 说明书9页 附图5页 CN 114330553 A 2022.04.12 CN 114330553 A 1.一种基于监 督学习的数字采集系统校准方法， 其特 征在于， 包括以下步骤： S1： 构建校准系统， 包括上位机、 高精度标准源和高精度数字采集系统， 其中： 高精度标准源用于在上位机的控制下向待校准数字采集系统和高精度数字采集系统 输出源信号； 高精度数字采集系统用于作为校准参考， 待校准数字采集系统和高精度 数字采集系统 在上位机的控制下同时对 源信号进行采集， 将采集得到的样本数据发送至上位机； 上位机用于对高精度标准源、 待校准数字采集系统和高精度数字采集系统进行控制， 对待校准数字采集系统的工作运行参数进 行采样， 然后接收校准数字采集系统和高精度数 字采集系统的样本数据并进行待校准数字采集系统的校准； S2： 构建校准模型， 其输入为待校准数字采集系统的待校准数据对应的特征数据， 其输 出为待校准数据对应的校准数据； S3： 上位机控制高精度 标准源向待校准数字采集系统和高精度 数字采集系统输出源信 号， 将待校准数字采集系统和高精度数字采集系统调整至同一档位并同时对源信号进 行采 集， 待校准数字采集系统和高精度数字采集系统将采集得到的待校准数据和参考数据反馈 回上位机； 同时上位机采用同样的采样率对工作运行参数集合φ中的待校准数字采集系统的工 作运行参数进行采集， 得到工作运行参数数据， 初始工作运行参数集合φ中所包含的工作 运行参数根据实际需要设置； S4： 上位机对待校准数据、 参考数据和工作运行参数数据进行处理， 得到训练样本数据 集， 具体包括以下步骤： S4.1： 上位机对待校准数据、 参考数据和工作运行参数数据进行异常数据检测， 将检测 得到的异常数据进行 标记； S4.2： 对于待校准数据、 参考数据和工作运行参数数据， 如果某个采样点的数据缺失或 被标记为异常数据， 则对该采样点的数据进行插补； S4.3： 对于经过异常数据检测和插补的待校准数据、 参考数据和工作运行参数数据， 采 用长度为L的滑动窗口对 数据进行分段； 记所得到的样本数据段的数量为N， 第n个待 校准数 据为cn， n＝1,2, …,N， 所对应的相同时间段的参考数据为rn， 每个工作运 行参数数据为wn,m， m＝1,2,…,|φ|， |φ|表示所选用的工作运行参数的数量； 上位机根据对待校准数字采集系统和高精度 数字采集系统 的控制信号， 确定每段数据 所对应的档位参数， 包括测量类型、 测量量程、 速度档位、 频率档位， 对 各个档位参数进 行特 征编码， 获取 数值化的档位 参数， 拼接得到档位数据gn， 记其维数为G； 将对应时间段的待校准数据cn、 M个工作运行参数数据wn,m和档位数据gn进行拼接， 得到 维数为(M+1)L+G维特 征数据dn； S4.4： 对特 征数据dn中的每一 位特征数据进行 无量纲处 理， 得到特 征数据d′n； S4.5： 根据N个特征数据d ′n进行特征筛选， 然后对特征数据进行降维， 记得到的特征数 据为Dn， 其维数为K； S4.6： 将待校准数据cn对应的特征数据Dn作为输入， 将对应时间段的参考数据rn作为待 校准数据cn的期望校准结果， 构成训练样本； 然后将N个训练样本划分为两个集合， 分别作 为训练集和 测试集；权　利　要　求　书 1/3 页 2 CN 114330553 A 2S5： 将校准模型的输入维数设置为K， 输出维数设置为L， 采用训练集对校准模型进行训 练； S6： 采用测试集对校准模型进行测试， 计算得到校准 准确率； S7： 判断校准 准确率是否 达到预设目标， 如果未达 到， 进入步骤S 8， 否则进入步骤S9； S8： 根据步骤S4.5的特征筛选结果， 确定降维后的特征数据中涉及的工作 运行参数， 对 工作运行参数集 合φ进行 更新； 返回步骤S3； S9： 上位机控制待校准数字采集系统调整至所需档位对所需采集信号进行采集， 待校 准数字采集系统将采集得到的待校准数据反馈回上位机； 同时上位机采用同样的采样率对 当前工作运行参数集 合φ中的待校准数字采集系统的工作运行参数进行采集； 上位机将当前采样点及前L ‑1个采样点的待 校准数据记为 每个工作运行参数数据 记 为 同时获取当前的档位参数， 采用步骤SS4.3中的相同方法对档位参数进行特征编码， 得到档位数据 将待校准数据 M个工作运行参数数据 和档位数据 进行拼接， 得到 维数为(M+1)L+G维的特征数据 采用步骤S4.4中的相同方法对特征数据 中的每一位特 征数据进 行无量纲处理， 得到特征数据 根据当前的特征筛选结果， 对 特征数据 进行降 维得到特 征数据D′； 将特征数据D′输入训练好的校准模型， 得到待校准数据 的校准结果 2.根据权利要求1所述的数字采集系统校准方法， 其特征在于， 所述校准模型由Ridge 模型、 Lasso模型、 Elastic ‑Net模型、 ARD模型、 RANSA C模型、 Huber模型、 GPR模型、 K RR模型以 及SVR模型集成得到 。 3.根据权利要求1所述的数字采集系统校准方法， 其特征在于， 所述步骤S3 中数据采集 时采用变间隔采样， 采样间隔采用如下 方法确定： S3.1： 采用高精度数据采集系统对源信号以预设的采样间隔进行采集得到原始数据， 记采样点 数为H； 将原始数据作为 数据序列X， 其中第h个采样数据为xh， 对应采样时刻为th， h ＝1,2,…,H； S3.2： 计算数据 序列X中每 个采样点数据xh的原始比重ph： 其中， 表示根据源信号得到的第f个采样数据xf的理论值； S3.3： 判断H个原始比重ph是否满足预设的线性分布， 如果不满足， 进入步骤S3.4， 否则 进入步骤S3.8； S3.4： 计算每 个采样点数据xh的权重wh： S3.5： 计算每 个采样点数据xh的绝对权 重Wh：权　利　要　求　书 2/3 页 3 CN 114330553 A 3