《校准浊度测量传感器的方法.pdf》由会员分享，可在线阅读，更多相关《校准浊度测量传感器的方法.pdf（6页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103575706 A (43)申请公布日 2014.02.12 CN 103575706 A (21)申请号 201310341781.6 (22)申请日 2013.08.07 102012107214.0 2012.08.07 DE G01N 21/49(2006.01) (71)申请人 恩德莱斯和豪瑟尔测量及调节技术 分析仪表两合公司 地址 德国盖林根 (72)发明人 埃丹安杰利奇 卡尔斯滕戈茨 安德烈亚斯菲德特 (74)专利代理机构 中原信达知识产权代理有限 责任公司 11219 代理人 关兆辉 谢丽娜 (54) 发明名称 校准浊度测量传感器的方法 (57) 。
2、摘要 本发明涉及一种校准测量介质的浊度和 / 或 固体含量的传感器的方法， 其中， 该传感器包括至 少一个发射单元和至少两个接收单元， 其中， 该方 法包括下列步骤 ： 探测至少两个测量信号 （1） ， 该 测量信号取决于在介质中散射的光的强度， 其中， 光从发射单元发出， 并且光被接收单元接收， 将测 量信号抽象为特征向量 （2） ， 基于特征向量 （2） 自 动选择校准模型 （5a、 5b、 5） ， 其中， 将特征向量 （2） 传输至早先受训分类器 （3） ， 并且分类器 （3） 将校准模型 （5a、 5b、 5） 和特征向量 （2） 相关联， 以及用自动选择的校准模型 （5a、 5b、。
3、 5） 来校准 （6） 传感器。 (30)优先权数据 (51)Int.Cl. 权利要求书 1 页 说明书 3 页 附图 1 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书1页 说明书3页 附图1页 (10)申请公布号 CN 103575706 A CN 103575706 A 1/1 页 2 1. 一种校准测量介质的浊度和 / 或固体含量的传感器的方法， 其中， 所述传感器包括 至少一个发射单元和至少两个接收单元， 其中， 所述方法包括下列步骤 ： - 探测至少两个测量信号 （1） ， 所述测量信号取决于在所述介质中散射的光的强度， 其中， 所述光从所述发射单元发出。
4、， 并且所述光被所述接收单元接收， - 将所述测量信号抽象为特征向量 （2） ， - 基于所述特征向量 （2） 自动选择校准模型 （5a、 5b、 5） ， 其中， 将所述特征向量 （2） 传输至早先受训分类器 （3） ， 并且所述分类器 （3） 将所述校 准模型 （5a、 5b、 5） 和所述特征向量 （2） 相关联， 以及 - 用所自动选择的校准模型 （5a、 5b、 5） 校准 （6） 所述传感器。 2. 根据权利要求 1 所述的方法， 其中， 通过机器学习训练所述分类器 （3） 。 3. 根据权利要求 1 或 2 所述的方法， 其中， 通过朴素贝叶斯分类器、 神经网络、 支持向量机中的。
5、至少一种方法和 / 或通过基 于规则的方法来训练所述分类器 （3） 。 4. 根据权利要求 1 至 3 中的至少一项所述的方法， 其中， 在实验室条件下训练所述分类器 （3） ， 其中， 所述训练是在恒定温度、 恒定气压下、 用明确的介质量和对所述介质的规律搅动 进行的。 5. 根据权利要求 1 至 4 中的至少一项所述的方法， 其中， 在正在进行的测量操作中再训练所述分类器 （3） 。 6. 根据权利要求 1 至 5 中的至少一项所述的方法， 其中， 按多数规则选择所述校准模型 （5a、 5b、 5） ， 其中， 执行多次测量， 且所选择的用于校准 （6） 的校准模型 （5a、 5b、 5）。
6、 与最多的测量 相吻合。 7. 根据权利要求 1 至 6 中的至少一项所述的方法， 其中， 所述校准 （6） 是多点校准。 8. 根据权利要求 1 至 7 中的至少一项所述的方法， 其中， 所述光被所述第一接收单元以第一角度接收、 并被所述第二接收单元以第二角 度接收。 9. 根据权利要求 1 至 8 中的至少一项所述的方法， 其中， 根据 8 个特征确定所述特征向量 （2） ， 其中， 所述传感器包括 2 个发射单元和 4 个接收单元。 权 利 要 求 书 CN 103575706 A 2 1/3 页 3 校准浊度测量传感器的方法 技术领域 0001 本发明涉及一种校准浊度测量传感器的方法。。
7、 背景技术 0002 从本发明的意义上说， 尤其是在新鲜的工业水及气体中， 通过浊度传感器执行浊 度测量。此外， 本发明涉及类似的过程变量， 诸如固体含量或污泥水平的测量。适合确定相 应过程变量的测量装置的大量变体由恩德莱斯和豪瑟尔集团公司制造和销售， 例如名称为 “Turbimax CUS51D” 的测量装置。 0003 通常， 传感器被布置在传感器主体内， 并且光学地执行过程变量的确定。 在该情况 下， 从至少一个发射单元发出特定波长的电磁波， 其被将被测量的介质散射， 并且被接收单 元接收。光学部件的电磁波波长通常处于近红外范围内， 例如在 880nm。 0004 最常被用作发射器的是窄。
8、带辐射器， 例如发光二极管 （LED） 。在该情况下， LED 用 于产生处于适当波长范围内的光。用作接收器的能够为相应的光电二极管， 其根据接收的 光产生接收器信号， 例如光电流或光电压。 0005 存在浊度传感器的变体， 其包括 2 个 LED 和 4 个光电二极管。在该情况下， 两个 光电二极管接收从 LED 发出并且被介质以 90角散射的光 ； 两个另外的光电二极管接收以 135角散射的光。在该情况下， 光电二极管能够接收直接或间接路径上的光。根据该信号 的多样性， 人们能够选择适合介质的当前特性的信号， 或适当的信号组合 （例如， 四束形式， 交替光信号组合） 。同样的， 存在使用发。
9、射光方法工作的传感器变体。 0006 传感器能够测量大部分的各种介质， 诸如活性污泥、 菌致分解 （消化） 污泥、 净水， 等等。 0007 然而， 由于这种灵活性， 在校准的情况下存在问题。 不同的介质要求不同的数学校 准模型。 这些不同的校准模型会因人们在校准期间用来近似所选信号的信号数目和数学模 型而不同。 0008 相应校准模型的选择是由操作人员在软件菜单中手动完成的。在该情况下， 存在 错误地选择了不正确的校准模型的危险。 此外， 可能发生下列情况， 即选择了实际上为另一 介质提供的校准模型， 然而虽然如此， 它更适合当前的介质。 发明内容 0009 本发明的目的是确保可靠和正确地选。
10、择校准模型。 0010 通过一种校准测量介质的浊度和 / 或固体含量的传感器的方法实现该目的， 其 中， 该传感器包括至少一个发射单元和至少两个接收单元， 其中， 该方法包括下列步骤 ： 0011 - 探测至少两个测量信号， 它们取决于在介质中散射的光的强度， 0012 其中， 光从发射单元发出、 并且被接收单元接收， 0013 - 将测量信号抽象为特征向量， 0014 - 基于该特征向量自动选择校准模型， 说 明 书 CN 103575706 A 3 2/3 页 4 0015 其中， 将该特征向量传输至早先受训的分类器， 并且该分类器将校准模型和特征 向量相关联， 以及 0016 - 用自动。
11、选择的校准模型校准传感器。 0017 自动选择校准模型意味着防止错误， 并且始终选择相应介质的最好、 最匹配的校 准模型， 以便实现始终最佳的校准结果。 0018 优选地， 通过机器学习训练分类器。 0019 在有利的实施例中， 通过朴素贝叶斯分类器、 神经网络、 支持向量机中的至少一种 方法和 / 或通过基于规则的方法来训练分类器。 0020 建立所述方法， 并且使得能够最优地训练分类器。 在该情况下， 基于规则的方法形 成相对简单的选项， 在该情况下， 用于当特征向量位于第一区域中时， 分类器决定第一校准 模型， 当特征向量位于第二区域中时， 分类器决定第二校准模型， 等等。 0021 当。
12、在实验室条件下训练分类器时， 实现特定优点， 其中， 训练是在恒定温度、 恒定 气压下， 用明确的介质量和对介质的规律搅动进行的。 0022 在该情况下， 优选的是， 在正在进行的测量操作中再 （重新） 训练分类器， 因而基于 测量操作的经验值持续改进分类器。这能够自动地、 和 / 或通过技术人员对分类器的相应 输入来完成。 0023 有利地， 以多数规则选择校准模型， 其中， 执行多次测量、 且所选择的用于校准的 校准模型与最多的测量相吻合。 因而， 不是选择第一校准模型， 而是选择对于相应的介质产 生最佳结果的校准模型。 0024 优选地， 该校准是多点校准。通过以不同浊度步骤的校准， 能。
13、够提高校准的精度。 0025 在有利的实施例中， 光线被第一接收单元以第一角度接收、 且被第二接收单元以 第二角度接收。 0026 在优选进一步的改进中， 根据 8 个特征确定特征向量， 其中， 传感器包括 2 个发射 单元和 4 个接收单元。 附图说明 0027 现在将基于附图更详细地解释本发明， 附图的唯一一幅图示出了 ： 0028 图 1 是本发明的方法的流程图。 具体实施方式 0029 将基于浊度测量解释本发明。 然而， 本发明也能够应用于类似过程参数的测量， 诸 如污泥水平或固体含量等。 在浊度传感器的情况下， 通常存在两个独立工作的传感器单元， 其每个都具有一个发射器和两个接收器。。
14、优选地， 两个接收器都用于接收相对发射器的光 束方向、 分别成 90角和 135角散射的光。在浊度传感器和低浊度值的情况下， 优选使用 90通道。在平均和高浊度值以及固体测量时， 优选使用 135通道。此外， 本发明的方法 能够应用于利用发射的光进行测量的传感器。决定性仅在于使用超过单一的接收器。 0030 在方框 1 中的第一步骤中， 探测 （记录下） 测量信号。根据该测量信号， 在方框 2 中 形成特征向量。因而， 将所有的测量信号都包含在特征向量中。然后， 在方框 3 中， 特征向 量被传送至分类器。分类器基于特征向量选择最适合的校准模型 5a、 5b 至 5。当已经选 说 明 书 CN。
15、 103575706 A 4 3/3 页 5 择了校准模型时， 然后在方框 6 校准该传感器。因而， 分类器 3 从校准模型 5a、 5b 至 5 的 代表性 （参考下文） 集合中选择出了最适合该特征向量的校准模型。 0031 分类器 3 在实验室条件下经早先受训。从本发明的意义上说， 实验室条件包括恒 定温度、 恒定气压、 明确的介质量和对介质的规律搅动， 以便保持浊度恒定。这些条件的典 型值包括室温 （22） 、 正常气压 （1020hPa） 和约 20l（升） 的体积。为了使训练尽可能准确， 有规律地搅拌该体积。 0032 在实验室条件下测量时， 探测并记录下列至少一种介质的测量信号， 。
16、包括福尔马 肼、 活性污泥、 菌致分解 （消化） 污泥、 原污泥、 回流污泥、 高岭土和 / 或二氧化钛。为了训练 分类器， 必需具有尽可能大的数据库， 在该数据库中存储对于所有可能的介质的上述信号 的值。应注意， 该数据库应尽可能有代表性。 0033 能够通过机器学习来训练分类器 3。同样地， 能够使用朴素贝叶斯分类器、 神经网 络和 / 或支持向量机中的一种方法。 0034 在最简单的情况下， 还可以应用基于规则的方法 ： 如果特征向量 2 位于第一区域 内， 就选择校准模型 5a ； 而如果特征向量 2 位于第二区域内， 就选择校准模型 5b， 等等。 0035 在实验室条件下成功训练后。
17、， 分类器 3 被永久地编程到传感器中或测量发射器 中。然而， 分类器也能够这样实现， 使得其能够在正在进行的测量操作中再次 （或重新） 学 习。这能够自动、 和 / 或通过技术人员对分类器的相应输入来实现。 0036 为了使分类器可靠， 根据多数原则做出决定。因而， 做出大量测量， 并且不立即采 取分类器的第一选择。而是， 对于某一时间段， 存储分类器的输出， 并且然后选择最频繁出 现的校准模型。对此的典型值是 10-15 次测量。 0037 通常， 执行多点校准， 即以相同介质的不同浊度步骤， 例如 “净” 水、“稍微浑浊的” 水和 “非常浑浊的” 水， 来执行校准。 0038 标识符列表 0039 1 标准条件下的测量信号 0040 2 形成特征向量 0041 3 分类器 0042 4 训练 0043 5a 至 5 校准模型 0044 6 校准 说 明 书 CN 103575706 A 5 1/1 页 6 图 1 说 明 书 附 图 CN 103575706 A 6 。