【技术实现步骤摘要】
本专利技术涉及传感器的，尤其涉及一种基于域自适应的传感器漂移补偿方法及装置。
技术介绍
1、气体传感器是一种常用的设备，用于检测和测量环境中的气体浓度。然而，在长期使用过程中，气体传感器可能会出现漂移问题，传感器的灵敏度可能会受到环境因素、自身老化和中毒等因素的影响，导致相同气体在不同时间通入传感器时，传感器的响应不同，即发生了传感器的漂移。
2、目前的技术手段对于传感器漂移问题无法完全解决，因此漂移可以被视为传感器的固有特性。在现有的技术手段中，一方面是在硬件层面上优化传感器的性能以减小漂移因素的影响，但是成本较高；另一种方法是在数据层面上，同时采集种不同传感器数据进行互补，并通过数据方法提取出不受漂移影响的不变性特征。然而，传感器漂移是一个较长时间的过程，收集不同传感器的大量训练数据会带来高昂的时间成本。
3、因此，为了平衡成本和效益，本专利技术采用构建算法模型的方法，以实现对传感器漂移的缓解。
技术实现思路
1、本专利技术的目的在于提供一种基于域自适应的传感器漂移补偿方法及装置以解决现有技术中，为解决传感器漂移导致的成本以及时间成本较高的问题。
2、为实现上述专利技术目的之一，本专利技术一实施方式提供一种基于域自适应的传感器漂移补偿方法，所述方法包括：
3、获取气体传感器每个时段的历史气体样本数据，并对样本数据进行特征提取；
4、将样本特征输入域区分器训练并预测所述样本数据对应的域和时段，得到无漂移的源域数据和有漂移
5、基于所述源域数据训练分类器，并将所述目标域数据输入所述分类器训练，预测所述样本数据对应的气体分类。
6、作为本专利技术一实施方式的进一步改进，所述方法还包括：定义所述每个时段的数据表示为
7、其中d∈{0,1,2,3…}，表示采集数据的时段，xd表示第d个时段的所有传感器测量数据，该时段共采集了nd条数据，每条数据由特征和标签组成；
8、定义d＝0时段的数据为无漂移的源域样本数据，则d∈{1,2,3…}时段的数据为有漂移的目标域样本数据，且d越大，传感器漂移越严重。
9、作为本专利技术一实施方式的进一步改进，所述方法还包括：将所述样本数据输入特征提取器得到样本的高维特征xed，表示为：
10、
11、其中，θe表示特征提取器神经网络的参数。
12、作为本专利技术一实施方式的进一步改进，所述方法还包括：将所述样本的高维特征输入域区分器获取所述样本所属域的预测值pfd，表示为：
13、
14、其中，θf表示域区分器神经网络参数，pfd表示d时段的数据相对于无漂移数据漂移程度的大小。
15、作为本专利技术一实施方式的进一步改进，所述方法还包括：使用mini batch对域区分器进行训练，包括，
16、对于一个batch中的所有预测值按照pfd从小到大排序，得到
17、其中，j为排序序号，b为训练时使用mini batch的大小；
18、基于排序后的构建域区分器的损失函数，所述域区分器的损失函数表示为：
19、
20、其中，d时段中排序序号j越多，lf越小，预测精度越高，域区分器的优化目标为
21、作为本专利技术一实施方式的进一步改进，所述方法还包括：基于所述源域数据训练分类器，所述分类器的预测值表示为：
22、
23、其中，θc为分类器神经网络参数，表示样本依次通过特征提取器和分类器获取到样本所属类别的预测结果。
24、作为本专利技术一实施方式的进一步改进，所述方法还包括：将所述目标域数据输入所述分类器训练，所述分类器的输出的损失函数表示为：
25、
26、其中，预测值与真实值yi越接近，lc越小，分类器的优化目标为
27、为实现上述专利技术目的之一，本专利技术一实施方式提供一种基于域自适应的气体传感器漂移补偿装置，包括特征提取模块、域区分器模块、分类器模块，
28、所述特征提取模块用于获取气体传感器每个时段的历史气体样本数据，并对样本数据进行特征提取；
29、所述域区分器模块用于将所述特征输入域区分器训练并预测所述样本数据对应的域和时段，得到无漂移的源域数据和有漂移的目标域数据；
30、所述分类器模块用于基于所述源域数据训练分类器，并将所述目标域数据输入所述分类器训练，预测所述样本数据对应的气体分类。
31、为实现上述专利技术目的之一，本专利技术一实施方式提供一种电子设备，包括存储器以及处理器，述存储器中存储可在所述处理器上运行的计算机程序，所述处理器上执行程序时实现如上所述基于域自适应的气体传感器漂移补偿方法中的步骤。
32、为实现上述专利技术目的之一，本专利技术一实施方式提供一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时候实现如上所述基于域自适应的气体传感器漂移补偿方法中的步骤。
33、与现有技术相比，本专利技术提供的基于域自适应的传感器漂移补偿方法及装置，通过使用域自适应算法，使得无漂移传感器的测量值和有漂移传感器的测量值差异最大化，同时充分利用传感器不同时段线性漂移的特点，使得传感器不同漂移状态间也具有差异性。本专利技术还通过建立算法模型并设计损失函数，对有漂移的传感器测量值进行补偿，得到准确的气体分类，减少了传感器硬件优化上的成本以及数据处理上的时间成本，具有很好的实用性。
本文档来自技高网...【技术保护点】
1.一种基于域自适应的气体传感器漂移补偿方法，其特征在于，包括：
2.根据权利要求1所述的基于域自适应的传感器漂移补偿方法，其特征在于，定义所述每个时段的数据表示为
3.根据权利要求2所述的基于域自适应的传感器漂移补偿方法，其特征在于，将所述样本数据输入特征提取器得到样本的高维特征xed，表示为：
4.根据权利要求3所述的基于域自适应的传感器漂移补偿方法，其特征在于，将所述样本的高维特征输入域区分器获取所述样本所属域的预测值pfd，表示为：
5.根据权利要求4所述的基于域自适应的传感器漂移补偿方法，其特征在于，使用minibatch对域区分器进行训练，包括，
6.根据权利要求2所述的基于域自适应的传感器漂移补偿方法，其特征在于，基于所述源域数据训练分类器，所述分类器的预测值表示为：
7.根据权利要求6所述的基于域自适应的传感器漂移补偿方法，其特征在于，将所述目标域数据输入所述分类器训练，所述分类器的输出的损失函数表示为：
8.一种基于域自适应的气体传感器漂移补偿装置，包括特征提取模块、域区分器模块
9.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器中存储可在所述处理器上运行的计算机程序，所述处理器上执行程序时实现如权利要求1ˉ7任意一项所述基于域自适应的气体传感器漂移补偿方法中的步骤。
10.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时候实现权利要求1ˉ7任意一项所述基于域自适应的气体传感器漂移补偿方法中的步骤。
...【技术特征摘要】
1.一种基于域自适应的气体传感器漂移补偿方法，其特征在于，包括：
2.根据权利要求1所述的基于域自适应的传感器漂移补偿方法，其特征在于，定义所述每个时段的数据表示为
3.根据权利要求2所述的基于域自适应的传感器漂移补偿方法，其特征在于，将所述样本数据输入特征提取器得到样本的高维特征xed，表示为：
4.根据权利要求3所述的基于域自适应的传感器漂移补偿方法，其特征在于，将所述样本的高维特征输入域区分器获取所述样本所属域的预测值pfd，表示为：
5.根据权利要求4所述的基于域自适应的传感器漂移补偿方法，其特征在于，使用minibatch对域区分器进行训练，包括，
6.根据权利要求2所述的基于域自适应的传感器漂移补偿方法，其特征在于，基于所述源域数...
【专利技术属性】
技术研发人员：马坚，张卫平，常俊玉，李春阳，孙立洋，
申请(专利权)人：青岛海尔电冰箱有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。