[发明专利]一种光照度传感器校正方法、系统、存储介质、计算设备

权利要求书

1.一种光照度传感器校正方法，其特征在于，包括如下步骤：

数据收集：获取光照度传感器的输出数据；其中，所述光照度传感器置于户外接受光照，包括待校正传感器与正常精度传感器；

数据预处理：根据光照时刻将输出数据分为训练集和测试集；

训练集权值计算：将训练集送入RBF神经网络，计算训练集相关权值；

生成校正模型：获取PLC编写的RBF神经网络的前向神经网络部分；将计算得出的权值填入数据库中，得到光照度传感器校正模型；

测试校正模型：将输出数据测试集送入光照度校正模型中，测试校正模型准确率。

2.根据权利要求1所述的光照度传感器校正方法，其特征在于，所述将传感器置于户外接受光照时间为从正午到完全日落，按预设时间周期获取输出数据。

3.根据权利要求1所述的光照度传感器校正方法，其特征在于，所述训练数据和测试数据数量比例为10:1。

4.根据权利要求1所述的光照度传感器校正方法，其特征在于，所述RBF神经网络的前向神经网络部分、存储传感器输出数据、计算得出的输出数据权值均存储于PLC中。

5.根据权利要求4所述的光照度传感器校正方法，其特征在于，所述PLC为西门子PLC。

6.一种光照度传感器校正系统，其特征在于，包括：

数据收集模块，用于获取传感器输出数据；

数据预处理模块，用于将传感器输出数据分类为训练集和测试集；

RBF神经网络模块；

所述RBF神经网络模块具体包括：

计算部分，即前向神经网络，用于计算训练集相关权值；

模型生成部分，用于获取前向神经网络部分计算结果，并根据训练集相关权值得到校正模型；

模型测试部分，用于将测试集送入校正模型并测试校正模型准确率。

7.根据权利要求6所述的光照度传感器校正系统，其特征在于，所述神经网络模块为使用python语言编程并运行于Windows平台的神经网络算法。

8.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现上述的光照度传感器校正方法。

9.一种计算设备，其特征在于，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的光照度传感器校正方法。