[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

说明书

本发明公开了一种光照度传感器校正方法、系统、存储介质、计算设备，所述方法包括如下步骤：数据收集：获取光照度传感器的输出数据；数据预处理：根据光照时刻对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。本发明通过利用RBF神经网络算法对温度进行非线性拟合，解决线性拟合结果跟实际温度误差较大的技术问题，从而实现对温度传感器的误差校正。

技术领域

本发明属于传感器领域，特别涉及一种基于RBF神经网络与PLC的光照度传感器校正方法、系统、存储介质、计算设备。

背景技术

光照度传感器是一种常用的检测仪器，其测量光照强度，为农业种植等对光照强度要求较高的生产领域提供了数据支持。光照度传感器在使用过程中会由于环境影响、设备老化等原因影响其测量精度进而影响测量结果。

现有的光照度传感器精度校正方法是通过对比待校正光照度传感器和正常精度光照度传感器置于户外接受光照后的输出数据，通过线性算法拟合两个传感器的输出，进而得到待校正光照度传感器的校正公式，但光照度传感器的输出结果具有非线性性，使用线性校正公式得到的结果误差较大。

因此需要一种适应光照度传感器非线性特性的校正方法。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种光照度传感器校正方法，其通过利用RBF神经网络算法对温度进行非线性拟合，解决线性拟合结果跟实际温度误差较大的技术问题，从而实现对温度传感器的误差校正。

本发明的第二个目的在于提供一种光照度传感器校正系统。

本发明的第三个目的在于提供一种存储介质。

本发明的第四个目的在于提供一种计算设备。

本发明的第一个目的通过以下的技术方案实现：一种光照度传感器校正方法，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。

优选的，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。

优选的，所述训练数据和测试数据数量比例为10:1。

优选的，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。

更进一步的，所述PLC为西门子PLC。

本发明的第二个目的通过以下的技术方案实现：一种光照度传感器校正系统，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；