[发明专利]用于预测传感器数据的方法、处理器及称重系统

权利要求书

1.一种用于预测传感器数据的方法，其特征在于，所述方法包括：

获取多个传感器的第一实际测量值；

针对所述传感器中的任意一个待预测传感器，将除所述待预测传感器的第一实际测量值之外的其他第一实际测量值输入至预测模型中，以得到针对所述待预测传感器的第一预测值；

在所述第一预测值与所述待预测传感器的第一实际测量值之间的差值大于预设阈值的情况下，预测所述待预测传感器的状态为异常状态；

再次获取所述多个传感器的第二实际测量值，其中所述第二实际测量值的产生时间晚于所述第一实际测量值的产生时间；

将除所述待预测传感器的第二实际测量值之外的其他第二实际测量值输入至所述预测模型中，以使所述预测模型对所述其他第二实际测量值进行学习；

获取所述预测模型进行学习后得到的针对所述待预测传感器的第二预测值；

在所述第二预测值与所述待预测传感器的第二实际测量值之间的差值大于所述预设阈值的情况下，预测所述待预测传感器的状态为异常状态；

在预测所述待预测传感器的状态为异常状态的次数未达到预设次数阈值的情况下，再次执行所述再次获取所述多个传感器的第二实际测量值的步骤，直到预测所述待预测传感器的状态为异常状态的次数达到所述预设次数阈值；

确定所述待预测传感器发生故障，并输出所述第二预测值作为所述待预测传感器的测量数据。

2.根据权利要求1所述的用于预测传感器数据的方法，其特征在于，所述预测模型通过以下公式(1)计算得到针对所述待预测传感器的预测值：

其中，f(X_n+1)为所述待预测传感器的预测值，a₁，a₂，…，a_n、β₁，β₂，…，β_n、δ₁，δ₂，…，δ_n均为因子参数，X₁，X₂，…，X_n分别为除所述待预测传感器之外的其他传感器的实际测量值；Y₁，Y₂，…，Y_n均为秤状态因子，Z为常数项，n为其他传感器的数量。

3.根据权利要求1所述的用于预测传感器数据的方法，其特征在于，所述预测模型为径向基神经网络，所述预测模型通过以下公式(2)计算得到针对所述待预测传感器的预测值：

其中，X′_j为所述待预测传感器的预测值，j＝(1,2,…,N)，N为所述传感器的数量，m为所述预测模型的隐层节点数量，W为所述预测模型的权值矩阵，W＝(W₀,W₁,…,W_m)^T，W₀＝1，H为径向基函数矩阵，H＝(H₀,H₁,…,H_m)^T，H₀＝b，b为所述预测模型的偏置值，i为所述隐层节点的序号，i＝(0,1,2,…，m)，ω_i为h的系数，T为所述矩阵W的转置符号。

4.根据权利要求1所述的用于预测传感器数据的方法，其特征在于，所述方法还包括：

在确定所述待预测传感器发生故障之后，再次获取到最新的传感器的实际测量值时，将最新的实际测量值输入至所述预测模型时，所述预测模型不对所述最新的实际测量值进行学习。