强化智能传感器技术研究提升企业中台运行效率

强化智能传感器技术研究提升企业中台运行效率

苏心宇

厦门烟草工业有限责任公司，福建省厦门市 361000

摘要：企业中台建设过程中,面对海量数据，往往出现各业务系统间数据准确性不足，交叉混乱，难以统一整合，无法满足对内对外的各种数据需求。为了降低数据开发成本，提高运行效率，需对数据进行源头治理。本文通过探讨传感器选型设计、智能化、多数据融合应用等技术，并提出相应的技术措施，提升前台数据质量,进而提升企业中台运行效率。

关键词：数据；传感器；选型设计;智能化；多传感器数据融合。

引言

为达成智能制造目标，越来越多的企业接连实施“大中台”战略，构建符合互联网大数据时代的，具有创新性、灵活性的“大中台、小前台”的机制，让前台业务更便捷、更快速对接市场，中台集合企业的运营数据能力、产品技术能力对前台业务形成强大支撑。然而，企业中台建设过程中，其数据采集、标准、处理、仓库、分析、监测告警等运维效果取决于前台数据质量，而强化智能传感器技术研究可有效解决前台数据质量问题。本文将从传感器选型设计、智能化、多传感器数据融合应用等方面进行研究。

一、传感器的选型设计

由于传感器具有频率响应、阶跃响应等动态特性以及诸如漂移、重复性、精确度、灵敏度、分辨率、线性度等静态特性，所以外界因素的改变与动荡必然会造成传感器自身特性的不稳定，从而给其实际应用造成较大影响。这就要求我们对传感器进行科学选型设计，以最大程度优化其性能参数与指标，如高灵敏度、抗干扰的稳定性、线性、容易调节、高精度、无迟滞性、工作寿命长、可重复性、抗老化、高响应速率、抗环境影响、互换性、低成本、宽测量范围、小尺寸、重量轻和高强度等。选型设计步骤具体如下：‌

（一）明确测量目标和参数。‌首先，‌需要明确拟测量的目标和参数。‌例如，‌在工业生产过程中，‌可能需要测量温度、‌压力、‌湿度、‌流量等参数；‌在环境监测中，‌可能需要测量空气质量、‌水质、‌土壤质量等参数。‌明确测量目标和参数有助于选择合适的传感器类型和规格。‌

（二）了解传感器的性能指标。‌传感器的性能指标是选型的重要依据。‌常见的性能指标有灵敏度、‌精度、‌线性度、‌稳定性、‌响应时间、‌输出信号类型等。‌了解这些指标有助于选择满足特定应用需求的传感器。‌

（三）考虑工作环境和条件。‌传感器的工作环境和应用条件对其性能有很大影响。‌需要考虑工作环境的温度、‌压力、‌湿度、‌腐蚀性等因素，‌以确保传感器能够在实际应用中正常工作。‌

（四）选择合适的传感器类型和结构。‌根据测量目标和参数，‌以及工作环境和应用条件，‌选择合适的传感器类型和结构。‌常见的传感器类型包括电阻式、‌电容式、‌电感式、‌磁式、‌光电式、‌热敏式、‌气敏式等。‌不同类型的传感器具有不同的工作原理和特点，‌适用于不同的测量目标和参数。‌

（五）考虑经济性和可维护性。‌在满足测量要求的前提下，‌尽量选择性价比较高的传感器。‌同时，‌还需要考虑传感器的可维护性，‌如更换周期、‌维修难度等，‌选择易于维护的传感器可以降低系统的运行成本和风险。‌

（六）参考行业规范和标准。在选择传感器时，‌可以参考相关的行业规范和标准，‌以确保所选的传感器符合特定的应用要求。‌

通过科学选型设计，‌可确保所选的传感器能够满足特定的测量需求和环境条件，‌从而提高测量系统的性能和可靠性。

二、传感器智能化

普通传感器的‌输入-输出特性存在非线性且随时间漂移，信噪比低易受噪声干扰，‌存在交叉灵敏度、‌选择性、‌分辨率不高等弊端，影响测量结果的准确性、稳定性和可靠性，影响数据质量。而智能化传感器可实现多种功能，‌包括自校准、‌自补偿、‌自诊断、‌数据处理、‌双向通信、‌信息存储和记忆、‌数字信号输出等。因此,传感器智能化势在必行，主要技术途径有：

‌（一）利用计算机合成。通过利用计算机合成的技术对测量数据进行数据处理，使传感器具备智能化的特点。例如,智能红外测温仪、微波水份仪等。

（二）利用特殊功能的材料。将传感器与具有特殊功能的材料相结合，以增强检测输出信号的选择性，仅选择有用的信号输出，抑制噪音或非期望效应。

（三）利用功能化几何结构。通过设计传感器的特殊几何结构或机械结构，实现对检测信号的处理。例如，凸透镜或凹透镜的应用。

（四）采用新的检测原理和结构实现。通过微机械精细加工工艺设计新型结构，使传感器能够真实反映实测对象的完整信息。例如，3D加速度传感器和3D轴陀螺仪等。

（五）应用人工智能材料实现。利用人工智能材料的自适应、自诊断、自完善、自调节、自修复和自学习的特性，制造智能传感器。例如，使用半导体陶瓷、记忆合金、氧化物薄膜等人工智能材料。

（六）采用软件化技术实现。将传感器与微处理器相结合，利用计算机软件编程的优势，实现对测量数据的信息处理功能。例如，运用软件计算实现非线性校正、自补偿、自校准，提高传感器的精度；用软件实现信号滤波，简化硬件、提高信噪比；运用人工智能、神经网络、模糊理论等，使传感器具有更高智能即分析、判断、自学习等功能。

（七）通过多传感器信息融合技术实现。通过多个传感器获得更多种类和数量的传感数据，经过处理得到多种信息，从而对环境进行更加全面和准确的描述。

（八）通过网络化实现。智能传感器与通信网络技术相结合，使传感器由单一功能、单一检测向多功能和多点检测发展,从被动检测向主动进行信息处理方向发展,从就地测量向远距离实时在线测控发展。

这些技术途径共同推动了传感器智能化的发展，使得传感器能够更好地适应现代工业和信息技术的发展需求，提高了测量结果的准确性、稳定性和可靠性。

三、多传感器数据融合技术应用

将分布在不同位置的多个同类或不同类传感器所提供的局部数据资源加以综合，采用计算机技术对其进行分析，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，降低其不确实性，获得被测对象的一致性解释与描述，从而提高系统决策、规划、反应的快速性和正确性，使系统获得更充分的信息。其信息融合在不同信息层次上出现，包括数据层融合、特征层融合、决策层融合。

（一）数据级融合。针对传感器采集的数据，依赖于传感器类型，进行同类数据的融合。数据级的融合要处理的数据都是在相同类别的传感器下采集。

（二）特征级融合。提取所采集数据包含的特征向量，用来体现所监测物理量的属性，这是面向监测对象特征的融合。如在图像数据的融合中，可以采用边沿的特征信息，来代替全部数据信息。

（三）决策级融合。根据特征级融合所得到的数据特征，进行一定的判别、分类，以及简单的逻辑运算，根据应用需求进行较高级的决策。决策级融合是面向应用的融合，可以根据应用的特点来选择融合方式。

多传感器数据融合比单一传感器信息有如下优点，即容错性、互补性、实时性、经济性，所以逐步得到推广应用。

四、结语

传感器行业的发展已经进入了一个新的时代，当前技术水平下的传感器系统正向着微小型化、智能化、多功能化和网络化的方向发展。今后，随着CAD技术、MEMS 技术、信息理论及数据分析算法的继续向前发展，未来的传感器系统必将变得更加微型化、综合化、多功能化、智能化和系统化。

通过强化智能传感器技术研究，可‌确保数据的准确性和完整性，‌为后续的数据仓库层和其他层次提供高质量的数据源，可进行统一格式、‌统一计量单位的规整有序组织，‌为数据分析、‌数据挖掘等需求提供数据支持，可提高‌海量数据的处理与应用能力，降低数据开发成本和提升企业中台运行效率。

因此，实施“大中台”战略，既要注重“大中台”谋篇布局，本着系统性、前瞻性、实用性、开放性原则，深入推进新一代信息技术与企业生产经营管理融合发展，构建数字化、网络化、智能化的高端制造体系，也要在“小前台”下绣花功夫，进一步强化智能传感器技术研究，实现生产过程信息深度自感知、智慧优化自决策、精准控制自执行。总之,前台数据是基础,中台融合是关键,只有前台、中台全面连接与高效协同，才能实现智能制造。

参考文献：

[1]谷有臣,孔英,陈若辉.传感器技术的发展和趋势综述[J].物理实验,2002(12).

[2]周吴飞.基于模式识别的自动化生产过程质量智能诊断研究[D].郑州大学,2016.

[3]李东宏.中国传感器市场应用潜力巨大（上）[J].电子元器件应用, 2005,(06)：74-75,51.