跳至内容

测量大模型 · 研究中

AI 应进入测量的信号层。

测量大模型是我们在传感器内研究的 AI 模型,与物理计算配合,分析测量信号的规律,目标是给出读数及其可信度评估。

位置
传感器内,读数形成之前
状态
研究中:模型设计与仿真测试
下一步
采集真实信号
目标输出
读数及其可信度评估

我们的判断

读数是否可信,需要考察测量时的条件

  • 读数怎样得出

    传感器按物理公式由测量信号计算出读数。公式成立,有它假定的测量条件。

  • 现场会偏离条件

    介质里的气泡或颗粒、温度变化与安装位置,都可能使现场偏离这些条件。读数照常给出,但单看读数,往往看不出条件是否成立。

  • 信号里的信息更多

    读数是由信号计算出的一个结果,信号本身携带的信息更多。我们研究用学习模型分析其中的规律,与物理计算配合,评估读数是否可信。

所以我们认为,AI 在测量中更大的空间在读数形成之前;规划中的云端分析以这一层的输出为基础。

研究范围

模型做什么,不做什么

  • 研究目标

    做什么

    • 与物理计算配合,分析测量信号的规律。

    • 工况复杂时辅助读数判断。

    • 输出读数及其可信度评估。

  • 边界

    不做什么

    • 不取代物理公式。

    • 不是计量认证,也不代替校准。

    • 未经独立验证,不公布任何精度数字。

验证路径

研究结论要经真实数据检验

先在仿真数据上测试,再用真实信号对照独立参考读数检验;结果不成立,就回到设计。

  1. 进行中

    模型设计与仿真测试

    设计模型框架,并用仿真数据测试;首轮测试已完成。

  2. 下一步

    真实信号采集

    在试验管路上采集传感器原始信号,同时记录独立参考读数。采集尚未开始。

  3. 之后

    真实数据验证

    以独立参考为准,与常规计算方法对照;结果不成立就回到设计。

  4. 之后

    嵌入传感器

    把通过验证的模型压缩到能在传感器内的处理器上运行。