跳至內容

測量大模型 · 研究中

AI 應進入測量的訊號層。

測量大模型是我們在傳感器內研究的 AI 模型,與物理計算配合,分析測量訊號的規律,目標是給出讀數及其可信度評估。

位置
傳感器內,讀數形成之前
狀態
研究中:模型設計與仿真測試
下一步
採集真實訊號
目標輸出
讀數及其可信度評估

我們的判斷

讀數是否可信,需要考察測量時的條件

  • 讀數怎樣得出

    傳感器按物理公式由測量訊號計算出讀數。公式成立,有它假定的測量條件。

  • 現場會偏離條件

    介質裏的氣泡或顆粒、温度變化與安裝位置,都可能使現場偏離這些條件。讀數照常給出,但單看讀數,往往看不出條件是否成立。

  • 訊號裏的資訊更多

    讀數是由訊號計算出的一個結果,訊號本身攜帶的資訊更多。我們研究用學習模型分析其中的規律,與物理計算配合,評估讀數是否可信。

所以我們認為,AI 在測量中更大的空間在讀數形成之前;規劃中的雲端分析以這一層的輸出為基礎。

研究範圍

模型做甚麼,不做甚麼

  • 研究目標

    做甚麼

    • 與物理計算配合,分析測量訊號的規律。

    • 工況複雜時輔助讀數判斷。

    • 輸出讀數及其可信度評估。

  • 邊界

    不做甚麼

    • 不取代物理公式。

    • 不是計量認證,也不代替校準。

    • 未經獨立驗證,不公佈任何精度數字。

驗證路徑

研究結論要經真實數據檢驗

先在仿真數據上測試,再用真實訊號對照獨立參考讀數檢驗;結果不成立,就回到設計。

  1. 進行中

    模型設計與仿真測試

    設計模型框架,並用仿真數據測試;首輪測試已完成。

  2. 下一步

    真實訊號採集

    在試驗管路上採集傳感器原始訊號,同時記錄獨立參考讀數。採集尚未開始。

  3. 之後

    真實數據驗證

    以獨立參考為準,與常規計算方法對照;結果不成立就回到設計。

  4. 之後

    嵌入傳感器

    把通過驗證的模型壓縮到能在傳感器內的處理器上運作。