虚拟传感器
虚拟传感器是一个回归模型，它从现有信号中计算测量值，而不是用专门的硬件去测量。如果目标量可以由已经采集的通道重构出来，那么物理传感器就可以从量产产品中省去。Data Sensors 用您自己的测量数据训练这类模型，并将其导出为独立的 C、C++、Python 或 MATLAB 代码。
什么是虚拟传感器
在车辆或机器上测量的许多物理量，都系统性地依赖于另一些已经采集的量。扭矩取决于转速、喷油量与温度；压力取决于负载、流量与工作点。只要存在这样的关系，就可以从测量数据中以回归的方式确定下来：模型以现有通道作为输入，输出目标量。
这样的模型称为虚拟传感器（文献中也称软测量）。它在没有安装传感元件的位置提供一个测量值。
何时可以省去物理传感器（何时不可以）
传感器省去的是量产产品中的，而不是开发阶段的。训练要求目标量由物理传感器测量并记录下来。因此在试验阶段仍然需要它：作为台架或试验车上的参考，用于确定关系并评估模型精度。在量产中，模型随后取代它的位置。
同样，虚拟传感器也无法替代一个原则上无法由现有通道重构的物理量。如果信息不包含在输入信号中，任何模型都无法从中推导出来。在保留的验证集上进行评估，也就是在模型未用于训练的数据上评估，可以提供一个判断依据。那里结果不佳可能有多种原因：数据太少、工作范围未被覆盖，或者输入量本身并不承载该关系。通过扩充数据基础与输入选择，可以缩小范围确定属于哪一种。
虚拟传感器是否允许替代一个测量点，由负责的专业部门根据自身的验证以及适用于该产品的标准来决定。
Data Sensors 在其中的作用
Data Sensors 覆盖从测量文件到可部署代码的整个路径：载入测量数据（CSV、MAT、MDF/MF4、TXT 或已解码的 CAN 报文）、确定输入通道与目标信号、训练模型（随机森林、XGBoost 或神经网络，超参数自动确定），并将结果导出为独立代码。
每一个训练好的传感器都作为独立信号出现在虚拟信号面板中，与真实通道分开，可以在那里直接对照已载入的测量进行查看。训练完全在您自己的计算机上运行：无云端上传、无账户、无需单独的 Python 环境。
延伸阅读
- 三步得到虚拟传感器：从测量文件到导出模型的具体流程。
- Edge AI 与数据主权：为什么模型运行在 ECU 上，而测量数据不离开您的网络。
- No Code：无需 Python、Notebook 或自建 ML 环境的虚拟传感器。
- 成本计算示例：在量产规模下省去一个传感器意味着什么。