Machine learning kan sensordegradatie verminderen

Als onderdeel van de overgang van moderne voertuigen van oudere technologieën naar nieuwe technologieën, zijn inductieve positiesensoren bedoeld om Hall-effectsensoren te vervangen, en deze overgang is intrinsiek verbonden met een beter beheer van problemen met betrekking tot degradatie van autosensoren.

Microchip Technology heeft bijvoorbeeld inductieve positiesensoren onthuld voor automobieltoepassingen zoals het gasklephuis van auto's, transmissieversnellingsdetectie, elektronische stuurbekrachtiging en gaspedalen. De waardepropositie:positiemetingen zijn immuun voor magnetische strooivelden en vereisen geen extern magnetisch apparaat.

Hoewel auto-ingenieurs ervoor willen zorgen dat sensoren bij een reeks temperaturen werken, maken ze zich zorgen over variaties in de mechanische structuur en degradatie van de magneet, die de nauwkeurigheid beïnvloeden. Aan de andere kant gebruikt een inductieve positiesensor een stuk metaal in plaats van een magneet, en het stuk metaal veroudert niet veel na verloop van tijd.

"Dat is een belangrijk onderdeel om in de gaten te houden bij sensordegradatie, of er nu iets gebeurt met IC of extern", zegt Mark Smith, senior marketingmanager bij Microchip. Als het gaat om sensordegradatie, moeten ingenieurs zich vooral zorgen maken over de levensduur van de PCB bij het gebruik van inductieve positiesensoren, voegde Smith eraan toe.

Het is ook cruciaal omdat sensor-IC's voor toepassingen in de automobielsector steeds vaker ASIL-certificeringen vereisen. De inductieve positiesensoren van Microchip - LX3301A , LX3302A en LX34050 - voldoen aan de ASIL-B-certificering, waardoor systeemontwerpers ≥90% van alle single-point storingen kunnen detecteren.

Figuur 1. Een grotere EEPROM-ruimte in de LX3302A inductieve positiesensor maakt acht kalibratiepunten mogelijk om de meetnauwkeurigheid van de sensor te garanderen. Bron:Microchip

Beheer van sensordegradatie

Momenteel beheert de industrie problemen met betrekking tot sensordegradatie vanaf het begin om te voldoen aan ASIL-certificeringen. Wat gebeurt er als deze transistor uitvalt of dat circuit niet goed werkt? Wat kunnen ingenieurs doen als een sensor een tekort aan output heeft? "Het is een zeer deterministische en tijdrovende aanpak", zei Smith.

Om bepaalde aantallen te controleren of te rechtvaardigen, ook wel dekkingsgraden genoemd, moeten specifieke experimenten worden uitgevoerd. Automotive-ingenieurs kunnen een fout creëren en ervoor zorgen dat deze kan worden gedetecteerd met behulp van betrouwbaarheidsgrafieken van industriestandaarden. "Het is een relatief eenvoudig systeem en technici kunnen er efficiënt mee omgaan", voegde Smith toe.

De voertuigen van vandaag gebruiken ongeveer 50 positiesensoren, dus een verschuiving van Hall-effectsensoren naar inductieve positiesensoren kan van cruciaal belang zijn bij het beheersen van de achteruitgang van autosensoren. Afgezien van de selectie van sensoren waarin materialen niet veel verouderen, wat staat er nog meer op het spel bij het efficiënt beheren van sensordegradatie in voertuigen? Smith gelooft dat machine learning de weg vooruit is.

Smith zei dat modellen voor machinaal leren patroonherkenning kunnen implementeren voordat fouten in autosensoren verschijnen. "Automotive-ingenieurs kunnen vijf verschillende sensoren analyseren en zowel een storing op systeemniveau als degradatie op een hoger niveau detecteren."

Machine learning is de toekomst

Terwijl de auto-industrie de problemen met de degradatie van sensoren zeer deterministisch bekijkt, is er volop gelegenheid om enkele van de geavanceerde computertechnieken te gebruiken om aan degradatie gerelateerde analyses uit te voeren met behulp van machine learning. Het idee om machine learning te gebruiken om de achteruitgang van sensoren in voertuigen te beheren, staat momenteel echter nog in de kinderschoenen en vereist veel meer rekenkracht.

Figuur 2. Machine learning, dat steeds meer op sensorniveau komt, kan worden gebruikt om modellen te maken voor het meten en verminderen van sensordegradatie in auto's. (Bron:Mathworks)

Met deze aanpak kunnen technici een heleboel gegevens verzamelen, deze in een machine learning-model plaatsen en vervolgens naar een handtekening zoeken. Dat is wat de ontwerpen voor autonome voertuigen (AV) nu doen. "Machine learning is in opkomst op sensorniveau en kan worden gebruikt om het degradatiemeetproces te vereenvoudigen en het mitigatieproces efficiënter te maken", aldus Smith.

Degradatie van autosensoren markeert een andere plek waar machine learning een kans heeft om te winnen. Het feit dat machine learning veel gegevens nodig heeft en deze in een model stopt om sensorstoringen te detecteren, kan leiden tot aanzienlijke betrouwbaarheidswinsten en kostenbesparingen.

>> Dit artikel is oorspronkelijk gepubliceerd op onze zustersite, EDN.