ML使用模式识别来执行传感器降级分析
文章作者:Majeed Ahmad
虽然汽车行业正在确定传感器劣化问题，但机器学习提供了使用模式识别模型进行劣化相关分析的场所。
作为现代汽车从旧技术向新技术过渡的一部分，电感式位置传感器旨在取代霍尔效应传感器，而这种过渡本质上与更好地管理与汽车传感器退化相关的问题有关。
例如，Microchip Technology公司推出了用于汽车应用的感应式位置传感器，如汽车节气门体、变速器档位传感、电子动力转向和油门踏板。其价值主张:位置测量不受杂散磁场的影响，不需要外部磁性装置。
虽然汽车工程师希望确保传感器在不同的温度范围内工作，但他们担心的是机械结构和磁铁退化的变化，这会影响精度。另一方面，电感式位置传感器使用一块金属而不是磁铁，而且这块金属不会随着时间的推移而老化太多。
Microchip高级营销经理马克•史密斯(Mark Smith)表示:“无论是集成电路还是外部发生问题，这都是观察传感器退化的重要因素。”Smith补充说，当使用电感式位置传感器时，工程师们最担心的是PCB的寿命。
它也至关重要，因为传感器IC服务于汽车应用程序越来越需要ASIL认证。Microchip的电感位置传感器 -LX3301A,LX3302A， 和LX34050-符合ASIL-B认证，允许系统设计师检测≥90%的所有单点故障。
图1LX3302A电感位置传感器具有更大的EEPROM空间，便于8个校准点，确保传感器测量精度。来源:微芯片
传感器退化管理
目前，业界正从头开始管理与传感器退化相关的问题，以符合ASIL认证。如果这个晶体管或那个电路故障会发生什么?如果传感器输出不足，工程师能做什么?Smith说:“这是一种非常确定和耗时的方法。
必须进行特定的实验来检查或证明某些数字，也称为覆盖率。汽车工程师可以创建一个故障，并确保它可以检测到，同时使用行业标准的可靠性图表。“这是一个相对简单的系统，工程师可以有效地处理它们，”史密斯补充说。
今天的车辆使用大约50个位置传感器，因此从霍尔效应传感器到电感位置传感器的转变对于管理汽车传感器劣化可能是至关重要的。超出选择材料的传感器，在哪种传感器上没有变化，还有什么在卡上有效管理车辆的传感器劣化？史密斯相信机器学习是前进的方向。
史密斯表示，机器学习模型可以在汽车传感器出现故障之前实现模式识别。“汽车工程师可以分析5种不同的传感器，并检测到系统级故障和更高级别的退化。”
一本新书，Aspencore Censors在汽车传感器指南：让汽车看到并提前思考，将帮助您在现代车辆中感觉到传感器迷宫。它现在可以使用EE时报书店。
机器学习是未来
虽然汽车行业正在非常确定地研究传感器退化问题，但未来仍有足够的机会使用一些先进的计算技术，利用机器学习进行退化相关的分析。然而，利用机器学习来管理车辆传感器退化的想法目前还处于初级阶段，将需要更多的计算能力。
图2机器学习，上升和传感器级别，可用于创建用于测量和减轻汽车传感器劣化的模型。来源:Mathworks
这种方法使工程师能够收集大量数据，将其放入机器学习模型中，然后寻找签名。这就是目前自动驾驶汽车(AV)设计正在做的事情。万博投注网址Smith说:“机器学习已经发展到传感器级别，它可以用来简化退化测量过程，使缓解过程更有效。”
汽车传感器的退化标志着机器学习有机会获胜的另一个领域。机器学习需要大量数据，并将其放入模型中，以检测传感器故障，这一事实可以带来大量的可靠性提高和成本节约。
本文最初发表于edn.。
马吉德艾哈迈德他是EDN的主编，报道电子设计行业已有20多年。
相关文章: