CN101535769B - 用于监视传感器噪声的方法和装置 - Google Patents

Abstract

本发明涉及用于监视传感器噪声的一种方法和一种装置以及本发明的方法在车辆领域中的用于求得在汽车轮胎和路面之间的摩擦系数的一种应用。为了提出一种用于监视传感器噪声的成本低廉的以及可靠工作的方法和一种相应的装置，以便得到特别是对系统至关重要的信息，提出，求得传感器噪声信号的频谱分量的影响，并将其与预先给定值比较。

Description

用于监视传感器噪声的方法和装置

本发明涉及用于监视传感器噪声的一种方法和一种装置以及本发明的方法在车辆领域中的用于求得在汽车轮胎和路面之间的摩擦系数的一种应用。 

由现有技术已知，当电功率需求较小时调节在测量系统中的信号/噪声比SNR。但SNR取决于多种影响因素，例如温度、压力等。这例如已在DE 103 18 602 A1中公开。也已知其它方法，所有这些方法的目标都是无干扰的信号处理。在现有技术中始终都把噪声理解成统计特性的干扰因素，该干扰因素会降低电效率和对正确的测量操作产生不利的影响。 

本发明的目的是，提出一种用于监视传感器噪声的成本低廉的以及可靠工作的方法和一种相应的装置，以便得到特别是对系统至关重要的信息。 

所述目的通过一种用于监视传感器噪声的方法得以实现。在该方法中，求得传感器噪声信号的频谱分量的影响，并将其与预先给定值比较，其中用于传感器噪声计算和分析的方法使用卷积方法。 

本发明的上述目的还通过一种用于监视传感器噪声的装置来实现。该装置装置具有用于实施方法的机构，其方式为，采样器与传感器的信号输出端连接， 

所述采样器与第一中间存储器连接，所述第一中间存储器用于按照其到达顺序存储采样值，所述中间存储器与用于确定第一平均值的运算器连接，其中 

所述运算器可关于多个有待处理的采样值或窗口宽度进行调节， 

第二存储器与所述运算器的输出端连接，用于按照其到达顺序存 储结果值， 

所述第二存储器与用于在考虑一个或多个相邻值或前任值和/或后继值的情况下确定第二种平均值的第二运算器连接。 

本发明的目的还通过一种根据上述方法的应用来解决。其中通过与预先规定的极限值的比较从输出信号做出关于频率选择的判定，并由此做出路面的摩擦系数低、中、高的判定。 

本发明还涉及有利的改进方案。 

本发明的一个主要基础是，放弃将噪声视为单纯的干扰因素。更确切地说，在本发明的范围内，噪声被用作有用的信息源。根据本发明，用于监视传感器输出信号的噪声的方法的特征在于，求得传感器噪声信号的频谱分量的影响，并将其与预先给定值比较。这种研究优选基于算术平均值的标准偏差进行。 

本发明的一种优选实施方式的特征在于，对传感器的输出信号进行采样，并将其组合成多个采样值组，并进行第一种求平均值，且对该第一种求平均值的结果进行第二种求平均值，其中考虑一个或多个相邻值或前任值和/或后继值。 

本发明的装置规定了用于实施方法的机构，其方式为，采样器与传感器的信号输出端连接，采样器与第一中间存储器连接，第一中间存储器用于按照其到达顺序存储采样值，中间存储器与用于确定第一平均值的运算器连接，其中运算器可对多个采样值进行调节，第二存储器与运算器的输出端连接，用于按照其到达顺序存储结果值，第二存储器与用于在考虑一个或多个相邻值或前任值的情况下确定第二种平均值的第二运算器连接，其中第二运算器的输出端与数据只读存储器和比较器连接，比较器用于输出结果值和/或用于比较性的结果分析。 

本发明的方法的一种特别有利的应用的基础是产生如下认识，即带有噪声的传感器信号并非仅由传感器质量引起。类似于噪声的信号特性例如可能由汽车的正常的行驶动力引起，但也可能由行驶路面的特殊的粗糙性引起，或者由一定的异常行驶状况引起。可以在频域内 对相应的影响进行区分，从而采用调节本发明的信号分析单元的方式将正常的行驶动力以及正常的传感器功能对噪声信号的影响排除，以便有利于研究异常的影响。因此可以借助本发明的方法适配于在经济上非常重要的汽车领域从传感器信号推断出行驶路面的当前情况。根据公知的方法，为此例如对ABS传感器输出信号进行比较复杂的二次分析，用于求得相应的摩擦系数。相反，由于采用本发明的方法，提供了一种成本低廉的以及可靠且快速地工作的方法，用于粗略地评估在车辆轮胎和路面之间的摩擦系数，以及提供一种相应的装置。 

对本发明的方法的应用和相应地设计的装置的说明并非对其应用和/或适用性的普遍限制。更确切地说，对本发明的实施方式的示例性的说明用于详细阐述性能和优点以及适配参数。 

本发明的方法提供了一种使用卷积方法快速且有效地计算传感器噪声和进行分析的计算方法。 

下面在说明实施例的情况下对照附图给出本发明的其它特征和优点。图中示出： 

图1为噪声监视方法的流程图，其中通过改变粒度来输出多个具有不同判断说明的输出值； 

图2为在分别考虑当前的汽车速度的情况下传感器噪声信号的监视算法的方框图； 

图3为类似于图2的用于车轮摩擦系数研究的方框图，其通过对极限阈值或传感器噪声阈值的分级使用具有不同判断说明的不同的输出值；和 

图4示意性地示出根据图3的实施例所基于的车轮摩擦系数和传感器噪声阈值的相对的位置。 

在不同的实施例和附图中，相同的功能组件或结构组件和方法步骤标有相同的附图标记。 

噪声监视可以在汽车中特别是用于从模拟的传感器输出信号中求 得尽可能直接接触道路的相关汽车的偏转比率ω_z、纵向加速度a_x、横向加速度a_y、各个车轮速度v₁、v₂、v₃、v₄的值或其它行驶动力传感器d_i的值。原则上，对于所有这些信号而言，该方法都按照同一种设计工作： 

测量值的模拟输入参数通过以固定时步宽度T₂或采样频率f_a沿着时间轴在采样时间点i进行的采样被转换成一串离散测量点S(i)。这串离散测量点或采样值S(i)然后被细分成各n_w个采样值的观察区段，并求出平均值，其中所述观察区段在下面等于具有预设宽度n_w的窗口，例如以M个步等于窗口宽度n_w。 

换句话说，可离散调节的时间距离的观察区段首先形成“滑动窗口”，在该滑动窗口中将用于产生算法平均值或经验平均值的所有值叠加，并分别除以所叠加的值的数目。因此得到在时间点k关于n个时步的平均值为： 

${\stackrel{\‾}{S}}_n\left(k\right)=\frac{1}{n}\underset{i=k\·n-1}{\overset{k}{\mathrm{\Σ}}}S\left(i\right)$

其中 

n：每个窗口的值S(i)的数目或者窗口大小； 

k＝0、1、2、...关于被采样的模拟传感器信号的时间离散的测量值S(k)的整个数目的循环变量，所述整个数目被细分成被采样的测量值的给定的数目。 

于是得到在时间点k关于n个时步的均方差或平均差，简写为RMS： 

${\hat{S}}_n\left(k\right)=\sqrt{\frac{1}{(n-1)}\left(\underset{i=k-n+1}{\overset{k}{\mathrm{\Σ}}}{[S\left(i\right)-{\stackrel{\‾}{S}}_n\left(k\right)]}^2\right)}$

在窗口大小为n_w时关于一组不同的粒度M＝{M₀、M₁、M₂、...}的卷积为： 

$S_{n_w}^{\mathrm{conv}}\left(k\right)=F(n_w,M,S)$

F在此表示在信号S(k-n_w+1)和S(k)内计算不同的 

并使得它们相互逻辑连接的函数。通过对n_w和相应的粒度M的选择，可以选择有用频率。在当前根据图1的例子中，通过等式 

$S_{n_w}^{\mathrm{conv}}\left(k\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\hat{S}}_n\left(k\right)$

来选择线性相加。其它求平均公式、加权公式或者对一定频率的有选择的强调也是可行的，下面对此不予以详细阐述。 

在前面的公式中规定了窗口宽度或窗口大小、有待观察的一定的频率f_b对最终结果的相应的贡献的焦点。因此根据尼奎斯特-香农采样理论，被考虑用于观察或计算的最低频率f_b在其周期时间T_b内存在极限。该最低频率f_b计算为： 

f_b≥1/(2*n_w*T_a)。 

该频率是最小的频率，其可在宽度为n_w的窗口内沿着模拟输入信号的离散测量点S(i)调节。由此还得到如下的关系，根据该关系，随着粒度M的增加，即随着对宽度为n_w的窗口逐渐的细分，观察频率f_b也增大。模拟地采集的噪声信号因此可以在前述方法的范围内在处理时间离散的信号的情况下有选择地针对一定观察频率的对例如标准值与相应的观察频率的显著的偏差的贡献被研究。 

代替前述用于算术平均值S_n(k)的计算公式，下面使用一种简单且比较有效的可在微控制器上编程的递归公式： 

${\stackrel{\‾}{\mathrm{\η}}}_w\left(k\right)={\stackrel{\‾}{\mathrm{\η}}}_w(k-1)+\frac{1}{n_w}\mathrm{\ζ}\left(k\right),$

其中 

ζ(k)＝η(k)-η(k-n_w)， 

窗口大小n_w和参数η作为被测量和采样的信号值S(i)之一，i＝0、1、2、...、N。N是可供使用的测量值的整个数目。因此根据该公式，窗口沿着一串采样值移动，从而在每步中都有第一值从该窗口脱离，且最后的值重新添加。类似的做法也适合于确定RMS标准偏差。 

图1示出一种实施例，其借助采样序列S(k)的数目n_w＝20个的值，这些值以时间间隔T_a＝4ms从模拟的传感器信号求得。这些值现在在相应的装置1中被存储在存储器2中，并被运算器处理，从而作为结果根据分别用于n_w＝20个值的相同的数据序列的粒度M在接下来产生线性平均值的过程中在N＝5的情况下求得如下结果： 

$S_{20}^{\mathrm{conv}}\left(k\right)=\frac{1}{5}\underset{i=1}{\overset{5}{\mathrm{\Σ}}}{\hat{S}}^i\left(k\right)$

具有如下的单个值： 

${\hat{S}}^1\left(k\right)={\hat{S}}_{n_w}\left(k\right)$

${\hat{S}}^2\left(k\right)=\frac{1}{2}({\hat{S}}_{10}(k-10)+{\hat{S}}_{10}\left(k\right))$

${\hat{S}}^3\left(k\right)=\frac{1}{4}({\hat{S}}_5(k-15)+{\hat{S}}_5(k-10)+{\hat{S}}_5(k-5)+{\hat{S}}_5\left(k\right))$

${\hat{S}}^4\left(k\right)=\frac{1}{5}({\hat{S}}_4(k-16)+{\hat{S}}_4(k-12)+{\hat{S}}_4(k-8)+{\hat{S}}_4(k-4)+{\hat{S}}_4\left(k\right))$

${\hat{S}}^5\left(k\right)=\frac{1}{10}\underset{i=0}{\overset{9}{\mathrm{\Σ}}}{\hat{S}}_2(k-2i)$

在前述结果中选择和考虑如下五个频率的贡献： 

$f^1~\frac{1}{T_B^0}$

$f^2~\frac{1}{T_B^1}$

$f^3~\frac{1}{T_B^2}$

$f^4~\frac{1}{T_B^3}$

$f^5~\frac{1}{T_B^4}$

下面对照附图说明前述方法用于汽车的应用实例：通过所述传感器噪声计算，可以实现对传感器噪声的监视，所述传感器噪声可以被考虑 用于对传感器的通常的功能监视。通过引入阈值形式的两个极限值对结果进行合理化，这种合理化也含有对传感器本身的通常的功能监视。图2示例性地示出该方法的具体应用，该方框图示出了在分别考虑当前的车辆速度的情况下对传感器噪声信号d_i的监视算法。在此可以使用本身表明尽可能直接地接触道路的各种传感器噪声信号。 

根据对照附图1所述的方法或装置1，在采样之后现在研究传感器噪声信号。在此，针对所施加的传感器噪声信号，要区分不同的频率范围：正常的车辆动力影响范围在0至约5Hz之间。下述方法的目标是，通过合适地选择窗口大小n_w和粒度M来消除所述频率。 

传感器噪声超过分别给定的产品噪声极限值例如会由传感器部件老化或者由于外部干扰例如电磁杂散EMV引起。但机械的冲击振动或者信号消除也会导致这种超过或减小。通过阈值比较，报警1通常提供关于传感器质量的信息。相反，报警2提供关于不同行驶状况或路面状况的附加信息，其中焦点却在参数ω_z上。 

为了研究正常行驶动力的贡献，有待观察的频率位于约5Hz以上的范围。该范围可以通过选择滑动窗口的适配的参数n_w和选择卷积率M根据采样速度来调节。通过使得相应的卷积值的大小与在调节频率时得到的结果相比较，对于正常的平整的道路而言，可以识别出异常的传感器噪声。 

如已在开头部分提及，传感器噪声特性还可以由路面的特殊状况引起。试验测量了表明在传感器噪声阈值和不同的路面状况之间的关系。所述路面状况又包括在轮胎和路面之间不同的摩擦系数。图3为类似于图2的用于车轮摩擦系数研究的方框图，其中使用不同的输出值通过对极限阈值或传感器噪声阈值的分级给出不同的判断说明。图4示意性地示出根据图3的实施例所基于的车轮摩擦系数和传感器噪声阈值的在原理上相对的位置。车轮摩擦系数和传感器噪声阈值之间的关系以及在前述方法的范围内对该关系的分析仅仅是实际涉及汽车领域的一个应用实例。 

按照上述根据图3的评估，最后通过阈值比较做出关于频率选择的判定，期间存在已计算的传感器噪声值。由此可以做出摩擦系数低、中、高的判定，并将这种判定传送给发动机管理机构和/或驾驶员辅助系统。 

根据图3的实施方式，因此还可以使用算法粗略地评估轮胎和路面 之间的摩擦系数，只要轮胎压力偏离于给定值不是很大。相反，对滑动摩擦的摩擦系数的精确计算很繁琐。其例如基于复杂的轮胎模型和非常繁琐的数值方法。 

对摩擦系数的一种可靠的评估可以通过上述方法的组合来实现。卷积方法非常快速地提供对摩擦系数的粗略分类。因此可以基于复杂的模型预先给出用于计算的初始参数或输入参数。 

Claims (9)

1.一种用于监视传感器噪声的方法，其特征在于，求得传感器噪声信号的频谱分量的影响，并将其与预先给定值比较，其中用于传感器噪声计算和分析的方法使用卷积方法，其中对传感器的输出信号进行采样，并将其组合成多个(n_w)采样值(S(i))的组，并进行第一种求平均值

且对该第一种求平均值的结果进行第二种求平均值(F)，其中考虑一个或多个相邻值或前任值和/或后继值。

2.如权利要求1所述的方法，其特征在于，基于算术平均值的标准偏差进行研究。

3.如前述权利要求中任一项所述的方法，其特征在于，在使用不同的粒度(M)的情况下使用卷积方法。

4.如权利要求1所述的方法，其特征在于，考虑高于正常的行驶动力的频率用于分析。

5.如权利要求1所述的方法，其特征在于，考虑高于约5Hz的频率用于分析。

6.一种用于监视传感器噪声的装置，

其特征在于，所述装置具有用于实施按前述权利要求中任一项所述方法的机构，其方式为，采样器与传感器的信号输出端连接，

所述采样器与第一中间存储器连接，所述第一中间存储器用于按照其到达顺序存储采样值，所述中间存储器与用于确定第一平均值

的运算器连接，其中

所述运算器可关于多个有待处理的采样值(S(i))或窗口宽度(n_w)进行调节，

第二存储器与所述运算器的输出端连接，用于按照其到达顺序存储结果值，

所述第二存储器与用于在考虑一个或多个相邻值或前任值和/或后继值的情况下确定第二种平均值(F)的第二运算器连接。

7.如权利要求6所述的装置，其特征在于，所述装置具有卷积运算器，所述卷积运算器带有用于预先给定不同的粒度(M)的输入端。

8.如前述两个权利要求中任一项所述的装置，其特征在于，用于输出结果值的和/或用于比较性的结果分析的输出端与比较器和含有比较值的数据只读存储器连接。

9.一种根据权利要求1至5中任一项所述的方法的应用，其特征在于，通过与预先规定的极限值的比较从输出信号做出关于频率选择的判定，并由此做出路面的摩擦系数低、中、高的判定。

Images