CN115712004A - 移动设备轮速传感器的故障诊断方法及其装置、移动设备 - Google Patents
移动设备轮速传感器的故障诊断方法及其装置、移动设备 Download PDFInfo
- Publication number
- CN115712004A CN115712004A CN202110968261.2A CN202110968261A CN115712004A CN 115712004 A CN115712004 A CN 115712004A CN 202110968261 A CN202110968261 A CN 202110968261A CN 115712004 A CN115712004 A CN 115712004A
- Authority
- CN
- China
- Prior art keywords
- wheel speed
- imu
- omega
- course angular
- low
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001914 filtration Methods 0.000 claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims abstract description 18
- 238000005070 sampling Methods 0.000 claims description 7
- 230000007257 malfunction Effects 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000010408 sweeping Methods 0.000 description 3
- 241001417527 Pempheridae Species 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了移动设备轮速传感器的故障诊断方法，包括步骤：采集轮速传感器输出的左轮轮速、右轮轮速，以及惯性测量单元输出的IMU航向角速率，并低通滤波处理；利用低通滤波处理后的车辆左轮轮速和右轮轮速，计算基于轮速的航向角速率ωodom；对基于轮速的航向角速率ωodom和经过低通滤波处理后的IMU航向角速率ωimu按照时间戳做对齐处理，并计算两个航向角速率的差值Δω；统计最新获得的多帧差值Δω，并诊断轮速传感器是否异常。本发明还公开了移动设备轮速传感器的故障诊断装置及移动设备。本发明通过采用同惯性测量单元IMU输出的航向角速率进行相互校验的方式，可以对轮速传感器的故障情况进行准确的判断，保证车辆的安全稳定运行。
Description
技术领域
本发明涉及无人驾驶车辆技术领域，特别是涉及一种移动设备轮速传感器的故障诊断方法、一种移动设备轮速传感器的故障诊断装置及移动设备。
背景技术
近年来，随着无人驾驶技术的不断发展与普及，应用于特定环境内的小型低速无人清扫车，成为无人驾驶最先落地的商业化产品，对于公园、校园、大型商场、工业园区等场景内的卫生清扫作业，由智能化无人清扫车替代人工清扫成为趋势。
对于小型低速无人清扫车，其上同时配备高精度差分GNSS(Global NavigationSatellite System，全球导航卫星系统)板卡、激光雷达、IMU(Inertial MeasurementUnit，惯性测量单元)以及轮速传感器等传感器，其中，安装于无人清扫车辆上的轮速传感器，是通过车辆车轮的转动角速率来确定车辆准确的车速，但是，由于车辆在实际行驶时，往往会碰到一些极限工况，从而导致轮速传感器测量的车速信息不准，例如车辆出现“打滑”、“跳跃”等极限工况时。
如果轮速传感器测量的车速信息不准，一方面容易导致车辆定位精度的下降，另一方面会导致车辆控制失控，最终导致车辆自动驾驶功能的失效，并可能引发车辆的安全事故。
目前，应用于无人驾驶清扫车辆上的轮速传感器故障诊断的方法，通常是采用轮速传感器本身的故障标志位来识别。采用轮速传感器本身的故障标志位，可以实现对轮速传感器故障的诊断，但是存在的问题为：在实际车辆自动驾驶过程中，定位和控制需要得到的是车速信息而非轮速信息，大部分情况下，轮速传感器反映的即是车速，但是，当车辆存在“打滑”、“跳跃”等极限工况时，轮速传感器反映的并非车速，然而此时轮速传感器本身的故障标志位，却仍然显示轮速传感器处于正常状态，因此，这种方式，有时并不能及时的反映轮速传感器本身的故障状态，有时候并不能对轮速传感器测量的车速信息进行诊断和识别。
发明内容
本发明的目的是针对现有技术存在的技术缺陷，提供一种移动设备轮速传感器的故障诊断方法、一种移动设备轮速传感器的故障诊断装置及移动设备。
为此，本发明第一方面，提供了一种移动设备轮速传感器的故障诊断方法，包括以下步骤：
分别采集轮速传感器输出的左轮轮速、右轮轮速，以及惯性测量单元输出的IMU航向角速率，并对采集的数据进行低通滤波处理；
利用低通滤波处理后的车辆左轮轮速和右轮轮速，计算基于轮速的航向角速率ωodom；
对基于轮速的航向角速率ωodom和经过低通滤波处理后的IMU航向角速率ωimu按照时间戳做对齐处理，并计算时间戳对齐的基于轮速的航向角速率ωodom和低通滤波处理后的IMU航向角速率ωimu的差值Δω；
对最新获得的多帧差值Δω进行统计，并根据统计结果，诊断轮速传感器是否异常。
优选地，对采集的数据进行低通滤波处理，包括：采用截止频率小于轮速传感器和惯性测量单元的采样频率的二分之一的低通滤波器，对采集的数据进行低通滤波处理。
优选地，采用巴特沃斯低通滤波器，对采集的数据进行低通滤波处理。
优选地，对基于轮速的航向角速率ωodom和经过低通滤波处理后的IMU航向角速率ωimu按照时间戳做对齐处理，并计算时间戳对齐的基于轮速的航向角速率ωodom和低通滤波处理后的IMU航向角速率ωimu的差值Δω，包括：
确定每个基于轮速的航向角速率ωodom对应的第一时间戳，以及每个低通滤波处理后的IMU航向角速率ωimu对应的第二时间戳；
查找与每个第一时间戳接近的第二时间戳；
计算相接近的每个第一时间戳和第二时间戳分别对应的基于轮速的航向角速率ωodom和低通滤波处理后的IMU航向角速率ωimu的差值Δω。
优选地，查找与每个第一时间戳接近的第二时间戳，包括：
针对每个第一时间戳，计算每个第二时间戳与当前第一时间戳的时间差，若时间差小于预设的时间差阈值，则将该第二时间戳确定为当前第一时间戳接近的第二时间戳。
优选地，对最新获得的多帧差值Δω进行统计，包括：
获取当前时刻之前最新获得的m帧航向角速率偏差Δω，并按照如下公式计算数据偏差：
其中，σ为统计偏差；m为自然数；Δωm为当前时刻之前最新获得的第m帧航向角速率偏差。
优选地，根据统计结果，诊断轮速传感器是否异常，包括：
如果统计偏差σ大于预设的偏差阈值，则诊断轮速传感器出现异常。
本发明第二方面，还提供一种移动设备轮速传感器的故障诊断装置，包括：
采集单元，用于分别采集轮速传感器输出的左轮轮速、右轮轮速，以及惯性测量单元输出的IMU航向角速率，并对采集的数据进行低通滤波处理；
速率计算单元，用于利用低通滤波处理后的车辆左轮轮速和右轮轮速，计算基于轮速的航向角速率ωodom；
对齐单元，用于对基于轮速的航向角速率ωodom和经过低通滤波处理后的IMU航向角速率ωimu按照时间戳做对齐处理；
差值计算单元，用于计算时间戳对齐的基于轮速的航向角速率ωodom和低通滤波处理后的IMU航向角速率ωimu的差值Δω；
统计单元，用于对最新获得的多帧差值Δω进行统计；
诊断单元，用于根据统计结果，诊断轮速传感器是否异常。
本发明第三方面，还提供一种移动设备，包括具有至少两组以上对称设置的左轮和右轮的移动本体；用于测量移动本体的左轮轮速、右轮轮速的轮速传感器；用于测量移动本体的IMU航向角速率的惯性测量单元；以及前述的移动设备轮速传感器的故障诊断装置。
优选地，所述移动设备为无人驾驶车辆。
本发明第四方面，还提供另外一种移动设备，所述移动设备包括存储器和处理器，所述存储器用于存储程序，所述处理器运行所述程序时，用于执行前述的方法。
由以上本发明提供的技术方案可见，与现有技术相比较，本发明提供了一种移动设备轮速传感器的故障诊断方法、一种移动设备轮速传感器的故障诊断装置及移动设备。本发明通过采用同惯性测量单元IMU输出的航向角速率进行相互校验的方式，可以对轮速传感器的故障情况进行准确的判断，保证车辆的安全稳定运行。
通过应用本发明，一方面可以准确地隔离轮速传感器输出的异常的车速信息(即轮速数据)，另一方面可以降低由于轮速传感器异常带来的车辆安全风险。
附图说明
图1为本发明提供的移动设备轮速传感器的故障诊断方法的流程图；
图2为目前常见的车端轮速传感器的轮速数据诊断原理图；
图3为本发明提供的一种移动设备轮速传感器的故障诊断装置的结构方框图；
图4为本发明提供的一种移动设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和实施方式对本发明作进一步的详细说明。
本发明提供一种移动设备轮速传感器的故障诊断方法，适用于任何安装有轮速传感器和惯性测量单元IMU的移动设备，例如无人驾驶清扫车、无人驾驶洒水车、无人驾驶洗地车、无人驾驶物流车等无人驾驶车辆。
参见图1，本发明提供的移动设备轮速传感器的故障诊断方法包括以下步骤：
步骤S1，传感器数据采集与处理：对于预先安装有轮速传感器和惯性测量单元IMU的移动设备，分别采集轮速传感器输出的车辆左轮轮速、右轮轮速以及IMU输出的航向角速率(以下简称“IMU航向角速率”)，并进行低通滤波处理，获得经过低通滤波处理后的车辆左轮轮速、右轮轮速以及IMU航向角速率；
如图1所示，步骤S1具体包括以下子步骤：
步骤S11，原始数据采集：采集轮速传感器输出的车辆左轮轮速和右轮轮速，以及IMU航向角速率；
步骤S12，低通滤波：对步骤S11采集的车辆左轮轮速、右轮轮速以及IMU航向角速率进行低通滤波处理，滤除其中与车辆真实运动状态不相关的高频噪声，获得经过低通滤波处理后的车辆左轮轮速、右轮轮速以及IMU航向角速率，从而有利于提高数据的准确性和稳定性。
在本发明中，低通滤波的目的是滤除与车辆实际运动特性无关的高频噪声数据。
在一些实施例中，步骤S12采用包括但不限于巴特沃斯低通滤波器对数据进行低通滤波处理。
为了确保低通滤波的效果，具体实现上，步骤S12进行低通滤波处理时，低通滤波器的截止频率应小于轮速传感器的采样频率和IMU的采样频率的二分之一。
需要说明的是，在本发明中，在步骤S12中，低通滤波器的特性根据清扫车传感器和车辆的特性设定，本发明以较为通用的IMU采样频率100Hz、轮速传感器采样频率10Hz为例，低通滤波器的截止频率需要小于这两种传感器采样频率的1/2，结合车辆特性，针对车辆航向角速度率进行滤波的低通滤波器的截止频率可以为30Hz，针对车辆左轮轮速和右轮轮速进行滤波的低通滤波器的截止频率可以为3Hz。
步骤S2，基于轮速计算航向角速率：利用低通滤波处理后的车辆左轮轮速和右轮轮速，计算基于轮速的航向角速率ωodom。
在一些实施例中，步骤S2采用如下计算公式计算基于轮速的航向角速率：
ωodom＝(VR-VL)/Lwheel_base， 公式(1)；
其中，VL为经过低通滤波处理后的车辆的左轮轮速；VR为经过低通滤波处理后的车辆的右轮轮速；Lwheel_base为车辆的左右轮轮距，由车辆结构尺寸决定，为已知数据；ωodom为计算得到的基于轮速的航向角速率。
步骤S3，诊断轮速传感器是否异常：对基于轮速的航向角速率ωodom和经过低通滤波处理后的IMU航向角速率ωimu按照时间戳做对齐处理，并计算时间戳对齐的基于轮速的航向角速率ωodom和低通滤波处理后的IMU航向角速率ωimu的差值Δω；对计算出的差值Δω进行统计，并根据统计结果，诊断轮速传感器是否异常。
参见图2所示，目前常见的车端IMU传感器输出的航向角速率为高频数据，一般为100Hz左右，而轮速传感器输出的左右轮轮速数据为低频数据，一般为10Hz左右，因此，如果只是简单地对比低通滤波处理后的IMU航向角速率ωimu和基于轮速的航向角速率ωodom这二者的瞬时差，并根据瞬时差来诊断轮速传感器是否故障、输出数据是否准确，则诊断结果存在较大误差。
为此，在本发明中，采用时间对齐和统计数据偏差的方式来诊断故障，如图1所示，步骤S3具体包括步骤S31～S33：
步骤S31，时间戳对齐：确定每个基于轮速的航向角速率ωodom对应的第一时间戳，以及每个低通滤波处理后的IMU航向角速率ωimu对应的第二时间戳，查找与每个第一时间戳接近的第二时间戳(二者的时间差小于等于预设的时间差阈值)，并计算相接近的每个第一时间戳和第二时间戳分别对应的基于轮速的航向角速率ωodom和低通滤波处理后的IMU航向角速率ωimu的差值Δω(以下简称“航向角速率偏差Δω”)。
上述步骤S31中，基于轮速的航向角速率ωodom对应的第一时间戳，是用于计算该基于轮速的航向角速率ωodom的左轮轮速、右轮轮速对应的时间戳，可以从轮速传感器的输出数据中获得；低通滤波处理后的IMU航向角速率ωimu对应的第二时间戳，是未进行低通滤波处理前，IMU航向角速率ωimu对应的时间戳，可以从IMU的输出数据中获得。
需要说明的是，时间差阈值应当根据轮速传感器和IMU的精度(例如频率)来设定，例如，当IMU和轮速传感器的精度都比较高时，时间差阈值设定的也应当较大。
如果计算设备的缓存空间足够，在一些实施例中，步骤S31按照如下方式实施：
(1)缓存计算得到的每个基于轮速的航向角速率ωodom，以及缓存每个经过低通滤波处理的IMU航向角速率ωimu；
(2)确定每个缓存数据对应的第一时间戳或第二时间戳，针对每个第一时间戳，计算每个第二时间戳与当前第一时间戳的时间差，若时间差小于预设的时间差阈值，则将该第二时间戳确定为当前第一时间戳接近的第二时间戳；
(3)计算并缓存相接近的第一时间戳和第二时间戳分别对应的基于轮速的航向角速率ωodom和低通滤波处理后的IMU航向角速率ωimu的差值Δω。
为了节省缓存空间，在一些实施例中，步骤S31还可以按照如下方式实施：
(1)实时计算得到每个基于轮速的航向角速率ωodom，以及实时计算得到每个经过低通滤波处理的IMU航向角速率ωimu；
(2)实时确定每个缓存数据对应的第一时间戳或第二时间戳，针对每个第一时间戳，计算每个第二时间戳与当前第一时间戳的时间差，若时间差小于预设的时间差阈值，则将该第二时间戳确定为当前第一时间戳接近的第二时间戳；
(3)计算并缓存相接近的第一时间戳和第二时间戳分别对应的基于轮速的航向角速率ωodom和低通滤波处理后的IMU航向角速率ωimu的差值Δω。
步骤S31中，由于缓存空间有限，随着时间的推移，当最新计算得到的航向角速率偏差Δω进入缓存区时，缓存区中最早的航向角速率偏差Δω会被删除。
步骤S32，统计数据偏差：获取当前时刻之前最新获得的m帧航向角速率偏差Δω，并按照如下公式计算数据偏差：
其中，σ为统计偏差；m为自然数；Δωm为当前时刻之前最新获得的第m帧航向角速率偏差。
需要说明的是，具体实施时，m的具体值可以根据计算能力、设备缓冲空间、移动设备的通常移动速度来设定，如果m值过大，则统计时间偏差的时间跨度就会较长，可能会出现漏检的情况。
当前时刻之前最新获得的m帧航向角速率偏差Δω，即为缓冲区内最新存入的m个航向角速率偏差Δω。
步骤S33，基于统计结果执行诊断：判断统计偏差σ是否大于预设的偏差阈值，如果统计偏差σ大于预设的偏差阈值，则判断轮速传感器出现异常以及轮速传感器测量的车速异常，如果统计偏差σ小于等于预设的偏差阈值，则判断轮速传感器正常以及轮速传感器测量的车速正常。
需要说明的是，预设的偏差阈值可以根据公式2中m的变化而变化，当m的值越大，该预设的偏差阈值也越大。
当统计偏差σ大于预设的偏差阈值时，说明基于轮速传感器的左右轮速计算出的航向角速率和IMU测得的航向角速率存在较大偏差，这种情况下即认为轮速传感器出现了故障，为了避免噪声引起误警，通过加滑窗的方式，来对数据进行平滑去噪。
本发明先按照时间戳对齐的方式，找到时间上相接近的基于轮速的航向角速率(低频数据)和IMU航向角速率(高频数据)，并计算时间上相接近的这两类数据的差值，得到对齐时点的航向角速率偏差Δω，这一过程充分考虑到了惯性测量单元和轮速传感器的数据刷新频率不一致的问题(一般情况下，轮速传感器采集的左右轮速为低频数据，据此计算得到的航向角速率也是低频数据，而IMU采集的航向角速率为高频数据，该低频数据与该高频数据在时间戳上存在较大偏差，如果直接进行对比，则可比性较差，不能很好地反映轮速传感器的真实状况)。
进一步的，本发明对获得的多帧统计航向角速率偏差Δω统计偏差，这一方式避免了使用单帧数据对比时容易出现误差的情况，所得诊断结果更加可靠。
本发明提供的一种移动设备轮速传感器的故障诊断方法，可以准确地判断轮速传感器测量的车速信息是否准确，从而有效避免由于轮速传感器测量不准带来的定位偏差以及可能由此引发的安全问题。
在本发明提供了一种移动设备轮速传感器的故障诊断方法的基础上，基于相同的发明构思，本发明还提供一种移动设备轮速传感器的故障诊断装置，如图3所示，该装置包括：
采集单元31，用于分别采集轮速传感器输出的车辆左轮轮速、右轮轮速，以及惯性测量单元输出的IMU航向角速率，并对采集的数据进行低通滤波处理；
速率计算单元32，用于利用低通滤波处理后的车辆左轮轮速和右轮轮速，计算基于轮速的航向角速率ωodom；
对齐单元33，用于对基于轮速的航向角速率ωodom和经过低通滤波处理后的IMU航向角速率ωimu按照时间戳做对齐处理；
差值计算单元34，用于计算时间戳对齐的基于轮速的航向角速率ωodom和低通滤波处理后的IMU航向角速率ωimu的差值Δω；
统计单元35，用于对最新获得的多帧差值Δω进行统计；
诊断单元36，用于根据统计结果，诊断轮速传感器是否异常。
图3所示的故障诊断装置，其工作原理与本发明提供的移动设备轮速传感器的故障诊断方法相同，具体参考前述介绍，此处不再赘述。
在本发明提供了一种移动设备轮速传感器的故障诊断方法的基础上，基于相同的发明构思，本发明还提供一种移动设备，如图4所示，该移动设备包括：移动本体41、轮速传感器42、惯性测量单元43，以及故障诊断装置44。
其中，移动本体41是利用至少两组以上对称设置的车轮(左轮、右轮)进行移动的结构体；该移动设备可以是无人驾驶清扫车、无人驾驶洒水车、无人驾驶洗地车、无人驾驶物流车等无人驾驶车辆。
图4所示的移动设备中，轮速传感器42负责测量车轮的速度等信息，惯性测量单元43负责测量移动本体41的三轴姿态角、航向角速率、加速度等信息，故障诊断装置44的工作原理与本发明提供的移动设备轮速传感器42的故障诊断方法相同，具体参考前述介绍，此处不再赘述。
图4所示的移动设备，当故障诊断装置44诊断的结果为轮速传感器42异常和\或测量车速异常时，可以及时报警和/或采取安全措施，以保证移动设备能够安全稳定运行。
具体实现上，在诊断出轮速传感器存在故障后，故障诊断装置可向移动设备的其他功能模块(例如执行障碍物感知、路径规划、外围设备控制、业务派发等功能的模块)发出故障信号，由其他功能模块采取相应的安全措施，例如停止移动。
对于本发明，采用同其他传感器之间的相互校验的方式，来对轮速传感器的故障进行诊断，可以综合利用其他传感器的信息，对轮速传感器的故障情况进行准确的判断，保证车辆的安全稳定运行。
综上所述，与现有技术相比较，本发明提供的一种移动设备轮速传感器的故障诊断方法、一种移动设备轮速传感器的故障诊断装置及移动设备。本发明通过采用同惯性测量单元IMU输出的航向角速率进行相互校验的方式，可以对轮速传感器的故障情况进行准确的判断，保证车辆的安全稳定运行。
通过应用本发明，一方面可以准确地隔离轮速传感器输出的异常的车速信息(即轮速数据)，另一方面可以降低由于轮速传感器异常带来的车辆安全风险。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种移动设备轮速传感器的故障诊断方法，其特征在于，包括以下步骤：
分别采集轮速传感器输出的左轮轮速、右轮轮速，以及惯性测量单元输出的IMU航向角速率，并对采集的数据进行低通滤波处理；
利用低通滤波处理后的车辆左轮轮速和右轮轮速，计算基于轮速的航向角速率ωodom；
对基于轮速的航向角速率ωodom和经过低通滤波处理后的IMU航向角速率ωimu按照时间戳做对齐处理，并计算时间戳对齐的基于轮速的航向角速率ωodom和低通滤波处理后的IMU航向角速率ωimu的差值Δω；
对最新获得的多帧差值Δω进行统计，并根据统计结果，诊断轮速传感器是否异常。
2.如权利要求1所述的方法，其特征在于，对采集的数据进行低通滤波处理，包括：采用截止频率小于轮速传感器和惯性测量单元的采样频率的二分之一的低通滤波器，对采集的数据进行低通滤波处理。
3.如权利要求2所述的方法，其特征在于，采用巴特沃斯低通滤波器，对采集的数据进行低通滤波处理。
4.如权利要求1所述的方法，其特征在于，对基于轮速的航向角速率ωodom和经过低通滤波处理后的IMU航向角速率ωimu按照时间戳做对齐处理，并计算时间戳对齐的基于轮速的航向角速率ωodom和低通滤波处理后的IMU航向角速率ωimu的差值Δω，包括：
确定每个基于轮速的航向角速率ωodom对应的第一时间戳，以及每个低通滤波处理后的IMU航向角速率ωimu对应的第二时间戳；
查找与每个第一时间戳接近的第二时间戳；
计算相接近的每个第一时间戳和第二时间戳分别对应的基于轮速的航向角速率ωodom和低通滤波处理后的IMU航向角速率ωimu的差值Δω。
5.如权利要求4所述的方法，其特征在于，查找与每个第一时间戳接近的第二时间戳，包括：
针对每个第一时间戳，计算每个第二时间戳与当前第一时间戳的时间差，若时间差小于预设的时间差阈值，则将该第二时间戳确定为当前第一时间戳接近的第二时间戳。
6.如权利要求1所述的方法，其特征在于，对最新获得的多帧差值Δω进行统计，包括：
获取当前时刻之前最新获得的m帧航向角速率偏差Δω，并按照如下公式计算数据偏差：
其中，σ为统计偏差；m为自然数；Δωm为当前时刻之前最新获得的第m帧航向角速率偏差。
7.如权利要求6所述的方法，其特征在于，根据统计结果，诊断轮速传感器是否异常，包括：
如果统计偏差σ大于预设的偏差阈值，则诊断轮速传感器出现异常。
8.一种移动设备轮速传感器的故障诊断装置，其特征在于，包括：
采集单元，用于分别采集轮速传感器输出的左轮轮速、右轮轮速，以及惯性测量单元输出的IMU航向角速率，并对采集的数据进行低通滤波处理；
速率计算单元，用于利用低通滤波处理后的车辆左轮轮速和右轮轮速，计算基于轮速的航向角速率ωodom；
对齐单元，用于对基于轮速的航向角速率ωodom和经过低通滤波处理后的IMU航向角速率ωimu按照时间戳做对齐处理；
差值计算单元，用于计算时间戳对齐的基于轮速的航向角速率ωodom和低通滤波处理后的IMU航向角速率ωimu的差值Δω；
统计单元，用于对最新获得的多帧差值Δω进行统计；
诊断单元，用于根据统计结果，诊断轮速传感器是否异常。
9.一种移动设备，其特征在于，包括：
具有至少两组以上对称设置的左轮和右轮的移动本体；
用于测量所述移动本体的左轮轮速、右轮轮速的轮速传感器；
用于测量所述移动本体的IMU航向角速率的惯性测量单元；
以及，如权利要求8所述的移动设备轮速传感器的故障诊断装置。
10.如权利要求9所述的移动设备，其特征在于，所述移动设备为无人驾驶车辆。
11.一种移动设备，其特征在于，所述移动设备包括存储器和处理器，所述存储器用于存储程序，所述处理器运行所述程序时，用于执行权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110968261.2A CN115712004A (zh) | 2021-08-23 | 2021-08-23 | 移动设备轮速传感器的故障诊断方法及其装置、移动设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110968261.2A CN115712004A (zh) | 2021-08-23 | 2021-08-23 | 移动设备轮速传感器的故障诊断方法及其装置、移动设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115712004A true CN115712004A (zh) | 2023-02-24 |
Family
ID=85230539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110968261.2A Pending CN115712004A (zh) | 2021-08-23 | 2021-08-23 | 移动设备轮速传感器的故障诊断方法及其装置、移动设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115712004A (zh) |
-
2021
- 2021-08-23 CN CN202110968261.2A patent/CN115712004A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102422166B (zh) | 移动状态检测装置 | |
| CN107560613B (zh) | 基于九轴惯性传感器的机器人室内轨迹跟踪系统及方法 | |
| EP3789974B1 (en) | Method for recording, processing and transmitting data from a mobile asset | |
| EP3699052A1 (en) | Method and device for eliminating steady-state lateral deviation and storage medium | |
| US20120253585A1 (en) | System and method for identifying a spatial relationship for use in calibrating accelerometer data | |
| CN103796885B (zh) | 用于评估车辆的轮胎参数的方法 | |
| CN109649490A (zh) | 汽车方向盘零偏的自动标定方法、系统及车辆 | |
| CN105109490B (zh) | 一种基于三轴加速度传感器判断车辆急转弯的方法 | |
| CN108364372B (zh) | 一种车辆行驶状态检测方法及装置 | |
| CN110843766B (zh) | 车辆姿态检测方法、装置、车载终端、车辆和介质 | |
| BR112014003158B1 (pt) | Método e sistema para determinar a inclinação de um veículo | |
| CN105865461A (zh) | 一种基于多传感器融合算法的汽车定位系统及方法 | |
| KR20200058664A (ko) | 전방 충돌 방지 보조 성능 검사 시스템 및 그 방법 | |
| CN105716617A (zh) | 基于车辆数据绘制驾驶轨迹的系统及方法 | |
| CN111103877A (zh) | 移动机器人打滑预警方法、存储介质以及移动机器人 | |
| CN111026081B (zh) | 一种误差计算方法、装置、设备及存储介质 | |
| US10953900B2 (en) | Abnormality detection device, abnormality detection method, and program | |
| CN108974054A (zh) | 无缝列车定位方法及其系统 | |
| CN114964468B (zh) | 一种基于bim的桥梁振动监测方法、系统及终端设备 | |
| CN105022987B (zh) | 用于车道感测传感器的偏差纠正和诊断功能的方法 | |
| US20210240991A1 (en) | Information processing method, information processing device, non-transitory computer-readable recording medium recording information processing program, and information processing system | |
| CN115712004A (zh) | 移动设备轮速传感器的故障诊断方法及其装置、移动设备 | |
| CN115366942A (zh) | 一种基于双传感器感知时延的地铁里程定位方法 | |
| CN114562994A (zh) | 移动机器人处于动态环境中的定位方法 | |
| CN109572609B (zh) | 一种基于加速度传感器的汽车侧翻检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |