CN116134295A - 借助机器学习方法校准和操作传感器组件的方法和设备 - Google Patents

Abstract

本发明涉及利用基于数据的校准模型来校准传感器组件的方法，其中传感器组件包括用于提供电测量参量的测量接收器、至少一个用于采集干扰参量的干扰参量传感器和用于提供可训练的基于数据的校准模型的校准模型单元，所述电测量参量取决于传感器组件所暴露于的物理参量，所述方法具有以下步骤：‑对传感器组件施加起作用的物理参量和至少一个干扰参量；‑在几个评估时间点采集训练数据记录，其中为了在每个评估时间点采集训练数据记录执行以下步骤：o提供作用于传感器组件上的物理参量的值和对应的额定传感器参量，所述额定传感器参量应表示起作用的物理参量的值，o采集表示物理参量的电测量参量；o采集至少一个干扰参量；‑利用训练数据记录训练基于数据的校准模型，使得所述校准模型将至少一个干扰参量映射到校准参数上，其中使用额定传感器参量与传感器参量之间的差异作为损失函数。

Description

借助机器学习方法校准和操作传感器组件的方法和设备

技术领域

本发明涉及传感器组件的校准，尤其是在考虑到外部作用于传感器组件上的干扰参量的情况下。

背景技术

借助传感器测量物理参量经历明显更高的精度要求。然而，根据所使用的物理测量原理，干扰参量对传感器参量的精度有相当大的影响。

例如，陀螺仪和加速度传感器的使用需要高可靠性，因为在其他系统发生故障时，紧急功能基于此类传感器的传感器参量来执行。尤其是对于加速度传感器，需要明显提高漂移稳定性并显著降低转速传感器的噪声，以确保自动驾驶车辆的安全性和舒适性。由此，在地理位置识别(GPS、GLONASS等)不足的情况下，纯惯性导航也可以用于更长的路程。

为了提高传感器组件的精度，通常对传感器组件进行校准。在此，传感器组件之间的与生产相关的微小差异得到补偿，并且能够实现对零点的精确设置。为此，通常将校准参数写入到传感器组件中，其将取决于待测量的物理参量的电测量参量转换成表示待测量的物理参量的传感器参量。

发明内容

根据本发明提出根据权利要求1所述的用于校准传感器组件的方法以及根据并列独立权利要求所述的用于操作传感器组件的方法、用于校准传感器组件的设备和用于操作传感器组件的设备。

其他构型在从属权利要求中说明。

根据一个方面，提出一种利用基于数据的校准模型来校准传感器组件的方法，其中传感器组件包括用于提供电测量参量的测量接收器和至少一个用于采集至少一个干扰参量的干扰参量传感器，所述电测量参量取决于传感器组件所暴露于的物理参量，所述方法具有以下步骤：

-在几个评估时间点采集训练数据记录，具有相应的步骤：

ο对传感器组件施加物理参量；

ο提供相应的额定传感器参量，所述额定传感器参量应表示起作用的物理参量的值，

ο在相应的评估时间点借助于传感器组件采集表示物理参量的电测量参量和至少一个干扰参量；

-利用训练数据记录训练基于数据的校准模型，使得所述校准模型将至少一个干扰参量映射到至少一个校准参数上。

可以规定，所述基于数据的校准模型利用损失函数来训练，所述损失函数说明额定传感器参量与通过对电测量参量施加校准函数得出的传感器参量之间的差异。

为了校准传感器组件，通常确定校准参数，所述校准参数用于根据预定的校准函数将电测量参量换算成传感器参量，所述电测量参量基于物理测量原理直接从要测量的物理参量中得出，所述传感器参量尽可能好地表示和输出或提供物理参量。

校准函数可以对应于在控制技术的意义上描述通过整个传感器结构的信号变换的传递函数。校准函数也可以仅表示传递函数的一部分。

例如，电测量参量可以对应于电压、电流或频率信号并且被提供为数字值以便随后借助于校准函数被施加以校准参数。在最简单的情况下，校准参数包括因子和偏差，以便校正电测量参量相对于待测量的物理参量的漂移和零点偏移。其他校准参数也可以考虑动态影响。

然而，转换为电测量参量不仅直接取决于要测量的物理参量，而且还经受传感器组件所暴露于的可变干扰影响，例如环境温度、机械作用、电磁辐射的作用、电场的作用、磁场作用等。

这样的干扰参量可以通过传感器组件中的其他传感器元件来采集并且在确定和应用校准参数时被考虑。因此，例如加速度传感器可以配备有温度传感器和用于探测磁场的磁场传感器并采集相对应的干扰参量。

虽然补偿漂移和零点足以校准在恒定干扰影响情况下的传感器组件，但只能以降低的传感器精度进行在可变干扰参量情况下的校准。

由于干扰参量对传感器参量的影响通常不完全已知，因此建议借助于基于数据的校准模型来确定校准参数。基于数据的校准模型采集在传感器组件中所采集的干扰参量，并为它们分配合适的校准参数。然后根据预定的校准函数使用校准参数来施加电测量参量，由此获得传感器参量。

此外，除了至少一个干扰参量之外，校准模型可以将电测量参量映射到至少一个校准参数上。

至少一个校准参数可以被设计用于参数化校准函数，所述校准函数被施加给电测量参量以提供传感器参量。

尤其是，基于数据的校准模型可以用神经网络、用概率回归模型、用贝叶斯神经网络或用变分自动编码器来构造。

因此，可以映射非普通的关系，尤其是当存在多个与测量参量相互关联的干扰参量时，例如温度和磁场。此外，在影响电测量参量的噪声的干扰影响情况下，可以通过校准参数在特定频率下必要时完全被消除。这尤其可以通过匹配校准函数通过抑制噪声频率来实现。

尤其是，基于数据的校准模型可以用于确定，所述校准模型被训练用于传感器组件的单独校准。这使得可以同时校准大量传感器组件，其中在每个传感器组件中单独训练校准模型。为此，传感器组件以定义的方式暴露于相同作用的物理参量和干扰参量以在在测试台中进行校准，并且分别采集的电测量参量被相应地分配给起作用的物理参量和干扰参量。由此得出用于用干扰参量和必要时电测量参量和所分配的额定传感器参量的相对应的值组合来训练校准模型的训练数据记录。

在此，可以单独训练每个传感器组件，使得尽管有干扰参量的复杂影响也可以在传感器组件运行期间确定最佳校准参数。通过在传感器组件中实现基于数据的校准模型，可以在运行情况发生变化时关于干扰参量匹配校准参数。

根据另一个方面，提出一种利用传感器组件测量物理参量并且用于提供相对应的传感器参量的方法，其中传感器组件包括用于提供电测量参量的测量接收器和至少一个用于采集至少一个干扰参量的干扰参量传感器，所述电测量参量取决于传感器组件所暴露于的物理参量，所述方法具有以下步骤：

-提供基于数据的校准模型，该校准模型被训练以将至少一个干扰参量映射到至少一个校准参数；

-采集表示待测量的物理参量的电测量参量和至少一个干扰参量；

-使用基于数据的校准模型以根据所采集到的至少一个干扰参量来确定至少一个校准参数；

-将利用所确定的校准参数来参数化的校准函数应用于电测量参量以获得传感器参量。

根据另一个方面，提出一种用于测量物理参量的传感器组件，包括：

-测量接收器，用于提供电测量参量，所述电测量参量取决于传感器组件所暴露于的物理参量；

-至少一个干扰参量传感器，用于采集至少一个干扰参量；

-校准模型单元，用于提供经训练的基于数据的校准模型，该校准模型被训练以用于根据所采集的至少一个干扰参量来确定至少一个校准参数；

-校准单元，其被构造用于将利用至少一个校准参数来参数化的校准函数施加给电测量参量，以便提供传感器参量。

此外，所述校准模型单元被构造为

-在校准期间在多个评估时间点利用相应的步骤来采集训练数据记录：

ο接收额定传感器参量，所述额定传感器参量应表示当前对传感器组件起作用的物理参量的值，

ο在相应的评估时间点借助于传感器组件采集表示物理参量的电测量参量和至少一个干扰参量；

-利用训练数据记录训练基于数据的校准模型，使得该校准模型将至少一个干扰参量映射到对应的至少一个校准参数上。

可以规定，校准模型单元被构造为使用额定传感器参量与传感器参量之间的差异作为用于训练基于数据的校准模型的损失函数。

附图说明

下面根据附图更详细地解释实施方式。其中：

图1示出了传感器组件的示意图；

图2示出了用于校准图1的传感器组件的测试台的示意图；以及

图3示出了说明用于校准传感器组件的方法的流程图。

具体实施方式

图1示出了带有测量接收器2的传感器组件1的示意图，该测量接收器2采集物理参量并将其转换为电测量参量M。该测量接收器2例如可以包括用于加速度或振动传感器的振荡质量，在该加速度或振动传感器处测量取决于振荡质量的偏转或振荡频率的变化的电容。相应的电测量参量M可以通过相应的电容测量来采集。

物理参量可以是任何类型的可测量物理参量，例如温度、电磁辐射、磁场、机械力、加速度或旋转、湿度、压力、气体化学成分比例、热量、声场大小、亮度、pH值、离子强度、电化学势或电参量，例如电流、电压、电阻、电容、电感、频率等。

电测量参量M可以被输送给模拟/数字转换器3，以便提供电测量参量M作为数字化的测量参量M′。可替代地，电测量参量也可以以模拟方式被进一步处理。

数字化的测量参量M′被输送给校准单元4，该校准单元4将校准参数K应用于电测量参量M，以便在传感器组件1的输出端处提供传感器参量S。校准参数K可以参数化校准函数并且包括例如用于乘法应用的校准因子和用于加法应用的校准偏差。校准函数可以是来自电测量参量M的采集和传感器组件1的输出的信号链中的传递函数的一部分。尤其是，校准单元4应用预给定的、尤其是线性的校准函数。

此外，提供一个或多个干扰参量传感器5用于采集物理干扰参量D，其可能损害测量接收器2和/或校准单元4的功能。干扰参量D不同于待测量的物理参量。例如，这样的干扰参量传感器5可以包括一个或多个传感器用于测量温度、磁场强度、起作用的电磁辐射、机械干扰的作用(例如加速度作用和/或振动)、起作用的电场等。干扰参量D被选择为这样的参量，其基本上适合于影响测量接收器对物理参量的采集和电测量参量的进一步处理。

传感器组件1还具有校准模型单元6，其将基于数据的校准模型应用于所测量的干扰参量D并且必要时应用于测量参量M′以获得与其相关的校准参数K。

图2中示出了用于校准图1的传感器组件1的校准系统10。校准系统10具有测试台11，物理参量可以通过该测试台作用于传感器组件。为此，测试台11必要时配备有执行器12或可类比的装置，以允许物理参量以恒定方式作用于传感器组件1。在加速度传感器作为传感器组件1的情况下，测试台11可以例如配备有机电致动器，其可以将相应的加速度或旋转施加到传感器组件1上。

测试台11由控制单元13操控，该控制单元13操控执行器12和测试台11以将物理参量提供到与所述测试台连接的传感器组件1。此外，传感器组件1与控制单元13连接，使得传感器组件1可以用信号通知作用在传感器组件1上并且在那里由测量接收器2测量的物理参量的水平。

因此，在传感器组件1中，存在关于待测量的物理参量和基于物理参量在传感器组件1中采集到的电测量参量M或数字化的测量参量M′的程度的说明。

此外，传感器组件1被施加以变化的干扰参量D，例如具有变化的场强的磁场、变化的温度、变化的振动、变化的电场等。不必为传感器组件1说明相应干扰参量的程度。然而，干扰参量的变化应该覆盖与干扰参量也可以位于传感器组件的应用领域中的范围相对应的范围。

这些干扰参量D由控制单元12经由测试台通过合适的干扰参量装置14有针对性地应用于传感器组件1上。干扰参量装置14可以被构造成提供电场、磁场、温度作用、辐射作用等。

为了校准，在传感器组件1中执行一种方法，如其在图3的流程图中更详细地描述的那样。该方法可以以软件和/或硬件的形式在传感器组件中实现。此外，传感器组件1与校准系统10的控制单元13连接。

在步骤S1中，借助于校准系统10对传感器组件1施加待测量的物理参量。

在步骤S2中，在传感器组件1从校准系统10接收关于要测量的物理参量的说明，尤其是所述物理参量的瞬时值或所述物理参量在评估时间点的值。

此外，由校准系统10提供额定传感器参量，所述校准系统10预先给定传感器参量的与待测量物理参量相对应的值，该值在施加以待测量物理参量时应当被输出。

此外，在步骤S3中，在评估时间点根据测量接收器2的物理测量原理采集表示物理参量的电测量参量M。因此，在待校准的传感器组件1中，存在在评估时间点所采集到的物理参量的值、据此待校准的额定传感器参量和所记录的电测量参量。

此外，在步骤S4中，读出干扰参量传感器5并且因此对于特定的评估时间点确定作用在传感器组件1上的干扰参量D的水平。

由此对于有关的评估时间点得出训练数据记录。

在步骤S5中检查是否已经采集了足够的训练数据记录。在超过预定数量的训练数据记录时，就会出现这种情况。如果是这种情况(二选一：是)，则该方法继续步骤S6。否则(二选一：否)，跳回到步骤S1，并且在物理参量变化和/或干扰参量D变化时在另一评估时间点采集另一训练数据记录。物理参量和干扰参量D的变化如此进行，使得通过如此形成的测量点以充满空间和动态的方式(raum-und dynamikfüllend)映射值范围。

在随后的训练过程中，在步骤S6中以本身已知的方式训练校准模型，该校准模型尤其可以构造为神经网络、概率回归模型等。

可替代地，贝叶斯神经网络、高斯过程或变分自动编码器也可用于校准模型。它们使得能够考虑校准参数预测的内在不确定性，并且必要时，如果不确定性超过阈值则不将它们用于校准函数。

基于数据的校准模型利用训练数据记录来训练，所述训练数据记录分别说明在特定评估时间点的干扰参量、电测量参量M的相应值以及额定传感器参量。校准参数在此应该为每个训练数据记录形成校准函数，使得从电测量参量中产生额定传感器参量。

借助于用于基于数据的模型的已知训练方法借助于说明基于数据的模型的质量的损失函数来执行所述训练。在此使用的损失函数可由额定传感器参量和传感器参量之间的偏差或差异得出，所述额定传感器参量和传感器参量通过应用来自未经训练或仅部分训练的校准模型、即当前训练状态下的校准模型的校准参数来确定。

在训练完校准模型之后，校准方法结束。

在传感器组件的应用中，电测量参量和干扰参量在每个查询时间点被施加到校准模型的输入处。由此，经过训练的校准模型确定校准参数，例如用于零点调准的校准偏差和用于补偿漂移的校准因子以及必要时用于考虑动态影响的其他校准参数。因此可以针对通过干扰参量确定的传感器组件的不同系统状态在校准模型中教导合适的校准参数。

Claims (12)

1.一种利用传感器组件(1)测量物理参量并且用于提供相对应的传感器参量(S)的方法，其中传感器组件(1)包括用于提供电测量参量(M)的测量接收器(2)和至少一个用于采集至少一个干扰参量(D)的干扰参量传感器(5)，所述电测量参量取决于传感器组件(1)所暴露于的物理参量，所述方法具有以下步骤：

-提供基于数据的校准模型，该校准模型被训练以将至少一个干扰参量(D)映射到至少一个校准参数(K)上；

-采集表示待测量的物理参量的电测量参量(M)和至少一个干扰参量(D)；

-使用基于数据的校准模型以根据所采集的至少一个干扰参量(D)来确定至少一个校准参数(K)；

-将利用所确定的校准参数(K)来参数化的校准函数应用于电测量参量(M)以获得传感器参量(S)。

2.一种利用基于数据的校准模型来校准传感器组件(1)的方法，其中传感器组件(1)包括用于提供电测量参量的测量接收器(2)和至少一个用于采集干扰参量(D)的干扰参量传感器(5)，所述电测量参量取决于传感器组件(1)所暴露于的物理参量，所述方法具有以下步骤：

-在几个评估时间点采集训练数据记录，具有相应的步骤：

ο对传感器组件(1)施加(S1)物理参量；

ο提供(S2)相对应的额定传感器参量，所述额定传感器参量应表示起作用的物理参量的值，

ο在相应的评估时间点借助于传感器组件(1)采集(S3，S4)表示物理参量的电测量参量(M)和至少一个干扰参量(D)；

-利用训练数据记录训练(S6)基于数据的校准模型，使得所述校准模型将至少一个干扰参量(D)映射到至少一个校准参数(K)上。

3.根据权利要求2所述的方法，其中所述基于数据的校准模型利用损失函数来训练，所述损失函数说明额定传感器参量与通过对电测量参量(M)施加校准函数得出的传感器参量(S)之间的差异。

4.根据权利要求1至3中任一项所述的方法，其中所述校准模型还将所述电测量参量(M)映射到所述至少一个校准参数(K)上。

5.根据权利要求1至4中任一项所述的方法，其中所述至少一个干扰参量(D)说明温度、磁场强度、起作用的电磁辐射、机械干扰的作用、尤其是加速度作用和/或振动、或者起作用的电场。

6.根据权利要求1至5中任一项所述的方法，其中所述至少一个校准参数(K)被设计用于参数化校准函数，所述电测量参量被施加所述校准函数以提供传感器参量(S)。

7.根据权利要求1至6中任一项所述的方法，其中所述基于数据的校准模型利用神经网络、利用概率回归模型、利用贝叶斯神经网络或利用变分自动编码器来构造。

8.一种用于测量物理参量的传感器组件(1)，包括：

-测量接收器(2)，用于提供电测量参量(M)，所述电测量参量取决于传感器组件(1)所暴露于的物理参量；

-至少一个干扰参量传感器(5)，用于采集至少一个干扰参量(D)；

-校准模型单元(6)，用于提供经训练的基于数据的校准模型，该校准模型被训练以根据所采集的至少一个干扰参量(D)来确定至少一个校准参数(K)；

-校准单元(4)，其被构造用于将利用至少一个校准参数(K)来参数化的校准函数施加给电测量参量(M)，以便提供传感器参量(S)。

9.根据权利要求8所述的传感器组件，其中所述校准模型单元(6)被构造为在校准期间

-在多个评估时间点利用相应的步骤来采集训练数据记录：

ο接收额定传感器参量，所述额定传感器参量应表示当前对传感器组件(1)起作用的物理参量的值，

ο在相应的评估时间点借助于传感器组件(1)采集表示物理参量的电测量参量(M)和至少一个干扰参量(D)；

-利用训练数据记录训练基于数据的校准模型，使得该校准模型将至少一个干扰参量(D)映射到对应的至少一个校准参数(K)上。

10.根据权利要求8或9所述的传感器组件(1)，其中校准模型单元被构造为使用额定传感器参量与传感器参量(S)之间的差异作为用于训练基于数据的校准模型的损失函数。

11.一种具有程序代码件的计算机程序，所述计算机程序被设立为当计算机程序在数据处理装置上执行时执行根据权利要求1至7中任一项所述的方法。

12.一种机器可读存储介质，其上存储有根据权利要求11所述的计算机程序。

Images