CN117053833A - 一种惯性测量单元的故障检测方法及相关设备 - Google Patents
一种惯性测量单元的故障检测方法及相关设备 Download PDFInfo
- Publication number
- CN117053833A CN117053833A CN202310987308.9A CN202310987308A CN117053833A CN 117053833 A CN117053833 A CN 117053833A CN 202310987308 A CN202310987308 A CN 202310987308A CN 117053833 A CN117053833 A CN 117053833A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- detected
- integral
- measurement unit
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 158
- 238000005259 measurement Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000003321 amplification Effects 0.000 claims description 27
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 27
- 230000010354 integration Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Gyroscopes (AREA)
Abstract
本申请公开了一种惯性测量单元的故障检测方法及相关设备,通过获取智能驾驶域惯性测量单元的目标待测数据以及与目标待测数据对应的车身域的惯性测量单元的参考数据各自对应的输出频率和检测基准时刻。然后以此得到的数据,确定积分运算时间长度以及最大误差阈值,同时确定所述目标待测数据和所述参考数据在所述积分运算时间长度的积分观测量。最后基于两者数据在积分运算时间长度内的积分观测量以及最大误差阈值,对惯性测量单元进行故障检测。通过上述方法,能够基于车身域的惯性测量单元所提供的具有高可靠性的数据来完成对于智能驾驶域的惯性测量单元的故障检测,提升了智能驾驶域惯性测量单元的可靠性。
Description
技术领域
本申请涉及技术领域,特别是涉及一种惯性测量单元的故障检测方法及相关设备。
背景技术
随着智能驾驶技术的飞速发展,IMU(Inertial Measurement Unit,惯性测量单元)已经成为在智能驾驶和高精度定位中不可或缺的元器件。其具体在车载产品中主要体现有陀螺仪和加速度计。其两者皆能够输出其自身对应的多个轴向的角速度和加速度,而此生成的角速度和加速度的正确性直接影响着汽车在智能驾驶以及高精度定位过程中的定位精度以及导航驾驶精度,因此,惯性测量单元器件的精度在车辆的智能驾驶以及高精度定位中显得尤为重要。
在现有技术中,通常通过在智能驾驶控制器的IMU来进行智能驾驶以及高精度的定位工作,但由于在智能驾驶域中的IMU本身存在较高的灵敏度,因而其自身的精度以及可靠性无法同时兼顾。现有技术中通常采用高精度的智能驾驶域IMU来完成智能驾驶工作,为了保证IMU的可靠性,通常通过获取车辆轮胎行驶的数据来对其智能驾驶域的IMU进行故障检测,其方法仅能够简单实施对于智能驾驶域IMU的故障检测,无法对智能驾驶域的IMU进行精确的故障检测,对于IMU的可靠性提升具有较大的局限性。
因此,如何解决现有技术中,无法准确对车辆智能驾驶域的IMU进行故障检测,使得智能驾驶域的IMU可靠性较差的问题,成为本领域技术人员急需解决的技术问题。
发明内容
基于上述问题,为了解决现有技术中无法准确对车辆智能驾驶域的IMU进行故障检测,使得智能驾驶域的IMU可靠性较差的问题,本申请提供了一种惯性测量单元的故障检测方法及相关设备。
本申请实施例公开了如下技术方案:
第一方面,本申请公开了一种惯性测量单元的故障检测方法,应用于包括智能驾驶域的惯性测量单元和车身域的惯性测量单元的车辆中;所述方法,包括:
获取目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻;所述目标待测数据基于所述智能驾驶域的惯性测量单元生成,所述参考数据基于所述车身域的惯性测量单元生成;所述检测基准时刻用于表示得到所述目标待测数据和所述参考数据各自对应的时刻;
根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定积分运算时间长度以及最大误差阈值;
通过所述积分运算时间长度和所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量;
基于所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量以及所述最大误差阈值,对所述智能驾驶域的惯性测量单元进行故障检测。
可选的,所述根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定积分运算时间长度以及最大误差阈值,具体包括:
根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据的周期的最小公倍数、与所述最小公倍数对应的放大倍数以及所述最大误差阈值;
基于所述目标待测数据和所述参考数据的周期的最小公倍数以及与所述最小公倍数对应的放大倍数,确定积分运算时间长度。
可选的,所述放大倍数和所述最大误差阈值,通过以下步骤得到:
将所述目标待测数据的检测基准时刻与所述参考数据的检测基准时刻进行求差绝对值计算,得到所述目标待测数据的检测基准时刻与所述参考数据的检测基准时刻之间差值的绝对值;
根据预设系数和所述目标待测数据的检测基准时刻与所述参考数据的检测基准时刻之间差值的绝对值,确定所述放大倍数和所述最大误差阈值。
可选的,所述基于所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量以及所述最大误差阈值,对所述智能驾驶域的惯性测量单元进行故障检测,具体包括:
将所述目标待测数据的积分观测量与所述参考数据的积分观测量进行求差绝对值计算,得到所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值;
若所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值大于所述最大误差阈值,则确定所述智能驾驶域控制器中的惯性测量单元出现故障;
若所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值小于所述最大误差阈值,则确定所述智能驾驶域控制器中的惯性测量单元的工作状态正常。
可选的,所述根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定积分运算时间长度以及最大误差阈值之后,还包括:
确定所述积分运算时间长度是否低于预设阈值;
若所述积分运算时间长度低于预设阈值,则重新进行所述积分运算时间长度的计算。
第二方面,本申请公开了一种惯性测量单元的故障检测装置,应用于包括智能驾驶域的惯性测量单元和车身域的惯性测量单元的车辆中;所述装置,包括:
获取模块,用于获取目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻;所述目标待测数据基于所述智能驾驶域的惯性测量单元生成,所述参考数据基于所述车身域的惯性测量单元生成;所述检测基准时刻用于表示得到所述目标待测数据和所述参考数据各自对应的时刻;
第一确定模块,用于根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定积分运算时间长度以及最大误差阈值;
第二确定模块,用于通过所述积分运算时间长度和所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量;
故障检测模块,用于基于所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量以及所述最大误差阈值,对所述智能驾驶域的惯性测量单元进行故障检测。
可选的,所述第一确定模块,具体用于:
根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据的周期的最小公倍数、与所述最小公倍数对应的放大倍数以及所述最大误差阈值;
基于所述目标待测数据和所述参考数据的周期的最小公倍数以及与所述最小公倍数对应的放大倍数,确定积分运算时间长度。
可选的,所述故障检测模块,具体用于:
将所述目标待测数据的积分观测量与所述参考数据的积分观测量进行求差绝对值计算,得到所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值;
若所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值大于所述最大误差阈值,则确定所述智能驾驶域控制器中的惯性测量单元出现故障;
若所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值小于所述最大误差阈值,则确定所述智能驾驶域控制器中的惯性测量单元的工作状态正常。
第三方面,本申请公开了一种电子设备,所述设备包括:处理器、存储器、系统总线;
所述处理器以及所述存储器通过所述系统总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行所述的惯性测量单元的故障检测方法。
第四方面,本申请公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述的惯性测量单元的故障检测方法。
相较于现有技术,本申请具有以下有益效果:本申请公开了一种惯性测量单元的故障检测方法及相关设备,通过获取目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻。其中,所述目标待测数据基于所述智能驾驶域的惯性测量单元生成且所述参考数据基于车身域的惯性测量单元生成,所述检测基准时刻用于表示得到所述目标待测数据和所述参考数据各自对应的时刻。然后根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定积分运算时间长度以及最大误差阈值。并通过所述积分运算时间长度和所述目标待测数据和与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据在所述积分运算时间长度的积分观测量。最后基于所述目标待测数据和所述参考数据在所述积分运算时间长度的积分观测量以及所述最大误差阈值,对所述智能驾驶域的惯性测量单元进行故障检测。通过上述方法,能够基于车身域的惯性测量单元所提供的具有高可靠性的数据来完成对于智能驾驶域的惯性测量单元的故障检测,同时通过两者所输出数据的积分观测量来进行故障检测,能够有效避免车身域的惯性测量单元输出数据的低灵敏度和不同输出频率所带来的两者数据无法实时单帧一一对比的问题,使其能够精准的基于智能驾驶域惯性测量单元输出的数据来对其惯性测量单元进行故障检测,提升了智能驾驶域惯性测量单元的可靠性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种惯性测量单元的故障检测方法的流程示意图;
图2为本申请实施例提供的目标待测数据和参考数据的数据检测示意图;
图3为本申请实施例提供的一种惯性测量单元的故障检测装置的结构示意图;
图4为本申请实施例提供的一种惯性测量单元的故障检测电子设备的结构示意图。
具体实施方式
正如前文描述,在现有技术中,通常通过在智能驾驶控制器的IMU来进行智能驾驶以及高精度的定位工作,但由于在智能驾驶域中的IMU本身存在较高的灵敏度,因而其自身的精度以及可靠性无法同时兼顾。现有技术中通常采用高精度的智能驾驶域IMU来完成智能驾驶工作,为了保证IMU的可靠性,通常通过获取车辆轮胎行驶的数据来对其智能驾驶域的IMU进行故障检测,其方法仅能够简单实施对于智能驾驶域IMU的故障检测,无法对智能驾驶域的IMU进行精确的故障检测,对于IMU的可靠性提升具有较大的局限性。
然而,经发明人研究发现,在现有的具有智能驾驶功能的车辆中,虽然其智能驾驶域中的IMU由于其自身的高灵敏度的原因其往往可靠性较低,但车身域的IMU具有较高的可靠性,相应的其自身的灵敏度也较低。而两者之间输出频率的差异使得智能驾驶域中IMU的时间戳无法与车身域的IMU严格同步,因而无法基于车身域中IMU所提供的数据来对智能驾驶域的IMU进行故障检测。
为了解决上述问题,本申请公开了一种惯性测量单元的故障检测方法及相关设备,通过获取目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻。其中,所述目标待测数据基于所述智能驾驶域的惯性测量单元生成且所述参考数据基于车身域的惯性测量单元生成,所述检测基准时刻用于表示得到所述目标待测数据和所述参考数据各自对应的时刻。然后根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定积分运算时间长度以及最大误差阈值。并通过所述积分运算时间长度和所述目标待测数据和与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据在所述积分运算时间长度的积分观测量。最后基于所述目标待测数据和所述参考数据在所述积分运算时间长度的积分观测量以及所述最大误差阈值,对所述智能驾驶域的惯性测量单元进行故障检测。通过上述方法,能够基于车身域的惯性测量单元所提供的具有高可靠性的数据来完成对于智能驾驶域的惯性测量单元的故障检测,同时通过两者所输出数据的积分观测量来进行故障检测,能够有效避免车身域的惯性测量单元输出数据的低灵敏度和不同输出频率所带来的两者数据无法实时单帧一一对比的问题,使其能够精准的基于智能驾驶域惯性测量单元输出的数据来对其惯性测量单元进行故障检测,提升了对于智能驾驶域惯性测量单元的可靠性。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
方法实施例
参见图1,该图为本申请实施例提供的一种惯性测量单元的故障检测方法的流程示意图,具体包括以下步骤:
S101:获取目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻;所述目标待测数据基于所述智能驾驶域的惯性测量单元生成,所述参考数据基于所述车身域的惯性测量单元生成;所述检测基准时刻用于表示得到所述目标待测数据和所述参考数据各自对应的时刻。
在目前针对于智能驾驶域IMU的故障检测方案中,通常只能够基于获取车辆轮胎所行驶的数据来对智能驾驶域的IMU进行故障检测,其方法过于简单,无法准确完成对智能驾驶域IMU的故障检测。因此,本申请从车身域的IMU出发,基于车身域IMU输出数据可靠性高的特点,将车身域IMU的输出数据作为智能驾驶域IMU的参考数据,在需要对智能驾驶域的IMU进行故障检测时,会获取两者输出数据的输出频率和检测基准时刻,即,目标待测数据和参考数据的输出频率和检测基准时刻,其中,目标待测数据对应为智能驾驶域的IMU所输出的数据,参考数据则对应车身域的IMU的输出数据。其检测基准时刻为在对智能驾驶域IMU进行故障检测时,获取数据的时刻,即得到目标待测数据和参考数据所各自对应的时刻。在实际的应用场景中,智能驾驶域的IMU所输出的数据与车身域的IMU所输出的数据往往存在较大的时间误差,两者IMU之间的时间无法同步,时间戳难以同步对齐,因此,所获取的两者对应的检测基准时刻也存在差异。
可以理解的是,在实际的应用场景中其在智能驾驶域和车身域的IMU可以是防陀螺仪和加速度计,其具体的待测数据也可以是防陀螺仪的Roll轴角速度、Pitch轴角速度以及Yaw轴角速度。也可以是加速度计中的X轴加速度、Y轴加速度以及Z轴加速度的任意一种数据类型或是多种数据类型,其多个轴向以及多种类型的数据即可同时获取以进行对应IMU的故障检测。
S102:根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定积分运算时间长度以及最大误差阈值。
在得到目标待测数据以及参考数据的输出频率和检测基准时刻后,会基于此得到的数据以确定积分运算时间长度以及最大误差阈值。
在现有的车身域的IMU中,虽然其输出的数据具有较高的可靠性,但由于其时间戳和输出频率与智能驾驶域存在差异,导致其自身输出数据的时间无法与智能驾驶域IMU输出数据的时间同步,因而也就无法基于车身域的IMU所输出的数据来对智能驾驶域的IMU进行数据校验从而完成故障检测。
因此为了解决此问题,本申请基于积分运算的角度出发,基于两者的输出频率以及检测基准时刻,确定进行积分运算时间长度以及最大误差阈值,以得到的积分运算时间长度为基准,将对于车身域的IMU以及智能驾驶域的IMU在此时间长度内进行积分运算,并基于最终得到的结果和最大误差阈值进行比较,进而完成针对智能驾驶域IMU的故障检测,具体的,确定积分预算的时间长度以及最大误差阈值的过程具体可以通过如下两个步骤来完成:
步骤一、根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据的周期的最小公倍数、与所述最小公倍数对应的放大倍数以及所述最大误差阈值;
步骤二、基于所述目标待测数据和所述参考数据的周期的最小公倍数以及与所述最小公倍数对应的放大倍数,确定积分运算时间长度。
首先会先确定待测数据和参考数据的周期的最小公倍数、与此最小公倍数对应的放大倍数以及最大误差阈值,通过目标待测数据以及参考数据的输出频率,可以计算得到两者的周期,进而得到目标待测数据和参考数据的周期的最小公倍数,而与最小公倍数对应的放大倍数以及最大误差阈值均需要基于目标待测数据和参考数据的检验基准时刻来获取。在此之后,会基于目标待测数据和参考数据的周期的最小公倍数以及对应的放大倍数,确定积分运算时间长度。在此将最小公倍数设为M,对应的放大倍数设为N,积分运算时间长度即为L,则积分运算时间长度L通过以下公式获得:
L=N*M
具体的,最小公倍数的放大倍数以及最大误差阈值具体通过以下两个步骤来获取:
步骤一、将所述目标待测数据的检测基准时刻与所述参考数据的检测基准时刻进行求差绝对值计算,得到所述目标待测数据的检测基准时刻与所述参考数据的检测基准时刻之间差值的绝对值;
步骤二、根据预设系数和所述目标待测数据的检测基准时刻与所述参考数据的检测基准时刻之间差值的绝对值,确定所述放大倍数和所述最大误差阈值。
具体可以参照图2公开的目标待测数据和参考数据的数据检测示意图,此情况为两者的输出频率不同时的数据检测情况;t(1)-t(21)表示目标待测数据的数据输出时刻,T(1)-T(11)表示参考数据的输出时刻,Δt表示智能驾驶域的IMU与车身域的IMU之间的时间戳误差;X1-X2表示目标待测数据在积分运算时间长度内的积分观测量,Y1-Y2表示参考数据在积分运算时间长度内的积分观测量。
在现有技术中,智能驾驶域的IMU与车身域的IMU之间的时间戳往往存在一定的误差,其误差导致两者的时间无法同步,因而无法基于车身域的IMU所输出的高可靠性的数据来对智能驾驶域的IMU进行故障检测。为了解决上述问题,本申请将两者的检测基准时刻进行求差绝对值计算,以确定智能驾驶域的IMU与车身域的IMU之间存在的时间戳误差,即图2中的Δt,并基于两者之间的时间误差的绝对值以及预设系数来确定放大倍数以及最大误差阈值。
具体而言,目标待测数据的检测基准时刻与所述参考数据的检测基准时刻之间差值的绝对值越大,则表明智能驾驶域的IMU与车身域的IMU存在的时间戳误差也就越大,其两个IMU之间的时间也就越难以同步,相应的,放大倍数以及最大误差阈值也会相应升高。具体的,放大倍数以及最大误差阈值随着两者时间戳误差变化的程度基于预设系数来决定,基于预设系数以及时间戳误差的大小,可以使放大倍数以及最大误差阈值呈现线性的的变化趋势。在实际的应用场景中,Δt可以作为先验信息,相应的,放大倍数N可以通过泛函数的形式表示为:
式中,Z表示最大误差阈值。
S103:通过所述积分运算时间长度和所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量。
在得到积分运算时间长度后,会基于目标待测数据和参考数据的输出频率和检测基准时刻来计算连着在积分运算时间长度内的积分观测量,同样可以参考图2来进行进一步理解,此处假设在i时刻目标待测数据的积分观测量为x(i),在i时刻参考数据积分观测量为y(i),则从时刻i到时刻j之间的目标待测数据的累积观测量X(j)可以表示为:
式中,f表示目标待测数据的输出频率。
相应的,i到时刻j之间的参考数据的累积观测量Y(j)可以表示为:
式中,F为参考数据的输出频率。
S104:基于所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量以及所述最大误差阈值,对所述智能驾驶域的惯性测量单元进行故障检测。
在得到目标待测数据和参考数据在积分的运算时间长度内的积分观测量后,基于最大误差阈值以及两者的积分观测量,即可完成对于智能驾驶域的惯性测量单元的故障检测。
具体的,在基于目标待测数据和参考数据的积分观测量以及最大误差阈值对智能驾驶域的惯性测量单元进行单元故障检测的过程可以通过以下三个步骤来实现:
步骤一、将所述目标待测数据的积分观测量与所述参考数据的积分观测量进行求差绝对值计算,得到所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值;
步骤二、若所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值大于所述最大误差阈值,则确定所述智能驾驶域控制器中的惯性测量单元出现故障;
步骤三、若所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值小于所述最大误差阈值,则确定所述智能驾驶域控制器中的惯性测量单元的工作状态正常。
在得到目标待测数据和参考数据逇积分观测量后,会对其两者进行求差绝对值计算,从而了解它们在相同的积分运算时间长度内积分观测量的区别,两者积分观测量差值的绝对值表示着智能驾驶域的IMU与车身域的IMU,两者之间输出数据的差异程度,而车身域的IMU所输出的数据本身具有更高的可靠度,当两者积分观测量之间差值的绝对值大于最大误差阈值时,则表明此时目标待测数据与参考数据存在较大的数据误差,而这也就进一步表明了智能驾驶域中IMU所输出的数据与车身域中IMU所输出的数据存在较大的不同,此时会确定智能驾驶域中的IMU出现故障,同时不将目标待测数据用于后续的高精度定位和车辆导航中。若两者积分观测量的差值绝对值小于最大误差阈值,则表明此时智能驾驶域中的IMU并未出现误差,可以将目标待测数据用于后续车辆的导航以及高精度定位中。
作为一种可选的实施方式,在步骤S102之后,还包括以下两个步骤:
步骤一、确定所述积分运算时间长度是否低于预设阈值;
步骤二、若所述积分运算时间长度低于预设阈值,则重新进行所述积分运算时间长度的计算。
在实际的应用场景中,由于智能驾驶域的IMU与车身域的IMU往往存在一定的时间误差,过小的积分运算时间长度可能会导致最后得到的积分观测量出现数据异常,因而后续积分运算时间长度应当具有一定的时间宽度,从而保障最后得到的积分观测量的准确性。
本实施例公开了一种惯性测量单元的故障检测方法及相关设备,通过获取目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻。其中,所述目标待测数据基于所述智能驾驶域的惯性测量单元生成且所述参考数据基于车身域的惯性测量单元生成,所述检测基准时刻用于表示得到所述目标待测数据和所述参考数据各自对应的时刻。然后根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定积分运算时间长度以及最大误差阈值。并通过所述积分运算时间长度和所述目标待测数据和与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据在所述积分运算时间长度的积分观测量。最后基于所述目标待测数据和所述参考数据在所述积分运算时间长度的积分观测量以及所述最大误差阈值,对所述智能驾驶域的惯性测量单元进行故障检测。通过上述方法,能够基于车身域的惯性测量单元所提供的具有高可靠性的数据来完成对于智能驾驶域的惯性测量单元的故障检测,同时通过两者所输出数据的积分观测量来进行故障检测,能够有效避免车身域的惯性测量单元输出数据的低灵敏度和不同输出频率所带来的两者数据无法实时单帧一一对比的问题,使其能够精准的基于智能驾驶域惯性测量单元输出的数据来对其惯性测量单元进行故障检测,提升了对于智能驾驶域惯性测量单元的可靠性。
下面对本申请实施例提供的一种惯性测量单元的故障检测装置进行介绍,下文描述的一种惯性测量单元的故障检测装置与上文描述的一种惯性测量单元的故障检测方法可相互对应参照。
装置实施例
参照图3,该图为本申请实施例提供的一种惯性测量单元的故障检测装置的结构示意图,具体包括以下模块:
获取模块100,用于获取目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻;所述目标待测数据基于所述智能驾驶域的惯性测量单元生成,所述参考数据基于所述车身域的惯性测量单元生成;所述检测基准时刻用于表示得到所述目标待测数据和所述参考数据各自对应的时刻;
第一确定模块200,用于根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定积分运算时间长度以及最大误差阈值;
第二确定模块300,用于通过所述积分运算时间长度和所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量;
故障检测模块400,用于基于所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量以及所述最大误差阈值,对所述智能驾驶域的惯性测量单元进行故障检测。
可选的,所述第一确定模块200,具体用于:
根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据的周期的最小公倍数、与所述最小公倍数对应的放大倍数以及所述最大误差阈值;
基于所述目标待测数据和所述参考数据的周期的最小公倍数以及与所述最小公倍数对应的放大倍数,确定积分运算时间长度。
可选的,所述故障检测模块400,具体用于:
将所述目标待测数据的积分观测量与所述参考数据的积分观测量进行求差绝对值计算,得到所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值;
若所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值大于所述最大误差阈值,则确定所述智能驾驶域控制器中的惯性测量单元出现故障;
若所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值小于所述最大误差阈值,则确定所述智能驾驶域控制器中的惯性测量单元的工作状态正常。
可选的,所述放大倍数和所述最大误差阈值,通过以下步骤得到:
将所述目标待测数据的检测基准时刻与所述参考数据的检测基准时刻进行求差绝对值计算,得到所述目标待测数据的检测基准时刻与所述参考数据的检测基准时刻之间差值的绝对值;
根据预设系数和所述目标待测数据的检测基准时刻与所述参考数据的检测基准时刻之间差值的绝对值,确定所述放大倍数和所述最大误差阈值。
可选的,所述惯性测量单元的故障检测装置,还包括:第三确定模块;所述第三确定模块,具体用于:
确定所述积分运算时间长度是否低于预设阈值;
若所述积分运算时间长度低于预设阈值,则重新进行所述积分运算时间长度的计算。
电子设备实施例
参见图4,该图为本申请实施例提供的一种惯性测量单元的故障检测电子设备的结构示意图,包括:
存储器11,用于存储计算机程序;
处理器12,用于执行所述计算机程序时实现上述任意方法实施例所述的惯性测量单元的故障检测方法的步骤。
在本实施例中,设备可以是车载电脑、PC(Personal Computer,个人电脑),也可以是智能手机、平板电脑、掌上电脑、便携计算机等终端设备。
该设备可以包括存储器11、处理器12和总线13。
其中,存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是设备的内部存储单元,例如该设备的硬盘。存储器11在另一些实施例中也可以是设备的外部存储设备,例如设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器11还可以既包括设备的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于设备的应用软件及各类数据,例如执行故障预测方法的程序代码等,还可以用于暂时地存储已经输出或者将要输出的数据。处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)
处理器12在一些实施例中可以是一中央处理器(Central Processing unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行故障预测方法的程序代码等。
该总线13可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
进一步地,设备还可以包括网络接口14,网络接口14可选的可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该设备与其他电子设备之间建立通信连接。
可选地,该设备还可以包括用户接口15,用户接口15可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口15还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-EmittingDiode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在设备中处理的信息以及用于显示可视化的用户界面。
图4仅示出了具有组件11-15的设备,本领域技术人员可以理解的是,图4示出的结构并不构成对设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于方法装置、电子设备及车辆而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的方法装置、电子设备及车辆仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元提示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本申请的一种具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种惯性测量单元的故障检测方法,其特征在于,应用于包括智能驾驶域的惯性测量单元和车身域的惯性测量单元的车辆中;所述方法,包括:
获取目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻;所述目标待测数据基于所述智能驾驶域的惯性测量单元生成,所述参考数据基于所述车身域的惯性测量单元生成;所述检测基准时刻用于表示得到所述目标待测数据和所述参考数据各自对应的时刻;
根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定积分运算时间长度以及最大误差阈值;
通过所述积分运算时间长度和所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量;
基于所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量以及所述最大误差阈值,对所述智能驾驶域的惯性测量单元进行故障检测。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定积分运算时间长度以及最大误差阈值,具体包括:
根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据的周期的最小公倍数、与所述最小公倍数对应的放大倍数以及所述最大误差阈值;
基于所述目标待测数据和所述参考数据的周期的最小公倍数以及与所述最小公倍数对应的放大倍数,确定积分运算时间长度。
3.根据权利要求1所述的方法,其特征在于,所述放大倍数和所述最大误差阈值,通过以下步骤得到:
将所述目标待测数据的检测基准时刻与所述参考数据的检测基准时刻进行求差绝对值计算,得到所述目标待测数据的检测基准时刻与所述参考数据的检测基准时刻之间差值的绝对值;
根据预设系数和所述目标待测数据的检测基准时刻与所述参考数据的检测基准时刻之间差值的绝对值,确定所述放大倍数和所述最大误差阈值。
4.根据权利要求1所述的方法,其特征在于,所述基于所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量以及所述最大误差阈值,对所述智能驾驶域的惯性测量单元进行故障检测,具体包括:
将所述目标待测数据的积分观测量与所述参考数据的积分观测量进行求差绝对值计算,得到所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值;
若所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值大于所述最大误差阈值,则确定所述智能驾驶域控制器中的惯性测量单元出现故障;
若所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值小于所述最大误差阈值,则确定所述智能驾驶域控制器中的惯性测量单元的工作状态正常。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定积分运算时间长度以及最大误差阈值之后,还包括:
确定所述积分运算时间长度是否低于预设阈值;
若所述积分运算时间长度低于预设阈值,则重新进行所述积分运算时间长度的计算。
6.一种惯性测量单元的故障检测装置,其特征在于,应用于包括智能驾驶域的惯性测量单元和车身域的惯性测量单元的车辆中;所述装置,包括:
获取模块,用于获取目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻;所述目标待测数据基于所述智能驾驶域的惯性测量单元生成,所述参考数据基于所述车身域的惯性测量单元生成;所述检测基准时刻用于表示得到所述目标待测数据和所述参考数据各自对应的时刻;
第一确定模块,用于根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定积分运算时间长度以及最大误差阈值;
第二确定模块,用于通过所述积分运算时间长度和所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量;
故障检测模块,用于基于所述目标待测数据和所述参考数据在所述积分运算时间长度内的积分观测量以及所述最大误差阈值,对所述智能驾驶域的惯性测量单元进行故障检测。
7.根据权利要求6所述的装置,其特征在于,所述第一确定模块,具体用于:
根据所述目标待测数据以及与所述目标待测数据对应的参考数据各自对应的输出频率和检测基准时刻,确定所述目标待测数据和所述参考数据的周期的最小公倍数、与所述最小公倍数对应的放大倍数以及所述最大误差阈值;
基于所述目标待测数据和所述参考数据的周期的最小公倍数以及与所述最小公倍数对应的放大倍数,确定积分运算时间长度。
8.根据权利要求6所述的装置,其特征在于,所述故障检测模块,具体用于:
将所述目标待测数据的积分观测量与所述参考数据的积分观测量进行求差绝对值计算,得到所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值;
若所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值大于所述最大误差阈值,则确定所述智能驾驶域控制器中的惯性测量单元出现故障;
若所述目标待测数据的积分观测量与所述参考数据的积分观测量之间差值的绝对值小于所述最大误差阈值,则确定所述智能驾驶域控制器中的惯性测量单元的工作状态正常。
9.一种电子设备,其特征在于,所述设备包括:处理器、存储器、系统总线;
所述处理器以及所述存储器通过所述系统总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行权利要求1-5中任一项所述的惯性测量单元的故障检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-5中任一项所述的惯性测量单元的故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310987308.9A CN117053833A (zh) | 2023-08-07 | 2023-08-07 | 一种惯性测量单元的故障检测方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310987308.9A CN117053833A (zh) | 2023-08-07 | 2023-08-07 | 一种惯性测量单元的故障检测方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117053833A true CN117053833A (zh) | 2023-11-14 |
Family
ID=88656576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310987308.9A Pending CN117053833A (zh) | 2023-08-07 | 2023-08-07 | 一种惯性测量单元的故障检测方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117053833A (zh) |
-
2023
- 2023-08-07 CN CN202310987308.9A patent/CN117053833A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111026081B (zh) | 一种误差计算方法、装置、设备及存储介质 | |
KR101106048B1 (ko) | 센서오차의 작동 중 자동교정 방법과 이를 이용한 관성항법장치 | |
CN107782304B (zh) | 移动机器人的定位方法及装置、移动机器人及存储介质 | |
CN112752952A (zh) | 惯性测量系统的校准方法、惯性测量系统和可移动平台 | |
CN111721305B (zh) | 定位方法和装置、自动驾驶车辆、电子设备和存储介质 | |
CN115406440A (zh) | 一种车辆定位校正方法、系统及电子设备 | |
CN109186634B (zh) | 一种mems惯组导航性能测量方法及装置 | |
CN109813338B (zh) | 飞控陀螺仪的校准方法、装置、电子设备及存储介质 | |
CN111679307B (zh) | 一种卫星定位信号解算方法及装置 | |
CN111275769B (zh) | 一种单目视觉参数的校正方法及装置 | |
CN113554712A (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
CN109470269B (zh) | 空间目标测量机构的标定方法、标定设备及标定系统 | |
CN117053833A (zh) | 一种惯性测量单元的故障检测方法及相关设备 | |
CN106931965B (zh) | 一种确定终端姿态的方法及装置 | |
CN112148139B (zh) | 一种姿态识别方法和计算机可读存储介质 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
CN115435812A (zh) | 测量设备性能检测方法、装置、计算机设备和存储介质 | |
CN113959464A (zh) | 一种陀螺仪辅助的加速度计现场校准方法和系统 | |
CN110940352B (zh) | 微机电系统惯性测量单元自动校准系统及其校准验证方法 | |
CN110879066A (zh) | 一种姿态解算算法、装置及车载惯性导航系统 | |
CN113029133B (zh) | 机器人、校正方法及计算机可读存储介质 | |
CN115420418B (zh) | 气压测量方法、装置、电子设备及可读存储介质 | |
CN117553781A (zh) | 惯性测量方法、设备及存储介质 | |
CN113055598B (zh) | 朝向数据补偿方法、装置、电子设备、可读存储介质 | |
CN108489459B (zh) | 一种姿态传感系统及倾角测量方法 |
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 |