DE10120235B4

DE10120235B4 - Verfahren zur informationsverlustarmen Anbindung eines Sensors für die Übermittlung statistischer Daten an ein übergeordnetes Auswertesystem

Info

Publication number: DE10120235B4
Application number: DE2001120235
Authority: DE
Inventors: Chris Kakuschke; Richard Dr. Schubert
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 2001-04-19
Filing date: 2001-04-19
Publication date: 2004-09-30
Anticipated expiration: 2021-04-20
Also published as: DE10120235A1

Abstract

Verfahren zur informationsverlustarmen Anbindung eines Sensors für die Übertragung statistischer Daten an ein übergeordnetes Auswertesystem, gekennzeichnet durch folgende Schritte:
– unter realen Einsatzbedingungen werden Sensormesswerte ermittelt, mit gleichzeitig gewonnenen Werten eines Vergleichsnormals verglichen und gemeinsam mit den Werten der Messabweichung aus diesem Vergleich in einer Datenbank abgelegt,
– aus den gewonnenen Daten werden die systematischen Messunsicherheiten ermittelt und der Sensor hinsichtlich dieser Abweichungen kalibriert,
– die verbleibenden statistischen Messunsicherheiten werden in Form einer Wahrscheinlichkeitsdichtefunktion entsprechend dem zugehörigen Betriebszustand in einer sensorinternen Datenbank abgelegt,
– von dem Sensor wird zur Laufzeit der Messung für jeden an das übergeordnete Auswertesystem zu übergebenden Messwert anhand der Wahrscheinlichkeitsdichtefunktion der Messunsicherheitsverteilung mindestens ein die Verteilung der statistischen Messunsicherheit repräsentierender Wert mit übertragen, welcher durch Vergleich des momentanen Betriebszustandes mit den Datenbankeinträgen ermittelt wurde.

Description

Die Erfindung betrifft ein Verfahren zur informationsverlustarmen Anbindung eines Sensors für die Übermittlung statistischer Daten an ein übergeordnetes Auswertesystem.
Ein Problem bei der Übergabe statistischer Messdaten an ein übergeordnetes System ist die normalerweise anfallende Datenmenge. Zu jedem Messwert müsste für eine hinreichend genaue Annäherung der Verteilungsfunktion der Messdaten mindestens ein Datensatz von ca. 100 Werten übermittelt werden, welcher die geschätzte augenblickliche Aufenthaltswahrscheinlichkeit des Systems in bestimmten Unsicherheitsintervallen der Messwerte mit einer genügend hohen Auflösung enthält. Diese simple und allgemeingültigste Methode der Beschreibung von mit Unsicherheiten behafteten Messwerten scheitert neben der begrenzten Datenübertragungsbandbreite von üblichen Sensoranbindungen auch am Ressourcenaufwand, der sowohl im Sensor zur Berechnung der vielen Wahrscheinlichkeitswerte als auch im übergeordneten System zu deren Auswertung notwendig würde.
Bei den hier betroffenen Messdaten handelt es sich z. B. um Geschwindigkeitswerte eines Dopplerradars, das zur Geschwindigkeitsmessung von Bahnfahrzeugen herangezogen wird. Die aus Mikrowellenmischsignalen gewonnene, geschwindigkeitsabhängige Dopplerfrequenz hat durch die abgetastete zufällige Streukörperanordnung des Gleisbetts statistischen Charakter, welcher sich auf die gewonnenen Geschwindigkeitswerte überträgt. Insbesondere in Beschleunigungs- und Bremsphasen sowie auf Gleisabschnitten mit wechselnder Untergrundstruktur wie Weichen, Bahnübergänge, Brücken u. ä. tritt eine hohe Streuung der Messdaten auf.
Die Eignung eines Sensorsystems für eine bestimmte Anwendung wird maßgeblich durch seine Messwertabweichungen bestimmt.
Besitzt das Messverfahren, wie im Falle des Dopplergeschwindigkeitsradars, statistischen Hintergrund, kann eine Beschreibung der Messwertabweichungen nicht mehr auf Grundlage von Maximalabweichungen erfolgen, sondern erfordert eine statistische Beschreibung.
Man kann durch Tests des Gesamtsensorsystems unter realen Einsatzbedingungen eine durchschnittliche statistische Verteilung der Messunsicherheiten ermitteln und zur Sensorbeschreibung nutzen. Wenn aber, wie im Falle des Geschwindigkeitsdopplerradars, die momentane Messunsicherheit sehr stark vom Betriebszustand abhängt, sind pauschale Angaben wenig hilfreich. Lediglich in Anwendungsfällen, wo keine Veränderung der Messgröße zu erwarten ist (gleichmäßige Fahrt), wäre eine momentane statistische Auswertung außerhalb des Sensors möglich, da hierfür 10¹ bis 10³ Messwerte gleichzeitig ausgewertet werden müssen. Dabei sind allerdings die zu erwartende Messunsicherheiten auch sehr gering. Außerdem ergeben sich massive Probleme bei der Erkennung des Zustandes 'gleichmäßige Fahrt', welche meist nur durch Auswertung der Sensorwerte im Nachhinein möglich ist. Bei dem überwiegenden Teil der Anwendungsaufgaben eines Dopplerradars in der Verkehrstechnik sind aber die wesentlich größeren Messunsicherheiten während Beschleunigungs- und Bremsphasen oder bei schlechtem Untergrund von Interesse. Hier kann kein unabhängiges statistisches Verfahren zur Einschätzung der Messabweichungen genutzt werden.
Bei der Anbindung eines einfachen Sensors an eine Verarbeitungseinheit werden die Messunsicherheiten des Sensors in der Regel pauschal berücksichtigt, indem man die Angaben aus der Sensorspezifikation zur Beurteilung seiner Eignung für das Gesamtsystem heranzieht. Häufig sind in der Arbeitsweise der übergeordneten Einheit quantitative Vergleiche der Messunsicherheit mit systemspezifischen Größen vorgesehen, etwa mit den maximal zu erwartenden Abweichungen.
Können für den Sensor, wie beim Dopplerradar, wegen eines statistischen Anteiles der Messabweichungen keine maximalen Messunsicherheiten angegeben werden oder soll das Auswertesystem mehrere Sensorgrößen mit hoher Endgenauigkeit verknüpfen, finden aufwendigere Verfahren wie die Kalman-Filterung Verwendung. Aber auch in diesem Fall wird man eine aus der Sensorspezifikation entnommene feststehende Verteilungsfunktion der Messunsicherheiten berücksichtigen. Bei der Dopplergeschwindigkeitsauswertung sind die zu erwartenden Messabweichungen allerdings in starkem Maße vom Betriebszustand des Systems abhängig, so dass diese statische Arbeitsweise von Nachteil ist. Eine Pauschalisierung bei der Beschreibung zu erwartender Sensorabweichungen führt hier entweder zur Annahme der ungünstigsten Verteilungsfunktion der Messunsicherheiten für alle Einsatzfälle und verringert damit unnötig die Genauigkeit der Messdaten des Sensors im Normalfall oder sie zieht bei Verwendung einer optimistischeren typischen Verteilungsfunktion in Extremsituationen gefährliche Fehleinschätzungen nach sich. Deshalb ist es für eine annähernd optimale Nutzung der zur Verfügung stehenden Genauigkeit wünschenswert, bei Sensoren mit dynamisch stark schwankenden Messabweichungen auch die Bewertung der Messunsicherheiten in der übergeordneten Auswerteeinheit veränderlich zu gestalten.
Bei einer Multisensorauswertung besteht für die übergeordnete Einheit zwar die Möglichkeit, aus den anderen verarbeiteten Messwerten teilweise Rückschlüsse auf das dynamische Verhalten der Messunsicherheiten des betreffenden Sensors zu schließen, aber von der ausreichenden Verfügbarkeit solcher Größen kann nicht ausgegangen werden. Außerdem wird durch die Implementierung aufwendiger Einschätzungsverfahren für die Messabweichungen in der übergeordete Einheit das Konzept unabhängiger Module aufgeweicht, welches nahezu jedem komplexen Gesamtsystem aus Sensoren, Auswerteeinheiten und weiteren Komponenten zu Grunde liegt. Geringfügige Veränderungen des Sensors würden sehr wahrscheinlich Anpassungen in weiteren Komponenten des Gesamtsystems, wie der übergeordneten Auswerteeinheit, notwendig werden lassen. Abgesehen vom nicht vertretbaren Aufwand dieser Vorgehensweise bei der Produktpflege und Weiterentwicklung, könnten so auch kaum herstellerübergreifende Designs realisiert werden.

Aus der DE 39 40 404 C2 ist eine Auswertung der geschwindigkeitsabhängigen Frequenz bekannt, bei der Frequenzbänder oberhalb und unterhalb zweier Grenzwerte untersucht werden, wobei zwischen den Grenzwerten der letzte Messwert angesiedelt ist. Aus der Trefferhäufigkeit der Frequenzbänder lässt sich eine Tendenz hinsichtlich Beschleunigung oder Verzögerung ableiten.

Gemäß der EP 0 534 056 B1 wird das Empfangssignal digitalisiert und durch Fensterung in einzelne Signalabschnitte unterteilt, deren Leistungsdichtespektrum mit einem Referenz-Leistungsdichtespektrum vergleichen wird.

Bei beiden Verfahren werden sensorinterne Messunsicherheiten nicht berücksichtigt. Das betrifft insbesondere die in Hilger, G.: Radartechnologie – berührungsfreie Weg – und Geschwindigkeitsmessung für Schienenfahrzeuge, in ZEV + DET Glasers Analen, ISSN: 0373-322X, Band 122, Heft 9/10, Seiten 533–541 beschriebenen Fehlerquellen bei Radar-Doppler-Sensoren.

Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren anzugeben, mit dem auch sensorinterne Informationen bezüglich der Unsicherheit der Messgröße für eine allgemeine statistische Weiterverarbeitung zugänglich gemacht und aufbereitet werden können.

Erfindungsgemäß wird die Aufgabe gelöst durch die Merkmale der Ansprüche 1 und 10. Zweckmäßige Ausgestaltungen sind Gegenstand der Unteransprüche.

Danach erfolgt das Verfahren in folgenden Schritten:

– unter realen Einsatzbedingungen werden Sensormesswerte ermittelt, mit gleichzeitig gewonnenen Werten eines Vergleichsnormals verglichen und gemeinsam mit den Werten für die Messunsicherheit aus diesem Vergleich in einer Datenbank abgelegt,
– aus den gewonnenen Daten werden die systematischen Messunsicherheiten ermittelt und der Sensor hinsichtlich dieser Messunsicherheiten kalibriert,
– die verbleibenden statistischen Messunsicherheiten werden in Form einer Wahrscheinlichkeitsdichtefunktion entsprechend dem zugehörigen Betriebszustand in einer sensorinternen Datenbank abgelegt,
– von dem Sensor wird zur Laufzeit der Messung für jeden an das übergeordnete Auswertesystem zu übergebenden Messwert anhand der Verteilung der Messunsicherheit mindestens ein die Verteilung der statistischen Messunsicherheit repräsentierender Wert mit übertragen, welcher durch Vergleich des momentanen Betriebszustandes mit den Datenbankeinträgen ermittelt wurde.

Nach dem Verfahren werden mithin nicht nur die Messwerte des Sensors, sondern auch die Ergebnisse seiner Messunsicherheitsselbsteinschätzung an die übergeordnete Einheit weitergegeben.

Die Realisierung des Verfahrens kann somit in zwei voneinander getrennte Arbeitspakete zur Implementierung der Messunsicherheitsselbsteinschätzung unterteilt werden: 1. die vorbereitenden Maßnahmen und 2. die Laufzeitfunktionen.

1. Die Vorbereitung der Messunsicherheitsselbsteinschätzung

Die vorbereitenden Maßnahmen, welche vor allem in den letzten Arbeitsabschnitten der Entwicklung eines Sensors durchgeführt werden, stellen die Daten bereit, auf welche der Sensor dann bei seinem Praxiseinsatz zur Einschätzung seiner momentanen Messunsicherheit zurückgreift.

Nachdem die Entwicklung eines Sensors zu einem seriennahen Prototypen geführt hat, schließt sich üblicherweise die Verifizierungs- und Kalibrierphase des gesamten Sensorsystems an, welche nach dem erfindungsgemäßen Verfahren folgendermaßen verläuft:
Die Sensorausgaben der Messgröße werden gemeinsam mit den Werten eines Vergleichsnormals unter allen realisierbaren Einsatzbedingungen gesammelt und in Datensätzen abgelegt. Um die detaillierte Interpretation der Auswerteergebnisse zu er möglichen, hält man zweckmäßig auch die Betriebsbedingungen fest, unter denen die Erprobung erfolgt.

Die Abweichungen der Sensormesswerte von dem weitgehend von Unsicherheiten und Abweichungen bereinigten Vergleichsnormal werden im Rahmen einer Messunsicherheitsquantifizierung bestimmt. Eine solche Messunsicherheitsquantifizierung ist z. B. aus „Theorie und Praxis von Simulationssystemen", T. Sauerbier, Vieweg-Verlag 1999, S.119 ff bekannt. Beruht das Messprinzip des Sensors auf statistisch verteilten Größen (z. B. der Streukörperanordnung beim Geschwindigkeitsdopplerradar), so ist eine statistische Auswertung der Sensorabweichungen notwendig. Diese Auswertung kann weitgehend automatisiert mit den erstellten Datensätzen durchgeführt werden.

Während bisher die Betriebsbedingungen des Tests hauptsächlich nur in die Sensorspezifikation einfließen und so die pauschale Abschätzung der Systemverhaltensweisen ermöglichen, werden nach dem erfindungsgemäßen Verfahren die genauigkeitsbestimmenden Umweltbedingungen integraler Bestandteil der Auswertung. Abhängigkeiten der Messunsicherheitsverteilung von betriebszustandbeschreibenden sensorinternen Größen, durch die statistische Verarbeitung der Testdaten aufgedeckt, können später direkt als Grundlage einer Messunsicherheitsselbsteinschätzung dienen.

Bei einem Dopplergeschwindigkeitsradar besitzen beispielsweise die interne Beschleunigungsschätzung, der Signal/Rausch-Abstand und verschiedene weitere, die Signalqualität beschreibende interne Größen potentielle Bedeutung.

Sind die Tests mit der Aufnahme ausreichend vieler und repräsentativer Daten abgeschlossen, so können nun systematische Restmessunsicherheiten aufgedeckt und die betriebszustandsbeschreibenden Größen auf ihren tatsächlichen Einfluss bezüglich der für die Selbsteinschätzung relevanten statistischen Messunsicherheit hin untersucht werden.

Alle sensorinternen Zustandsgrößen mit vermutetem Einfluss auf die Messunsicherheit müssen vor den endgültigen Tests feststehen und zusammen mit den Sensor- und Kalibrierwerten während der Testdurchführung in Datensätzen zur Weiterverarbeitung abgelegt werden.

Zur Bereitstellung der Datensätze für eine statistische Auswertung wird eine zu bearbeitende Zustandsgröße ausgewählt und im relevanten Bereich so in n Intervalle eingeteilt, dass sich in ihnen jeweils der Einfluss der Zustandsgröße auf den Sensormessunsicherheit nur geringfügig ändert und damit nach der Auswertung beim Vergleich verschiedener Intervalle tendenzielle Abhängigkeiten erkennbar werden. Andererseits müssen in jedem Intervall auch genügend Messwerte für eine aussagefähige statistische Auswertung anfallen, denn der erste Schritt der Beurteilung ist die Prüfung der Daten auf ihrer Zugehörigkeit zu diesen Intervallen. Ein Beispiel für eine solche Intervallteilung wäre die Auswertung der Sensormessunsicherheit in Geschwindigkeitsbereichen mit einer Breite von 5km/h unter 50km/h und einer Breite von 10km/h darüber.

Zur Bewertung der umfangreichen Daten eignen sich die etablierten und effizienten statistischen Verfahren der Mittelwertbildung sowie Standardabweichungsberechnung, um die systematischen und statistischen Messunsicherheiten zu charakterisieren.

Die Mittelwerte der Intervalle können im Rahmen einer Rekalibrierung zur Beseitigung systematischer Restanteile der Messunsicherheit genutzt werden und erhöhen so die Sensorgenauigkeit. Es verbleiben die systematischen Messunsicherheiten. Bevor diese in der endgültigen Datenbankmatrix abgelegt werden können, bietet es sich an, die intervallgebenden Zustandsgrößen mit vermutetem Einfluss auf die Messunsicherheit durch intervallübergreifende Standardabweichungsbildung auf tatsächliche Messunsicherheitsabhängigkeiten zu untersuchen und gegebenenfalls aus der Datenbank zu entfernen.

2. Die Laufzeitfunktion

Die während der Test- und Kalibrierphase gewonnenen und in Matrixform aufgearbeiteten Daten bezüglich der Sensormessunsicherheiten werden zur Laufzeit permanent abgefragt. Entsprechend der Intervallteilung der ausgewählten betriebszustandsbeschreibenden Größen des aktuellen Betriebszustandes wird daraus ein Index generiert, welcher aus der Messunsicherheitsverteilungsmatrix die während der Tests im gleichen Zustand ermittelten Abweichungen adressiert.

Diese Messunsicherheitsverteilungsfunktion für den augenblicklichen Betriebszustand wird nach einer ersten Variante der Erfindung bereits im Sensor mit einem vorher vom übergeordneten System bereitgestellten Sicherheitsanspruch verglichen und ein resultierendes Vertrauensintervall zusammen mit dem betreffenden Messwert an das übergeordnete System zur weiterführenden Verarbeitung übergeben.

Nach einer zweiten Variante der Erfindung wird die Schätzung der Messunsicherheitsverteilungsfunktion für den augenblicklichen Betriebszustand im Sensor durch eine analytische Funktion angenähert und deren veränderliche Parameter zusammen mit dem betreffenden Messwert an das übergeordnete System zur Verarbeitung übergeben. Das Auswertesystem kann dabei eventuell vorteilhaft auf die Art und Genauigkeit der Näherung mit Vorgaben an den Sensor einwirken, aber im Gegensatz zur ersten Variante sind solche Vorgaben hier nicht zwingend notwendig. Auch eine teilweise Verlagerung der Verarbeitung aus dem übergeordneten System ist hier im Gegensatz zur ersten Variante nicht möglich.

Wird im übergeordneten System ein komplexeres Beurteilungsverfahren angewendet, so können dessen erste Schritte nicht explizit in den Sensor verlagert werden. Hier muss ein einheitlicher Kompromiss zwischen eventuell nutzbringender Vorverarbeitung der Messunsicherheitsverteilungsschätzung und einem möglichst hohen und allgemein verwertbaren Informationsgehalt der wenigen weitergeleiteten Beschreibungsgrößen gefunden werden. Es bietet sich deshalb in diesem Fall an, die Messunsicherheitsverteilung des aktuellen Sensorbetriebszustandes durch eine analytische Funktion anzunähern und nur die veränderlichen Parameter dieser Funktion an das übergeordnete System zu übertragen.

Beispielsweise käme die additive Überlagerung von etwa n=1 bis n=10 Gaußschen Normalverteilungsfunktionen mit EW_i und σ_i (i:=1..n) und den Wichtungskoeffizienten k_i als zu übermittelnde Parameter in Frage:

Die Beschreibung der Wahrscheinlichkeitsdichte durch Normalverteilungsfunktionen verringert zudem deutlich den verbleibenden Aufwand für einige gängige Bewertungsverfahren (z. B. Kalmanfilter) in der übergeordneten Auswerteeinheit.

Die Näherung der Verteilungsfunktion der Messunsicherheiten wurde wie oben beschrieben bereits vor der Belegung der sensorinternen Datenbank durchgeführt, so dass dort pro Betriebszustand lediglich ein kleiner Parametersatz als Resultat der Testmessungen gespeichert wird. Im normalen Betrieb ist es dann lediglich notwendig, den Parametersatz korrekt anzusprechen sowie auszulesen und direkt an das übergeordnete System als Schätzung weiterzuleiten, ohne dass für den Sensor zusätzlicher Rechenaufwand entsteht.

Die Datenübergabe an das übergeordnete Auswertesystem erfolgt mittels einer speziell angepassten digitalen Schnittstelle, über welche zu jedem Messwert eine sensorinterne quantitative Messunsicherheitsselbsteinschätzung mit bereitgestellt wird, ohne dabei die Übertragungsbandbreite und den Verarbeitungsaufwand des übergeordneten Systems gegenüber der einfachen Messwertübergabe wesentlich zu erhöhen.

Dieses Interface kann in einem wählbaren Zeittakt oder nach Aufforderung durch das übergeordnete System die Daten übergeben.

Mit dem Verfahren werden zusätzliche sensorinterne Informationen bereitgestellt, was über eine unabhängige statistische Analyse der Messwerte hinausgeht. Zum Beispiel kann der Sensor bestimmte Betriebszustände (Beschleunigung, schlechte Untergrundreflektion ...) selbst erkennen und in einer sensorinternen Vergleichsdatenbank seine typischen Messunsicherheiten in dieser speziellen Situation bereitstellen, die zuvor mit Methoden der bedingten statistischen Analyse aus den Abweichungen der Messwerte von einem Vergleichsnormal unter Anwendungsbedingungen bei Berücksichtigung zusätzlicher Informationen (z. B Signalintensität, Beschleunigung) gewonnen wurden. Diese zusätzlichen Informationen wären aber für ein übergeordnetes System nicht auswertbar, ohne dort ein genaues sensorspezifisches Modell zu schaffen, welches bei jeder Sensormodifikation ebenfalls adaptiert werden müsste. Da diese Möglichkeit nur schwer oder gar nicht realisierbar ist (z. B. Auswertesystem von einem anderen Hersteller), erfolgt die Modellierung der Messunsicherheiten gemäß der Erfindung im Sensor selbst und nur allgemeingültige und leicht interpretierbare statistische Informationen über die zu erwartende augenblickliche Abweichung des Messwerte werden an das übergeordnete System weitergegeben.

Mit dem erfindungsgemäßen Verfahren wird der Umfang der verfügbaren Informationen, die an ein übergeordnetes Auswerte system gegeben und weiterverarbeitet werden, gegenüber gebräuchlichen Übertragungs-/Vorverarbeitungsverfahren drastisch erhöht. Er erreicht die Größenordnung des informationstheoretischen Optimums, wo sämtliche Informationen innerhalb des Smart-Sensors für das übergeordnete System transparent und auswertbar sind.

Stellen mehrere redundante Sensorsysteme Messwerte zur gleichen physikalischen Größe (oder deren zeitlichen Ableitungen) zur Verfügung, so kann das Auswertesystem anhand der Messunsicherheitsselbstschätzung eines einzelnen Sensors z. B. entscheiden, inwieweit der Messwert dieses Sensors in ein Gesamtergebnis Eingang findet oder durch wahrscheinlich genauere ersetzt wird (1. Variante). Stehen auch von den weiteren Messsystemen Schätzungen der Verteilungsfunktionen der Messunsicherheiten zur Verfügung, so können komplexe Auswertestrategien (2. Variante) durch deren Überlagerung Ergebnisse wesentlich höherer Genauigkeit liefern, als jeder Einzelsensor zu messen in der Lage ist.

Bei bekannten Systemen wurde die Information dagegen die Übermittlung eines punktuellen (0-dimensionalen) Mittelwertes reduziert und damit der systemtheoretische Umfang der verfügbaren statistischen Informationen in keiner Weise genutzt.

Die Erfindung soll nachstehend anhand eines Ausführungsbeispiels näher erläutert werden. In den zugehörigen Zeichnungen zeigen
1 ein Schema der Datengenerierung während der Test- und Kalibrierphase,
2 ein Schema für die statistische Auswertung der gewonnenen Daten,
3 die Struktur des für das erfindungsgemäße Verfahren benötigten Sensors,
4 ein Gesamtschema des Sensors mit Auswertesystem,
5 ein Schema für die Bildung der Messunsicherheitsverteilungsfunktion im Sensor,
6, eine Wahrscheinlichkeitsdichtefunktion innerhalb eines bestimmten Zeitraums gewonnerer Messdaten,
7 die Berechnung eines Vertrauensintervalls zu einem von einem übergeordneten Auswertesystem geforderten Sicherheitsanspruch und
8 ein Blockschaltbild einer gemäß 7 arbeitenden Mess- und Übertragungseinrichtung.
Es ergibt sich folgende Vorgehensweise:
Alle sensorinternen Größen mit vermutetem Einfluss der Messunsicherheiten müssen vor den endgültigen Tests feststehen und werden zusammen mit den Sensor- und Kalibrierwerten während der Testdurchführung in Datensätzen zur Weiterverarbeitung abgelegt. Abhängig von der Kapazität der zur Verfügung stehenden Datenaufzeichnung und -verarbeitung sollten möglichst viele solche Größen berücksichtigt werden.
Für die Anwendung des Verfahrens für ein Dopplerradar müssten also Testfahrten eines Triebfahrzeuges unter verschiedenen Bedingungen, das heißt beispielsweise verschiedene Geschwindigkeit, verschiedene Streckenbedingungen zweckmäßig unter unterschiedlichen klimatischen Bedingungen, durchgeführt werden.
Nacheinander werden nun alle Zustandsgrößen hinsichtlich ihrer Abhängigkeiten bezüglich der Messunsicherheiten folgendermaßen ausgewertet: Es wird eine zu bearbeitende Zustandsgröße ausgewählt und im relevanten Bereich so in n Intervalle vorläufig eingeteilt, dass sich in ihnen jeweils der Einfluss der Zustandsgröße auf die Messunsicherheit des Sensors voraussichtlich nur geringfügig ändert und damit nach der Auswertung tendenzielle Abhängigkeiten erkennbar werden. Andererseits müssen in jedem Intervall auch genügend Messwerte für eine aussagefähige statistische Auswertung anfallen, denn der erste Schritt der Beurteilung ist die Prüfung der Daten auf ihrer Zugehörigkeit zu diesen Intervallen. Ein Beispiel für eine solche Intervallteilung wäre die Auswertung der Sensormessunsicherheit in Geschwindigkeitsbereichen mit einer Breite von 5km/h unter 50km/h und 10km/h darüber.
1 zeigt ein Schema für die Datengewinnung in der Test- und Kalibrierphase.
Um die skizzierte Verarbeitung möglichst anschaulich zu gestalten, wird im Schema immer nur das Intervall einzeln ausgewertet, welches der Wert im Indexzähler i (i=1..n) repräsentiert. Ein Messwert in den Testdaten inklusive Referenz- und Zustandsgrößen wird nur berücksichtigt, wenn die untersuchte Zustandsgröße im aktuellen Intervall liegt. Durch diese Selektion ergeben sich die zustandsgrößenintervallbezogenen Datensätze. Wie bei jeder statistischen Auswertung werden in ihnen die Abweichung des Sensorwertes von der Referenz mit einzelnen charakteristischen Größen, wie beispielsweise Mittelwert und Standardabweichung, quantifiziert und diese als Ergebnisse entsprechend dem Intervallindex in einem Ergebnisdatenvektor festgehalten.
Mittelwert und Standardabweichung, welche auch in der weiteren Erklärung zur manuellen Beurteilung der Sensormessunsicherheit beispielhaft Verwendung finden, sind allerdings nur für annähernd normalverteilte Messunsicherheiten voll aussagekräftig, so dass sie besonders bei einem erhöhten Sicherheitsanspruch durch angepasste Beurteilungsverfahren ersetzt werden sollten.
Von der Auswertung der charakteristischen Größen im Ergebnisdatenvektor wird nun eine Aussage zu folgenden Fragen gefordert:

1. Ist die gewählte Intervallteilung brauchbar?
2. Besteht eine Abhängigkeit zwischen der systematischen Messunsicherheit des Sensor und der ausgewerteten Zustandsgröße?
3. Besteht eine Abhängigkeit zwischen der statistischen Messunsicherheit des Sensors und der ausgewerteten Zustandsgröße?

Die Intervalleinteilung ist ein Kompromiss zwischen Auflösung der Zustandsgröße und der Anzahl der Messwerte im Intervall. Ein universelles Verfahren zum Auffinden einer optimalen Lösung wäre im Falle seiner Realisierbarkeit von vielen Kriterien und Randbedingungen abhängig, deren Formulierung und Diskussion mindestens den gleichen Aufwand wie die direkte manuelle Anpassung der Teilung jeder einzelnen Zustandsgröße erfordern würde. Deswegen wird hier zweckmäßig ein einfaches Kriterium für die manuelle Bewertung des Graphen gewählt, welcher beim Auftragen der untersuchten charakteristischen Größe (Mittelwert/Standardabweichung) über dem Intervallindex entsteht:
An den Indexpositionen, wo der geglättete Graph seinen maximalen Anstieg besitzt, sollte die Intervallteilung verfeinert werden, während sie in Bereichen mit geringem Anstieg vergröbert werden kann. Die zur Beschreibung der Zustandsgrößenabhängigkeit der charakteristischen Größe notwendige Gesamtanzahl der Intervalle im Vergleich mit der anderer Zustandsgrößen ist umgekehrt proportional zur relativen Schwankungsbreite dieser charakteristischen Größe in allen Intervallen.
Mit diesen Anhaltspunkten kann nach eventuell mehreren Durchläufen der beschriebenen Datenermittlung eine aussagefähige Intervallteilung für die weitere Beurteilung gefunden werden.
Um die letzten zwei Aufgabenstellungen bearbeiten zu können, muss ein Maß für die Abhängigkeit von Sensormessunsicherheit und Zustandsgröße gefunden werden. Ein Schema hierfür zeigt 2. Die im Allgemeinfall komplizierte Vorgehensweise wird unter Annahme günstiger Bedingungen, dies ist vor allem das Vorhandensein ausreichend vieler Messwerte, auf die Schwankung der entsprechenden charakteristischen Messunsicherheit in den Intervallen zurückgeführt. Diese Schwankung kann wiederum mit der Standardabweichung charakterisiert werden.
Somit ist die Standardabweichung aller intervallbezogenen Mittelwerte im Ergebnisvektor ein Maß für systematische Abhängigkeiten von der Messunsicherheit, welche durch Korrektur des Sensorergebnisses vor seiner Weitergabe an die übergeordnete Verarbeitungseinheit beseitigt werden können. Die Sensorgenauigkeit erhöht sich dadurch entsprechend.
Die Standardabweichung aller intervallbezogenen Einzelstandardabweichungen im Ergebnisvektor gibt dagegen eine Aussage über statistische Messunsicherheitsabhängigkeiten. Deswegen kann dieser Wert bei der Auswahl derjenigen Zustandsgrößen Beachtung finden, welche letztendlich für die Messunsicherheitsselbsteinschätzung herangezogen werden.
Insgesamt müssen für die Festlegung der Intervallteilung und der Anzahl der zu berücksichtigen Zustandsgrößen immer die Ressourcen des Sensorsystems berücksichtigt werden, in dem die Ergebnisse der Auswertung als Grundlage für die Messunsicherheitsselbsteinschätzung permanent abgelegt und abgefragt werden.
3 zeigt die Struktur des benötigten Sensorsystems. Die N festgelegten bestriebszustandsbeschreibenden Größen als Teilmenge aller im Test berücksichtigten Zustandsgrößen werden in die optimierten Intervalle eingeteilt und jedem Intervall wiederum ein Index zugeordnet. Dieser dient zur Adressierung des Betriebszustandes in einer (Datenbank-) Matrix mit der Dimension N, quasi der erweiterte Ergebnisvektor aus 1. Sie enthält die ermittelten Verteilungen der Messunsicherhei ten für die jeweiligen Betriebszustände als Elemente. Die Matrix wird nach ihrer Erzeugung aus den Testergebnissen und einer anschließenden Bearbeitung im nichtflüchtigen Speicher des Sensorsystems abgelegt, da die während der Tests gesammelten Informationen als Grundlage der Laufzeitfunktion dienen.
Die Art und Weise einer hinreichend genauen Beschreibung der einzelnen Verteilungsfunktionen in den Matrixelementen, mit einer entsprechend der Sensorsystemressourcen begrenzten Parameteranzahl, hängt vor allem von der Umsetzung der Kommunikation des Sensors mit seinem übergeordneten System zur Laufzeit ab und hat so entscheidenden Einfluss auf die Realisierbarkeit des Konzeptes.
Nach der Definition der Betriebszustände ist die maximale Anzahl der verschiedenen zu beachtenden Größen N und für jede dieser Größen die Zahl der Intervalle n_i (i=1..N) bekannt. Um nun jeden Betriebszustand für die Auswertung genau einmal zu adressieren, finden N kaskadierte Indexzähler Verwendung, die jeweils von 1 bis n_i zählen. Für jeden Zustand dieses Zählwerkes wird der gesamte Datensatz der Test- und Kalibrierphase auf das Auftreten des dem Zählerstand entsprechenden Betriebszustandes hin untersucht. Bewegen sich die parallel zu den Sensor- und Referenzdaten aufgenommenen betriebszustandsbeschreibenden Größen alle in den Intervallgrenzen des aktuellen Zustandes, so werden Sensor- und Referenzdaten in einen temporären betriebszustandsbezogenen Datensatz übernommen. Dieser Datensatz bildet nach einer Quantisierung der Messunsicherheit, bei der die Abweichungen des Sensors von der Referenz unter Korrektur der mit dem Verfahren in 1 bestimmten systematischen Messunsicherheit ermittelt wird, die Grundlage für die anschließende statistische Auswertung.
Deren Resultat, die betriebszustandsbezogene Messunsicherheitsverteilung, wird nun unter dem durch den Indexzähler andressierten Element der Datenbankmatrix abgelegt.
Spätestens nachdem für jeden Zustand des Indexzählwerkes eine solche Auswertung der gesamten Testdaten durchgeführt wurde, ist die Datenbank der Messunsicherheiten vollständig angelegt.
Bei starken Abweichungen der Verteilungsfunktionen benachbarter Elemente in der Matrix können die statistischen Schwankungen durch eine N-dimensionale Glättung der Daten weiter reduziert werden. Da von statistischen Ergebnissen, welche aus einem umfangreicheren statistischen Kollektiv ermittelt wurden, eine geringere Schwankung zu erwarten ist, können die einzelnen Matrixelemente bei der Glättung mit der Anzahl der zugrundegelegten Messdaten im entsprechenden Intervall gewichtet werden. Auch eine Inter- bzw. Extrapolation von Matrixelementen, deren Betriebszustände zwar möglich sind, aber durch die Tests nicht realisiert werden konnten, ist denkbar.
Die Abhängigkeiten der Verteilungen der Messunsicherheit von den Indizes in der letztendlichen Abweichungsdatenbank können nun noch durch formale Ausdrücke angenähert oder es können andere Schritte der Informationsverdichtung bei zu großem Datenumfang angewendet werden.
Die beschriebene Aufarbeitung der Testdaten kann mit Standardmethoden der statistischen Auswertung durchgeführt werden.
Das Systemkonzept des Sensors während seines auf die Test- und Kalibrierphase folgenden praktischen Einsatzes zeigt 4. Die während der Test- und Kalibrierphase gewonnenen und in Matrixform entsprechend 3 aufgearbeiteten Daten bezüglich der Sensormessunsicherheit werden zur Laufzeit permanent abgefragt. Entsprechend der Intervallteilung der ausgewählten betriebszustandsbeschreibenden Größen des aktuellen Betriebszustandes wird gemäß 5 ein Index generiert, welcher aus der Verteilungsmatrix der Messabweichungen die während der Tests im gleichen Zustand ermittelten Abweichungen adressiert.
Statistische physikalische Größen können mit einer normierten Wahrscheinlichkeitsdichtefunktion beschrieben werden wie sie 6 zeigt. Die Wahrscheinlichkeit für die Lokalisierung der idealen ungestörten Größe in einem Abszissenintervall entspricht der Fläche unter der Wahrscheinlichkeits-dichtefunktion im entsprechenden Intervall. Voraussetzung dafür ist die Normierung des unbestimmten Integrals (–∞ bis +∞) über die Wahrscheinlichkeitsdichte auf 1.
Die theoretischen Grundlagen der Statistik beschreiben verschiedene ideale Verteilungskurven (Normalverteilung, Exponentialverteilung...), welche den Charakter einer analytischen Funktion mit nur wenigen veränderlichen Parametern besitzen. Als Beispiel sei die Gaußsche Normalverteilungsfunktion mit den Parametern σ und EW aufgeführt.
Entspricht die reale Wahrscheinlichkeitsdichtefunktion annähernd einer idealisierten Gaußschen Funktion, so kann sie mit Hilfe dieser zwei Parameter schon ausreichend beschrieben werden.
Für die Auswertung dieser Informationen durch das dem Sensor übergeordnete Auswertesystem ist auf dieser Seite eine statistische Modellierung mit Festlegung auf einen sensorspezifischen Verteilungsfunktionstyp notwendig. Die Datenbewertung muss entsprechend angepasst werden.
Es wurde deshalb nach einem Weg gesucht, einen Kompromiss zwischen maximalem Informationsgehalt und Handhabbarkeit zu finden, bei dem außerdem auch nicht hinreichend analytisch näherbare Wahrscheinlichkeitsdichtefunktionen zugänglich werden.
Nach der in den 7 und 8 gezeigten Variante wird deshalb davon ausgegangen, dass einem Sensor vom übergeordneten Auswertesystem eine bestimmte Sicherheitsanforderung für die Messwertangabe in Form eines relativen Sicherheitsanspruchs zu Beginn eines Messzyklus mitgeteilt wird. Entsprechend dieser Forderung wird jedem übertragenen Messwert vom Sensor ein darauf abgestimmtes Vertrauensintervall beigefügt.
Das Auswertesystem stellt dem Sensor beispielsweise die Forderung, dass zukünftig die tatsächlichen Werte der gemessenen physikalischen Größe mit 98%iger Sicherheit in den beigefügten Vertrauensintervallen der angegebenen Messwerte liegen müssen. Um diese Forderung erfüllen zu können, wird vom Sensor von nun an die dem augenblicklichen Betriebszustand entsprechende Wahrscheinlichkeitsdichtefunktion wie folgt ausgewertet:
Eine Wahrscheinlichkeitsschwelle wird so festgelegt, dass die Abszissenlote ihrer Schnittpunkte mit der Wahrscheinlichkeitsdichtefunktion die Flächen über und unter der Wahrscheinlichkeitsschwelle im Verhältnis des relativen Sicherheitsanspruchs teilen.
Da die Fläche unter der Wahrscheinlichkeitsdichtefunktion als Wahrscheinlichkeit für das dem Abszissenintervall zugeordnete Ereignis (der Lokalisierung der ungestörten physikalischen Größe im entsprechenden Intervall) entspricht, stellt gerade dieses, durch die Schnittpunkte mit der Wahrscheinlichkeits dichtefunktion gebildete Intervall das gesuchte Vertrauensintervall dar.
Dieser Wert mit der Einheit der physikalischen Messgröße selbst wird dann dem übergeordneten Auswertesystem zusätzlich zum Messwert übergeben und nimmt jenem die statistische Auswertung ab. Ist das ermittelte Vertrauensintervall größer als die Vorgabe durch das Auswertesystem, so kann letzteres das Ergebnis verwerfen. Es kann dann ggf. einen neuen (reduzierten) Sicherheitsanspruch an den Sensor übermitteln.
Um die Kommunikation von Sensor und übergeordnetem Auswertesystem zu ermöglichen, ist eine speziell konfigurierte bidirektionale Datenschnittstelle und ein auf die jeweilige Anwendungsaufgabe zugeschnittenes Datenprotokoll notwendig, das u. a. besonders folgenden Punkten Rechnung tragen muss:

a) Es muss mit hinreichend kleinen Verzögerungen jederzeit ein veränderter Sicherheitsanspruch durch das übergeordnete Auswertesystem angemeldet werden können. Hierfür kann eine zeitliche Fensterung für die Sende- und Empfangsdaten vorgesehen sein.
b) Im Datenstrom vom Sensor zum Auswertesystem muss der Zeitpunkt der Umstellung auf einen anderen Sicherheitsanspruch eindeutig erkennbar sein. Dies kann durch temporär gesetzte Flags im Protokoll realisiert werden.
c) Die Daten werden zweckmäßig in logischen Blöcken konzentriert, was die die Leistungsfähigkeit und Fehlertoleranz der Schnittstelle erhöht und die Erstellung einer schnittstellenbezogenen Software erleichtert.
d) Die Daten werden in Blockstruktur mit Header, Checksumme sowie einem umlaufenden Protokollzähler organisiert. Dies garantiert die unverzügliche Resynchronisation nach vorü bergehendem Verbindungsausfall und die Erkennung von Übertragungsfehlern.
e) Da ein mengenmäßiges Ungleichgewicht zwischen den nur sporadisch an den Sensor übermittelten Konfigurationsdaten und dem permanenten Datenstrom des Sensors zum Auswertesystem herrscht, ist die Festlegung einheitlicher und strukturell feststehender Sensordatenblöcke in einem gleichbleibenden zeitlichen Abstand und einer in einzelnen, kurzen Befehlen formulierten, einmaligen Einwirkung des Auswertesystems in einem speziell angepassten Befehlssatz sinnvoll.

Claims

Verfahren zur informationsverlustarmen Anbindung eines Sensors für die Übertragung statistischer Daten an ein übergeordnetes Auswertesystem, gekennzeichnet durch folgende Schritte: – unter realen Einsatzbedingungen werden Sensormesswerte ermittelt, mit gleichzeitig gewonnenen Werten eines Vergleichsnormals verglichen und gemeinsam mit den Werten der Messabweichung aus diesem Vergleich in einer Datenbank abgelegt, – aus den gewonnenen Daten werden die systematischen Messunsicherheiten ermittelt und der Sensor hinsichtlich dieser Abweichungen kalibriert, – die verbleibenden statistischen Messunsicherheiten werden in Form einer Wahrscheinlichkeitsdichtefunktion entsprechend dem zugehörigen Betriebszustand in einer sensorinternen Datenbank abgelegt, – von dem Sensor wird zur Laufzeit der Messung für jeden an das übergeordnete Auswertesystem zu übergebenden Messwert anhand der Wahrscheinlichkeitsdichtefunktion der Messunsicherheitsverteilung mindestens ein die Verteilung der statistischen Messunsicherheit repräsentierender Wert mit übertragen, welcher durch Vergleich des momentanen Betriebszustandes mit den Datenbankeinträgen ermittelt wurde.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass als die dem momentanen Betriebszustand entsprechende Wahrscheinlichkeitsdichtefunktion durch eine analytisch beschreibbare Verteilungskurve angenähert wird, deren Parameter an das Auswertesystem mit übertragen werden.
Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass die vorberechneten Parameter der analytisch beschreibbaren Verteilungskurve in der sensorinternen Datenbank abgelegt werden.
Verfahren nach Anspruch 2 oder 3, dadurch gekennzeichnet, dass die Wahrscheinlichkeitsdichtefunktion einer Gaußschen Normalverteilung angenähert wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass gemäß einem vom Auswertesystem vor der Messdatenübermittlung dem Sensor übergebenen Wert für den geforderten Sicherheitsanspruch aus der dem momentanen Betriebszustand entsprechenden abgelegten Wahrscheinlichkeitsdichtefunktion ein Vertrauensintervall errechnet und zusammen mit jedem Messwert an das Auswertesystem übertragen wird.
Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass das Vertrauensintervall aus einer die abgelegte normierte Wahrscheinlichkeitsdichtefunktion schneidenden Wahrscheinlichkeitsschwelle berechnet wird, bei der die über und unter dieser liegenden Flächen der Wahrscheinlichkeitsdichtefunktion sich im Verhältnis eines von dem Auswertesystem zuvor in Prozent geforderten Sicherheitsanspruchs zu einem von diesem zu 100 verbleibenden Wert teilen.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Datensätze in der sensorinternen Datenbank nach momentanen Betriebszustandgrößen indiziert werden.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass Abweichungen der Messunsicherheitsverteilungsfunktion benachbarter Elemente in der Matrix der sensorinternen Datenbank n-dimensional geglättet werden.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass Matrixelemente der sensorinternen Datenbank, deren Betriebszustände durch Tests nicht realisiert werden konnten, aus den gemessenen Messwerten extra- oder interpoliert werden.
Einrichtung zur Durchführung des Verfahrens nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der Sensor eine interne Datenbank aufweist.
Einrichtung nach Anspruch 10, dadurch gekennzeichnet, dass der Sensor mit dem übergeordneten Auswertesystem über eine bidirektionale Schnittstelle verbunden ist.