-
Die Erfindung betrifft ein Verfahren zur Offsetkorrektur eines Sensorsignals eines Inertialsensors, insbesondere Beschleunigungs- und/oder Drehratensensors für ein Kraftfahrzeug gemäß dem Oberbegriff von Anspruch 1.
-
Inertialsensoren, insbesondere Drehratensensoren und Beschleunigungssensoren geben in Ruhelage einen Wert aus, der allgemein als Offsetfehler bezeichnet wird. Der Offsetfehler ist durch die Beschaffenheit eines Sensors bedingt und besteht aus mehreren Komponenten: einem Initialoffset, einem Offset durch Alterungseinfluss las auch einem Offset durch Temperatureinfluss.
-
Ziel dieser Erfindung ist, den Offsetfehler eines Sensors durch eine Kompensation zu reduzieren. Diese Aufgabe wird durch die Merkmale der unabhängigen Ansprüche gelöst. Vorteilhafte Weiterbildungen der Erfindung ergeben sich aus den Unteransprüchen, wobei auch Kombinationen und Weiterbildungen einzelner Merkmale miteinander denkbar sind.
-
Mehrere Möglichkeiten zur Offsetreduktion existieren bereits.
-
Signalfilter (Hochpassfilter) haben den Nachteil, dass dabei der Sensorsignal, welcher durch eine Fahrsituation bedingt ist, vom Filter fälschlicherweise als sensoreigener Offsetfehler korrigiert wird.
-
Modellbasierte Filterungsverfahren, wie beispielsweise Kalman-Filter, können den Sensorsignal, der durch eine Fahrsituation bedingt ist, vom sensoreigener Offsetfehler unterscheiden. Die Verfahren sind aber relativ rechenintensiv.
-
Bei einer fahrsituationsabhängigen Offsetermittlung werden Fahrsituationen bestimmt, bei denen kein Einfluss der Inertialkräfte vorliegt. Der sensoreigene Offsetfehler wird dabei als Mittelwert des Sensorausgangs bestimmt.
-
Bei umgebungsabhängiger Offsetermittlung wird der sensoreigene Offsetfehler dadurch korrigiert, dass der Umgebungseinfluss durch eine Temperaturmessung und Berücksichtigung der Temperaturkennlinie des sensoreigenen Offsetfehlers korrigiert wird.
-
Ein nächster Schritt besteht darin, dass kombiniert fahrsituationsabhängige und umgebungsabhängige Offsetermittlung erfolgen. Vorzugsweise wird ein Lernverfahren zur Ermittlung der sensoreigenen Temperaturkennlinie eingesetzt. Eine Voraussetzung ist das Vorhandensein eines Temperatursensors, die modernen Sensoren verfügen oft über einen solchen Sensor oder können diese über andere Sensoren im Fahrzeug hinreichend genau bereit gestellt werden.
-
So ist beispielsweise aus der
DE 19910868 A1 ein entsprechendes Fahrzeug-Stabilitäts-Regelsystem zu entnehmen mit einem Lernmodus zur Ermittlung des Gradienten von temperaturbezogenen Nullpunkt-Versatz-Werten. Sofern für bestimmte Temperaturen kein Nullpunkt-Versatz-Wert vorliegt, können durch Interpolation von zwischen bereits ermittelten Nullpunkt-Versatz-Werten im Datenbestand fehlende Nullpunkt-Versatz-Werte ergänzt werden.
-
Nachteil eines solchen Verfahrens ist jedoch, dass für die Interpolation immer nur die jeweils benachbarten Werte unabhängig von deren Abstand zueinander und dem realen Gesamtverlauf der Kennlinie berücksichtigt werden. Aufgabe der Erfindung ist es da her, ein verbessertes Verfahren zur Offsetkorrektur eines Sensorsignals eines Inertialsensors vorzustellen.
-
Diese Aufgabe wird durch die kennzeichnenden Merkmale der unabhängigen Ansprüche gelöst. Vorteilhafte Weiterbildungen sind den Unteransprüchen zu entnehmen.
-
Grundgedanke dabei ist, anstelle der bisher üblichen linearen Interpolation zwischen bereits ermittelten benachbarten Nullpunkt-Versatz-Werten Parameter für ein Polynom höherer Ordnung, d.h. mindestens 2. Ordnung vorzusehen und so im Datenbestand fehlende Nullpunkt-Versatz-Werte deutlich besser Interpolieren zu können.
-
Dazu können beispielsweise noch während der Fertigung oder Montage ein, mehrere oder alle m Datensätze ermittelt werden.
-
Solange noch keine Menge m an Datensätzen vorliegt, könnte zunächst auf eine Korrektur verzichtet werden oder aber vorzugsweise zunächst Parameter für ein Polynom niedrigerer Ordnung bestimmt und mit zunehmender Anzahl an Datensätzen die Ordnung des Polynoms erhöht werden, bis eine vorgegebene Ordnung erreicht ist.
-
Dabei können weitere Datensätze auch dahingehend bewertet werden, ob diese einen Mindest- und/oder auch Maximalabstand zu den bisherigen Datensätzen aufweisen, d.h. nur Datensätze berücksichtigt werden, deren Temperatur von denen der bisherigen Datensätze zumindest einen Mindestabstand aufweisen, in einer weiteren Ausgestaltung aber auch höchstens Maximalabstand, um noch berücksichtigt zu werden.
-
Nachfolgend im normalen Betrieb des Fahrzeugs wird vorzugsweise bei zumindest einer bestimmten Fahrsituation, vorzugsweise einem Stillstand des Fahrzeugs, ein neuer Wert für die Temperatur und Sensoroffset ermittelt und als ein Datensatz, bestehend aus Temperatur und sensoreigenem Offset bestimmt.
-
Die Parameter des Polynoms werden in einer Ausgestaltung zumindest anfangs so bestimmt, indem anhand der Datensätze jene Parameter bestimmt werden, für welche die mittlere quadratische Abweichung minimal (Least mean square value method) ist. Werden die ermittelten Datensätze komplett gespeichert, ist dies ein bekanntes und relativ einfaches mathematisches Verfahren.
-
Es ist aber auch denkbar, die Datensätze nicht oder nicht komplett abzuspeichern, da ja über die Parameter grundsätzlich die Kennlinie bekannt ist. Für die Bewertung nachfolgend ermittelter Datensätze ist dies jedoch nachteilig. So ist in einer Ausgestaltung vorgesehen, dass neben den Parametern des Polynoms die Temperaturen der zur Bestimmung der Parameter berücksichtigten Datensätze, nicht jedoch die jeweiligen Offsetwerte abgespeichert werden. Will man in einer solchen Ausgestaltung neue Datensätze bewerten oder mittels Minimierung der mittleren quadratischen Abweichung die Parameter neu berechnen, kann anhand der Parameter und gespeicherten Temperaturwerte der jeweilige Offset zumindest hinreichend genau angenähert werden.
-
Eine weitere Ausgestaltung betrifft die aktuelle Richtung der Temperaturänderung, welche vorzugsweise mit bestimmt und für die steigende als auch fallende Richtung der Temperaturänderung jeweils ein eigenes Polynom mit einem eigenen Parametersatz bestimmt und das Sensorsignal entsprechend der aktuellen Richtung der Temperaturänderung und den entsprechenden Polynom und dem daraus ermittelten Offset korrigiert wird. Dies berücksichtigt erstmalig, dass die Kennlinien des Sensoroffsets oft zumindest bereichsweise ein Hystereseverhalten aufweisen, also von der Richtung der Temperaturänderung abhängig sind.
-
Eine weitere Ausgestaltung betrifft das Vorgehen, wenn die vorgesehene Menge m an Datensätzen ermittelt und daraus die Parameter des Polynoms ermittelt wurden, aber vorzugsweise weiter bei bestimmten Fahrsituationen die aktuelle Temperatur und der aktuelle Offset als neuer Datensatz ermittelt wird. Man könnte dann beispielsweise ältere Datensätze durch neuere nach bestimmten Regeln ersetzen. Alternativ dazu ist hier aber vorgesehen, dass mittels einer Kalman-Filterung eine Anpassung der Parameter des Polynoms anhand des neuen Datensatzes erfolgt. Ein Ausführungsbeispiel dazu wird im Folgenden noch näher erläutert.
-
Bei Erfassung eines neuen Datensatzes wird vorzugsweise die Abweichung des aktuellen Offsets zu dem bei der aktuellen Temperatur mittels der bisherigen Parameter zu erwartenden Offsets bewertet, insbesondere bei einer Abweichung größer als eine vorgegebene absolute Abweichung oder bezogen auf den anhand der bisherigen Parameter zu erwartenden Offset größer als eine vorgegebene relative prozentuale Abweichung der neue Datensatz nicht berücksichtigt und dies vorzugsweise zudem auch als Fehler des Sensors erkannt wird.
-
Eine weitere Ausgestaltung betrifft den Ausschluss von Extrapolationen über den tatsächlich bisher erfassten Messbereich hinaus. Dazu wird zumindest die unterste und oberste Temperatur, für welche ein tatsächlicher Offset als Datensatz gemessen wurde, abgespeichert und erfolgt die Ermittlung des Offsets anhand der Parameter des Polynoms nur innerhalb dieser Temperaturen. Sofern die aktuelle Temperatur am Sensor unterhalb der untersten Temperatur liegt, wird zur Korrektur des Sensorsignals vorzugsweise (nur) der Offset bei der untersten Temperatur angenommen und/oder sofern die aktuelle Temperatur am Sensor oberhalb der obersten Temperatur liegt, zur Korrektur des Sensorsignals vorzugsweise (nur) der Offset bei der obersten Temperatur angenommen, d.h. in beiden Fällen nicht etwa anhand der Parameter ein Offset berechnet, welcher weit außerhalb des gesicherten Kennlinienbereichs liegt.
-
Mit der Zuverlässigkeit der Offsetschätzung beschäftigt sich zudem auch die folgende Weiterbildung, bei der für eine aktuelle Temperatur beziehungsweise den mittels den Parametern zu dieser Temperatur errechenbaren Offsetwert die Konfidenz ermittelt wird, vorzugsweise mit dem ermittelten Offset und/oder korrigierten Sensorsignal ausgegeben oder ab Verlassen eines vorgegebenen Konfidenzintervalls keine weitere Korrektur erfolgt, vorzugsweise dies als Fehler des Sensors erkannt wird.
-
Die Erfindung wird nachfolgend noch anhand von Ausführungsbeispielen näher beschrieben. Für die fahrsituationsabhängige Offsetermittlung wird also mittels zumindest eines Beschleunigungssensors die Lage des Fahrzeugs ermittelt und der Einfluss der Gravitationsbeschleunigung berücksichtigt. Alternativ könnte auch ein Radsensor oder Drehsensor an einer Welle des Fahrzeugs verwendet werden.
-
Als Fahrsituation für die fahrsituationsabhängige Offsetermittlung wird vorzugsweise der Stillstand des Fahrzeugs verwendet und erkannt, da hier die dynamischen Störungen am geringsten sind. Bei diesen zumindest bestimmten Stillstandssituationen werden neue Werte für die Temperatur und Sensoroffset ermittelt und als ein Datensatz, bestehend aus Temperatur und sensoreigene Offset in einen Speicher gespeichert werden, bis eine vorgegebene Menge von Datensätzen vorhanden ist.
-
Generell ist denkbar, dass jede Stillstandssituation berücksichtigt wird – alternativ können aber bestimmte zeitliche Abstände zwischen zu berücksichtigenden Stillstandssituationen verwendet werden.
-
Die Kennlinie der Temperaturabhängigkeit wird erfindungsgemäß mit Hilfe eines Polynoms des vorab definierten Ordnung m bestimmt. Solange noch keine ausreichende Datenmenge vorliegt, wird das Polynom eines niedrigeren Grades verwendet. Beispiel: liegen n Datensätze vor, wird das Polynom n – 1.ten Grades verwendet, bis m + 1 Datenwerte vorliegen, dann kann das Polynom des vorher festgelegten Grades m bestimmt werden.
-
Der Gültigkeitsbereich des Polynoms ist vorzugsweise nur der Bereich zwischen denjenigen Temperaturen, die in den gemessenen Datensätzen beinhaltet sind. Nur in diesem Bereich wird der Offset bestimmt, damit keine Extrapolation vorgenommen wird. Außerhalb dieses Bereiches wird der entsprechende Endwert des Polynoms verwendet.
-
Zumindest die unterste und oberste Temperatur, für welche ein tatsächlicher Offset als Datensatz gemessen wurde, denkbar natürlich auch alle Temperaturwerte werden also abgespeichert und erfolgt die Ermittlung des Offsets anhand der Parameter des Polynoms nur innerhalb dieser Temperaturen. Sofern die aktuelle Temperatur am Sensor unterhalb der untersten Temperatur liegt, wird zur Korrektur des Sensorsignals der Offset bei der untersten Temperatur angenommen und sofern die aktuelle Temperatur am Sensor oberhalb der obersten Temperatur liegt, wird zur Korrektur des Sensorsignals der Offset bei der obersten Temperatur angenommen. Je nach Ausgestaltung kann es evtl. auch hinreichend sein, nur eine Begrenzung auf tatsächlich gemessene Werte in einer Richtung, also am unteren oder oberen Ende vorzusehen und sei dies durch die „Oder“-Variante im Anspruch zum Ausdruck gebracht.
-
Der Verlauf des Offsets über Temperatur erzeugt oft Hysterese, d.h. der Offsetwert ist davon abhängig, ob die Temperatur steigt oder fällt. In der Lernphase werden daher 2 Polynome bzw. deren Parameter ermittelt, ein Polynom für die steigende und eines für fallende Temperatur. In der Korrekturphase wird in Abhängigkeit des Vorzeichens des Temperaturgradienten das entsprechende Polynom (bzw. dessen Parameter) für die Offsetkorrektur herangezogen.
-
Damit in der Lernphase neue Datensätze gewonnen werden und die vorhandenen aktualisiert werden, ist eine Erkennung der Situationen vorgesehen, die eine störungsfreie Offsetmessung erlauben. Dazu wird die Offsetmessung mit einem externen Signal (vorzugsweise Fahrzeuggeschwindigkeit) gestartet. Über ein vorgegebenes Zeitintervall wird der Mittelwert und Streuung des Sensorsignals (eines Drehratensensors und evtl. noch der weiteren Sensoren wie Beschleunigungssensoren) ermittelt. Am Ende des Zeitintervalls wird sowohl der Mittelwert als auch die Streuung bewertet. Sollte der Mittelwert außerhalb der erwarteten Bereichs oder die Streuung über einem vorgegebenen Schwellwert liegen, wird das Ergebnis der Messung verworfen und nicht zur Aktualisierung des Polynoms verwendet.
-
Nachfolgend soll noch das Erneuern der Koeffizienten des Polynoms basierend auf Kalman Filter Verfahren erläutert werden. Während beispielsweise beim LMS-Verfahren die Parameter des Polynoms bestimmt werden, indem anhand der Datensätze jene Parameter bestimmt werden, für welche die mittlere quadratische Abweichung (Least mean square value) minimal ist, erfolgt vorzugsweise bei einmal vorliegenden m Datensätzen die Aktualisierung des Polynoms abweichend. Dazu wird im Stillstand sowohl der Offset, als auch die Streuung dieses Offsets gemessen. Somit wird das Maß (oder Qualität) des Stillstandes berücksichtigt. Es werden das dynamisches Modell für die Koeffizienten des Polynoms und das statische Messmodell (Offsetkennlinie über Temperatur) entwickelt. Die Koeffizienten werden dann auf Basis des Kalman-Verfahrens aktualisiert. In der Korrekturphase werden aus der in der Lernphase ermittelten Kennlinie der Mittelwert und die Streuung des Offsets berechnet. Die Beschreibung des Kalman-Verfahrens für die Approximation der Koeffizienten der Offsetkennlinie (am Beispiel eines Polynoms 2. Ordnung):
-
Die zu approximierende Kennlinie sei: w0 = a0 + a1·T + a2·T^2
-
Das Systemmodell für die Koeffizienten sei damit:
a0(n) = a0(n – 1); a1(n) = a1(n – 1); a2(n) = a2(n – 1)
wobei n der aktuelle Berechnungsschritt, n – 1 der vorhergehende Berechnungsschritt ist.
-
Diese Gleichungen unterstellen, dass sich die Koeffizienten zeitlich nicht ändern, d.h. im Systemmodell bleiben diese Koeffizienten konstant. Eine Änderung erfolgt im Korrekturschritt des Kalman-Verfahrens.
-
Diese Gleichungen dienen als Basis für die folgenden Gleichungen, die das eigentliche Kalman-Verfahren beschreiben.
Systemmodell: X(n) = A·X(n – 1) + W(n – 1)
Messmodell: Y(n) = h(U(n))·X(n) + V(n)
Wobei: X = [a0 a1 a2]’: Zustandsvektor mit den Koeffizienten des Polynoms
W = Systemrauschen mit Varianz Q.
Q = var(W): wird als Parameter für die Adaption des Verhaltens des Kalmanfilters verwendet
Y = geschätzte Offsetmessung
V = Messrauschen von w0 mit Varianz R
R = var(V): wird aus der Messung von w0 abgeleitet (R = var(w0))
U = T: Temperaturmessung (mean(T))
A = I: Systemmatrix (hier als Einheitsmatrix, da die Polynomkoeffizienten nach dem Systemmodell konstant sind)
-
Die Berechungsschritte sind dann folgende:
Prädiktion des Systemzustandes: Xp(n) = A·X(n – 1) = X(n – 1)
Prädiktion der Systemkovarianzen: Pp(n) = A·P(n)·A‘ + Q(n – 1) = P(n) + Q(n – 1) (weil A: Einheitsmatrix)
Kovarianz des Residuums (der Differenz zwischen der Schätzung Y(n) und der realen Messung): S = h(U(n))·Pp(n)·h(U(n))’ + R(n)
Gewichtungskoeffizient: K(n) = Pp(n)·h(U(n))’/S
Korrektur des Systemzustandes: X(n) = Xp(n) + K(n)·(w0(n) – h(U(n))·X(n))
Korrektur der Systemkovarianzen: P(n) = (I – h(U(n)))·Pp(n)·(I – h(U(n)))’ + K(n)·R(n)·K(n)’
-
Als Initialzustand werden Koeffizienten vorzugsweise anhand einmal beispielhaft ermittelter Werte vorbelegt:
a0 entspricht den Offsetwert, der am Produktionsende vermessen wurde und seien a1 ... a2 = 0
-
Als Initialzustand wird die Baugruppe in der Produktion über Temperatur vermessen und die Koeffizienten a0 ... a3 vorbelegt.
-
In der Anfangszeit (für die ersten Lernzyklen) wird nun vorzugsweise der Wert von R(n) reduziert. Dadurch werden die Messungen höher gewichtet als Schätzungen.
-
In Abhängigkeit der Anzahl der zurückgelegten Lernzyklen wir der Wert von R(n) nach folgender Formel exponentiell gesteuert: R(n) = (A1 + (A0 – A1)·exp(–n/T), Wobei
A0: Anfangswert; A1: Endwert; T: Zeitkonstante
-
Im folgenden Beispiel seien:
A0 = 2, A1 = 5, T = 2
-
Durch diese Anpassung wird die Gewichtung der Messung gegenüber der Modelschätzung zeitlich geändert. Am Anfang R = 2 (hohe Gewichtung der Messung), nach 11 Zyklen R = 5 (Gewichtung der Messung wurde reduziert)
-
Ein weiterer Vorteil dieser Methode ist, dass vorzugsweise Varianzen der Polynom-Koeffizienten (P(n)) bestimmt werden. Auf dieser Basis kann die Varianz des berechneten Offsets bestimmt und für die Nutzerfunktion weitergegeben werden: w0 = a0 + a1·T + a2·T^2 var(w0) = var(a0) + var(a1)·T^2 + var(a2)·T^4 wobei
die Varianzen der Koeffizienten entsprechen den Diagonalelementen der Matrix P
var(a0) = P(1,1), var(a1) = P(2,2), var(a2) = P(3,3)
-
Die Varianz des berechneten Offsets kann von den weiteren Funktionen für die stochastischen Berechnungen verwendet werden.
-
Zudem wird für eine aktuelle Temperatur beziehungsweise den mittels den Parametern zu dieser Temperatur errechenbaren Offsetwert die Konfidenz ermittelt. Diese Konfidenz wird vorzugsweise mit dem ermittelten Offset und/oder korrigierten Sensorsignal ausgegeben oder erfolgt ab Verlassen eines vorgegebenen Konfidenzintervalls keine weitere Korrektur und wird dies vorzugsweise zudem als Fehler des Sensors erkannt und beispielsweise angezeigt.
-
Das hier beschriebene Verfahren eignet sich insbesondere für Steuergerät für ein Kraftfahrzeug mit zumindest einem Inertialsensor und einer im Speicher hinterlegten Programmierung zur Durchführung des Verfahrens.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-