DE102021130043A1

DE102021130043A1 - Computerimplementiertes Verfahren zum Kompensieren eines Sensors

Info

Publication number: DE102021130043A1
Application number: DE102021130043.6A
Authority: DE
Inventors: Jawad Tayyub; Alexander Vogel; Muhammad Sarmad
Original assignee: Endress and Hauser SE and Co KG
Current assignee: Endress and Hauser SE and Co KG
Priority date: 2021-11-17
Filing date: 2021-11-17
Publication date: 2023-05-17
Also published as: WO2023088728A1

Abstract

Computerimplementiertes Verfahren zum Kompensieren eines Sensors, insbesondere eines Drucksensors, durch Maschinenlernen während des Herstellens des Sensors, wobei das Verfahren mindestens die Schritte umfasst:- Bereitstellen einer Vielzahl von Sensoren, insbesondere einer Vielzahl von Drucksensoren, die bereits hergestellt und/oder kompensiert worden sind;- Bestimmen von Daten (d), die bereits während des Herstellens und/oder des Kompensierens des Sensors oder der Vielzahl von Sensoren, insbesondere des Drucksensors oder der Vielzahl von Drucksensoren, gesammelt worden sind;- Bereitstellen der bestimmten Daten (d) an ein neuronales Netz (NN), welches dafür konfiguriert ist, Kompensationskoeffizienten (c0bis cn) zu bestimmen, insbesondere Kompensationskoeffizienten für den Drucksensor;- Speichern der bestimmten Kompensationskoeffizienten (c0 bis cn) innerhalb des Sensors, insbesondere des Drucksensors, sodass der Sensor mit Hilfe der bestimmten Kompensationskoeffizienten (c0 bis cn) kompensierte Sensorwerte (pc) ausgeben kann.

Description

Die vorliegende Erfindung betrifft ein computerimplementiertes Verfahren zum Kompensieren eines Sensors, insbesondere eines Drucksensors, durch Maschinenlernen während des Herstellens des Sensors, ein Datenverarbeitungssystem, welches Mittel zum Ausführen des Verfahrens umfasst, ein Computerprogramm, ein computerlesbares Medium sowie einen Sensor, insbesondere einen Drucksensor zur Verwendung in der Verfahrens- und/oder Automatisierungstechnik.
Sensoren, beispielsweise Drucksensoren, auch als Druckwandler bezeichnet, sind sehr empfindlich für Quereinflüsse, beispielsweise die Temperatur. Daher durchlaufen diese Sensoren während ihrer Herstellung ein aufwändiges Kompensierungsverfahren. Die Kompensation wird angewendet, um die Genauigkeit des Sensors in einem gegebenen Messbereich unter gegebenen Quereinflüssen zu erhöhen und/oder sicherzustellen.
Das Kompensierungsverfahren ist ein kostspieliger Teil des gesamten Herstellungsverfahrens. Dies liegt daran, dass eine hohe Anzahl an Sollwerten erforderlich ist, die den Quereinfluss sowie den Messwert des Sensors berücksichtigen. Zum Beispiel werden bei einem Druckempfänger und der Temperatur als Quereinfluss eine hohe Anzahl an Temperatur- und Drucksollwerten benötigt, um die analytische Beziehung zwischen der Sensorausgabe und dem tatsächlichen Druckwert anzunähern. Wie man sich vorstellen kann, wird zum Setzen/Erzeugen dieser Sollwerte viel Zeit benötigt. Im Falle des vorstehenden Beispiels wird typischerweise eine Temperaturkammer verwendet, um die verschiedenen Temperaturpunkte einzustellen, sodass mit dem Sensor ein entsprechender Druckwert gemessen werden kann. In der Regel werden mit der Temperaturkammer mindestens zwei Temperaturzyklen eingestellt, d. h. bei 80 °C und -20 °C, . Durch das Minimieren der Zeit, die für diesen Prozess benötigt wird, werden geringere Herstellungskosten sowie weniger Energieverbrauch gewährleistet, da das Erwärmen und das Kühlen nicht nur zeitaufwändig sind, sondern auch einen großen CO₂-Footprint erzeugt.
Daher besteht die technische Aufgabe, die der vorliegenden Erfindung zugrunde liegt, darin, die Zeit zu verringern, die benötigt wird, um einen Sensor während seiner Herstellung zu kompensieren.
Die Aufgabe wird durch das computerimplementierte Verfahren nach Anspruch 1, das Datenverarbeitungssystem nach Anspruch 10, das Computerprogramm nach Anspruch 11, das computerlesbare Medium nach Anspruch 12 sowie einen Sensor zur Verwendung in der Verfahrens- und/oder Automatisierungstechnik gelöst.
In Bezug auf das Verfahren wird die technische Aufgabe durch ein computerimplementiertes Verfahren zum Kompensieren eines Sensors, insbesondere eines Drucksensors, durch Maschinenlernen während des Herstellens des Sensors gelöst, wobei das Verfahren mindestens die Schritte umfasst:

- Bereitstellen einer Vielzahl von Sensoren, insbesondere einer Vielzahl von Drucksensoren, die bereits hergestellt und/oder kompensiert worden sind;
- Bestimmen von Daten, die bereits während des Herstellens und/oder des Kompensierens des Sensors oder der Vielzahl von Sensoren, insbesondere des Drucksensors oder der Vielzahl von Drucksensoren, gesammelt worden sind;
- Bereitstellen der bestimmten Daten an ein neuronales Netz, welches dafür konfiguriert ist, Kompensationskoeffizienten, insbesondere Kompensationskoeffizienten für den Drucksensor, zu bestimmen oder eine Verweistabelle bereitzustellen;
- Speichern der bestimmten Kompensationskoeffizienten innerhalb des Sensors, insbesondere des Drucksensors, sodass der Sensor mit Hilfe der bestimmten Kompensationskoeffizienten kompensierte Sensorwerte ausgeben kann.

Neuronale Netze (NN), welche zum Gebiet des Maschinenlernens gehören, basieren auf einer Vielzahl von miteinander verbundenen Einheiten, die als künstliche Neuronen bezeichnet werden, welche typischerweise in verschiedenen Schichten organisiert sind und in der Lage sind, komplexe und nichtlineare Beziehungen zu erkennen. In Bezug auf die vorliegende Erfindung führt die Verwendung eines neuronalen Netzes zum Bestimmen von Kompensationskoeffizienten für einen Sensor, insbesondere für einen Druckempfänger, zu einem weniger zeitaufwändigen Kompensationsprozess. Für die Zwecke dieser Anmeldung werden unter Kompensationskoeffizienten Koeffizienten einer Kompensationsgleichung verstanden, die zum Berechnen der kompensierten Sensorausgabe (über den Sensor) verwendet wird.
Eine bevorzugte Ausführungsform des Verfahrens gemäß der vorliegenden Erfindung sieht vor, dass die Kompensationskoeffizienten für eine gegebene erste Funktion über das neuronale Netz bestimmt werden. Insbesondere ist die gegebene erste Funktion eine Polynomfunktion. Ein Polynom/Eine Polynomfunktion hoher Ordnung ist eine gute Wahl für einen geringen Speicher-Footprint auf dem Speicher/der ASIC des Sensors. Beispielsweise kann eine Polynomfunktion in der Form s = c₀ · p(T) + c₁ · p(T) · T + c₂ verwendet werden, wobei c₀, c₁, c₂ die zu bestimmenden Koeffizienten sind, T eine spezielle Temperatur ist und p(T) der vom Sensor ausgelesene Sensorwert bei der speziellen Temperatur ist.
Eine weitere bevorzugte Ausführungsform des Verfahrens gemäß der vorliegenden Erfindung sieht vor, dass mindestens eine weitere Funktion, vorzugsweise eine lineare oder eine Polynomfunktion, angegeben wird, die einen Rohmesswert des Sensors, insbesondere einen Druck- oder Temperaturrohwert des Drucksensors, auf einen normierten/skalierten Messwert normiert/skaliert, vorzugsweise auf einen normierten/skalierten Druck- oder Temperaturwert.
Eine weitere bevorzugte Ausführungsform des Verfahrens gemäß der vorliegenden Erfindung sieht vor, dass weitere Koeffizienten für die mindestens eine weitere Funktion unter Verwendung eines weiteren neuronalen Netzes bestimmt werden, insbesondere eines Hypernetzes NN_T.
Eine weitere bevorzugte Ausführungsform des Verfahrens gemäß der vorliegenden Erfindung sieht vor, dass normierte/skalierte Messwerte des Sensors, insbesondere normierte/skalierte Druck- oder Temperaturwerte des Drucksensors, mit Hilfe der weiteren gegebenen Funktion und/oder der weiteren Koeffizienten berechnet werden, und wobei die berechneten normierten/skalierten Messwerte, insbesondere die normierten/skalierten Druck- oder Temperaturwerte als Daten verwendet werden, die dem neuronalen Netz zum Bestimmen der Kompensationskoeffizienten bereitgestellt werden.
Eine weitere bevorzugte Ausführungsform des Verfahrens gemäß der vorliegenden Erfindung sieht vor, dass als Daten Daten verwendet werden, die bei früheren Herstellungsschritten des Sensors, insbesondere des Drucksensors, verwendet wurden, wie beispielsweise physikalische Parameter eines Messelements, ein Widerstandswert und/oder ein Kapazitätswert des Sensors.
Eine weitere bevorzugte Ausführungsform des Verfahrens gemäß der vorliegenden Erfindung sieht vor, dass das neuronale Netz vor dem Bestimmen der Kompensationskoeffizienten trainiert wird.
Eine weitere bevorzugte Ausführungsform des Verfahrens gemäß der vorliegenden Erfindung sieht vor, dass zum Trainieren des neuronalen Netzes historische Daten aus der gesamten Produktionslinie und/oder Daten aus nachfolgenden Herstellungsschritten nach der Kompensation der Vierzahl von bereits hergestellten und/oder kompensierten Drucksensoren verwendet werden.
Die technische Aufgabe wird auch durch ein Datenverarbeitungssystem gelöst, welches Mittel zum Ausführen des Verfahrens gemäß der vorliegenden Erfindung umfasst.
Die technische Aufgabe wird auch durch ein Computerprogramm gelöst, welches Befehle umfasst, die, wenn das Programm durch einen Computer ausgeführt wird, den Computer veranlassen, die Schritte des Verfahrens gemäß der vorliegenden Erfindung auszuführen, durch ein computerlesbares Medium, welches Befehle umfasst, welche, wenn sie von einem Computer ausgeführt werden, den Computer veranlassen, das Verfahren gemäß der vorliegenden Erfindung durchzuführen, und schließlich durch einen Sensor, insbesondere einen Drucksensor zur Verwendung in der Verfahrens- und/oder Automatisierungstechnik, welcher einen Speicher umfasst, der die gemäß dem Verfahren bestimmten Koeffizienten gespeichert hat, und wobei der Sensor, insbesondere der Drucksensor, dafür geeignet ist, unter Verwendung der bestimmten Koeffizienten einen kompensierten Sensorwert auszugeben, insbesondere einen kompensierten Druckwert.
Es sei darauf hingewiesen, dass die in Verbindung mit dem Verfahren beschriebenen Ausführungsformen entsprechend auch für das Datenverarbeitungssystem, das Computerprogramm, das computerlesbare Medium sowie den Sensor, insbesondere den Drucksensor, gelten.
Die Erfindung wird in Bezug auf die folgenden Figuren näher erläutert.

1 veranschaulicht ein Herstellungsverfahren eines Drucksensors gemäß dem Stand der Technik,
2 zeigt ein Diagramm mit Druck- und Temperaturwerten, denen ein Drucksensor während eines Kompensierungsverfahrens gemäß dem Stand der Technik ausgesetzt ist,
3 zeigt ein Blockdiagramm einer Ausführungsform des Verfahrens gemäß der vorliegenden Erfindung einschließlich eines optionalen Vorskalierungs- oder Normierungsschritts und
4 zeigt schematisch ein erfindungsgemäßes neuronales Netz,
5 zeigt schematisch eine bevorzugte Ausführungsform gemäß der Erfindung, wobei das Herstellungsverfahren eines speziellen Drucksensors sowie das Trainingsverfahren des neuronalen Netzes dargestellt ist.

Die weitere Beschreibung der Erfindung wird mittels eines Drucksensors veranschaulicht, da Drucksensoren der häufigste im Gebrauch befindliche Sensortyp sind. Die Erfindung ist jedoch keineswegs auf einen Drucksensor beschränkt.
1 veranschaulicht schematisch ein Herstellungsverfahren eines Drucksensors gemäß dem Stand der Technik. Im Herstellungsschritt 100 sind alle Schritte vor dem Kompensieren des Drucksensors zusammengefasst. Dies schließt das Herstellen der einzelnen Komponenten des Drucksensors, wie beispielsweise des Sensorelements und der Sensorelektronik, sowie das Zusammenbauen der einzelnen Komponenten zu dem Drucksensor ein. Im Herstellungsschritt 200 erfolgt der Kompensierungsschritt. Während dieses Kompensierungsschritts 200 werden viele Temperatur- und Drucksollwerte p(T), T benötigt, um die analytische Beziehung zwischen der Sensorausgabe und dem tatsächlichen Druckwert anzunähern.
2 zeigt ein Diagramm mit Sollwerten (jeder Sollwert besteht aus einem Temperaturwert T und einem entsprechenden Druckwert p(T)), welche zum Kompensieren eines Drucksensors gemäß dem Stand der Technik verwendet werden. Insgesamt gibt es drei verschiedene Temperaturzyklen, d. h. +80 °C, +25 °C und -20 °C mit drei Druckpunkten innerhalb jedes Zyklus. Aus diesen Sollwerten werden Koeffizienten für eine Polynomgleichung bestimmt. Diese Koeffizienten werden verwendet, um die analytische Beziehung zwischen den Sensorausgaben und dem wahren Wert zu erfassen. Ein Polynom/Eine Polynomfunktion hoher Ordnung ist eine gute Wahl für einen geringen Speicher-Footprint auf dem Speicher/der ASIC des Sensors. Beispielsweise kann eine Polynomfunktion in der Form s = c₀ · p(T) + c₁ · p(T) · T + c₂ verwendet werden, wobei c₀, c₁, c₂ die zu bestimmenden Koeffizienten sind, T eine spezielle Temperatur ist und p(T) der von dem Drucksensor ausgelesene Druckwert bei der speziellen Temperatur ist. Wie aus 2 ersichtlich ist, erfordert das Verfahren gemäß dem Stand der Technik die Erfassung mehrerer Sollwerte bei hohen, mittleren und niedrigen Temperaturen. Diese Sollwerte werden zum Berechnen der Koeffizienten des Polynoms so ausgewählt, dass sie den Betriebsbereich des Sensors umfassen. Das Überspringen eines dieser Sollwerte kann zu einer schlechten Polynomleistung bei diesen Sollwerten führen, wie es für das gegebene Beispiel im erläuterten Kompensierungsverfahren gemäß dem Stand der Technik der Fall ist.
3 bis 5 zeigen ein computerimplementiertes Verfahren zum Kompensieren eines Drucksensors 10 durch Maschinenlernen während des Herstellens des Drucksensors 100, 200, 300. Erfindungsgemäß können diese Kompensationspunkte verringert werden, indem Sollwerte von mindestens einem vollständigen Temperaturzyklus entfernt werden, in 5 ist das Entfernen von zwei Temperaturzyklen durch die zwei grau gefärbten Bereiche 2 und 3 symbolisiert. Es müssen jedoch nicht unbedingt die beiden rechten Bereiche sein.
Ein Teilschritt in Richtung des Kompensationsschritts ist der Skalierungs- oder Normierungsschritt. Für diesen optionalen Teilschritt wird eine mathematische Funktion f₀ verwendet, um einen Rohmesswert wie p_roh und/oder T_roh für den Drucksensor zu normieren oder zu skalieren.
Die mathematische Funktion, die verwendet wird, hängt von der Art des Drucksensors (z. B. kapazitiver oder resistiver Drucksensor) ab und kann beispielsweise eine lineare Funktion oder eine Polynomfunktion sein. Für die weiteren Erläuterungen wird eine lineare Funktion für die Druckskalierung verwendet und kann beispielsweise in der folgenden Form vorliegen: $p_{S} = a_{p 1} \times p_{r o h} + a_{p 2}$
Zum Bestimmen der Koeffizienten a_p1 und a_p2 kann ein Ground-Truth-Druck p_GT umgewandelt werden, um einen skalierten Ground-Truth-Druck p_sg in derselben Einheit wie der Rohdruck p_roh zu erhalten. Danach kann ein Kleinste-Quadrate-Algorithmus zum Anpassen des Rohdrucks p_roh und des Ground-Truth-Drucks p_sg verwendet werden, um die Koeffizienten a_p1 und a_p2 der Druckskalierungsgleichung 1 in einem bestimmten oder überbestimmten Messsatz zu bestimmen. Diese Funktion kann dann verwendet werden, um Rohdruckwerte p_roh zu skalierten Druckwerten p_sg umzuwandeln.
Zusätzlich oder alternativ kann eine Temperaturskalierung oder Normierung im Teilschritt z. B. unter Verwendung der folgenden Gleichung durchgeführt werden: $T_{S} = b_{T 1} \times T_{r o h} + b_{T 2}$
Zur Normierung der Temperaturrohwerte T_roh kann ein Lokal-Min-Max-Normierungsverfahren angewendet werden, um eine normierte Rohtemperatur T_S zu erhalten. Bei diesem Normierungsschema können Rohtemperaturpunkte T_roh von jedem Sensor in dem Trainingsdatensatz verwendet werden, um den minimalen und den maximalen Wert der jeweiligen Größe zu berechnen. Diese Werte können dann verwendet werden, um für jeden Sensor T_roh zu normieren, um T_S zu erhalten. Nur die M Punkte der nicht übersprungenen Temperaturzyklen von den Rohtemperaturwerten T_roh werden in dem Vorwärtsdurchgang eines Skalierungshypernetzes NN_T verarbeitet, um die Skalierungspolynomkoeffizienten b_T1 und b_T2 vorherzusagen. Das Temperaturskalierungspolynom in der Gleichung 2 wird mit allen N Punkten der Rohtemperaturwerte T_roh bereitgestellt, um skalierte Temperaturwerte T_S zu erhalten. Das Hypernetz NN_T kann ein Polynomhypernetz sein, welches vorzugsweise trainiert ist, wie in 5 dargestellt und nachstehend erläutert.
Die bestimmten Druck- und Temperaturskalierungskoeffizienten werden für die entsprechende Skalierungsfunktion verwendet, um p_s, T_s zu erhalten, die bei diesem Herstellungsschritt 200 in dem Drucksensor gespeichert werden. Zugunsten einer klaren Darstellung ist in 3 ein Kasten für die Druck- und Temperaturskalierungsfunktion dargestellt.
Nach dem Teilschritt der Skalierung oder Normierung können gegebenenfalls weitere Schritte (f_n-1) durchgeführt werden, bevor erfindungsgemäß unter Verwendung eines neuronalen Netzes die Koeffizienten c₀ - c_n einer Kompensierungsfunktion bestimmt werden oder eine Kompensations-Verweistabelle durch das neuronale Netzwerk bereitgestellt wird. Diese optionalen Schritte können beispielsweise sein, dass die Ausgabewerte, welche mit Hilfe der Skalierungsfunktion(en) berechnet werden, durch eine globale Min-Max-Normierung und/oder eine Fourier-Abbildung f_n-1 geführt werden. In 3 sind diese optionalen Schritte mit dem Bezugszeichen f_n-1 sowie den drei Punkten (...) symbolisiert.

Nach diesen erfindungsgemäßen Schritten erfolgt die Bestimmung der Koeffizienten c₀ - c_n einer Kompensierungsfunktion. Für diesen Schritt wird ein neuronales Netz, vorzugsweise ein neuronales Faltungsnetz, verwendet, um die Koeffizienten c₀ - c_n für eine gegebene Kompensationsfunktion oder eine Kompensations-Verweistabelle vorherzusagen. In einer bevorzugten Ausführungsform besteht die erste Hälfte der Architektur des neuronalen Netzes aus 1 D-Faltungsschichten „conv1 D1“ bis „conv1 D3“ und in der zweiten Hälfte werden eine Maxpool-Schicht („maxpool“) und lineare Schichten („Linear1“ bis „Linear3“) verwendet. Die Dimensionen der Eingabe in „conv1D1", d. h. M_p, kann im Fall von zwei Eingaben wie Temperatur und Druck 2 betragen, wie in der vorstehenden Ausführungsform erläutert. Alternativ kann M_p auch höher als 2 sein, z. B. bei Durchführung weiterer Schritte (f_n-1) wie beispielsweise eine Fourier-Abbildung. Die Ausgabe von „Linear3“, d. h. C_n, stellt die Anzahl der Koeffizienten dar, die für eine Kompensations- oder Skalierungsfunktion erforderlich sind (z. B. C_n = 2 für die Temperaturskalierungsfunktion oder C_n = 10 für die Kompensierungsfunktion dieses Beispiels). Der Filter der Maxpool-Schicht ist an die Eingabegröße I_s anpassbar, wobei es sich bei die Eingabegröße I_s um die Anzahl der Messpunkte handelt, die später entfernt werden. Eine bevorzugte Architektur des neuronalen Netzes ist in der folgenden Tabelle zusammengefasst:

Name	Kernel	Kanal E/A	Eingabe-Aufl	Ausgabe-Aufl	Eingabe
conv1D1	1	M_p/64	I_s	I_s	Sensorwerte
conv1D2	1	64/128	I_s	I_s	conv1D1
conv1D3	1	128/1024	I_s	I_s	conv1D2
Maxpool	I_s	21024/1	-	-	conv1D3
Linear1	-	1024/512	-	-	Maxpool
Linear2	-	1025/256	-	-	Linear1
Linear3	-	256/Cn	-	-	Linear2

Die Erfindung ist jedoch weder auf die speziellen Dimensionen für die Ein- oder Ausgabe noch auf dieses spezielle Netzwerk-Layout beschränkt.
Die angegebene Funktion (Kompensationsfunktion) ist in diesem Fall vorzugsweise ein Polynom/eine Polynomfunktion hoher Ordnung mit den Kompensationskoeffizienten c₀ bis c_n. Zum Beispiel kann die gegebene Funktion (Kompensationsfunktion) sein: $\begin{array}{l} p_{c} = c_{0} \times p_{s}^{4} + c_{1} \times p_{s}^{3} + c_{2} \times p_{s}^{2} \times T_{s} + c_{3} \times p_{s}^{2} + c_{4} \times p_{s} \times T_{s}^{2} + \\ c_{5} \times p_{s} \times T_{s} + c_{6} \times p_{s} + c_{7} \times T_{s}^{2} + c_{8} \times T_{s} + c_{9} \end{array}$
Um die Kompensationskoeffizienten c₀ bis c_n vorherzusagen, werden Daten bestimmt, die dem neuronalen Netz zugeführt werden. Wie in 5 zu sehen ist, können die Daten frühere Daten d_früh sein, die bereits während früherer Herstellungsschritte des aktuellen Drucksensors gesammelt wurden, der hergestellt wird, z. B. die Membrandicke einer Messmembran des Drucksensors, Basis-/Grundkapazität der Messkapazität im Falle eines kapazitiven Drucksensors usw.
In einer bevorzugten Ausführungsform der Erfindung werden normierte/skalierte Druck- und/oder Temperaturwerte p_s, T_s des Drucksensors, der hergestellt wird, auch als Daten verwendet, um das neuronale Netz zu speisen, wie in 5 zu sehen ist. Um die normierten/skalierten Druck- und/oder Temperaturwerte p_s, T_s zu erhalten, verwendet der Stromsensor die Gleichung (1) und/oder (2) zusammen mit den entsprechenden Koeffizienten, die zuvor bestimmt wurden.
Optional können zum Trainieren historische Daten d_his aus nachfolgenden Herstellungsschritten nach der Kompensation der Vielzahl von Drucksensoren verwendet werden, die bereits hergestellt und/oder kompensiert wurden, wie in 5 zu sehen ist.
In einem letzten erfindungsgemäßen Schritt werden die bestimmten Kompensationskoeffizienten c₀ bis c_n in dem Drucksensor, der hergestellt wird, gesichert/gespeichert. Das Sichern/Speichern kann beispielsweise in einem separaten Speicherchip des Sensors oder in einen ASIC oder einen Mikroprozessor des Drucksensors integriert erfolgen. Das Sichern/Speichern ist in 5 mit einem Pfeil von den ermittelten Kompensationskoeffizienten c₀ bis c_n zu dem Drucksensor 10, z. B. dem Speicher 11, symbolisiert.
Nachdem die Herstellung (einschließlich des Kompensationsschritts) für den aktuellen Drucksensor beendet worden ist, kann er z. B. in einer Prozess- und/oder Automatisierungsanlage verwendet werden, um die kompensierten Druckwerte p_c auszugeben. Zu diesem Zweck ist der Drucksensor 10 dafür eingerichtet, intern Rohdruck- und Rohtemperaturwerte p_roh, T_roh bereitzustellen. Diese Werte werden intern, z. B. mit einem Mikroprozessor, skaliert, um p_s und T_s unter Verwendung der intern gespeicherten Skalierungspolynomfunktion mit den entsprechenden Koeffizienten zu bilden. Die skalierten Werte können intern gegebenenfalls mit Hilfe einer weiteren Normierungsfunktion normiert und an die gespeicherte Kompensations-Polynomfunktion mit den entsprechenden Koeffizienten zum Erhalten des endgültigen kompensierten Drucks p_c weitergeleitet werden, welche von dem Drucksensor ausgegeben werden.
Bezugszeichenliste

10: Drucksensor
11: Speicher
100: Schritt vor der Herstellung
200: Kalibrier- oder Kompensationsschritt während der Herstellung
201: Datenverarbeitungssystem
300: Schritt nach der Herstellung
NN: Neuronales Netz
NNT: Weiteres neuronales Netz, insbesondere Hypernetz
ap1, ap2,: Druckskalierungskoeffizienten
bτ1, bτ2: Temperaturskalierungskoeffizienten
d: Daten, die zum Trainieren des neuronalen Netzes verwendet werden
c0 ... cn: Koeffizienten der Kompensations-Polynomgleichung
p(T): Druckwert
T: Temperaturwert
f0: mindestens eine weitere Funktion
fn-1: erste Funktion
fn: gegebene erste Funktion, insbesondere eine Polynomfunktion hoher Ordnung
ps, Ts: Berechnete normierte/skalierte Messwerte
dhis: historische Trainingsdaten von bereits hergestellten Sensoren
dfrüh: Daten, die während früherer Herstellungsschritte des Sensors bestimmt wurden
proh: Nicht kompensierte „rohe“ Druckausgabe
Troh: Nicht kompensierte „rohe“ Temperaturausgabe
pc: Kompensierter Druckwert
ps: Skalierter Ground-Truth-Wert
M: p/T-Punkte, die zur Skalierung/Kompensation verwendet werden
N: Alle beim Training verwendeten p/T-Punkte

Claims

Computerimplementiertes Verfahren zum Kompensieren eines Sensors, insbesondere eines Drucksensors, durch Maschinenlernen während des Herstellens des Sensors, wobei das Verfahren mindestens die Schritte umfasst: - Bereitstellen einer Vielzahl von Sensoren, insbesondere einer Vielzahl von Drucksensoren, die bereits hergestellt und/oder kompensiert worden sind; - Bestimmen von Daten (d), die bereits während des Herstellens und/oder des Kompensierens des Sensors oder der Vielzahl von Sensoren, insbesondere des Drucksensors oder der Vielzahl von Drucksensoren, gesammelt worden sind; - Bereitstellen der bestimmten Daten (d) an ein neuronales Netz (NN), welches dafür konfiguriert ist, Kompensationskoeffizienten (c₀ bis c_n) zu bestimmen, insbesondere Kompensationskoeffizienten für den Drucksensor, oder eine Verweistabelle bereitzustellen; - Speichern der bestimmten Kompensationskoeffizienten (c₀ bis c_n) innerhalb des Sensors, insbesondere des Drucksensors, sodass der Sensor mit Hilfe der bestimmten Kompensationskoeffizienten (c₀ bis c_n) kompensierte Sensorwerte (p_c) ausgeben kann.
Computerimplementiertes Verfahren nach Anspruch 1, wobei die Kompensationskoeffizienten (c₀ bis c_n) für eine gegebene erste Funktion (f_n) über das neuronale Netz (NN) bestimmt werden.
Computerimplementiertes Verfahren nach dem vorstehenden Anspruch, wobei die gegebene erste Funktion (f_n) eine Polynomfunktion ist.
Computerimplementiertes Verfahren nach einem der vorstehenden Ansprüche, wobei mindestens eine weitere Funktion (f₀), vorzugsweise eine lineare oder eine Polynomfunktion, gegeben ist, welche einen Rohmesswert (p_roh, T_roh) des Sensors, insbesondere einen Druck- oder Temperaturrohwert des Drucksensors, auf einen normierten/skalierten Messwert (p_s, T_s), vorzugsweise einen normierten/skalierten Druck- oder Temperaturwert, normiert/skaliert.
Computerimplementiertes Verfahren nach einem der vorstehenden Ansprüche, wobei unter Verwendung eines weiteren neuronalen Netzes, insbesondere eines Hypernetzes (NN_T), weitere Koeffizienten (a_p1, a_p2, b_T1, b_T2) für die mindestens eine weitere Funktion (f₀) bestimmt werden.
Computerimplementiertes Verfahren nach Anspruch 4 und/oder 5, wobei normierte/skalierte Messwerte des Sensors (p_s, T_s), insbesondere normierte/skalierte Druck- oder Temperaturwerte des Drucksensors, mit Hilfe der weiteren gegebenen Funktion (f₀) und/oder der weiteren Koeffizienten (a_p1, a_p2, b_T1, b_T2) berechnet werden und wobei die berechneten normierten/skalierten Messwerte (p_s, T_s), insbesondere die normierten/skalierten Druck- oder Temperaturwerte, als Daten verwendet werden, die dem neuronalen Netz (NN) zum Bestimmen der Kompensationskoeffizienten (c₀ bis c_n) bereitgestellt werden.
Computerimplementiertes Verfahren nach einem der vorstehenden Ansprüche, wobei als Daten (d) Daten (d_früh) verwendet wurden, die während früherer Herstellungsschritte (100) des Sensors, insbesondere des Drucksensors, bestimmt wurden, wie beispielsweise physikalische Parameter eines Messelements, ein Widerstandswert und/oder ein Kapazitätswert des Sensors.
Computerimplementiertes Verfahren nach einem der vorstehenden Ansprüche, wobei das neuronale Netz (NN) trainiert wird, bevor die Kompensationskoeffizienten (c₀ bis c_n) bestimmt werden.
Computerimplementiertes Verfahren nach dem vorstehenden Anspruch, wobei zum Trainieren des neuronalen Netzes (NN) historische Daten (d_his) aus der gesamten Produktionslinie und/oder Daten aus nachfolgenden Herstellungsschritten nach der Kompensation (300) der Vielzahl von bereits hergestellten und/oder kompensierten Drucksensoren verwendet werden.
Datenverarbeitungssystem (201), welches Mittel zum Ausführen des Verfahrens nach einem der vorstehenden Ansprüche umfasst.
Computerprogramm, welches Befehle umfasst, die, wenn das Programm durch einen Computer ausgeführt wird, den Computer veranlassen, das Verfahren nach einem der Ansprüche 1 bis 9 auszuführen.
Computerlesbares Medium, welches Befehle umfasst, die, wenn sie von einem Computer ausgeführt werden, den Computer veranlassen, das Verfahren nach einem der Ansprüche 1 bis 9 auszuführen.
Sensor, insbesondere ein Drucksensor, zur Verwendung in der Verfahrens- und/oder Automatisierungstechnik (10), welcher einen Speicher (11) umfasst, der die bestimmten Koeffizienten nach einem der Ansprüche 1 bis 9 gespeichert hat, und wobei der Sensor, insbesondere der Drucksensor, dafür geeignet ist, unter Verwendung der bestimmten Koeffizienten (c₀ bis c_n) einen kompensierten Sensorwert auszugeben, insbesondere einen kompensierten Druckwert.
Verfahren zum Betreiben eines Sensors nach dem vorstehenden Anspruch, wobei der Sensor die bestimmten Koeffizienten nach einem der Ansprüche 1 bis 9 verwendet, um einen kompensierten Druckwert auszugeben.