DE102022119361B3 - Sensor device, system and method - Google Patents

Sensor device, system and method Download PDF

Info

Publication number
DE102022119361B3
DE102022119361B3 DE102022119361.6A DE102022119361A DE102022119361B3 DE 102022119361 B3 DE102022119361 B3 DE 102022119361B3 DE 102022119361 A DE102022119361 A DE 102022119361A DE 102022119361 B3 DE102022119361 B3 DE 102022119361B3
Authority
DE
Germany
Prior art keywords
magnetic field
actuator
sensor device
information
learning model
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.)
Active
Application number
DE102022119361.6A
Other languages
German (de)
Inventor
Matthias Reiter
Kurt Kliche
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Festo SE and Co KG
Original Assignee
Festo SE and Co KG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Festo SE and Co KG filed Critical Festo SE and Co KG
Priority to DE102022119361.6A priority Critical patent/DE102022119361B3/en
Application granted granted Critical
Publication of DE102022119361B3 publication Critical patent/DE102022119361B3/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
    • F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
    • F15B15/00—Fluid-actuated devices for displacing a member from one position to another; Gearing associated therewith
    • F15B15/20—Other details, e.g. assembly with regulating devices
    • F15B15/28—Means for indicating the position, e.g. end of stroke
    • F15B15/2815—Position sensing, i.e. means for continuous measurement of position, e.g. LVDT
    • F15B15/2861—Position sensing, i.e. means for continuous measurement of position, e.g. LVDT using magnetic means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D5/00—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
    • G01D5/12—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable using electric or magnetic means
    • G01D5/14—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable using electric or magnetic means influencing the magnitude of a current or voltage
    • G01D5/142—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable using electric or magnetic means influencing the magnitude of a current or voltage using Hall-effect devices
    • G01D5/145—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable using electric or magnetic means influencing the magnitude of a current or voltage using Hall-effect devices influenced by the relative movement between the Hall device and magnetic fields
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
    • F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
    • F15B21/00—Common features of fluid actuator systems; Fluid-pressure actuator systems or details thereof, not covered by any other group of this subclass
    • F15B21/08—Servomotor systems incorporating electrically operated control means

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Mechanical Engineering (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Fluid Mechanics (AREA)
  • Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)

Abstract

Die Erfindung betrifft eine Sensoreinrichtung (2) zur Bestimmung einer Position eines einen Magneten (12) aufweisenden Aktorglieds (8) eines Aktors (3), umfassend: eine Magnetsensoreinrichtung (16) zur Erfassung eines Magnetfeldes des Magneten (12) und zur Erzeugung einer Magnetfeldinformation gemäß dem erfassten Magnetfeld, sowie eine Rechnereinheit (18), die ausgebildet ist, auf Basis der Magnetfeldinformation eine Positionsinformation zu berechnen, die die Position des Aktorglieds (8) anzeigt, dadurch gekennzeichnet, dass die Rechnereinheit (18) über ein Machine-Learning-Modell (19) verfügt und ausgebildet ist, die Positionsinformation unter Verwendung des Machine-Learning-Modells (19) zu berechnen und/oder unter Verwendung des Machine-Learning-Modells (19) wenigstens einen Aktorparameter auf Basis der Magnetfeldinformation zu berechnen und die Positionsinformation unter Verwendung des wenigstens einen Aktorparameters zu berechnen.The invention relates to a sensor device (2) for determining a position of an actuator member (8) of an actuator (3) having a magnet (12), comprising: a magnetic sensor device (16) for detecting a magnetic field of the magnet (12) and for generating magnetic field information according to the detected magnetic field, and a computer unit (18) which is designed to calculate position information based on the magnetic field information, which indicates the position of the actuator member (8), characterized in that the computer unit (18) has a machine learning system Model (19) has and is designed to calculate the position information using the machine learning model (19) and / or to calculate at least one actuator parameter based on the magnetic field information and the position information using the machine learning model (19). to calculate using the at least one actuator parameter.

Description

Die Erfindung betrifft eine Sensoreinrichtung zur Bestimmung einer Position eines einen Magneten aufweisenden Aktorglieds eines Aktors, umfassend: eine Magnetsensoreinrichtung zur Erfassung eines Magnetfeldes des Magneten und zur Erzeugung einer Magnetfeldinformation gemäß dem erfassten Magnetfeld, sowie eine Rechnereinheit, die ausgebildet ist, auf Basis der Magnetfeldinformation eine Positionsinformation zu berechnen, die die Position des Aktorglieds anzeigt.The invention relates to a sensor device for determining a position of an actuator member of an actuator having a magnet, comprising: a magnetic sensor device for detecting a magnetic field of the magnet and for generating magnetic field information according to the detected magnetic field, and a computer unit which is designed based on the magnetic field information To calculate position information that indicates the position of the actuator member.

Aus der US 2019 / 0 201 120 A1 ist ein ein Robotersystem umfassendes chirurgisches System bekannt. Das Robotersystem umfasst eine Steuereinheit, einen Roboterarm mit einem Anbauteil, ein erstes Sensorsystem, das mit der Steuereinheit in Signalverbindung steht, und ein zweites Sensorsystem. Das erste Sensorsystem ist so konfiguriert, dass es eine Position des Anbauteils erfasst. Ein chirurgisches Werkzeug ist abnehmbar an dem Anbauteil angebracht. Das zweite Sensorsystem ist unabhängig von dem ersten Sensorsystem und so konfiguriert, dass es eine Position des chirurgischen Werkzeugs erfasst.From the US 2019 / 0 201 120 A1 a surgical system comprising a robot system is known. The robot system includes a control unit, a robot arm with an attachment, a first sensor system that is in signal connection with the control unit, and a second sensor system. The first sensor system is configured to detect a position of the attachment. A surgical tool is removably attached to the attachment. The second sensor system is independent of the first sensor system and configured to detect a position of the surgical tool.

Die US 2021 / 0 290 311 A1 zeigt ein chirurgisches Robotersystem, dass die Position oder Ausrichtung eines Objekts erfasst, bei dem es sich um einen Trokar handeln kann, der ein Magnetfeld aufweist. Die Magnetfeldsensoren sind mit einem chirurgischen Roboterarm verbunden. Ein mit den Magnetfeldsensoren gekoppeltes maschinelles Lernmodell wird trainiert, um die dreidimensionale Position und/oder dreidimensionale Ausrichtung des Trokars oder eines anderen Objekts auszugeben.The US 2021 / 0 290 311 A1 shows a surgical robotic system that senses the position or orientation of an object, which may be a trocar that has a magnetic field. The magnetic field sensors are connected to a surgical robotic arm. A machine learning model coupled to the magnetic field sensors is trained to output the three-dimensional position and/or three-dimensional orientation of the trocar or other object.

Der Aktor ist beispielsweise ein pneumatischer Antriebszylinder und die Sensoreinrichtung ist zweckmäßigerweise an dem Aktor angebracht. Exemplarisch ist die Sensoreinrichtung in eine außen am Aktor vorhandene Nut eingesetzt.The actuator is, for example, a pneumatic drive cylinder and the sensor device is expediently attached to the actuator. For example, the sensor device is inserted into a groove on the outside of the actuator.

Das Aktorglied ist entlang eines insbesondere linearen Bewegungswegs positionierbar, insbesondere relativ zur Magnetsensoreinrichtung. Das von der Magnetsensoreinrichtung erfasste Magnetfeld, insbesondere die Magnetfeldinformation, hängt von der relativen Position des Aktorglieds zu der Magnetsensoreinrichtung ab, so dass auf Basis der Magnetfeldinformation die Position des Aktorglieds (als die Positionsinformation) berechnet werden kann. Diese Abhängigkeit zwischen der Magnetfeldinformation und der Positionsinformation hängt wiederum von der Ausgestaltung (beispielsweise der Dimensionierung) des Aktors und insbesondere der Ausgestaltung des Magneten (beispielsweise dessen Magnetfeldgeometrie) ab. Bei der Berechnung der Positionsinformation auf Basis der Magnetfeldinformation kann die konkrete Ausgestaltung des Aktors und/oder des Magneten über wenigstens einen Aktorparameter, vorzugsweise über zwei Aktorparameter, berücksichtigt werden.The actuator member can be positioned along a particularly linear movement path, in particular relative to the magnetic sensor device. The magnetic field detected by the magnetic sensor device, in particular the magnetic field information, depends on the relative position of the actuator member to the magnetic sensor device, so that the position of the actuator member (as the position information) can be calculated based on the magnetic field information. This dependency between the magnetic field information and the position information in turn depends on the design (for example the dimensioning) of the actuator and in particular the design of the magnet (for example its magnetic field geometry). When calculating the position information based on the magnetic field information, the specific design of the actuator and/or the magnet can be taken into account via at least one actuator parameter, preferably via two actuator parameters.

Eine Aufgabe der Erfindung besteht darin, eine flexibel einsetzbare Sensoreinrichtung bereitzustellen.One object of the invention is to provide a sensor device that can be used flexibly.

Die Aufgabe wird gelöst durch eine Sensoreinrichtung gemäß Anspruch 1. Die Rechnereinheit der Sensoreinrichtung verfügt über ein Machine-Learning-Modell und ist ausgebildet, die Positionsinformation unter Verwendung des Machine-Learning-Modells zu berechnen und/oder unter Verwendung des Machine-Learning-Modells wenigstens einen Aktorparameter auf Basis der Magnetfeldinformation zu berechnen und die Positionsinformation unter Verwendung des wenigstens einen Aktorparameters zu berechnen.The task is solved by a sensor device according to claim 1. The computer unit of the sensor device has a machine learning model and is designed to calculate the position information using the machine learning model and / or using the machine learning model to calculate at least one actuator parameter based on the magnetic field information and to calculate the position information using the at least one actuator parameter.

Durch die Verwendung des Machine-Learning-Modells kann die Rechnereinheit ihre Berechnung der Positionsinformation an den jeweils vorliegenden Aktor anpassen, insbesondere über eine entsprechende Anpassung des wenigstens einen Aktorparameters. Dadurch kann die Sensoreinrichtung mit verschiedenen Aktoren verwendet werden und ist somit flexibel einsetzbar.By using the machine learning model, the computer unit can adapt its calculation of the position information to the respective actuator, in particular via a corresponding adjustment of the at least one actuator parameter. This means that the sensor device can be used with different actuators and can therefore be used flexibly.

Es sind dabei insbesondere zwei Ansätze möglich, um die Positionsinformation zu ermitteln. Zum einen ist es möglich, unter Verwendung des Machine-Learning-Modells direkt die Positionsinformation zu berechnen, beispielsweise, indem die Magnetfeldinformation durch das Machine-Learning-Modell direkt auf die Positionsinformation abgebildet wird.In particular, two approaches are possible to determine the position information. On the one hand, it is possible to calculate the position information directly using the machine learning model, for example by mapping the magnetic field information directly onto the position information using the machine learning model.

Zum anderen ist es möglich, unter Verwendung des Machine-Learning-Modells erst den wenigstens einen Aktorparameter zu berechnen (so dass er an den vorliegenden Aktor angepasst ist) und dann mit dem berechneten wenigstens einen Aktorparameter die Positionsinformation zu berechnen. Bei diesem Ansatz kann z.B. der wenigstens eine Aktorparameter initial berechnet werden und dann im weiteren Betrieb mehrfach, insbesondere immer wieder, verwendet werden, um die jeweils aktuelle Positionsinformation unter Verwendung dieses wenigstens einen Aktorparameter zu berechnen. Die berechnen der Positionsinformation unter Verwendung des wenigstens einen Aktorparameters erfolgt zweckmäßigerweise auf Basis der jeweils (durch die Magnetsensoreinrichtung bereitgestellten) aktuellen Magnetfeldinformation.On the other hand, it is possible to first calculate the at least one actuator parameter using the machine learning model (so that it is adapted to the present actuator) and then to calculate the position information using the calculated at least one actuator parameter. With this approach, for example, the at least one actuator parameter can be initially calculated and then used repeatedly, in particular repeatedly, during further operation in order to calculate the current position information using this at least one actuator parameter. The calculation of the position information using the at least one actuator parameter is expediently carried out on the basis of the current magnetic field information (provided by the magnetic sensor device).

Bevorzugt ist lediglich die Magnetfeldinformation von einer einzelnen Position des Aktorglieds erforderlich, um den wenigstens einen Aktorparameter mit dem Machine-Learning-Modell zu berechnen. Das bedeutet, dass es nicht erforderlich ist, das Aktorglied an mehrere verschiedene Positionen zu bewegen (beispielsweise im Rahmen einer Lernfahrt, um die für die Berechnung des wenigstens einen Aktorparameters erforderliche Information zu erfassen, und dass eine solche Lenrfahrt vorzugsweise auch nicht stattfindet (zum Zwecke der Bestimmung des wenigstens einen Aktorparameters).Preferably, only the magnetic field information from a single position of the actuator member is required in order to determine the at least one actuator parameter ter to calculate with the machine learning model. This means that it is not necessary to move the actuator member to several different positions (for example as part of a learning run in order to acquire the information required for the calculation of the at least one actuator parameter, and that such a learning run preferably does not take place either (for the purpose of the determination of the at least one actuator parameter).

Der Aktorparameter kann vorzugsweise jederzeit bestimmt werden (z.B. indem einfach die Magnetfeldinformation an der aktuellen Position des Aktorglieds erfasst wird und auf Basis dieser Magnetfeldinformation der wenigstens eine Aktorparameter berechnet wird), insbesondere, ohne dass das Aktorglied hierfür bewegt werden muss. Der Aktorparameter kann somit insbesondere auch im Normalbetrieb bestimmt werden, in dem der Aktor bestimmungsgemäß eingesetzt wird und das Aktorglied zu einem anderen Zweck als der Bestimmung des Aktorparameters bewegt wird.The actuator parameter can preferably be determined at any time (e.g. by simply detecting the magnetic field information at the current position of the actuator member and calculating the at least one actuator parameter based on this magnetic field information), in particular without the actuator member having to be moved for this purpose. The actuator parameter can therefore also be determined in particular in normal operation, in which the actuator is used as intended and the actuator member is moved for a purpose other than determining the actuator parameter.

Vorteilhafte Weiterbildungen sind Gegenstand der Unteransprüche.Advantageous further training is the subject of the subclaims.

Die Erfindung betrifft ferner ein System umfassend die Sensoreinrichtung und den Aktor. Bevorzugt ist die Sensoreinrichtung in eine Nut eines Aktorgehäuses des Aktors eingesetzt.The invention further relates to a system comprising the sensor device and the actuator. The sensor device is preferably inserted into a groove in an actuator housing of the actuator.

Die Erfindung betrifft ferner ein Verfahren zum Betreiben der Sensoreinrichtung oder des Systems, umfassend die Schritte: Erfassen des Magnetfelds und Erzeugen der Magnetfeldinformation gemäß dem erfassten Magnetfeld, ferner umfassend den Schritt: Berechnen der Positionsinformation unter Verwendung des Machine-Learning-Modells auf Basis der Magnetfeldinformation und/oder Berechnen eines Aktorparameter unter Verwendung des Machine-Learning-Modells auf Basis der Magnetfeldinformation und Berechnen der Positionsinformation unter Verwendung des wenigstens einen Aktorparameters.The invention further relates to a method for operating the sensor device or the system, comprising the steps: detecting the magnetic field and generating the magnetic field information according to the detected magnetic field, further comprising the step: calculating the position information using the machine learning model based on the magnetic field information and/or calculating an actuator parameter using the machine learning model based on the magnetic field information and calculating the position information using the at least one actuator parameter.

Die Erfindung betrifft ferner ein Verfahren zum Bereitstellen eines Machine-Learning-Modells zum Einsatz in der Sensoreinrichtung, umfassend die Schritte: Messen und/oder Simulieren einer Mehrzahl an Magnetfeldinformation-Kennlinien für eine Mehrzahl an verschiedenen Aktoren, wobei jede Magnetsensorinnformation-Kennlinie für einen jeweiligen Aktor einen jeweiligen Verlauf der Magnetfeldinformation in Abhängigkeit von der Position des Aktorglieds darstellt, und, auf Basis der Mehrzahl an Magnetfeldinformation-Kennlinien, Trainieren des Machine-Learning-Modells, das die Magnetfeldinformation auf den wenigstens einen Aktorparameter und/oder die Positionsinformation abbildet. Bevorzugt umfasst das Verfahren ferner den Schritt: Übertragen des Machine-Learning-Modells auf die Sensoreinrichtung.The invention further relates to a method for providing a machine learning model for use in the sensor device, comprising the steps: measuring and/or simulating a plurality of magnetic field information characteristics for a plurality of different actuators, each magnetic sensor information characteristic for a respective one Actuator represents a respective course of the magnetic field information depending on the position of the actuator member, and, based on the plurality of magnetic field information characteristics, training the machine learning model that maps the magnetic field information to the at least one actuator parameter and / or the position information. The method preferably further comprises the step: transferring the machine learning model to the sensor device.

Weitere exemplarische Details sowie beispielhafte Ausführungsformen werden nachstehend unter Bezugnahme auf die Figuren erläutert. Dabei zeigt

  • 1 eine schematische Darstellung eines Systems mit einer Sensoreinrichtung, einem Aktor und einer Steuerung.
  • 2 eine schematische Darstellung von Sensorelementen, eines Magneten und einer Magnetfeldlinie,
  • 3 ein Flussdiagramm eines Verfahrens zum Betrieb einer Sensoreinrichtung,
  • 4 ein Flussdiagramm eines Verfahrens zur Bereitstellung eines Machine-Learning-Modells.
Further exemplary details as well as exemplary embodiments are explained below with reference to the figures. This shows
  • 1 a schematic representation of a system with a sensor device, an actuator and a controller.
  • 2 a schematic representation of sensor elements, a magnet and a magnetic field line,
  • 3 a flowchart of a method for operating a sensor device,
  • 4 a flowchart of a method for deploying a machine learning model.

Die 1 zeigt ein System 1, das eine Sensoreinrichtung 2, einen Aktor 3 und eine Steuerung 4 umfasst. Das System 1 stellt eine exemplarische Anwendungsumgebung für die Sensoreinrichtung 2 dar. Die Sensoreinrichtung 2 kann auch für sich genommen - also ohne den Aktor 3 und/oder die Steuerung 4 - bereitgestellt sein. Die Sensoreinrichtung 2 ist vorzugsweise für die Industrieautomatisierung ausgeführt. Bei dem System 1 handelt es sich beispielsweise um ein industrielles System, insbesondere um ein System für die Industrieautomatisierung.The 1 shows a system 1, which includes a sensor device 2, an actuator 3 and a controller 4. The system 1 represents an exemplary application environment for the sensor device 2. The sensor device 2 can also be provided on its own - that is, without the actuator 3 and/or the controller 4. The sensor device 2 is preferably designed for industrial automation. System 1 is, for example, an industrial system, in particular a system for industrial automation.

Exemplarisch ist die Sensoreinrichtung 2 an dem Aktor 3 befestigt. Zweckmäßigerweise ist die Sensoreinrichtung 2 in eine Nut 13 außen an einem Aktorgehäuse 5 des Aktors 3 eingesetzt.By way of example, the sensor device 2 is attached to the actuator 3. The sensor device 2 is expediently inserted into a groove 13 on the outside of an actuator housing 5 of the actuator 3.

Die Steuerung 4 ist beispielsweise als übergeordnete Steuerung, insbesondere als speicherprogrammierbare Steuerung, SPS, ausgeführt. Exemplarisch ist die Sensoreinrichtung 2 über ein Kabel 20 mit der Steuerung 4 verbunden, insbesondere an diese angeschlossen.The controller 4 is designed, for example, as a higher-level controller, in particular as a programmable logic controller, PLC. By way of example, the sensor device 2 is connected to the controller 4 via a cable 20, in particular connected to it.

Im Folgenden soll näher auf den Aktor 3 eingegangen werden:

  • Der Aktor 3 ist exemplarisch als pneumatischer Antriebszylinder ausgeführt, beispielhaft als doppeltwirkender pneumatischer Antriebszylinder, kann alternativ aber auch als einfachwirkender pneumatischer Antriebszylinder oder als ein anderer Aktor, beispielsweise als ein elektrischer Aktor, ausgeführt sein. Der Aktor 3 umfasst das insbesondere zylindrisch ausgeführtes Aktorgehäuse 5, in dem wenigstens eine Druckkammer 6 angeordnet ist. Exemplarisch verfügt der Aktor 3 über zwei Druckkammern 6, 7, die in dem Aktorgehäuse 5 angeordnet sind.
Actuator 3 will be discussed in more detail below:
  • The actuator 3 is designed, for example, as a pneumatic drive cylinder, for example as a double-acting pneumatic drive cylinder, but can alternatively also be designed as a single-acting pneumatic drive cylinder or as another actuator, for example as an electric actuator. The actuator 3 includes the actuator housing 5, which is particularly cylindrical and in which at least one pressure chamber 6 is arranged. By way of example, the actuator 3 has two pressure chambers 6, 7, which are arranged in the actuator housing 5.

Das Aktorgehäuse 5 ist zweckmäßigerweise das Außengehäuse des Aktors 3.The actuator housing 5 is expediently the outer housing of the actuator 3.

Der Aktor 3 umfasst ein Aktorglied 8, das exemplarisch als Kolbenanordnung ausgeführt ist und zweckmäßigerweise in dem Aktorgehäuse 5 angeordnet ist. Die Kolbenanordnung umfasst einen Kolben 9, der einen von dem Aktorgehäuse 5 umgebenen Innenraum in die erste Druckkammer 6 und die zweite Druckkammer 7 unterteilt. Exemplarisch umfasst die Kolbenanordnung ferner eine Kolbenstange 10, die an dem Kolben 9 angebracht ist und sich zweckmäßigerweise durch eine in dem Aktorgehäuse 5 vorhandene Öffnung nach außerhalb des Aktorgehäuses 5 erstreckt.The actuator 3 comprises an actuator member 8, which is designed as an example of a piston arrangement and is expediently arranged in the actuator housing 5. The piston arrangement comprises a piston 9, which divides an interior space surrounded by the actuator housing 5 into the first pressure chamber 6 and the second pressure chamber 7. By way of example, the piston arrangement further comprises a piston rod 10, which is attached to the piston 9 and expediently extends through an opening in the actuator housing 5 to the outside of the actuator housing 5.

Das Aktorglied 8 ist beweglich gelagert, insbesondere relativ zu dem Aktorgehäuse 5. Das Aktorglied 8 ist relativ zu dem Aktorgehäuse 5 entlang eines insbesondere linearen Bewegungswegs 11 bewegbar. Das Aktorglied 8, exemplarisch der Kolben 9, verfügt über einen Magneten 12, der exemplarisch ringförmig und/oder als Permanentmagnet ausgeführt ist. Die Richtung der Magnetisierung des Magneten 12 verläuft vorzugsweise parallel zu der Richtung des Bewegungswegs 11. The actuator member 8 is movably mounted, in particular relative to the actuator housing 5. The actuator member 8 is movable relative to the actuator housing 5 along a particularly linear movement path 11. The actuator member 8, for example the piston 9, has a magnet 12, which is exemplary annular and/or designed as a permanent magnet. The direction of magnetization of the magnet 12 preferably runs parallel to the direction of the movement path 11.

Der insbesondere ringförmige Magnet 12 ist zweckmäßigerweise mit seiner Symmetrieachse parallel und/oder koaxial zu dem Bewegungsweg 11 ausgerichtet.The particularly ring-shaped magnet 12 is expediently aligned with its axis of symmetry parallel and/or coaxial to the movement path 11.

Vorzugsweise verfügt das Aktorgehäuse 5 über die Nut 13, die insbesondere außen an dem Aktorgehäuse 5 angeordnet ist. Die Nut 13 erstreckt sich zweckmäßigerweise entlang der Längsrichtung des Aktors 3 und/oder verläuft parallel zu dem Bewegungsweg 11 des Aktorglieds 8.The actuator housing 5 preferably has the groove 13, which is arranged in particular on the outside of the actuator housing 5. The groove 13 expediently extends along the longitudinal direction of the actuator 3 and/or runs parallel to the movement path 11 of the actuator member 8.

Nachstehend soll näher auf die Sensoreinrichtung 2 eingegangen werden:

  • Die Sensoreinrichtung 2 dient zur Bestimmung einer Position des Aktorglieds 8, exemplarisch entlang des Bewegungswegs 11.
  • Die Sensoreinrichtung 2 umfasst exemplarisch ein Sensoreinrichtungsgehäuse 14, das insbesondere das Außengehäuse der Sensoreinrichtung 2 darstellt. Die Sensoreinrichtung 2, insbesondere das
  • Sensoreinrichtungsgehäuse 14, ist zweckmäßigerweise länglich ausgeführt. Exemplarisch beträgt die größte Abmessung, insbesondere die Länge, der Sensoreinrichtung 2 weniger als 5 cm. Vorzugsweise umfasst die Sensoreinrichtung 2 eine Leiterplatte 15, die insbesondere in dem Sensoreinrichtungsgehäuse 14 angeordnet ist.
The sensor device 2 will be discussed in more detail below:
  • The sensor device 2 is used to determine a position of the actuator member 8, for example along the movement path 11.
  • The sensor device 2 exemplarily includes a sensor device housing 14, which in particular represents the outer housing of the sensor device 2. The sensor device 2, in particular that
  • Sensor device housing 14 is expediently elongated. By way of example, the largest dimension, in particular the length, of the sensor device 2 is less than 5 cm. The sensor device 2 preferably comprises a circuit board 15, which is arranged in particular in the sensor device housing 14.

Bevorzugt ist die Sensoreinrichtung 2 ausgebildet, in die Nut 13 des Aktorgehäuses 5 des Aktors 3 eingesetzt zu werden. Beispielsweise umfasst die Sensoreinrichtung 2 einen Einsetzabschnitt, mit dem die Sensoreinrichtung 2 in die Nut 13 eingesetzt werden kann, insbesondere derart, dass die Sensoreinrichtung 2 in der Nut 13 fixiert ist. Der Einsetzabschnitt ist beispielsweise als Nutenstein ausgeführt oder weist die Form eines Nutensteins auf. Optional kann die Sensoreinrichtung derart ausgestaltet sein, dass sie vollständig in die Nut eingesetzt werden kann.The sensor device 2 is preferably designed to be inserted into the groove 13 of the actuator housing 5 of the actuator 3. For example, the sensor device 2 includes an insertion section with which the sensor device 2 can be inserted into the groove 13, in particular in such a way that the sensor device 2 is fixed in the groove 13. The insertion section is designed, for example, as a sliding block or has the shape of a sliding block. Optionally, the sensor device can be designed in such a way that it can be inserted completely into the groove.

Die Sensoreinrichtung 2 umfasst eine Magnetsensoreinrichtung 16 zur Erfassung eines Magnetfeldes des Magneten 12 und zur Erzeugung einer Magnetfeldinformation gemäß dem erfassten Magnetfeld. Die Magnetsensoreinrichtung 16 umfasst wenigstens ein Magnetsensorelement 17, beispielsweise einen Hallsensor, zur Erfassung des Magnetfelds. Exemplarisch umfasst die Magnetsensoreinrichtung 16 zwei Magnetsensorelemente 17A, 17B, beispielsweise zwei Hallsensoren, zur Erfassung des Magnetfelds. Die zwei Magnetsensorelemente 17A, 17B sind exemplarisch in Richtung des Bewegungswegs 11 voneinander beabstandet angeordnet. Exemplarisch ist die Magnetsensoreinrichtung 16, insbesondere die beiden Magnetsensorelemente 17A, 17B, in dem Sensoreinrichtungsgehäuse 14 und/oder auf der Leiterplatte 15 angeordnet.The sensor device 2 includes a magnetic sensor device 16 for detecting a magnetic field of the magnet 12 and for generating magnetic field information according to the detected magnetic field. The magnetic sensor device 16 comprises at least one magnetic sensor element 17, for example a Hall sensor, for detecting the magnetic field. By way of example, the magnetic sensor device 16 includes two magnetic sensor elements 17A, 17B, for example two Hall sensors, for detecting the magnetic field. The two magnetic sensor elements 17A, 17B are arranged at a distance from one another in the direction of the movement path 11, for example. By way of example, the magnetic sensor device 16, in particular the two magnetic sensor elements 17A, 17B, is arranged in the sensor device housing 14 and/or on the circuit board 15.

Unter Bezugnahme auf die 2 soll nachstehend näher auf die Erfassung des Magnetfelds und die Erzeugung der Magnetfeldinformation eingegangen werden.With reference to the 2 The detection of the magnetic field and the generation of the magnetic field information will be discussed in more detail below.

Die 2 zeigt den Magneten 12 des Aktors 3 zusammen mit den Magnetsensorelementen 17A, 17B der Sensoreinrichtung 2. Ferner ist in der 2 eine Magnetfeldlinie 25 des Magnetfelds des Magneten 12 gezeigt.The 2 shows the magnet 12 of the actuator 3 together with the magnetic sensor elements 17A, 17B of the sensor device 2. Furthermore, in the 2 a magnetic field line 25 of the magnetic field of the magnet 12 is shown.

Jedes Magnetsensorelement 17A, 17B erfasst das Magnetfeld zweckmäßigerweise in wenigstens zwei verschiedenen Raumrichtungen. Exemplarisch misst jedes Magnetsensorelement 17A, 17B jeweils zwei in verschiedene Richtungen ausgerichtete Magnetfeldkomponenten - und zwar eine jeweilige erste Magnetfeldkomponente 21 (exemplarisch in Axialrichtung, insbesondere parallel zur Richtung des Bewegungswegs 11) und eine jeweilige zweite Magnetfeldkomponente 22 (exemplarisch in Radialrichtung, insbesondere orthogonal zur Richtung des Bewegungswegs 11).Each magnetic sensor element 17A, 17B expediently detects the magnetic field in at least two different spatial directions. By way of example, each magnetic sensor element 17A, 17B measures two magnetic field components aligned in different directions - namely a respective first magnetic field component 21 (example in the axial direction, in particular parallel to the direction of the movement path 11) and a respective second magnetic field component 22 (example in the radial direction, in particular orthogonal to the direction the movement path 11).

Exemplarisch wird mit jedem Magnetsensorelement 17 eine jeweilige Magnetfeldinformation gemäß dem an dem jeweiligen Magnetsensorelement 17 erfassten Magnetfeld erzeugt. Die Magnetfeldinformation des ersten Magnetsensorelements 17 soll auch als erste Magnetfeldinformation bezeichnet werden und die Magnetfeldinformation des zweiten Magnetsensorelements soll auch als zweite Magnetfeldinformation bezeichnet werden.By way of example, each magnetic sensor element 17 generates a respective magnetic field information according to the magnetic field detected at the respective magnetic sensor element 17. The magnetic field information of the first magnetic sensor element 17 should also be referred to as first magnetic field information and the magnetic field information of the second magnetic sensor element should also be referred to as second magnetic field information.

Die nachfolgenden, auf die Magnetfeldinformation bezogenen Erläuterungen gelten zweckmäßigerweise jeweils für die erste Magnetfeldinformation und für die zweite Magnetfeldinformation.The following explanations relating to the magnetic field information apply expediently to the first magnetic field information and to the second magnetic field information.

Die Magnetfeldinformation umfasst zweckmäßigerweise eine wenigstens zweidimensionale Messgröße des Magnetfelds. Beispielsweise bildet die Magnetfeldinformation die Magnetfeldstärke, insbesondere die magnetische Flussdichte, des Magnetfelds ab, insbesondere in wenigstens zwei verschiedenen räumlichen Dimensionen. Beispielsweise umfasst die Magnetfeldinformation einen ersten Messwert der Magnetfeldstärke, insbesondere der magnetischen Flussdichte, des Magnetfelds in einer ersten Raumrichtung, beispielsweise eine Axialrichtung in Bezug auf den Bewegungsweg 11 und/oder einen zweiten Messwert der Magnetfeldstärke, insbesondere der magnetischen Flussdichte, des Magnetfelds in einer von der ersten Raumrichtung verschiedenen zweite Raumrichtung, beispielsweise einer Radialrichtung in Bezug auf den Bewegungsweg 11. Der erste Messwert bildet zweckmäßigerweise die erste Magnetfeldkomponente 21 ab. Der zweite Messwert bildet zweckmäßigerweise die zweite Magnetfeldkomponente 22 ab. Der erste Messwert soll auch als Axial-Messwert und der zweite Messwert als Radial-Messwert bezeichnet werden.The magnetic field information expediently includes an at least two-dimensional measurement variable of the magnetic field. For example, the magnetic field information represents the magnetic field strength, in particular the magnetic flux density, of the magnetic field, in particular in at least two different spatial dimensions. For example, the magnetic field information includes a first measured value of the magnetic field strength, in particular the magnetic flux density, of the magnetic field in a first spatial direction, for example an axial direction with respect to the movement path 11 and / or a second measured value of the magnetic field strength, in particular the magnetic flux density, of the magnetic field in one of The second spatial direction different from the first spatial direction, for example a radial direction with respect to the movement path 11. The first measured value expediently forms the first magnetic field component 21. The second measured value expediently forms the second magnetic field component 22. The first measurement value should also be referred to as the axial measurement value and the second measurement value as the radial measurement value.

Die Magnetfeldinformation kann eine Magnetfeldrichtung 23 des Magnetfeldes, insbesondere der magnetischen Flussdichte des Magnetfeldes, und/oder einen Betrag 24 des Magnetfeldes, insbesondere der magnetischen Flussdichte des Magnetfeldes, beschreiben. Die Magnetfeldrichtung 23 des Magnetfeldes ist insbesondere ein Magnetfeldwinkel relativ zur Richtung des Bewegungswegs 11.The magnetic field information can describe a magnetic field direction 23 of the magnetic field, in particular the magnetic flux density of the magnetic field, and/or an amount 24 of the magnetic field, in particular the magnetic flux density of the magnetic field. The magnetic field direction 23 of the magnetic field is in particular a magnetic field angle relative to the direction of the movement path 11.

Zweckmäßigerweise stellt jedes Magnetsensorelement 17A, 17B eine jeweilige Magnetfeldinformation bereit, die wie vorstehend erläutert ausgeführt ist und zweckmäßigerweise einen jeweiligen ersten Messwert und einen jeweiligen zweiten Messwert umfasst und/oder eine jeweilige Magnetfeldrichtung 23 und/oder einen jeweiligen Betrag 24 des Magnetfelds beschreibt. Exemplarisch umfasst die erste Magnetfeldinformation einen ersten Axial-Messwert und einen ersten Radial-Messwert, und/oder einen ersten Magnetfeldwinkel und/oder einen ersten Betrag des Magnetfelds. Exemplarisch umfasst die zweite Magnetfeldinformation einen zweiten Axial-Messwert und einen zweiten Radial-Messwert, und/oder einen zweiten Magnetfeldwinkel und/oder einen zweiten Betrag des Magnetfelds.Each magnetic sensor element 17A, 17B expediently provides respective magnetic field information, which is designed as explained above and expediently comprises a respective first measured value and a respective second measured value and/or describes a respective magnetic field direction 23 and/or a respective amount 24 of the magnetic field. By way of example, the first magnetic field information includes a first axial measured value and a first radial measured value, and/or a first magnetic field angle and/or a first magnitude of the magnetic field. By way of example, the second magnetic field information includes a second axial measured value and a second radial measured value, and/or a second magnetic field angle and/or a second magnitude of the magnetic field.

Die Sensoreinrichtung 2 umfasst eine Rechnereinheit 18. Die Rechnereinheit 18 ist ausgebildet, auf Basis der Magnetfeldinformation eine Positionsinformation zu berechnen, die die Position des Aktorglieds 8 anzeigt, insbesondere entlang des Bewegungswegs 11. Die Rechnereinheit 18 ist beispielsweise als Mikrocontroller ausgeführt und ist zweckmäßigerweise in dem Sensoreinrichtungsgehäuse 14 und/oder auf der Leiterplatte 15 angeordnet. Bevorzugt ist die Rechnereinheit 18 ausgebildet, die Positionsinformation unter Verwendung wenigstens eines Aktorparameters zu berechnen.The sensor device 2 comprises a computer unit 18. The computer unit 18 is designed to calculate position information based on the magnetic field information, which indicates the position of the actuator member 8, in particular along the movement path 11. The computer unit 18 is designed, for example, as a microcontroller and is expediently in the Sensor device housing 14 and/or arranged on the circuit board 15. The computer unit 18 is preferably designed to calculate the position information using at least one actuator parameter.

Der wenigstens eine Aktorparameter beschreibt bevorzugt eine Magnetfeldgeometrie des Magnetfelds und/oder eine relative Positionierung des Magneten 12 zu der Sensoreinrichtung 2. Mit dem Begriff Magnetfeldgeometrie ist insbesondere die Form des räumlichen Verlaufs des Magnetfelds gemeint. Die relative Positionierung ist zweckmäßigerweise der Abstand (insbesondere orthogonal zur Richtung des Bewegungswegs 11) zwischen dem Magneten 12 und der Magnetsensoreinrichtung 16, insbesondere dem ersten Sensorelement 17A und/oder dem zweiten Sensorelement 17B.The at least one actuator parameter preferably describes a magnetic field geometry of the magnetic field and/or a relative positioning of the magnet 12 to the sensor device 2. The term magnetic field geometry refers in particular to the shape of the spatial course of the magnetic field. The relative positioning is expediently the distance (in particular orthogonal to the direction of the movement path 11) between the magnet 12 and the magnetic sensor device 16, in particular the first sensor element 17A and/or the second sensor element 17B.

Beispielsweise verfügt die Rechnereinheit 18 über einen ersten Aktorparameter und einen zweiten Aktorparameter. Der erste Aktorparameter soll nachstehend auch als c1 bezeichnet werden und beschreibt zweckmäßigerweise die vorstehend genannte relative Positionierung des Magneten 12 zu der Sensoreinrichtung 2. Der zweite Aktorparameter soll nachstehend auch als c2 bezeichnet werden und beschreibt zweckmäßigerweise die vorstehend genannten Magnetfeldgeometrie.For example, the computer unit 18 has a first actuator parameter and a second actuator parameter. The first actuator parameter should also be referred to below as c 1 and expediently describes the above-mentioned relative positioning of the magnet 12 to the sensor device 2. The second actuator parameter should also be referred to below as c 2 and expediently describes the above-mentioned magnetic field geometry.

Vorzugsweise ist die Rechnereinheit 18 ausgebildet, die Positionsinformation auf Basis des ersten Aktorparameters und des zweiten Aktorparameters zu berechnen, insbesondere auf Basis des Magnetfeldwinkels, beispielsweise gemäß der nachstehend wiedergegebenen Gleichung (1): x = ƒ ( α , c 1 , c 2 )

Figure DE102022119361B3_0001
The computer unit 18 is preferably designed to calculate the position information based on the first actuator parameter and the second actuator parameter, in particular based on the magnetic field angle, for example according to equation (1) shown below: x = ƒ ( α , c 1 , c 2 )
Figure DE102022119361B3_0001

Bei der Gleichung (1) ist x die Positionsinformation und beschreibt zweckmäßigerweise die Position des Magneten 12 entlang des Bewegungswegs 11, insbesondere relativ zur Magnetsensoreinrichtung 16. Ferner ist α der Magnetfeldwinkel (insbesondere relativ zur Richtung des Bewegungswegs 11). Mit f soll eine Funktion bezeichnet werden, die den Magnetfeldwinkel und die Aktorparameter auf die Positionsinformation abbildet. Optional kann die Funktion f über mehr als zwei Aktorparameter verfügen.In equation (1), x is the position information and expediently describes the position of the magnet 12 along the movement path 11, in particular relative to the magnetic sensor device 16. Furthermore, α is the magnetic field angle (in particular relative to the direction of the movement path 11). F is intended to denote a function that maps the magnetic field angle and the actuator parameters to the position information. Optionally, the function f can have more than two actuator parameters.

Bevorzugt ist die Rechnereinheit 18 ausgebildet, die Positionsinformation auf Basis des ersten Aktorparameters c1, des Magnetfeldwinkels α des Magnetfelds und des zweiten Aktorparameters c2 zu berechnen.The computer unit 18 is preferably designed to provide position information based on the first Actuator parameter c 1 , the magnetic field angle α of the magnetic field and the second actuator parameter c 2 to calculate.

Im Folgenden soll näher darauf eingegangen werden, wie die Rechnereinheit 18 den wenigstens einen Aktorparameter ermittelt.Below we will go into more detail about how the computer unit 18 determines the at least one actuator parameter.

Die Rechnereinheit 18 verfügt über ein Machine-Learning-Modell 19, das vorzugsweise in einem nicht-flüchtigen Speicher der Rechnereinheit 18 gespeichert ist. Bevorzugt ist die Rechnereinheit 18 ausgebildet, unter Verwendung des Machine-Learning-Modells wenigstens einen Aktorparameter (insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter) auf Basis der Magnetfeldinformation zu berechnen. Bevorzugt ist die Rechnereinheit 18 ausgebildet, die Positionsinformation unter Verwendung des wenigstens einen Aktorparameters (insbesondere des ersten Aktorparameters und/oder des zweiten Aktorparameters) zu berechnen.The computer unit 18 has a machine learning model 19, which is preferably stored in a non-volatile memory of the computer unit 18. The computer unit 18 is preferably designed to calculate at least one actuator parameter (in particular the first actuator parameter and/or the second actuator parameter) based on the magnetic field information using the machine learning model. The computer unit 18 is preferably designed to calculate the position information using the at least one actuator parameter (in particular the first actuator parameter and/or the second actuator parameter).

Bevorzugt bildet das Machine-Learning-Modell 19 die Magnetfeldinformation auf den wenigstens einen Aktorparameter ab, vorzugsweise auf den ersten Aktorparameter und/oder den zweiten Aktorparameter. Das Machine-Learning-Modell 19 kann beispielsweise den Axial-Messwert und den Radial-Messwert auf den wenigstens einen Aktorparameter (insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter) abbilden. Ferner kann das Machine-Learning-Modell 19 die Magnetfeldrichtung 23, insbesondere den Magnetfeldwinkel und den Betrag des Magnetfelds auf den wenigstens einen Aktorparameter (insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter) abbilden. Gemäß einer möglichen Ausgestaltung kann das Machine-Learning-Modell 19 die erste Magnetfeldinformation und die zweite Magnetfeldinformation auf den wenigstens einen Aktorparameter (insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter) abbilden.The machine learning model 19 preferably maps the magnetic field information to the at least one actuator parameter, preferably to the first actuator parameter and/or the second actuator parameter. The machine learning model 19 can, for example, map the axial measured value and the radial measured value onto the at least one actuator parameter (in particular the first actuator parameter and/or the second actuator parameter). Furthermore, the machine learning model 19 can map the magnetic field direction 23, in particular the magnetic field angle and the magnitude of the magnetic field, onto the at least one actuator parameter (in particular the first actuator parameter and/or the second actuator parameter). According to a possible embodiment, the machine learning model 19 can map the first magnetic field information and the second magnetic field information onto the at least one actuator parameter (in particular the first actuator parameter and/or the second actuator parameter).

Beispielsweise ist die Rechnereinheit 18 ausgebildet, unter Verwendung des Machine-Learning-Modells 19 einen der beiden Aktorparameter (vorzugsweise den zweiten Aktorparameter) auf Basis der Magnetfeldinformation zu berechnen und unter Verwendung einer Gleichung (beispielsweise der Gleichung (1)), die vorzugsweise die beiden Aktorparameter, die Magnetfeldinformation und die Positionsinformation miteinander verknüpft, den ersten Aktorparameter zu berechnen, in dem der (durch das Machine-Learning-Modell 19 erhaltene) zweite Aktorparameter in die Gleichung eingesetzt wird.For example, the computer unit 18 is designed to calculate one of the two actuator parameters (preferably the second actuator parameter) based on the magnetic field information using the machine learning model 19 and using an equation (for example equation (1)), which preferably contains the two Actuator parameters, the magnetic field information and the position information are linked together to calculate the first actuator parameter by inserting the second actuator parameter (obtained by the machine learning model 19) into the equation.

Bevorzugt umfasst die Magnetsensoreinrichtung 16 das erste Magnetsensorelement 17A zur Erfassung der ersten Magnetfeldinformation und das von dem ersten Magnetsensorelement 17B in Richtung des Bewegungswegs 11 des Aktorglieds 8 beabstandete zweites Magnetsensorelement 17B zur Erfassung der zweiten Magnetfeldinformation. Die Rechnereinheit 18 ist ausgebildet, unter Verwendung des Machine-Learning-Modells 19 den wenigstens einen Aktorparameter auf Basis der ersten Magnetfeldinformation und der zweiten Magnetfeldinformation zu berechnen und die Positionsinformation unter Verwendung des wenigstens einen Aktorparameters zu berechnen, beispielsweise auf Basis der bereits ersten Magnetfeldinformation und/oder der bereits erfassten zweiten Magnetfeldinformation, oder auf Basis einer später (z.B. nach der Berechnung des wenigstens einen Aktorparameters) erfassten ersten Magnetfeldinformation und/oder zweiten Magnetfeldinformation.The magnetic sensor device 16 preferably comprises the first magnetic sensor element 17A for detecting the first magnetic field information and the second magnetic sensor element 17B, which is spaced from the first magnetic sensor element 17B in the direction of the movement path 11 of the actuator member 8, for detecting the second magnetic field information. The computer unit 18 is designed to use the machine learning model 19 to calculate the at least one actuator parameter based on the first magnetic field information and the second magnetic field information and to calculate the position information using the at least one actuator parameter, for example based on the already first magnetic field information and /or the already detected second magnetic field information, or on the basis of a first magnetic field information and/or second magnetic field information detected later (e.g. after the calculation of the at least one actuator parameter).

Bevorzugt ist die Rechnereinheit 18 ausgebildet, den wenigstens einen berechneten Aktorparameter, insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter, zu speichern, insbesondere in einem nicht-flüchtigen Speicher der Rechnereinheit 18. Die Rechnereinheit 18 ist zweckmäßigerweise ausgebildet, den gespeicherten Aktorparameter, insbesondere den gespeicherten ersten Aktorparameter und/oder den gespeicherten zweiten Aktorparameter für eine Vielzahl von Berechnungen der Positionsinformation zu verwenden.The computer unit 18 is preferably designed to store the at least one calculated actuator parameter, in particular the first actuator parameter and/or the second actuator parameter, in particular in a non-volatile memory of the computer unit 18. The computer unit 18 is expediently designed to store the stored actuator parameter, in particular to use the stored first actuator parameter and/or the stored second actuator parameter for a plurality of calculations of the position information.

Das Machine-Learning-Modell umfasst beispielsweise ein künstliches neuronales Netzwerk, einen k-Nächste-Nachbarn-Algorithmus, einen Entscheidungsbaum, einen Zufallswald und/oder eine Stütz-Vektor-Maschine. Das Machine-Learning-Modell 19 basiert beispielsweise auf Supervised Learning, Unsupervised Learning und/oder Reinforcement Learning. Das Machine-Learning-Modell 19 setzt beispielsweise eine Klassifikation, eine Regression, ein Clustering und/oder Action Control ein.The machine learning model includes, for example, an artificial neural network, a k-nearest neighbors algorithm, a decision tree, a random forest and/or a support vector machine. The machine learning model 19 is based, for example, on supervised learning, unsupervised learning and/or reinforcement learning. The machine learning model 19 uses, for example, classification, regression, clustering and/or action control.

Bevorzugt bildet das Machine-Learning-Modell, insbesondere das künstliche neuronale Netzwerk, die Magnetfeldinformation auf den wenigstens einen Aktorparameter ab. Insbesondere ist die Magnetfeldinformation eine Eingangsgröße des Machine-Learning-Modells, vorzugsweise die einzige Eingangsgröße, und der wenigstens eine Aktorparameter ist eine Ausgangsgröße des Machine-Learning-Modells.The machine learning model, in particular the artificial neural network, preferably maps the magnetic field information onto the at least one actuator parameter. In particular, the magnetic field information is an input variable of the machine learning model, preferably the only input variable, and the at least one actuator parameter is an output variable of the machine learning model.

Bevorzugt ist die Rechnereinheit 18 ausgebildet, unter Verwendung des Machine-Learning-Modells 19 den wenigstens einen Aktorparameter auf Basis einer nur für eine Position des Aktorglieds 8 erfassten Magnetfeldinformation zu berechnen. Die Sensoreinrichtung 2 ist also zweckmäßigerweise ausgebildet, die Magnetfeldinformation (beispielsweise die erste Magnetfeldinformation und/oder die zweite Magnetfeldinformation) einmal - insbesondere nur einmal - für eine Position des Aktorglieds 8 zu erfassen und auf Basis dieser erfassten Magnetfeldinformation (beispielsweise die erste Magnetfeldinformation und/oder die zweite Magnetfeldinformation) unter Verwendung des Machine-Learning-Modells 19 den wenigstens einen Aktorparameter (insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter) zu berechnen, insbesondere wie vorstehend erläutert.The computer unit 18 is preferably designed to calculate the at least one actuator parameter using the machine learning model 19 on the basis of magnetic field information recorded only for one position of the actuator member 8. The sensor device 2 is therefore expediently designed to transmit the magnetic field information (for example the first magnetic field information and/or the second magnetic field information) once - in particular which only once - for a position of the actuator member 8 to be recorded and based on this recorded magnetic field information (for example the first magnetic field information and / or the second magnetic field information) using the machine learning model 19 the at least one actuator parameter (in particular the first actuator parameter and / or the second actuator parameter), in particular as explained above.

Die Stellung des Aktorglieds 8, bei der die Sensoreinrichtung 2 die Magnetfeldinformation (beispielsweise die erste Magnetfeldinformation und/oder die zweite Magnetfeldinformation) erfasst, ist zweckmäßigerweise eine beliebige Position, beispielsweise die aktuelle Position, die das Aktorglied 8 einnimmt, insbesondere im Rahmen eines Normalbetriebs. Zweckmäßigerweise wird zur Erfassung der Magnetinformation, auf deren Basis der wenigstens eine Aktorparameter berechnet wird, keine Lernfahrt des Aktorglieds 8 durchgeführt und/oder keine bestimmte Position mit dem Aktorglied 8 angefahren und/oder keine spezielle Bewegung mit dem Aktorglied 8 durchgeführt.The position of the actuator member 8, in which the sensor device 2 detects the magnetic field information (for example the first magnetic field information and/or the second magnetic field information), is expediently any position, for example the current position that the actuator member 8 assumes, in particular in the context of normal operation. In order to acquire the magnetic information, on the basis of which the at least one actuator parameter is calculated, no learning run of the actuator member 8 is expediently carried out and/or no specific position is approached with the actuator member 8 and/or no special movement is carried out with the actuator member 8.

Bevorzugt verwendet die Rechnereinheit 18 die Magnetfeldinformation (beispielsweise die erste Magnetfeldinformation und/oder die zweite Magnetfeldinformation) von (insbesondere nur) einer einzelnen Position des Aktorglieds, um den wenigstens einen Aktorparameter mit dem Machine-Learning-Modell zu berechnen. Zweckmäßigerweise wird das Aktorglied 8 also nicht an mehrere verschiedene Positionen bewegt (beispielsweise im Rahmen einer Lernfahrt, um die für die Berechnung des wenigstens einen Aktorparameters erforderliche Information zu erfassen.The computer unit 18 preferably uses the magnetic field information (for example the first magnetic field information and/or the second magnetic field information) from (in particular only) a single position of the actuator member in order to calculate the at least one actuator parameter using the machine learning model. Expediently, the actuator member 8 is therefore not moved to several different positions (for example as part of a learning run in order to record the information required for the calculation of at least one actuator parameter.

Optional ist die Sensoreinrichtung 2 ausgebildet, an mehreren verschiedenen Positionen des Aktorglieds eine jeweilige Magnetinformation (insbesondere eine jeweilige erste Magnetinformation und/oder eine jeweilige zweite Magnetinformation) zu erfassen und auf Basis der erfassten Magnetinformationen den wenigstens einen Aktorparameter (insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter) unter Verwendung des Machine-Learning-Modells mehrmals zu berechnen, um mehrere Werte für den Aktorparameter zu erhalten, und dann zweckmäßigerweise einen Mittelwert der berechneten Werte zu berechnen, und diesen Mittelwert als den Aktorparameter zu verwenden.Optionally, the sensor device 2 is designed to detect respective magnetic information (in particular a respective first magnetic information and/or a respective second magnetic information) at several different positions of the actuator member and to determine the at least one actuator parameter (in particular the first actuator parameter and/or) based on the detected magnetic information (the second actuator parameter) using the machine learning model several times to obtain multiple values for the actuator parameter, and then conveniently calculating an average of the calculated values and using this average as the actuator parameter.

Optional ist die Rechnereinheit 18 ausgebildet, die Positionsinformation unter Verwendung des Machine-Learning-Modells 19 zu berechnen. Beispielsweise kann das Machine-Learning-Modell 19 die Magnetfeldinformation (insbesondere direkt) auf die Positionsinformation abbilden. In diesem Fall ist die Magnetfeldinformation (insbesondere die ersten Magnetfeldinformation und/oder die zweite Magnetfeldinformation) eine Eingangsgröße des Machine-Learning-Modells, vorzugsweise die einzige Eingangsgröße, und die Positionsinformation ist eine Ausgangsgröße des Machine-Learning-Modells. In diesem Fall werden die Aktorparameter und/oder die Gleichung (1) zweckmäßigerweise nicht verwendet und/oder sind nicht vorhanden.Optionally, the computer unit 18 is designed to calculate the position information using the machine learning model 19. For example, the machine learning model 19 can map the magnetic field information (in particular directly) onto the position information. In this case, the magnetic field information (in particular the first magnetic field information and/or the second magnetic field information) is an input variable of the machine learning model, preferably the only input variable, and the position information is an output variable of the machine learning model. In this case, the actuator parameters and/or equation (1) are expediently not used and/or are not present.

Bevorzugt ist die Rechnereinheit 18 ausgebildet, auf Basis der Magnetfeldinformation, des Machine-Learning-Modells und/oder des wenigstens einen Aktorparameters eine Identifikationsinformation bereitzustellen, die den Aktor identifiziert. Vorzugsweise wird aus der Magnetfeldinformation auf den Aktor 3 geschlossen, und so optional eine oder mehrere Kenngrößen des Aktors 3 (z.B. eine maximal zulässige Endlagenenergie) der Sensoreinrichtung 2 und/oder der Steuerung 4 zur Verfügung gestellt. Die Identifikationsinformation ist beispielsweise eine Produktnummer des Aktors 3. Optional gibt die Sensoreinrichtung 2 die Identifikationsinformation an die Steuerung 4 aus.Preferably, the computer unit 18 is designed to provide identification information that identifies the actuator based on the magnetic field information, the machine learning model and/or the at least one actuator parameter. Preferably, conclusions about the actuator 3 are drawn from the magnetic field information, and one or more parameters of the actuator 3 (e.g. a maximum permissible end position energy) are optionally made available to the sensor device 2 and/or the controller 4. The identification information is, for example, a product number of the actuator 3. Optionally, the sensor device 2 outputs the identification information to the controller 4.

Bevorzugt ist die die Rechnereinheit 18 ausgebildet, auf Basis der Magnetfeldinformation, des Machine-Learning-Modells 19 und/oder des wenigstens einen Aktorparameters eine Wechselinformation bereitzustellen, die einen Wechsel des Aktors 3 anzeigt. Beispielsweise ist die Rechnereinheit 18 ausgebildet, den wenigstens einen Aktorparameter, insbesondere den zweiten Aktorparameter, zu überwachen und in Ansprechen auf eine Veränderung des wenigstens einen Aktorparameters, insbesondere des zweiten Aktorparameters, auf einen Wechsel des Aktors 3 zu schließen und die Wechselinformation zu erzeugen. Die Wechselinformation wird beispielsweise an einen Benutzer ausgegeben und kann den Benutzer beispielsweise auf eine Rekonfiguration hinweisen. Optional gibt die Sensoreinrichtung 2 die Wechselinformation an die Steuerung 4 aus.Preferably, the computer unit 18 is designed to provide change information based on the magnetic field information, the machine learning model 19 and/or the at least one actuator parameter, which indicates a change of the actuator 3. For example, the computer unit 18 is designed to monitor the at least one actuator parameter, in particular the second actuator parameter, and to infer a change in the actuator 3 in response to a change in the at least one actuator parameter, in particular the second actuator parameter, and to generate the change information. The change information is, for example, issued to a user and can, for example, inform the user of a reconfiguration. Optionally, the sensor device 2 outputs the change information to the controller 4.

Unter Bezugnahme auf die 3 soll nachstehend ein Verfahren zum Betreiben der Sensoreinrichtung 2 und/oder des Systems 1 erläutert werden.With reference to the 3 A method for operating the sensor device 2 and/or the system 1 will be explained below.

Das Verfahren umfasst einen ersten Schritt S1, bei dem die Sensoreinrichtung 2 mit der Magnetsensoreinrichtung 16 das Magnetfeld erfasst und auf Basis des erfassten Magnetfelds die Magnetfeldinformation bereitstellt.The method includes a first step S1, in which the sensor device 2 detects the magnetic field with the magnetic sensor device 16 and provides the magnetic field information based on the detected magnetic field.

Das Verfahren umfasst ferner einen zweiten Schritt S2, bei dem die Rechnereinheit 18 unter Verwendung des Machine-Learning-Modells 19 den wenigstens einen Aktorparameter auf Basis der Magnetfeldinformation berechnet. Vorzugsweise wird im Schritt S2 der wenigstens eine Aktorparameter in der Rechnereinheit 18 gespeichert. Beispielsweise wird die Gleichung (1) mit dem wenigstens einen Aktorparameter parametrisiert.The method further comprises a second step S2, in which the computer unit 18 calculates the at least one actuator parameter based on the magnetic field information using the machine learning model 19. Preferably, in step S2, the at least one actuator parameter is stored in the computer unit 18. Example The equation (1) is parameterized with the at least one actuator parameter.

Der erste Schritt S1 und der zweite Schritt S2 bilden zweckmäßigerweise zusammen eine Parametrisierungsprozedur PP.The first step S1 and the second step S2 expediently together form a parameterization procedure PP.

Das Verfahren umfasst optional einen dritten Schritt S3, bei dem die Sensoreinrichtung 2 mit der Magnetsensoreinrichtung 16 das Magnetfeld erfasst und auf Basis des erfassten Magnetfelds die Magnetfeldinformation bereitstellt. Alternativ kann im Schritt S3 die bereits im Schritt S1 erzeugte Magnetfeldinformation bereitgestellt werden.The method optionally includes a third step S3, in which the sensor device 2 detects the magnetic field with the magnetic sensor device 16 and provides the magnetic field information based on the detected magnetic field. Alternatively, the magnetic field information already generated in step S1 can be provided in step S3.

Das Verfahren umfasst einen vierten Schritt S4, bei dem die Rechnereinheit 18 unter Verwendung des wenigstens einen Aktorparameters die Positionsinformation berechnet, beispielsweise auf Basis der (insbesondere im Schritt S1 und/oder Schritt S3 erhaltenen) Magnetfeldinformation und/oder unter Verwendung der Gleichung (1).The method includes a fourth step S4, in which the computer unit 18 calculates the position information using the at least one actuator parameter, for example based on the magnetic field information (in particular obtained in step S1 and/or step S3) and/or using equation (1) .

Optional umfasst das Verfahren einen vierten Schritt S5, bei dem entschieden wird, ob der wenigstens eine Aktorparameter neu bestimmt werden soll. Beispielsweise wird der Aktorparameter periodisch neu bestimmt und im Schritt S5 kann beispielsweise geprüft werden, ob eine Zeitperiode, nach der eine Neu-Bestimmung des Aktorparameters erfolgen soll, bereits abgelaufen ist.Optionally, the method includes a fourth step S5, in which a decision is made as to whether the at least one actuator parameter should be redetermined. For example, the actuator parameter is periodically redetermined and in step S5 it can be checked, for example, whether a time period after which the actuator parameter should be redetermined has already expired.

Sofern im fünften Schritt S5 entschieden wird, dass der wenigstens eine Aktorparameter neu bestimmt werden soll, kehrt das Verfahren zu dem Schritt S1 zurück. Sofern im fünften Schritt S5 entschieden wird, dass der wenigstens eine Aktorparameter nicht neu bestimmt werden soll, kehrt das Verfahren zu dem Schritt S3 zurück.If it is decided in the fifth step S5 that the at least one actuator parameter should be redetermined, the method returns to step S1. If it is decided in the fifth step S5 that the at least one actuator parameter should not be redetermined, the method returns to step S3.

Im Folgenden soll unter Bezugnahme auf die 4 auf ein Verfahren zum Bereitstellen des Machine-Learning-Modells 19 eingegangen werden. Das Verfahren der 4 kann beispielsweise vor dem Verfahren der 3 ausgeführt werden, so dass dann im Verfahren der 3 das durch das Verfahren der 4 erhaltene Machine-Learning-Modell 19 verwendet werden kann.The following is intended with reference to the 4 a method for providing the machine learning model 19 will be discussed. The procedure of 4 can, for example, before the procedure 3 be carried out, so that in the process of 3 that through the process of 4 obtained machine learning model 19 can be used.

Das Verfahren der 4 umfasst einen Schritt S01, bei dem ein Messen und/oder Simulieren einer Mehrzahl von Magnetfeldinformation-Kennlinien für eine Mehrzahl von verschiedenen Aktoren erfolgt. Jede Magnetsensorinformation-Kennlinie stellt für einen jeweiligen Aktor einen jeweiligen Verlauf der Magnetfeldinformation in Abhängigkeit von der Position des Aktorglieds dar. Bevorzugt wird ferner für jeden Aktor der wenigstens eine Aktorparameter (insbesondere der erste Aktorparameter und/oder der zweite Aktorparameter) gemessen und/oder simuliert und/oder es wird die Positionsinformation gemessen und/oder simuliert. Die Magnetsensorinformation-Kennlinien und/oder die Aktorparameter und/oder die Positionsinformation dienen zweckmäßigerweise als Trainingsdaten zum Trainieren des Machine-Learning-Modells 19.The procedure of 4 comprises a step S01, in which a plurality of magnetic field information characteristics are measured and/or simulated for a plurality of different actuators. Each magnetic sensor information characteristic curve represents a respective course of the magnetic field information for a respective actuator depending on the position of the actuator member. Furthermore, the at least one actuator parameter (in particular the first actuator parameter and/or the second actuator parameter) is preferably measured and/or simulated for each actuator and/or the position information is measured and/or simulated. The magnetic sensor information characteristics and/or the actuator parameters and/or the position information expediently serve as training data for training the machine learning model 19.

Das Verfahren umfasst ferner einen Schritt S02, bei dem auf Basis der Mehrzahl an Magnetfeldinformation-Kennlinien ein Trainieren des Machine-Learning-Modells erfolgt, das die Magnetfeldinformation auf den wenigstens einen Aktorparameter und/oder die Positionsinformation abbildet. Zweckmäßigerweise werden für das Training ferner die Aktorparameter und/oder die Positionsinformation verwendet.The method further comprises a step S02, in which the machine learning model is trained based on the plurality of magnetic field information characteristics, which maps the magnetic field information to the at least one actuator parameter and/or the position information. The actuator parameters and/or the position information are also expediently used for training.

Bevorzugt umfasst das Verfahren ferner den Schritt S03, bei dem das Machine-Learning-Modell 19 auf die Sensoreinrichtung 2 übertragen wird.The method preferably further includes step S03, in which the machine learning model 19 is transferred to the sensor device 2.

Claims (18)

Sensoreinrichtung (2) zur Bestimmung einer Position eines einen Magneten (12) aufweisenden Aktorglieds (8) eines Aktors (3), umfassend: eine Magnetsensoreinrichtung (16) zur Erfassung eines Magnetfeldes des Magneten (12) und zur Erzeugung einer Magnetfeldinformation gemäß dem erfassten Magnetfeld, sowie eine Rechnereinheit (18), die ausgebildet ist, auf Basis der Magnetfeldinformation eine Positionsinformation zu berechnen, die die Position des Aktorglieds (8) anzeigt, dadurch gekennzeichnet, dass die Rechnereinheit (18) über ein Machine-Learning-Modell (19) verfügt und ausgebildet ist, die Positionsinformation unter Verwendung des Machine-Learning-Modells (19) zu berechnen und/oder unter Verwendung des Machine-Learning-Modells (19) wenigstens einen Aktorparameter auf Basis der Magnetfeldinformation zu berechnen und die Positionsinformation unter Verwendung des wenigstens einen Aktorparameters zu berechnen.Sensor device (2) for determining a position of an actuator member (8) of an actuator (3) having a magnet (12), comprising: a magnetic sensor device (16) for detecting a magnetic field of the magnet (12) and for generating magnetic field information according to the detected magnetic field , and a computer unit (18) which is designed to calculate position information based on the magnetic field information, which indicates the position of the actuator member (8), characterized in that the computer unit (18) has a machine learning model (19) has and is designed to calculate the position information using the machine learning model (19) and / or to calculate at least one actuator parameter based on the magnetic field information using the machine learning model (19) and to calculate the position information using the at least to calculate an actuator parameter. Sensoreinrichtung (2) nach Anspruch 1, wobei das Machine-Learning-Modell (19) ein künstliches neuronales Netzwerk, einen k-Nächste-Nachbarn-Algorithmus, einen Entscheidungsbaum, einen Zufallswald und/oder eine Stütz-Vektor-Maschine umfasst.Sensor device (2). Claim 1 , wherein the machine learning model (19) comprises an artificial neural network, a k-nearest neighbors algorithm, a decision tree, a random forest and / or a support vector machine. Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei das Machine-Learning-Modell (19) die Magnetfeldinformation auf die Positionsinformation abbildet.Sensor device (2) according to one of the preceding claims, wherein the machine learning model (19) maps the magnetic field information onto the position information. Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei das Machine-Learning-Modell (19) die Magnetfeldinformation auf den wenigstens einen Aktorparameter abbildet.Sensor device (2) according to one of the preceding claims, wherein the machine learning model (19) maps the magnetic field information onto the at least one actuator parameter. Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Magnetfeldinformation eine Magnetfeldrichtung des Magnetfelds beschreibt.Sensor device (2) according to one of the preceding claims, wherein the magnetic field information describes a magnetic field direction of the magnetic field. Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei der wenigstens eine Aktorparameter eine Magnetfeldgeometrie des Magnetfelds und/oder eine relative Positionierung des Magneten (12) zu der Magnetsensoreinrichtung (16) beschreibt.Sensor device (2) according to one of the preceding claims, wherein the at least one actuator parameter describes a magnetic field geometry of the magnetic field and/or a relative positioning of the magnet (12) to the magnetic sensor device (16). Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Rechnereinheit (18) ausgebildet ist, unter Verwendung des Machine-Learning-Modells (19) einen ersten Aktorparameter und/oder einen zweiten Aktorparameter auf Basis der Magnetfeldinformation zu berechnen, und die Positionsinformation auf Basis des ersten Aktorparameters, des Magnetfeldwinkels und des zweiten Aktorparameters zu berechnen.Sensor device (2) according to one of the preceding claims, wherein the computer unit (18) is designed to calculate a first actuator parameter and/or a second actuator parameter based on the magnetic field information using the machine learning model (19), and the position information based to calculate the first actuator parameter, the magnetic field angle and the second actuator parameter. Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Rechnereinheit (18) ausgebildet ist, unter Verwendung des Machine-Learning-Modells (19) den wenigstens einen Aktorparameter auf Basis einer nur für eine Position des Aktorglieds (8) erfassten Magnetfeldinformation zu berechnen.Sensor device (2) according to one of the preceding claims, wherein the computer unit (18) is designed to calculate the at least one actuator parameter using the machine learning model (19) on the basis of magnetic field information recorded only for one position of the actuator member (8). Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Magnetsensoreinrichtung (16) ein erstes Magnetsensorelement (17A) zur Erfassung einer ersten Magnetfeldinformation und ein von dem ersten Magnetsensorelement (17A) in Richtung eines Bewegungswegs (11) des Aktorglieds (8) beabstandetes zweites Magnetsensorelement (17B) zur Erfassung einer zweiten Magnetfeldinformation umfasst, und die Rechnereinheit (18) ausgebildet ist, unter Verwendung des Machine-Learning-Modells (19) den wenigstens einen Aktorparameter auf Basis der ersten Magnetfeldinformation und der zweiten Magnetfeldinformation zu berechnen und die Positionsinformation unter Verwendung des wenigstens einen Aktorparameters zu berechnen.Sensor device (2) according to one of the preceding claims, wherein the magnetic sensor device (16) has a first magnetic sensor element (17A) for detecting first magnetic field information and a second magnetic sensor element spaced apart from the first magnetic sensor element (17A) in the direction of a movement path (11) of the actuator member (8). (17B) for detecting second magnetic field information, and the computer unit (18) is designed to calculate the at least one actuator parameter based on the first magnetic field information and the second magnetic field information using the machine learning model (19) and using the position information to calculate the at least one actuator parameter. Sensoreinrichtung (2) nach einem voranstehenden Anspruch, umfassend ein Sensoreinrichtungsgehäuse (14), in dem die Rechnereinheit (18) und die Magnetsensoreinrichtung (16) angeordnet sind.Sensor device (2) according to one of the preceding claims, comprising a sensor device housing (14) in which the computer unit (18) and the magnetic sensor device (16) are arranged. Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Sensoreinrichtung (2) ausgebildet ist, in eine Nut (13) eines Aktorgehäuses (5) des Aktors (3) eingesetzt zu werden.Sensor device (2) according to one of the preceding claims, wherein the sensor device (2) is designed to be inserted into a groove (13) of an actuator housing (5) of the actuator (3). Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Rechnereinheit (18) ausgebildet ist, auf Basis der Magnetfeldinformation, des Machine-Learning-Modells (19) und/oder des wenigstens einen Aktorparameters eine Identifikationsinformation bereitzustellen, die den Aktor (3) identifiziert.Sensor device (2) according to one of the preceding claims, wherein the computer unit (18) is designed to provide identification information that identifies the actuator (3) based on the magnetic field information, the machine learning model (19) and/or the at least one actuator parameter . Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Rechnereinheit (18) ausgebildet ist, auf Basis der Magnetfeldinformation, des Machine-Learning-Modells und/oder des wenigstens einen Aktorparameters eine Wechselinformation bereitzustellen, die einen Wechsel des Aktors (3) anzeigt.Sensor device (2) according to one of the preceding claims, wherein the computer unit (18) is designed to provide change information based on the magnetic field information, the machine learning model and/or the at least one actuator parameter, which indicates a change of the actuator (3). System (1) umfassend eine Sensoreinrichtung (2) nach einem der Ansprüche 1 bis 13 und den Aktor (3).System (1) comprising a sensor device (2) according to one of Claims 1 until 13 and the actuator (3). System (1) nach Anspruch 14, wobei die Sensoreinrichtung (2) in eine Nut (13) eines Aktorgehäuses (5) des Aktors (3) eingesetzt ist.System (1) after Claim 14 , wherein the sensor device (2) is inserted into a groove (13) of an actuator housing (5) of the actuator (3). Verfahren zum Betreiben einer Sensoreinrichtung (2) nach einem der Ansprüche 1 bis 13 oder eines Systems (1) nach Anspruch 14 oder 15, umfassend die Schritte: Erfassen des Magnetfelds und Erzeugen der Magnetfeldinformation gemäß dem erfassten Magnetfeld, ferner umfassend den Schritt: Berechnen der Positionsinformation unter Verwendung des Machine-Learning-Modells (19) auf Basis der Magnetfeldinformation und/oder Berechnen eines Aktorparameter unter Verwendung des Machine-Learning-Modells (19) auf Basis der Magnetfeldinformation und Berechnen der Positionsinformation unter Verwendung des wenigstens einen Aktorparameters.Method for operating a sensor device (2) according to one of Claims 1 until 13 or a system (1). Claim 14 or 15 , comprising the steps: detecting the magnetic field and generating the magnetic field information according to the detected magnetic field, further comprising the step: calculating the position information using the machine learning model (19) based on the magnetic field information and / or calculating an actuator parameter using the machine -Learning model (19) based on the magnetic field information and calculating the position information using the at least one actuator parameter. Verfahren zum Trainieren eines Machine-Learning-Modells (19) zum Einsatz in einer Sensoreinrichtung (2) nach einem der Ansprüche 1 bis 13, umfassend die Schritte: Messen und/oder Simulieren einer Mehrzahl von Magnetfeldinformation-Kennlinien für eine Mehrzahl von verschiedenen Aktoren, wobei jede Magnetsensorinformation-Kennlinie für einen jeweiligen Aktor einen jeweiligen Verlauf der Magnetfeldinformation in Abhängigkeit von der Position des Aktorglieds (8) darstellt, und auf Basis der Mehrzahl von Magnetfeldinformation-Kennlinien, Trainieren des Machine-Learning-Modells (19), das die Magnetfeldinformation auf den wenigstens einen Aktorparameter und/oder die Positionsinformation abbildet.Method for training a machine learning model (19) for use in a sensor device (2) according to one of Claims 1 until 13 , comprising the steps: measuring and/or simulating a plurality of magnetic field information characteristics for a plurality of different actuators, each magnetic sensor information characteristic representing a respective course of the magnetic field information for a respective actuator depending on the position of the actuator member (8), and based on the plurality of magnetic field information characteristics, training the machine learning model (19), which maps the magnetic field information to the at least one actuator parameter and / or the position information. Verfahren nach Anspruch 17, ferner umfassend den Schritt: Übertragen des Machine-Learning-Modells (19) auf die Sensoreinrichtung (2).Procedure according to Claim 17 , further comprising the step: transferring the machine learning model (19) to the sensor device (2).
DE102022119361.6A 2022-08-02 2022-08-02 Sensor device, system and method Active DE102022119361B3 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102022119361.6A DE102022119361B3 (en) 2022-08-02 2022-08-02 Sensor device, system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102022119361.6A DE102022119361B3 (en) 2022-08-02 2022-08-02 Sensor device, system and method

Publications (1)

Publication Number Publication Date
DE102022119361B3 true DE102022119361B3 (en) 2024-01-11

Family

ID=89386879

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102022119361.6A Active DE102022119361B3 (en) 2022-08-02 2022-08-02 Sensor device, system and method

Country Status (1)

Country Link
DE (1) DE102022119361B3 (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190201120A1 (en) 2017-12-28 2019-07-04 Ethicon Llc Sensing arrangements for robot-assisted surgical platforms
US20210290311A1 (en) 2020-03-19 2021-09-23 Verb Surgical Inc. Trocar pose estimation using machine learning for docking surgical robotic arm to trocar

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190201120A1 (en) 2017-12-28 2019-07-04 Ethicon Llc Sensing arrangements for robot-assisted surgical platforms
US20210290311A1 (en) 2020-03-19 2021-09-23 Verb Surgical Inc. Trocar pose estimation using machine learning for docking surgical robotic arm to trocar

Similar Documents

Publication Publication Date Title
DE112019002310B4 (en) PERFORMING A PEG IN HOLE TASK WITH AN UNKNOWN SLOPE
DE102019001948B4 (en) Control and machine learning device
DE102015203686B4 (en) Method and arrangement for determining the position of a magnetic body using magnetic field sensors
DE102013202378B4 (en) Procedural memory learning and robot control
DE102013101095B4 (en) Method and arrangement for correcting poses errors of a kinematics and a corresponding computer program and a corresponding computer-readable storage medium
DE112017002498B4 (en) ROBOT OPERATION EVALUATION DEVICE, ROBOT OPERATION EVALUATION METHOD AND ROBOT SYSTEM
DE112016000582T5 (en) TEACHING DEVICE, TEACHING PROCEDURE AND ROBOT SYSTEM
DE102018200240B4 (en) Robot control device
DE102017111543B4 (en) Robot control device and a method for controlling a robot
DE102006055917B4 (en) Industrial robot and method for detecting an inaccurately parameterized robot model
DE102012202609A1 (en) ELECTRONIC SYSTEM AND METHOD FOR COMPENSATING THE DIMENSIONAL ACCURACY OF A 4-AXIS CNC MACHINING SYSTEM USING GLOBAL AND LOCAL OFFSETS
DE102018001028B4 (en) Numerical control
DE102020119379A1 (en) Positioner self-assessment for digital twin
EP3993959A1 (en) Carrying out an application using at least one robot
DE102022119361B3 (en) Sensor device, system and method
DE102011079764B3 (en) Method and arrangement for calibrating a kinematics and a corresponding computer program and a corresponding computer-readable storage medium
EP3948455A1 (en) Method and device for compensating for a thermally induced change in position on a numerically controlled machine tool
DE102019215016A1 (en) Measuring arrangement, method for setting up a measuring arrangement and method for operating a measuring arrangement
DE102018216561A1 (en) Method, device and computer program for determining an agent's strategy
DE102009040194B4 (en) Method for force control
DE102007046542B4 (en) Method for the automated representation of measured values of a multi-component force measuring device
DE102019131401B3 (en) Calibration of an impedance control of a robot manipulator
DE102013206274A1 (en) Method and apparatus for adapting a non-parametric function model
DE102022108940B3 (en) Automation equipment, process valve assembly and method
DE102020205131A1 (en) Method and device for simulating a technical system

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division