JP2023550834A - 慣性計測装置の異常を検出する方法 - Google Patents

Abstract

本発明は、角速度（ωＡ，ωＢ，ωＣ）及び比力（ｆＡ，ｆＢ，ｆＣ）を測定するために車両で使用されている慣性測定装置（４，５，６）における異常を検出する方法に関し、それぞれが加速度計及びジャイロセンサを含む複数のセンサを備えた少なくとも３つの慣性測定装置（４，５，６）を含んでおり、第１の慣性測定装置（４）がマスタ慣性測定装置として使用され、第１の慣性測定装置（４）よりも性能信頼性が低い第２の慣性測定装置（５）及び第３の慣性測定装置（６）がスレーブ慣性測定装置として使用され、マスタ慣性測定装置（４）からの測定値が基準値として使用され、マスタ慣性測定装置（４）に対して誤差モデルパラメータの推定に関して、スレーブ慣性測定装置（５、６）の測定値を補正し、それによって、２－ｏｕｔ－ｏｆ－３投票によって、それぞれ対応する３つのセンサ信号に基づいて、３つのセンサ信号のうちの１つで異常を検出し、閾値を超える３つのセンサ信号の中央値（Ｍ、Ｄ）からセンサ信号が間隔を有する３つの慣性測定装置（４，５，６）のうちの１つが欠陥と識別され、事前に計算された事前補正を考慮して、マスタ慣性測定装置（４）の異常により、まだ機能しているスレーブ慣性測定装置（５、６）のいずれか１つの信号に切り替えられる。

Description

本発明は、請求項１に記載の慣性計測装置の異常を検出する方法に関する。

慣性計測装置（ＩＭＵ）は、加速度計及びジャイロスコープの配置であり、空間における物体の比力（加速度）と回転速度を測定するために使用される。加速度計信号の呼称として、ドイツの航法文献では、比力（ｓｐｅｃｉｆｉｃ ｆｏｒｃｅ）という用語及び記号ｆが確立されている（文献引用２を参照）。ジャイロスコープ信号については、本明細書では記号ωを使用する。慣性測定装置という用語は、以下では略号ＩＭＵで表される。慣性測定装置は、特に自動運転時に、車両の位置、姿勢、及び速度を決定するために使用される。ＩＭＵのこのタイプの使用例は、文献引用（３）から（６）、又はＵＳ９，７５３，１４４Ｂ１（ＤＥ１０ ２０１７ １０２ ２６９Ａ１）に見つけることができる。

図１は、最新の運動センシング及び運行に慣性測定装置１を使用する例を示している。慣性測定装置１は、ジャイロスコープからの回転速度信号及び加速度モータからの比力信号を送信する。センサ融合装置２では、これらの値を積分することにより、方位角α、速度ｖ、及び／又は姿勢Ｐ等の運動値が計算され、オドメータ、磁力計、気圧高度計、及び／又はＧＮＳＳ受信機等の追加のセンサ３を使用して訂正される。現在の技術では、センサ融合にカルマンフィルタを使用している。

慣性測定装置は、様々な品質レベルで利用可能である。その品質及び価格は、主に使用されるセンサ技術によって決定される。自動車のシリアル用途では、ＭＥＭＳ（ｍｉｃｒｏ－ｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ ｓｅｎｓｏｒ）技術に基づく費用対効果の高いセンサが最も一般的に使用されている。しかしながら、このタイプの費用対効果の高いＩＭＵセンサの精度は、バイアス、感度誤差、非線形性、及び不整合等の確率的センサノイズ及び系統的誤差によって制限される。このような誤差は、通常の動作でセンサに影響を与える特性である。系統的誤差は、計算された運動値の高い精度を確保するために、適切な方法によって検出及び補正されなければならない。補正方法の例は、技術文献又はＤＥ１０ ２０１７ １０２ ２６９Ａ１にも見つけられる。ＩＭＵセンサの確率的及び系統的誤差は、モデルを使用して記述される。例えば、センサによって測定された比力の値ｆ_ｉｍは、以下のモデルによって記述される。

ここで、

は、測定位置における適用可能な比力の成分のベクトルである。値ｂ_ｆｉ（ｔ）は一定又は経時的に徐々に変化するバイアスを表し、値ｓ_ｆｉはセンサの感度誤差であり、値ｖ_ｉはセンサノイズを表し、ベクトルｃ_ｉ ^ｔは基準座標系におけるセンサ軸の調整を表す。モデルパラメータは、推定方法を使用して決定される。

確率的及び系統的誤差に加えて、ＩＭＵセンサは異常も有し得る。この場合、センサは物理的な測定値と放出されたセンサ信号との間の指定された（したがって設計によって事前に設定された）関連性を失うため、指定されていない測定手順が発生する。これにより、影響を受けたＩＭＵセンサは使用できなくなる。

移動計算又は運行中に検出されずに伝播するセンサの異常は、動作信号に重大な誤差又は重大な偽値をもたらし得るため、安全関連用途において安全上のリスクとなる。

自動運転等の安全が重要な用途では、センサの異常を検出する必要がある。その後、関連する誤差を運行ソリューションから排除し、システムが完全に機能し続けることを保証するために（誤差耐性システム）、バックアップソリューションをトリガする必要がある。

これは、特に慣性測定装置のセンサの異常に適用される。このために提案された本発明によるソリューションを図２に示す。

以下に先行技術に基づく他のソリューションを説明する。

（先行技術）
ＵＳ９，５６８，３２１Ｂ２では、冗長性のない個々のＩＭＵにおける異常の検出について記載している。ヘルスモニタリングブロックの形式での検出を、二重冗長運行システム（慣性運行システム－ＩＮＳ）に統合することを提案している。ヘルスモニタリングブロックでは、運動推定中に現れる推定誤差が評価される。このソリューションには、運行システムに対するセンサの異常の影響により、欠陥センサ要素についての直接的な結論が得られないという欠点がある。さらに、ＩＮＳで使用されるＩＭＵ信号の統合は、長い誤差検出時間につながる。さらに、誤差検出は、ＧＮＳＳ、磁力計、気圧計、オドメータ等の追加センサの使用に基づいている。これらのセンサは、一般的に、ＩＭＵセンサよりも誤差感受性が高く、精度が低い。上記の配置では、これらの追加センサの異常及びＩＭＵの異常を明確に区別できない。要約すると、記述されたプロセスでは、異常の検出は可能であるが、欠陥センサの識別はできないことが分かる。しかしながら、これは誤差耐性システム方法の必須要件である。

上記のプロセスの欠点は長い間知られていた。例えば、（３）第１７章にはさらなる詳細が記載されている。そこには安全上重要なＩＮＳアプリケーションにおける冗長ハードウェアの必要性が明示的に規定されている。

冗長慣性測定装置（ＩＭＵ）の使用は、航空機技術の最先端である。これには、同じ特性を備えた高品質の慣性測定装置を冗長センサ構成に組み込むことが含まれる。

この点に関して、例えば、先行技術では、６つの加速度計及び６つの回転速度センサが非直交パターンで配置されたＡＤＩＲＵ（Ａｉｒ Ｄａｔａ Ｉｎｅｒｔｉａｌ Ｒｅｆｅｒｅｎｃｅ Ｕｎｉｔ）を使用しており、最小数のセンサで最大の冗長性を達成している（文献引用１，２を参照）。

ここで、例えば、加速度計からの６つの比力信号ｆ_１，．．．，ｆ_６について、比力の直交成分［ｆ_ｘ，ｆ_ｙ，ｆ_ｚ］の結果のベクトルを得るために回帰方程式を解いている。

ここで、Ｍはセンサ配列を記述する行列であり、ｖはセンサノイズのベクトルである。

回帰方程式を解いている間、監視及び平均生成が並行して行われ得る。システム内の最大２つの加速度計は、その機能を損なうことなく故障し得る。機能安全のために、少なくとも４つのセンサが利用可能である必要がある。

それぞれの慣性測定装置を互いに６０°回転させた２つのＩＮＳを有する別のソリューションがＵＳ５，１８４，３０４Ａにおいて提案されている。このソリューションでは、各システムが放出したエラー統計が他のシステムによって評価され、それにより欠陥センサが特定される。

航空旅行、特に非直交配置に適したセンサは、大量の設置空間を必要とするため、自動車での使用にはあまり適していない。

はるかに費用重視の自動車用途では、このタイプの冗長で高品質の慣性センサの使用は、経済的な観点からも実現不可能である。

多重冗長配置でのＭＥＭＳセンサの使用に関する説明は、ＵＳ８，８２５，４３６Ｂ２に記載されている。ここでは、多重配置はもっぱら測定ノイズ及び系統的センサ誤差（ランツーラン（ｒｕｎ－ｔｏ－ｒｕｎ）バイアスと温度依存バイアス）を減らすために使用される。これには、センサの異常を検出して排除する戦略は含まれない。

（６）は、三重の冗長性を有する自動車用の慣性測定装置について説明している。しかしながら、構造要素に組み込まれているため、電源の問題及び一般的な原因による誤差から十分に保護されていないという欠点がある。

また、文献（文献引用２を参照）から、慣性測定装置又は運行システムのマスタ・スレーブ配置が知られている。これの基本的な概念は、Ｋａｌｍａｎフィルタを使用してマスタシステムからの運行データに基づいて、調整ト角度、オフセット等のスレーブシステムからのパラメータを推定することである。対応するプロセスは、転送調整（ｔｒａｎｓｆｅｒ ａｌｉｇｎｍｅｎｔ）と呼ばれる。この方法は、低コストの運行システムを含む兵器システムで一般的に使用され、一方、誘導システム又はキャリアには高品質の運行システムが含まれる。

以下の文献において、冗長慣性測定装置における誤差耐性に関する様々な概念が記載されている。

－Ｋｏｈｎ他、“Ｆａｉｌ－ｏｐｅｒａｔｉｏｎａｌ ｉｎ ｓａｆｅｔｙ－ｒｅｌａｔｅｄ ａｕｔｏｍｏｔｉｖｅ ｍｕｌｔｉ－ｃｏｒｅ ｓｙｓｔｅｍｓ”、第１０回ＩＥＥＥ国際ＳＩＥシンポジウム（Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｉｎｄｕｓｔｒｉａｌ Ｅｍｂｅｄｄｅｄ Ｓｙｓｔｅｍｓ；ＳＩＥＳ）、２０１５，１－４項，
－Ｔ．ｌｓｈｉｇｏｏｋａ，Ｓ．Ｈｏｎｄａ及びＨ．Ｔａｋａｄａ、“Ｃｏｓｔ－Ｅｆｆｅｃｔｉｖｅ Ｒｅｄｕｎｄａｎｃｙ Ａｐｐｒｏａｃｈ ｆｏｒ Ｆａｉｌ Ｏｐｅｒａｔｉｏｎａｌ Ａｕｔｏｎｏｍｏｕｓ Ｄｒｉｖｉｎｇ Ｓｙｓｔｅｍ”、２０１８ ＩＥＥＥ 第２１回国際ＯＲＣシンポジウム（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｒｅａｌ－Ｔｉｍｅ Ｄｉｓｔｒｉｂｕｔｅｄ Ｃｏｍｐｕｔｉｎｇ；ＩＳＯＲＣ）、２０１８，１０７－１１５項，
－Ｍ．Ｌｉ及びＬ．Ｅｃｋｓｔｅｉｎ、“Ｆａｉｌ－Ｏｐｅｒａｔｉｏｎａｌ Ｓｔｅｅｒ－Ｂｙ－Ｗｉｒｅ Ｓｙｓｔｅｍ ｆｏｒ Ａｕｔｏｎｏｍｏｕｓ Ｖｅｈｉｃｌｅｓ”、２０１９ ＩＥＥＥ ＶＥＣ国際会議（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｖｅｈｉｃｕｌａｒ Ｅｌｅｃｔｒｏｎｉｃｓ ａｎｄ Ｓａｆｅｔｙ；ＩＣＶＥＳ）、２０１９，１－６項，及び
－Ｔ．Ｓｃｈｍｉｄ他、“Ａ Ｓａｆｅｔｙ Ａｒｇｕｍｅｎｔａｔｉｏｎ ｆｏｒ Ｆａｉｌ－Ｏｐｅｒａｔｉｏｎａｌ Ａｕｔｏｍｏｔｉｖｅ Ｓｙｓｔｅｍｓ ｉｎ Ｃｏｍｐｌｉａｎｃｅ ｏｆ ＩＳＯ ２６２６２”、２０１９第４回ＳＲＣ国際会議（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｙｓｔｅｍ Ｒｅｌｉａｂｉｌｉｔｙ ａｎｄ Ｓａｆｅｔｙ；ＩＣＳＲＳ）、２０１９，４８４－４９３項

ＵＳ９，５６８，３２１Ｂ２ Ｓｙｓｔｅｍｓ ａｎｄ Ｍｅｔｈｏｄｓ ｆｏｒ Ｄｅｔｅｒｍｉｎｉｎｇ Ｉｎｅｒｔｉａｌ Ｎａｖｉｇａｔｉｏｎ Ｓｙｓｔｅｍ ＦａｕｌｔｓＢｈａｒａｄｗａｊ他 ０２／２０１７ ＵＳ８，０６５，０７４Ｂ１ Ｃｏｎｆｉｇｕｒａｂｌｅ Ｉｎｅｒｔｉａｌ Ｎａｖｉｇａｔｉｏｎ Ｓｙｓｔｅｍ ｗｉｔｈ Ｄｕａｌ Ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ Ｍｏｄｅｓ Ｌｉｃａｒｄｏ、１１／２０１１ ＵＳ５，１８４，３０４Ａ Ｆａｕｌｔ－Ｔｏｌｅｒａｎｔ Ｉｎｅｒｔｉａｌ Ｎａｖｉｇａｔｉｏｎ ＳｙｓｔｅｍＨｕｄｄｌｅ ０２／１９９３ ＵＳ８，８２５，４３６Ｂ２ Ｉｎｅｒｔｉａｌ Ｓｅｎｓｉｎｇ ｗｉｔｈ Ｓｐａｔｉａｌｌｙ Ｄｉｓｔｒｉｂｕｔｅｄ Ｓｅｎｓｏｒ Ａｒｒａｙ ａｎｄ Ｔｗｏ－Ｄｉｍｅｎｓｉｏｎａｌ Ｄａｔａ ＰｒｏｃｅｓｓｉｎｇＺｈａｎｇ他 ０９／２０１４ ＵＳ９，７５３，１４４Ｂ１ Ｂｉａｓ ａｎｄ Ｍｉｓａｌｉｇｎｍｅｎｔ Ｃｏｍｐｅｎｓａｔｉｏｎ ｆｏｒ ６－ＤＯＦ ＩＭＵ Ｕｓｉｎｇ ＧＮＳＳ／ＩＮＳ ＤａｔａＪａｆａｒｉ他 ０５／２０１７

Ｍ．Ｌ．Ｓｈｅｆｆｅｌｓ，"Ａ Ｆａｕｌｔ－Ｔｏｌｅｒａｎｔ Ａｉｒ Ｄａｔａ／Ｉｎｅｒｔｉａｌ Ｒｅｆｅｒｅｎｃｅ Ｕｎｉｔ"、ＩＥＥＥ ＡＥＳ Ｓｙｓｔｅｍｓ Ｍａｇａｚｉｎｅ，８８４０ Ｅｖｅｒｇｒｅｅｎ Ｂｌｖｄ，ＭＮ５１－１３５５，Ｍｉｎｎｅａｐｏｌｉｓ，ＭＮ ５５４３，１９９３；Ｍ．Ｄ．ＭｃＩｎｔｙｒｅ ａｎｄ Ｃ．Ａ．Ｇｏｓｓｅｔｔ，"Ｔｈｅ Ｂｏｅｉｎｇ ７７７ Ｆａｕｌｔ Ｔｏｌｅｒａｎｔ Ａｉｒ Ｄａｔａ Ｉｎｅｒｔｉａｌ Ｒｅｆｅｒｅｎｃｅ Ｓｙｓｔｅｍ－Ａ Ｎｅｗ Ｖｅｎｔｕｒｅ Ｉｎ Ｗｏｒｋｉｎｇ Ｔｏｇｅｔｈｅｒ"、Ｓｅａｔｔｌｅ、ＷＡ ９８１２４：Ｂｏｅｉｎｇ Ｃｏｍｍｅｒｃｉａｌ Ａｉｒｐｌａｎｅ Ｇｒｏｕｐ，１９９５ Ｊａｎ Ｗｅｎｄｅｌ、ｌｎｔｅｇｒｉｅｒｔｅ Ｎａｖｉｇａｔｉｏｎｓｓｙｓｔｅｍｅ ［Ｉｎｔｅｇｒａｔｅｄ Ｎａｖｉｇａｔｉｏｎ Ｓｙｓｔｅｍｓ］，Ｏｌｄｅｎｂｏｕｒｇ ２００７ Ｐａｕｌ Ｄ．Ｇｒｏｖｅｓ，"Ｐｒｉｎｃｉｐｌｅｓ ｏｆ ＧＮＳＳ，Ｉｎｅｒｔｉａｌ ａｎｄ Ｍｕｌｔｉｓｅｎｓｏｒ Ｉｎｔｅｇｒａｔｅｄ Ｎａｖｉｇａｔｉｏｎ Ｓｙｓｔｅｍｓ"，Ａｒｔｅｃｈ Ｈｏｕｓｅ，Ｂｏｓｔｏｎ，Ｌｏｎｄｏｎ ２０１３ Ｗｉｌｌｙ Ｋｌｉｅｒ，Ａｎｄｒｅａｓ Ｒｅｉｍ ａｎｄ Ｄｉｅｔｍａｒ Ｓｔａｐｅｌ，Ｓａｅ Ｔｅｃｈｎｉｃａｌ Ｐａｐｅｒ Ｓｅｒｉｅｓ，Ｎｏ．２００８－０１－０５８２，"Ｒｏｂｕｓｔ Ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｖｅｈｉｃｌｅ Ｓｉｄｅｓｌｉｐ Ａｎｇｌｅ ａｎ Ａｐｐｒｏａｃｈ ｗ／ｏ Ｖｅｈｉｃｌｅ ａｎｄ Ｔｉｒｅ Ｍｏｄｅｌｓ"，Ａｐｒ．１４－１７，２００８，（７ページ） Ａｎｄｒｅａｓ Ｒｅｉｍ，Ａｌｅｘａｎｄｅｒ Ｓｔｅｉｎｂａｃｈ，Ｏｌｉｖｅｒ Ｏｅｔｔｇｅｎ ａｎｄ Ｄｉｅｔｍａｒ Ｓｔａｐｅｌ，２００９ ＳＡＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ，Ｎｏ．２００９－０１－０４３０，"Ｃｅｎｔｒａｌ Ｓｉｄｅｓｌｉｐ Ａｎｇｌｅ Ｅｓｔｉｍａｔｉｏｎ ｏｎ ａ Ｓｏｆｔｗａｒｅ Ｉｎｔｅｇｒａｔｉｏｎ Ｐｌａｔｆｏｒｍ，" ２００９，（５ページ） ｈｔｔｐ：／／ｗｗｗ．ａｃｅｉｎｎａ．ｃｏｍ Ｔｒｉｐｌｅ ｒｅｄｕｎｄａｎｔ ＩＭＵ ｔａｒｇｅｔｓ ａｕｔｏｎｏｍｏｕｓ ｖｅｈｉｃｌｅｓ，０９／２０１９

本発明の目的は、角速度及び力又は加速度を測定するために車両で使用されている慣性測定装置（ＩＭＵ）における異常を検出するための改善された方法を提供することである。

この目的は、請求項１に記載の特徴を有する方法を使用する本発明によって達成される。

本発明の有利な実施形態は、従属請求項の目的である。

本発明によると、角速度及び比力を測定するために車両で使用されている慣性測定装置における異常を検出するための方法は、それぞれが加速度計及びジャイロセンサを含む複数のセンサを備えた少なくとも３つの慣性測定装置を含む。本発明によれば、第１の慣性測定装置がマスタ慣性測定装置として使用され、前記第１の慣性測定装置よりも低い性能信頼性を有し得る第２の慣性測定装置及び第３の慣性測定装置がスレーブ慣性測定装置として使用され、（例えば、引用（１）のように）誤差モデルパラメータの推定を介して、及び前記マスタ慣性測定装置と比較して、前記スレーブ慣性測定装置からの測定値を補正するために、前記マスタ慣性測定装置からの測定値が基準値として使用され、それによって、対応する３つのセンサ信号に基づいて、及び２－ｏｕｔ－ｏｆ－３投票を使用して、前記３つのセンサ信号のうちの１つにおいて異常を検出可能であり、センサ信号が前記３つのセンサ信号の中央値から閾値を超える距離を有する前記３つの慣性測定装置のうちの１つが欠陥と識別され、前記マスタ慣性測定装置の異常により、まだ機能しているスレーブ慣性測定装置のいずれか１つに信号が切り替えられ、事前に計算された事前補正が適用される。

このプロセスは一般に、３つより多くの慣性測定装置に関する多数決を含むように拡張されてもよい。

本発明の一実施形態では、前記誤差モデルパラメータは、カルマンフィルタ又は再帰最小二乗法を使用して推定されてもよい。

本発明の一実施形態では、前記誤差モデルパラメータの推定のために、前記スレーブ慣性測定装置からの全てのモデルパラメータを含む誤差モデルが使用されてもよく、前記マスタ慣性測定装置からの少なくとも時間的に異なる相対的なセンサオフセットがオンラインで推定される。

本発明の一実施形態では、前記マスタ慣性測定装置からの比力が前記スレーブ慣性測定装置の前記測定位置に変換されてもよい。

本発明の一実施形態では、推定されたパラメータは、許容最大値に制限されてもよい。

本発明の一実施形態では、信号偏差の有意性を検出する際に、カルマンフィルタで評価される推定誤差の共分散がセンサ信号偏差の評価に使用されてもよい。

本発明の一実施形態では、全ての慣性測定装置における全てのセンサが、それぞれのフィルタ装置を使用してフィルタリングされ、かつ時間同期されてもよい。

本発明の一実施形態では、オンラインで推定された誤差モデルパラメータが時間遅延され、前記スレーブ慣性測定装置の前記測定値に使用されてもよい。

本発明の一実施形態では、前記スレーブ慣性測定装置は、マスタ・スレーブ構成を使用して事前補正されてもよく、推定されたセンサ出力に時間遅延が適用され、前記時間遅延内に前記第１の慣性測定装置で誤差が検出された場合、前記スレーブ慣性測定装置における推定されたセンサ誤差は、前記時間遅延の終了に関する値で凍結される。

本発明の一実施形態では、前記３つの信号の平均又は中央値から最も逸脱した信号を検出するために、前記第１の慣性測定装置からの信号及び前記スレーブ慣性測定装置からの事前補正された信号に検出ロジックが適用され、前記平均又は中央値からの正規化された信号差が値１を超える場合、センサ誤差と見なされる。

本発明は、２－ｏｕｔ－ｏｆ－３投票を使用して、ＩＭＵの異常（動作故障）が発生した場合の車両の運動値の誤差耐性のある決定を提供することができる。その場合、幾何学的配置又はやセンサ品質に関する特別な要件はない。しかしながら、本発明は、車両で部分的に既に利用可能な費用対効果の高い異種ＩＭＵハードウェアにも適用可能である。

本発明による方法は、自動化された車両運転のための安全要件の増加を考慮して、車両の正しい動きを推定する機能（故障時動作継続）を保証するやり方として、センサ誤差に対してマスタ慣性測定装置からの信号を保護することを可能にする。

本明細書では、車両内の異なる場所に特に設置された異種（同じではない）慣性測定装置（ＩＭＵ）の使用に焦点を当てている。

車両の移動値を計算する際の誤差耐性値（故障時動作継続）は、本発明に従ったソリューションによって達成される。これは、構造要素に低い要件を課すに過ぎない。車両の利用可能なインフラ（ＥＳＰセンサ、車台センサ）がそれに使用されてもよく、費用対効果の高いソリューションとなる。

本発明の例は、図面を参照して以下により詳細に説明される。

慣性測定装置（ＩＭＵ）を使用して車両の移動値を推定する典型的な例の概略図である。 移動値推定と組み合わせた本発明による監視システムの概略図である。 回転速度センサの予備データ処理動作（事前補正）の概略図である。 加速度計の予備データ処理動作（事前補正）の概略図である。 誤差検出ロジック及び意思決定ロジックの概略図である。

全ての図面において同じ項目は同じ名称で識別される。

角速度及び比力を測定するために車両で使用される慣性測定装置の異常を検出する１つの方法では、図２に示すように、それぞれが複数の加速度計及びジャイロセンサを備えた少なくとも３つの慣性測定装置４、５、６が使用される。

本発明によれば、マスタ慣性測定装置として、第１の慣性測定装置４が使用され、スレーブ慣性測定装置として、第１の慣性測定装置４よりも性能信頼性が低くできる第２の慣性測定装置５及び第３の慣性測定装置６が使用され、ここで、マスタ慣性測定装置４からのメッセージが検出装置７で使用され、モデルにおけるマスタ慣性測定装置４に対するスレーブ慣性測定装置５，６の系統的誤差パラメータを推定し、補正された信号に対する２－ｏｕｔ－ｏｆ－３投票によって個々のセンサの異常を検出する。２－ｏｕｔ－ｏｆ－３投票では、差が最も小さい２つの信号は誤差がないと見なされ、第３の信号がそれらに対してテストされる。第３の信号と誤差がないと見なされる信号との差が大きすぎる場合は、評価された第３の信号の潜在的な異常が想定される。

図面では、３つの慣性測定ユニット４、５、６もＩＭＵ Ａ、ＩＭＵ Ｂ、ＩＭＵ Ｃと指定されており、それぞれが３つの角速度信号を持つベクトル

及び３つの特定の力信号を持つベクトル

を有する。これらの信号を簡単に表すために、最も高い位置及び最も深い位置は示されていない。次に、センサ信号を

と呼び得る。

検出装置７の詳細を図３、４、５に示す。

図３には、回転速度センサの事前補正の例が示されている。この中にはフィルタ装置９，１０，１１が設けられており、これらを介してマスタ慣性測定装置４及び２つのスレーブ慣性測定装置５，６のセンサ信号が既知の不整合を考慮して訂正され、時間同期され、フィルタリングされる。

慣性測定装置の不均一な配置では測定値の時間同期性を想定できないため、時間同期が必要である。信号伝送中には、例えば、通信レイテンシの差が発生する可能性があり、慣性測定装置４、５、６内の信号の前置フィルタリングが異なってもよい。

その後、マスタ慣性測定装置４に対して、両方のスレーブ慣性測定装置５、６の誤差モデルのパラメータが決定される。これを行うために、誤差モデル１３及び１４に関するマスタ慣性測定装置４からのデータを使用して、ターゲット値又はスレーブｌＭＵ信号の動作に対して推定されたセンサ出力ω_{Ｂｅｓｔｉｍａｔｅｄ}，ω_{Ｃｅｓｔｉｍａｔｅｄ}が計算される。誤差モデル１３、１４のそれぞれは、マスタ慣性測定装置４の回転速度ω_Ａのベクトルに対する個々の回転速度センサの調整を含む。これは、例えば、エンドオブライン較正中に決定される。次に、ターゲット動作からの偏差が、スレーブ慣性測定装置５、６でセンサ誤差として識別され、誤差モデルのパラメータの推定によって訂正される。図３に示されている実施形態では、センサバイアスＢｉａｓ_ω_Ｂ，Ｂｉａｓ_ω_Ｃが、もっぱら推定ブロック１５及び１６で決定される。しかしながら、バイアスドリフト、感度偏差、不整合等の追加パラメータも推定され得る。文献から知られているように、推定ブロック１５及び１６におけるパラメータ推定は、再帰最小二乗法又はカルマンフィルタを使用して行われ得る。正常に機能している慣性測定装置４、５、６の場合、これらの推定パラメータは経時的に非常にゆっくりとしか変化しないため、長期間にわたって有効なままである。したがって、スレーブ慣性測定装置５、６の補正は、時間遅延誤差パラメータを用いて行われた場合でも正しいままである。対応する時間遅延ブロックは、符号１７及び１８として示されており、ここで遅延時間は、例えば、検出装置７の誤差検出時間より大きく、１００ｍｓに等しい必要がある。

次に、マスタ慣性測定装置４からの前処理された信号２０、及び２つのスレーブ慣性測定装置５及び６からの訂正された信号２１、２２は、解釈のために検出装置７に送られる。マスタ慣性測定装置４で異常が発生した場合、スレーブ慣性測定装置５、６の推定パラメータは大きく変化する。しかしながら、マスタ慣性測定装置４のこの異常が検出装置７によって認識された場合、時間遅延ブロック１７及び１８は、パラメータの変化が検出に影響を与えることを防ぐ。その代わり、スレーブ慣性測定装置５、６からの誤ったパラメータは、それぞれの最後の有効値で凍結される。このようにして、補正及び検出を互いに分離することができ、マスタ慣性測定装置４の故障をスレーブ慣性測定装置５、６の故障と確実に区別することができる。

追加的に又は本発明の他の実施形態において、推定ブロック１５及び１６のパラメータの推定値は最大許容値に制限されてもよく、これにより検出感度が向上する。

追加的に又は本発明の他の実施形態において、最大許容値に到達するか又はそれを超える推定パラメータが、影響を受けるセンサの誤差検出に使用され得る。

追加的に又は本発明の他の実施形態において、事前補正からの加重剰余が計算され、推定ブロック１５、１６において評価され得る。

追加的に又は本発明の他の実施形態において、推定誤差のために計算された共分散を推定ブロック１５、１６で使用して、検出中の信号偏差を量ることができる。

図４には、回転速度ω_Ａ、ω_Ｂ、ω_Ｃ（角速度とも呼ばれる）に相当して、加速度計信号（比力ｆ_Ａ，ｆ_Ｂ，ｆ_ｃ）に対する事前補正が示されている。３つの慣性測定装置４、５、６が車両上で空間的に広がっている場合、回転速度ω_Ａ、ω_Ｂ、ω_Ｃとは異なり、比力ｆ_Ａ、ｆ_Ｂ、ｆ_Ｃの位置依存性を考慮しなければならない。これは、誤差モデル２３及び２４におけるマスタ慣性測定装置４の信号から目標値を生成するときに行われ、ここで、比力ｆ_Ａ，ｆ_Ｂ，ｆ_Ｃは、文献で知られている次の式を使用して、それぞれのスレーブ慣性測定装置５、６の測定位置

における回転速度ω_Ａ，ω_Ｂ，ω_Ｃ及び回転加速度ｄ／ｄｔω_Ａ，ｄ／ｄｔω_Ｂ，ｄ／ｄｔω_Ｃを使用して変換される。

このようにして、推定されたセンサ出力ｆ_{Ｂ_ｅｓｔｉｍａｔｅｄ、}ｆ_{Ｃ_ｅｓｔｉｍａｔｅｄ}が決定される。図４に示す実施形態では、センサバイアスＢｉａｓ_ｆ_Ｂ、Ｂｉａｓ_ｆ_Ｃは、もっぱら推定ブロック２５及び２６において決定される。しかしながら、バイアスドリフト、感度偏差、不整合等の追加パラメータも推定され得る。文献から知られているように、推定ブロック２５及び２６におけるパラメータ推定は、再帰最小二乗法又はカルマンフィルタを用いて行うことができる。

図５は、２－ｏｕｔ－ｏｆ－３投票原理による誤差検出の実施形態を示している。マスタ慣性測定装置２０及び２つのスレーブ慣性測定装置２１，２２からの比較及び前処理のための３つの個別信号をＡ，Ｂ，Ｃと指定する。

Ａ，Ｂ及びＣは、それぞれ回転速度ω_Ａ，ω_Ｂ，ω_Ｃ又は比力ｆ_Ａ，ｆ_Ｂ，ｆ_Ｃであってもよい。全体として、慣性測定装置４，５，６の自由度ごとに１つの検出が使用される。

さらに、ブロック２７において、信号の中央値Ｍ及びＤ並びにそれらの偏差が計算される。代替的に（ここで等価な３つの信号についても）、中央値Ｍ，Ｄの代わりに、それらの間の距離が最も小さい２つの信号の平均が使用されてもよい。

次に、個々の信号と中央値Ｍ，Ｄとの差を計算し、閾値Ｓに対して正規化する。閾値Ｓとして、信号ノイズプロセスの分散σと、時間同期の不確実性を表す成分Ｔとの組み合わせを使用する。

上記で説明したように、閾値の生成には、推定ブロック１５、１６、２５、２６からの推定誤差に対する標準偏差も使用され得る。

検出ロジック２８は、中央値Ｍ，Ｄからの正規化信号差ΔＡ，ΔＢ，ΔＣが値１を超えるかどうかをテストする。その場合、問題のセンサ信号には、ＥＲＲＯＲ Ａ，ＥＲＲＯＲ Ｂ，ＥＲＲＯＲ Ｃの異常が想定される。

マスタ慣性計測装置４のＥＲＲＯＲ Ａ，ＥＲＲＯＲ Ｂ，ＥＲＲＯＲ Ｃの異常の出現は、意思決定ロジック２９によって誤差メッセージを介してスイッチング装置８に伝達され、それはスレーブ慣性計測装置５，６のいずれかに切り替わる。図５の実施形態では、これがスレーブ慣性計測装置５である。

影響を受けるスレーブ慣性計測装置５に対する誤差モデルパラメータがマスタ慣性計測装置４に基づいて決定されているため、スレーブ慣性計測装置５は、マスタ慣性計測装置４と同一のバイアス、ドリフト、感度等を用いて処理され、その後の移動計算は切り替え処理を考慮せずに行われ得る。

既に説明したように、マスタ慣性計測装置４に異常が発生した場合、スレーブ慣性計測装置５，６に関するパラメータ推定を分離する必要がある。これは信号１９によって行われる。

スレーブ慣性測定装置５、６のいずれかでＥＲＲＯＲ Ｂ，ＥＲＲＯＲ Ｃの異常が検出された場合、それは欠陥として報告される。

センサ誤差に対する感度と、信号ノイズ、道路損傷の影響、及びその他の不確実性による誤検出に対する耐性との間の最適な妥協点を見つけることが望ましい。

１ 慣性測定装置
２ センサ融合装置
３ 他のセンサ
４ 慣性計測装置、ＩＭＵ、マスタ慣性計測装置、マスタＩＭＵ
５ 慣性測定装置、ＩＭＵ、スレーブ慣性測定装置、スレーブＩＭＵ
６ 慣性測定装置、ＩＭＵ、スレーブ慣性測定装置、スレーブＩＭＵ
７ 検出装置
８ スイッチング装置
９ フィルタ装置
１０ フィルタ装置
１１ フィルタ装置
１３ 誤差モデル
１４ 誤差モデル
１５ 推定ブロック
１６ 推定ブロック
１７ 時間遅延ブロック
１８ 時間遅延ブロック
１９ 信号
２０ 前処理された信号
２１ 訂正された信号
２２ 訂正された信号
２３ 誤差モデル
２４ 誤差モデル
２５ 推定ブロック
２６ 推定ブロック
２７ ブロック
２８ 検出ロジック
２９ 意思決定ロジック
Ａ、Ｂ、Ｃ 前処理された個々の信号
Ｂｉａｓ_ｆＢ，Ｂｉａｓ_ｆＣ センサバイアス
Ｂｉａｓ_ωＢ，Ｂｉａｓ_ωＣ センサバイアス
Ｄ 中央値、メジアン
ＥＲＲＯＲ Ａ，ＥＲＲＯＲ Ｂ，ＥＲＲＯＲ Ｃ 異常
ｄ／ｄｔωＡ 回転加速度
ｆＡ、ｆＢ、ｆＣ 比力
ｆＢ_ｅｓｔｉｍａｔｅｄ，ｆＣ_ｅｓｔｉｍａｔｅｄ 推定センサ出力
ＩＭＵ Ａ 慣性測定装置、マスタ慣性測定装置
ＩＭＵ Ｂ 慣性計測装置、スレーブ慣性計測装置
ＩＭＵ Ｃ 慣性計測装置、スレーブ慣性計測装置
Ｍ 中央値、メジアン
Ｐ 姿勢
Ｓ 閾値
Ｔ 成分
ｖ 速度
α 姿勢角度
ΔＡ，ΔＢ，ΔＣ 正規化された信号差
σ 分散
ωＡ，ωＢ，ωＣ 回転速度、角速度
ωＢ－ｅｓｔｉｍａｔｅｄ，ωＣ－ｅｓｔｉｍａｔｅｄ 目標値

Claims (10)

1. 角速度（ω_Ａ，ω_Ｂ，ω_Ｃ）及び比力（ｆ_Ａ，ｆ_Ｂ，ｆ_Ｃ）を測定するために車両で使用されている慣性測定装置（４，５，６）における異常を検出する方法であって、それぞれが加速度計及びジャイロセンサを含む複数のセンサを備えた少なくとも３つの慣性測定装置（４，５，６）を含んでおり、
   第１の慣性測定装置（４）がマスタ慣性測定装置として使用され、前記第１の慣性測定装置（４）よりも低い性能信頼性を有し得る第２の慣性測定装置（５）及び第３の慣性測定装置（６）がスレーブ慣性測定装置として使用され、
   誤差モデルパラメータの推定を介して、及び前記マスタ慣性測定装置（４）と比較して、前記スレーブ慣性測定装置（５、６）からの測定値を補正するために、前記マスタ慣性測定装置（４）からの測定値が基準値として使用され、それによって、対応する３つのセンサ信号に基づいて、及び２－ｏｕｔ－ｏｆ－３投票を使用して、前記３つのセンサ信号のうちの１つにおける異常を検出し、
   センサ信号が前記３つのセンサ信号の中央値（Ｍ、Ｄ）から閾値を超える距離を有する前記３つの慣性測定装置（４，５，６）のうちの１つが欠陥と識別され、前記マスタ慣性測定装置（４）の異常により、まだ機能しているスレーブ慣性測定装置（５、６）のいずれか１つに信号が切り替えられ、事前に計算された事前補正が適用されることを特徴とする、方法。
2. 前記誤差モデルパラメータは、カルマンフィルタ又は再帰最小二乗法を使用して推定されることを特徴とする、請求項１に記載の方法。
3. 前記誤差モデルパラメータの推定のために、前記スレーブ慣性測定装置（５、６）からの全てのモデルパラメータを含む誤差モデル（１３、１４、２３、２４）が使用され、
   前記マスタ慣性測定装置（４）からの少なくとも時間的に異なる相対的なセンサオフセットがオンラインで推定されることを特徴とする、請求項１又は２に記載の方法。
4. 前記マスタ慣性測定装置（４）からの比力（ｆ_Ａ、ｆ_Ｂ、ｆ_Ｃ）が前記スレーブ慣性測定装置（５、６）の測定位置に変換されることを特徴とする、請求項１～３のいずれか１つに記載の方法。
5. 推定されたパラメータが許容最大値に制限されることを特徴とする、請求項１～４のいずれか１つに記載の方法。
6. 信号偏差の有意性を検出する際に、カルマンフィルタで評価される推定誤差の共分散がセンサ信号偏差の評価に使用されることを特徴とする、請求項２に記載の方法。
7. 全ての慣性測定装置（４，５，６）における全てのセンサが、それぞれのフィルタ装置（９、１０、１１）を使用してフィルタリングされ、かつ時間同期されることを特徴とする、請求項１～６のいずれか１つに記載の方法。
8. オンラインで推定された誤差モデルパラメータが時間遅延され、前記スレーブ慣性測定装置（５、６）の前記測定値に適用されることを特徴とする、請求項１～７のいずれか１つに記載の方法。
9. 前記スレーブ慣性測定装置（５、６）がマスタ・スレーブ構成を使用して事前補正され、
   推定されたセンサ出力（ｆ_{Ｂ_ｅｓｔｉｍａｔｅｄ}，ｆ_{Ｃ_ｅｓｔｉｍａｔｅｄ}）に時間遅延が適用され、
   前記時間遅延内に前記第１の慣性測定装置（４）において誤差が検出された場合、前記スレーブ慣性測定装置（５、６）における推定されたセンサ誤差は、前記時間遅延の終了に関する値で凍結されることを特徴とする、請求項１～８のいずれか１つに記載の方法。
10. 前記３つの信号の平均又は中央値（Ｍ、Ｄ）から最も逸脱した信号を検出するために、前記第１の慣性測定装置（４）からの信号及び前記スレーブ慣性測定装置（５、６）からの事前補正された信号に検出ロジック（２８）が適用され、
    前記平均又は中央値（Ｍ、Ｄ）からの正規化された信号差が値１を超える場合、センサ誤差と見なされる、請求項１～９のいずれか１つに記載の方法。

Images