WO2019029967A1 - Kalibration von fahrzeugsensoren - Google Patents
Kalibration von fahrzeugsensoren Download PDFInfo
- Publication number
- WO2019029967A1 WO2019029967A1 PCT/EP2018/069629 EP2018069629W WO2019029967A1 WO 2019029967 A1 WO2019029967 A1 WO 2019029967A1 EP 2018069629 W EP2018069629 W EP 2018069629W WO 2019029967 A1 WO2019029967 A1 WO 2019029967A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- calibration
- measured values
- rail vehicle
- filter
- state variable
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P21/00—Testing or calibrating of apparatus or devices covered by the preceding groups
- G01P21/02—Testing or calibrating of apparatus or devices covered by the preceding groups of speedometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P21/00—Testing or calibrating of apparatus or devices covered by the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
Definitions
- the invention relates to a method for self-calibration of vehicle sensors. Furthermore, the invention relates to a calibration device. Moreover, the invention relates to a rail vehicle.
- Rail vehicles need exact sensor data and odometric data in order to operate safely.
- Rail vehicles rely on a variety of on-board sensors, such as encoders, Doppler radar, GPS and Balise detectors, to determine their position and speed.
- the odometric data is only correct if the sensor used was precisely calib ⁇ riert. Often errors occur during such a calibration. Such errors can be directly due to errors in the calibration process or caused by a drifting process that begins after the calibration. In this way, the readings become inaccurate and unreliable.
- measured values are recorded on the basis of sensor data of the vehicle sensors.
- an optimal filter is applied to the measured values.
- the optimum filter is to be understood as a filter which generates an estimated value, whereby an uncertainty of the estimated value, which is determined on the basis of uncertain measured values, is minimized.
- a linearized optimal filter such as a linearized Kalman filter can be used.
- Such linearized matched filter includes a one previous value of a state variable line- Aryanised state transition model and / or Beobachtungsmo ⁇ dell.
- nonlinear filters such as Unscented Kalman filters or so-called particle filters based on stochastic sequential Monte Carlo methods, may also be used.
- the calibration means according to the invention has a ⁇ Since tenempfangsaku for detecting measured values on the basis of sensor data from the vehicle sensors.
- Part of the calibration device according to the invention is also a filter unit for applying an optimum filter to the measured values.
- the filters ⁇ unit is also used to determine an updated potash brationswerts a Kalibrationsucc as an updated value of a state variable of the matched filter.
- the inventive Calibration device shares the advantages of erfindungsge ⁇ MAESSEN method for self-calibration of vehicle sensors of a rail vehicle.
- the rail vehicle according to the invention has the erfindungsge ⁇ Permitted calibration device.
- the time ⁇ estimating device according to the invention shares the advantages of the calibration device according to the invention.
- Some components of the calibration device according to the invention can be formed predominantly in the form of software components. This concerns in particular parts of the filter unit. In principle, however, this component can also be partially realized, in particular when it comes to particularly fast calculations, in the form of software-supported hardware, for example FPGAs or the like.
- the required interfaces for example, if it is only about a transfer of data from other software components, be designed as software interfaces. However, they can also be configured as hardware-based interfaces, which are controlled by suitable software.
- a largely software-based implementation has the advantage that already existing in a rail vehicle computer systems can be retrofitted in a simple way by a software update to work on the inventive way.
- the object is also achieved by a corresponding computer program product with a computer program, which is directly in a storage device ei ⁇ nes such a computer system can be loaded, ⁇ lead with Programmabschnit ⁇ th order for For all steps of the inventive method when the computer program in the computer system is performed.
- Such a computer program product in addition to the computer ⁇ program optionally additional components, such as a documentation and / or additional components, also Hardware components, such as hardware keys (dongles, etc.) for using the software include.
- a computer-readable medium for example a memory stick, a hard disk or another portable or permanently installed data carrier can be used, on which the computer program readable and executable by a computer unit are stored.
- the computer unit may be for example a purpose or more cooperating micropro ⁇ processors or the like.
- the state variable comprises a vector variable.
- a state variable ⁇ includes as components both a calibration size as well as further processed information about the technical and / or dynamic state of a vehicle.
- the measured data or sensor data can be generated by odometry sensors and odometry data can be determined as measured values.
- the measurement of the state quantity values can a rotational frequency of a rotary encoder of a tachometer include.
- other speed measurement methods may be used with other metrics, such as time intervals between traversing two Measuring points or the like, to be used.
- the estimate ⁇ de state variable includes the case of the speed measurement as vector components, the speed and size tion the CALIBRATORS, which in the case of a rotary encoder keitsmessaku as velocity indicates the wheel circumference.
- the optimum filter comprises an extended Kalman filter.
- B k describes the dynamics of a determi ⁇ nist disorder Uk
- w k describes the random portion of the disorder.
- Another equation describes a line ⁇ ares observation model, that is a linear relationship between the true state x k and an observed state z k:
- the matrix H k describes the actual observation model that represents the relationship between the true state and the observed state
- v k represents ei ⁇ NEN noise term
- Self-calibration of vehicle sensors is calculated to determine the linearized state transition model and observation ⁇ model based on the previous values of the state variable Jakobi matrix. If the observation model and the state transition model are initially non-linear, then, using an extended Kalman filter method, first a linearization of the two matrices F k and H k can be performed using a Jakobi matrix. When viewed continuously over time, the linearized matrix F (instead of F k ) results
- Time t, and x f (x, u) describes a non-linear to ⁇ state transition model, wherein x represents an estimated by ⁇ average value of the state variable x.
- the value At is the time between two filter operations.
- the nonlinear observation model h (x) can be linearized as follows: where H again represents the linearized observation matrix.
- the state transition model F is linear, so it does not have to be linearized.
- the matrix is F
- the Kalman matrix K From the linearized observation matrix H and the prediction value P of the covariance P and the measurement uncertainty R, the Kalman matrix K can be calculated:
- the superscript T signals a transposed matrix
- the size y describes how closely the predicted value x means ⁇ the current measured value by means of the Beobachtungsmo ⁇ H dells to describe is capable.
- the measured values relating to a wear process of a functional element of the slide ⁇ nenEnglishs and the state variable comprises a wear ⁇ state of the functional element.
- this variant can be applied to an opening operation of a vehicle door, wherein the state variable relates to a wear state of functional elements of the door.
- the calibration values serve in this embodiment of the information whether a functional element is worn and needs to be replaced or not.
- an automated function monitoring can be performed.
- the Maintenance intervals can be based on the actual wear of the vehicle door, whereby unnecessary maintenance and personnel costs can be avoided and still the functionality of the vehicle door can be guaranteed.
- a wear of a wheel of a rail vehicle can be monitored as a wear process. If a wheel diameter is determined which is below a predetermined threshold value, the wheel must be replaced.
- personnel can be saved for complex inspection views of technical components of a rail vehicle. The invention will be explained in more detail below with reference to the beige ⁇ added figures using exemplary embodiments. Show it:
- FIG. 1 shows a flowchart which illustrates a method for self-calibration of vehicle sensors of a rail vehicle according to a first exemplary embodiment of the invention
- FIG. 2 shows a block diagram which illustrates a calibration device according to an embodiment of the invention
- FIG 3 shows a block diagram illustrating a rail vehicle with egg ⁇ ner calibration device according to an embodiment of the invention.
- a flow chart 100 is shown which comprises a United ⁇ go to self-calibration of a sensor system of a slide ⁇ nenhuss according illustrates an embodiment of the invention.
- step 1.1 first reco ⁇ te W t of the rotation frequency W received as sensor data from a rotary encoder.
- the measured values W t indicate the height of the rotational frequency of the wheels of the rail vehicle.
- step l.II the current using an extended Kalman filter values v t, Ct for the speed v and the wheel circumference c ermit- telt.
- the circumference at the same time c to the aktualisie ⁇ leaders calibration value is based on older values v t -At / c t -At for the speed v and the wheel circumference c and the currently determined value W t of the rotational frequency of the W Wheels of the rail vehicle.
- the calculated new values c t, v t for the wheel circumference and the VELOCITY c ⁇ velocity v of the rail vehicle are output at step l.III to a control device and at least the actual speed value v t browser displays a vehicle operator. Furthermore, it returns to the step 1.1 and detects a new measured value W t + At the rotational frequency W of the rotary encoder and thus the wheels of the rail vehicle.
- step l.II new values c t + At / t + At are determined on the basis of the new measured value W t + At and the updated values c t , v t .
- the determined values c t + At / t + At are output to a controller, and the speed value v t + At is displayed to the driver.
- tion means a CALIBRATORS 20 according to an exemplary embodiment of the invention ⁇ illustrated.
- the calibration means 20 includes fully a data receive interface 21, with the Messda ⁇ t th W from one or more sensor units are received.
- the measurement data W t averages to a filter unit 22 exceeds that on the basis of the measurement data W t and on the basis ⁇ l ⁇ more excellent values v t -At / c t -At for the speed v and the wheel ⁇ circumference C using an extended Kalman filters new Wer ⁇ te v t , c t for the speed v and the wheel circumference c he ⁇ averages.
- the new speed value v t a starting interface output to a control device 23 which t the speed value v for example in a Füh ⁇ rerstand for displaying brings.
- the new values are v t, c t from the filter unit 22 at a later time t + At utilized to re-updated calibration values Ct + At and speed values v t + At identify etc ..
- a rail vehicle 30 is illustrated.
- the rail vehicle 30 includes a sensor unit 31, ⁇ example, a rotary encoder unit, with the values of W t ⁇ the rotation frequency W of the wheels of the railway vehicle 30 determines the advertising.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Manufacturing & Machinery (AREA)
- Navigation (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
Es wird ein Verfahren zur Selbstkalibration von Fahrzeugsensoren (31) beschrieben. Bei dem Verfahren werden Messwerte (zt, Wt) auf Basis von Sensordaten der Fahrzeugsensoren (31) erfasst. Es wird ein Optimalfilter auf die Messwerte (zt, Wt) angewandt. Weiterhin wird im Rahmen des Filterprozesses ein aktualisierter Kalibrationswert (ct) einer Kalibrationsgröße (c) als aktualisierter Wert (xt) der Zustandsgröße (x) des Optimalfilters ermittelt. Es wird auch eine Kalibrationseinrichtung (20) beschrieben. Überdies wird ein Schienenfahrzeug (30) beschrieben.
Description
Beschreibung
Kalibration von Fahrzeugsensoren
Die Erfindung betrifft ein Verfahren zur Selbstkalibration von Fahrzeugsensoren. Weiterhin betrifft die Erfindung eine Kalibrationseinrichtung . Überdies betrifft die Erfindung ein Schienenfahrzeug .
Schienenfahrzeuge benötigen exakte Sensordaten und odometrische Daten, um sicher betrieben werden zu können. Schienenfahrzeuge müssen sich auf eine Vielzahl von bordseitigen Sensoren verlassen, wie zum Beispiel Drehgeber, Doppler-Radar, GPS und Balise-Detektoren, um ihre Position und Geschwindigkeit zu ermitteln. Allerdings sind die odometrischen Daten nur dann korrekt, wenn die verwendete Sensorik präzise kalib¬ riert wurde. Häufig treten bei einer solchen Kalibration Fehler auf. Solche Fehler können direkt auf Fehler bei dem Kali- brationsvorgang beruhen oder durch einen Driftvorgang verursacht werden, der nach der Kalibration einsetzt. Auf diese Weise werden die Messwerte ungenau und unzuverlässig.
Herkömmlich wird eine Kalibration vor der Benutzung des
Schienenfahrzeugs oder in regelmäßigen zeitlichen Abständen durchgeführt. Allerdings kann es zwischenzeitlich zu erhebli¬ chen Abweichungen der Messwerte von korrekten Werten kommen, so dass die Genauigkeit und Verlässlichkeit der odometrischen Daten nicht immer gewährleistet ist.
Es besteht also die Aufgabe, ein verbessertes Kalibrations- verfahren zu entwickeln, mit dem Abweichungen von Messwerten, beispielsweise von odometrischen Messwerten, auch über größere Zeiträume hinweg vermieden oder zumindest reduziert werden können.
Diese Aufgabe wird durch ein Verfahren zur Selbstkalibration von Fahrzeugsensoren gemäß Patentanspruch 1, eine Kaiibra-
tionseinrichtung gemäß Patentanspruch 12 und ein Schienenfahrzeug gemäß Patentanspruch 13 gelöst.
Bei dem erfindungsgemäßen Verfahren zur Selbstkalibration von Fahrzeugsensoren werden Messwerte auf Basis von Sensordaten der Fahrzeugsensoren erfasst. Dann wird ein Optimalfilter auf die Messwerte angewendet. Als Optimalfilter soll ein Filter verstanden werden, welcher einen Schätzwert erzeugt, wobei eine Unsicherheit des Schätzwerts, welcher auf Basis unsiche- rer Messwerte ermittelt wird, minimiert wird.
Als Optimalfilter kann zum Beispiel ein linearisierter Optimalfilter, wie zum Beispiel ein linearisierter Kalman-Filter eingesetzt werden. Ein solcher linearisierter Optimalfilter weist ein um einen bisherigen Wert einer Zustandsgröße line- arisiertes Zustandsübergangsmodell und/oder Beobachtungsmo¬ dell auf.
Alternativ können aber auch nichtlineare Filter, wie zum Bei- spiel Unscented Kalman-Filter oder auch auf stochastischen sequentiellen Monte-Carlo-Methoden basierende so genannte Particle-Filter verwendet werden.
Bei dem Filtervorgang werden aktualisierte Kalibrationswerte einer Kalibrationsgröße als aktualisierte Werte der Zustands¬ größe des Optimalfilters ermittelt. Vorteilhaft werden Senso¬ ren automatisch rekalibriert, da dieser Vorgang bei dem Filtervorgang, welcher der Auswertung und Überwachung von Sensordaten dient, automatisch mit durchgeführt wird.
Die erfindungsgemäße Kalibrationseinrichtung weist eine Da¬ tenempfangseinheit zum Erfassen von Messwerten auf Basis von Sensordaten der Fahrzeugsensoren auf. Teil der erfindungsgemäßen Kalibrationseinrichtung ist auch eine Filtereinheit zum Anwenden eines Optimalfilters auf die Messwerte. Die Filter¬ einheit dient auch zum Ermitteln eines aktualisierten Kali- brationswerts einer Kalibrationsgröße als aktualisierter Wert einer Zustandsgröße des Optimalfilters. Die erfindungsgemäße
Kalibrationseinrichtung teilt die Vorteile des erfindungsge¬ mäßen Verfahrens zur Selbstkalibration von Fahrzeugsensoren eines Schienenfahrzeugs. Das erfindungsgemäße Schienenfahrzeug weist die erfindungsge¬ mäße Kalibrationseinrichtung auf. Die erfindungsgemäße Zeit¬ schätzeinrichtung teilt die Vorteile der erfindungsgemäßen Kalibrationseinrichtung . Einige Komponenten der erfindungsgemäßen Kalibrationseinrichtung können zum überwiegenden Teil in Form von Softwarekomponenten ausgebildet sein. Dies betrifft insbesondere Teile der Filtereinheit. Grundsätzlich kann diese Komponente aber auch zum Teil, insbesondere wenn es um besonders schnelle Berech- nungen geht, in Form von softwareunterstützter Hardware, beispielsweise FPGAs oder dergleichen, realisiert sein. Ebenso können die benötigten Schnittstellen, beispielsweise wenn es nur um eine Übernahme von Daten aus anderen Softwarekomponenten geht, als Softwareschnittstellen ausgebildet sein. Sie können aber auch als hardwaremäßig aufgebaute Schnittstellen ausgebildet sein, die durch geeignete Software angesteuert werden .
Eine weitgehend softwaremäßige Realisierung hat den Vorteil, dass auch schon bisher in einem Schienenfahrzeug vorhandene Rechnersysteme auf einfache Weise durch ein Software-Update nachgerüstet werden können, um auf die erfindungsgemäße Weise zu arbeiten. Insofern wird die Aufgabe auch durch ein entsprechendes Computerprogrammprodukt mit einem Computerpro- gramm gelöst, welches direkt in eine Speichereinrichtung ei¬ nes solchen Rechnersystems ladbar ist, mit Programmabschnit¬ ten, um alle Schritte des erfindungsgemäßen Verfahrens auszu¬ führen, wenn das Computerprogramm in dem Rechnersystem ausgeführt wird.
Ein solches Computerprogrammprodukt kann neben dem Computer¬ programm gegebenenfalls zusätzliche Bestandteile, wie z.B. eine Dokumentation und/oder zusätzliche Komponenten, auch
Hardware-Komponenten, wie z.B. Hardware-Schlüssel (Dongles etc.) zur Nutzung der Software, umfassen.
Zum Transport zur Speichereinrichtung des Rechnersystems und/oder zur Speicherung an dem Rechnersystem kann ein computerlesbares Medium, beispielsweise ein Memorystick, eine Festplatte oder ein sonstiger transportabler oder fest eingebauter Datenträger dienen, auf welchem die von einer Rechnereinheit einlesbaren und ausführbaren Programmabschnitte des Computerprogramms gespeichert sind. Die Rechnereinheit kann z.B. hierzu einen oder mehrere zusammenarbeitende Mikropro¬ zessoren oder dergleichen aufweisen.
Die abhängigen Ansprüche sowie die nachfolgende Beschreibung enthalten jeweils besonders vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung. Dabei können insbesondere die Ansprüche einer Anspruchskategorie auch analog zu den abhän¬ gigen Ansprüchen einer anderen Anspruchskategorie und deren Beschreibungsteilen weitergebildet sein. Zudem können im Rah- men der Erfindung auch die verschiedenen Merkmale unterschiedlicher Ausführungsbeispiele und Ansprüche auch zu neuen Ausführungsbeispielen kombiniert werden.
In einer Ausgestaltung des erfindungsgemäßen Verfahrens zur Selbstkalibration von Fahrzeugsensoren umfasst die Zustands- größe eine vektorielle Größe. Eine solche Zustandsgröße um¬ fasst als Komponenten sowohl eine Kalibrationsgröße als auch weiterzuverarbeitende Informationen über den technischen und/oder dynamischen Zustand eines Fahrzeugs.
Beispielsweise können die Messdaten bzw. Sensordaten von Odometriesensoren erzeugt werden und als Messwerte Odometrie- daten ermittelt werden. Soll die Geschwindigkeit eines Fahr¬ zeugs als Zustandsgröße ermittelt werden, so können die Mess- werte der Zustandsgröße eine Drehfrequenz eines Drehgebers eines Tachometers umfassen. Alternativ können auch andere Geschwindigkeitsmessverfahren mit anderen Messgrößen, wie zum Beispiel Zeitintervallen zwischen dem Durchqueren zweier
Messpunkte oder ähnliches, verwendet werden. Die zu schätzen¬ de Zustandsgröße umfasst im Fall der Geschwindigkeitsmessung als Vektorkomponenten die Geschwindigkeit und die Kalibra- tionsgröße, welche im Fall eines Drehgebers als Geschwindig- keitsmesseinheit den Radumfang angibt. Vorteilhaft werden bei dem Filterprozess nicht nur Geschwindigkeitsmesswerte auf Fehler überprüft, sondern gleichzeitig auch Kalibrations- messwerte ermittelt bzw. aktualisiert. In einer bevorzugten Ausgestaltung des erfindungsgemäßen Verfahrens zur Selbstkalibration von Fahrzeugsensoren umfasst der Optimalfilter einen erweiterten Kalmanfilter. Ein Kalmanfilter beschreibt modellhaft die Entwicklung eines wahren Zu- stands aus einem vorhergehenden Zustand: xk = F k x k-i + B kuk + wi , (1) wobei xk ein aktueller Zustand zum Zeitpunkt k ist, Fk ein Zustandsübergangsmodell repräsentiert, welches den Übergang zwischen dem vorhergehenden Zustand xk_i zu dem aktuellen Zustand Xk beschreibt. Bk beschreibt die Dynamik einer determi¬ nistischen Störung Uk, wk beschreibt den zufallsbedingten Anteil der Störung. Eine weitere Gleichung beschreibt ein line¬ ares Beobachtungsmodell, d.h. eine lineare Beziehung zwischen dem wahren Zustand xk und einem beobachteten Zustand zk:
Dabei beschreibt die Matrix Hk das eigentliche Beobachtungs- modell, welches die Beziehung zwischen dem wahren Zustand und dem beobachteten Zustand darstellt, und vk repräsentiert ei¬ nen Rauschterm.
In einer Variante des erfindungsgemäßen Verfahrens zur
Selbstkalibration von Fahrzeugsensoren wird zur Ermittlung des linearisierten Zustandsübergangsmodells und Beobachtungs¬ modells auf Basis der bisherigen Werte der Zustandsgröße eine Jakobi-Matrix berechnet.
Sind das Beobachtungsmodell und das Zustandsübergangsmodell zunächst nicht linear, so kann bei Anwendung eines erweiterten Kaiman-Filterverfahrens zunächst eine Linearisierung der beiden Matrizen Fk und Hk unter Anwendung einer Jakobi-Matrix durchgeführt werden. Bei zeitkontinuierlicher Betrachtung ergibt sich die linearisierte Matrix F (anstatt Fk) zu
F = e (3) wobei A der Jakobi-Matrix entspricht zu einem
Zeitpunkt t, und x = f(x, u) beschreibt ein nichtlineares Zu¬ standsübergangsmodell, wobei x einen geschätzten Durch¬ schnittswert der Zustandsgröße x repräsentiert. Der Wert At ist die Zeit zwischen zwei Filtervorgängen.
Das nichtlineare Beobachtungsmodell h(x) lässt sich wie folgt linearisieren :
wobei H wiederum die linearisierte Beobachtungsmatrix darstellt .
Wird ein Zustand x durch die zurückgelegte Distanz d, die Ge¬ schwindigkeit v des Fahrzeugs und den Kalibrationsfaktor c repräsentiert, d.h. x die linearisierte Beobachtu
Bei dem aufgeführten Beispiel ist das Zustandsübergangsmodell F linear, so dass dieses nicht linearisiert werden muss. In diesem Fall ist die Matrix F
Aus der linearisierten Beobachtungsmatrix H sowie dem Voraussagewert P der Kovarianz P und der Messunsicherheit R lässt sich die Kaiman-Matrix K berechnen:
K = PHT(HPHT + R) 1 . (5)
Hierbei signalisiert das hochgestellte T wie gewöhnlich eine transponierte Matrix.
Die Hilfsgröße Innovation (mit „y" symbolisiert) ergibt sich zu : y = z - h(x) . (6)
Die Größe y beschreibt, wie genau der vorhergesagte Mittel¬ wert x den aktuellen Messwert mittels des Beobachtungsmo¬ dells H zu beschreiben in der Lage ist.
Der Vorhersagewert x ergibt sich dann auf Basis der Innovati¬ on y, der Kaiman-Matrix K und dem Durchschnittswert x wie folgt : x = x + Ky . (7)
In einer Ausgestaltung des erfindungsgemäßen Verfahrens zur Selbstkalibration von Fahrzeugsensoren betreffen die Messwerte einen Abnutzungsvorgang eines Funktionselements des Schie¬ nenfahrzeugs und die Zustandsgröße umfasst einen Abnutzungs¬ zustand des Funktionselements.
Beispielsweise kann diese Variante auf einen Öffnungsvorgang einer Fahrzeugtür angewendet werden, wobei die Zustandsgröße einen Abnutzungszustand von Funktionselementen der Tür betrifft. Die Kalibrationswerte dienen in dieser Ausgestaltung der Information, ob ein Funktionselement verschlissen ist und ausgetauscht werden muss oder nicht. Vorteilhaft kann eine automatisierte Funktionsüberwachung durchgeführt werden. Die
Wartungsintervalle können sich an dem tatsächlichen Verschleiß der Fahrzeugtür orientieren, wodurch unnötiger Wartungsaufwand und Personalaufwand vermieden werden kann und trotzdem die Funktionsfähigkeit der Fahrzeugtür gewährleistet werden kann.
Alternativ kann als Abnutzungsvorgang auch eine Abnutzung eines Rads eines Schienenfahrzeugs überwacht werden. Wird ein Raddurchmesser ermittelt, welcher unterhalb eines vorbestimm- ten Schwellwerts liegt, so muss das Rad ausgetauscht werden. Vorteilhaft kann Personal für aufwändige Kontrollsichtungen technischer Bauelemente eines Schienenfahrzeugs eingespart werden . Die Erfindung wird im Folgenden unter Hinweis auf die beige¬ fügten Figuren anhand von Ausführungsbeispielen noch einmal näher erläutert. Es zeigen:
FIG 1 ein Flussdiagramm, welches ein Verfahren zur Selbstka- libration von Fahrzeugsensoren eines Schienenfahrzeugs gemäß einem ersten Ausführungsbeispiel der Erfindung veranschaulicht,
FIG 2 ein Blockdiagramm, welches eine Kalibrationseinrichtung gemäß einem Ausführungsbeispiel der Erfindung veran- schaulicht,
FIG 3 ein Blockdiagramm, welche ein Schienenfahrzeug mit ei¬ ner Kalibrationseinrichtung gemäß einem Ausführungsbeispiel der Erfindung veranschaulicht. In FIG 1 ist ein Flussdiagramm 100 gezeigt, welches ein Ver¬ fahren zur Selbstkalibration eines Sensorsystems eines Schie¬ nenfahrzeugs gemäß einem Ausführungsbeispiel der Erfindung veranschaulicht. Bei dem Schritt 1.1 werden zunächst Messwer¬ te Wt der Drehfrequenz W als Sensordaten von einem Drehgeber empfangen. Die Messwerte Wt geben die Höhe der Drehfrequenz der Räder des Schienenfahrzeugs an. Bei dem Schritt l.II wer¬ den mit Hilfe eines erweiterten Kaiman-Filters aktuelle Werte vt, Ct für die Geschwindigkeit v und den Radumfang c ermit-
telt. Der Radumfang c stellt gleichzeitig den zu aktualisie¬ renden Kalibrationswert dar. Die Schätzung erfolgt auf Basis älterer Werte vt-At/ ct-At für die Geschwindigkeit v und den Radumfang c sowie des aktuell ermittelten Werts Wt der Dreh- frequenz W der Räder des Schienenfahrzeugs. Die ermittelten neuen Werte ct, vt für den Radumfang c und die Geschwindig¬ keit v des Schienenfahrzeugs werden bei dem Schritt l.III an eine Steuerungseinrichtung ausgegeben und zumindest der aktuelle Geschwindigkeitswert vt wird einem Fahrzeugführer ange- zeigt. Weiterhin wird zu dem Schritt 1.1 zurückgekehrt und ein neuer Messwert Wt+At der Drehfrequenz W des Drehgebers und damit der Räder des Schienenfahrzeugs erfasst. Anschließend werden bei dem Filtervorgang bei dem Schritt l.II auf Basis des neuen Messwerts Wt+At und der aktualisierten Werte ct, vt neue Werte ct+At/ t+At ermittelt. Die ermittelten Werte ct+At/ t+At werden an eine Steuerungseinrichtung ausgegeben und der Geschwindigkeitswert vt+At wird dem Fahrzeugführer angezeigt.
In FIG 2 ist ein Blockdiagramm gezeigt, welches eine Kalibra- tionseinrichtung 20 gemäß einem Ausführungsbeispiel der Er¬ findung veranschaulicht. Die Kalibrationseinrichtung 20 um- fasst eine Messdatenempfangsschnittstelle 21, mit der Messda¬ ten Wt von einer oder mehreren Sensoreinheiten empfangen werden. Die Messdaten Wt werden an eine Filtereinheit 22 über- mittelt, welche auf Basis der Messdaten Wt und auf Basis äl¬ terer Werte vt-At/ ct-At für die Geschwindigkeit v und den Rad¬ umfang c mit Hilfe eines erweiterten Kalman-Filters neue Wer¬ te vt, ct für die Geschwindigkeit v und den Radumfang c er¬ mittelt. Der neue Geschwindigkeitswert vt wird über eine Aus- gangsschnittstelle 23 an eine Steuereinrichtung ausgegeben, welche den Geschwindigkeitswert vt zum Beispiel in einem Füh¬ rerstand zur Anzeige bringt. Außerdem werden die neuen Werte vt, ct von der Filtereinheit 22 bei einem späteren Zeitpunkt t + At dazu genutzt, erneut aktualisierte Kalibrationswerte Ct+At und Geschwindigkeitswerte vt+At zu ermitteln usw..
In FIG 3 ist ein Schienenfahrzeug 30 veranschaulicht. Das Schienenfahrzeug 30 umfasst eine Sensoreinheit 31, beispiels¬ weise eine Drehgebereinheit, mit der Werte Wt der Rotations¬ frequenz W der Räder des Schienenfahrzeugs 30 ermittelt wer- den. Auf Basis dieser Werte Wt werden mit Hilfe einer Kali- brationseinrichtung 20 gemäß einem Ausführungsbeispiel der Erfindung Kalibrationswerte c aktualisiert und eine Geschwin¬ digkeit v des Schienenfahrzeugs 30 ermittelt. Entsprechende aktualisierte Geschwindigkeitswerte vt werden an eine Steue- rungseinrichtung 32 ausgegeben, welche diese Werte vt in ei¬ nem Führerstand (nicht gezeigt) des Schienenfahrzeugs 30 zur Anzeige bringt.
Es wird abschließend noch einmal darauf hingewiesen, dass es sich bei den vorbeschriebenen Verfahren und Vorrichtungen lediglich um bevorzugte Ausführungsbeispiele der Erfindung han¬ delt und dass die Erfindung vom Fachmann variiert werden kann, ohne den Bereich der Erfindung zu verlassen, soweit er durch die Ansprüche vorgegeben ist. Es wird der Vollständig- keit halber auch darauf hingewiesen, dass die Verwendung der unbestimmten Artikel „ein" bzw. „eine" nicht ausschließt, dass die betreffenden Merkmale auch mehrfach vorhanden sein können. Ebenso schließt der Begriff „Einheit" nicht aus, dass diese aus mehreren Komponenten besteht, die gegebenenfalls auch räumlich verteilt sein können.
Claims
1. Verfahren zur Selbstkalibration von Fahrzeugsensoren (31), aufweisend die Schritte:
- Erfassen von Messwerten (z , Wt) auf Basis von Sensordaten der Fahrzeugsensoren (31),
- Anwenden eines Optimalfilters auf die Messwerte (z , Wt) ,
- Ermitteln eines aktualisierten Kalibrationswerts (ct) einer Kalibrationsgröße (c) als aktualisierter Wert (xt) einer Zustandsgröße (x) des Optimalfilters.
2. Verfahren nach Anspruch 1, wobei der Optimalfilter ein um einen bisherigen Wert (xt) der Zustandsgröße (x) linearisier- tes Zustandsübergangsmodell (F) und/oder Beobachtungsmodell (H) aufweist.
3. Verfahren nach Anspruch 1 oder 2, wobei die Selbstkalibration in Echtzeit erfolgt.
4. Verfahren nach einem der vorstehenden Ansprüche, wobei die Zustandsgröße (x) eine vektorielle Zustandsgröße umfasst.
5. Verfahren nach einem der vorstehenden Ansprüche, wobei die Sensordaten von Odometriesensoren erzeugt werden und als Messwerte (z , Wt) Odometriedaten ermittelt werden.
6. Verfahren nach einem der vorstehenden Ansprüche, wobei die Messwerte (z , Wt) eine Drehfrequenz (Wt) eines Drehgebers ei¬ nes Tachometers umfassen.
7. Verfahren nach einem der Ansprüche 5 oder 6, wobei die Zustandsgröße (x) die Geschwindigkeit (v) und die Kalibra¬ tionsgröße (c) umfasst.
8. Verfahren nach einem der vorstehenden Ansprüche, wobei der Optimalfilter einen erweiterten Kalmanfilter umfasst.
9. Verfahren nach Anspruch 8, wobei zur Ermittlung des line- arisierten Zustandsübergangsmodells (F) und Beobachtungsmo¬ dells (H) auf Basis der bisherigen Werte (xt) der Zustands- größe eine Jakobi-Matrix berechnet wird.
10. Verfahren nach einem der Ansprüche 1 bis 4, wobei die Messwerte (zt) einen Abnutzungsvorgang eines Funktionsele¬ ments des Schienenfahrzeugs (30) betreffen und die Zustands- größe (x) einen Abnutzungszustand des Funktionselements um- fasst.
11. Verfahren nach Anspruch 10, wobei das Funktionselement eines der folgenden Gegenstände umfasst:
- eine Tür eines Schienenfahrzeugs,
- ein Rad eines Schienenfahrzeugs.
12. Kalibrationseinrichtung (20), aufweisend:
- eine Datenempfangseinheit (21) zum Erfassen von Messwerten (z , Wt) auf Basis von Sensordaten von Fahrzeugsensoren (31),
- eine Filtereinheit (22) zum
- Anwenden eines Optimalfilters auf die Messwerte (zt, Wt) und
- zum Ermitteln eines aktualisierten Kalibrationswerts (ct) einer Kalibrationsgröße (c) als aktualisierter Wert (xt)
Zustandsgröße (x) des Optimalfilter.
13. Schienenfahrzeug (30), aufweisend eine Kalibrationsein¬ richtung (20) nach Anspruch 12.
14. Computerprogrammprodukt mit einem Computerprogramm, wel¬ ches direkt in eine Speichereinheit eines Schienenfahrzeugs (30) ladbar ist, mit Programmabschnitten, um alle Schritte eines Verfahrens nach einem der Ansprüche 1 bis 11 auszufüh- ren, wenn das Computerprogramm in dem Schienenfahrzeug (30) ausgeführt wird.
15. Computerlesbares Medium, auf welchem von einer Rechnereinheit ausführbare Programmabschnitte gespeichert sind, um alle Schritte des Verfahrens nach einem der Ansprüche 1 bis 11 auszuführen, wenn die Programmabschnitte von der Rechner- einheit ausgeführt werden.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18750348.7A EP3625575A1 (de) | 2017-08-08 | 2018-07-19 | Kalibration von fahrzeugsensoren |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017213806.8 | 2017-08-08 | ||
DE102017213806.8A DE102017213806A1 (de) | 2017-08-08 | 2017-08-08 | Kalibration von Fahrzeugsensoren |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2019029967A1 true WO2019029967A1 (de) | 2019-02-14 |
Family
ID=63113478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/EP2018/069629 WO2019029967A1 (de) | 2017-08-08 | 2018-07-19 | Kalibration von fahrzeugsensoren |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3625575A1 (de) |
DE (1) | DE102017213806A1 (de) |
WO (1) | WO2019029967A1 (de) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022236833A1 (zh) * | 2021-05-14 | 2022-11-17 | 华为技术有限公司 | 参数标定模型、训练方法、参数标定装置和车辆 |
CN116156445A (zh) * | 2023-01-04 | 2023-05-23 | 西安电子科技大学 | 通感一体化背景下的多传感器网络系统误差校正方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018213940A1 (de) * | 2018-08-17 | 2020-02-20 | Robert Bosch Gmbh | Vorrichtung mit einer Sensoreinheit und einer Selbstkalibrierungsfunktion |
DE102019211944A1 (de) * | 2019-08-08 | 2021-02-11 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | Verfahren zur Bestimmung einer lokalen Wagengeschwindigkeit eines Wagens |
DE102022208176A1 (de) | 2022-08-05 | 2024-02-08 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Auswerten von Sensordaten, Recheneinheit zum Auswerten von Sensordaten und Sensorsystem, Verfahren zum Herstellen eines Sensorsystems |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19812426A1 (de) * | 1998-03-20 | 1999-09-23 | Valeo Electronics Gmbh & Co Kg | Einstellung von Sensoren mit dem Geschwindigkeitsvektor |
DE19919249A1 (de) * | 1999-04-28 | 2000-11-02 | Bodenseewerk Geraetetech | Koppelnavigationssystem |
US20040073360A1 (en) * | 2002-08-09 | 2004-04-15 | Eric Foxlin | Tracking, auto-calibration, and map-building system |
US20070257831A1 (en) * | 2006-04-28 | 2007-11-08 | Loctronix Corporation | System and method for positioning in configured environments |
DE102014226612A1 (de) * | 2014-12-19 | 2016-06-23 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zur Ermittlung der Geschwindigkeit eines Schienenfahrzeuges |
US20160363460A1 (en) * | 2015-06-12 | 2016-12-15 | 7725965 Canada Inc. | Orientation model for inertial devices |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19757333C1 (de) * | 1997-12-22 | 1999-09-16 | Litef Gmbh | Selbsttätige, schnelle Kalibrierung einer bordautonomen Messung eines Geschwindigkeitsvektors |
-
2017
- 2017-08-08 DE DE102017213806.8A patent/DE102017213806A1/de not_active Ceased
-
2018
- 2018-07-19 EP EP18750348.7A patent/EP3625575A1/de not_active Withdrawn
- 2018-07-19 WO PCT/EP2018/069629 patent/WO2019029967A1/de unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19812426A1 (de) * | 1998-03-20 | 1999-09-23 | Valeo Electronics Gmbh & Co Kg | Einstellung von Sensoren mit dem Geschwindigkeitsvektor |
DE19919249A1 (de) * | 1999-04-28 | 2000-11-02 | Bodenseewerk Geraetetech | Koppelnavigationssystem |
US20040073360A1 (en) * | 2002-08-09 | 2004-04-15 | Eric Foxlin | Tracking, auto-calibration, and map-building system |
US20070257831A1 (en) * | 2006-04-28 | 2007-11-08 | Loctronix Corporation | System and method for positioning in configured environments |
DE102014226612A1 (de) * | 2014-12-19 | 2016-06-23 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zur Ermittlung der Geschwindigkeit eines Schienenfahrzeuges |
US20160363460A1 (en) * | 2015-06-12 | 2016-12-15 | 7725965 Canada Inc. | Orientation model for inertial devices |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022236833A1 (zh) * | 2021-05-14 | 2022-11-17 | 华为技术有限公司 | 参数标定模型、训练方法、参数标定装置和车辆 |
CN116156445A (zh) * | 2023-01-04 | 2023-05-23 | 西安电子科技大学 | 通感一体化背景下的多传感器网络系统误差校正方法 |
Also Published As
Publication number | Publication date |
---|---|
DE102017213806A1 (de) | 2019-02-14 |
EP3625575A1 (de) | 2020-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019029967A1 (de) | Kalibration von fahrzeugsensoren | |
DE102019104662A1 (de) | System und Verfahren zum Verfolgen von Reifenprofilverschleiss | |
DE102016209833B4 (de) | Verfahren und Vorrichtung zum Bestimmen eines Fahrerhandmoments an einem Lenkrad eines Fahrzeugs | |
EP3775783B1 (de) | Verfahren zur kalibrierung eines positionssensors in einem fahrzeug, computerprogramm, speichermittel, steuergerät und kalibrierstrecke | |
WO2020216559A1 (de) | Verfahren zur erkennung einer funktionsfähigkeit eines umgebungssensors, steuergerät und fahrzeug | |
EP3001137A1 (de) | Verfahren zur überwachung einer kalibrierung mehrerer umgebungssensoren eines kraftfahrzeugs und kraftfahrzeug | |
DE102017222017A1 (de) | Verfahren und System zum Ermitteln und Bereitstellen eines Bodenprofils | |
DE102018221981B4 (de) | Verfahren, Steuereinrichtung und System zum Ermitteln von Profiltiefen von Reifen an Fahrzeugen | |
DE102017002148B4 (de) | Verfahren und System zur Vorhersage der Restlebensdauer einer Bremsscheibe in einem Scheibenbremssystem eines Fahrzeugs | |
WO2009013052A2 (de) | Verfahren und vorrichtung für die spurerfassung mit einem fahrerassistenzsystem | |
DE102018004057A1 (de) | Verfahren und System zum Bestimmen des Versatzes eines Lenkradwinkelsensors | |
DE102020121119A1 (de) | Verfahren und system zum erfassen einer motorölverschlechterung | |
DE102008041451A1 (de) | Kalibration einer Messeinrichtung | |
DE102014207694A1 (de) | Verfahren zum Evaluieren der Errechnung von Umfeldmodellen durch Fahrzeuge | |
DE102017108107A1 (de) | Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zur schätzung einer pose eines kraftfahrzeugs | |
DE102013223217A1 (de) | Verfahren zum Betreiben eines Servers | |
DE102016201814A1 (de) | Verfahren und Vorrichtung zur sensorischen Umfelderfassung in einem Fahrzeug | |
DE102013218043B4 (de) | Verfahren zum Bereitstellen relativer Messdaten für einen Fusionssensor | |
WO2016087027A1 (de) | Verfahren zur eigendiagnose eines umgebungssensors eines kraftfahrzeugs und kraftfahrzeug | |
DE102019211934B4 (de) | Verfahren zur Bestimmung einer Zuggeschwindigkeit eines Zugs mit mindestens einem Wagen | |
WO2021047856A1 (de) | Verfahren zur bestimmung einer objektposition unter verwendung verschiedener sensorinformationen | |
WO2020224971A1 (de) | Verfahren zur ermittlung von messwerten mittels mindestens zweier unterschiedlicher messverfahren und dessen verwendung | |
EP3625106B1 (de) | Sensoriell gesteuertes anpassen von fusionsgewichten an wetterbedingungen in einer odometrieeinheit eines schienenfahrzeugs | |
DE102017212179A1 (de) | Korrektur eines gemessenen Positionswerts eines schienengebundenen Fahrzeugs | |
DE102017212953A1 (de) | Ermittlung von odometrischen Daten eines Schienenfahrzeugs mit Hilfe stationärer Sensoren |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18750348 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2018750348 Country of ref document: EP Effective date: 20191220 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |