【技術實現步驟摘要】
本專利技術涉及一種用于校準傳感器的方法、一種計算單元和一種傳感器系統。
技術介紹
1、從現有技術中已知傳感器，其中，傳感器在其制造之后必須進行校準，因為這些傳感器彼此之間總是具有一定的偏差。這種校準可以基于數學模型來執行。從一般的模型出發，模型的參數在校準過程中被匹配于個體傳感器。為此目的，傳感器記錄確定的測量點，并且，根據測得的值，通過補償算法來匹配模型。如果傳感器在用戶處被安裝、例如焊接，則可出現變化的條件，并且，原始校準可能不再是最佳的。現在，用戶可以重新校準傳感器。這種重新校準然而是費事的并且必要時需要用戶無法獲得的、關于傳感器的精確功能方式及其校準的知識。
2、還已知自適應方法，其中，模型匹配于新的條件。在此，例如生成同時適用于多個不同傳感器的元模型。這種元模型然后可以匹配于各個傳感器。用于這種方法的應用情況是神經網絡的訓練方法。元模型能夠被訓練成能夠利用盡可能少的訓練數據來進行傳感器的匹配。元模型在此被匹配為特定于傳感器的模型。用于訓練人工智能的已知的元自適應算法是“模型不可知元學習(model-agnostic?meta-learning)”算法(maml)。這種算法由兩個優化步驟組成，這兩個優化步驟借助于梯度訓練步驟對模型進行匹配。有內部優化和外部優化。通過內部優化，將用于傳感器的通用模型匹配成用于某個傳感器，而借助于外部優化來優化用于傳感器的通用模型。在訓練人工智能時可以執行兩個優化步驟，而借助于內部優化可以執行自適應步驟。
技術實現思路
1、本專利技
2、根據第一方面，本專利技術涉及一種用于校準傳感器系統的傳感器的方法，在該方法中實施在下文中闡釋的步驟。提供多個與該傳感器系統的傳感器結構相同的傳感器，并且，提供通用傳感器模型。在此，通用傳感器模型可以基于傳感器如何正常工作的理論考慮來創建。尤其地，通用傳感器模型可以涉及傳感器類型、即涉及所有結構相同的傳感器。隨后，對于結構相同的傳感器中的每個執行內部優化步驟。在內部優化步驟中，利用通用傳感器模型來初始化特定于傳感器的傳感器模型，并且，隨后基于傳感器的測量數據來優化特定于傳感器的模型參數。通用傳感器模型也可以稱為元模型。借助特定于傳感器的模型參數來匹配特定于傳感器的傳感器模型。隨后，對于特定于傳感器的傳感器模型計算評估值損失(evaluierungswertverlust)。之后，執行外部優化步驟。在該外部優化步驟中，將對于每個傳感器計算出的評估值用于優化通用傳感器模型的通用模型參數。將通用傳感器模型存儲在傳感器系統的存儲器中。所存儲的通用傳感器模型尤其可以包含在外部優化步驟中經優化的通用模型參數。
3、該方法能夠尤其在傳感器系統的開發期間、但也能夠在傳感器系統的生產期間使用。通過將通用傳感器模型存儲在傳感器系統的存儲器中，能夠給傳感器系統提供通用傳感器模型，基于此，傳感器系統借助該通用傳感器模型來處理傳感器系統的傳感器的測量數據并且由此實現更精確的輸出值。
4、用于校準傳感器系統的傳感器的方法使用內部優化步驟和外部優化步驟。在內部優化步驟中，特定于傳感器的傳感器模型僅基于傳感器的測量數據被匹配。在外部優化步驟中，從對于所有傳感器計算出的評估值損失中可以匹配通用傳感器模型。由此得到在制造傳感器系統期間提供用于所有傳感器系統的通用傳感器模型的一種高效途徑。
5、根據第二方面，本專利技術涉及一種用于傳感器系統的計算單元。該計算單元具有用于傳感器的測量數據的輸入端、處理器和存儲器。在存儲器中保存有利用根據本專利技術的方法進行優化的通用傳感器模型。處理器設置為用于基于該通用傳感器模型來處理傳感器的測量數據。由此能夠實現更精確的輸出值。
6、根據第三方面，本專利技術涉及一種傳感器系統，其具有根據本專利技術的計算單元和連接到輸入端的傳感器。傳感器系統可以構型成，使得傳感器和計算單元都是集成電路的一部分，或者，使得傳感器和計算單元都布置在共同的殼體中。
7、在計算單元的一個實施方式中，處理器還設置為用于，基于經由輸入端接收到的傳感器的測量數據來執行內部優化，在該內部優化中利用通用傳感器模型來初始化特定于傳感器的傳感器模型并且隨后基于傳感器的測量數據來優化特定于傳感器的模型參數。也可以設置基于測量數據被優化的多個特定于傳感器的模型參數。然后，這可以分別對于每個特定于傳感器的模型參數利用下面描述的方法來進行。借助特定于傳感器的模型參數，特定于傳感器的傳感器模型被匹配且被保存在存儲器中。這實現了，例如在安裝傳感器系統以及可能與之相關的傳感器的改變之后，執行傳感器系統的校準并且以此實現更精確的輸出值。在這里，可以省去在用于多個傳感器的內部優化步驟中所包含的對評估損失值的計算，因為沒有執行另外的外部優化。在此，傳感器的改變可以例如由焊接時的溫度或由應力效應導致。
8、在該方法的一個實施方式中，在安裝傳感器系統之后，執行內部優化步驟。在該內部優化步驟中，利用通用傳感器模型來初始化特定于傳感器的傳感器模型，并且，隨后基于傳感器的測量數據來優化特定于傳感器的模型參數。借助特定于傳感器的模型參數來匹配特定于傳感器的傳感器模型。隨后，將特定于傳感器的傳感器模型、即尤其是經匹配的特定于傳感器的傳感器模型保存在存儲器中。在此，初始保存在存儲器中的通用傳感器模型可以被特定于傳感器的傳感器模型替換。替代地能夠設置，通用傳感器模型保留在存儲器中并且特定于傳感器的傳感器模型附加地保存在存儲器中。這實現了，例如在安裝傳感器系統以及可能與之相關的傳感器的改變之后，執行傳感器系統的校準并且以此實現更精確的輸出值。在此，傳感器的改變可以例如由焊接時的溫度或由應力效應導致。
9、在這個實施方式中，能夠設置，使用多個與傳感器系統的傳感器結構相同的傳感器來求取通用傳感器模型，并且，裝配在傳感器系統中的傳感器是與在求取通用傳感器系統期間使用的傳感器不同的傳感器。因此，在安裝之后的內部優化步驟利用與安裝之前的內部優化步驟和外部優化步驟不同的傳感器的測量數據來執行。
10、在該方法的一個實施方式中，在將特定于傳感器的傳感器模型保存在存儲器中之后，從該存儲器中移除通用傳感器模型和/或匹配算法。由此可以釋放存儲器中的存儲空間，并且必要時將該存儲空間用于其他任務、例如用于臨時緩沖輸出值。
11、在該方法的一個實施方式中，利用經優化的通用傳感器模型來重復內部優化步驟的執行和外部優化步驟的執行。必要時，這種重復發生多次。在執行對內部優化步驟和外部優化步驟的一次重復或多次重復之后，可以將通用傳感器模型存儲在傳感器系統的存儲器中。這實現了對通用傳感器模型的更精確的匹配。
12、在該方法的一個實施方式中，在內部優本文檔來自技高網...
【技術保護點】
1.一種用于校準傳感器系統(200)的傳感器(210)的方法，所述方法具有以下步驟：
2.根據權利要求1所述的方法，其中，在安裝所述傳感器系統(200)之后，執行內部優化步驟，其中，在所述內部優化步驟中利用所述通用傳感器模型來初始化特定于傳感器的傳感器模型，并且，隨后基于所述傳感器的測量數據來優化特定于傳感器的模型參數，其中，借助所述特定于傳感器的模型參數來匹配所述特定于傳感器的傳感器模型，其中，將所述特定于傳感器的傳感器模型保存在所述存儲器(223)中。
3.根據權利要求2所述的方法，其中，隨后，從所述存儲器(223)中移除所述通用傳感器模型和/或匹配算法。
4.根據權利要求1至3中任一項所述的方法，其中，利用經優化的通用傳感器模型來重復所述內部優化步驟的執行和所述外部優化步驟的執行。
5.根據權利要求1至4中任一項所述的方法，其中，在所述內部優化步驟中，所述傳感器的測量數據是校準數據并且為了優化所述特定于傳感器的模型參數而考慮傳感器誤差的損失函數。
6.根據權利要求1至5中任一項所述的方法，其中，在計算所述評估損失值
7.根據權利要求1至6中任一項所述的方法，其中，所述內部優化步驟和/或所述外部優化步驟是借助神經網絡進行的。
8.一種用于傳感器系統(200)的計算單元(220)，所述計算單元具有用于傳感器(210)的測量數據的輸入端(221)、處理器(222)和存儲器(223)，其中，在所述存儲器(223)中保存有利用根據權利要求1至7所述的方法進行優化的通用傳感器模型，并且其中，所述處理器(222)設置為用于基于所述通用傳感器模型來處理所述傳感器(210)的測量數據。
9.根據權利要求8所述的計算單元(220)，其中，所述處理器(222)還設置為用于，基于經由所述輸入端(221)接收到的所述傳感器(210)的測量數據來執行內部優化，在所述內部優化中利用所述通用傳感器模型來初始化特定于傳感器的傳感器模型并且隨后基于所述傳感器(210)的測量數據來優化特定于傳感器的模型參數，其中，所述特定于傳感器的傳感器模型借助所述特定于傳感器的模型參數被匹配并且被保存在所述存儲器(223)中。
10.一種傳感器系統(200)，其具有根據權利要求8或9所述的計算單元(220)和連接到所述輸入端(221)的傳感器(210)。
...【技術特征摘要】
1.一種用于校準傳感器系統(200)的傳感器(210)的方法，所述方法具有以下步驟：
2.根據權利要求1所述的方法，其中，在安裝所述傳感器系統(200)之后，執行內部優化步驟，其中，在所述內部優化步驟中利用所述通用傳感器模型來初始化特定于傳感器的傳感器模型，并且，隨后基于所述傳感器的測量數據來優化特定于傳感器的模型參數，其中，借助所述特定于傳感器的模型參數來匹配所述特定于傳感器的傳感器模型，其中，將所述特定于傳感器的傳感器模型保存在所述存儲器(223)中。
3.根據權利要求2所述的方法，其中，隨后，從所述存儲器(223)中移除所述通用傳感器模型和/或匹配算法。
4.根據權利要求1至3中任一項所述的方法，其中，利用經優化的通用傳感器模型來重復所述內部優化步驟的執行和所述外部優化步驟的執行。
5.根據權利要求1至4中任一項所述的方法，其中，在所述內部優化步驟中，所述傳感器的測量數據是校準數據并且為了優化所述特定于傳感器的模型參數而考慮傳感器誤差的損失函數。
6.根據權利要求1至5中任一項所述的方法，其中，在計算所述評估損失值時使用相應的傳感器的測量數據，其中，所述測量數據是基本測試數據或者校準數據和...
【專利技術屬性】
技術研發人員：P·特里奇勒，T·奧姆斯，M·哈塔斯，
申請(專利權)人：羅伯特·博世有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。