Die steigende Anzahl an bereits im Kleinwagensegment verbauten Sensoren mit überlappendem Informationsgehalt trotz stark heterogener Messprinzipien motiviert zum Aufbau einer Systemarchitektur zur zentralen, echtzeitfähigen Fusion und Qualitätsbeschreibung der Messdaten, um Verbesserungen der Genauigkeit und der Fehlererkennung zu erzielen. Für diesen Anwendungsfall werden Anforderungen ermittelt, und aus diesen die Auswahl für die Verwendung eines Error-State-Space-Kalmanfilters mit enger Kopplung der Sensoren getroffen. Dieses wird für einen Satz an seriennahen Sensoren, bestehend aus einer 6D-MEMS-Inertialmesseinheit, GPS Code- und Trägerphasenmessungen sowie Odometriemessungen umgesetzt. Die Inertialmesseinheit wird in Kombination mit einem Strapdown-Algorithmus als Basissystem zur Ermittlung von Beschleunigungen, Drehraten, Geschwindigkeit, Ausrichtung und Position verwendet, während GPS und Odometrie Korrekturmessungen für dieses Basissystem liefern. Die Korrekturmessungen werden in enger Kopplung als Basissystem betrieben, d.h. Korrekturen für systematische Fehler dieser Messungen werden ebenfalls im Fusionsfilter geschätzt und zurückgeführt. Im Fokus dieses Papers stehen die Erweiterungen und Anpassungen des Filters, die sich aus der Anwendung im Automotive-Bereich ergeben. Durch die heterogenen Messprinzipien ergeben sich sensorspezifische Verzugszeiten zwischen dem Messzeitpunkt und der Bereitstellung der Daten. Daher kommt eine echtzeitfähige Methode zum Einsatz, die Messdaten mit beliebigen Verzugszeiten verarbeitet. Die GNSS-Korrekturdaten werden zudem durch die Ausnutzung von Redundanzen auf Plausibilität überprüft, so dass zufällige, nicht korrigierbare Fehler in den Messdaten erkannt und die Messungen nicht zur Fusion verwendet werden. Die hier gezeigte Signalqualitätsbeschreibung setzt sich aus den Teilen Integrität und Genauigkeit zusammen. Hierbei beschreibt das Integritätsmaß die Konsistenz der Messdaten und der Filterzustände, eine Integritätswarnung mit definierter Irrtumswahrscheinlichkeit wird bei Inkonsistenz ausgegeben. Zusätzlich wird für den Fall von als konsistent betrachteten Messdaten ein Vertrauensmaß (Protection Level) für den maximalen Fehler der fusionierten Daten berechnet. Das Genauigkeitsmaß beschreibt Unsicherheiten und Fehler bestimmter, voneinander getrennter Eigenschaftsklassen, z.B. Rauschen oder Offset, über eine Signalverarbeitungskette. Diese Modellierung ermöglicht die echtzeitfähige Ausgabe einer Signalbeschreibung ähnlich einem Datenblatt für jeden Verarbeitungsschritt. Mit dem beschriebenen Fusionsfilter werden Ergebnisse erzielt, die in ihrer Genauigkeit vergleichbar mit aktuellen Referenzmesssystemen sind. Es wird gezeigt, dass die Plausibilitätsprüfung die Integritätsberechnung ergänzt, und die Datenfusion und -qualitätsbewertung für die Anwendung im Automotive-Bereich prinzipiell geeignet sind.
Entwurf und Umsetzung einer Systemarchitektur zur Echtzeitfusion und Qualitätsbewertung heterogener, redundanter Messdaten im Kraftfahrzeug
2013
29 Seiten, Bilder, Quellen
Aufsatz (Konferenz)
Datenträger
Deutsch
Anforderungsanalyse , Echtzeitdatenverarbeitung , Fehlerschätzung , Genauigkeit , Genauigkeitsklasse , Heterogenität , Kalman-Filter , Korrekturverfahren , Kraftfahrzeug , Messdaten , Messdatenauswertung , Messwertverarbeitung , Modellierung , Qualitätsbewertung , Redundanz , Sensorfusion , Strap-Down-Sensor , Systemarchitektur , systematischer Fehler , Verzugszeit , Wegmessung
SYSTEMARCHITEKTUR FÜR EIN AKTIVES FAHRWERKSYSTEM AN EINEM KRAFTFAHRZEUG
Europäisches Patentamt | 2017
|Systemarchitektur für ein aktives Fahrwerksystem an einem Kraftfahrzeug
Europäisches Patentamt | 2017
|