Fabrication industrielle
Internet des objets industriel | Matériaux industriels | Entretien et réparation d'équipement | Programmation industrielle |
home  MfgRobots >> Fabrication industrielle >  >> Industrial Internet of Things >> Embarqué

L'apprentissage automatique peut atténuer la dégradation des capteurs

Dans le cadre de la transition des véhicules modernes des anciennes technologies vers les nouvelles technologies, les capteurs de position inductifs visent à remplacer les capteurs à effet Hall, et cette transition est intrinsèquement liée à une meilleure gestion des problèmes liés à la dégradation des capteurs automobiles.

Par exemple, Microchip Technology a dévoilé des capteurs de position inductifs pour les applications automobiles telles que le corps de papillon des automobiles, la détection des engrenages de transmission, la direction assistée électronique et les pédales d'accélérateur. La proposition de valeur :les mesures de position sont immunisées contre les champs magnétiques parasites et ne nécessitent pas de dispositif magnétique externe.

Alors que les ingénieurs automobiles veulent s'assurer que les capteurs fonctionnent dans une plage de températures, ils sont préoccupés par les variations de la structure mécanique et la dégradation des aimants, qui ont un impact sur la précision. D'un autre côté, un capteur de position inductif utilise un morceau de métal au lieu d'un aimant, et le morceau de métal ne vieillit pas beaucoup avec le temps.

« C'est un élément important à surveiller dans la dégradation des capteurs, qu'il arrive quelque chose au circuit intégré ou à l'extérieur », a déclaré Mark Smith, directeur marketing principal chez Microchip. En ce qui concerne la dégradation des capteurs, les ingénieurs doivent principalement se soucier de la longévité du PCB lorsqu'ils utilisent des capteurs de position inductifs, a ajouté Smith.

C'est également crucial car les circuits intégrés de capteurs destinés aux applications automobiles nécessitent de plus en plus des certifications ASIL. Les capteurs de position inductifs de Microchip — LX3301A , LX3302A et LX34050 — sont conformes à la certification ASIL-B, permettant aux concepteurs de systèmes de détecter ≥ 90 % de toutes les défaillances ponctuelles.


Figure 1. Un plus grand espace EEPROM dans le capteur de position inductif LX3302A facilite huit points d'étalonnage pour assurer la précision de mesure du capteur. Source :puce électronique

Gestion de la dégradation des capteurs

Actuellement, l'industrie gère les problèmes liés à la dégradation des capteurs de A à Z pour se conformer aux certifications ASIL. Que se passe-t-il si ce transistor tombe en panne ou si ce circuit fonctionne mal ? Que peuvent faire les ingénieurs si un capteur est à court de sortie ? "C'est une approche très déterministe et chronophage", a déclaré Smith.

Des expérimentations spécifiques doivent être menées pour vérifier ou justifier certains chiffres, appelés aussi taux de couverture. Les ingénieurs automobiles peuvent créer un défaut et s'assurer qu'il peut être détecté tout en utilisant des tableaux de fiabilité des normes de l'industrie. "C'est un système relativement simple, et les ingénieurs peuvent le gérer efficacement", a ajouté Smith.

Les véhicules d'aujourd'hui utilisent environ 50 capteurs de position, de sorte que le passage des capteurs à effet Hall aux capteurs de position inductifs peut être essentiel pour gérer la dégradation des capteurs automobiles. Au-delà de la sélection de capteurs dans lesquels les matériaux vieillissent peu, qu'y a-t-il d'autre à prévoir pour gérer efficacement la dégradation des capteurs dans les véhicules ? Smith pense que l'apprentissage automatique est la voie à suivre.

Smith a déclaré que les modèles d'apprentissage automatique pourraient implémenter la reconnaissance de formes avant que des défaillances n'apparaissent dans les capteurs automobiles. "Les ingénieurs automobiles peuvent analyser cinq capteurs différents et détecter une défaillance au niveau du système ainsi qu'une dégradation à un niveau supérieur."

L'apprentissage automatique est l'avenir

Alors que l'industrie automobile examine les problèmes de dégradation des capteurs de manière très déterministe, à l'avenir, il existe de nombreuses possibilités d'utiliser certaines des techniques informatiques avancées pour effectuer une analyse liée à la dégradation à l'aide de l'apprentissage automatique. Cependant, l'idée d'utiliser l'apprentissage automatique pour gérer la dégradation des capteurs dans les véhicules n'en est qu'à ses balbutiements et nécessitera beaucoup plus de puissance de calcul.


Figure 2. L'apprentissage automatique, jusqu'au niveau des capteurs, peut être utilisé pour créer des modèles permettant de mesurer et d'atténuer la dégradation des capteurs automobiles. (Source :Mathworks)

Cette approche permet aux ingénieurs de collecter un tas de données, de les intégrer dans un modèle d'apprentissage automatique, puis de rechercher une signature. C'est ce que font actuellement les conceptions de véhicules autonomes (AV). "L'apprentissage automatique est en marche au niveau des capteurs, et il peut être utilisé pour simplifier le processus de mesure de la dégradation et rendre le processus d'atténuation plus efficace", a déclaré Smith.

La dégradation des capteurs automobiles marque un autre endroit où l'apprentissage automatique a une opportunité de gagner. Le fait que l'apprentissage automatique utilise beaucoup de données et les intègre dans un modèle pour détecter les dysfonctionnements des capteurs peut entraîner des gains de fiabilité substantiels et des économies de coûts.

>> Cet article a été initialement publié le notre site frère, EDN.


Embarqué

  1. Apprentissage automatique sur AWS ; Tout savoir
  2. La chaîne d'approvisionnement et l'apprentissage automatique
  3. ST :capteur de mouvement avec apprentissage automatique pour un suivi d'activité haute précision et économe en batterie
  4. Comment utiliser l'apprentissage automatique dans l'environnement d'entreprise d'aujourd'hui
  5. Intelligence artificielle vs apprentissage automatique vs apprentissage en profondeur | La différence
  6. Apprentissage automatique sur le terrain
  7. Apprentissage automatique dans la maintenance prédictive
  8. Comment l'IA et l'apprentissage automatique impactent l'usinage CNC
  9. Prédire la durée de vie des batteries grâce à l'apprentissage automatique