Exploiter l'apprentissage automatique pour contrer la dégradation des capteurs automobiles

Alors que les véhicules évoluent des systèmes hérités vers la technologie de pointe, les capteurs de position inductifs sont appelés à remplacer les capteurs à effet Hall. Cette transition repose sur une gestion supérieure de la dégradation des capteurs automobiles.

Microchip Technology a lancé des capteurs de position inductifs adaptés aux applications automobiles clés – corps de papillon, détection de rapport de transmission, direction assistée électrique et pédales d'accélérateur. Ces capteurs fournissent des données de position immunes aux champs magnétiques parasites et éliminent le besoin d'un aimant externe.

Les ingénieurs doivent assurer la performance des capteurs sur une large plage de température, tout en restant préoccupés par les variations mécaniques et la dégradation des aimants qui peuvent éroder la précision. Les capteurs inductifs, qui utilisent un élément métallique au lieu d'un aimant, présentent un vieillissement bien moindre dans le temps, adressant ce problème central.

« La dégradation des capteurs est un composant critique à surveiller, que le problème réside dans le CI ou l'environnement externe », a déclaré Mark Smith, responsable marketing senior chez Microchip. Il a souligné que la longévité du PCB est la préoccupation principale lors du déploiement de capteurs de position inductifs.

Les capteurs de position inductifs de Microchip – LX3301A, LX3302A et LX34050 – répondent aux exigences de certification ASIL‑B, permettant aux concepteurs de systèmes de détecter ≥90 % de tous les défaillances ponctuelles. Figure 1 montre l'EEPROM étendue du LX3302A, qui prend en charge huit points de calibration pour maintenir la précision de mesure. Source : Microchip

Figure 1. Un espace EEPROM plus grand dans le capteur de position inductif LX3302A facilite huit points de calibration pour une mesure précise. Source : Microchip

Gestion de la dégradation des capteurs

La pratique industrielle actuelle traite la dégradation des capteurs depuis la base pour satisfaire aux normes ASIL. Les ingénieurs doivent anticiper les défaillances potentielles de transistors ou dysfonctionnements de circuits et évaluer leur impact. « C'est une approche déterministe et chronophage », a noté Smith.

Des expériences ciblées valident les taux de couverture, et les graphiques de fiabilité des normes industrielles aident les ingénieurs à s'assurer que les défauts sont détectables. « C'est un système relativement simple que les ingénieurs peuvent gérer efficacement », a-t-il ajouté.

Les véhicules modernes emploient généralement environ 50 capteurs de position, rendant le passage de l'effet Hall à l'inductif crucial pour la gestion de la dégradation. Au-delà de la sélection de matériaux durables, les ingénieurs explorent des stratégies avancées – notamment l'apprentissage automatique – pour rationaliser la surveillance de la dégradation.

Smith a expliqué que les modèles d'apprentissage automatique peuvent effectuer la reconnaissance de motifs avant que les défaillances ne se manifestent. « Les ingénieurs automobiles peuvent analyser les données de cinq capteurs différents et détecter les défaillances et la dégradation au niveau système à un niveau supérieur », a-t-il dit.

L'apprentissage automatique est l'avenir

Alors que le secteur automobile aborde traditionnellement la dégradation des capteurs de manière déterministe, il existe un potentiel significatif pour exploiter les techniques de calcul avancées. L'apprentissage automatique peut mener l'analyse de dégradation plus efficacement, bien que l'approche en soit à ses débuts et exige des ressources computationnelles substantielles.

Figure 2. L'apprentissage automatique, émergent au niveau du capteur, peut modéliser et atténuer la dégradation des capteurs automobiles. (Source : MathWorks)

En collectant des données étendues, les alimentant dans un modèle d'apprentissage automatique et en recherchant des signatures de défaillance imminente, les ingénieurs peuvent anticiper les problèmes – une approche déjà adoptée dans la conception de véhicules autonomes. « L'apprentissage automatique monte au niveau du capteur, simplifiant la mesure de la dégradation et améliorant l'efficacité de l'atténuation », a déclaré Smith.

La dégradation des capteurs automobiles représente un autre domaine où l'apprentissage automatique peut apporter des gains de fiabilité significatifs et des économies de coûts.

» Cet article a été publié à l'origine sur notre site frère, EDN.