O aprendizado de máquina pode mitigar a degradação do sensor

Como parte da transição do veículo moderno de tecnologias mais antigas para novas tecnologias, os sensores de posição indutivos visam substituir os sensores de efeito Hall, e essa transição está intrinsecamente ligada a um melhor gerenciamento de questões relacionadas à degradação do sensor automotivo.

Por exemplo, a Microchip Technology revelou sensores de posição indutivos para aplicações automotivas, como corpo do acelerador de automóveis, sensor de engrenagem de transmissão, direção hidráulica eletrônica e pedais do acelerador. A proposta de valor:as medições de posição são imunes a campos magnéticos dispersos e não requerem um dispositivo magnético externo.

Embora os engenheiros automotivos queiram garantir que os sensores funcionem em uma faixa de temperaturas, eles estão preocupados com as variações na estrutura mecânica e a degradação do ímã, afetando a precisão. Por outro lado, um sensor de posição indutivo usa um pedaço de metal em vez de um ímã, e o pedaço de metal não envelhece muito com o tempo.

“Esse é um grande componente a ser observado na degradação do sensor, quer algo aconteça com o IC ou externamente”, disse Mark Smith, gerente sênior de marketing da Microchip. Quando se trata de degradação do sensor, os engenheiros precisam se preocupar principalmente com a longevidade do PCB ao usar sensores de posição indutivos, acrescentou Smith.

Também é crucial porque os CIs de sensores que atendem a aplicações automotivas exigem cada vez mais as certificações ASIL. Os sensores de posição indutivos da Microchip - LX3301A, LX3302A e LX34050 - estão em conformidade com a certificação ASIL-B, permitindo que os projetistas de sistema detectem ≥90% de todas as falhas de ponto único.

Figura 1. Um maior espaço EEPROM no sensor de posição indutivo LX3302A facilita oito pontos de calibração para garantir a precisão da medição do sensor. Fonte:Microchip

Gerenciamento de degradação do sensor

Atualmente, a indústria está gerenciando problemas relacionados à degradação do sensor desde o início para cumprir as certificações ASIL. O que acontece se esse transistor falhar ou se o circuito não funcionar corretamente? O que os engenheiros podem fazer se um sensor estiver com falta de saída? “É uma abordagem muito determinística e demorada”, disse Smith.

Experimentos específicos devem ser realizados para verificar ou justificar certos números, também conhecidos como taxas de cobertura. Os engenheiros automotivos podem criar uma falha e garantir que ela possa ser detectada ao usar gráficos de confiabilidade dos padrões da indústria. “É um sistema relativamente simples e os engenheiros podem lidar com eles com eficiência”, acrescentou Smith.

Os veículos de hoje usam cerca de 50 sensores de posição, portanto, uma mudança de sensores de efeito Hall para sensores de posição indutivos pode ser crítica no gerenciamento da degradação do sensor automotivo. Além da seleção de sensores em que os materiais não envelhecem muito, o que mais está em jogo no gerenciamento eficiente da degradação do sensor em veículos? Smith acredita que o aprendizado de máquina é o caminho a seguir.

Smith disse que os modelos de aprendizado de máquina podem implementar o reconhecimento de padrões antes que as falhas apareçam nos sensores automotivos. “Os engenheiros automotivos podem analisar cinco sensores diferentes e detectar uma falha no nível do sistema, bem como degradação em um nível superior.”

O aprendizado de máquina é o futuro

Enquanto a indústria automotiva está olhando para os problemas de degradação do sensor de forma muito determinística, avançando, há uma ampla oportunidade para usar algumas das técnicas de computação avançadas para realizar análises relacionadas à degradação usando aprendizado de máquina. No entanto, a ideia de usar o aprendizado de máquina para gerenciar a degradação do sensor em veículos está na infância e exigirá muito mais poder de computação.

Figura 2. O aprendizado de máquina, chegando ao nível do sensor, pode ser usado para criar modelos para medir e mitigar a degradação do sensor automotivo. (Fonte:Mathworks)

Essa abordagem permite que os engenheiros coletem muitos dados, os coloquem em um modelo de aprendizado de máquina e procurem uma assinatura. Isso é o que os projetos de veículos autônomos (AV) estão fazendo agora. “O aprendizado de máquina está crescendo e chegando no nível do sensor e pode ser usado para simplificar o processo de medição de degradação e tornar o processo de mitigação mais eficiente”, disse Smith.

A degradação do sensor automotivo marca outro local onde o aprendizado de máquina tem uma oportunidade de vencer. O fato de o aprendizado de máquina pegar muitos dados e colocá-los em um modelo para detectar mau funcionamento do sensor pode levar a ganhos substanciais de confiabilidade e economia de custos.

>> Este artigo foi publicado originalmente em nosso site irmão, EDN.