作为现代汽车从旧技术向新技术过渡的一部分，感应式位置传感器旨在取代霍尔效应传感器，这种过渡与更好地管理与汽车传感器退化相关的问题有着内在的联系。

例如，Microchip Technology推出了用于汽车应用的感应位置传感器，如汽车节气门体、变速器档位传感、电子助力转向和油门踏板。价值主张：位置测量不受杂散磁场的影响，不需要外部磁性设备。

虽然汽车工程师希望确保传感器在一定温度范围内工作，但他们担心机械结构的变化和磁体的退化，从而影响精度。另一方面，感应式位置传感器使用一块金属代替磁铁，而且金属不会随着时间的推移而老化。

Microchip的高级营销经理Mark Smith说：“无论是IC还是外部发生了什么，这都是传感器退化的一个重要组成部分。”。Smith补充道，当涉及到传感器退化时，工程师们在使用感应式位置传感器时，最担心的是PCB的寿命。

这也是至关重要的，因为为汽车应用服务的传感器IC越来越需要ASIL认证。Microchip的感应式位置传感器-长x3301a,长x3302a和长34050-符合ASIL-B认证，使系统设计者能够检测到≥90%的所有单点故障。


图1。LX3302A感应式位置传感器中更大的EEPROM空间有助于八个校准点，以确保传感器测量的准确性。资料来源：微型芯片

传感器退化管理

目前，该行业正在从头开始管理与传感器退化相关的问题，以符合ASIL认证。如果这个晶体管出了故障或者电路出了故障，会发生什么？如果传感器输出不足，工程师该怎么办？史密斯说：“这是一种非常确定且耗时的方法。”。

必须进行具体的实验来检查或证明某些数字的合理性，也称为覆盖率。汽车工程师可以创建故障，并确保在使用行业标准的可靠性图表时可以检测到故障。“这是一个相对简单的系统，工程师可以有效地处理它们，”Smith补充道。

如今的汽车使用大约50个位置传感器，因此从霍尔效应传感器到感应位置传感器的转变对于管理汽车传感器的退化至关重要。除了选择材料不会老化的传感器外，在有效管理车辆中传感器退化方面，还有什么可能？Smith认为机器学习是前进的方向。

Smith说，机器学习模型可以在汽车传感器出现故障之前实现模式识别。“汽车工程师可以分析五种不同的传感器，并检测系统级故障以及更高级别的退化。”

机器学习是未来

虽然汽车行业正在非常坚定地关注传感器退化问题，但随着时间的推移，有充分的机会使用一些先进的计算技术来使用机器学习进行与退化相关的分析。然而，使用机器学习来管理车辆中传感器退化的想法目前还处于起步阶段，需要更多的计算能力。


图2:机器学习，以及即将达到的传感器水平，可以用于创建测量和缓解汽车传感器退化的模型。（来源：数学作品)

这种方法使工程师能够收集一堆数据，将其放入机器学习模型中，然后寻找签名。这就是自动驾驶汽车（AV）设计目前正在做的事情。Smith说：“机器学习在传感器层面正在兴起，它可以用来简化退化测量过程，提高缓解过程的效率。”。

汽车传感器的退化标志着机器学习有机会获胜的另一个领域。机器学习需要大量数据并将其放入模型中以检测传感器故障，这一事实可以带来显著的可靠性提高和成本节约。

>>这篇文章最初发表在我们的姐妹网站上，电子数据网络.