機械学習を活用した自動車センサ劣化対策

車両がレガシーシステムから最先端技術へ進化する中、誘導型ポジションセンサがホール効果センサに取って代わろうとしています。この移行の鍵は、自動車センサ劣化の優れた管理にあります。

Microchip Technologyは、スロットルボディ、トランスミッションギア検出、電動パワーステアリング、アクセルペダルといった主要自動車用途向けに誘導型ポジションセンサを発表しました。これらのセンサは、迷磁場の影響を受けず位置データを提供し、外部磁石を不要とします。

エンジニアは広温度範囲でのセンサ性能確保が必須ですが、機械的ばらつきと磁石劣化が精度を侵食することを懸念しています。磁石の代わりに金属エレメントを用いる誘導センサは、経年変化がはるかに少なく、この核心課題に対処します。

「センサ劣化は、問題がIC内部にあれ外部環境にあれ、監視すべき重要な要素です」とMicrochipのシニアマーケティングマネージャーMark Smith氏は語ります。誘導型ポジションセンサ導入時の主たる懸念はPCBの寿命であると強調します。

Microchipの誘導型ポジションセンサ(LX3301A、LX3302A、LX34050)はASIL-B認証要件を満たし、システム設計者が全単一点故障の≥90%を検出可能にします。図1はLX3302Aの拡張EEPROMを示し、精密測定のための8点キャリブレーションをサポートします。出典: Microchip

図1. LX3302A誘導型ポジションセンサの拡張EEPROMが8点キャリブレーションを可能にし、精密測定を実現。出典: Microchip

センサ劣化の管理

現在の業界慣行は、ASIL規格を満たすためボトムアップでセンサ劣化に対処します。エンジニアはトランジスタ故障や回路不具合を予測し、その影響を評価しなければなりません。「これは決定論的で時間のかかるアプローチです」とSmith氏は指摘します。

ターゲット実験でカバレッジ率を検証し、業界標準の信頼性チャートで故障検出可能性を確認します。「エンジニアが効率的に扱える比較的シンプルなシステムです」と同氏は付け加えます。

現代車両には通常約50個のポジションセンサが搭載されており、ホール効果から誘導センサへの移行は劣化管理の観点で極めて重要です。耐久性材料の選定に加え、エンジニアは高度な戦略、特に機械学習を探求し、劣化監視を効率化しようとしています。

Smith氏によれば、機械学習モデルは故障顕在化前にパターン認識を実行できます。「自動車エンジニアは5つの異なるセンサからのデータを分析し、システムレベルの故障と劣化をより高いレベルで検出できます。」

機械学習が未来

自動車セクターは伝統的にセンサ劣化に決定論的にアプローチしてきましたが、高度計算技術の活用に大きな可能性があります。機械学習は劣化分析をより効率的に実行できますが、アプローチはまだ初期段階で、多大な計算リソースを必要とします。

図2. センサレベルで台頭する機械学習が、自動車センサ劣化のモデル化と緩和を可能に (出典: MathWorks)

大量データを収集し、機械学習モデルに投入し、差し迫った故障のシグネチャを探索することで、エンジニアは問題を予見できます。このアプローチはすでに自律走行車設計で採用されています。「機械学習がセンサレベルで台頭し、劣化測定を簡素化し、緩和効率を向上させています」とSmith氏は述べています。

自動車センサ劣化は、機械学習が大幅な信頼性向上とコスト削減をもたらせるもう一つの分野です。

» この記事は元々姉妹サイトEDNで公開されました。