CN107628036B - 传感器故障的检测和重建 - Google Patents

Abstract

提供了用于检测传感器中的故障并重构输出信号而不使用故障传感器的方法和***。在一个实施例中，方法包括：通过处理器接收指示来自第一传感器的测量值的传感器数据；通过处理器接收指示来自多个其它传感器的测量值的传感器数据；通过处理器计算基于车辆模型的虚拟值和来自多个其它传感器的传感器数据；通过处理器计算来自第一传感器的测量值与虚拟值之间的残差；通过处理器基于残差检测第一传感器中是否存在故障；并且当检测到传感器中的故障时，通过处理器基于虚拟值而不是测量值生成控制值。

Description

传感器故障的检测和重建

技术领域

本技术领域大体涉及车辆控制***中的传感器故障的检测，并且涉及通过故障传感器测量的传感器值的重建。

背景技术

现代汽车通常包含控制***以协助驾驶员控制车辆。例如，控制***可以通过在诸如轮胎在路面上失去牵引力的极端驾驶状况下稳定车辆来协助驾驶员。控制***的操作通常取决于各种传感器的输入，比如偏航率传感器、横向加速度传感器、纵向加速度传感器和/或车轮速度传感器。传感器故障可能在控制***中造成不可预测的结果。

一些传感器监控***需要两个传感器。例如，将主传感器输出与次级传感器输出进行比较，如果主传感器输出偏离次级传感器输出一定的量，就记录下传感器的故障。需要冗余传感器的监控***价格昂贵。

因此，期望提供不一定需要冗余传感器的方法和***。此外，期望提供即使使用故障传感器也能控制***的方法和***。结合附图以及前文所述的技术领域和背景技术，根据下文的详细描述和所附权利要求，本发明进一步期望的特征和特点将变得显而易见。

发明内容

提供了用于检测传感器中的故障并重构输出信号而不使用故障传感器的方法和***。在一个实施例中，方法包括：通过处理器接收指示来自第一传感器测量值的传感器数据；通过处理器接收指示来自多个其它传感器的测量值的传感器数据；通过处理器计算基于车辆模型的虚拟值和来自多个其他传感器的传感器数据；通过处理器计算来自第一传感器的测量值与虚拟值之间的残差；通过处理器基于所述残差检测所述第一传感器中是否存在故障；以及当检测到传感器中的故障时，通过处理器基于虚拟值而不是测量值生成控制值。

在一个实施例中，***包括非暂时性计算机可读介质。该非暂时性计算机可读介质包括第一模块，该第一模块通过处理器接收指示来自第一传感器的测量值的传感器数据，该第一模块通过处理器接收指示来自多个其它传感器的测量值的传感器数据，并且该第一模块通过处理器计算基于车辆模型的虚拟值和来自多个其它传感器的传感器数据。该非暂时计算机可读介质还包括第二模块，该第二模块通过处理器计算来自第一传感器的测量值与虚拟值之间的残差。该非暂时性计算机可读介质还包括第三模块，该第三模块通过处理器基于所述残差来检测所述第一传感器中是否存在故障，并且当检测到传感器中的故障时，通过处理器基于虚拟值而不是测量值来生成控制值。

附图说明

下文将结合以下附图来描述示例性实施例，其中相同的附图标记表示相同的元件，并且其中：

图1是具有根据各项实施例所述的传感器故障监视***的车辆的功能框图；

图2是根据各项实施例所述的传感器故障监测***的数据流程图；以及

图3是根据各项实施例所述的传感器故障监视方法的流程图。

具体实施方式

应当理解，在整个附图中，相应的附图标记表示相似或相应的部件和特征。如本文所使用的，术语模块是指单独地或任意组合的任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器设备，包括但不限于：专用集成电路(ASIC)、电子电路、处理器(共享、专用或群组)和执行一个或多个软件或固件程序的存储器、组合逻辑电路和/或提供所述功能的其它合适的部件。

本文可能在功能和/或逻辑块部件和各种处理步骤方面描述实施例。应当理解，这样的块部件可以通过任何数量的硬件、软件和/或固件部件来实现，所述硬件、软件和/或固件部件被配置为执行指定功能。例如，一个实施例可以采用各种集成电路部件，比如存储器元件、数字信号处理元件、逻辑元件、查找表等，这些集成电路部件可以在一个或多个微处理器或其他控制装置的控制下执行各种功能。此外，本领域技术人员将理解，可以结合任何数量的控制***来实施该实施例，并且本文所述的车辆***仅仅是一个示例性实施例。

为了简洁起见，本文中不能详细描述与信号处理、数据传输、信令、控制以及***(以及***的各个操作部件)的其它功能方面有关的常规技术。此外，本文包含的各个图中所示的连接线旨在表示各种元件之间的示例功能关系和/或物理耦合。应当注意，在各种实施例中可以存在许多备选或附加的功能关系或物理连接。

现在参考图1，经显示，车辆12包括根据各种实施例的传感器故障监测***10。尽管此处所示的图示出了具有某些元件布置的示例，但是在实际实施例中可以存在附加的中间元件、设备、特征或部件。还应当理解，图1仅仅是说明性的，可能不按比例绘制。

如图所示，车辆12包括至少一个控制模块14。控制模块14控制车辆12的一个或多个部件16a-16n。部件16a-16n可以与车辆12的自主或半自主***相关联。例如，控制模块14控制车辆12的制动***(未示出)，转向***(未示出)和/或底盘***(未示出)的车辆部件16a-16n，每个车辆12可以自主控制(比如，无驱动器输入)和/或半自主控制(比如，使用某些驱动程序输入)。

在各项实施例中，控制模块14包括至少一个处理器18、存储器20以及一个或多个输入和/或输出(I/O)设备22。I/O设备22跟与车辆12的部件16a-16n相关联的一个或多个传感器和/或致动器进行通信。存储器20存储可通过处理器18执行的指令。存储在存储器20中的指令可以包括一个或多个单独的程序，每个程序包括用于实现逻辑功能的可执行指令的有序列表。

在图1的示例中，存储在存储器20中的指令是主操作***(MOS)24和一个或多个部件控制***26的一部分。主操作***24包括用于控制控制模块14的性能的逻辑，并提供调度、输入输出控制、文件和数据管理、存储器管理以及通信控制和相关服务。部件控制***26包括用于控制一个或多个相关部件16a-16n的性能的逻辑。在各项实施例中，该指令还是本文所述的传感器故障监测***10的部分。

当控制模块14处于运行状态时，处理器18被配置为执行存储在存储器20内的指令，以便向存储器20传送数据和从存储器20传送数据，并且通常根据指令来控制车辆12的操作。

处理器18可以是定制的或可商购的任何处理器、中央处理单元(CPU)、与控制模块14相关联的多个处理器之间的辅助处理器、基于半导体的微处理器(以微芯片或芯片组的形式)、大型处理器，或通常用于执行指令的任何设备。

在各种实施例中，处理器18执行传感器故障监视***10的指令。传感器故障监测***10通常确定与车辆12的部件16a-16n相关联的一个或多个传感器15a-15n的一个或多个故障。在各项实施例中，传感器15a-15n可以包括偏航角速度传感器、横向加速度传感器和/或纵向加速度传感器。

在各项实施例中，传感器故障监测***10基于虚拟值和测量值来确定传感器之一的一个或多个故障。可以基于一个或多个车辆模型来计算虚拟值。车辆模型把除了被监测的传感器之外的传感器测量的传感器值纳入考虑，下文将更详细地讨论。在各项实施例中，当检测到传感器的故障时，传感器故障监测***10基于所计算的虚拟值重建传感器值，下文将更详细地讨论。在各项实施例中，所生成的计算得到的虚拟值可以用作部件控制***26的输入，以控制部件16a-16n。例如，计算出的虚拟值可以更具体地用于车辆稳定性***或电子稳定性程序中，比如主动前轮或后轮转向***，其帮助车辆操作者响应于检测到的旋转而转动车辆12的方向盘，比如根据道路状况和车辆运行条件改变车辆悬置的主动悬挂***，比如辅助车辆操作者响应车辆12的预计之外的转弯或偏转的自动制动***，比如防抱死制动***，其帮助车辆操作者响应具有低摩擦系数或变化摩擦系数的道路，比如牵引控制***，其在驱动从动轮的高风险情形下帮助车辆操作者，比如辅助车辆操作者的转弯辅助***，其在操作员可能转动方向盘过度或不足的情形下其辅助作用，等。在另一个实例中，计算出的虚拟值可以用于需要自动防故障装置或故障不影响使用装置的自动化、半自动或自主驾驶***中。当传感器发生故障时，这样的***可以使用虚拟值。

现在参考图2并继续参考图1，数据流程图根据各项示例性实施例更详细地示出了传感器故障监视***10。可以理解，根据本公开的传感器故障监测***10的各项示例性实施例可以包括任何数量的模块和/或子模块。在各项示例性实施例中，图2所示的模块和子模块可以被组合和/或进一步分割以类似地确定传感器的故障并且基于故障重建传感器信号值。在各项实施例中，传感器故障监测***10接收来自与车辆12的部件16a-16n相关联的一个或多个传感器15a-15n与车辆12内的其他控制模块(未示出)和/或来自控制模块14内的其它模块(未示出)的输入。在各项实施例中，传感器故障监测***10包括虚拟值计算模块30、自适应故障阈值计算模块32、故障检测模块34和信号重建模块36。

虚拟值计算模块30从传感器15a-15n接收传感器数据37表示的测量值作为输入。虚拟值计算模块30基于传感器数据37计算虚拟传感器值38和残差40。通常，虚拟值计算模块30基于车辆模型和传感器数据37中的一些(例如，与被监视的传感器相关联的测量以外的感测测量)来计算虚拟传感器值38。通常，虚拟值计算模块30基于传感器数据37和计算出的虚拟传感器值38来计算残差40。下文更详细地描述可通过虚拟值计算模块30执行的示例性计算方法。

自适应故障阈值计算模块32接收传感器数据37作为输入。自适应故障阈值计算模块32计算自适应故障阈值42、44。例如，自适应故障阈值计算模块32计算瞬时自适应阈值42和动态自适应阈值44。下文更详细地描述可通过自适应故障阈值计算模块执行的示例性计算方法。

故障检测模块34接收虚拟传感器值38、残差40和自适应阈值42、44作为输入。故障检测模块34评估输入以确定传感器中是否发生故障。例如，故障检测模块34将残差40与自适应阈值42、44进行比较，以确定故障是否已发生。故障检测模块34基于该判定来设置与被监测的传感器相关联的故障状态46。例如，可以将故障状态设置为指示故障已被检测到的状态，或者将零故障设置为指示未检测到故障的0。

信号重建模块36接收虚拟传感器值38和故障状态46作为输入。信号重建模块36产生用于被监视的传感器的控制值48。控制值48通过部件控制***26用于控制部件16a-16n。例如，当故障状态46指示已经检测到故障时，信号重建模块36基于虚拟传感器值38设置控制值48。在另一实例中，当故障状态46指示没有检测到故障时，信号重建模块36基于感测值来设置控制值48。下文将更详细地描述可通过信号重建模块执行的示例性计算方法。

现在参考图3并继续参考图1和图2，流程图示出了用于确定传感器的故障并基于故障重建传感器信号的方法100。根据各项示例性实施例，方法100可以结合图1的车辆12来实现，并且可以通过图2的传感器故障监视***10执行。根据本公开可以理解，方法100中的操作顺序不限于图1所示的顺序执行，而是可以根据本公开以适用的一个或多个变化的顺序执行。能够进一步理解，可以使得图3的方法100连续运行，可以将该方法100调度为在车辆12的操作期间以预定的时间间隔运行和/或可以基于预定事件来调度运行。

在各项实施例中，该方法可以从110开始。接着，处理参数在120初始化。例如，确定与传感器15a-15n相关联的某些参数。这些参数包括传感器15a-15n的初始故障状态(S、初始静态故障限制增益(B_s)、初始动态故障界限增益(B_d)、初始动态阈值窗口大小(W_F)、初始故障状态计数(n_F)、初始故障状态窗口大小(N_F)和车辆参数(P)。可以理解，这些参数可以是预先确定的，或者可以在方法100初始化时进行计算。

在130，传感器值通过车辆12的各种传感器15a-15n测量并通过***10接收。例如，这些测量值可以包括方向盘的转向角、车辆12的角速度、车辆12的横向加速度、车辆12的偏航角速度和车辆12的纵向速度。可以理解，当然也可以测量其它值。

在140，评估重新初始化标准。例如，确定车辆12是否是静止的(例如，基于车辆速度)。如果确定车辆12是静止的，则已经满足重新初始化标准，并且过程在120继续，参数在120重新初始化。如果确定车辆12正在移动，则分别使用在120和130确定的过程参数和传感器值来检测是否存在传感器故障，如下所述。

例如，在150处，计算虚拟传感器值。每个虚拟传感器值优选地使用特定于车辆12的预定车辆模型，以及来自传感器15a-15n而不是被监测的传感器的一个或多个测量的传感器值。如上所述，模型将至少在用于计算虚拟值的主要功能以及使用来自步骤130的至少一个不同传感器值作为输入上有所不同。

然后，在160，基于测量值和虚拟值计算残差。例如，针对特定的传感器来计算计算出的虚拟值和测量的传感器值之间的残差。在170，计算瞬时自适应故障阈值。可以基于车辆12的当前驾驶状况和诸如当前动态区域的其他可用信息来估计瞬时自适应故障阈值。使用特定于车辆12的车辆模型和来自传感器15a-15n的测量的传感器值来确定车辆12的行驶状态和动态区域。车辆模型可以是考虑车辆12在诸如滑动的驾驶表面的特定条件下如何行驶的模型。

在180，计算随时间变化的动态自适应故障阈值。例如，动态自适应阈值通过当前瞬时自适应故障阈值或一段时间内建立的一系列瞬时自适应故障阈值的平均值构成，以较大者为准。可以计算瞬时自适应故障阈值，然后组合形成动态自适应故障阈值。

在190，将测量的传感器值和虚拟传感器值之间的残差与动态自适应故障阈值进行比较。如果测量的传感器值和虚拟传感器值之间的残差不大于190处的动态自适应故障阈值，则该方法进行到230，在230处评估故障状态。然而，如果残差超过动态自适应故障阈值，则与特定传感器相关联的、记录该传感器的潜在故障的故障状态计数增加为200。

为了减少传感器故障的假阳性检测，在210处评估持续性标准。具体来说，在粗糙的操纵过程中，虚拟传感器值与测量的传感器值之间的残差可能会暂时变大。在这种情况下，即使传感器实际上处于良好的工作状态，纯瞬时自适应故障阈值也可能记录到传感器的故障。为了防止这种情况，需确定残差是否超过时间窗口的动态自适应故障阈值。时间窗口可以是预定时间窗口或自适应时间窗口。使用时间窗口可以使虚拟传感器值适应粗糙的操作，从而通过更准确地评估残差来提高故障检测器的可靠性。

如果确定满足持续性标准(例如，如果在210处的残差超过长于自适应时间段的时间段的自适应故障阈值)，则将与该传感器相关联的故障状态设置为1，以指示传感器在220处有故障。然后，故障检测器可以将故障检测信号发送到部件控制***26。在各项实施例中，故障检测信号可以包含关于检测到的故障的信息。例如，故障检测信号可以包含检测传感器故障的时间。

如果在210处不满足持续性标准，则故障状态不设置为1，不记录故障。然后将无故障的测量值提供给部件控制***26，以在250处控制车辆12；并且在260处将故障状态提供给部件控制***26。通过等待要接收的下一个数据样本，该方法在270处继续。

在230，如果传感器的故障状态未设置为1，则故障状态计数在35处复位为0，然后将故障测量值提供给部件控制***26，以在250处控制车辆12；并且在260处将故障状态提供给部件控制***26。通过等待要接收的下一个数据样本，该方法在270处继续。

然而，如果在230传感器的故障状态设置为1，则在240处执行故障传感器值的重建。例如，虚拟传感器值代替测量的传感器值。在各项实施例中，虚拟传感器值可以基于计算出的虚拟传感器值的平均值。在各项实施例中，可以将加权平均值应用于在故障传感器值的重构中使用的虚拟传感器值。权重可以基于虚拟传感器值的加权平均函数，并且基于感测到的车辆12的驾驶状况来自适应地调整加权平均功能。基于感测到的车辆12的驾驶状况的加权，允许在可以考虑诸如高滑移和车轮锁定的情形时更准确地重建传感器值。

然后将故障值提供给用于在250处控制车辆12的部件控制***26；并且在260处将故障状态提供给部件控制***26。通过等待要接收的下一个数据样本，该方法在270处继续。以这种方式，即使当传感器故障时，传输至部件控制***26的输出信号也是基于准确的值。

如下所示是用于三个示例性传感器的过程的方程式。在一个实例中，虚拟传感器值

和纵向加速度

可以计算为：

其中：

其中K_P,K_I,K_D和Λ是恒定的观测器增益，

是估计的纵向力，m是车辆质量，ij下标表示左前(fl)、右前(rl)、左后(rr)和右后(rr)角，a_x是纵向加速度，a_y是横向加速度，g是引力常数，L_f和L_r分别是重心(CG)与前后轴之间的纵向距离，θ是俯仰角，Θ是道路坡度角，ω_ij是车轮角速度，R_e是有效轮胎半径，I_wij是轮关于其旋转轴的转动惯量，I_z是偏航惯性矩，r是偏航率，δ是转向角，以及v_x是纵向速度。

虚拟传感器值中的一个值基于车轮的角速度和其他传感器值之间的转向角，另一个虚拟传感器值基于纵向速度，从而确保用于根据不同传感器值确定虚拟纵向加速度的不同模型。

可以使用下述等式计算与纵向加速度相关的残差：

可以使用下述等式来计算与纵向加速度相关联的瞬时自适应故障阈值：

可以看出，瞬时自适应故障阈值可以基于转向角δ，动态和静态限制增益

和

左前、右前、左后和右后轮的角加速度等参数。特别地，车辆越是处于诸如粗糙的驾驶操作的糟糕状况下，自适应故障阈值就越大。

可以使用下述等式来计算与纵向加速度相关的动态自适应故障阈值：

从上述方程可以看出，选择当前瞬时自适应故障阈值和平均瞬时自适应故障阈值中的较大者作为动态自适应故障阈值，该平均值超过动态阈值窗口大小。窗口大小代表窗口时间，并且通过预定数量的先前瞬时自适应故障阈值项所设置。

可以使用下述等式来计算与纵向加速度相关联的自适应时间窗口：

其中

和

是预定义的常量。

从上述等式可以看出，自适应时间窗口可以基于当前的动态自适应阈值和先前的动态自适应阈值。基于当前和先前的动态自适应阈值项的预定数量的变化来确定自适应时间窗口。特别地，来自当前和先前动态自适应阈值的数量的最大和最小动态自适应阈值之间的差异。自适应时间窗口确定为整数。

与故障检测的纵向加速度相关联的持续性标准可以定义为：

从上述方程可以看出，可以在自适应时间窗口的持续时间内测量每个残差的值，以减少假阳性传感器故障检测的发生。特别地，确定了残差是否已经超过了包括当前动态自适应阈值和先前动态自适应阈值的迭代次数对应的动态自适应阈值的时间。只有在每次迭代超过动态自适应阈值时才会检测出故障。

可以使用虚拟传感器值来计算纵向加速度的重建：

w₁＝1-w₂

其中w₁和w₂是重量因子，λ_ij是车轮滑移率，以及σ,γ:是恒定参数。

可以看出，可以将虚拟传感器值加权到不同的车辆模型。例如，在具有低车轮滑移率的情况下，加权可能偏向于第一虚拟值，该虚拟值已经使用低车轮滑行车辆模型计算，反之亦然。以这种方式偏重加权允许基于汽车的动态条件更准确地预测虚拟值。

在另一实例中，用于横向加速度的虚拟传感器值

和

可以使用下述等式计算：

其中e是轨道宽度，φ_v是车身侧倾角，以及Φ_r是道路坡度角

虚拟传感器值中的一个值是基于感测到的偏航率和其他部件之间感测到的纵向速度来计算的，另一个虚拟传感器值是基于转向角和车轮角速度计算的，从而确保每个模型的不同模型和不同的感测输入参数。

可以使用下述等式计算与横向加速度相关的残差：

分别基于当前感测到的横向加速度和虚拟传感器值确定残差。

可以使用下述等式计算与横向加速度相关联的瞬时自适应故障阈值：

如前所述，瞬时自适应故障阈值随着车辆角度加速度的增加而变大，特别是基于感测到的车轮角速度。

可以使用下述等式计算与横向加速度相关的动态自适应故障阈值：

如前所述，动态自适应故障阈值基于当前瞬时自适应故障阈值和一系列先前自适应故障阈值的平均值中的较大者。

可以使用下述等式计算与横向加速度相关的自适应时间窗口：

如前所述，自适应时间窗口使得当前动态自适应阈值和先前动态自适应阈值的一系列(设定数量)的整体变化更稳定或更低，则窗口更长。

与横向加速度相关联的持久性标准可以定义为：

持续性标准对在与自适应时间窗对应的时间段内残差是否超过动态自适应故障阈值加以评估。也就是说，将评估自适应时间窗口设置先前残差的数量。该评估涉及将时间对应的残差对和其该时间针对每个先前对的动态自适应故障阈值以及其当前对进行比较，其中根据自适应时间窗设置先前对的数量。

侧向加速度的重建可以计算为：

其中σ是常数参数，λ_ij是近似滑移率：

(front wheels：前轮；rear wheels：后轮)

可以看出，用于横向加速度传感器故障检测和重建的方法与用于纵向加速度故障检测和重建的方法类似。此外，加权可以使得用于确定更适合于确定的车辆或道路状况(这里为车轮滑行)的虚拟传感器值的模型随着道路状况变得更加普遍而得以逐步加权。

在又一实例中，用于偏航率的虚拟值可以计算为：

基于横向加速度和纵向速度或取决于纵向速度的后轮加速度来确定虚拟偏航率值中的一个，并且基于转向角和前轮角速度确定虚拟偏航率值中的另一个。因此，使用不同的模型分别基于不同的传感器输入来确定虚拟传感器值。

与偏航率有关的残差可以计算为：

与偏航率相关联的瞬时自适应故障阈值可以计算为：

与偏航率相关联的动态自适应故障阈值可以计算为：

与偏航率相关联的自适应时间窗口可以被定义为：

与偏航率相关的持续性标准可以定义为：

偏航率可以重建为：

可以看出，用于偏航率传感器故障检测和重建的方法与用于纵向加速度故障检测和重建的方法类似。

按照所描述的方法，可以将明确的故障签名分配给每个可能的传感器故障，如表1所列。作为示例，表1示出了横向加速度传感器的故障产生唯一的故障签名

因此，可以检测和定位每个传感器的故障。在通过算法检测到故障的情况下，可以使用如表1所示的虚拟传感器来重构故障信号。

表1-传感器故障检测和重建的决策逻辑

虽然在前面的详细描述中已经呈现了至少一个示例性实施例，但是应当理解，存在大量变化。还应当理解，该示例性实施例或多项示例性实施例仅是示例，并且不旨在以任何方式限制本公开的范围、适用性或配置。相反，前面的详细描述将为本领域技术人员提供用于实现该示例性实施例或多项示例性实施例的捷径。应当理解，在不脱离所附权利要求及其法定等同物所阐述的本公开的范围的情况下，可以对元件的功能和布置进行各种改变。

Claims (9)

1.一种用于传感器故障的检测和重建的计算机实现的方法，其包括：

通过处理器接收指示来自第一传感器的测量值的传感器数据；

通过所述处理器接收指示来自多个其它传感器的测量值的传感器数据；

基于第一车辆模型和来自所述多个其它传感器中的第一子组的传感器数据，通过所述处理器计算所述第一传感器的第一虚拟值；

基于第二车辆模型和来自所述多个其它传感器中的第二子组的传感器数据，通过所述处理器计算所述第一传感器的第二虚拟值；

通过所述处理器计算来自所述第一传感器的所述测量值与所述第一虚拟值之间的第一残差；

通过所述处理器计算来自所述第一传感器的所述测量值与所述第二虚拟值之间的第二残差；

基于所述第一残差、所述第二残差和动态自适应故障阈值，通过所述处理器检测所述第一传感器中是否存在故障；以及

当检测到所述第一传感器中的故障时，基于所述第一虚拟值、所述第二虚拟值、应用至所述第一虚拟值和所述第二虚拟值的计算的加权，通过所述处理器重建传感器信号；以及

通过所述处理器基于所述传感器信号而不是所述第一传感器的所述测量值来生成控制值，且所述控制值用于所述车辆的控制中，

其中，所述动态自适应故障阈值是当前瞬时自适应故障阈值和平均自适应故障阈值中的较大者，其中所述平均自适应故障阈值发生在动态阈值窗口大小上，以及其中所述窗口大小代表窗口时间并且通过预定数量的先前瞬时自适应故障阈值所设置。

2.根据权利要求1所述的方法，其中，检测是否存在故障包括将所述第一残差和所述第二残差与所述动态自适应故障阈值进行比较。

3.根据权利要求2所述的方法，其中，将所述第一残差和所述第二残差与所述动态自适应故障阈值进行比较包括在预定时间段内检测所述第一残差和所述第二残差是否超过所述动态自适应故障阈值。

4.根据权利要求3所述的方法，其中，使用驱动条件和动态区域中的至少一个来计算所述动态自适应故障阈值。

5.根据权利要求1所述的方法，其中，重建所述传感器信号是基于所述第一虚拟值、所述第二虚拟值和多个其它计算的虚拟值的平均值。

6.根据权利要求1所述的方法，其中，所述第一传感器是横向加速度传感器，并且其中，所述多个其它传感器包括转向角传感器、角速度传感器、纵向加速度传感器和偏航率传感器。

7.根据权利要求1所述的方法，其中，所述第一传感器是偏航率传感器，并且其中，所述多个其它传感器包括转向角传感器、角速度传感器、横向加速度传感器和纵向加速度传感器。

8.根据权利要求1所述的方法，其中，所述第一传感器是纵向加速度传感器，并且其中，所述多个其它传感器包括转向角传感器、角速度传感器、横向加速度传感器和偏航率传感器。

9.一种于传感器故障的检测和重建的***，其包括：

第一非暂时性模块，其通过处理器接收指示来自第一传感器的测量值的传感器数据，通过所述处理器接收指示来自多个其它传感器的测量值的传感器数据，并且通过所述处理器基于第一车辆模型和来自所述多个其它传感器中的第一子组的传感器数据计算所述第一传感器的第一虚拟值，通过所述处理器基于第二车辆模型和来自所述多个其它传感器中的第二子组的传感器数据计算所述第一传感器的第二虚拟值；

第二非暂时性模块，其通过所述处理器计算来自所述第一传感器的所述测量值与所述第一虚拟值之间的第一残差，通过所述处理器计算来自所述第一传感器的所述测量值与所述第二虚拟值之间的第二残差；以及

第三非暂时性模块，其通过 所述处理器基于所述第一残差、所述第二残差和动态自适应故障阈值检测所述第一传感器中是否存在故障，并且当检测到所述第一传感器中的故障时，基于所述第一虚拟值、所述第二虚拟值、应用至所述第一虚拟值和所述第二虚拟值的计算的加权，通过所述处理器重建传感器信号，以及通过所述处理器基于所述传感器信号而不是所述测量值生成控制值，且所述控制值用于所述车辆的控制中，

其中，所述动态自适应故障阈值是当前瞬时自适应故障阈值和平均自适应故障阈值中的较大者，其中所述平均自适应故障阈值发生在动态阈值窗口大小上，以及其中所述窗口大小代表窗口时间并且通过预定数量的先前瞬时自适应故障阈值所设置。

Images