DE102021004103A1 - Method and arrangement for monitoring and detecting sensor errors in inertial measuring systems - Google Patents
Method and arrangement for monitoring and detecting sensor errors in inertial measuring systems Download PDFInfo
- Publication number
- DE102021004103A1 DE102021004103A1 DE102021004103.8A DE102021004103A DE102021004103A1 DE 102021004103 A1 DE102021004103 A1 DE 102021004103A1 DE 102021004103 A DE102021004103 A DE 102021004103A DE 102021004103 A1 DE102021004103 A1 DE 102021004103A1
- Authority
- DE
- Germany
- Prior art keywords
- imu
- inertial measuring
- measuring unit
- inertial
- master
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P21/00—Testing or calibrating of apparatus or devices covered by the preceding groups
- G01P21/02—Testing or calibrating of apparatus or devices covered by the preceding groups of speedometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zur Erkennung von Fehlfunktionen in Inertialmesseinheiten (IMU, IMU A, IMU B, 4, 5), die in einem Fahrzeug zur Messung von Winkelgeschwindigkeiten(ω→A,ω→B)und von Specific Forces(f→A,f→B)verwendet werden, wobei zwei Inertialmesseinheiten (IMU A, IMU B, 4, 5) mit jeweils mehreren Sensoren, umfassend Akzelerometern und gyroskopischen Sensoren, zum Einsatz kommen, wobei eine erste Inertialmesseinheit (IMU A, 4) als Master-Inertialmesseinheit verwendet wird, wobei eine zweite Inertialmesseinheit (IMU B, 5), deren Leistungsfähigkeiten geringer sein kann als die der ersten Inertialmesseinheit (IMU A, 4), als Slave-Inertialmesseinheit verwendet wird, wobei Messungen der Master-Inertialmesseinheit (IMU A, 4) als Referenzwerte verwendet werden, um Messungen der Slave-Inertialmesseinheit (IMU B, 5) über Schätzung von Fehlermodell-Parametern gegenüber der Master-Inertialmesseinheit (IMU A, 4) zu kompensieren, um auf der Basis der jeweils zwei korrespondierenden Sensorsignale durch Vergleich eine Fehlfunktion in der Sensoranordnung zu erkennen, wobei diejenige der zwei Inertialmesseinheiten (4, 5) als fehlerhaft detektiert wird, deren Sensorsignal in einem jeweils nachgeschalteten Kalman-Filter (13, 14) den größeren Innovationsfehler relativ zu den gemeinsam verwendeten restlichen Fahrzeug-Sensorsignalen hat, wobei eine Fehlfunktion der Master-Inertialmesseinheit (4) zu einem Umschalten auf die Lösung des noch funktionstüchtigen Kalman-Filters (13, 14) führt.The invention relates to a method for detecting malfunctions in inertial measuring units (IMU, IMU A, IMU B, 4, 5) which are used in a vehicle for measuring angular velocities (ω → A, ω → B) and specific forces (f → A , f → B), whereby two inertial measuring units (IMU A, IMU B, 4, 5) each with several sensors, including accelerometers and gyroscopic sensors, are used, with a first inertial measuring unit (IMU A, 4) as the master Inertial measuring unit is used, with a second inertial measuring unit (IMU B, 5), whose capabilities may be lower than those of the first inertial measuring unit (IMU A, 4), is used as a slave inertial measuring unit, with measurements from the master inertial measuring unit (IMU A, 4 ) can be used as reference values in order to compensate measurements of the slave inertial measuring unit (IMU B, 5) by estimating error model parameters compared to the master inertial measuring unit (IMU A, 4) in order to use the two corresponding n sensor signals to identify a malfunction in the sensor arrangement by comparison, with that of the two inertial measuring units (4, 5) being detected as faulty, the sensor signal of which in a respective downstream Kalman filter (13, 14) has the greater innovation error relative to the remaining commonly used Has vehicle sensor signals, a malfunction of the master inertial measuring unit (4) leading to a switch to the solution of the still functional Kalman filter (13, 14).
Description
Die Erfindung betrifft ein Verfahren zur Erkennung von Fehlfunktionen in Inertialmesseinheiten gemäß dem Oberbegriff des Anspruchs 1.The invention relates to a method for detecting malfunctions in inertial measuring units according to the preamble of
Inertialmesseinheiten (Inertial Measurement Units - IMU) sind Anordnungen von Akzelerometern und Gyroskopen, die zur Messung spezifischer Kräfte (specific forces, Beschleunigungen) und Drehgeschwindigkeiten von Körpern im Raum dienen. Als Bezeichnung für die Akzelerometer-Signale hat sich auch in der deutschen Navigations-Literatur der Begriff Specific Forces und das Symbol f etabliert [14]. Für Gyroskop-Signale wird im Folgenden das Symbol ω verwendet. Der Begriff Inertialmesseinheit wird im Folgenden durch die Abkürzung IMU repräsentiert. Inertialmesseinheiten finden Anwendung bei der Bestimmung der Lage, Position und Geschwindigkeit von Fahrzeugen insbesondere auch beim automatisierten Fahren. Beispiele für derartige Anwendung der IMU kann man in Literaturstellen [6, 9, 8, 11, 14] finden. In
Inertialmesseinheiten stehen in verschiedenen Qualitätsstufen zur Verfügung. Die Qualität und der Preis werden vor allem durch die verwendete Sensortechnologie bestimmt. Für Serienanwendung in Automobilen kommen vor allem preisgünstige Sensoren, die auf MEMS-Technologie (mikro-elektromechanische Sensoren) basieren, in Frage. Derartige preisgünstige IMU-Sensoren sind in ihrer Genauigkeit durch stochastisches Sensorrauschen und systematische Fehler, wie Bias, Sensitivitätsfehler, Nichtlinearitäten und Ausrichtungsfehler, beschränkt. Solche Fehler sind Eigenschaften, die die Sensoren im Normalbetrieb haben. Systematische Fehler müssen durch geeignete Verfahren bestimmt und kompensiert werden, um eine hohe Güte der berechneten Bewegungsgrößen zu erreichen. Beispiele für Kompensationsverfahren findet man in der Fachliteratur oder auch in [8]. Die stochastischen und systematischen Fehler eines IMU-Sensors lassen sich durch ein Modell beschreiben. So lässt sich beispielsweise der vom Sensor gemessene Wert fim einer Specific Force durch das Modell
Im Unterschied zu den stochastischen und systematischen Fehlern können IMU-Sensoren auch Fehlfunktionen (englisch: faults) aufweisen. In diesem Fall verliert der Sensor den spezifizierten (und somit per Design vorbestimmten) Zusammenhang zwischen der physikalischen Messgröße und dem ausgegebenen Sensorsignal, so dass ein nicht spezifiziertes Messverhalten eintritt. Damit wird der betroffene IMU-Sensor unbrauchbar. Fehlfunktionen in den Sensoren, die sich undetektiert in die Bewegungsberechnung oder Navigation fortpflanzen, können dort zu beträchtlichen Fehlern oder grob falschen Werten in den Nutzsignalen führen und stellen daher ein Sicherheitsrisiko in sicherheitsrelevanten Anwendungen dar. Für sicherheitskritische Anwendungen wie beispielsweise automatisches Fahren müssen Sensor-Fehlfunktionen detektiert werden. Der betreffende Fehler muss sodann aus der Navigationslösung eliminiert werden und es muss auf eine Backup-Lösung umgeschaltet werden, um die Vollfunktion des Systems weiter sicherzustellen (fehlertolerantes System). Dies betrifft insbesondere Fehlfunktionen von Sensoren der Inertialmesseinheit.In contrast to stochastic and systematic errors, IMU sensors can also have malfunctions. In this case, the sensor loses the specified (and thus predetermined by design) relationship between the physical measured variable and the output sensor signal, so that an unspecified measurement behavior occurs. This renders the affected IMU sensor unusable. Malfunctions in the sensors that propagate undetected into the motion calculation or navigation can lead to considerable errors or grossly incorrect values in the useful signals and therefore represent a safety risk in safety-relevant applications. For safety-critical applications such as automatic driving, sensor malfunctions must be detected will. The relevant error must then be eliminated from the navigation solution and a switch must be made to a backup solution in order to continue to ensure the full functionality of the system (fault-tolerant system). This applies in particular to malfunctions of sensors in the inertial measuring unit.
In [3] wird die Detektion von Fehlfunktionen in einer einzelnen IMU ohne Redundanz beschrieben. Dabei ist die Detektion in Form eines Health Monitoring Blocks in ein zweifach redundantes Navigationssystem (Inertial Navigation System INS) integriert. Im Health Monitoring Block werden die bei der Bewegungsschätzung auftretenden Schätzfehler bewertet. Diese Lösung hat den Nachteil, dass die durch Sensorfehlfunktionen auftretenden Wirkungen auf ein Navigationssystem keinen direkten Rückschluss auf das defekte Sensorelement zulassen. Zudem führt die im INS verwendete Integration der IMU-Signale zu langen Fehlererkennungszeiten. Überdies basiert die Fehlererkennung auf der Verwendung zusätzlicher Sensoren, wie GNSS, Magnetometer, Barometer und Odometer. Diese Sensoren weisen in der Regel eine höhere Fehleranfälligkeit und eine geringere Integrität auf als die IMU-Sensoren. Fehlfunktionen dieser zusätzlichen Sensoren können in der vorgeschlagenen Anordnung nicht eindeutig von IMU-Fehlfunktionen unterschieden werden. Zusammenfassend kann man schlussfolgern, dass das beschriebene Vorgehen zwar die Detektion einer Fehlfunktion zulässt, jedoch nicht die Identifikation des defekten Sensors. Dies wäre aber die Grundvoraussetzung für fehlertolerantes Systemverhalten. Die Nachteile des oben beschriebenen Vorgehens sind seit langem bekannt. Nähere Erläuterungen findet man beispielsweise in [6], Kapitel
Aus der Fachliteratur sind generische Fehlermonitoringverfahren für Kalman-Filter bekannt [2, 4, 6]. Dabei wird entsprechend
Der Einsatz redundanter Inertialmesseinheiten IMU ist in der Luftfahrttechnologie Stand der Technik. Hierbei werden Hochleistungs-Inertialmesseinheiten mit identischen Eigenschaften zu einer redundanten Sensorkonfiguration zusammengefügt.The use of redundant inertial measuring units IMU is state of the art in aviation technology. Here, high-performance inertial measuring units with identical properties are combined to form a redundant sensor configuration.
Im Stand der Technik ist diesbezüglich zum Beispiel eine Air Data Inertial Reference Unit (ADIRU) bekannt, in der sechs Akzelerometer und sechs Drehgeschwindigkeitssensoren in einer nicht-orthogonalen Geometrie angeordnet sind, die maximale Redundanz mit einer minimalen Anzahl von Sensoren erreicht (siehe Literaturstellen [12]).In the prior art, for example, an Air Data Inertial Reference Unit (ADIRU) is known in which six accelerometers and six rotational speed sensors are arranged in a non-orthogonal geometry that achieves maximum redundancy with a minimum number of sensors (see references [12 ]).
So wird zum Beispiel für die sechs Specific Force-Signale der Akzelerometer f1,..., f6 eine Regressionsgleichung gelöst, um einen resultierenden Vektor der orthogonalen Komponenten [fx, fy, fz] der Specific Force zu erhalten:
Eine andere Lösung mit zwei INS, deren jeweilige Inertialmesseinheiten um 60° gegeneinander verdreht sind, wird in [7] vorgeschlagen. In dieser Lösung wird die Ausgangsfehlerstatistik der beiden Systeme gegeneinander bewertet und hierdurch der defekte Sensor identifiziert.Another solution with two INS, whose respective inertial measuring units are rotated by 60 ° against each other, is proposed in [7]. In this solution, the output error statistics of the two systems are evaluated against each other and the defective sensor is thereby identified.
Für die Luftfahrt qualifizierte Sensoren insbesondere in nicht-orthogonaler Anordnung benötigen sehr viel Bauraum und eignen sich vom Packaging schlecht für den Einbau im Automobil. In Automobil-Anwendungen, die viel kostensensibler sind, ist die Verwendung derartiger redundanter, hochwertiger Inertialsensoren auch ökonomisch nicht praktikabel.Sensors qualified for aviation, especially in a non-orthogonal arrangement, require a lot of installation space and their packaging is poorly suited for installation in automobiles. In automotive applications, which are much more cost-sensitive, the use of such redundant, high-quality inertial sensors is also not economically feasible.
Ein Vorschlag zur Anwendung von MEMS-Sensoren in einer mehrfach redundanten Anordnung findet sich in [15]. Hier dient die Mehrfachanordnung lediglich zur Reduktion des Messrauschens und der systematischen Sensorfehler (Run-to-run Bias und temperaturabhängiges Bias). Eine Strategie zur Detektion und Elimination von Sensor-Fehlfunktionen wird nicht betrachtet.A proposal for the use of MEMS sensors in a multiple redundant arrangement can be found in [15]. Here the multiple arrangement only serves to reduce the measurement noise and the systematic sensor errors (run-to-run bias and temperature-dependent bias). A strategy for the detection and elimination of sensor malfunctions is not considered.
In [1] wird eine Inertialmesseinheiten für die automobile Anwendung mit dreifacher Redundanz beschrieben. Diese hat jedoch den Nachteil, dass sie in einem Bauelement verbaut sind und somit hinsichtlich Spannungsversorgungsproblemen und Common-Cause-Fehlern nicht ausreichend abgesichert ist.In [1] an inertial measuring unit for automotive use with triple redundancy is described. However, this has the disadvantage that it is built into a component and is therefore not adequately protected with regard to voltage supply problems and common cause errors.
Ebenfalls aus der Literatur [14] bekannt sind Master-Slave-Anordnungen von Inertialmesseinheiten oder Navigationssystemen. Die Grundidee ist hierbei, Parameter des Slave-Systems, beispielsweise Ausrichtungswinkel, Offsets usw., auf Basis der Navigationsdaten des Master-Systems unter Verwendung eines Kalman-Filters zu schätzen. Der entsprechende Prozess wird als Transfer Alignment bezeichnet. Dieses Verfahren wird üblicherweise bei Waffensystemen eingesetzt, die Low-Cost-Navigationssyteme enthalten, während ein Leitsystem oder Träger ein hochwertiges Navigationssystem enthält.Master-slave arrangements of inertial measuring units or navigation systems are also known from the literature [14]. The basic idea here is to estimate parameters of the slave system, for example alignment angles, offsets, etc., on the basis of the navigation data of the master system using a Kalman filter. The corresponding process is called transfer alignment. This method is usually used in weapon systems that contain low-cost navigation systems, while a guidance system or carrier contains a high-quality navigation system.
Der Erfindung liegt die Aufgabe zu Grunde, ein verbessertes Verfahren zur Erkennung von Fehlfunktionen in Inertialmesseinheiten anzugeben.The invention is based on the object of specifying an improved method for detecting malfunctions in inertial measuring units.
Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren mit den Merkmalen des Anspruchs 1.The object is achieved according to the invention by a method having the features of
Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.Advantageous refinements of the invention are the subject matter of the subclaims.
Die in der Erfindung dargestellte Lösung des Detektionsproblems besteht darin, dass die zur Lokalisierung der Fehlfunktion benötigte Information durch Verwendung der im Fahrzeug ohnehin vorhandenen Sensoren (beispielsweise Odometrie, Lenkwinkel) und durch Modellwissen über die Fahrzeugbewegung gewonnen wird. Dadurch ist die Verwendung einer dritten IMU zur Fehlerdetektion nicht mehr notwendig, weil die redundante Information aus den zusätzlichen Sensoren und den physikalischen Gegebenheiten der Fahrzeugdynamik vermittelt über die berechneten Innovationen in den jeweils nachgeschalteten Kalman-Filtern gewonnen wird.The solution to the detection problem presented in the invention is that the information required to localize the malfunction is transmitted through Using the sensors already present in the vehicle (for example odometry, steering angle) and using model knowledge of the vehicle movement. As a result, the use of a third IMU for error detection is no longer necessary because the redundant information from the additional sensors and the physical conditions of the vehicle dynamics is obtained via the calculated innovations in the respective downstream Kalman filters.
Bei einem erfindungsgemäßen Verfahren zur Erkennung von Fehlfunktionen in Inertialmesseinheiten, die in einem Fahrzeug zur Messung von Winkelgeschwindigkeiten und von Specific Forces verwendet werden, kommen zwei Inertialmesseinheiten mit jeweils mehreren Sensoren, umfassend Akzelerometer und gyroskopische Sensoren, zum Einsatz. Erfindungsgemäß wird eine erste Inertialmesseinheit als Master-Inertialmesseinheit verwendet, wobei eine zweite Inertialmesseinheit, deren Leistungsfähigkeit geringer sein kann als die der ersten Inertialmesseinheit, als Slave-Inertialmesseinheit verwendet wird, wobei Messungen der Master-Inertialmesseinheit als Referenzwerte verwendet werden, um Messungen der Slave-Inertialmesseinheit über Schätzung von Fehlermodell-Parametern gegenüber der Master-Inertialmesseinheit zu kompensieren, um auf der Basis der jeweils zwei korrespondierenden Sensorsignale eine Abweichung zwischen den beiden Sensorsignalen zu erkennen. Durch Vergleich der Innovationen der jeweils nachgeschalteten Kalman-Filter, die die übrigen Sensorsignale mit den IMU-Daten fusionieren, wird sodann die fehlerhafte IMU detektiert und der fehlerbehaftete Sensor lokalisiert, wobei diejenige Inertialmesseinheit als fehlerhaft detektiert wird, deren Innovation relativ zur prädizierten Standardabweichung größer ist, als die der jeweils anderen, wobei eine Fehlfunktion der Master-Inertialmesseinheit zu einem Umschalten auf die Signale der noch funktionstüchtigen Slave-Inertialmesseinheit unter Berücksichtigung einer vorher berechneten Präkompensation führt.In a method according to the invention for detecting malfunctions in inertial measuring units that are used in a vehicle to measure angular velocities and specific forces, two inertial measuring units, each with several sensors, including accelerometers and gyroscopic sensors, are used. According to the invention, a first inertial measuring unit is used as the master inertial measuring unit, with a second inertial measuring unit, the performance of which can be lower than that of the first inertial measuring unit, being used as the slave inertial measuring unit, with measurements from the master inertial measuring unit being used as reference values in order to measure the slave To compensate for the inertial measuring unit by estimating error model parameters with respect to the master inertial measuring unit in order to recognize a discrepancy between the two sensor signals on the basis of the respective two corresponding sensor signals. By comparing the innovations of the Kalman filters connected downstream, which merge the remaining sensor signals with the IMU data, the defective IMU is then detected and the defective sensor is localized, with the inertial measuring unit whose innovation is greater relative to the predicted standard deviation is detected as defective , than those of the other, wherein a malfunction of the master inertial measuring unit leads to a switch to the signals of the still functional slave inertial measuring unit, taking into account a previously calculated precompensation.
In einer Ausführungsform können die Fehlermodell-Parameter mittels eines Kalman-Filters oder eines Recursive-Least-Squares-Verfahrens geschätzt werden.In one embodiment, the error model parameters can be estimated using a Kalman filter or a recursive least squares method.
In einer Ausführungsform können zur Schätzung der Fehlermodell-Parameter Fehlermodelle verwendet werden, die alle Modellparameter der Slave-Inertialmesseinheit umfassen, wobei zumindest zeitlich veränderliche relative Sensor-Offsets bezüglich der Master-Inertialmesseinheit online geschätzt werden.In one embodiment, error models can be used to estimate the error model parameters, which include all model parameters of the slave inertial measuring unit, wherein at least temporally variable relative sensor offsets with respect to the master inertial measuring unit are estimated online.
In einer Ausführungsform können die Specific Forces der Master-Inertialmesseinheit auf die Messorte der Slave-Inertialmesseinheit transformiert werden.In one embodiment, the specific forces of the master inertial measuring unit can be transformed to the measuring locations of the slave inertial measuring unit.
In einer Ausführungsform können die geschätzten Parameter auf zulässige Maximalwerte beschränkt werden.In one embodiment, the estimated parameters can be limited to maximum allowable values.
In einer Ausführungsform können in den Kalman-Filtern geschätzte Kovarianzen der Schätzfehler zur Bewertung von Abweichungen der Sensorsignale bei der Detektion zur Wichtung von Signal-Abweichungen herangezogen werden.In one embodiment, estimated covariances of the estimation errors in the Kalman filters can be used to evaluate deviations in the sensor signals during detection for weighting signal deviations.
In einer Ausführungsform können alle Sensoren aller Inertialmesseinheiten mittels jeweiliger Filtereinheiten gefiltert und zeitlich synchronisiert werden.In one embodiment, all sensors of all inertial measuring units can be filtered and time-synchronized by means of respective filter units.
In einer Ausführungsform können die online geschätzten Fehlermodell-Parameter zeitlich verzögert auf die Messwerte der Slave-Inertialmesseinheite angewendet werden.In one embodiment, the error model parameters estimated online can be applied to the measured values of the slave inertial measuring unit with a time delay.
In einer Ausführungsform können die Slave-Inertialmesseinheite unter Verwendung einer Master-Slave-Konfiguration präkompensiert werden, wobei Zeitverzögerungen auf geschätzte Parameter des Sensorfehlermodells angewandt werden, wobei dann, wenn eine Fehlfunktion in einer Inertialmesseinheit (Signal
In einer Ausführungsform wird eine Detektionslogik auf die Signale der ersten Inertialmesseinheit und die präkompensierten Signale der Slave-Inertialmesseinheit angewandt, wobei dann, wenn eine normalisierte Signal-Differenz den Wert 1 überschreitet, ein Sensorfehler angenommen wird.In one embodiment, a detection logic is applied to the signals of the first inertial measuring unit and the precompensated signals of the slave inertial measuring unit, a sensor error being assumed if a normalized signal difference exceeds the
In einer Ausführungsform wird jeder Inertialmesseinheit ein Kalman-Filter zur Berechnung der Fahrzeug-Eigenbewegung nachgeschaltet, wobei im Kalman-Filter die übrigen Messgrößen, wie Radgeschwindigkeiten (Odometer), Lenkwinkel, Fahrzeugniveau und andere, mit den IMU-Sensoren fusioniert werden, wobei jedes der beiden Kalman-Filter unterschiedliche IMU-Signale, aber identische Messgrößen verarbeitet.In one embodiment, each inertial measuring unit is followed by a Kalman filter for calculating the vehicle's own motion, the other measured variables such as wheel speeds (odometer), steering angle, vehicle level and others being merged with the IMU sensors in the Kalman filter, with each of the Both Kalman filters process different IMU signals, but identical measured variables.
In einer Ausführungsform wird in jedem der beiden Kalman-Filter die Differenz zwischen den Messgrößen und den aus den IMU-Signalen prädizierten Messgrößen gebildet (Innovationen), wobei die Innovationen entsprechend der zugehörigen prädizierten Standardabweichung bewertet werden.In one embodiment, the difference between the measured variables and the measured variables predicted from the IMU signals is formed in each of the two Kalman filters (innovations), the innovations being assessed according to the associated predicted standard deviation.
In einer Ausführungsform werden die Innovationen durch deren jeweiligen geschätzten Standardabweichungen dividiert und die entsprechend normierten Innovationen beider Kalman-Filter verglichen.In one embodiment, the innovations are divided by their respective estimated standard deviations and the correspondingly normalized innovations of both Kalman filters are compared.
In einer Ausführungsform werden bei Auftreten einer einen Schwellwert überschreitenden Differenz zwischen einander entsprechenden IMU-Signalen die normierten Innovationen miteinander verglichen und die IMU mit der größeren Innovation des zugehörigen Kalman-Filters als fehlerhaft detektiert.In one embodiment, when a difference between corresponding IMU signals that exceeds a threshold value occurs, the standardized innovations are compared with one another and the IMU with the greater innovation of the associated Kalman filter is detected as faulty.
In einer Ausführungsform wird ein Fehler der Messsignale (z.B. Raddrehzahlen) erkannt, wenn die normierten Innovationen in beiden Kalman-Filtern einen Schwellwert überschreiten, aber die Differenz der IMU-Signale bezüglich der vorgegeben Schwellwerte klein ist.In one embodiment, an error in the measurement signals (e.g. wheel speeds) is detected if the standardized innovations in both Kalman filters exceed a threshold value, but the difference between the IMU signals with respect to the specified threshold values is small.
Die Erfindung ermöglicht eine fehlertolerante Bestimmung der Bewegungsgrößen eines Fahrzeuges im Falle einer IMU-Fehlfunktion (fail operational) mit einfacher Redundanz. Dabei werden keine speziellen Anforderungen an die geometrische Anordnung der Inertialmesseinheiten und ihre Sensorgüte gestellt. Vielmehr ist die Erfindung auch auf kostengünstige, heterogene und teilweise im Fahrzeug schon vorhandene IMU-Hardware anwendbar.The invention enables a fault-tolerant determination of the movement variables of a vehicle in the event of an IMU malfunction (fail operational) with simple redundancy. No special requirements are placed on the geometric arrangement of the inertial measuring units and their sensor quality. Rather, the invention can also be applied to inexpensive, heterogeneous IMU hardware that is partially already present in the vehicle.
Das erfindungsgemäße Verfahren erlaubt die Absicherung der Signale der Master-Inertialmesseinheit gegen Sensorfehler als Maßnahme zur Sicherstellung der Funktionssicherheit (fail operational) der Schätzung der Eigenbewegung eines Fahrzeugs unter Berücksichtigung erhöhter Sicherheitsanforderungen beim automatischen Fahren.The method according to the invention allows the signals of the master inertial measuring unit to be safeguarded against sensor errors as a measure to ensure the functional reliability (fail operational) of the estimation of the vehicle's own movement, taking into account increased safety requirements during automatic driving.
Der Schwerpunkt liegt dabei auf der Nutzung von heterogenen (nicht gleichartigen) und insbesondere an unterschiedlichen Stellen im Fahrzeug eingebauten Inertialmesseinheiten (IMU).The focus is on the use of heterogeneous (not of the same type) and, in particular, inertial measurement units (IMU) installed at different points in the vehicle.
Mit der erfindungsgemäßen Lösung wird Fehlertoleranz (fail operational) bei der Berechnung von Fahrzeugbewegungsgrößen erzielt. Dabei werden nur geringe Anforderungen an die Bauelemente gestellt. Es kann die vorhandene Infrastruktur des Fahrzeugs (ESP-Sensoren, Fahrwerkssensoren) mit genutzt werden und so eine kostengünstige Lösung erzielt werden.With the solution according to the invention, error tolerance (fail operational) is achieved in the calculation of vehicle movement quantities. Only minor requirements are placed on the components. The existing infrastructure of the vehicle (ESP sensors, chassis sensors) can also be used and a cost-effective solution can be achieved.
Ausführungsbeispiele der Erfindung werden im Folgenden anhand von Zeichnungen näher erläutert.Embodiments of the invention are explained in more detail below with reference to drawings.
Dabei zeigen:
-
1 eine schematische Ansicht eines typischen Beispiels der Anwendung einer Inertialmesseinheit (IMU) zur Schätzung von Bewegungsgrößen eines Fahrzeugs, -
2 eine schematische Ansicht einer IMU-Überwachung mit doppelter Redundanz und 2-aus-3-Voting, die durch die in der vorliegenden Erfindung beschriebene einfache Redundanz ersetzt werden soll, -
3 eine schematische Ansicht eines prinzipiellen Ablaufs einer Signalverarbeitung in einem Kalman-Filter, -
4 eine schematische Darstellung der erfindungsgemäßen Lösung der Detektion von IMU-Fehlern mit einfacher Redundanz und Umschaltung auf Backup-Signale der Fahrzeugbewegung, -
4a eine schematische Ansicht eines Umschalters auf einen geschätzten Zustand eines Kalman-Filters, -
5 eine schematische Darstellung einer Überwachung von IMU-Kanälen mit einfacher Redundanz, -
6 eine schematische Ansicht einer Daten-Vorverarbeitung (Präkompensation) für Drehgeschwindigkeitssensoren, -
7 eine schematische Ansicht der Daten-Vorverarbeitung (Präkompensation) für Akzelerometer, und -
8 eine schematische Ansicht einer Detektionslogik und einer Entscheidungslogik für Abweichungen zwischen den IMU-Signalen.
-
1 a schematic view of a typical example of the use of an inertial measurement unit (IMU) for estimating movement quantities of a vehicle, -
2 a schematic view of an IMU monitoring with double redundancy and 2-out-of-3 voting, which is to be replaced by the single redundancy described in the present invention, -
3 a schematic view of a basic sequence of signal processing in a Kalman filter, -
4th a schematic representation of the inventive solution for the detection of IMU errors with simple redundancy and switching to backup signals of the vehicle movement, -
4a a schematic view of a switch to an estimated state of a Kalman filter, -
5 a schematic representation of monitoring of IMU channels with simple redundancy, -
6th a schematic view of data preprocessing (precompensation) for rotational speed sensors, -
7th a schematic view of the data preprocessing (precompensation) for accelerometers, and -
8th a schematic view of a detection logic and a decision logic for deviations between the IMU signals.
Einander entsprechende Teile sind in allen Figuren mit den gleichen Bezugszeichen versehen.Corresponding parts are provided with the same reference symbols in all figures.
Bei einem Verfahren zur Erkennung von Fehlfunktionen in Inertialmesseinheiten mit einfacher Redundanz kommen zwei Inertialmesseinheiten
In den Abbildungen werden die zwei Inertialmesseinheiten
Erfindungsgemäß wird eine erste Inertialmesseinheit
Um die Inertialmesseinheit
Die Ergebnisse der Monitoring-Blöcke
Solange kein Fehler in der Inertialmesseinheit
Details von Ausführungsformen der Monitoring-Einheit
In
Die IMU-Signale müssen hinsichtlich ihrer räumlichen Lage und Position durch Transformation in Übereinstimmung gebracht werden und zeitlich synchronisiert sein. Sie sollten vorgefiltert sein, um Rauschen zu vermindern. Eine Grenzfrequenz von 5 Hz wird empfohlen.The IMU signals must be brought into agreement with regard to their spatial location and position by transformation and be synchronized in time. They should be pre-filtered to reduce noise. A cutoff frequency of 5 Hz is recommended.
Modelle eines einzelnen Drehratensensors zur Ausgabe einer Drehrate ωB umfassen die Ausrichtung des Sensors bezüglich des Vektors ωA der Winkelgeschwindigkeiten der Inertialmesseinheit
Der Verzögerungsblock
Als Ausgabe eines kompensierten Signals der Slave-Inertialmesseinheit
In
In
In einer Ausführungsform kann der Normierungsfaktor S aus der Standardabweichung σ des Sensorrauschens und aus einem Unsicherheits-Anteil der Zeitsynchronisation T gebildet werden
Im Signal-Differenzdetektor
Eine Ausführungsform des Innovation-Monitoring-Blocks
Die Messfehlerkovarianz Si beschreibt hierbei die prädizierte statistische Verteilung der Innovation vi. Wird die Innovation vi auf die resultierende Standardabweichung normiert
In einer Ausführungsform können die Kalman-Filter-Zustände auf der Basis der beispielsweise in [13] angegebenen Verfahren auf physikalisch sinnvolle Werte beschränkt werden, was im Falle einer Fehlfunktion zu größeren Innovationen v führt, weil diese dann in der Zustandsrkorrektureinheit
In der praktischen Anwendung kann es vorkommen, dass die normierten Innovationen nicht die Standardabweichung
Wenn eine Fehlfunktion sowohl in der Monitoring-Einheit
Literaturverzeichnisbibliography
-
[1]
Aceinna ; Aceinna (Hrsg.): OpenRTK330. https://www.aceinna.com/ inertial-systems/OpenRTK330 6 Aceinna; Aceinna (Ed.): OpenRTK330. https://www.aceinna.com/ inertial-systems / OpenRTK330 6 -
[2]
Berman, Z. : Outliers Rejection in Kalman Filtering-Some New Observations. In: IEEE/ION Position, Location and Navigation Symposium - PLANS 2014, S. 1008-1013 4, 16 Berman, Z.: Outliers Rejection in Kalman Filtering-Some New Observations. In: IEEE / ION Position, Location and Navigation Symposium - PLANS 2014, pp. 1008-1013 4, 16 -
[3]
Bharadwaj, R. M.: US 9,568,321 B2: Systems and Methods for Determining Intertial Navigation System Faults 3 Bharadwaj, RM: US 9,568,321 B2: Systems and Methods for Determining Intertial Navigation System Faults 3 -
[4]
Grewal, M. S. ; Adrews, A. P.: Kalman Filtering. New York : John Wiley, 2001 4, 16 Grewal, MS; Adrews, AP: Kalman Filtering. New York: John Wiley, 2001 4, 16 -
[5]
Grewal, M. S.; Andrews, A. P.; Bartone, C. G.: Global Navigation Satellite Systems, Inerial Navigation, and Integration. Wiley, 2013 Grewal, MS; Andrews, AP; Bartone, CG: Global Navigation Satellite Systems, Inerial Navigation, and Integration. Wiley, 2013 -
[6]
Graves, P. D.: Principles of GNSS, Inertial and Multisensor integrated Navigation systems. Artech House, 2013 1, 4, 16 Graves, PD: Principles of GNSS, Inertial and Multisensor integrated Navigation systems. Artech House, 2013 1, 4, 16 -
[7]
Huddle, J. R.: US 5,184,304 A: Fault-Tolerant Inertial Navigation System 5 Huddle, JR: US 5,184,304 A: Fault-Tolerant Inertial Navigation System 5 -
[8]
Jafari, R.: US 9,753,144 B1: Bias and Misalignment Compensation for 6-DOF IMU Using GNSS/INS Data 1, 2 Jafari, R .: US 9,753,144 B1: Bias and Misalignment Compensation for 6-DOF IMU Using GNSS / 1, 2INS Data -
[9]
Klier, W. ; Reim, A. ; Stapel, D.: Robust Estimation of Vehicle Sideslip Angle - An Approach w/o Vehicle and Tire Models. In: SAE Technical Paper Series (2008), Nr. 2008-01-0582 1 Klier, W.; Reim, A.; Stapel, D .: Robust Estimation of Vehicle Sideslip Angle - An Approach w / o Vehicle and Tire Models. In: SAE Technical Paper Series (2008), No. 2008-01-0582 1 -
[10]
Liccardo, D. S.: US 8,065,074 B1: Configurable Inertial Navigation System with Dual Extended Kalman Filter Modes Liccardo, DS: US 8,065,074 B1: Configurable Inertial Navigation System with Dual Extended Kalman Filter Modes -
[11]
Reim, A.; Steinbach, A. ; Oettgen, O. ; Stapel, D.: Central Sideslip Angle Estimation on a Software Integration Platform. In: SAE Technical Paper Series (2009), Nr. 2009-01-0430 1 Reim, A .; Steinbach, A.; Oettgen, O.; Stapel, D .: Central Sideslip Angle Estimation on a Software Integration Platform. In: SAE Technical Paper Series (2009), No. 2009-01-0430 1 -
[12]
Sheffels, M.: A fault-tolerant air data/inertial reference unit. In: [1992] Proceedings IEEE/AIAA 11th Digital Avionics Systems Conference, IEEE 5 Sheffels, M .: A fault-tolerant air data / inertial reference unit. In: [1992] Proceedings IEEE / AIAA 11th Digital Avionics Systems Conference, IEEE 5 -
[13]
Simon, D.: Kalman filtering with state constraints: a survey of linear and nonlinear algorithms. In: IET Control Theory and Applications 4 (2010), Nr. 8, S. 1303-1318 17 Simon, D .: Kalman filtering with state constraints: a survey of linear and nonlinear algorithms. In: IET Control Theory and Applications 4 (2010), No. 8, pp. 1303-1318 17 -
[14]
Wendel, J.: Integrierte Navigationssysteme. Oldenbourg, 2007 1, 6, 15 Wendel, J .: Integrated Navigation Systems. Oldenbourg, 2007 1, 6, 15 -
[15]
Zhang, Q.-J. : US 8,825,436 B2: Inertial Sensing with Spatially Distributed Sensor Array and Two Dimensional Data 6 Zhang, Q.-J. : US 8,825,436 B2: Inertial Sensing with Spatially Distributed Sensor Array and Two Dimensional Data 6
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte Nicht-PatentliteraturNon-patent literature cited
- Aceinna ; Aceinna (Hrsg.): OpenRTK330. https://www.aceinna.com/ inertial-systems/OpenRTK330 6 [0062]Aceinna; Aceinna (Ed.): OpenRTK330. https://www.aceinna.com/ inertial-systems / OpenRTK330 6 [0062]
- Berman, Z. : Outliers Rejection in Kalman Filtering-Some New Observations. In: IEEE/ION Position, Location and Navigation Symposium - PLANS 2014, S. 1008-1013 4, 16 [0062]Berman, Z.: Outliers Rejection in Kalman Filtering-Some New Observations. In: IEEE / ION Position, Location and Navigation Symposium - PLANS 2014, pp. 1008-1013 4, 16 [0062]
- Bharadwaj, R. M.: US 9,568,321 B2: Systems and Methods for Determining Intertial Navigation System Faults 3 [0062]Bharadwaj, R. M .: US 9,568,321 B2: Systems and Methods for Determining Intertial Navigation System Faults 3 [0062]
- Grewal, M. S. ; Adrews, A. P.: Kalman Filtering. New York : John Wiley, 2001 4, 16 [0062]Grewal, M.S.; Adrews, A.P .: Kalman Filtering. New York: John Wiley, 2001 4, 16 [0062]
- Grewal, M. S.; Andrews, A. P.; Bartone, C. G.: Global Navigation Satellite Systems, Inerial Navigation, and Integration. Wiley, 2013 [0062]Grewal, M. S .; Andrews, A. P .; Bartone, C. G .: Global Navigation Satellite Systems, Inerial Navigation, and Integration. Wiley, 2013 [0062]
- Graves, P. D.: Principles of GNSS, Inertial and Multisensor integrated Navigation systems. Artech House, 2013 1, 4, 16 [0062]Graves, P. D .: Principles of GNSS, Inertial and Multisensor integrated Navigation systems. Artech House, 2013 1, 4, 16 [0062]
- Huddle, J. R.: US 5,184,304 A: Fault-Tolerant Inertial Navigation System 5 [0062]Huddle, J. R .: US 5,184,304 A: Fault-Tolerant Inertial Navigation System 5 [0062]
-
Jafari, R.: US 9,753,144 B1: Bias and Misalignment Compensation for 6-DOF IMU Using GNSS/INS Data 1, 2 [0062]Jafari, R .: US 9,753,144 B1: Bias and Misalignment Compensation for 6-DOF IMU Using GNSS /
INS Data 1, 2 [0062] - Klier, W. ; Reim, A. ; Stapel, D.: Robust Estimation of Vehicle Sideslip Angle - An Approach w/o Vehicle and Tire Models. In: SAE Technical Paper Series (2008), Nr. 2008-01-0582 1 [0062]Klier, W.; Reim, A.; Stapel, D .: Robust Estimation of Vehicle Sideslip Angle - An Approach w / o Vehicle and Tire Models. In: SAE Technical Paper Series (2008), No. 2008-01-0582 1 [0062]
- Liccardo, D. S.: US 8,065,074 B1: Configurable Inertial Navigation System with Dual Extended Kalman Filter Modes [0062]Liccardo, D. S .: US 8,065,074 B1: Configurable Inertial Navigation System with Dual Extended Kalman Filter Modes [0062]
- Reim, A.; Steinbach, A. ; Oettgen, O. ; Stapel, D.: Central Sideslip Angle Estimation on a Software Integration Platform. In: SAE Technical Paper Series (2009), Nr. 2009-01-0430 1 [0062]Reim, A .; Steinbach, A.; Oettgen, O.; Stapel, D .: Central Sideslip Angle Estimation on a Software Integration Platform. In: SAE Technical Paper Series (2009), No. 2009-01-0430 1 [0062]
- Sheffels, M.: A fault-tolerant air data/inertial reference unit. In: [1992] Proceedings IEEE/AIAA 11th Digital Avionics Systems Conference, IEEE 5 [0062]Sheffels, M .: A fault-tolerant air data / inertial reference unit. In: [1992] Proceedings IEEE / AIAA 11th Digital Avionics Systems Conference, IEEE 5 [0062]
- Simon, D.: Kalman filtering with state constraints: a survey of linear and nonlinear algorithms. In: IET Control Theory and Applications 4 (2010), Nr. 8, S. 1303-1318 17 [0062]Simon, D .: Kalman filtering with state constraints: a survey of linear and nonlinear algorithms. In: IET Control Theory and Applications 4 (2010), No. 8, pp. 1303-1318 17 [0062]
- Wendel, J.: Integrierte Navigationssysteme. Oldenbourg, 2007 1, 6, 15 [0062]Wendel, J .: Integrated Navigation Systems. Oldenbourg, 2007 1, 6, 15 [0062]
- Zhang, Q.-J. : US 8,825,436 B2: Inertial Sensing with Spatially Distributed Sensor Array and Two Dimensional Data 6 [0062]Zhang, Q.-J. : US 8,825,436 B2: Inertial Sensing with Spatially Distributed Sensor Array and Two Dimensional Data 6 [0062]
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021004103.8A DE102021004103A1 (en) | 2021-08-10 | 2021-08-10 | Method and arrangement for monitoring and detecting sensor errors in inertial measuring systems |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021004103.8A DE102021004103A1 (en) | 2021-08-10 | 2021-08-10 | Method and arrangement for monitoring and detecting sensor errors in inertial measuring systems |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102021004103A1 true DE102021004103A1 (en) | 2021-09-30 |
Family
ID=77659304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102021004103.8A Pending DE102021004103A1 (en) | 2021-08-10 | 2021-08-10 | Method and arrangement for monitoring and detecting sensor errors in inertial measuring systems |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102021004103A1 (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112833919A (en) * | 2021-03-25 | 2021-05-25 | 成都纵横自动化技术股份有限公司 | Management method and system for redundant inertial measurement data |
DE102022001242A1 (en) | 2022-04-12 | 2023-10-12 | Mercedes-Benz Group AG | Monitoring and detection of sensor errors in inertial measuring systems |
DE102022203674A1 (en) | 2022-04-12 | 2023-10-12 | Volkswagen Aktiengesellschaft | Method and detection device for detecting events and motor vehicles |
DE102022126969B3 (en) | 2022-10-14 | 2023-12-28 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Calibrating a rotation rate sensor |
-
2021
- 2021-08-10 DE DE102021004103.8A patent/DE102021004103A1/en active Pending
Non-Patent Citations (15)
Title |
---|
Aceinna ; Aceinna (Hrsg.): OpenRTK330. https://www.aceinna.com/ inertial-systems/OpenRTK330 6 |
Berman, Z. : Outliers Rejection in Kalman Filtering-Some New Observations. In: IEEE/ION Position, Location and Navigation Symposium - PLANS 2014, S. 1008-1013 4, 16 |
Bharadwaj, R. M.: US 9,568,321 B2: Systems and Methods for Determining Intertial Navigation System Faults 3 |
Graves, P. D.: Principles of GNSS, Inertial and Multisensor integrated Navigation systems. Artech House, 2013 1, 4, 16 |
Grewal, M. S. ; Adrews, A. P.: Kalman Filtering. New York : John Wiley, 2001 4, 16 |
Grewal, M. S.; Andrews, A. P.; Bartone, C. G.: Global Navigation Satellite Systems, Inerial Navigation, and Integration. Wiley, 2013 |
Huddle, J. R.: US 5,184,304 A: Fault-Tolerant Inertial Navigation System 5 |
Jafari, R.: US 9,753,144 B1: Bias and Misalignment Compensation for 6-DOF IMU Using GNSS/INS Data 1, 2 |
Klier, W. ; Reim, A. ; Stapel, D.: Robust Estimation of Vehicle Sideslip Angle - An Approach w/o Vehicle and Tire Models. In: SAE Technical Paper Series (2008), Nr. 2008-01-0582 1 |
Liccardo, D. S.: US 8,065,074 B1: Configurable Inertial Navigation System with Dual Extended Kalman Filter Modes |
Reim, A.; Steinbach, A. ; Oettgen, O. ; Stapel, D.: Central Sideslip Angle Estimation on a Software Integration Platform. In: SAE Technical Paper Series (2009), Nr. 2009-01-0430 1 |
Sheffels, M.: A fault-tolerant air data/inertial reference unit. In: [1992] Proceedings IEEE/AIAA 11th Digital Avionics Systems Conference, IEEE 5 |
Simon, D.: Kalman filtering with state constraints: a survey of linear and nonlinear algorithms. In: IET Control Theory and Applications 4 (2010), Nr. 8, S. 1303-1318 17 |
Wendel, J.: Integrierte Navigationssysteme. Oldenbourg, 2007 1, 6, 15 |
Zhang, Q.-J. : US 8,825,436 B2: Inertial Sensing with Spatially Distributed Sensor Array and Two Dimensional Data 6 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112833919A (en) * | 2021-03-25 | 2021-05-25 | 成都纵横自动化技术股份有限公司 | Management method and system for redundant inertial measurement data |
CN112833919B (en) * | 2021-03-25 | 2023-11-03 | 成都纵横自动化技术股份有限公司 | Management method and system for redundant inertial measurement data |
DE102022001242A1 (en) | 2022-04-12 | 2023-10-12 | Mercedes-Benz Group AG | Monitoring and detection of sensor errors in inertial measuring systems |
DE102022203674A1 (en) | 2022-04-12 | 2023-10-12 | Volkswagen Aktiengesellschaft | Method and detection device for detecting events and motor vehicles |
WO2023198348A1 (en) | 2022-04-12 | 2023-10-19 | Mercedes-Benz Group AG | Monitoring and detection of sensor errors in inertial measurement systems |
DE102022126969B3 (en) | 2022-10-14 | 2023-12-28 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Calibrating a rotation rate sensor |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102021004103A1 (en) | Method and arrangement for monitoring and detecting sensor errors in inertial measuring systems | |
DE69211766T2 (en) | Fault-tolerant inertial navigation system | |
EP1870669B1 (en) | Method for checking the inert measuring unit of vehicles, in particular of aircrafts, in the stationary state | |
DE102009002682B4 (en) | Device and method for residual evaluation of a residual for detecting system errors in the system behavior of a system of an aircraft | |
DE102014211166A1 (en) | Method, fusion filter and system for fusion of sensor signals with different temporal signal output distortions to a fusion data set | |
EP3155374A1 (en) | Method and system for initializing a sensor fusion system | |
EP3390967B1 (en) | Method for monitoring at least two redundant sensors | |
WO2003017011A1 (en) | Reconfiguration method for a sensor system comprising at least one set of observers for failure compensation and guaranteeing measured value quality | |
WO2015189204A1 (en) | Method and system for the improved detection and/or compensation of error values | |
DE69910215T2 (en) | DRIFT MONITORING DEVICE FOR GPS SATELLITES | |
EP3768558B1 (en) | Sensor arrangement for a vehicle and method for monitoring a sensor | |
DE102014212703A1 (en) | M2XPro monitoring by integrity measure storage | |
DE102014211178A1 (en) | Method and system for correcting measurement data of a first sensor system | |
DE102014211176A1 (en) | Method and system for correcting measurement data and / or navigation data of a sensor-based system | |
WO2017059991A1 (en) | Test of the functionality of a driver assistance system | |
DE102007037298B4 (en) | Method and arrangement for checking a sensor signal | |
EP1771775B1 (en) | Method for detecting errors in sensor values and error detection device | |
DE10338234A1 (en) | Moving rail vehicle location procedure uses speed and location sensor data and quality grades to select stochastic or deterministic fusion in plausibility test | |
DE102014211172A1 (en) | Method and system for correcting output data of a sensor-based system | |
DE102020131669B3 (en) | Procedure for the detection of malfunctions in inertial measuring units | |
EP0179197A2 (en) | Arrangement for determining the time-variant position and the errors of a repeater navigation system relatively to a master system | |
EP2581748A1 (en) | Method and apparatus for the determination of inertial parameters | |
EP2817640B1 (en) | Method for calibrating an acceleration sensor and acceleration sensor | |
DE102011054379B4 (en) | Method and device for determining position information | |
WO2015149799A1 (en) | Stereo camera system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R230 | Request for early publication | ||
R012 | Request for examination validly filed | ||
R081 | Change of applicant/patentee |
Owner name: MERCEDES-BENZ GROUP AG, DE Free format text: FORMER OWNER: DAIMLER AG, STUTTGART, DE |