DE102021004103A1 - Method and arrangement for monitoring and detecting sensor errors in inertial measuring systems - Google Patents

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 claim 1.

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 1 ist exemplarisch die Anwendung einer IMU 1 zur Bewegungsschätzung und Navigation gezeigt. Die IMU 1 sendet Drehgeschwindigkeits-Signale aus den Gyroskopen und die Specific Force-Signale aus den Akzelerometern. In einer Sensorfusionseinheit 2 werden durch Integration aus diesen Größen Lagewinkel α, Geschwindigkeit GE und Position PO berechnet und unter Zuhilfenahme weiterer Sensoren 3 korrigiert. Stand der Technik ist die Verwendung eines Kalman-Filters für die Sensorfusionsaufgabe.Inertial Measurement Units (IMU) are arrangements of accelerometers and gyroscopes that are used to measure specific forces (accelerations) and rotational speeds of bodies in space. The term Specific Forces and the symbol f have established themselves as a designation for the accelerometer signals in German navigation literature [14]. The symbol ω is used below for gyroscope signals. The term inertial measuring unit is represented in the following by the abbreviation IMU. Inertial measuring units are used to determine the location, position and speed of vehicles, especially in automated driving. Examples of such applications of the IMU can be found in references [6, 9, 8, 11, 14]. In 1 is an example of the application of an IMU 1 shown for motion estimation and navigation. The IMU 1 sends rotational speed signals from the gyroscopes and the specific force signals from the accelerometers. In a sensor fusion unit 2 position angle α, speed GE and position PO are calculated from these variables by integration and with the aid of further sensors 3 corrected. The state of the art is the use of a Kalman filter for the sensor fusion task.

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 f_im einer Specific Force durch das Modell $$f_{im}=\left(1+s_{fi}\right)\cdot m_i^T{\overrightarrow{f}}_i+b_{fi}\left(t\right)+n_i$$

beschreiben, wobei f_i der Vektor der Specific Force-Komponenten am Messort ist. Die Größe b_fi(t) beschreibt einen konstanten oder langsam zeitveränderlichen Bias, die Größe s_fi ist der Sensitivitätsfehler des Sensors, die Größe n_i bezeichnet das Sensorrauschen und der Vektor ${\text{m}}_{\text{i}}^{\text{T}}$

beschreibt die Ausrichtung der Sensorachse im Referenzkoordinatensystem. Die Modellparameter lassen sich durch Schätzverfahren bestimmen.Inertial measuring units are available in different quality levels. The quality and price are mainly determined by the sensor technology used. For series use in automobiles, inexpensive sensors based on MEMS technology (micro-electromechanical sensors) are particularly suitable. Such inexpensive IMU sensors are limited in their accuracy by stochastic sensor noise and systematic errors such as bias, sensitivity errors, non-linearities and alignment errors. Such errors are properties that the sensors have in normal operation. Systematic errors must be determined and compensated for using suitable methods in order to achieve a high quality of the calculated movement quantities. Examples of compensation methods can be found in the specialist literature or in [8]. The stochastic and systematic errors of an IMU sensor can be described by a model. For example, the value f _im measured by the sensor can be applied to the model in a specific force $$f_{im}=\left(1+s_{fi}\right)\cdot m_i^T{\overrightarrow{f}}_i+b_{fi}\left(t\right)+n_i$$

describe, where f _{i is} the vector of the specific force components at the measurement location. The variable b _fi (t) describes a constant or slowly time-varying bias, the variable s _fi is the sensitivity error of the sensor, the variable n _i denotes the sensor noise and the vector ${\text{m}}_{\text{i}}^{\text{T}}$

describes the alignment of the sensor axis in the reference coordinate system. The model parameters can be determined by estimation methods.

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 17. Dort wird explizit auf die Notwendigkeit redundanter Hardware in sicherheitskritischen INS-Anwendungen hingewiesen.The detection of malfunctions in a single IMU without redundancy is described in [3]. The detection in the form of a health monitoring block is integrated into a double redundant navigation system (Inertial Navigation System INS). In the health monitoring block, the estimation errors occurring in the motion estimation are evaluated. This solution has the disadvantage that the effects on a navigation system caused by sensor malfunctions do not allow any direct conclusions to be drawn about the defective sensor element. In addition, the integration of the IMU signals used in the INS leads to long error detection times. Furthermore, the error detection is based on the use of additional sensors such as GNSS, magnetometers, barometers and odometers. As a rule, these sensors are more susceptible to errors and have a lower integrity than the IMU sensors. Malfunctions of these additional sensors cannot be clearly distinguished from IMU malfunctions in the proposed arrangement. In summary, one can conclude that the procedure described allows the detection of a malfunction, but not the identification of the defective sensor. But this would be the Basic requirement for fault-tolerant system behavior. The disadvantages of the procedure described above have long been known. More detailed explanations can be found, for example, in [6], chapter 17th . The need for redundant hardware in safety-critical INS applications is explicitly pointed out there.

Aus der Fachliteratur sind generische Fehlermonitoringverfahren für Kalman-Filter bekannt [2, 4, 6]. Dabei wird entsprechend 3 der Fehler zwischen dem gemessenen Signal 3 und dem prädizierten Signal (aus dem Messgrößenmodell 10) gebildet. Dieser Fehler, den man in der Literatur auch als Innovation bezeichnet, wird dann bezüglich der Kovarianz der Messung (das heißt bezüglich der statistisch erwarteten Abweichung) bewertet. Wenn der Fehler außerhalb der erwarteten Abweichung liegt, kann eine Fehlfunktion entweder beim gemessenen Signal oder beim aus den Eingangsgrößen prädizierten Signal vorliegen. Ohne zusätzliche Annahmen lässt sich die Ursache der Abweichung jedoch nicht lokalisieren. Dieses Verfahren dient im Allgemeinen zur Detektion von Ausreißern und Fehlfunktionen in den gemessenen Signalen 3.Generic fault monitoring methods for Kalman filters are known from the specialist literature [2, 4, 6]. This is done accordingly 3 the error between the measured signal 3 and the predicted signal (from the measured variable model 10 ) educated. This error, which is also referred to as innovation in the literature, is then evaluated with regard to the covariance of the measurement (that is to say with regard to the statistically expected deviation). If the error lies outside the expected deviation, there may be a malfunction either in the measured signal or in the signal predicted from the input variables. However, the cause of the deviation cannot be localized without additional assumptions. This method is generally used to detect outliers and malfunctions in the measured signals 3 .

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 [f_x, f_y, f_z] der Specific Force zu erhalten: $$\left[\begin{array}{l}{f}_1\hfill \\ ⋮\hfill \\ f_6\hfill \end{array}\right]=\text{M}\cdot \left[\begin{array}{c}{f}_x\\ f_y\\ f_z\end{array}\right]+v$$

wobei M eine Matrix ist, die die räumliche Anordnung der Sensoren beschreibt, und v ein Vektor des Sensorrauschens ist. Überwachung und Mittelwertbildung können parallel erfolgen, während die Regressionsgleichung gelöst wird. In dem System können bis zu zwei Akzelerometer ausfallen, ohne dass eine Funktionsminderung eintritt. Aus Gründen der funktionalen Sicherheit müssen zumindest vier Sensoren verfügbar sein.For example, a regression equation is solved for the six specific force signals of the accelerometer f ₁ , ..., f _{6 in} order to obtain a resulting vector of the orthogonal components [f _x , f _y , f _{z] of} the specific force: $$\left[\begin{array}{l}{\mathrm{<figure-callout\; id="1"\; label="f"\; filenames="DE102021004103A1\_0026.png,DE102021004103A1\_0033.png"\; state="\{\{state\}\}">f</figure-callout>}}_1\hfill \\ ⋮\hfill \\ f_{\mathrm{6th}}\hfill \end{array}\right]=\text{M.}\cdot \left[\begin{array}{c}{f}_x\\ f_y\\ f_z\end{array}\right]+v$$

where M is a matrix that describes the spatial arrangement of the sensors, and v is a vector of the sensor noise. Monitoring and averaging can be done in parallel while the regression equation is being solved. Up to two accelerometers in the system can fail without impairment. For reasons of functional safety, at least four sensors must be available.

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 claim 1.

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 30) innerhalb der Zeitverzögerung erkannt wird, die geschätzten Parameter der Slave-Inertialmesseinheit auf den am Ausgang der Zeitverzögerung verfügbaren Werten festgehalten (eingefroren) werden.In one embodiment, the slave inertial measuring units can be precompensated using a master-slave configuration, with time delays being applied to estimated parameters of the sensor error model, wherein if a malfunction in an inertial measuring unit (signal 30th ) is recognized within the time delay, the estimated parameters of the slave inertial measuring unit are retained (frozen) at the values available at the output of the time delay.

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 value 1.

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.

Show:

• 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 4 und 5 mit jeweils mehreren Akzelerometern und gyroskopischen Sensoren entsprechend 4 zum Einsatz.In a method for detecting malfunctions in inertial measuring units with simple redundancy, two inertial measuring units are used 4th and 5 each with several accelerometers and gyroscopic sensors accordingly 4th for use.

In den Abbildungen werden die zwei Inertialmesseinheiten 4 und 5 auch mit IMU A und IMU B bezeichnet. Jede von ihnen stellt einen Vektor ${\overrightarrow{\omega }}_{\text{ib}}^{\text{b}}$

mit drei Winkelgeschwindigkeits-Signalen und einen Vektor ${\overrightarrow{\text{f}}}_{\text{ib}}^{\text{b}}$

mit drei Specific Force-Signalen bereit. Um die Darstellung dieser Signale zu vereinfachen, werden die Hochstellungen und Tiefstellungen weggelassen. Es kann dann auf die Sensorsignale als ${\overrightarrow{\omega }}_{\text{A}},{\overrightarrow{\omega }}_{\text{B}}$

bzw. ${\overrightarrow{\text{f}}}_{\text{A}},{\overrightarrow{\text{f}}}_{\text{B}}$

Bezug genommen werden.In the figures, the two inertial measurement units 4th and 5 also referred to as IMU A and IMU B. Each of them represents a vector ${\overrightarrow{\omega }}_{\text{ib}}^{\text{b}}$

with three angular velocity signals and a vector ${\overrightarrow{\text{f}}}_{\text{ib}}^{\text{b}}$

ready with three specific force signals. To simplify the representation of these signals, the superscripts and subscripts are omitted. It can then act on the sensor signals as ${\overrightarrow{\omega }}_{\text{A.}},{\overrightarrow{\omega }}_{\text{B.}}$

respectively. ${\overrightarrow{\text{f}}}_{\text{A.}},{\overrightarrow{\text{f}}}_{\text{B.}}$

Be referred to.

Erfindungsgemäß wird eine erste Inertialmesseinheit 4 als Master-Inertialmesseinheit verwendet, wobei eine zweite Inertialmesseinheit 5, deren Leistungsfähigkeit geringer sein kann als die der ersten Inertialmesseinheit 4, als Slave- oder Backup-Inertialmesseinheit verwendet wird, wobei in einer Detektionseinheit 12 die Messungen der Master-Inertialmesseinheit 4 verwendet werden, um systematische Fehlerparameter in der Slave-Inertialmesseinheit 5 relativ zur Master-Inertialmesseinheit 4 in Modellen zu schätzen und Signalabweichungen zwischen den so kompensierten Signalen zu detektieren, wobei eine zu große Signalabweichungen durch eine potentielle Fehlfunktion in einer der beiden Inertialmesseinheiten 4, 5 hervorgerufen werden kann. Allein aus der Detektion in der Detektionseinheit 12 lässt sich jedoch nicht erkennen, welche der beiden Inertialmesseinheiten 4 oder 5 von einer Fehlfunktion betroffen ist. Es lässt sich jedoch erkennen, welches spezifische Sensorpaar betroffen ist.According to the invention, a first inertial measuring unit 4th used as a master inertial measuring unit, with a second inertial measuring unit 5 whose performance can be lower than that of the first inertial measuring unit 4th , is used as a slave or backup inertial measuring unit, with a detection unit 12th the measurements of the master inertial measuring unit 4th used to set systematic error parameters in the slave inertial measurement unit 5 relative to the master inertial measuring unit 4th to estimate in models and to detect signal deviations between the compensated signals, with excessive signal deviations due to a potential malfunction in one of the two inertial measurement units 4th , 5 can be evoked. From the detection in the detection unit alone 12th however, it cannot be recognized which of the two inertial measuring units 4th or 5 is affected by a malfunction. However, it can be seen which specific sensor pair is affected.

Um die Inertialmesseinheit 4, 5 mit der Fehlfunktion zu detektieren, werden die Winkelgeschwindigkeitssignale und Specific Force-Signale jeder der beiden Inertialmesseinheiten je einem Kalman-Filter 13 und 14 (Vehicle Motion Observer, abgekürzt VMO A und VMO B) als Eingangsgrößen zur Verfügung gestellt und dort mit den Messgrößen anderer Fahrzeugsensoren 3, beispielsweise Radgeschwindigkeiten, fusioniert, wobei jedes der beiden Kalman-Filter 13, 14 dieselben Messgrößen verwendet. Wie aus 1 ersichtlich ist, stellt die beschriebene Datenfusion von Signalen der Inertialmesseinheit 1 mit der restlichen Fahrzeugsensorik 3 ein Standardverfahren zur Bestimmung der Bewegungsgrößen des Fahrzeugs dar. Im Kalman-Filter 13, 14 entsprechend 3 wird in einer Prädiktionseinheit 9 durch Integration der IMU-Signale ein neuer geschätzter Zustand berechnet und in einem Messgrößenmodell 10 die Prädiktionen (Vorhersagen) der Messgrößen berechnet und mit den gemessenen Signalen 3 verglichen. Die Differenz zwischen vorhergesagter Messung ŷ und realer Messung y wird als Innovation v bezeichnet. Die Innovationen v werden im Innovation-Monitoring-Block 15 miteinander verglichen und es wird detektiert, ob die Differenzen über vorgegebenen Schwellwerten liegen. Entsprechend dem Stand der Technik wird die Innovation in einer Zustandskorrektureinheit 11 zur Korrektur des mit Hilfe der IMU-Signale berechneten Zustandes verwendet.To the inertial measurement unit 4th , 5 to detect the malfunction, the angular velocity signals and specific force signals of each of the two inertial measuring units are each a Kalman filter 13th and 14th (Vehicle Motion Observer, abbreviated VMO A and VMO B) are made available as input variables and there with the measured variables of other vehicle sensors 3 , for example wheel speeds, fused, with each of the two Kalman filters 13th , 14th the same metrics are used. How out 1 As can be seen, represents the described data fusion of signals of the inertial measuring unit 1 with the rest of the vehicle sensors 3 represents a standard method for determining the movement variables of the vehicle. In the Kalman filter 13th , 14th corresponding 3 is in a prediction unit 9 by integrating the IMU signals, a new estimated state is calculated and in a measured variable model 10 the predictions (predictions) of the measured variables are calculated and with the measured signals 3 compared. The difference between the predicted measurement ŷ and the real measurement y is referred to as the innovation v. The innovations v are in the innovation monitoring block 15th compared with one another and it is detected whether the differences are above predetermined threshold values. According to the prior art, the innovation is in a state correction unit 11 used to correct the state calculated with the aid of the IMU signals.

Die Ergebnisse der Monitoring-Blöcke 12 und 15 werden einer Auswerte-Logik 16 zugeführt. Liegen sowohl die Differenzen der Innovationen v als auch die Differenzen der IMU-Signale über vorgegebenen Schwellwerten, dann liegt eine Fehlfunktion einer Inertialmesseinheit 4, 5 vor. Die fehlerhafte Inertialmesseinheit 4, 5 ist dabei jene mit der betragsmäßig größten Innovation v.The results of the monitoring blocks 12th and 15th become an evaluation logic 16 fed. If both the differences in the innovations v and the differences in the IMU signals are above predetermined threshold values, then there is a malfunction of an inertial measuring unit 4th , 5 before. The faulty inertial measuring unit 4th , 5 is the one with the largest innovation in terms of amount v.

Solange kein Fehler in der Inertialmesseinheit 4 (IMU A) detektiert wird, kann der geschätzte Bewegungszustand aus dem Kalman-Filter 13 (VMO A) verwendet werden. Wird auf die oben beschriebene Weise eine Fehlfunktion der Inertialmesseinheit 4 (IMU A) festgestellt, dann kann mit Hilfe des Signals 22 über einen Umschalter 8 auf den geschätzten Zustand des Kalman-Filters 14 (VMO B) als Backup umgeschaltet werden wie in 4a gezeigt ist.As long as there is no error in the inertial measuring unit 4th (IMU A) is detected, the estimated state of motion can be obtained from the Kalman filter 13th (VMO A) can be used. If the inertial measuring unit malfunctions in the manner described above 4th (IMU A) detected, then can with the help of the signal 22nd via a toggle switch 8th on the estimated state of the Kalman filter 14th (VMO B) can be switched as a backup as in 4a is shown.

Details von Ausführungsformen der Monitoring-Einheit 12 für die IMU-Signale sind in den 5, 6 und 7 dargestellt.Details of embodiments of the monitoring unit 12th for the IMU signals are in the 5 , 6th and 7th shown.

5 gibt einen Überblick über die Struktur der Monitoring-Einheit 12 bestehend aus Signalkorrektur 17, Sensorfehler-Modell-Parameter-Schätzeinheit 18 und Detektor 19. 5 gives an overview of the structure of the monitoring unit 12th consisting of signal correction 17th , Sensor error model parameter estimation unit 18th and detector 19th .

In 6 ist beispielhaft eine Ausführungsform einer Präkompensation der Drehgeschwindigkeitssensoren dargestellt. Dabei sind Filtereinheiten 17 vorgesehen, durch die Sensorsignale der Master-Inertialmesseinheit 4 und der Slave-Inertialmesseinheit 5 bezüglich bekannter Fehlausrichtung korrigiert, zeit-synchronisiert und gefiltert werden. Danach werden in der Sensorfehler-Modell-Parameter-Schätzeinheit 18 die Parameter des Fehlermodells 20 der Drehgeschwindigkeiten der Inertialmesseinheit 5 relativ zur Inertialmesseinheit 4 bestimmt. Hierzu ist in 6 beispielhaft ein Bias-Schätzer-Block 21 dargestellt. Nachfolgend erfolgt die Korrektur des Signals mit Hilfe der geschätzten Modellparameter, wobei die Parameter über einen Verzögerungsblock 23 zeitverzögert in die Korrektur eingehen. Damit wird verhindert, dass eine nachfolgend detektierte Fehlfunktion in der Master-Inertialmesseinheit 5 auf die Korrektur der Modellparameter zurückwirkt. Wird nun eine Fehlfunktion der Inertialmesseinheit 4 detektiert, so wird eine weitere Korrektur der Modellparameter der Inertialmesseinheit 5 mit Hilfe des Signals 30 abgeschaltet und die Korrekturparameter auf den alten Werten gehalten.In 6th an embodiment of a precompensation of the rotational speed sensors is shown by way of example. There are filter units 17th provided by the sensor signals of the master inertial measuring unit 4th and the slave inertial measuring unit 5 corrected, time-synchronized and filtered for known misalignment. Thereafter, in the sensor error model parameter estimation unit 18th the parameters of the failure model 20th the rotational speeds of the inertial measuring unit 5 relative to the inertial measuring unit 4th certainly. To do this, in 6th for example a bias estimator block 21 shown. The signal is then corrected with the aid of the estimated model parameters, the parameters using a delay block 23 enter the correction with a delay. This prevents a subsequently detected malfunction in the master inertial measuring unit 5 acts back on the correction of the model parameters. There is now a malfunction of the inertial measuring unit 4th is detected, a further correction of the model parameters of the inertial measuring unit is carried out 5 with the help of the signal 30th switched off and the correction parameters kept at the old values.

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 ω_B umfassen die Ausrichtung des Sensors bezüglich des Vektors ω_A der Winkelgeschwindigkeiten der Inertialmesseinheit 4 (IMU A). Dies sollte während einer End-of-Line-Kalibrierung bestimmt werden.Models of a single yaw rate sensor for outputting a yaw rate ω _B include the alignment of the sensor with respect to the vector ω _{A of} the angular velocities of the inertial measuring unit 4th (IMU A). This should be determined during an end-of-line calibration.

Der Verzögerungsblock 23 sieht eine Zeitverzögerung von beispielsweise 200 ms gegen Fehler in der Inertialmesseinheit 4 (IMU A) vor. Die Zeitverzögerung ist ein Design-Parameter und hängt von einer Fehlerdetektionszeit ab.The delay block 23 sees a time delay of, for example, 200 ms against errors in the inertial measuring unit 4th (IMU A). The time delay is a design parameter and depends on a fault detection time.

Als Ausgabe eines kompensierten Signals der Slave-Inertialmesseinheit 5 wird eine korrigierte Drehrate ω_{B corr}. der Slave-Inertialmesseinheit 5 ausgegeben.As output of a compensated signal from the slave inertial measuring unit 5 a corrected rate of rotation ω _{B corr} . the slave inertial measuring unit 5 issued.

In 7 ist eine Ausführungsform einer Präkompensation der Akzelerometer-Signale dargestellt. Die Funktionsweise ist prinzipiell äquivalent zu 6. Allerdings müssen hier gegebenenfalls Unterschiede in den Positionen der beiden Inertialmesseinheiten 4, 5 durch Transformation der Specific Force-Signale der Inertialmesseinheit 4 (IMU A) auf die Position der Inertialmesseinheit 5 (IMU B) berücksichtigt werden entsprechend der aus der Literatur [14] bekannten Gleichung $$\begin{array}{c}{\overrightarrow{\text{f}}}_{\text{B}}={\overrightarrow{\text{f}}}_{\text{A}}+{\dot{\overrightarrow{\omega }}}_{\text{A}}\times {\overrightarrow{\text{r}}}_{\text{AB}}+{\overrightarrow{\omega }}_{\text{A}}\times \left({\overrightarrow{\omega }}_{\text{A}}\times {\overrightarrow{\text{r}}}_{\text{AB}}\right)\\ \end{array}$$

$$={\overrightarrow{\text{f}}}_{\text{A}}+{\dot{\Omega }}_{\text{A}}{\overrightarrow{\text{r}}}_{\text{AB}}+{\mathrm{\Omega }}_{\text{A}}^2{\overrightarrow{\text{r}}}_{\text{AB}}$$

wobei ${\overrightarrow{\text{r}}}_{\text{AB}}$

der Ortsvektor der Inertialmesseinheit 4 (IMU A) zur Inertialmesseinheit 5 (IMU B) ist. Die transformierten Specific Forces können dann als Referenz für die Schätzung der Modellparameter des Specific Force-Modells der Inertialmesseinheit 5 (IMU B) dienen. Ω ist eine kreuzproduktbildende Matrix der Drehraten.In 7th an embodiment of a precompensation of the accelerometer signals is shown. The functionality is basically equivalent to 6th . However, there may be differences in the positions of the two inertial measuring units 4th , 5 by transforming the specific force signals of the inertial measuring unit 4th (IMU A) to the position of the inertial measuring unit 5 (IMU B) must be taken into account in accordance with the equation known from literature [14] $$\begin{array}{c}{\overrightarrow{\text{f}}}_{\text{B.}}={\overrightarrow{\text{f}}}_{\text{A.}}+{\dot{\overrightarrow{\omega }}}_{\text{A.}}\times {\overrightarrow{\text{r}}}_{\text{AWAY}}+{\overrightarrow{\omega }}_{\text{A.}}\times \left({\overrightarrow{\omega }}_{\text{A.}}\times {\overrightarrow{\text{r}}}_{\text{AWAY}}\right)\\ \end{array}$$

$$={\overrightarrow{\text{f}}}_{\text{A.}}+{\dot{\Omega }}_{\text{A.}}{\overrightarrow{\text{r}}}_{\text{AWAY}}+{\mathrm{\Omega }}_{\text{A.}}^2{\overrightarrow{\text{r}}}_{\text{AWAY}}$$

whereby ${\overrightarrow{\text{r}}}_{\text{AWAY}}$

the position vector of the inertial measuring unit 4th (IMU A) for the inertial measuring unit 5 (IMU B) is. The transformed specific forces can then be used as a reference for estimating the model parameters of the specific force model of the inertial measuring unit 5 (IMU B) serve. Ω is a cross product forming matrix of the rotation rates.

In 8 ist eine Ausführungsform des Fehlerdetektionsblocks 19 durch Vergleich der vorverarbeiteten Einzelsignale 24 (A) und 25 (B) der Master-Inertialmesseinheit 4 und der Slave-Inertialmesseinheit 5 dargestellt. Dabei kann A und B jeweils eine Drehgeschwindigkeit ω_A, ω_B oder eine Specific Force f_A, f_B sein. Insgesamt wird für jeden Freiheitsgrad der Inertialmesseinheiten je eine Detektion verwendet. Dabei wird im Signal-Differenz-Berechnungsblock 26 die Signaldifferenz B - A durch einen Normierungsfaktor S dividiert $$\Delta =\frac{\text{B}-\text{A}}{\text{S}},$$

wobei sich der Normierungsfaktor S aus der unter normalen Umständen zu erwartenden Abweichung zwischen den Signalen ergibt.In 8th is one embodiment of the error detection block 19th by comparing the preprocessed individual signals 24 (A) and 25 (B) of the master inertial measuring unit 4th and the slave inertial measuring unit 5 shown. A and B can each be a rotational speed ω _A , ω _B or a specific force f _A , f _B. Overall, one detection is used for each degree of freedom of the inertial measuring units. The signal difference calculation block 26th the signal difference B - A divided by a normalization factor S. $$\Delta =\frac{\text{B.}-\text{A.}}{\text{S.}},$$

where the normalization factor S results from the deviation between the signals to be expected under normal circumstances.

In einer Ausführungsform kann der Normierungsfaktor S aus der Standardabweichung σ des Sensorrauschens und aus einem Unsicherheits-Anteil der Zeitsynchronisation T gebildet werden $$\text{S}=3\mathrm{\sigma +}\text{DT}$$

wobei die durch den Unsicherheits-Anteil der Zeitsynchronisation T entstehende Abweichung DT proportional zur zeitlichen Änderung der Signale ist $$\text{D}=\text{min}\left(\left|\dot{\text{A}}\right|,\left|\dot{\text{B}}\right|\right).$$

In one embodiment, the normalization factor S can be formed from the standard deviation σ of the sensor noise and from an uncertainty component of the time synchronization T $$\text{S.}=3\mathrm{\sigma \; +}\text{DT}$$

where the deviation DT resulting from the uncertainty component of the time synchronization T is proportional to the change in the signals over time $$\text{D.}=\text{min}\left(\left|\dot{\text{A.}}\right|,\left|\dot{\text{B.}}\right|\right).$$

Im Signal-Differenzdetektor 27 wird eine Fehlfunktion in dem entsprechenden IMU-Freiheitsgrad dann erkannt, wenn der Betrag der normierten Abweichung größer ist als 1. In der Entscheidungslogik 29 wird bei Vorhandensein einer Fehlfunktion zum Einen die Berechnung des Fehlermodells in Block 18 angehalten, zum Anderen wird die Information über Signal 30 an die Fehlerdetektionseinheit 16 weitergeleitet.In the signal difference detector 27 a malfunction in the corresponding IMU degree of freedom is recognized when the amount of the normalized deviation is greater than 1. In the decision logic 29 If a malfunction is present, on the one hand the calculation of the error model is carried out in block 18th stopped, on the other hand the information about signal 30th to the error detection unit 16 forwarded.

Eine Ausführungsform des Innovation-Monitoring-Blocks 15 für die Innovationen v aus 4 kann in folgender Weise realisiert werden: Für jedes einzelne Messsignal y_i aus 3 stellt ein Kalman-Filter entsprechend dem in [4, 6, 2] beschriebenen Stand der Technik einen Prädiktionswert ŷ_i für die Messung $${\widehat{\text{y}}}_{\text{i}}={\text{c}}_{\text{i}}\widehat{\text{x}}$$

und eine Innovation $${\text{v}}_{\text{i}}={\text{y}}_{\text{i}}-{\widehat{\text{y}}}_{\text{i}}$$

bereit sowie eine Messfehlervarianz s_i die sich aus der Zustandsfehlerkovarianz P und der Varianz r_i des Sensorrauschens berechnen lässt $${\text{s}}_{\text{i}}={\text{c}}_{\text{i}}{\text{Pc}}_{\text{i}}^{\text{T}}+{\text{r}}_{\text{i}}.$$

An embodiment of the innovation monitoring block 15th for the innovations v from 4th can be implemented in the following way: For each individual measurement signal y _i off 3 a Kalman filter according to the prior art described in [4, 6, 2] provides a prediction value ŷ _i for the measurement $${\widehat{\text{y}}}_{\text{i}}={\text{c}}_{\text{i}}\widehat{\text{x}}$$

and an innovation $${\text{v}}_{\text{i}}={\text{y}}_{\text{i}}-{\widehat{\text{y}}}_{\text{i}}$$

ready as well as a measurement error _{variance s i} which can be calculated from the state error covariance P and the variance r _{i of the sensor noise} $${\text{s}}_{\text{i}}={\text{c}}_{\text{i}}{\text{Pc}}_{\text{i}}^{\text{T}}+{\text{r}}_{\text{i}}.$$

Die Messfehlerkovarianz S_i beschreibt hierbei die prädizierte statistische Verteilung der Innovation v_i. Wird die Innovation v_i auf die resultierende Standardabweichung normiert $${\text{v}}_{\text{i}}^{\text{*}}=\frac{{\text{v}}_{\text{i}}}{\sqrt{{\text{s}}_{\text{i}}}}$$

dann hat die normierte Größe v_i die Standardabweichung 1 und den Mittelwert 0. Dann sind beispielsweise statistisch betrachtet 99.7% aller Werte von ${\text{v}}_{\text{i}}^{\text{*}}$

betragsmäßig kleiner als 3 und, sobald beispielsweise $$\left|{\text{v}}_{\text{i}}^{\text{*}}\right|>4$$

ist, kann man von einer Fehlfunktion des Systems ausgehen. Dabei kann es sich sowohl um einen Ausreißer oder eine Fehlfunktion in der Messgröße y_i handeln; in diesem Fall wären beide Kalman-Filter 13 und 14 von der Störung betroffen oder es kann sich um eine Fehlfunktion in den Daten einer der Inertialmesseinheiten 4, 5 handeln; in diesem Fall wäre nur einer der Kalman-Filter 13 oder 14 betroffen.The measurement error _{covariance S i} describes the predicted statistical distribution of the innovation v _i . If the innovation v _{i is} normalized to the resulting standard deviation $${\text{v}}_{\text{i}}^{\text{*}}=\frac{{\text{v}}_{\text{i}}}{\sqrt{{\text{s}}_{\text{i}}}}$$

then the normalized variable v _{i has} the standard deviation 1 and the mean value 0. Then, for example, statistically speaking, 99.7% of all values of ${\text{v}}_{\text{i}}^{\text{*}}$

less than 3 in terms of amount and, for example, as soon as $$\left|{\text{v}}_{\text{i}}^{\text{*}}\right|>\mathrm{4th}$$

it can be assumed that the system is malfunctioning. This can be either an outlier or a malfunction in the measured variable y _i ; in this case both would be Kalman filters 13th and 14th affected by the malfunction or there may be a malfunction in the data of one of the inertial measuring units 4th , 5 Act; in this case only one would be the Kalman filters 13th or 14th affected.

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 11 des Kalman-Filters 13, 14 nicht mehr abgebaut werden können. Hierdurch wird die Sensitivität des Verfahrens verbessert.In one embodiment, the Kalman filter states can be limited to physically meaningful values on the basis of the methods specified in [13], for example, which in the event of a malfunction leads to greater innovations, because these then occur in the state correction unit 11 of the Kalman filter 13th , 14th can no longer be dismantled. This improves the sensitivity of the method.

In der praktischen Anwendung kann es vorkommen, dass die normierten Innovationen nicht die Standardabweichung 1 aufweisen. In einer Ausführungsform können deshalb die diesbezüglichen Standardabweichungen online numerisch ermittelt und damit an die praktischen, von der Kalman-Filter-Theorie abweichenden, Rauscheigenschaften angepasst werden. In einer Ausführungsform kann die numerische Ermittlung durch gewichtete Mittelwertbildung über die Quadrate der normierten Innovationen erfolgen.In practical application it can happen that the standardized innovations do not have the standard deviation 1 exhibit. In one embodiment, the relevant standard deviations can therefore be determined numerically online and thus adapted to the practical noise properties that deviate from the Kalman filter theory. In one embodiment, the numerical determination can be made by weighted averaging over the squares of the standardized innovations.

Wenn eine Fehlfunktion sowohl in der Monitoring-Einheit 12 für die IMU-Signale als auch in der Monitoring-Einheit 15 der Innovationen v der Kalman-Filter VMO A und VMO B erkannt wird, dann kann in der Fehlerdetektionseinheit 16 eindeutig auf eine Störung einer der beiden Inertialmesseinheiten 4, 5 geschlossen werden und in der betroffenen Inertialmesseinheit 4, 5 der spezifische Sensor lokalisiert werden, der die Fehlfunktion verursacht. Darüber hinaus hat sich in der praktischen Anwendung gezeigt, dass beide Bedingungen erfüllt sein müssen, um eventuell falsch positive Erkennungen auf Fehlfunktion auszuschließen. Diese können durch Sensorrauschen, Modellabweichungen und sonstige Unsicherheiten hervorgerufen werden und würden ansonsten die Spezifität des Verfahrens beeinträchtigen.If there is a malfunction in both the monitoring unit 12th for the IMU signals as well as in the monitoring unit 15th the innovations v of the Kalman filters VMO A and VMO B is detected, then can in the error detection unit 16 clearly indicates a fault in one of the two inertial measuring units 4th , 5 are closed and in the affected inertial measuring unit 4th , 5 locate the specific sensor causing the malfunction. In addition, it has been shown in practical application that both conditions must be met in order to rule out any false positive detection of malfunction. These can be caused by sensor noise, model deviations and other uncertainties and would otherwise impair the specificity of the method.

Literaturverzeichnisbibliography

• [1] Aceinna ; Aceinna (Hrsg.): OpenRTK330. https://www.aceinna.com/ inertial-systems/OpenRTK330 6 [1] 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 [2] 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 [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 [4] 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 [5] 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 [6] 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 [7] 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 [8th] Jafari, R .: US 9,753,144 B1: Bias and Misalignment Compensation for 6-DOF IMU Using GNSS / INS Data 1, 2
• [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 [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), No. 2008-01-0582 1
• [10] Liccardo, D. S.: US 8,065,074 B1: Configurable Inertial Navigation System with Dual Extended Kalman Filter Modes [10] 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 [11] 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 [12] 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 [13] 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 [14] 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 [15] 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)

Verfahren zur Erkennung von Fehlfunktionen in Inertialmesseinheiten (IMU, IMU A, IMU B, 4, 5), die in einem Fahrzeug zur Messung von Winkelgeschwindigkeiten $\left({\overrightarrow{\omega }}_{\text{A}},{\overrightarrow{\omega }}_{\text{B}}\right)$

und von Specific Forces $\left({\overrightarrow{\text{f}}}_{\text{A}},{\overrightarrow{\text{f}}}_{\text{B}}\right)$

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, dadurch gekennzeichnet, dass 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 Kaiman-Filters (13, 14) führt. Method for the detection of malfunctions in inertial measuring units (IMU, IMU A, IMU B, 4, 5) used in a vehicle for measuring angular velocities $\left({\overrightarrow{\omega }}_{\text{A.}},{\overrightarrow{\omega }}_{\text{B.}}\right)$

and from Specific Forces $\left({\overrightarrow{\text{f}}}_{\text{A.}},{\overrightarrow{\text{f}}}_{\text{B.}}\right)$

are used, two inertial measuring units (IMU A, IMU B, 4, 5) each with several sensors, including accelerometers and gyroscopic sensors, being used, a first inertial measuring unit (IMU A, 4) being used as the master inertial measuring unit, with a second inertial measuring unit (IMU B, 5), the capabilities of which may be lower than that of the first inertial measuring unit (IMU A, 4), is used as a slave inertial measuring unit, characterized in that measurements of the master inertial measuring unit (IMU A, 4) are used as Reference values are used 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 identify a malfunction in to recognize the sensor arrangement, the one of the two inertial measuring units (4, 5) being detected as faulty, the sensor signal of which in one The Kalman filter (13, 14) connected downstream in each case has the greater innovation error relative to the remaining vehicle sensor signals that are commonly used, with a malfunction of the master inertial measuring unit (4) leading to a switch to the solution of the still functional Kalman filter (13, 14 ) leads. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass zur Schätzung der Fehlermodell-Parameter ein Fehlermodell (20) verwendet wird, das alle Modellparameter der Slave-Inertialmesseinheit (IMU B, 5) umfasst, wobei zumindest die zeitlich veränderlichen relativen Sensor-Offsets bezüglich der Master-Inertialmesseinheit (IMU A, 4) online geschätzt werden.Procedure according to Claim 1 , characterized in that an error model (20) is used to estimate the error model parameters, which includes all model parameters of the slave inertial measuring unit (IMU B, 5), at least the time-variable relative sensor offsets with respect to the master inertial measuring unit (IMU A, 4) can be estimated online. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass die Specific Forces $\left({\overrightarrow{f}}_A\right)$

der Master-Inertialmesseinheit (4) transformiert werden, um Referenzen für die Specific Forces $\left({\overrightarrow{f}}_B\right)$

zu gewinnen.Procedure according to Claim 2 , characterized in that the Specific Forces $\left({\overrightarrow{f}}_{\mathrm{A.}}\right)$

the master inertial measuring unit (4) are transformed to references for the specific forces $\left({\overrightarrow{f}}_{\mathrm{B.}}\right)$

to win. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass alle Sensoren der beiden Inertialmesseinheiten (4, 5) mittels jeweiliger Filtereinheiten (17) gefiltert und zeitlich synchronisiert werden.Method according to one of the preceding claims, characterized in that all sensors of the two inertial measuring units (4, 5) are filtered and time-synchronized by means of respective filter units (17). Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die online geschätzten Fehlermodell-Parameter zeitlich verzögert auf die Messwerte der Slave-Inertialmesseinheit (5) angewendet werden und/oder dass die Slave-Inertialmesseinheit (5) unter Verwendung einer Master-Slave-Konfiguration präkompensiert wird, wobei Zeitverzögerungen auf geschätzte Parameter des Fehlermodells angewandt werden, wobei dann, wenn eine Fehlfunktion in einem der IMU-Freiheitsgrade innerhalb der Zeitverzögerung erkannt wird, die geschätzten Parameter der Slave-Inertialmesseinheit (5) auf die Werte am Ausgang der Zeitverzögerung eingefroren werden und die Schätzung der Parameter des Fehlermodells angehalten wird.Method according to one of the preceding claims, characterized in that the online estimated error model parameters are applied with a time delay to the measured values of the slave inertial measuring unit (5) and / or that the slave inertial measuring unit (5) using a master-slave configuration is precompensated, with time delays being applied to estimated parameters of the error model, and when a malfunction is detected in one of the IMU degrees of freedom within the time delay, the estimated parameters of the slave inertial measuring unit (5) are frozen to the values at the output of the time delay and the estimation of the parameters of the failure model is stopped. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine Detektionslogik (19) auf die Signale der ersten Inertialmesseinheit (4) und die präkompensierten Signale der Slave-Inertialmesseinheit (5) angewandt wird, um unzulässige Differenzen zwischen den beiden Signalen zu detektieren, wobei dann, wenn eine normalisierte Signal-Differenz den Wert 1 überschreitet, eine Fehlfunktion in einer der beiden Inertialmesseinheiten (4, 5) angenommen wird.Method according to one of the preceding claims, characterized in that detection logic (19) is applied to the signals of the first inertial measuring unit (4) and the precompensated signals of the slave inertial measuring unit (5) in order to detect impermissible differences between the two signals, wherein when a normalized signal difference exceeds the value 1, a malfunction is assumed in one of the two inertial measuring units (4, 5). Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass den beiden Inertialmesseinheiten (4, 5) je ein Kalman-Filter (VMO A, 13, VMO B, 14) nachgeschaltet ist, welcher weitere im Fahrzeug verfügbare Sensorsignale, insbesondere Raddrehzahlen, als Messgrößen verwendet, wobei jedes Kalman-Filter (VMO A, 13, VMO B, 14) die gleichen Messgrößen verwendet.Method according to one of the preceding claims, characterized in that a Kalman filter (VMO A, 13, VMO B, 14) is connected downstream of the two inertial measuring units (4, 5), which further sensor signals available in the vehicle, in particular wheel speeds, as measured variables used, each Kalman filter (VMO A, 13, VMO B, 14) using the same measured variables. Verfahren nach Anspruch 1 und 7, dadurch gekennzeichnet, dass die Innovationen (v) der beiden Kalman-Filter (VMO A, 13, VMO B, 14) in einem Innovation-Monitoring-Block (15) gegen einen Schwellwert bewertet oder miteinander verglichen werden, um Fehlfunktionen in den jeweiligen, von den Kalmanfiltern eingelesenen, IMU-Signalen zu detektieren.Procedure according to Claim 1 and 7th , characterized in that the innovations (v) of the two Kalman filters (VMO A, 13, VMO B, 14) are evaluated in an innovation monitoring block (15) against a threshold value or compared with one another in order to detect malfunctions in the respective to detect IMU signals read in by the Kalman filters. Verfahren nach Anspruch 7 oder 8, dadurch gekennzeichnet, dass die Zustände der jeweiligen Kalman-Filter (VMO A, 13, VMO B, 14) auf physikalisch sinnvolle Werte beschränkt werden um im Falle einer Fehlfunktion in dem jeweiligen IMU-Eingangssignal den Absolutwert des Innovationssignals zu vergrößern und dadurch die Sensitivität der Detektion zu steigern.Procedure according to Claim 7 or 8th , characterized in that the states of the respective Kalman filters (VMO A, 13, VMO B, 14) are limited to physically meaningful values in order to increase the absolute value of the innovation signal and thereby the sensitivity in the event of a malfunction in the respective IMU input signal to increase detection. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in einer Fehlerdetektionseinheit (16) Informationen über Fehlfunktionen aus einer Monitoring-Einheit (12) für die IMU-Signale und dem Innovation-Monitoring-Block (15) kombiniert werden, um die Fehlfunktion eindeutig einer der Inertialmesseinheiten (IMU A, 4, IMU B, 5) und in der betroffenen Inertialmesseinheit (IMU A, 4, IMU B, 5) einem spezifischen Sensor zuordnen zu können.Method according to one of the preceding claims, characterized in that information about malfunctions from a monitoring unit (12) for the IMU signals and the innovation monitoring block (15) are combined in an error detection unit (16) to uniquely identify the malfunction one of the inertial measurement units (IMU A, 4, IMU B, 5) and in the affected inertial measuring unit (IMU A, 4, IMU B, 5) to be able to assign a specific sensor.

Images