Autonome Fahrzeuge helfen, ihren Weg zu finden

The future we're building -- and boring | Elon Musk (Juli 2019).

$config[ads_text] not found
Anonim

Eine Reihe von Sensoren gewährleistet die vollständige Abdeckung der lokalen Umgebung eines Fahrzeugs

Von Alix Paultre, Redakteur

Eine der größten Debatten in der Gesellschaft betrifft die Entwicklung und den Einsatz von Elektrofahrzeugen. Da es sich um ein hochgradig aufgeladenes Problem handelt (kein Wortspiel beabsichtigt), überlagert und diskutiert das Argument das elektronische Design, wobei die Diskussion nicht nur gespiegelt, sondern überlagert wird, während Ingenieure alle Aspekte des Problems diskutieren, nicht nur die offensichtlichsten. Das Gute an Ingenieuren ist, dass die Argumente auf der Realität basieren und was erreicht werden kann.

Leider definiert die Wahrnehmung oft die Realität, so dass die Ingenieursgemeinde in gewisser Weise der öffentlichen Meinung als Geisel genommen wird, wenn es um die Geschwindigkeit und / oder den Erfolg von Elektrofahrzeugen auf dem Markt geht. Ein Aspekt der Fahrzeuge der nächsten Generation ist jedoch unbestritten, dass das Auto der Zukunft unabhängig von der Antriebskraft, die die Räder antreibt, vollständig oder teilweise autonom ist.

Das autonome Fahrzeug der nahen Zukunft stützt sich auf ein Netzwerk integrierter Hochleistungssensoren und Intelligenz, um seine Navigation zu steuern, indem es die Fahrtrichtung des Fahrzeugs, die Verkehrslage, die Geschwindigkeit des Fahrzeugs und den Standort des Fahrzeugs erfasst Beziehung zu allem um ihn herum. (Quelle: ACEINNA)

Unabhängig davon, wie ein Elektrofahrzeug seinen Bestimmungsort erreicht, sind moderne Navigationssysteme für eine erfolgreiche und sichere Leistung entscheidend. Dies ist nicht nur für Fahrzeuge wichtig, sondern, offen gesagt, für jedes autonome Fernsystem, sei es in Wasser, auf dem Boden oder in der Luft. Sogar erweiterte Augmented-Reality-Systeme benötigen genaue und genaue Standortbestimmungsfähigkeiten, um richtig zu funktionieren. Die Schaffung eines Navigationssystems, das echte Autonomie ermöglicht, erfordert umfangreiche Simulations- und Feldtests mit Datenerfassungs- und Analysesystemen.

Selbstbewusstsein

"Erkenne dich selbst" ist ein Mantra für Menschen, aber ein autonomes System muss auch ein Gefühl dafür haben, wo (und manchmal wann und wie) es im realen Raum ist. Dieses Bewusstsein wird durch die Verwendung einer Reihe von Sensoren erzeugt, die dem Gerät seine Umgebung mitteilen, gekoppelt mit einem logischen System, das diese Informationen verarbeiten und in nützliche Informationen und Anleitungen umwandeln kann.

In Systemen, in denen die menschliche Sicherheit kein kritischer Punkt ist, ist ein kleiner Mangel an Informationen in Ordnung. Leute, die Pokémon Go spielen, müssen sich keine Gedanken darüber machen, wie genau ihre Positionsinformationen sind, und manche spielen tatsächlich die Systeme (Wortspiel beabsichtigt) und verwenden das umherwandernde GPS des Telefons, um Ziele außerhalb ihrer wahren räumlichen Position zu erfassen. Diese Art von Ungenauigkeit ist offensichtlich nicht tolerierbar, wenn ein Fehler zu einem Unfall führen kann, der Menschenleben kosten kann, sowie zu einem möglichen Verlust des Fahrzeugs.

Hier findet die Fusion der Sensoren statt. Ein richtig entworfenes autonomes System wird eine Reihe von Sensoren mit überlappenden und ergänzenden Fähigkeiten verwenden, um eine vollständige Abdeckung der lokalen Umgebung des Fahrzeugs sicherzustellen. Je umfassender das System seine Umwelt kennt, desto genauer kann es seine Position und den Weg zu seinem Ziel bestimmen.

Sensorintegration

Beim Erstellen eines Systems zur Bestimmung von Position und Richtung müssen mehrere Sensortypen berücksichtigt werden. Erstens sind "Körper" -Sensoren, die präzise grundlegende Informationen wie Rollen, Nicken und Gieren bereitstellen. Sobald Sie wissen, wie Sie positioniert sind, ist die nächste wichtige Sache.

GPS ist ein sehr guter Weg, um grundlegende Positionsinformationen zu erhalten, aber es ist nicht genau genug, um ohne routinemäßige Rückmeldung die groben GPS-Daten in die reale Welt zu "verriegeln". Als Auto-basierte GPS-Systeme zuerst herauskamen, setzen mehrere Hersteller Radsensoren auf die Autos, um die physische Position zu verfolgen, die auf den lokalen Karten im Gedächtnis bezogen wurde.

Diese Art der Erfassung erforderte früher eine Batterie von Sensoren, Beschleunigungsmessern, Magnetometern und Gyroskopen, die alle zusammen verwendet werden mussten, da sie alle Schwächen aufweisen, die durch zusätzliche Sensoreingaben korrigiert werden müssen.

Beschleunigungsmesser können statische Roll- und Nickbewegungen wie bei einem Zimmermann bestimmen, aber die Daten werden beim Beschleunigen oder Abbremsen falsch sein, da ein Beschleunigungsmesser die Schwerkraft von der linearen Beschleunigung allein nicht unterscheiden kann. Magnetometer können zwar eine Richtung bestimmen, aber nicht die für die Orientierung wichtige Rolle und Neigung. Deshalb braucht man früher auch drei Kreisel und einen Filter, um die Informationen zu kombinieren, um einen guten Roll-, Nick- und Gierkurs zu erhalten. Yaw kann ohne Magnetometer von Gyros erreicht werden, aber Gyroskope werden driften. Ein Magnetometer in einem Auto funktioniert wegen des ganzen Metalls in und um das Fahrzeug nicht so gut, deshalb braucht man Informationen von einem Gyro und GPS.

Diese Art von Brute-Force-Lösung, die eine Batterie von Sensoren verwendet, wurde nun durch die Verwendung der neuesten integrierten Trägheitssensormodule ersetzt, um diese wichtige Rückmeldung zu liefern.

Ein einzelnes IMU-Gerät (z. B. ACEINNA 380ZA-209) kann die Funktionen einer Vielzahl anderer Sensoren ersetzen - alles in einer einzigen Komponente. (Quelle: ACEINNA)

Eine Lösung wie ACEINNAs IMU380ZA-209, eine kleine, vollständig kalibrierte Trägheitsmesseinheit (IMU) kann anspruchsvolle Embedded-Anwendungen bedienen, die eine vollständige dynamische Messlösung in einem robusten Low-Profile-Gehäuse benötigen. Durch die Integration aller bisher nur separat verfügbaren Funktionen spart eine IMU nicht nur Platz und Komponenten, sondern auch Entwicklungszeit und -kosten. Um die Verbindung zum System zu vereinfachen, bietet die IMU380ZA-209 einen Standard-SPI-Bus (Serial Peripheral Interface) für eine kostengünstige digitale Board-to-Board-Kommunikation.

Die 9-achsige IMU380ZA-209 kann Beschleunigungen von bis zu 4 g messen und benötigt eine Versorgungsspannung von 3 V bis 5, 5 V. Dieser große Akzeptanzbereich erleichtert die Systemintegration und reduziert die Anzahl der Leistungsumrichter. Eine große Betriebstemperatur von -40 ° C bis 85 ° C sorgt dafür, dass es in einer Vielzahl von Umgebungen funktioniert, und eine Bandbreite von 5 Hz bis 50 Hz und eine Reichweite von 200 ° / Sekunde bedeutet, dass es sich schnell ändern kann Situationen.

Die ACEINNA 9-Achsen IMU380ZA-200, die nur 24, 15 x 37, 7 x 9, 5 mm misst, ist für eine Vielzahl von Betriebstemperaturen geeignet und benötigt ein Minimum an Leistung. (Quelle: ACEINNA)

Diese Leistungsaspekte unterstreichen die Fähigkeit einer IMU, nicht nur Platz und Kosten zu reduzieren, sondern auch ein höheres Maß an Leistung und Zuverlässigkeit zu bieten. Indem Sie die Legacy-Reihe von Sensoren, die zur Ausführung der Aufgaben benötigt werden, durch ein integriertes System ersetzen, das neuere Technologie verwendet, erzielen Sie ein besseres Ergebnis, als das Ensemble von Sensoren zusammen tun könnte.

Die Integration entfernt Kabel und Drähte, sperrige Steckverbinder und separate Gehäuse, erhöht die Robustheit und Zuverlässigkeit, während die Integration der Funktionalität die Genauigkeit und Präzision erhöht. Diese Vorteile kaskadieren das gesamte Design von weniger Komplexität in der Leistungselektronik bis zu einem verbesserten Fahrzeugdesign aus reduzierten und vereinfachten Innenraumanforderungen.

Etwas zusammensetzen

Bei der Entwicklung eines typischen Designs werden dynamische Trajektorien und modellierte Sensormesswerte (mit Fehlern) simuliert, um einen erweiterten Kalman-Filter- oder Partikelfilter-Navigationsalgorithmus zu erstellen. Sobald eine gegebene Simulation vielversprechende Ergebnisse zeigt, wird dieser Algorithmus mit Echtzeitcode auf eingebetteter Hardware implementiert. Der resultierende Prototyp wird dann im Feld getestet, wo Daten protokolliert werden (oft in die Terabyte) und dann gegen vorhergesagte Ergebnisse analysiert werden.

Um diesen Prozess zu erleichtern, wählen und verwenden Entwickler von Navigationssystemen typischerweise unterschiedliche Software für jeden Schritt in diesem Prozess. Überraschenderweise können Open-Source- "Web-Technologien" die Grundlage für einen hocheffizienten Software-Stack für die Entwicklung von Navigationssystemen bilden. Als Beispiel aus der Praxis verwendet ACEINNA traditionell einen Stack mit vielen "klassischen" proprietären eingebetteten Programmier- und Simulationswerkzeugen, darunter Matlab für die Simulation, IAR-Systeme für die Erstellung von eingebettetem C / C ++ - Code und eine Kombination aus C # mit den Werkzeugen von National Instruments grafische Benutzeroberflächen für Konfiguration, grafische Darstellung und Datenprotokollierung.

Am Ende des Tages werden alle diese Informationen in große Datendateien gespeichert, die auf internen Servern gespeichert sind. Bei ACEINNA wurde die Entscheidung getroffen, einen neuen Ansatz auf der Grundlage von "Web-Technologien" in Betracht zu ziehen.

In einem Beispiel verwendet ein auf Webtechnologien konzentrierter Stapel Python für die Simulation, den Open-Source-VS-Code von Microsoft oder GitHubs Atom mit Arms GNU Compiler Collection (GCC) für eine IDE und verwendet JavaScript zum Erstellen von Benutzeroberflächen- und Protokollierungs-Engines. Native Benutzeroberflächen für Desktop und Mobile können sogar mit kompatiblen Projekten wie Electron und React Native bereitgestellt werden.

Cloud-Dienste wie Azure oder AWS machen die Katalogisierung und Verwaltung umfangreicher Datensätze, die aus dem Feld erfasst werden, sowie die interne und externe Weitergabe dieser Datensätze an das Unternehmen trivial. Sowohl JavaScript als auch Python werden von Cloud-Anbietern extrem gut unterstützt und ermöglichen die einfache Integration ihrer Rechen- und Speicherdienste in den Stack. Die Lizenzgebühren pro Entwickler sind null, und die Bibliotheken von der numerischen Analyse in Python bis hin zu JavaScript-basierten Grafikbibliotheken sind endlos.

Das größte Problem ist die Vorarbeit, die erforderlich ist, um die Embedded-Tool-Kette funktionsfähig zu machen. Professionell lizenzierte Tools können manchmal benutzerfreundlicher sein. Die große Anzahl von Webentwicklern und -foren hebt diesen Vorteil jedoch weitgehend auf. Mit vielen spezialisierten Bibliotheken, die darauf abzielen, eingebetteten Entwicklern zu helfen, Open-Source-Tools zu verwenden, wird der Pfad schnell viel einfacher zu implementieren.

Vorwärts fahren

Die Schaffung eines wirklich autonomen Fahrzeugs, das dem Benutzer sicher und effektiv dient, muss eine vollständige Palette von Sensoren in ein System integrieren, das nicht nur intelligent, sondern auch webfähig ist, um die externen Funktionalitäten zur Maximierung der Systemleistung zu nutzen. Die richtige Systemintegration kann den Unterschied zwischen Erfolg und Misserfolg auf dem hart umkämpften und unnachgiebigen autonomen Fahrzeugmarkt bedeuten.