奇石乐KISTLER传感器爱特斯机电有限公司

车辆传感器中的偏移和噪声的方法及系统。不幸地是，已知的解决方案是基于补偿偏航角速度和方向盘偏置的简单的平均化技术。然而，平均化方法是基于诸如直行驾驶之类的关于车辆行为的简单假设的，并且不能估计一般驾驶期间的偏移。参见例如美国专利us8731769中描述的方法。

实现要素：

一些实施方式的目的是提供一种用于确定车辆传感器(诸如惯性传感器和方向盘传感器)的传感器偏移以及车轮的轮胎半径的系统和方法。一些实施方式的另一目的是在车辆实时操作期间确定传感器偏移。如本文所使用的，传感器可以是提供指示车辆运动的信息的任何类型的物体。

各种实施方式的另一目的是确定诸如传感器测量值的方差之类的车辆传感器的统计属性。尽管通常先验地确定了诸如方差之类的统计属性，但是传感器的方差随时间和温度而变化，并且取决于传感器的放置位置。因此，数个实施方式集中于确定车辆的实时操作中的统计属性。

一些实施方式基于以下认识：车辆的运动取决于传感器的测量值的精度。为此，试图通过同时且迭代地估计车辆状态和传感器的校准状态来校准传感器。然而，为了在连续的时刻上迭代地估计车辆状态和传感器的校准状态，需要两个运动模型，一个是车辆状态的运动，并且一个是传感器的校准状态的运动。车辆状态的运动由车辆的运动模型确定。然而，传感器的校准状态的时间演变是未知的，因此传感器的校准状态的运动的任何模型是未知的并且不能被验证。

一些实施方式基于另一种认识：传感器的未知的校准状态可以被认为是作用于车辆运动的其它确定性模型的随机干扰。随机干扰的性质使车辆具有不同的可能运动，因此具有不同的可能状态。为此，一些实施方式基于以下认识：车辆的运动模型包括运动的确定性分量和运动的概率性分量的组合。运动的确定性分量独立于传感器的校准状态并且将车辆的运动定义为时间的函数。另一方面，运动的概率分量包括具有不确定性的传感器的校准状态，该不确定性用作对车辆运动的干扰。以这种方式，车辆的运动可以建模为包括传感器的校准，而无需知道传感器的校准状态的运动(时间演变)的模型。

另外，一些实施方式基于以下认识：通过使用非统计优化方法找到偏移和统计属性，去除与传感器的概率性质的连接。因此，使成本函数Zui小化以从真实测量值确定传感器的统计特性和偏移的优化方法不考虑提供关于车辆运动的信息的传感器测量值在本质上是概率性的。因此，为了有效地估计传感器的偏移和统计属性，概率性的、因此是统计性的方法是有利的，这是因为传感器测量值的统计性质然后被捕获到该方法中。

瑞士奇石乐KISTLER压力传感器 扭矩传感器主要型号：

2118A25 211b1 211B3 211B5 2122A25 6152AA 6152AB 6157BA 6157BB 6158A

6159A 6169A 6190A 6052C 6053CC 6055C 6056A 6057A 6081A 6113A(M10) 6115A(M12) 

DSHG-10-3C3-T-A220-N1-50 DSHG-10-3C3-ET-A220-N1-50 DSHG-10-3C3-E-A220-N1-50

DSHG-10-3C3-T-A110-N1-50 DSHG-10-3C3-ET-A110-N1-50 DSHG-10-3C3-E-A110-N1-50

DSHG-10-3C3-T-A240-N1-50 DSHG-10-3C3-ET-A240-N1-50 DSHG-10-3C3-E-A240-N1-50

DSHG-10-3C3-T-A100-N1-50 DSHG-10-3C3-ET-A100-N1-50 DSHG-10-3C3-E-A100-N1-50

DSHG-10-3C3-T-D24-N1-50  DSHG-10-3C3-ET-D24-N1-50  DSHG-10-3C3-E-D24-N1-50

为此，一些实施方式基于以下认识：可以包括传感器中的偏移作为随机分布的统计均值，并且可以包括传感器噪声作为传感器测量值在随机分布的均值附近的变化。又一实施方式基于以下认识：将传感器建模为随机分布可以用在车辆的运动模型和车辆状态的测量模型中。如本文所使用的，车辆的状态可以包括纵向速度、横向速度、车辆绕道路垂直轴的旋转速率、车辆绕道路纵向轴的旋转速率、以及车辆的位置向量中的一个或组合。

例如，使车辆的方向盘转向致使启动车辆的转向。因此，车辆的方向盘角度影响车辆的运动，因此可以建模为车辆运动模型的输入。作为另一示例，关于车辆横向速度的信息可以从可测量的车辆的横向加速度隐式地推断出来。因此，车辆的横向加速度是指示性的，并且可以是车辆的测量模型的一部分。传感器偏移的一种解释是，它充当了测量值的恒定的或缓慢时变的干扰。

一个实施方式将运动模型表示为由随机干扰驱动的模型，其中干扰代表车辆的输入。例如，在一个实施方式中，转向角被表示为确定性部分和随机性部分的混合分量，其中随机性部分由均值、转向传感器的偏移、以及方差、转向传感器的噪声来表示。

在一些实施方式中，传感器的偏移和方差是用车辆状态递归估计的，其中运动模型的车辆状态给出了关于传感器特性的信息，并且其中传感器特性包括关于所述车辆状态的信息。

另选的实施方式用质点的集合表示车辆的车辆状态，其中每个质点可以是测量的状态或在递归估计的先前迭代期间确定的状态。一些实施方式通过从对车辆的运动模型的输入建模的分布生成样本来确定质点，并且将所述采样的输入通过车辆的车辆模型传播。

一些实施方式基于以下认识：在均值和方差未知时的有效概率分布不同于在均值和方差已知时的同一概率分布。

因此，在一些实施方式中，样本是从有效概率分布生成的，这考虑了均值和方差的不确定性在概率分布中引起附加的不确定性。以这种方式确保了由于所述统计知识的不确定性导致的均值和方差的变化通过有效的概率分布来包含。