作為現代汽車從舊技術向新技術過渡的一部分，感應式位置傳感器旨在取代霍爾效應傳感器，而這一轉變本質上是為了更好地管理汽車傳感器性能退化相關問題。

例如，Microchip已經推出了用于汽車應用的感應式位置傳感器，如汽車節氣門體、變速器齒輪感應、電子動力轉向和油門踏板。需要位置測量不受雜散磁場的影響，不需要外部磁性裝置。

雖然工程師希望確保傳感器能在不同的溫度范圍內工作，但他們擔心機械結構的變化和磁性的退化從而影響精度。但是感應式位置傳感器使用的是金屬而不是一塊磁鐵，不會隨著時間的推移而老化。

“這是一個重要的組成部分，觀察傳感器退化，無論是發生在集成電路內部還是外部。”Microchip高級市場營銷經理Mark Smith說，“當涉及到傳感器退化時，工程師們在使用感應式位置傳感器時，主要擔心的應該是PCB的壽命。”

這一點也很重要，因為服務于汽車應用的傳感器IC越來越需要ASIL認證。Microchip的感應式位置傳感器LX3301A、LX3302A和LX34050符合ASIL-B認證，允許系統設計者檢測到90%以上的單點故障。

圖1：LX3302A感應式位置傳感器使用了更大的EEPROM，有助于實現八個校準點，以確保傳感器測量精度。

傳感器退化管理

目前，該行業正在從頭開始管理傳感器退化相關問題，以符合ASIL認證。如果這個晶體管壞了，或者那個電路出故障了怎么辦？如果傳感器輸出短路，工程師能做什么？“這是一個不可抗力而且耗時的。”Smith說。

必須進行具體的實驗，以檢查或證明某些數字，也稱為覆蓋率。汽車工程師可以創建一個故障，并確保它可以被檢測出來，同時使用行業標準的可靠性圖表。“這是一個相對簡單的系統，工程師可以有效地處理它們。”Smith補充道。

今天的車輛使用大約50個位置傳感器，因此從霍爾效應傳感器到感應式位置傳感器的轉變在管理汽車傳感器退化方面至關重要。除了選擇材料不易退化的傳感器之外，在有效管理車輛中的傳感器退化方面，還有什么可以考慮的？Smith認為機器學習是前進的方向。

Smith表示，機器學習模型可以在汽車傳感器出現故障之前實現模式識別。“汽車工程師可以分析五種不同的傳感器，檢測系統級故障以及更高級別的退化。”

機器學習是未來

汽車行業開始重視傳感器退化問題，但隨著時間的推移，使用一些先進的計算技術，利用機器學習進行退化相關分析的機會非常充足。然而，使用機器學習來管理車輛傳感器退化的想法目前還處于初級階段，需要更大的計算能力。

圖2：機器學習，上升到傳感器級別，可用于創建測量和減輕汽車傳感器退化的模型。來源：Mathworks

這種方法使工程師能夠收集大量數據，將其放入機器學習模型中，然后尋找可能的退化。這就是目前自動駕駛（AV）的設計正在做的。史密斯說：“機器學習正在傳感器層面上興起，它可以用來簡化退化測量過程，使診斷過程更加有效。”。

汽車傳感器退化的研究非常適合機器學習。事實上，機器學習需要大量的數據，并將其放入一個模型中，以檢測傳感器的故障，這一事實可以大大提高可靠性并節省成本。