האבולוציה המהירה של כלי רכב אוטונומיים מבטיחה לתחבורה מחדש על ידי שיפור הבטיחות, היעילות וההנגשה.אבל מתחת למערך החיישן המתוחכם ואלגוריתמים בקבלת ההחלטות היא מערכת חשמל של מורכבות חסרת תקדים. המערכות הללו, ולתאם הכל מלהיגמל ולהתחזות ולניווט. בעוד כלי רכב מעבר מסיוע לנהג לאוטומציה מלאה, הארכיטקטורה החשמלית חייבת לפעול עם אמינות כמעט מושלמת.

הבנת מערכות חשמל ברכבים אוטונומיים

כלי רכב אוטונומיים מודרניים אינם רק מכוניות עם חיישנים נוספים; הם מופצות מערכות על גלגלים.מערכת החשמל כוללת בדרך כלל עשרות יחידות בקרה אלקטרוניות (ECUs), כל אחד אחראי לפונקציות ספציפיות כגון ניהול מנוע, גינון, ניווט, מידע ועיבוד חיישן. אלה ECUs לתקשר על רשתות מהירות גבוהה כמו CAN FD, Flexy, ו- Ethernet בנוסף, התפלגות אנרגיה גבוהה ורשתות חשמלאי, ורשתות חשמל מטבוליות, ורשתות חשמל מאנרגיה נמוכה, ורשתות חשמל מאנרגיה, ורשתות חשמל ממריצים, ורשתות חשמל מחשמליות, ורשתות חשמל, ורשתות חשמל מחשמליות, ורשתות מאינטנסיכות חשמל, ורשתות חשמל, ורשתות חשמל.

המורכבות משתרעת על ניהול כוח.מספר תחומים - 12 V, 48 V, ו -400 V+ - חייב להיות coexist, עם DC / DC ממירים ומערכות ניהול סוללות להבטיח אספקה יציבה.חיישנים כגון LiDAR, מכ"ם, מצלמות ויחידות אודיו כל אחד מהם יש כוח משלהם וספקי נתונים. Actuators עבור מערכות ניהול ניווט-by-by-wire-by-wire לא להיכשל פעולה זו יוצרת נקודות זיהוי אפשריות של אבחון ואבחון.

מוצרי Fault הנפוצים במערכות חשמל אוטונומיות

כדי לנתח תקלות ביעילות, מהנדסים חייבים קודם להבין את סוגי הכישלונות המתרחשים.אלה יכולים להיות מסווגים באופן רחב כמו:

  • (FLT:0) תקלות חושים: מצלמות 1FLT עלולות לייצר תמונות מושחתות בשל עפר, לחות, או השפלה חומרה. יחידות LiDAR יכולות לסבול מלבוש מכני או הפרעה. Radar יכול לתת החזרים כוזבים מפני קלואנטר סביבתי.
  • (FLT:0) Actuator תקלות:FLT:1ir מנועים חשמליים, סולמות, ושסתום הידראולי יכול להיכשל בשל מעגלים פתוחים, מעגלים קצרים, או התקף מכני. in אוטונומי, אפילו עיכוב קטן בתגובה להפעלה יכול להוביל לתמרונים לא בטוחים.
  • (FLT:0) ו-Wiring רותם ומקשר פגמים: ibph:1 , Vibration, רכיבה על טמפרטורה, ו-corrosion לגרום לחיבורים לסירוגין או שלם נפתח ב-Wiring.
  • (FLT:0) Power Supplys: FLT:1 חוסר איזון סוללות, DC / DC להמיר כשלים, או עוברי מתח יכולים לחום ECUs קריטיים. בכלי רכב אוטונומיים חשמליים, תקלה באוטובוס גבוה יכול להמנע לחלוטין.
  • (FLT:0) תקלות ברשת תקשורת: FLT:1rea Bus contention, הפרעה אלקטרומגנטית, או כשלים ללא צומת יכולים לגרום לאובדן הודעה או שחיתות.עבור פונקציות רגישות לזמן כמו בלעם-חוט, תקלות תקשורת הן קריטיות בטיחות.
  • (FLT:0) ,Software andתזמון תקלות:FreaLT:1) , Watchdog Timeouts, תנאי גזע או שחיתות זיכרון יכול לגרום תקלות במערכת טראנס-נט שהן קשות להתרבות.
  • (FLT:0) מוטציות תאימות אלקטרומגנטית (EMC): FLT:1 מפגעים בעלי כוח גבוה יכול לקרין התערבות משבשת אותות חיישן, במיוחד בקרבות לקווי נתונים של LiDAR או מצלמה.

מגוון זה של סוגי תקלות דורש גישה ניתוח תקלות כי משתרע חומרה, תוכנה והסביבה הפיזית.

אתגרים מרכזיים בניתוח Fault Analysis

מורכבות של מערכות קשורות

עם עשרות של ECUs ומאות קישורים תקשורת, פגם אחד יכול להיות מספר סיבות שורש אפשריות.לדוגמה, כישלון בלם-בי-חוטי עשוי לנבוע מסימן חיישן, באג תוכנה של ECU, עיכוב הודעה ברשת, או הצצה לאספקת חשמל.

חיישנים אמינות ו- Multimodal Data Fusion

כלי רכב אוטונומיים מסתמכים על היתוך חיישן כדי ליצור תפיסה עקבית של הסביבה.כאשר חיישן נכשל, זה לא יכול פשוט להפסיק לשלוח נתונים מוזנחים או כוזבים המשחיתים את התפוקה של ההיתוך. Detecting תקלות כל כך בלתי אפשריות הוא מאתגר כי האלגוריתמים חייבים להבחין בין אירוע סביבתי אמיתי (למשל, צעד הולכי רגל) לבין חיישן, יתר על פני זמן חיישנים לא מדויק; ליסטי עדיין יכול להיות יותר ויותר משקף את הרגישות לא נכונה.

מידע על Overload and Real-Time Constraints

רכב אוטונומי ברמה 4 יכול לייצר terabytes של נתונים לשעה ממצלמות, LiDAR, מכ"ם ומפקחי מדינת הרכב.סינון נתונים אלה בזמן אמת עבור חתימות דורש מחשוב ביצועים גבוהים ואלגוריתמים יעילים לזיהוי אנומליות. עם זאת, כלי רכב אוטונומיים פועלים תחת דרישות תזמון מחמירות - מערכת זיהוי לקוי חייב לבודד בעיה בתוך מילימטריים כדי לאפשר יד בטוחה יותר כדי למנוע מצב של פעילות גופנית עם לחץ מתמיד.

השפעות סביבתיות על ביצועי חשמל

גורמים חיצוניים משפיעים באופן חמור על התנהגות מערכת חשמלית.גשם, שלג, וערפל ערפל ביצועים של חיישן טמפרטורות קיצוניות משפיעים על עמידות המחבר, יכולת הסוללה, ואמינות סמי-מוליכים למחצה. Vibration מכבישים קשים עלול לגרום למומים לסירוגין כי להיעלם כאשר הרכב הוא מופעל, מה שהופך את האבחנה חמקמקה. Fault ניתוח מערכות ניתוח חייב לשלב הקשר סביבתי כדי להימנע מחיובים כוזבים (למשל, לפרש ערפל מערפל ככישלון).

חוסר אדריכלות קונבנציונלית

בעוד תעשיית הרכב יש סטנדרטים כגון ISO 26262 (בטיחות תפקודית) ו- AUTOSAR (אדריכלות תוכנה), אין מסגרת אבחון אוניברסלית עבור מערכות חשמל אוטונומיות כלי רכב. כל יצרן משתמש ממשקים אבחון קנייניים, פורמטים של איסוף נתונים, וקודים פגומים. פיצול זה מעכב פיתוח כלי חוצה פלטפורמות ו מאט את אימוץ של מאמצי ניתוח מתקדמים.

בטיחות לעומת זמינות מסחר-Offs

ניתוח Fault חייב להחליט מתי להמשיך לנהוג ומתי למשוך. במערכת ביקורת בטיחות, זיהוי אשמה שמרני יתר עלול לגרום לעצירים מיותרים, צמצום זמינות וקבלת משתמשים. להיפך, מערכות סובלניות יתר סיכון לכשלים קטסטרופליים.פיתוח אסטרטגיות ניתוח תקלות אשר מאזן בטיחות וזמינות תוך עמידה בדרישות הרגולטוריות הוא אתגר גדול.

אסטרטגיות ל-Fault Analysis

Redundancy ו-Gover

הגישה המוכחת ביותר להשגת אמינות בכלי רכב אוטונומיים היא חומרה ותוכנה מחדש. פונקציות קריטיות כמו ברינג, היגוי, ותפיסת השימוש באדום משולש בינוני (TMR) או אדריכלות משוכפלת.לדוגמה, רכב אוטונומי עשוי להיות בעל שלוש פלטפורמות מחשוב עצמאיות, כל עיבוד של אותו נתוני חיישן.Fault, לאחר מכן משתמש ברוב הצבעה כדי לזהות ערוץ פגומים. - באמצעות טכנולוגיות שונות (למשל, לחץ דם, וכו ') ואפקטים, לחץ דם משותף, גם כן, וכו') ואפקטים, לחץ דם, גם כן, לחץ דם משותף.

אלגורית אלגוגניות מתקדמות ולמידה של מכונות

למידת מכונה (ML) הפכה חיונית לזיהוי תקלות במערכות חשמל מורכבות.מודלים למידה סופר-מעודכן מאומן על נתונים שגויים שכותרתו יכול לזהות דפוסים עדינים אותות חיישן או תנועה באוטובוס. שיטות זיהוי לא מבוקרת, כגון autoencoders או מכונות תמיכה אחת בכיתה אחת, יכול לזהות סטיית דגל מהתנהגות נורמלית ללא צורך תוויות ממצה.

בדיקת רובוסט ואימות

שיטות ניתוח Fault חייבות להיות מוכחות לפני הפריסה.יצרנים משתמשים בחומרה-ב-the-loop (HIL) בדיקות וסימולציה כדי להזריק תקלות מציאותיות לאבטיפוס וירטואלי או פיזי.על ידי כיסוי שיטתי של מודלים פגומים (למשל, תקוע, מעגל פתוח, רעש חולף), מהנדסים יכולים לאמת כי אבחון ובודד את הפגמים כמתוכנן.סימולציה מאפשר גם בדיקות סביבתיות נדירות.

מעקב בזמן אמת ושחיתות

על גבי מערכות ניתוח תקלות לוחיות כל הזמן לפקח על מדדי בריאות מרכזיים: מתחי אספקה, טענות אוטובוס, תוצאות מבחן עצמי חיישן, משוב פעולה. גישה היררכית היא נפוצה: ECUs מקומיים מבצעים בנוי-במבחן עצמי (BIST) ודיווח פגמים באמצעות מנהל אבחון מרכזי.המנהל האבחון ממזג מידע, חל על עצים פגומים, ומחלליט על פעולות מיגנטיות, לדוגמה, אם זהה הופכת להיות מוטעית דיה יעילה לשינוי חיובי כדי למנועי ראייה על מנת למנועית על מנת לבצע חיישנים.

תאומים דיגיטליים לאבחון פרואקטיבי

טכנולוגיית תאומים דיגיטלית יוצרת העתקה וירטואלית של מערכת החשמל של הרכב, המתעדנת עם טלמטים בזמן אמת.על ידי השוואת התנהגות המערכת בפועל להתנהגות הנדנדה של התאומה, מהנדסים יכולים לזהות omalies הרבה לפני שהם גורמים לכשלים.לדוגמה, עלייה הדרגתית במגירה הנוכחית המנוע נגד בסיס התאום יכול להצביע על לבישת תאומים דיגיטליים גם לסייע בניתוח שורש על ידי הדמיה של "מה אם" למרות שעדיין לא תפיחמי דיוק משמעותי, שיפורי דיוקים באבחון ושיפורים.

תפקיד של בינה מלאכותית ולמידה של מכונות

AI הוא שינוי ניתוח תקלות מתגובה לרשתות עצביות חיזוי (CNN) יכול לבדוק תמונות מצלמה עבור ההידרדרות חיישן (למשל, שרטוטים עדשות) רשתות עצביות חוזרות (RNNs) והופכים יכולים מודלים של זמן מודלים של זמן מתחנות זמן מ- CAN אוטובוס או FlexRay כדי לזהות תקלות לא מתאימות או ציוד העברת חשמל.26 מאפשר מודלים להתאמה של כלי רכב אחד ל- ISO 248 דרישות אבטחה ספציפיות, כמו גם כדי למנוע תקלות אבטחה של 214.

מחקרים ותעשייה מתקרבים

כמה מפתחי רכב אוטונומיים מובילים חשפו את הגישות שלהם לניתוח תקלות חשמלי.לדוגמה, Waymo משתמש בשילוב של חומרה רדודה ניטור בריאות מתמשך על פני חבילת החיישן שלה ופלטפורמת compute.המערכת שלהם סימולציות ומעלה אותם לניתוח לא מקוון, המאפשר שיפור קונסולי של Diatative (עם זאת, איסוף נתונים סטנדרטי של CMDSAR) מאפשר פיתוח מודלים חיזוי עבור תקלות חשמליות מסוימות, כגון מטען או בעיות אבחון נמוך, תוך שימוש בתקני תקשורת לאומטרוניים (אך סטנדרטיים) באמצעות אלגוריתמים סטנדרטיים סטנדרטיים סטנדרטיים סטנדרטיים של אבחון כלי רכב).

בצד המחקר, פרויקטים במימון NHTSA ותוכנית Horizon של האיחוד האירופי התמקדו אדריכלות סובלנית לקויה ואבחון מתקדם לנהיגה אוטומטית.לדוגמה, FLT:0NHTSA אוטומטי מובטחת בטיחות רכב אוטומטית (Valows בטיחותFLT:1 Initiative כולל הנחיות למעקב אחר בריאות מערכת חשמל.

כיוונים עתידיים ומסקנות

הטכנולוגיה לניתוח תקלות במערכות חשמל של כלי רכב אוטונומיות מתפתחת במהירות.אנו מצפים ממספר מגמות לעצב את העשור הבא:

  • (FLT:0) אלגוריתמים של זיהוי FLT:1 ינהלו על מיקרובקרים ייעודיים או יחידות עיבוד עצביות בתוך כל ECU, המאפשרים אבחון מהיר יותר, שמירה על פרטיות מבלי לשלוח נתונים גולמיים לשרת מרכזי.
  • (FLT:0) מערכות ההשלמה: ⁇ F:1 , אדריכלות חשמלית עתידית עשויה לכלול התפלגות כוח ורשת מוגדרת מחדש, המאפשרת לרכב לבודד מרכיב כושל ולעבור אותות או כוח מחדש באופן אוטומטי.
  • (FLT:0) ,הסתכמו בלוגים: ⁇ 1 (ב) כשהתעשייה בוגרת, תקנים פתוחים לקידוד תקלות וחילופי נתונים יתגלו, מה שיאפשר לאדיולוגים של צד שלישי וחצו-platform.
  • (FLT:0) אינטגרציה עם 5G ו- V2XIRLT: 1 1 זמן אמת פגם טלמטרי יכול להיות משותף עם שירותי אבחון מבוססי ענן וכלי רכב אחרים, המאפשרים גישות למידה של חיל האוויר כדי לזהות דפוסים של כישלונות מתעוררים.
  • (FLT:0) אבחון AI מוסמך: FLT:1 Advances in Explainable AI ואימות פורמלי יאפשר בסופו של דבר גלאי תקלות מבוסס בינה מלאכותית לעמוד בדרישות קריטיות של ISO 26262 בטיחות.

לסיכום, ניתוח תקלות במערכות חשמל אוטונומיות הוא אתגר רב-צדדי הדורש שילוב של עיצוב חומרה, הנדסה תוכנה, למידת מכונה ובדיקות קפדניות.הההההההתיקים הם גבוהים: פגם שהולכת ללא חתומה עלולה להוביל לאובדן של שליטה ברכב, בעוד ששמרנים מדי יכולים לערער את אמון המשתמש.על ידי שילוב של ריצוף, אלגוריתמים מתקדמים, ניטור רציף, מהנדסים הם בניית מערכות חשמל שיכולות לזהות, ולהגיב, כמו גם לאבחון בטוח, כמו גם לבודד, כמו גם יכולות להיות מסוגלות אוטונומיות, כמו גם כדי למנוע זיהוי, כמו גם זיהוי, כמו גם זיהוי של כלי רכב אוטונומיות, כמו גם לאומים, כמו גם לאו של כלי רכב.