Sensorfusion und intelligenter Sensor

Das Whitepaper „Intelligente Sensoren – Das intelligente Internet der Dinge ermöglichen“ befasst sich damit, wie die IoT-Welt unter Verwendung intelligenter Sensoren mit niedrigem Stromverbrauch, drahtloser Konnektivität, Sicherheitsschutz und Fusionstechniken Wirklichkeit wird. Entwickler können die besten Vorteile intelligenter Sensoren der neuen Generation nutzen, um intelligente IoT-Systeme zu entwickeln. Der Fokus dieses Blogbeitrags liegt auf intelligenten Sensoren und deren Einsatz zur Implementierung eines intelligenten Sensorfusionssystems in bestimmten Anwendungsbereichen.

Die Sensorfusion kann je nach den im System verwendeten Sensoren intelligent sein oder nicht, d. h. intelligente Sensoren machen die Fusion intelligent.

Die Entwicklung von Fusionstechniken hängt von der Art des zu analysierenden Systems ab, um den Entscheidungsprozess zu spezifischen Maßnahmen zu verbessern. Bei der Sensorfusion gibt es zwei Situationen. In der ersten werden unterschiedliche Signale für die an Sensoren durchgeführte Fusion verwendet. In der zweiten werden Daten zusammengeführt. Es ist nicht erforderlich, dass diese Daten unterschiedlich groß sind, aber sie müssen in verschiedenen Situationen äquivalente Sensoren aufweisen.

Die traditionelle Struktur besteht aus drei Ebenen, die sequentiell funktionieren: Erfassung gefolgt von Datenzusammenschluss, eine Fusion von Merkmalen, und eine Zusammenführung von Entscheidungen. Alle drei Ebenen funktionieren mit Informationen aus verschiedenen Klassen (Abbildung 1). Die niedrige oder erste Ebene besteht aus verschiedenen Sensoren, die Signale aus mehreren Variablen wie Chemikalien, physischen Größen oder Bildern sammeln. Die zweite Ebene verwaltet und verarbeitet die erhaltenen Signale. Aus diesen Signalen werden die wichtigsten Informationen gewonnen. Schließlich gibt es Manipulationsklassen in der dritten Ebene (hoch), die eine Fusion von Symbolen wie Zeichen, erkannten Informationen und Strategien erstellen. Auch diese Ebene weist Entscheidungsalgorithmen zur Erkennung und Übertragung der Informationen auf. Die Sensorfusion hilft dabei, neue Anwendungen voranzutreiben, und trägt im Weiteren dazu bei, das als Big Data bekannte Phänomen zu fördern.

Abbildung 1: Der Fluss eines Sensorfusionssystems

Da die Konfiguration des Fusionssensors von der Anwendung hochgradig beeinflusst wird, ist es fraglich, ob eine einzige universelle Technik eine konstant überlegene Lösung bieten kann. Standardarchitekturen wie JDL-Fusion, Waterfall-Fusionsprozess, Boyd und das LAAS-Modell können jedoch gemäß den Anwendungsanforderungen umgesetzt werden.

Sensoren nehmen Messungen vor, um Umgebungsdaten bereitzustellen. Diese Messungen sind in der Regel verrauscht und daher müssen sie verarbeiten und die beobachteten Parameter rekonstruiert werden. Bei der Sensorfusion werden spezielle Algorithmen zur Glättung, Vorhersage und Filterung, ähnlich dem Convolutional Neural Network, dem zentralen Grenzwertsatz, dem Kalman-Filter, der Dempster-Shafer-Theorie und den Bayes'schen Netzen, verwendet, um optimale Ergebnisse zu erhalten. Diese Algorithmen finden Anwendung bei der Flughöhenerfassung in Flugzeugen, der Systemorientierung und der Verkehrssituationsanalyse im dreidimensionalen Raum.

Fahrerlose Autos benötigen genaue Informationen über ihre Umgebung, um geeignete Fahrentscheidungen zu treffen und somit Sensorfusion zu nutzen. Zu den Industrie- und Verbraucheranwendungen gehören Antriebssteuerung, Smartphones, Industrieroboter, Automotive, Fitnessbänder. Tablets und IoT erfordern Sensorfusionsfunktionen.

Intelligente Sensoren verfügen über ein eigenes Kommunikationssystem, mit dem sie das Sensorelement in das Netzwerk integrieren können. Intelligente Sensoren unterscheiden sich von einem Standardsensor dadurch, dass sie den Sensor, die Kommunikation, Signalkonditionierung und Entscheidungsfindung in einem einzigen System integrieren. Einfach ausgedrückt erfassen die Sensoren innerhalb eines einzelnen Moduls alle physischen Größen. Diese Signale werden dann von A/D-Wandlern, Filtern usw. elektronisch konditioniert und von Mikroprozessoren und Mikrocontrollern verarbeitet. Die nachfolgende Kommunikationsstufe überträgt Daten mit verschiedenen Mitteln über Xbee, Kabel, Drahtlostechnik oder Bluetooth in einem Netzwerk mit vielen anderen Sensoren, um Elemente nachzubearbeiten und Daten zu analysieren. Der Benutzer kann das gesamte System aus der Ferne oder direkt auf dem Gerät konfigurieren (Abbildung 2).

Abbildung 2: Der Fluss eines intelligenten Sensors

Die Hauptanwendungen von intelligenten Sensoren sind Umweltüberwachung, Landwirtschaft, Transport und Verkehr, Logistik, Industrie, Krankenhausbereich, Beleuchtung, Luft- und Raumfahrt, Energieeinsparung, Automotive und Telekommunikation. Derzeit bieten IoT-Systeme bessere Möglichkeiten, wenn Geräte und Dienste durch Sensoren „intelligenter“ werden, da sie fast jeden erdenklichen Parameter messen können, darunter Druck, Trägheit wie Beschleunigung, Orientierung, allgemeine Bewegung, Position und Temperatur. Die Erfassung eines dieser Parameter kann die Gerätefunktionalität erheblich erweitern, aber das Einbeziehen mehrerer davon erzeugt ein ganzheitliches Funktionsangebot.

Zwischen biomedizinischen und sportlichen Anwendungen besteht ein Zusammenhang, wobei das Konzept der Sensorfusion und der Nutzung intelligenter Sensoren angewendet wird, um die physischen Variablen, die den menschlichen Körper betreffen, zu quantifizieren und zu qualifizieren. In solchen Fällen können einige Variablen die Leistung erhöhen und den Gesundheitszustand einer Person in Bezug auf Herzfrequenz, Kraft, Beschleunigung usw. überwachen.

Dies wird zum Beispiel im Radsport sowohl für die Leistungssteigerung der Radfahrer als auch für die Rehabilitation von verletzten Athleten zur Verhinderung zukünftiger Verletzungen angewendet. Daten verschiedener Art werden verwendet, wie Leistung, Sauerstoffverbrauch, biomechanische Messung von Variablen, Herzfrequenz und effektive Trittkraft auf das Pedal. Diese Aspekte werden unter Berücksichtigung ihrer Relevanz für die sportliche Leistungsfähigkeit analysiert. Einige Analysen können in Echtzeit durchgeführt werden, um Korrekturen direkt während des Trainings vorzunehmen und den Athleten somit Profile für den Pedaltritt zu bieten. Der Fußwinkel des Athleten auf dem Pedal ist entscheidend, um die Kraft des Fußes auf das Pedal zu übertragen. Intelligente Trägheitssensoren analysieren den Winkel des Fußes und stellen die Korrektur in einer App auf einem mobilen Gerät dar, sodass der Fahrer seinen Fuß neu positionieren kann, wie in Abbildung 3 gezeigt wird.