用于确定估计的传感器数据的系统、方法和计算机程序技术方案

示例涉及一种用于使用时间序列投影来确定估计的传感器数据的系统、方法和计算机程序。所述系统包括处理电路，所述处理电路配置为用于获取传感器的传感器数据的多个采样。所述处理电路配置为用于获取关于在传感器的传感器数据与参考时间之间的时间偏移的信息。所述处理电路配置为用于基于传感器数据的所述多个采样来执行时间序列投影。使用自回归统计模型来执行时间序列投影。所述处理电路配置为用于，基于时间序列投影并且基于在传感器数据与参考时间之间的时间偏移来确定针对参考时间的对传感器数据的估计。因此，时间序列投影可以用于填补在传感器的传感器数据与参考时间之间的时间偏移。间之间的时间偏移。间之间的时间偏移。

【技术实现步骤摘要】
【国外来华专利技术】用于确定估计的传感器数据的系统、方法和计算机程序


[0001]示例涉及一种用于使用时间序列投影来确定估计的传感器数据的系统、方法和计算机程序。

技术介绍

[0002]现代交通工具包括多个分布式和嵌入式系统。例如，气候控制单元和马达单元是单独的嵌入式系统。这些系统中的每个系统都可以包括一个或多个传感器和电子控制单元(ECU)。ECU通常经由总线系统连接和交换信息。总线通信可能需要时间，因此，一旦许多测量到达ECU，所述测量就被延迟。

技术实现思路

[0003]可能存在对于处理局部延迟的传感器测量的改进的构思的期望。
[0004]这种期望通过独立权利要求的主题来解决。
[0005]本公开的实施例基于以下发现：在交通工具中，由各种传感器产生的传感器数据经常是不同步的，例如，由于在交通工具的总线系统上传输相应的传感器数据而引入的延迟所导致，或者由于对传感器数据进行编码和解码以用于总线的传输而引入的延迟所导致。在这样的系统中出现的延迟经常是确定性的，即，所述延迟具有固定的值。实施例使用时间序列投影来将传感器数据的趋势投影到未来，以用于填补由于上述延迟而引入的缺口。本公开的实施例因此可以使用时间序列预测来补偿在信号传输中的时间延迟。
[0006]本公开的实施例提供一种用于确定传感器的估计的传感器数据的系统。所述系统包括处理电路，所述处理电路配置为用于获取传感器的传感器数据的多个采样。所述处理电路配置为用于，获取关于在传感器的传感器数据与参考时间之间的时间偏移的信息。所述处理电路配置为用于，基于传感器数据的所述多个采样来执行时间序列投影。使用自回归统计模型来执行时间序列投影。所述处理电路配置为用于，基于时间序列投影并且基于在传感器数据与参考时间之间的时间偏移来确定针对参考时间的对传感器数据的估计。因此，时间序列投影可以用于填补在传感器的传感器数据与参考时间之间的时间偏移。
[0007]存在各种类型的自回归统计模型。自回归统计模型的一个子集基于“移动平均”的概念。换句话说，自回归统计模型可以是自回归移动平均模型。在移动平均模型中，输出值线性地取决于随机项的当前值和一个或多个过去值。具体地说，回归误差可以是当前的错误项和先前的错误项的线性组合。
[0008]在一些实施例中，所述自回归模型应用于传感器数据的所述多个采样的微分。使用所述微分，可以使传感器数据静止，所以其不取决于传感器数据被观察的时间。例如，所述自回归模型应用于传感器数据的所述多个采样的一次求导(once
‑
derived)的版本上，所述一次求导的版本证实为适合于通过所提出的方法处理的传感器数据类型。
[0009]例如，所述自回归模型可以是以下模型中的一个模型：自回归整合移动平均(ARIMA)模型或自回归移动平均(ARMA)模型。特别是，ARIMA模型已经证实为提供在预测准
确度与计算工作量之间良好的折中。
[0010]例如，可以使用所述传感器的传感器数据的至少20个采样和/或至多60个采样来执行时间序列投影。较少数量的采样可以产生较低的计算复杂度，而较多数量的采样可以产生提高的准确度。在对所提出的方法的评价中，发现40个采样的数量产生高的预测准确度。
[0011]例如，所述传感器的传感器数据可以与电动交通工具的动力传动系的电流有关。在电动交通工具(EV)中，动力传动系的传感器数据可以被实时地处理以改进电池管理和管理动力传动系的功耗。
[0012]在各种实施例中，处理电路配置为用于执行所述时间序列投影，使得通过所述时间序列投影来填补在传感器数据与参考时间之间的时间偏移。所述处理电路可以配置为用于输出对传感器数据的估计。因此，时间偏移可以被补偿，并且另一个ECU可以使用针对参考时间估计的传感器数据。
[0013]例如，所述处理电路可以配置为用于以如下投影范围来执行时间序列投影，所述投影范围匹配于在传感器数据与参考时间之间的时间偏移。换句话说，时间序列投影可以旨在将传感器数据投影到参考时间。
[0014]一般来说，可以估计传感器数据以允许传感器数据与第二传感器的传感器数据的同步，例如以便消除在这两组传感器数据之间的时间偏移。例如，参考时间可以基于第二传感器的传感器数据。第二传感器的传感器数据可以包括多个第二采样。处理电路可以配置为用于确定对传感器数据的估计，使得对传感器数据的所述估计与第二传感器的传感器数据的最新的采样在时间上同步。因此，在这两组传感器数据之间的时间偏移可以被消除。
[0015]例如，所述处理电路可以配置为用于获取所述第二传感器的传感器数据。所述处理电路可以配置为用于，基于所述第二传感器的传感器数据并且基于所述传感器的传感器数据来获取在所述传感器的传感器数据与参考时间之间的时间偏移。换句话说，所述处理电路可以确定时间偏移并且针对所确定的时间偏移进行补偿。备选地，时间偏移可以是预先定义的或者由另一个系统确定。
[0016]在各种实施例中，处理电路配置为用于输出所述传感器的所估计的传感器数据的和所述第二传感器的传感器数据的在时间上同步的版本。因此，可以便利于对这两组传感器数据的后续处理。
[0017]本公开的实施例进一步提供一种相应的用于确定估计的传感器数据的方法。所述方法包括获取传感器的传感器数据的多个采样。所述方法包括获取关于在传感器的传感器数据与参考时间之间的时间偏移的信息。所述方法包括基于传感器数据的所述多个采样来执行时间序列投影。使用自回归统计模型来执行时间序列投影。所述方法包括，基于所述时间序列投影并且基于在传感器数据与参考时间之间的时间偏移来确定针对参考时间的对传感器数据的估计。
[0018]本公开的实施例进一步提供一种相应的计算机程序，所述计算机程序具有程序代码，所述程序代码用于当所述计算机程序在计算机、处理器或可编程硬件组件上运行时执行以上方法。
附图说明
[0019]下面将仅作为示例、参照附图来描述设备和/或方法的一些示例，图中：
[0020]图1a示出用于确定估计的传感器数据的系统的实施例的框图；
[0021]图1b示出包括用于确定估计的传感器数据的系统的交通工具的实施例的框图；
[0022]图1c示出用于确定估计的传感器数据的方法的流程图；
[0023]图2a和图2b示出与传感器数据的可用性相关的曲线图；
[0024]图3示出嵌套交叉验证流程的按时间顺序的表示；以及
[0025]图4a和图4b示出所评价的算法获得的预测和运行时间性能得分概览的表格。
具体实施方式
[0026]现在将参照附图来更充分地描述各种示例，在附图中示出了一些示例。在附图中，为了清楚起见，可能放大线条、层和/或区域的厚度。
[0027]因此，虽然另一些实施例能够具有各种修改和替代形式，但是它们中的一些特定示例在附图中示出，并且随后将详细描述。然而，该详细描述不会将另一些示例限制为所描述的特定形式。另一些实施例可以涵盖落入本公开范围内的所有修改方案、等同方案和本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于确定传感器(20)的估计的传感器数据的系统(10)，所述系统包括处理电路(14)，所述处理电路配置为用于：获取所述传感器(20)的传感器数据的多个采样；获取关于在传感器的传感器数据与参考时间之间的时间偏移的信息；基于传感器数据的所述多个采样来执行时间序列投影，使用自回归统计模型来执行所述时间序列投影；基于所述时间序列投影并且基于在传感器数据与参考时间之间的时间偏移来确定针对参考时间的对传感器数据的估计。2.根据权利要求1所述的系统，其中，所述自回归统计模型是自回归移动平均模型。3.根据权利要求1或2中任一项所述的系统，其中，所述自回归模型应用于传感器数据的所述多个采样的微分。4.根据权利要求3所述的系统，其中，所述自回归模型应用于传感器数据的所述多个采样的一次求导的版本。5.根据权利要求1至4中任一项所述的系统，其中，所述自回归模型是以下模型中的一个模型：自回归整合移动平均、即ARIMA模型或自回归移动平均、即ARMA模型。6.根据权利要求1至5中任一项所述的系统，其中，使用所述传感器的传感器数据的至少20个采样和/或至多60个采样来执行时间序列投影。7.根据权利要求1至6中任一项所述的系统，其中，所述传感器的传感器数据与电动交通工具(100)的动力传动系的电流有关。8.根据权利要求1至7中任一项所述的系统，其中，所述处理电路配置为用于执行所述时间序列投影，使得通过所述时间序列投影来填补在传感器数据与参考时间之间的时间偏移。9.根据权利要求8所述的系统，其中，所述处理电路配置为用于输出对传感器数据的估计。10.根据权利要求1至9中任一项所述的系统，...

【专利技术属性】
技术研发人员：J，
申请(专利权)人：宝马股份公司，
类型：发明
国别省市：