DE102022119361B3

DE102022119361B3 - Sensoreinrichtung, System und Verfahren

Info

Publication number: DE102022119361B3
Application number: DE102022119361.6A
Authority: DE
Inventors: Matthias Reiter; Kurt Kliche
Original assignee: Festo SE and Co KG
Current assignee: Festo SE and Co KG
Priority date: 2022-08-02
Filing date: 2022-08-02
Publication date: 2024-01-11
Anticipated expiration: 2042-08-03

Abstract

Die Erfindung betrifft eine Sensoreinrichtung (2) zur Bestimmung einer Position eines einen Magneten (12) aufweisenden Aktorglieds (8) eines Aktors (3), umfassend: eine Magnetsensoreinrichtung (16) zur Erfassung eines Magnetfeldes des Magneten (12) und zur Erzeugung einer Magnetfeldinformation gemäß dem erfassten Magnetfeld, sowie eine Rechnereinheit (18), die ausgebildet ist, auf Basis der Magnetfeldinformation eine Positionsinformation zu berechnen, die die Position des Aktorglieds (8) anzeigt, dadurch gekennzeichnet, dass die Rechnereinheit (18) über ein Machine-Learning-Modell (19) verfügt und ausgebildet ist, die Positionsinformation unter Verwendung des Machine-Learning-Modells (19) zu berechnen und/oder unter Verwendung des Machine-Learning-Modells (19) wenigstens einen Aktorparameter auf Basis der Magnetfeldinformation zu berechnen und die Positionsinformation unter Verwendung des wenigstens einen Aktorparameters zu berechnen.

Description

Die Erfindung betrifft eine Sensoreinrichtung zur Bestimmung einer Position eines einen Magneten aufweisenden Aktorglieds eines Aktors, umfassend: eine Magnetsensoreinrichtung zur Erfassung eines Magnetfeldes des Magneten und zur Erzeugung einer Magnetfeldinformation gemäß dem erfassten Magnetfeld, sowie eine Rechnereinheit, die ausgebildet ist, auf Basis der Magnetfeldinformation eine Positionsinformation zu berechnen, die die Position des Aktorglieds anzeigt.
Aus der US 2019 / 0 201 120 A1 ist ein ein Robotersystem umfassendes chirurgisches System bekannt. Das Robotersystem umfasst eine Steuereinheit, einen Roboterarm mit einem Anbauteil, ein erstes Sensorsystem, das mit der Steuereinheit in Signalverbindung steht, und ein zweites Sensorsystem. Das erste Sensorsystem ist so konfiguriert, dass es eine Position des Anbauteils erfasst. Ein chirurgisches Werkzeug ist abnehmbar an dem Anbauteil angebracht. Das zweite Sensorsystem ist unabhängig von dem ersten Sensorsystem und so konfiguriert, dass es eine Position des chirurgischen Werkzeugs erfasst.
Die US 2021 / 0 290 311 A1 zeigt ein chirurgisches Robotersystem, dass die Position oder Ausrichtung eines Objekts erfasst, bei dem es sich um einen Trokar handeln kann, der ein Magnetfeld aufweist. Die Magnetfeldsensoren sind mit einem chirurgischen Roboterarm verbunden. Ein mit den Magnetfeldsensoren gekoppeltes maschinelles Lernmodell wird trainiert, um die dreidimensionale Position und/oder dreidimensionale Ausrichtung des Trokars oder eines anderen Objekts auszugeben.
Der Aktor ist beispielsweise ein pneumatischer Antriebszylinder und die Sensoreinrichtung ist zweckmäßigerweise an dem Aktor angebracht. Exemplarisch ist die Sensoreinrichtung in eine außen am Aktor vorhandene Nut eingesetzt.
Das Aktorglied ist entlang eines insbesondere linearen Bewegungswegs positionierbar, insbesondere relativ zur Magnetsensoreinrichtung. Das von der Magnetsensoreinrichtung erfasste Magnetfeld, insbesondere die Magnetfeldinformation, hängt von der relativen Position des Aktorglieds zu der Magnetsensoreinrichtung ab, so dass auf Basis der Magnetfeldinformation die Position des Aktorglieds (als die Positionsinformation) berechnet werden kann. Diese Abhängigkeit zwischen der Magnetfeldinformation und der Positionsinformation hängt wiederum von der Ausgestaltung (beispielsweise der Dimensionierung) des Aktors und insbesondere der Ausgestaltung des Magneten (beispielsweise dessen Magnetfeldgeometrie) ab. Bei der Berechnung der Positionsinformation auf Basis der Magnetfeldinformation kann die konkrete Ausgestaltung des Aktors und/oder des Magneten über wenigstens einen Aktorparameter, vorzugsweise über zwei Aktorparameter, berücksichtigt werden.
Eine Aufgabe der Erfindung besteht darin, eine flexibel einsetzbare Sensoreinrichtung bereitzustellen.
Die Aufgabe wird gelöst durch eine Sensoreinrichtung gemäß Anspruch 1. Die Rechnereinheit der Sensoreinrichtung verfügt über ein Machine-Learning-Modell und ist ausgebildet, die Positionsinformation unter Verwendung des Machine-Learning-Modells zu berechnen und/oder unter Verwendung des Machine-Learning-Modells wenigstens einen Aktorparameter auf Basis der Magnetfeldinformation zu berechnen und die Positionsinformation unter Verwendung des wenigstens einen Aktorparameters zu berechnen.
Durch die Verwendung des Machine-Learning-Modells kann die Rechnereinheit ihre Berechnung der Positionsinformation an den jeweils vorliegenden Aktor anpassen, insbesondere über eine entsprechende Anpassung des wenigstens einen Aktorparameters. Dadurch kann die Sensoreinrichtung mit verschiedenen Aktoren verwendet werden und ist somit flexibel einsetzbar.
Es sind dabei insbesondere zwei Ansätze möglich, um die Positionsinformation zu ermitteln. Zum einen ist es möglich, unter Verwendung des Machine-Learning-Modells direkt die Positionsinformation zu berechnen, beispielsweise, indem die Magnetfeldinformation durch das Machine-Learning-Modell direkt auf die Positionsinformation abgebildet wird.
Zum anderen ist es möglich, unter Verwendung des Machine-Learning-Modells erst den wenigstens einen Aktorparameter zu berechnen (so dass er an den vorliegenden Aktor angepasst ist) und dann mit dem berechneten wenigstens einen Aktorparameter die Positionsinformation zu berechnen. Bei diesem Ansatz kann z.B. der wenigstens eine Aktorparameter initial berechnet werden und dann im weiteren Betrieb mehrfach, insbesondere immer wieder, verwendet werden, um die jeweils aktuelle Positionsinformation unter Verwendung dieses wenigstens einen Aktorparameter zu berechnen. Die berechnen der Positionsinformation unter Verwendung des wenigstens einen Aktorparameters erfolgt zweckmäßigerweise auf Basis der jeweils (durch die Magnetsensoreinrichtung bereitgestellten) aktuellen Magnetfeldinformation.
Bevorzugt ist lediglich die Magnetfeldinformation von einer einzelnen Position des Aktorglieds erforderlich, um den wenigstens einen Aktorparameter mit dem Machine-Learning-Modell zu berechnen. Das bedeutet, dass es nicht erforderlich ist, das Aktorglied an mehrere verschiedene Positionen zu bewegen (beispielsweise im Rahmen einer Lernfahrt, um die für die Berechnung des wenigstens einen Aktorparameters erforderliche Information zu erfassen, und dass eine solche Lenrfahrt vorzugsweise auch nicht stattfindet (zum Zwecke der Bestimmung des wenigstens einen Aktorparameters).
Der Aktorparameter kann vorzugsweise jederzeit bestimmt werden (z.B. indem einfach die Magnetfeldinformation an der aktuellen Position des Aktorglieds erfasst wird und auf Basis dieser Magnetfeldinformation der wenigstens eine Aktorparameter berechnet wird), insbesondere, ohne dass das Aktorglied hierfür bewegt werden muss. Der Aktorparameter kann somit insbesondere auch im Normalbetrieb bestimmt werden, in dem der Aktor bestimmungsgemäß eingesetzt wird und das Aktorglied zu einem anderen Zweck als der Bestimmung des Aktorparameters bewegt wird.
Vorteilhafte Weiterbildungen sind Gegenstand der Unteransprüche.
Die Erfindung betrifft ferner ein System umfassend die Sensoreinrichtung und den Aktor. Bevorzugt ist die Sensoreinrichtung in eine Nut eines Aktorgehäuses des Aktors eingesetzt.
Die Erfindung betrifft ferner ein Verfahren zum Betreiben der Sensoreinrichtung oder des Systems, umfassend die Schritte: Erfassen des Magnetfelds und Erzeugen der Magnetfeldinformation gemäß dem erfassten Magnetfeld, ferner umfassend den Schritt: Berechnen der Positionsinformation unter Verwendung des Machine-Learning-Modells auf Basis der Magnetfeldinformation und/oder Berechnen eines Aktorparameter unter Verwendung des Machine-Learning-Modells auf Basis der Magnetfeldinformation und Berechnen der Positionsinformation unter Verwendung des wenigstens einen Aktorparameters.
Die Erfindung betrifft ferner ein Verfahren zum Bereitstellen eines Machine-Learning-Modells zum Einsatz in der Sensoreinrichtung, umfassend die Schritte: Messen und/oder Simulieren einer Mehrzahl an Magnetfeldinformation-Kennlinien für eine Mehrzahl an verschiedenen Aktoren, wobei jede Magnetsensorinnformation-Kennlinie für einen jeweiligen Aktor einen jeweiligen Verlauf der Magnetfeldinformation in Abhängigkeit von der Position des Aktorglieds darstellt, und, auf Basis der Mehrzahl an Magnetfeldinformation-Kennlinien, Trainieren des Machine-Learning-Modells, das die Magnetfeldinformation auf den wenigstens einen Aktorparameter und/oder die Positionsinformation abbildet. Bevorzugt umfasst das Verfahren ferner den Schritt: Übertragen des Machine-Learning-Modells auf die Sensoreinrichtung.
Weitere exemplarische Details sowie beispielhafte Ausführungsformen werden nachstehend unter Bezugnahme auf die Figuren erläutert. Dabei zeigt

1 eine schematische Darstellung eines Systems mit einer Sensoreinrichtung, einem Aktor und einer Steuerung.
2 eine schematische Darstellung von Sensorelementen, eines Magneten und einer Magnetfeldlinie,
3 ein Flussdiagramm eines Verfahrens zum Betrieb einer Sensoreinrichtung,
4 ein Flussdiagramm eines Verfahrens zur Bereitstellung eines Machine-Learning-Modells.

Die 1 zeigt ein System 1, das eine Sensoreinrichtung 2, einen Aktor 3 und eine Steuerung 4 umfasst. Das System 1 stellt eine exemplarische Anwendungsumgebung für die Sensoreinrichtung 2 dar. Die Sensoreinrichtung 2 kann auch für sich genommen - also ohne den Aktor 3 und/oder die Steuerung 4 - bereitgestellt sein. Die Sensoreinrichtung 2 ist vorzugsweise für die Industrieautomatisierung ausgeführt. Bei dem System 1 handelt es sich beispielsweise um ein industrielles System, insbesondere um ein System für die Industrieautomatisierung.
Exemplarisch ist die Sensoreinrichtung 2 an dem Aktor 3 befestigt. Zweckmäßigerweise ist die Sensoreinrichtung 2 in eine Nut 13 außen an einem Aktorgehäuse 5 des Aktors 3 eingesetzt.
Die Steuerung 4 ist beispielsweise als übergeordnete Steuerung, insbesondere als speicherprogrammierbare Steuerung, SPS, ausgeführt. Exemplarisch ist die Sensoreinrichtung 2 über ein Kabel 20 mit der Steuerung 4 verbunden, insbesondere an diese angeschlossen.
Im Folgenden soll näher auf den Aktor 3 eingegangen werden:

Der Aktor 3 ist exemplarisch als pneumatischer Antriebszylinder ausgeführt, beispielhaft als doppeltwirkender pneumatischer Antriebszylinder, kann alternativ aber auch als einfachwirkender pneumatischer Antriebszylinder oder als ein anderer Aktor, beispielsweise als ein elektrischer Aktor, ausgeführt sein. Der Aktor 3 umfasst das insbesondere zylindrisch ausgeführtes Aktorgehäuse 5, in dem wenigstens eine Druckkammer 6 angeordnet ist. Exemplarisch verfügt der Aktor 3 über zwei Druckkammern 6, 7, die in dem Aktorgehäuse 5 angeordnet sind.

Das Aktorgehäuse 5 ist zweckmäßigerweise das Außengehäuse des Aktors 3.
Der Aktor 3 umfasst ein Aktorglied 8, das exemplarisch als Kolbenanordnung ausgeführt ist und zweckmäßigerweise in dem Aktorgehäuse 5 angeordnet ist. Die Kolbenanordnung umfasst einen Kolben 9, der einen von dem Aktorgehäuse 5 umgebenen Innenraum in die erste Druckkammer 6 und die zweite Druckkammer 7 unterteilt. Exemplarisch umfasst die Kolbenanordnung ferner eine Kolbenstange 10, die an dem Kolben 9 angebracht ist und sich zweckmäßigerweise durch eine in dem Aktorgehäuse 5 vorhandene Öffnung nach außerhalb des Aktorgehäuses 5 erstreckt.
Das Aktorglied 8 ist beweglich gelagert, insbesondere relativ zu dem Aktorgehäuse 5. Das Aktorglied 8 ist relativ zu dem Aktorgehäuse 5 entlang eines insbesondere linearen Bewegungswegs 11 bewegbar. Das Aktorglied 8, exemplarisch der Kolben 9, verfügt über einen Magneten 12, der exemplarisch ringförmig und/oder als Permanentmagnet ausgeführt ist. Die Richtung der Magnetisierung des Magneten 12 verläuft vorzugsweise parallel zu der Richtung des Bewegungswegs 11.
Der insbesondere ringförmige Magnet 12 ist zweckmäßigerweise mit seiner Symmetrieachse parallel und/oder koaxial zu dem Bewegungsweg 11 ausgerichtet.
Vorzugsweise verfügt das Aktorgehäuse 5 über die Nut 13, die insbesondere außen an dem Aktorgehäuse 5 angeordnet ist. Die Nut 13 erstreckt sich zweckmäßigerweise entlang der Längsrichtung des Aktors 3 und/oder verläuft parallel zu dem Bewegungsweg 11 des Aktorglieds 8.
Nachstehend soll näher auf die Sensoreinrichtung 2 eingegangen werden:

Die Sensoreinrichtung 2 dient zur Bestimmung einer Position des Aktorglieds 8, exemplarisch entlang des Bewegungswegs 11.
Die Sensoreinrichtung 2 umfasst exemplarisch ein Sensoreinrichtungsgehäuse 14, das insbesondere das Außengehäuse der Sensoreinrichtung 2 darstellt. Die Sensoreinrichtung 2, insbesondere das
Sensoreinrichtungsgehäuse 14, ist zweckmäßigerweise länglich ausgeführt. Exemplarisch beträgt die größte Abmessung, insbesondere die Länge, der Sensoreinrichtung 2 weniger als 5 cm. Vorzugsweise umfasst die Sensoreinrichtung 2 eine Leiterplatte 15, die insbesondere in dem Sensoreinrichtungsgehäuse 14 angeordnet ist.

Bevorzugt ist die Sensoreinrichtung 2 ausgebildet, in die Nut 13 des Aktorgehäuses 5 des Aktors 3 eingesetzt zu werden. Beispielsweise umfasst die Sensoreinrichtung 2 einen Einsetzabschnitt, mit dem die Sensoreinrichtung 2 in die Nut 13 eingesetzt werden kann, insbesondere derart, dass die Sensoreinrichtung 2 in der Nut 13 fixiert ist. Der Einsetzabschnitt ist beispielsweise als Nutenstein ausgeführt oder weist die Form eines Nutensteins auf. Optional kann die Sensoreinrichtung derart ausgestaltet sein, dass sie vollständig in die Nut eingesetzt werden kann.
Die Sensoreinrichtung 2 umfasst eine Magnetsensoreinrichtung 16 zur Erfassung eines Magnetfeldes des Magneten 12 und zur Erzeugung einer Magnetfeldinformation gemäß dem erfassten Magnetfeld. Die Magnetsensoreinrichtung 16 umfasst wenigstens ein Magnetsensorelement 17, beispielsweise einen Hallsensor, zur Erfassung des Magnetfelds. Exemplarisch umfasst die Magnetsensoreinrichtung 16 zwei Magnetsensorelemente 17A, 17B, beispielsweise zwei Hallsensoren, zur Erfassung des Magnetfelds. Die zwei Magnetsensorelemente 17A, 17B sind exemplarisch in Richtung des Bewegungswegs 11 voneinander beabstandet angeordnet. Exemplarisch ist die Magnetsensoreinrichtung 16, insbesondere die beiden Magnetsensorelemente 17A, 17B, in dem Sensoreinrichtungsgehäuse 14 und/oder auf der Leiterplatte 15 angeordnet.
Unter Bezugnahme auf die 2 soll nachstehend näher auf die Erfassung des Magnetfelds und die Erzeugung der Magnetfeldinformation eingegangen werden.
Die 2 zeigt den Magneten 12 des Aktors 3 zusammen mit den Magnetsensorelementen 17A, 17B der Sensoreinrichtung 2. Ferner ist in der 2 eine Magnetfeldlinie 25 des Magnetfelds des Magneten 12 gezeigt.
Jedes Magnetsensorelement 17A, 17B erfasst das Magnetfeld zweckmäßigerweise in wenigstens zwei verschiedenen Raumrichtungen. Exemplarisch misst jedes Magnetsensorelement 17A, 17B jeweils zwei in verschiedene Richtungen ausgerichtete Magnetfeldkomponenten - und zwar eine jeweilige erste Magnetfeldkomponente 21 (exemplarisch in Axialrichtung, insbesondere parallel zur Richtung des Bewegungswegs 11) und eine jeweilige zweite Magnetfeldkomponente 22 (exemplarisch in Radialrichtung, insbesondere orthogonal zur Richtung des Bewegungswegs 11).
Exemplarisch wird mit jedem Magnetsensorelement 17 eine jeweilige Magnetfeldinformation gemäß dem an dem jeweiligen Magnetsensorelement 17 erfassten Magnetfeld erzeugt. Die Magnetfeldinformation des ersten Magnetsensorelements 17 soll auch als erste Magnetfeldinformation bezeichnet werden und die Magnetfeldinformation des zweiten Magnetsensorelements soll auch als zweite Magnetfeldinformation bezeichnet werden.
Die nachfolgenden, auf die Magnetfeldinformation bezogenen Erläuterungen gelten zweckmäßigerweise jeweils für die erste Magnetfeldinformation und für die zweite Magnetfeldinformation.
Die Magnetfeldinformation umfasst zweckmäßigerweise eine wenigstens zweidimensionale Messgröße des Magnetfelds. Beispielsweise bildet die Magnetfeldinformation die Magnetfeldstärke, insbesondere die magnetische Flussdichte, des Magnetfelds ab, insbesondere in wenigstens zwei verschiedenen räumlichen Dimensionen. Beispielsweise umfasst die Magnetfeldinformation einen ersten Messwert der Magnetfeldstärke, insbesondere der magnetischen Flussdichte, des Magnetfelds in einer ersten Raumrichtung, beispielsweise eine Axialrichtung in Bezug auf den Bewegungsweg 11 und/oder einen zweiten Messwert der Magnetfeldstärke, insbesondere der magnetischen Flussdichte, des Magnetfelds in einer von der ersten Raumrichtung verschiedenen zweite Raumrichtung, beispielsweise einer Radialrichtung in Bezug auf den Bewegungsweg 11. Der erste Messwert bildet zweckmäßigerweise die erste Magnetfeldkomponente 21 ab. Der zweite Messwert bildet zweckmäßigerweise die zweite Magnetfeldkomponente 22 ab. Der erste Messwert soll auch als Axial-Messwert und der zweite Messwert als Radial-Messwert bezeichnet werden.
Die Magnetfeldinformation kann eine Magnetfeldrichtung 23 des Magnetfeldes, insbesondere der magnetischen Flussdichte des Magnetfeldes, und/oder einen Betrag 24 des Magnetfeldes, insbesondere der magnetischen Flussdichte des Magnetfeldes, beschreiben. Die Magnetfeldrichtung 23 des Magnetfeldes ist insbesondere ein Magnetfeldwinkel relativ zur Richtung des Bewegungswegs 11.
Zweckmäßigerweise stellt jedes Magnetsensorelement 17A, 17B eine jeweilige Magnetfeldinformation bereit, die wie vorstehend erläutert ausgeführt ist und zweckmäßigerweise einen jeweiligen ersten Messwert und einen jeweiligen zweiten Messwert umfasst und/oder eine jeweilige Magnetfeldrichtung 23 und/oder einen jeweiligen Betrag 24 des Magnetfelds beschreibt. Exemplarisch umfasst die erste Magnetfeldinformation einen ersten Axial-Messwert und einen ersten Radial-Messwert, und/oder einen ersten Magnetfeldwinkel und/oder einen ersten Betrag des Magnetfelds. Exemplarisch umfasst die zweite Magnetfeldinformation einen zweiten Axial-Messwert und einen zweiten Radial-Messwert, und/oder einen zweiten Magnetfeldwinkel und/oder einen zweiten Betrag des Magnetfelds.
Die Sensoreinrichtung 2 umfasst eine Rechnereinheit 18. Die Rechnereinheit 18 ist ausgebildet, auf Basis der Magnetfeldinformation eine Positionsinformation zu berechnen, die die Position des Aktorglieds 8 anzeigt, insbesondere entlang des Bewegungswegs 11. Die Rechnereinheit 18 ist beispielsweise als Mikrocontroller ausgeführt und ist zweckmäßigerweise in dem Sensoreinrichtungsgehäuse 14 und/oder auf der Leiterplatte 15 angeordnet. Bevorzugt ist die Rechnereinheit 18 ausgebildet, die Positionsinformation unter Verwendung wenigstens eines Aktorparameters zu berechnen.
Der wenigstens eine Aktorparameter beschreibt bevorzugt eine Magnetfeldgeometrie des Magnetfelds und/oder eine relative Positionierung des Magneten 12 zu der Sensoreinrichtung 2. Mit dem Begriff Magnetfeldgeometrie ist insbesondere die Form des räumlichen Verlaufs des Magnetfelds gemeint. Die relative Positionierung ist zweckmäßigerweise der Abstand (insbesondere orthogonal zur Richtung des Bewegungswegs 11) zwischen dem Magneten 12 und der Magnetsensoreinrichtung 16, insbesondere dem ersten Sensorelement 17A und/oder dem zweiten Sensorelement 17B.
Beispielsweise verfügt die Rechnereinheit 18 über einen ersten Aktorparameter und einen zweiten Aktorparameter. Der erste Aktorparameter soll nachstehend auch als c₁ bezeichnet werden und beschreibt zweckmäßigerweise die vorstehend genannte relative Positionierung des Magneten 12 zu der Sensoreinrichtung 2. Der zweite Aktorparameter soll nachstehend auch als c₂ bezeichnet werden und beschreibt zweckmäßigerweise die vorstehend genannten Magnetfeldgeometrie.
Vorzugsweise ist die Rechnereinheit 18 ausgebildet, die Positionsinformation auf Basis des ersten Aktorparameters und des zweiten Aktorparameters zu berechnen, insbesondere auf Basis des Magnetfeldwinkels, beispielsweise gemäß der nachstehend wiedergegebenen Gleichung (1): $x = ƒ (α, c_{1}, c_{2})$
Bei der Gleichung (1) ist x die Positionsinformation und beschreibt zweckmäßigerweise die Position des Magneten 12 entlang des Bewegungswegs 11, insbesondere relativ zur Magnetsensoreinrichtung 16. Ferner ist α der Magnetfeldwinkel (insbesondere relativ zur Richtung des Bewegungswegs 11). Mit f soll eine Funktion bezeichnet werden, die den Magnetfeldwinkel und die Aktorparameter auf die Positionsinformation abbildet. Optional kann die Funktion f über mehr als zwei Aktorparameter verfügen.
Bevorzugt ist die Rechnereinheit 18 ausgebildet, die Positionsinformation auf Basis des ersten Aktorparameters c₁, des Magnetfeldwinkels α des Magnetfelds und des zweiten Aktorparameters c₂ zu berechnen.
Im Folgenden soll näher darauf eingegangen werden, wie die Rechnereinheit 18 den wenigstens einen Aktorparameter ermittelt.
Die Rechnereinheit 18 verfügt über ein Machine-Learning-Modell 19, das vorzugsweise in einem nicht-flüchtigen Speicher der Rechnereinheit 18 gespeichert ist. Bevorzugt ist die Rechnereinheit 18 ausgebildet, unter Verwendung des Machine-Learning-Modells wenigstens einen Aktorparameter (insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter) auf Basis der Magnetfeldinformation zu berechnen. Bevorzugt ist die Rechnereinheit 18 ausgebildet, die Positionsinformation unter Verwendung des wenigstens einen Aktorparameters (insbesondere des ersten Aktorparameters und/oder des zweiten Aktorparameters) zu berechnen.
Bevorzugt bildet das Machine-Learning-Modell 19 die Magnetfeldinformation auf den wenigstens einen Aktorparameter ab, vorzugsweise auf den ersten Aktorparameter und/oder den zweiten Aktorparameter. Das Machine-Learning-Modell 19 kann beispielsweise den Axial-Messwert und den Radial-Messwert auf den wenigstens einen Aktorparameter (insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter) abbilden. Ferner kann das Machine-Learning-Modell 19 die Magnetfeldrichtung 23, insbesondere den Magnetfeldwinkel und den Betrag des Magnetfelds auf den wenigstens einen Aktorparameter (insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter) abbilden. Gemäß einer möglichen Ausgestaltung kann das Machine-Learning-Modell 19 die erste Magnetfeldinformation und die zweite Magnetfeldinformation auf den wenigstens einen Aktorparameter (insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter) abbilden.
Beispielsweise ist die Rechnereinheit 18 ausgebildet, unter Verwendung des Machine-Learning-Modells 19 einen der beiden Aktorparameter (vorzugsweise den zweiten Aktorparameter) auf Basis der Magnetfeldinformation zu berechnen und unter Verwendung einer Gleichung (beispielsweise der Gleichung (1)), die vorzugsweise die beiden Aktorparameter, die Magnetfeldinformation und die Positionsinformation miteinander verknüpft, den ersten Aktorparameter zu berechnen, in dem der (durch das Machine-Learning-Modell 19 erhaltene) zweite Aktorparameter in die Gleichung eingesetzt wird.
Bevorzugt umfasst die Magnetsensoreinrichtung 16 das erste Magnetsensorelement 17A zur Erfassung der ersten Magnetfeldinformation und das von dem ersten Magnetsensorelement 17B in Richtung des Bewegungswegs 11 des Aktorglieds 8 beabstandete zweites Magnetsensorelement 17B zur Erfassung der zweiten Magnetfeldinformation. Die Rechnereinheit 18 ist ausgebildet, unter Verwendung des Machine-Learning-Modells 19 den wenigstens einen Aktorparameter auf Basis der ersten Magnetfeldinformation und der zweiten Magnetfeldinformation zu berechnen und die Positionsinformation unter Verwendung des wenigstens einen Aktorparameters zu berechnen, beispielsweise auf Basis der bereits ersten Magnetfeldinformation und/oder der bereits erfassten zweiten Magnetfeldinformation, oder auf Basis einer später (z.B. nach der Berechnung des wenigstens einen Aktorparameters) erfassten ersten Magnetfeldinformation und/oder zweiten Magnetfeldinformation.
Bevorzugt ist die Rechnereinheit 18 ausgebildet, den wenigstens einen berechneten Aktorparameter, insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter, zu speichern, insbesondere in einem nicht-flüchtigen Speicher der Rechnereinheit 18. Die Rechnereinheit 18 ist zweckmäßigerweise ausgebildet, den gespeicherten Aktorparameter, insbesondere den gespeicherten ersten Aktorparameter und/oder den gespeicherten zweiten Aktorparameter für eine Vielzahl von Berechnungen der Positionsinformation zu verwenden.
Das Machine-Learning-Modell umfasst beispielsweise ein künstliches neuronales Netzwerk, einen k-Nächste-Nachbarn-Algorithmus, einen Entscheidungsbaum, einen Zufallswald und/oder eine Stütz-Vektor-Maschine. Das Machine-Learning-Modell 19 basiert beispielsweise auf Supervised Learning, Unsupervised Learning und/oder Reinforcement Learning. Das Machine-Learning-Modell 19 setzt beispielsweise eine Klassifikation, eine Regression, ein Clustering und/oder Action Control ein.
Bevorzugt bildet das Machine-Learning-Modell, insbesondere das künstliche neuronale Netzwerk, die Magnetfeldinformation auf den wenigstens einen Aktorparameter ab. Insbesondere ist die Magnetfeldinformation eine Eingangsgröße des Machine-Learning-Modells, vorzugsweise die einzige Eingangsgröße, und der wenigstens eine Aktorparameter ist eine Ausgangsgröße des Machine-Learning-Modells.
Bevorzugt ist die Rechnereinheit 18 ausgebildet, unter Verwendung des Machine-Learning-Modells 19 den wenigstens einen Aktorparameter auf Basis einer nur für eine Position des Aktorglieds 8 erfassten Magnetfeldinformation zu berechnen. Die Sensoreinrichtung 2 ist also zweckmäßigerweise ausgebildet, die Magnetfeldinformation (beispielsweise die erste Magnetfeldinformation und/oder die zweite Magnetfeldinformation) einmal - insbesondere nur einmal - für eine Position des Aktorglieds 8 zu erfassen und auf Basis dieser erfassten Magnetfeldinformation (beispielsweise die erste Magnetfeldinformation und/oder die zweite Magnetfeldinformation) unter Verwendung des Machine-Learning-Modells 19 den wenigstens einen Aktorparameter (insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter) zu berechnen, insbesondere wie vorstehend erläutert.
Die Stellung des Aktorglieds 8, bei der die Sensoreinrichtung 2 die Magnetfeldinformation (beispielsweise die erste Magnetfeldinformation und/oder die zweite Magnetfeldinformation) erfasst, ist zweckmäßigerweise eine beliebige Position, beispielsweise die aktuelle Position, die das Aktorglied 8 einnimmt, insbesondere im Rahmen eines Normalbetriebs. Zweckmäßigerweise wird zur Erfassung der Magnetinformation, auf deren Basis der wenigstens eine Aktorparameter berechnet wird, keine Lernfahrt des Aktorglieds 8 durchgeführt und/oder keine bestimmte Position mit dem Aktorglied 8 angefahren und/oder keine spezielle Bewegung mit dem Aktorglied 8 durchgeführt.
Bevorzugt verwendet die Rechnereinheit 18 die Magnetfeldinformation (beispielsweise die erste Magnetfeldinformation und/oder die zweite Magnetfeldinformation) von (insbesondere nur) einer einzelnen Position des Aktorglieds, um den wenigstens einen Aktorparameter mit dem Machine-Learning-Modell zu berechnen. Zweckmäßigerweise wird das Aktorglied 8 also nicht an mehrere verschiedene Positionen bewegt (beispielsweise im Rahmen einer Lernfahrt, um die für die Berechnung des wenigstens einen Aktorparameters erforderliche Information zu erfassen.
Optional ist die Sensoreinrichtung 2 ausgebildet, an mehreren verschiedenen Positionen des Aktorglieds eine jeweilige Magnetinformation (insbesondere eine jeweilige erste Magnetinformation und/oder eine jeweilige zweite Magnetinformation) zu erfassen und auf Basis der erfassten Magnetinformationen den wenigstens einen Aktorparameter (insbesondere den ersten Aktorparameter und/oder den zweiten Aktorparameter) unter Verwendung des Machine-Learning-Modells mehrmals zu berechnen, um mehrere Werte für den Aktorparameter zu erhalten, und dann zweckmäßigerweise einen Mittelwert der berechneten Werte zu berechnen, und diesen Mittelwert als den Aktorparameter zu verwenden.
Optional ist die Rechnereinheit 18 ausgebildet, die Positionsinformation unter Verwendung des Machine-Learning-Modells 19 zu berechnen. Beispielsweise kann das Machine-Learning-Modell 19 die Magnetfeldinformation (insbesondere direkt) auf die Positionsinformation abbilden. In diesem Fall ist die Magnetfeldinformation (insbesondere die ersten Magnetfeldinformation und/oder die zweite Magnetfeldinformation) eine Eingangsgröße des Machine-Learning-Modells, vorzugsweise die einzige Eingangsgröße, und die Positionsinformation ist eine Ausgangsgröße des Machine-Learning-Modells. In diesem Fall werden die Aktorparameter und/oder die Gleichung (1) zweckmäßigerweise nicht verwendet und/oder sind nicht vorhanden.
Bevorzugt ist die Rechnereinheit 18 ausgebildet, auf Basis der Magnetfeldinformation, des Machine-Learning-Modells und/oder des wenigstens einen Aktorparameters eine Identifikationsinformation bereitzustellen, die den Aktor identifiziert. Vorzugsweise wird aus der Magnetfeldinformation auf den Aktor 3 geschlossen, und so optional eine oder mehrere Kenngrößen des Aktors 3 (z.B. eine maximal zulässige Endlagenenergie) der Sensoreinrichtung 2 und/oder der Steuerung 4 zur Verfügung gestellt. Die Identifikationsinformation ist beispielsweise eine Produktnummer des Aktors 3. Optional gibt die Sensoreinrichtung 2 die Identifikationsinformation an die Steuerung 4 aus.
Bevorzugt ist die die Rechnereinheit 18 ausgebildet, auf Basis der Magnetfeldinformation, des Machine-Learning-Modells 19 und/oder des wenigstens einen Aktorparameters eine Wechselinformation bereitzustellen, die einen Wechsel des Aktors 3 anzeigt. Beispielsweise ist die Rechnereinheit 18 ausgebildet, den wenigstens einen Aktorparameter, insbesondere den zweiten Aktorparameter, zu überwachen und in Ansprechen auf eine Veränderung des wenigstens einen Aktorparameters, insbesondere des zweiten Aktorparameters, auf einen Wechsel des Aktors 3 zu schließen und die Wechselinformation zu erzeugen. Die Wechselinformation wird beispielsweise an einen Benutzer ausgegeben und kann den Benutzer beispielsweise auf eine Rekonfiguration hinweisen. Optional gibt die Sensoreinrichtung 2 die Wechselinformation an die Steuerung 4 aus.
Unter Bezugnahme auf die 3 soll nachstehend ein Verfahren zum Betreiben der Sensoreinrichtung 2 und/oder des Systems 1 erläutert werden.
Das Verfahren umfasst einen ersten Schritt S1, bei dem die Sensoreinrichtung 2 mit der Magnetsensoreinrichtung 16 das Magnetfeld erfasst und auf Basis des erfassten Magnetfelds die Magnetfeldinformation bereitstellt.
Das Verfahren umfasst ferner einen zweiten Schritt S2, bei dem die Rechnereinheit 18 unter Verwendung des Machine-Learning-Modells 19 den wenigstens einen Aktorparameter auf Basis der Magnetfeldinformation berechnet. Vorzugsweise wird im Schritt S2 der wenigstens eine Aktorparameter in der Rechnereinheit 18 gespeichert. Beispielsweise wird die Gleichung (1) mit dem wenigstens einen Aktorparameter parametrisiert.
Der erste Schritt S1 und der zweite Schritt S2 bilden zweckmäßigerweise zusammen eine Parametrisierungsprozedur PP.
Das Verfahren umfasst optional einen dritten Schritt S3, bei dem die Sensoreinrichtung 2 mit der Magnetsensoreinrichtung 16 das Magnetfeld erfasst und auf Basis des erfassten Magnetfelds die Magnetfeldinformation bereitstellt. Alternativ kann im Schritt S3 die bereits im Schritt S1 erzeugte Magnetfeldinformation bereitgestellt werden.
Das Verfahren umfasst einen vierten Schritt S4, bei dem die Rechnereinheit 18 unter Verwendung des wenigstens einen Aktorparameters die Positionsinformation berechnet, beispielsweise auf Basis der (insbesondere im Schritt S1 und/oder Schritt S3 erhaltenen) Magnetfeldinformation und/oder unter Verwendung der Gleichung (1).
Optional umfasst das Verfahren einen vierten Schritt S5, bei dem entschieden wird, ob der wenigstens eine Aktorparameter neu bestimmt werden soll. Beispielsweise wird der Aktorparameter periodisch neu bestimmt und im Schritt S5 kann beispielsweise geprüft werden, ob eine Zeitperiode, nach der eine Neu-Bestimmung des Aktorparameters erfolgen soll, bereits abgelaufen ist.
Sofern im fünften Schritt S5 entschieden wird, dass der wenigstens eine Aktorparameter neu bestimmt werden soll, kehrt das Verfahren zu dem Schritt S1 zurück. Sofern im fünften Schritt S5 entschieden wird, dass der wenigstens eine Aktorparameter nicht neu bestimmt werden soll, kehrt das Verfahren zu dem Schritt S3 zurück.
Im Folgenden soll unter Bezugnahme auf die 4 auf ein Verfahren zum Bereitstellen des Machine-Learning-Modells 19 eingegangen werden. Das Verfahren der 4 kann beispielsweise vor dem Verfahren der 3 ausgeführt werden, so dass dann im Verfahren der 3 das durch das Verfahren der 4 erhaltene Machine-Learning-Modell 19 verwendet werden kann.
Das Verfahren der 4 umfasst einen Schritt S01, bei dem ein Messen und/oder Simulieren einer Mehrzahl von Magnetfeldinformation-Kennlinien für eine Mehrzahl von verschiedenen Aktoren erfolgt. Jede Magnetsensorinformation-Kennlinie stellt für einen jeweiligen Aktor einen jeweiligen Verlauf der Magnetfeldinformation in Abhängigkeit von der Position des Aktorglieds dar. Bevorzugt wird ferner für jeden Aktor der wenigstens eine Aktorparameter (insbesondere der erste Aktorparameter und/oder der zweite Aktorparameter) gemessen und/oder simuliert und/oder es wird die Positionsinformation gemessen und/oder simuliert. Die Magnetsensorinformation-Kennlinien und/oder die Aktorparameter und/oder die Positionsinformation dienen zweckmäßigerweise als Trainingsdaten zum Trainieren des Machine-Learning-Modells 19.
Das Verfahren umfasst ferner einen Schritt S02, bei dem auf Basis der Mehrzahl an Magnetfeldinformation-Kennlinien ein Trainieren des Machine-Learning-Modells erfolgt, das die Magnetfeldinformation auf den wenigstens einen Aktorparameter und/oder die Positionsinformation abbildet. Zweckmäßigerweise werden für das Training ferner die Aktorparameter und/oder die Positionsinformation verwendet.
Bevorzugt umfasst das Verfahren ferner den Schritt S03, bei dem das Machine-Learning-Modell 19 auf die Sensoreinrichtung 2 übertragen wird.

Claims

Sensoreinrichtung (2) zur Bestimmung einer Position eines einen Magneten (12) aufweisenden Aktorglieds (8) eines Aktors (3), umfassend: eine Magnetsensoreinrichtung (16) zur Erfassung eines Magnetfeldes des Magneten (12) und zur Erzeugung einer Magnetfeldinformation gemäß dem erfassten Magnetfeld, sowie eine Rechnereinheit (18), die ausgebildet ist, auf Basis der Magnetfeldinformation eine Positionsinformation zu berechnen, die die Position des Aktorglieds (8) anzeigt, dadurch gekennzeichnet, dass die Rechnereinheit (18) über ein Machine-Learning-Modell (19) verfügt und ausgebildet ist, die Positionsinformation unter Verwendung des Machine-Learning-Modells (19) zu berechnen und/oder unter Verwendung des Machine-Learning-Modells (19) wenigstens einen Aktorparameter auf Basis der Magnetfeldinformation zu berechnen und die Positionsinformation unter Verwendung des wenigstens einen Aktorparameters zu berechnen.
Sensoreinrichtung (2) nach Anspruch 1, wobei das Machine-Learning-Modell (19) ein künstliches neuronales Netzwerk, einen k-Nächste-Nachbarn-Algorithmus, einen Entscheidungsbaum, einen Zufallswald und/oder eine Stütz-Vektor-Maschine umfasst.
Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei das Machine-Learning-Modell (19) die Magnetfeldinformation auf die Positionsinformation abbildet.
Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei das Machine-Learning-Modell (19) die Magnetfeldinformation auf den wenigstens einen Aktorparameter abbildet.
Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Magnetfeldinformation eine Magnetfeldrichtung des Magnetfelds beschreibt.
Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei der wenigstens eine Aktorparameter eine Magnetfeldgeometrie des Magnetfelds und/oder eine relative Positionierung des Magneten (12) zu der Magnetsensoreinrichtung (16) beschreibt.
Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Rechnereinheit (18) ausgebildet ist, unter Verwendung des Machine-Learning-Modells (19) einen ersten Aktorparameter und/oder einen zweiten Aktorparameter auf Basis der Magnetfeldinformation zu berechnen, und die Positionsinformation auf Basis des ersten Aktorparameters, des Magnetfeldwinkels und des zweiten Aktorparameters zu berechnen.
Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Rechnereinheit (18) ausgebildet ist, unter Verwendung des Machine-Learning-Modells (19) den wenigstens einen Aktorparameter auf Basis einer nur für eine Position des Aktorglieds (8) erfassten Magnetfeldinformation zu berechnen.
Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Magnetsensoreinrichtung (16) ein erstes Magnetsensorelement (17A) zur Erfassung einer ersten Magnetfeldinformation und ein von dem ersten Magnetsensorelement (17A) in Richtung eines Bewegungswegs (11) des Aktorglieds (8) beabstandetes zweites Magnetsensorelement (17B) zur Erfassung einer zweiten Magnetfeldinformation umfasst, und die Rechnereinheit (18) ausgebildet ist, unter Verwendung des Machine-Learning-Modells (19) den wenigstens einen Aktorparameter auf Basis der ersten Magnetfeldinformation und der zweiten Magnetfeldinformation zu berechnen und die Positionsinformation unter Verwendung des wenigstens einen Aktorparameters zu berechnen.
Sensoreinrichtung (2) nach einem voranstehenden Anspruch, umfassend ein Sensoreinrichtungsgehäuse (14), in dem die Rechnereinheit (18) und die Magnetsensoreinrichtung (16) angeordnet sind.
Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Sensoreinrichtung (2) ausgebildet ist, in eine Nut (13) eines Aktorgehäuses (5) des Aktors (3) eingesetzt zu werden.
Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Rechnereinheit (18) ausgebildet ist, auf Basis der Magnetfeldinformation, des Machine-Learning-Modells (19) und/oder des wenigstens einen Aktorparameters eine Identifikationsinformation bereitzustellen, die den Aktor (3) identifiziert.
Sensoreinrichtung (2) nach einem voranstehenden Anspruch, wobei die Rechnereinheit (18) ausgebildet ist, auf Basis der Magnetfeldinformation, des Machine-Learning-Modells und/oder des wenigstens einen Aktorparameters eine Wechselinformation bereitzustellen, die einen Wechsel des Aktors (3) anzeigt.
System (1) umfassend eine Sensoreinrichtung (2) nach einem der Ansprüche 1 bis 13 und den Aktor (3).
System (1) nach Anspruch 14, wobei die Sensoreinrichtung (2) in eine Nut (13) eines Aktorgehäuses (5) des Aktors (3) eingesetzt ist.
Verfahren zum Betreiben einer Sensoreinrichtung (2) nach einem der Ansprüche 1 bis 13 oder eines Systems (1) nach Anspruch 14 oder 15, umfassend die Schritte: Erfassen des Magnetfelds und Erzeugen der Magnetfeldinformation gemäß dem erfassten Magnetfeld, ferner umfassend den Schritt: Berechnen der Positionsinformation unter Verwendung des Machine-Learning-Modells (19) auf Basis der Magnetfeldinformation und/oder Berechnen eines Aktorparameter unter Verwendung des Machine-Learning-Modells (19) auf Basis der Magnetfeldinformation und Berechnen der Positionsinformation unter Verwendung des wenigstens einen Aktorparameters.
Verfahren zum Trainieren eines Machine-Learning-Modells (19) zum Einsatz in einer Sensoreinrichtung (2) nach einem der Ansprüche 1 bis 13, umfassend die Schritte: Messen und/oder Simulieren einer Mehrzahl von Magnetfeldinformation-Kennlinien für eine Mehrzahl von verschiedenen Aktoren, wobei jede Magnetsensorinformation-Kennlinie für einen jeweiligen Aktor einen jeweiligen Verlauf der Magnetfeldinformation in Abhängigkeit von der Position des Aktorglieds (8) darstellt, und auf Basis der Mehrzahl von Magnetfeldinformation-Kennlinien, Trainieren des Machine-Learning-Modells (19), das die Magnetfeldinformation auf den wenigstens einen Aktorparameter und/oder die Positionsinformation abbildet.
Verfahren nach Anspruch 17, ferner umfassend den Schritt: Übertragen des Machine-Learning-Modells (19) auf die Sensoreinrichtung (2).