作为现代汽车从旧技术向新技术过渡的一部分，电感式位置传感器旨在取代霍尔效应传感器，而这一过渡与更好地管理汽车传感器退化的相关问题又有着内在联系。
例如，微芯科技推出了应用于汽车节气门体、变速箱齿轮传感、电子助力转向和加速踏板等汽车应用的电感式位置传感器。其价值主张是：位置测量不受杂散磁场的影响，而且不需要外部磁性设备。
虽然汽车工程师希望确保传感器能在一定温度范围内工作，但他们担心机械结构的变化和磁铁的退化，影响精度。另一方面，电感式位置传感器使用一块金属代替磁铁，而且这块金属不会随着时间的推移而有太大的老化。
"这是传感器退化中需要注意的一个重要组成部分，无论是IC还是外部发生的事情，"Microchip的高级营销经理Mark Smith说。Smith补充说，在传感器退化方面，工程师在使用电感式位置传感器时，主要要担心PCB的寿命问题。
这也是至关重要的，因为服务于汽车应用的传感器IC越来越需要ASIL认证。Microchip的电感式位置传感器-LX3301A、LX3302A和LX34050符合ASIL-B认证，使系统设计人员能够检测到≥90%的单点故障。
LX3302A电感式位置传感器框图。LX3302A电感式位置传感器中较大的EEPROM空间有利于8个校准点，以保证传感器的测量精度。来源：Microchip Microchip
传感器退化管理
目前，业界正在从根本上管理与传感器劣化相关的问题，以符合ASIL认证的要求。
如果这个晶体管出现故障或那个电路出现故障会怎样？如果传感器输出短路，工程师又能做些什么？这是一些非常耗时的问题。因此，必须进行特定的实验来检查或证明某些数字，也就是所谓的覆盖率。汽车工程师可以创建一个故障，并确保它可以被检测出来，同时使用行业标准的可靠性图表。这是一个相对简单的系统，工程师可以有效地处理它们。
如今的汽车大约使用50个位置传感器，因此从霍尔效应传感器转变为电感式位置传感器对于管理汽车传感器退化至关重要。除了选择材料老化程度不高的传感器外，在有效管理汽车传感器退化方面，还有哪些工作要做？
Smith认为，机器学习是未来的发展方向。
机器学习模型可以在汽车传感器出现故障之前实现模式识别。汽车工程师可以分析五个不同的传感器，并检测出系统级的故障以及更高层次的退化。
机器学习是未来
虽然汽车行业正在非常确定地看待传感器退化问题，但往前看，有充分的机会利用一些先进的计算技术，利用机器学习进行退化相关分析。然而，利用机器学习来管理车辆中的传感器退化问题的想法目前还处于初级阶段，需要的计算能力将远远高于此。
机器学习如何测量和缓解汽车传感器退化——机器学习，上到传感器层面，下到传感器层面，可以用来创建测量和缓解汽车传感器退化的模型。来源：Mathworks Mathworks
这种方法可以让工程师收集一堆数据，将其放入机器学习模型中，然后寻找一个签名。这就是自主车辆（AV）设计现在正在做的事情。
机器学习在传感器层面崭露头角，它可以用来简化退化测量过程，并使缓解过程更加高效。
汽车传感器退化标志着机器学习有机会赢得的另一个场所。事实上，机器学习将大量数据放入模型中检测传感器故障，可以带来大量的可靠性提升和成本节约。
作者：Majeed Ahmad,EDN主编，在电子设计行业报道了二十多年。
编译：枭枭