Sensorkalibrierung

Modellidentifikation – Modellparameterschätzung – Querempfindlichkeiten – Unsicherheitsbestimmung – Inverse Kalibrierung – Halbblinde Kalibrierung – Bayessche Kalibrierung – Bayessche Statistik und Inferenz – Bayessches Design of Experiment – Machine Learning – Methoden der multivariaten Regression – Kalman Filter – Modellordnungsreduktion

Kompetenz

Sensoren leiden unweigerlich an Querempfindlichkeiten gegenüber zumindest einem, meistens aber mehreren Störparametern. Dies erfordert die Kombination eines Sensors für eine Messgröße mit weiteren, auf die Störgrößen empfindlichen Sensoren zu einem Multisensorsystem. Die Kompensation der Störeffekte mit dem Ziel der sauberen Bestimmung der gewünschten Messgröße ist eine anspruchsvolle Aufgabe. Damit verbunden ist eine nicht minder anspruchsvolle Herausforderung, die Unsicherheit der aus den Sensorsignalen inferierten Messgröße zu bestimmen.

Wir gehen an diese Aufgaben mit fortgeschrittenen Methoden der Regression sowie des analytischen und numerischen Machine Learning auf der Basis bayesscher Statistik (Inferenz, Lernen, Design of Experiment, Unsicherheitsbewertung) heran. Insbesondere erlauben unsere Methoden, in großer Anzahl produzierte Multisensorsysteme kosteneffizient zu kalibrieren. Dies gelingt uns mit wenigen Kalibriermessungen (weniger als die Anzahl der Modellparameter) bei spezifizierter Genauigkeit der inferierten Messgröße. Die Methode wurde unter der Bezeichnung „bayessche Sensorkalibrierung“ veröffentlicht und in die Industrie transferiert.

Ausgewählte Veröffentlichungen

• T. Winter et al., „Model Complexity Reduction in Bayesian Sensor Calibration and its Relation to Principal Component Analysis”, IEEE Sensors J., 2025; doi: XXX
• M. Berger et al., „Bayesian Sensor Calibration of a CMOS-Integrated Hall Sensor Against Thermomechanical Cross-Sensitivities”, IEEE Sensors J., 2023; doi: 10.1109/JSEN.2023.3243783
• M. Berger et al., „Bayesian Sensor Calibration”, IEEE Sensors J., 2022; doi: 10.1109/JSEN.2022.3199485
• M. Berger et al., “Half-Blind Calibration for the Efficient Compensation of Parasitic Cross-Sensitivities in Nonlinear Multisensor Systems”, IEEE Sensors J., 2019; doi: 10.1109/JSEN.2019.2913567
• F. Becker et al., “Miniaturized Six-Degree-of-Freedom Force/Moment
  Transducers for Instrumented Teeth”, IEEE Sensors J., 2017; doi: 10.1109/JSEN.2017.2696035
• F. Becker et al., “Efficient cross-sensitivity compensation in multisensor systems by half-blind calibration”, Sens. Actuators: A Physical, 2017; doi: 10.1016/j.sna.2016.08.027

Projekte

Dissertationen

• Moritz Berger, 2023, “Advanced Calibration Methods for Nonlinear Multisensor Systems”
• F. Becker, 2020, „Miniaturized force/moment transducers for instrumented teeth“

Industrielle Projektpartner

Melexis, TDK-Micronas

Kontakt

Prof. Dr. Oliver Paul
Email: paul(usual symbol)imtek.de