Capteurs virtuels
Un capteur virtuel est un modèle de régression qui calcule une grandeur à partir de signaux existants, au lieu de la mesurer avec du matériel dédié. Lorsque la grandeur cible peut être reconstruite à partir de canaux déjà enregistrés, le capteur physique peut être supprimé du produit de série. Data Sensors entraîne ce type de modèle sur vos propres données de mesure et l'exporte en code C, C++, Python ou MATLAB autonome.
Qu'est-ce qu'un capteur virtuel
De nombreuses grandeurs mesurées dans un véhicule ou une machine dépendent systématiquement d'autres grandeurs déjà enregistrées. Un couple dépend du régime, de la quantité injectée et de la température ; une pression dépend de la charge, du débit et du point de fonctionnement. Lorsqu'une telle relation existe, elle peut être déterminée par régression à partir des données de mesure : le modèle reçoit les canaux existants en entrée et restitue la grandeur cible.
Un tel modèle est appelé capteur virtuel (ou capteur logiciel dans la littérature). Il fournit une valeur mesurée sans qu'un capteur soit implanté à cet endroit.
Quand un capteur physique peut être supprimé (et quand il ne peut pas l'être)
Le capteur disparaît du produit de série, pas du développement. L'entraînement exige que la grandeur cible soit mesurée et enregistrée avec un capteur physique. Celui-ci reste donc nécessaire en essai, comme référence au banc ou sur le véhicule d'essai, pour déterminer la relation et évaluer la précision du modèle. En série, le modèle prend ensuite sa place.
Un capteur virtuel ne remplace pas non plus une grandeur qui ne peut pas, par principe, être reconstruite à partir des canaux existants. Si l'information n'est pas contenue dans les signaux d'entrée, aucun modèle ne peut la restituer. L'évaluation sur une part de validation réservée, c'est-à-dire sur des données non utilisées pour l'entraînement, fournit un premier indice. Un mauvais résultat peut avoir plusieurs causes : trop peu de données, une plage de fonctionnement non couverte, ou des grandeurs d'entrée qui ne portent pas la relation. Étendre la base de données et la sélection des entrées permet de déterminer laquelle s'applique.
La décision d'autoriser un capteur virtuel à remplacer un point de mesure revient au service compétent, sur la base de sa propre validation et des normes applicables au produit.
Ce que Data Sensors apporte
Data Sensors couvre le chemin du fichier de mesure au code exploitable : chargement des données de mesure (CSV, MAT, MDF/MF4, TXT ou une trace CAN décodée), choix des canaux d'entrée et du signal cible, entraînement d'un modèle (random forest, XGBoost ou réseau de neurones, avec des hyperparamètres déterminés automatiquement) et export du résultat en code autonome.
Chaque capteur entraîné apparaît comme un signal distinct dans le panneau des signaux virtuels, séparé des canaux réels, et peut y être examiné directement par rapport à la mesure chargée. L'entraînement s'exécute entièrement sur votre machine : aucun envoi vers le cloud, aucun compte, aucun environnement Python distinct.
Pour aller plus loin
- Un capteur virtuel en trois étapes : le déroulement concret, du fichier de mesure au modèle exporté.
- Edge AI et souveraineté des données : pourquoi le modèle s'exécute dans le calculateur et pourquoi les données de mesure restent dans votre réseau.
- No Code : des capteurs virtuels sans Python, sans notebook et sans environnement ML dédié.
- Exemple de calcul : ce que représente un capteur supprimé à l'échelle d'une série.