汽车实现自动转向的一大挑战 -- 霍尔传感器

自动驾驶要求实现汽车基本功能的自动化，如行驶、转向、停车。TDK开发的HAL 39xy是一款用于检测转向角的霍尔传感器，而转向角的检测一直是汽车实现自动转向的一大挑战。这是一款全方位传感器，能够在单一芯片上提供四种传感模式，同时不受EV(电动汽车)的磁场干扰或系统电气化造成的干扰。除了转向检测外，该传感器还可以为各种其他汽车应用提供位置检测，包括踏板、阀门和变速杆的位置检测。

自动驾驶汽车转向的技术挑战

高性能3D霍尔传感器解决方案，在单个芯片上实现四种测量模式

自动驾驶汽车转向的技术挑战

为了让自动驾驶汽车融入生活，并进一步推进其发展，世界各地的汽车制造商都在积极地进行开发、合作和融资。许多国家已经开始着手实际试验并提供机器人出租车服务。然而，自动驾驶汽车仍然面临各种技术挑战。汽车有三大基本功能：行驶、转向、停车，其中通过转向系统实现的汽车转向需要较高的技术含量。

一般来说，汽车的转向系统是根据方向盘*1的转动来改变轮胎方向的机械装置。动力转向系统可以协助驾驶员，让轮胎轻巧地转动，这也是让汽车进行转向的重要功能。动力转向系统过去主要是液压系统，但近年来被电动助力转向(EPS*2)系统所取代，其主要的原因是后者的燃油效率更高。

电动助力转向系统的全球需求预测

来源：2017年10月13日，Yano Research Institute Ltd.发布的电动助力转向系统市场报告。注：基于EPS和EHPS系统的总出货量

全球范围内越来越多的汽车采用电动助力转向(EPS)系统。

EPS系统通过电动机提供动力，因此很容易对其进行电子控制，并且可以在无需驾驶员干预的情况下对车辆进行转向，非常适合未来的自动驾驶。检测转向角的传感器对实现这一操作至关重要。检测到的角度数据可应用于自动转向和电子稳定控制(ESC)系统等停车辅助系统，从而助力实现自动驾驶。

高性能3D霍尔传感器解决方案，在单个芯片上实现四种测量模式

出于安全、舒适和能效考虑，通常使用磁传感器对汽车进行位置检测(包括转向角检测)，磁传感器通过测量磁场的强度或变化来确定目标的位置或旋转。TDK提供HAL 39xy 3D霍尔传感器，该传感器符合ISO 26262自动驾驶车辆安全标准，具有出色的功能和灵活性。

3D霍尔传感器利用霍尔效应来测量x轴、y轴和z轴的磁场，从而检测线性运动以及磁场旋转。HAL 39xy是唯一一款能在单个芯片上提供以下四种测量模式的磁传感器：1.线性位置，2.旋转角度可达360°，3.旋转角度可达180°和4.3D测量。它不仅具有低功耗的特点，而且支持各种最新的数字接口*3，包括SENT/PSI5和Short PWM Code (SPC)，并且已被采用在自动驾驶汽车的转向角检测系统中。

传感器的另一个主要特点是其补偿杂散磁场*4的内置功能。随着汽车的计算机化和电气化程度越来越高，来自各种磁场的干扰已经成为一个日益突出的问题，但HAL 39xy用一项革命性的技术解决了这一难题：为传感器配备补偿功能。

此外，小巧轻便的HAL 39xy有望应用于线控转向系统的转向角检测等解决方案中。目前，线控转向系统正在进行实际应用开发，有望应用于高级自动驾驶。线控转向系统依靠电信号来实现转向，省去了驾驶员控制方向盘和轮胎转动之间的机械连接。此外，HAL 39xy还可以用于多种线控系统，从线控制动到线控换挡。

HAL 39xy的汽车应用示例

除了转向角检测外，HAL 39xy还可应用于车辆各处的位置检测，如踏板、阀门和变速杆的位置检测。

HAL 39xy是由TDK集团旗下公司TDK-Micronas开发的产品。TDK-Micronas总部位于德国西南部的弗莱堡。30多年来，TDK-Micronas一直是霍尔传感器开发、设计和制造方面的佼佼者，已为汽车和工业应用提供了50多亿个传感器。

产品营销经理Jens Schubert介绍了公司是如何成功开发HAL 39xy：“TDK-Micronas的一个关键优势是互补金属氧化物半导体(CMOS)技术，该技术目前是大规模集成(LSI)制造工艺的主流技术。这得益于我们30多年来积累的信号处理专业知识，以及独特生产设备的研发。”

3D霍尔传感器HAL 39xy是一款低功耗位置传感器，具有2D/3D检测功能，适合各种应用场景，包括踏板、阀门和变速杆的位置检测。有关详细信息，请访问产品中心。

智能化，从智能座舱到智能空间，随着电动化已经出现了，车上如果有20度以上的电，这个车已经可以成为生活空间了，和内燃机汽车不一样了。原来内燃机汽车是纯粹的交通工具，到了目的地肯定马上就下车，因为你不下车，发动机就得响着，否则就没电了，谁也不会在响着发动机的车里待两三个小时，受不了。发动机一断，电也没了，也没法待。

刚才孟为提到冰箱、彩电、大沙发，这些还是属于电动化的东西，其实真正的智能车还是要看自动驾驶的能力到底如何。

智能驾驶很重要，但是光把智能驾驶做好，好像还不够，汽车还是非常难做的一个木桶，有一块板落水就完蛋了，其他板再长都不行。

智能化即将成为汽车企业面临的第二个难题，是原来传统汽车行业不熟悉的芯片、人工智能，以及用户数据怎么能够快速迭代，它是OTA的迭代方式。

有可能通过明年的竞争以后，除了大吃小以外，还会出现快吃慢，所谓快吃慢就是OTA的频次，因为人工智能的产品不是开发好了以后慢慢迭代。传统汽车的开发，从最早36个月缩到18个月，有些企业可能是10个月，10个月以下再推车不实现了。通过OTA，利用用户数据，现在头部企业的OTA频次每月1.2-1.5次，意味着2个月左右就得有3次左右的迭代。

这对传统汽车企业的安全问题是一个巨大的挑战，因为这是我们不熟悉的一个领域。

在汽车智能化里，现在语言模型的应用非常普及。智能驾驶的目标是无人驾驶，现在NOA已经可以使用了，接管平均里程(MPI)，现在国内头部企业在高速上普遍已经接近300-400公里，这个车开上高速公路大概率是用不着接管的。

城市NOA今年是热点，全国都能跑的技术是无图，用重感知，抛弃了高精度地图。所以今年我们看到的NOA，第一个词是无图，因为抛弃了高精度地图以后，一旦推出，开城这个事没有了，全国都能跑，已经做到了。