Titel

Verfahren und Vorrichtung zum Bestimmen eines Zustandes einer Maschine

Die vorliegende Erfindung betrifft ein Verfahren zum Bestimmen eines Zustandes einer Maschine und Erkennen von Anomalien in ihren Komponenten. Die vorliegende Erfindung betrifft darüber hinaus eine entsprechende Vorrichtung, ein entsprechendes Computerprogramm sowie ein entsprechendes Speichermedium.

Stand der Technik

Während des Fährbetriebes eines Kraftfahrzeuges nach dem Stand der Technik werden alle abgasbeeinflussenden Systeme und weitere wichtige Steuergeräte, deren Daten durch ihre Software zugänglich sind, zum Zwecke der Borddiagnose {on-board diagnosis, OBD) überwacht. Einschlägige Verfahren umfassen beispielsweise elektrische Diagnosen wie die Erkennung von Kurzschlüssen nach Masse oder Batterie, Kabelbrüchen oder unplausiblen Spannungen zwischen bestimmten Leitungen ebenso wie Plausibilitätsprüfung, Abgleich und Gradienten-Überwachung unterschiedlichster von Sensoren gelieferter Messsignale.

Auf diesem Weg erkannte Fehler werden dem Fahrer über eine Kontrollleuchte angezeigt und im jeweiligen Steuergerät dauerhaft gespeichert, sodass sie später durch eine Fachwerkstatt über genormte Schnittstellen abgefragt werden können.

DE102013200573A1 beispielsweise betrifft ein Verfahren und eine zugehörige Vorrichtung zur aktiven Diagnose von Komponenten einer Abgasreinigungsanlage einer Brennkraftmaschine, welche mindestens einen Katalysator aufweist, mit einer vor dem Katalysator angeordneten ersten Abgassonde und einer hinter dem Katalysator angeordneten zweiten Abgassonde, wobei während einer Vorkonditionierung mit einem Luft- Kraftst off - Gemisch mit einem fetten Luft- Kraftstoff- Verhältnis und in einer anschließenden Messphase mit einem mageren Luft- Kraftstoff- Verhältnis betrieben wird und wobei eine Sauerstoff-Speicherfähigkeit des Katalysators aus einem integrierten Sauerstoffeintrag in den Katalysator während der Messphase bis zum Nachweis eines mageren Luft- Kraftstoff- Verhältnisses an der zweiten Abgassonde bestimmt wird oder wobei zur Bestimmung der Sauerstoff-Speicherfähigkeit die Brennkraftmaschine während der Vorkonditionierung mit einem mageren Luft- Kraftstoff-Verhältnis betrieben und in der anschließenden Messphase mit einem fetten Luft- Kraftstoff- Verhältnis betrieben wird und wobei die Sauerstoff- Speicherfähigkeit aus einem integrierten Sauerstoffaustrag aus dem Katalysator während der Messphase bis zum Nachweis eines fetten Luft- Kraftst off - Verhältnisses an der zweiten Abgassonde bestimmt wird.

Offenbarung der Erfindung

Die Erfindung stellt ein Verfahren zum Bestimmen eines Zustandes einer Maschine, eine entsprechende Vorrichtung, ein entsprechendes Computerprogramm sowie ein entsprechendes Speichermedium gemäß den unabhängigen Ansprüchen bereit.

Der erfindungsgemäße Ansatz fußt auf der Erkenntnis, dass Diagnosesysteme nach dem Stand der Technik typischerweise nicht in der Lage sind, Komponenten, die nicht abgasrelevant sind oder entsprechende Sensoren besitzen, zu überwachen. Die Erkennung von Anomalien an den Komponenten und eine Vorhersage von Komponentenausfällen ist nicht ohne weiteres möglich, da gattungsmäßige Diagnosesysteme in der Regel lediglich dazu ausgelegt sind, bereits eingetretene Fehler zu erkennen. Die Vorhersage von Fehlern indes zählt nicht zum Funktionsumfang derartiger Diagnosesysteme. Hinzu kommt, dass Messgrößen, deren zeitlicher Verlauf auf Anomalien und auf zukünftige Fehler hinweisen könnte, nicht oder allenfalls anhand akkumulierter Werte aufgezeichnet werden, sodass keine historische Datenbasis für eine solche fahrzeuginterne Fehlervorhersage vorliegt. Ein Grundgedanke der vorgeschlagenen Lösung besteht vor diesem Hintergrund darin, herkömmlicherweise nicht oder nur reduziert überwachte Maschinenkomponenten - z. B. Motor- oder anderweitige Antriebskomponenten - mit Hilfe von Körperschall- oder Piezo-Sensoren zu überwachen, um u. a. mechanische Ausfälle durch Risse am Material oder Lagerverschleiß an einer Pumpe, das vollständige Versagen einzelner Komponenten oder Erreichen anderer Eingriffsschwellen zu ermitteln und vorherzusagen.

Zu diesem Zweck können die solchermaßen erfassten Sensor-Signale in einer Recheneinheit wie einem zentralen Fahrzeugsteuergerät ( vehicle control unit, VCU) oder einer anderweitigen elektronischen Steuereinheit ( electronic control unit, ECU) im Fahrzeug überwacht und für die weitere Verarbeitung vorbereitet werden, indem mit einem geeigneten Algorithmus errechnet wird. Die Signale können in der Recheneinheit oder elektronischen Steuereinheit in Form von transiente Signale, Diagnosemerkmale bzw. statistische Features oder Ihre Frequenzen bzw. als Spektogramm oder Spektralbändern verwendet bzw. für die weitere Analyse vorbereitet werden. Die Daten und Merkmale aus dem Signal können mit Hilfe maschinellen Lernens ( machine learning) - etwa mittels künstlicher neuronaler Netze - oder auf Basis von Daten- und physikalischen Modellen mit dem Ziel ausgewertet werden, den aktuellen Zustand der überwachten Komponente, Anomalien in den Überwachten Komponenten zu detektieren, deren verbleibende Lebensdauer oder den erwarteten Zeitpunkt vorherzusagen, an dem ihre Funktionsminderung für den Fahrer wahrnehmbar wird.

Für intensive Berechnungen können die Signale der Sensoren in Form geeigneter Daten über eine Telematik-Einheit des Fahrzeugs oder ein Handy in die Cloud gesendet werden und die Merkmalsextraktion kann in der Cloud erfolgen.

Auf diese Weise können unvorhersehbare Ausfälle sowie ungeplante Werkstattbesuche oder sogar Autopannen vermieden werden. Dies wiederum steigert den Komfort des Fahrzeugführers und etwaiger Fahrgäste. Die erfindungsgemäß ermöglichte gezielte Erkennung der Anomalie oder defekten Komponente und Fehlerart erhöht die Planbarkeit etwaiger Werkstattaufenthalte und spart ggf. Zeit bei der Fehlersuche in der Werkstatt oder beim Erstausrüster ( original equipment manufacturer, OEM).

Ein Vorzug der erfindungsgemäßen Zustandsüberwachung ( monitoring ) von Motorkomponenten und Systemen liegt somit in der eröffneten Möglichkeit zur Erkennung oder gar Prognose von Defekten und Verschleißerscheinungen sowie deren Lokalisierung {pinpointing ). Einschlägige Informationen können mittels Web-Services und anderweitiger Cloud-Lösungen über die Luftschnittstelle ( over the air) bereitgestellt werden. Eine OBD-Schnittstelle ist hierzu nicht zwingend erforderlich.

Durch die in den abhängigen Ansprüchen aufgeführten Maßnahmen sind vorteilhafte Weiterbildungen und Verbesserungen des im unabhängigen Anspruch angegebenen Grundgedankens möglich.

Kurze Beschreibung der Zeichnungen

Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigt:

Figur 1 das Flussdiagramm eines Verfahrens gemäß einer ersten Ausführungsform.

Figur 2 schematisch ein Steuergerät gemäß einer zweiten Ausführungsform. Ausführungsformen der Erfindung

Figur 1 illustriert den grundlegenden Ablauf eines erfindungsgemäßen Verfahrens (10). Um den Zustand (20) von Komponenten einer Maschine (11) zu messen, werden demnach Körperschallsensoren (12) wie Schwinggeschwindigkeitsaufnehmer, Schwingwegaufnehmer oder Schwingbeschleunigungsaufnehmer verwendet. Piezokeramiken sind hierzu besonders geeignet. In Betracht kommen insbesondere die in herkömmlichen Fahrzeugen ohnehin vorgesehenen Bord-Sensoren, im Falle von Benzinmotoren etwa der im Motorblock bzw. Kurbelgehäuse eingebaute Klopfsensor (24) oder im Falle on CRI2- oder CRI3-Dieselmotoren die auf den Injektoren verbauten Nadelschließsensoren ( needle closing sensors, NCS; 25). Es können ein oder mehrere Körperschallsensoren (12) bzw. ein oder mehrere Piezo-Sensoren (13) verwendet oder aus der ECU oder anderweitigen Komponente kommende Signale genutzt werden, um die Qualität der Vorhersage (21) und Analysequalität zu erhöhen.

Die Sensoren (12) messen den Körperschall, also ein mechanisches Schwingen, und wandeln dieses in elektrische Spannung um. Das resultierende Spannungssignal (15) kann je nach Anwendungsfall elektrisch verstärkt oder über Analogfilter vorverarbeitet werden. Zur digitalen Weiterverarbeitung wird das Signal (15) in einen digitalen Datenstrom gewandelt.

Der digitale Datenstrom wird in einer Recheneinheit (16) im Fahrzeug verarbeitet. Zur Verarbeitung und Analyse kommen verschieden Methoden und Algorithmen zum Einsatz. Das durch die Daten repräsentierte Signal (15) kann beispielsweise auf Zeit- und Frequenzebene auf Vorliegen bestimmter Frequenzen und Bereichen/Abschnitte oder Überschreitung bestimmter Schwellwerte hin analysiert werden. Die auf diesem Wege extrahierten Daten und/oder Merkmale (17) können schließlich als Eingabe für physikalische oder durch maschinelles Lernen (18) gebildete statistische Modelle (19) dienen.

Angesichts der begrenzten Rechenleistung der Recheneinheiten (16) an Bord konventioneller Fahrzeuge können rechenintensivere Analysen ausgelagert werden. Hierzu werden die extrahierten Daten und/oder Merkmale (17) vorzugsweise paketorientiert über eine Sendeeinheit (22) in Gestalt einer Kommunikationsschnittstelle {Connectivity control unit, CCU) oder Telematik- Einheit ( telematics unit, TCU) an einen externen Rechner beispielsweise in der Cloud (23) gesendet. Auf dem Server werden die Merkmalsdaten (17) sodann gespeichert und können mit weiteren Flottendaten kombiniert sowie zur weiteren Verarbeitung vorbereitet werden. Die Daten und/oder Merkmale (17) werden in der Cloud (23) hierzu beispielsweise durch auf maschinellem Lernen (18) beruhende Methoden im Hinblick auf mögliche Fehlerfälle der Maschine (11) ausgewertet, um eine diesbezügliche Vorhersage (21) zu treffen. Das beschriebene Zusammenführen der in unterschiedlichen Fahrzeugen einer Flotte gewonnenen Merkmalsdaten (17) verbessert die im Rahmen des Verfahrens (10) genutzten Modelle (19), erfordert aber externe Rechner z. B. in der Cloud (23).

Dabei kommt eine Vielzahl einschlägiger Modelle (19) und Algorithmen in Betracht. Typischerweise wird für jeden vorherzusagenden Zustand (20) ein eigenes Modell (19) verwendet. In Einzelfällen mag ein einzelnes Modell (19) gleichwohl zur Vorhersage (21) mehrerer Komponentenausfälle herangezogen werden.

Dieses Vorgehen sei an einem konkreten Beispiel verdeutlicht: Der NCS (25) eines CRS3- Injektors etwa überwacht (14) an einem - bezüglich des oberen Totpunkts des betreffenden Zylinders definierten - Punkt des Verbrennungszyklus über eine definierte Zeitspanne von z. B. 400 ms. Die durch die ECU (16) extrahierten Merkmale (17) des abgetasteten Signales (15) werden an die VCU (22) übertragen und z. B. durch einen Encoder komprimiert gespeichert. In der ECU (16) oder VCU (22) können das Signal (15) oder dessen Merkmale (17) bereits plausibilisiert und auf Gültigkeit geprüft werden, sodass nur zulässige Signale (15) weiterverarbeitet werden. Diese Überwachung (14), Übertragung, Komprimierung und Speicherung erfolgt über die Dauer des Fahrzyklus in definierten Zeitabständen und nur, wenn sich das Fahrzeug in einem definierten Zustand befindet, z. B. nur in Schubphasen. Es werden so viele Merkmale (17) gesammelt, bis eine vorgegebene Datenmenge erreicht ist. Anschließend werden die Merkmale (17) in die Cloud (23) übermittelt.

In der Cloud (23) werden die Merkmalsdaten (17) dekomprimiert und in einer Datenbank mit Bestandsdaten zusammengeführt. Anschließend werden Vorhersagemodelle (19) auf die neue Datenbasis angewandt und neue Vorhersagen (21) getroffen. Hierzu werden die Merkmalsdaten (17) zwecks Anomalie-Erkennung durch ein neuronales Faltungsnetz {convolutional neural network) propagiert. Als untersuchte Parameter dienen beispielsweise Frequenz und Amplitude. Zur Verbesserung des Modells (19) werden zusätzlich weitere Messgrößen vom Fahrzeug übermittelt. Zu denken ist etwa an Kühlwassertemperatur, Rail-Druck und Umgebungstemperatur. Das im vorliegenden Anwendungsbeispiel als Modell (19) eingesetzte CNN klassifiziert das zugrundeliegende Signal (15) anhand der an seinem Eingang anliegenden Merkmalsdaten (17) als normal oder anormal. Wird über eine bestimmte Anzahl an Messungen auf diesem Wege eine Anomalie detektiert, so lässt sich mittels eines weiteren Algorithmus die Restreichweite berechnen. Diese Information kann dem Fahrzeugführer oder -halter übermittelt oder anderweitig bereitgestellt werden.

Dieses Verfahren (10) kann beispielsweise in Software oder Hardware oder in einer Mischform aus Software und Hardware beispielsweise in einem

Steuergerät (30) implementiert sein, wie die schematische Darstellung der Figur 2 verdeutlicht.