Die Erfindung betrifft ein Verfahren zur Diagnose und Klassifikation von Fehlern einer Brennkraftmaschine und/oder ihrer Teilsysteme, wobei zumindest ein Informationen über die Brennkraftmaschine und/oder ihrer Teilsysteme enthaltendes Messsignal aufgezeichnet wird und zumindest ein Symptom für einen Fehler aus der Abweichung zwischen einem aus dem Messsignal gewonnenen Merkmal und einem Referenzwert für dieses Merkmal ermittelt wird.
Die zunehmende Komplexität moderner Brennkraftmaschinen und gestiegene Anforderungen an die Diagnose verlangen nach zuverlässigen und robusten Diagnoseverfahren, sowohl im laufenden Motorbetrieb als auch bei nachträglicher Auswertung von im Betrieb gewonnenen Messdaten.
Im Bereich der stationären und Schiffs-Grossmotoren wird dieser Bedarf durch sehr hohe Reparatur- und Betriebskosten und zunehmenden Mangel an qualifiziertem Servicepersonal verstärkt. Derzeit werden bei Brennkraftmaschinen verschiedene Methoden zur Erkennung von Fehlerzuständen angewendet, angefangen von einfachen Grenzwertüberwachungen oder Plausibilitätsprüfungen bis hin zu fortgeschrittenen Verfahren wie Parameterschätzung, Paritätsraumverfahren oder Zustandsschätzung (siehe z.B. R. Isermann, "Modellgestützte Steuerung, Regelung und Diagnose von Verbrennungsmotoren", Springer Verlag, 2003). Diesen Verfahren gemeinsam ist das Problem, dass aus der Analyse einzelner Signale oder der Schätzung einzelner Parameter nicht einfach auf Fehlerzustände geschlossen werden kann.
Solche bisher bekannten Diagnoseverfahren leiden unter dem Mangel, dass viele Fehler sich durch ähnliche Symptome äussern und dass einzelne fehlende oder unplausible Signale oft dazu führen, dass keinerlei Diagnose mehr möglich ist.
Die EP 0 398 481 Bl offenbart deshalb ein auf einem trainierbaren Mustererkennungssystem (etwa auf einem neuronalen Netzwerk) basierendes Diagnoseverfahren. Das Verfahren benötigt aber eine Reihe von Motorbetriebstests auf einem Testmotor, um Daten zu generieren, die für ein Training des Mustererkennungssystems benutzt werden. Insbesondere muss dieses Mustererkennungsverfahren auch an echten Fehlerzuständen eines Motors trainiert werden.
Dieses Vorgehen ist insbesondere dann nicht möglich, wenn die Präparation eines Motors mit definierten Fehlerzuständen nur mit unverhältnismässig hohen Kosten oder Risiken verbunden ist, wie zum Beispiel im Bereich der stationären und Schiffs-Grossmotoren.
Aufgabe der Erfindung ist es, diese Nachteile zu vermeiden und ein Verfahren zu entwickeln, mit welchem mit möglichst geringem Aufwand Fehler bei einer Brennkraftmaschine diagnostiziert und klassifiziert werden können.
Erfindungsgemäss erfolgt dies dadurch, dass zumindest ein Ausprägungsgrad des Fehlers aus der Kombination mehrerer Symptome berechnet wird.
Das erfindungsgemässe Verfahren ist in der Lage, aus Messdaten:
- für einen oder mehrere Fehler einer Brennkraftmaschine oder eines Teilsystems einer Brennkraftmaschine das Vorliegen dieses Fehlers zu diagnostizieren
- für die oben genannten Fehler einen Schweregrad oder Ausprägungsgrad zu bestimmen
- aus mehreren möglichen Fehlern und gegebenenfalls deren Schweregrad einen Gesamtzustand der Brennkraftmaschine und/oder eines oder mehrerer seiner Teilsysteme (z.B.
Zylinder, Aufladegruppe, etc.) zu bestimmen
- auch bei Fehlen und/oder Unplausibilität eines oder mehrerer Messsignale noch Aussagen über zumindest einige mögliche Fehler machen zu können.
Hierbei ist das erfindungsgemässe Verfahren so flexibel, dass:
- sowohl eine Erweiterung auf neue Fehler und/oder neue Messsignale als auch eine Verbindung zwischen empirischem Expertenwissen und funktioneilen Kenntnissen möglich ist;
- trotz der gegenseitigen Beeinflussung der Fehler eine Isolation und Bewertung einzelner Fehler möglich ist.
Vorzugsweise ist dabei vorgesehen, dass der Gesamtzustand der Brennkraftmaschine und/oder ihrer Teilsysteme aus den Fehlern und deren Ausprägungsgraden bestimmt und klassifiziert wird.
Eine einfache Fehlererkennung ist möglich, wenn jeder Fehler anhand einer Fehler-Symptom-Tabelle identifiziert wird, wobei die Fehler-Symptom-Tabelle für jedes aus den Abweichungen gewonnene Symptom und für jeden Fehler, auf den die Brennkraftmaschine und/oder ihrer Teilsysteme untersucht wird, den Zusammenhang zwischen Symptom und Fehler enthält.
In weiterer Ausführung der Erfindung ist vorgesehen, dass für jeden Fehler und für jedes für diesen Fehler relevante Symptom eine Fehlerteilwahrscheinlichkeitsfunktion FW definiert wird,
mit welcher abhängig von der Grösse des Symptoms eine Wahrscheinlichkeit berechnet wird, mit welcher das Symptom zum Fehler beiträgt, wobei vorzugsweise die Fehler anhand der Fehlerwahrscheinlichkeit W», berechnet als die Summe aller Fehlerteilwahrscheinlichkeiten W»knor miert auf die Summe aller Maxima Aikder Fehlerteilwahrscheinlichkeitsfunktionen:
<EMI ID=3.1>
(1) detektiert werden.
Eine einfache Ausführung der Erfindung sieht vor, dass die Fehlerteilwahrscheinlichkeitsfunktion FW eine einfache Rampe ist, die vom Wert Null zu der Amplitude Auim bestimmten Bereich der Symptomgrösse linear ansteigt.
Eine besonders detaillierte Fehlerdiagnose lässt sich erreichen, wenn zumindest zwei unterschiedliche Ausprägungsgrade zumindest eines Fehlers erkannt werden können.
Um eine Verfälschung des Messergebnisses zu vermeiden, ist vorgesehen, dass jene Symptome, die aufgrund von nicht vorhandenen und/oder unplausiblen Messwerten nicht berechnet werden können, bei der Erkennung von Fehlern verworfen werden, und dass ein Fehler als nicht erkennbar klassifiziert wird, wenn das Gewicht aller nicht berechenbarer Symptome grösser als ein definierter Schwellenwert wird, wobei vorzugsweise das Gewicht Pj aller nicht berechneter Symptome als die Summe der Maxima A,
kaller entsprechenden Fehlerteilwahrscheinlichkeitsfunktionen FW normiert auf die Summe aller Maxima Alk:
<EMI ID=3.2>
(3) berechnet wird. Darüber hinaus ist es vorteilhaft, wenn eine Grösse Gz, die den Gesamtzustand jedes einzelnen Teilsystems der Brennkraftmaschine abbildet durch die Formel
<EMI ID=3.3>
(4) berechnet wird, wobei K[iota] ein Wichtungsfaktor ist, der die Wichtigkeit des Fehlers "i" für Zustand des Teilsystems "z" widerspiegelt, die Grösse Wlzdie gesamte Wahrscheinlichkeit des ersten Ausprägungsgrades des Fehlers "i" im Teilsystem "z", und die Funktion H(x) eine Filterfunktion ist, die sicherstellt, dass der Fehler erst dann berücksichtigt wird wenn er als "wahrscheinlich" eingestuft wurde, und dass der Zustand des Teilsystems als "fehlerhaft" definiert wird,
wenn die Grösse Gzgrösser als ein definierter Schwellenwert Gsist.
Der Gesamtzustand der Brennkraftmaschine lässt sich aus dem Zustand der Teilsysteme der Brennkraftmaschine ermittein. Um die Aussagekraft des Verfahrens weiter zu steigern, ist es besonders vorteilhaft, wenn ein Gesamtzustand der Brennkraftmaschine und/oder seiner Teilsysteme als nicht bewertbar klassifiziert wird, wenn das Gewicht der nicht erkennbaren Fehler grösser als ein Schwellenwert ist.
Die Erfindung wird im Folgenden anhand der Figuren näher erläutert.
Es zeigen:
Fig. 1 ein Beispiel für eine Fehler-Symptom-Tabelle
Fig. 2 ein Beispiel für eine Fehlerteilwahrscheinlichkeitsfunktion FW;
Fig. 3 einen Ablaufplan für die Klassifikation eines einzelnen Fehlers für den zwei Ausprägungsgraden berechnet werden;
Fig. 4 ein Beispiel für einen Ablaufplan für die Klassifikation des Gesamtzustandes der Brennkraftmaschine oder eines Teilsystems
Fig. 5 ein Beispiel für Filterfunktion, die bei Berechnung des Gesamtzustandes der einzelnen Teilsysteme des Motors benutzt wird;
Fig. 6 einen Ablaufplan für die Klassifikation des Gesamtzustandes des Motors.
Bei dem erfindungsgemässen Verfahren werden zunächst, basierend auf Expertenwissen, experimentellen und theoretischen Untersuchungen und Simulationen mathematischer Modelle, die Merkmale (z.B. Messsignale) identifiziert, die besonders stark auf die festzustellenden Fehler reagieren. Die Symptome Sl, S2, S3,...Sn, d.h. die fehlerbedingten Abweichungen dieser Merkmale von zugehörigen Referenzwerten, bilden die Grundlage für die nachfolgende Fehlerdiagnose.
Dabei sind die Referenzwerte entweder Nominalwerte, welche an einem nicht fehlerhaften Motor gemessen wurden, oder Modellwerte aus mathematischen Simulationen des normalen Prozesses, oder - für Brennkraftmaschinen mit meh reren Zylindern - die Mittelwerte oder Medianwerte der Messsignale über alle Zylinder.
In einer ersten, besonders einfachen Ausführungsform des Verfahrens werden die Fehler Fl, F2, F3,...Fm anhand einer Fehler-Symptom-Tabelle identifiziert, für die in Fig. 1 ein Beispiel gezeigt ist. Diese Tabelle enthält für jedes aus den Merkmalen gewonnene Symptom Sl, S2, S3,...Sn und alle Fehler Fl, F2, F3,...Fm, auf die die Brennkraftmaschine und/oder seine Teilsysteme untersucht werden, den Zusammenhang zwischen Symptom und Fehler.
Dabei bedeuten:
x kein Zusammenhang zwischen Fehler und Symptom, d.h. ob ein Fehler vorliegt ist unabhängig von der Abweichung zwischen dem aktuellen Wert des Merkmals und dem Referenzwert
+ die Differenz zwischen dem aktuellen Wert des Merkmals M und dem Referenzwert R ist grösser als ein erster Schwellenwert Ql für positive Abweichungen (M - R > Ql);
- die Differenz zwischen dem Referenzwert R und dem aktuellen Wert des Merkmals M ist grösser als ein zweiter Schwellenwert Q2 für negative Abweichungen (R - M > Q2);
0 die Differenz zwischen dem aktuellen Wert des Merkmals M und dem Referenzwert R ist kleiner oder gleich dem ersten Schwellenwert Ql für positive Abweichungen und die Differenz zwischen dem Referenzwert R und dem aktuellen Wert des Merkmals M ist kleiner oder gleich dem zweiten Schwellenwert Q2 für negative Abweichungen (R - Q2 <= M <= R + Ql).
Für jeden vom erfindungsgemässen Verfahren erkennbaren Fehler Fl, F2, F3,...Fm wird nun berechnet, ob die Symptome Sl, S2, S3,...Sn den Bedingungen der Fehler-Symptom-Tabelle entsprechen. Entsprechen alle oder zumindest ein grosser Teil der Symptome diesen Bedingungen, erkennt das Verfahren den Fehler als vorhanden.
Für das Beispiel aus Fig. 1 bedeutet dies anschaulich: Wenn der Betrag von Symptom Sl und Symptom Sn klein ist und Symptom S2 deutlich negativ ist, wird der Fehler Fl erkannt, unabhängig vom Wert von Symptom S3.
Eine vorteilhafte Weiterbildung dieses Verfahrens bestimmt zumindest für einige Fehler mehr als einen Ausprägungsgrad. So kann zum Beispiel ein erster Ausprägungsrad eines Fehlers als Zustand "fehlerhaft" oder "gelb" und ein zweiter Ausprägungsrad des gleichen Fehlers als Zustand "kritisch" oder "rot" bestimmt werden. In dieser Weiterbildung wird für jeden Ausprägungsgrad der Fehler eine eigene Fehler-Symptom-Tabelle - ähnlich der Fig. 1 - mit eigenen Schwellwerten benötigt. Besonders vorteilhaft ist es dabei, wenn für den zweiten Ausprägungsgrad der Fehler die Schwellwerte grösser sind als für den ersten Ausprägungsgrad der Fehler.
So wird der zweite Ausprägungsgrad eines Fehlers bei grösseren Abweichungen zwischen Merkmal und Referenzwert erreicht als der erste Ausprägungsgrad.
In einer zweiten Ausführungsform des erf[iota]ndungsgemässen Verfahrens wird statt der einfachen aber starren Fehler-Symptom-Tabelle aus den Symptomen eine Wahrscheinlichkeit für einen Fehler berechnet. Hierzu wird für jeden Fehler, dessen Nummer mit dem Index i bezeichnet sei und für jedes für diesen Fehler relevante Symptom, dessen Index mit j bezeichnet sei, eine Fehlerteilwahrscheinlichkeitsfunktion FW definiert. Mit dieser Fehlerteilwahrscheinlichkeitsfunktion FW, für die ein Beispiel in Fig. 2 gezeigt ist, wird für jeden Fehler i abhängig von der Grösse des Symptoms Sjeine Wahrscheinlichkeit Wy berechnet, mit welcher das Symptom Sjzum Fehler i beiträgt.
Hierdurch wird dem Umstand Rechnung getragen, dass ein Fehler auch dann auftreten kann, wenn mehrere Merkmale jeweils eine mittelgrosse Abweichung von ihren jeweiligen Referenzwerten haben. Mit dieser Massnahme wird die Empfindlichkeit der Diagnoseergebnisse gegenüber Messungenauigkeiten und Rauschen reduziert.
Der Wert der Fehlerteilwahrscheinlichkeitsfunktion FW ist dabei stets grösser oder gleich Null, das Maximum dieser Funktion sei mit Aijbenannt. Die Amplitude Ayentspricht der Wichtigkeit des Symptoms S1für die Erkennung des Fehlers "i". Je eindeutiger der Zusammenhang zwischen dem Fehler "i" und dem Symptom "j" ist, desto grösser ist die Amplitude Ayin Vergleich zu anderen Amplituden A(k, (k=l..n).
Die Grösse Aywird auf Basis des Expertenwissens und/oder Simulation des Prozessmodels festgelegt.
In einer besonders vorteilhaften Ausführung, welche in Fig. 2 dargestellt ist, ist die Fehlerteilwahrscheinlichkeitsfunktion FW eine einfache Rampe, die vom Wert Null zu der Amplitude Ay im Bereich der Symptomgrösse von Vjbis Ujlinear ansteigt.
In einem zweiten Schritt wird dann die gesamte Wahrscheinlichkeit W, des Fehlers "i" berechnet, indem die Fehlerteilwahrscheinlichkeiten für alle Symptome W,k(k=l..n), normiert auf die Summe aller Amplituden A.k, summiert werden:
<EMI ID=6.1>
(1) Wenn einige der erforderlichen Messdaten nicht vorhanden oder nicht plausibel sind, so dass es nicht möglich ist, ein Symptom Skzu ermitteln, werden für alle Fehler "i" die Wahrscheinlichkeiten Wikin Summe (1) auf Null gesetzt.
Auch in dieser zweiten Ausführungsform des erfindungsgemässen Verfahrens besteht eine vorteilhafte Weiterbildung darin, unterschiedliche Ausprägungsgrade der Fehler zu berücksichtigen. Hierbei werden dann für jeden Ausprägungsgrad der Fehler, z.B. einen ersten Ausprägungsgrad "gelb" und einen zweiten Ausprägungsgrad "rot", getrennte Fehlerteilwahrscheinlichkeitsfunktionen definiert. Entsprechend dem oben eingeführten Wert Wusei dabei der Wert der zweiten Fehlerteilwahrscheinlichkeitsfunktion für den zweiten Ausprägungsgrad der Fehler mit Ey bezeichnet.
Das Maximum der zweiten Fehlerteilwahrscheinlichkeitsfunktion Ey sei mit By bezeichnet. Besonders vorteilhaft ist es dabei, wenn bei gleicher Grösse des Symptoms Sjder Wert der zweiten Fehlerteilwahrscheinlichkeitsfunktion Ey stets kleiner oder gleich dem Wert der ersten Fehlerteilwahrscheinlichkeitsfuntkion Wy ist.
Somit wird der zweite Ausprägungsgrad des Fehlers bei grösseren Abweichungen zwischen Merkmal und Referenzwert erkannt als der erste Ausprägungsgrad.
Analog wird wieder die gesamte Wahrscheinlichkeit E, des zweiten Ausprägungsgrades des Fehlers "i" als Summe von allen E»k(k=l..n), normiert auf die Summe aller Amplituden B»kder zweiten Fehlerteilwahrscheinlichkeitsfunktionen, berechnet:
<EMI ID=7.1>
Genau wie bei den ersten Fehlerwahrscheinlichkeiten werden die Grössen Eikin Summe (2) auf Null gesetzt wenn einige Symptome Skwegen nicht vorhanden oder nicht plausiblen Messdaten nicht zu bestimmen sind.
Für den Fachmann ist es leicht zu erkennen, dass mit dem oben beschriebenen Schema noch weitere Ausprägungsgrade der Fehler berechnet werden können.
Eine weitere vorteilhafte Weiterentwicklung des erfindungsgemässen Verfahrens klassifiziert die einzelnen erkennbaren Fehler nun nach einer oder mehreren Fehlerklassen. Besonders einfach kann hier vorgegangen werden, wenn ein Fehler i dann als vorhanden klassifiziert wird, wenn seine Wahrscheinlichkeit W, grösser als ein Schwellwert Wsist. Noch vorteilhafter ist es jedoch, bei mehreren Ausprägungsgraden die Fehler nach mehreren Klassen zu klassifizieren.
Fig. 3 stellt beispielhaft dar, wie ein Fehler, der in zwei Ausprägungsgraden vorhanden sein kann, in 4 Klassen AI, A2, A3, A4 eingeordnet wird. Diese 4 Klassen können z.B. sein: Al-"gefährlich" bzw. "rot", A2-"wahrscheinlich" bzw. "gelb", A3-"nicht erkennbar" bzw. "grau" und A4-"unwahrscheinlich" bzw. "grün".
Der Klassifikationsprozess beginnt (Beginn bei "0") mit der Berechnung der Wahrscheinlichkeit Wi für den ersten Ausprägungsgrad des Fehlers (Schritt 21) und der Berechnung der Wahrscheinlichkeit Etfür den zweiten Ausprägungsgrad des Fehlers, (Schritt 22). Danach wird in Schritt 23 die Wahrscheinlichkeit E, für den zweiten Ausprägungsgrad des Fehlers, mit einem zweiten Schwellenwert Es(beispielsweise Es= 0,9) verglichen. Liegt Ei höher als ES(Y), so wird der Fehler "i" als "gefährlich" eingestuft (AI).
Wenn das nicht der Fall ist, dann wird in Schritt 24 geprüft, ob die Wahrscheinlichkeit W, für den ersten Ausprägungsgrad des Fehlers grösser ist als ein erster Schwellenwert Ws(zum Beispiel Ws= 0,7). Wenn Wi > Wsist, dann wird der Fehler "i" als "wahrscheinlich" klassifiziert (A2). Andernfalls, wird beurteilt, ob der Wert von Wi möglicherweise aufgrund von fehlenden oder nicht plausiblen Messdaten (bezeichnet als ,np'-Daten) klein ist. Dafür wird in Schritt 25 das Gewicht Pi aller nicht berechneter Symptome als die normierte Summe aller entsprechenden Amplituden Aikbestimmt:
<EMI ID=8.1>
Wenn der Wert von P, grösser ist als ein vordefinierter Schwellenwert Ps(zum Beispiel Ps= 0,6), bedeutet das, dass der Fehler "i" anhand von vorhandenen Messdaten weder erkannt noch ausgeschlossen werden kann.
In diesem Fall wird der Fehler "i" als "nicht erkennbar" (A3) klassifiziert (Schritt 26 in Fig. 3). Wenn keine der vorherigen Überprüfungen in den Schritten 23 bis 26 ein positives Ergebnis hat, wird der Fehler als "unwahrscheinlich" (A4) klassifiziert. Mit "1" ist das Ende des ersten Prozesses bezeichnet.
Für den Fachmann ist leicht erkennbar, wie das oben beschriebene Verfahren auf noch weitere Ausprägungsgrade von Fehlern und/oder weitere Klassen ausgedehnt werden kann.
Der letzte Schritt des erfindungsgemässen Verfahrens berechnet aus einzelnen Fehlern, die in einer oder mehrenden Ausprägungsgraden und/oder Klassen auftreten können, einen Gesamtzustand der Brennkraftmaschine und/oder eines oder mehrerer seiner Teilsysteme.
Für den besonders relevanten Fall, dass die einzelnen Fehler nach den Klassen "gefährlich" (AI), "wahrscheinlich" (A2), "nicht erkennbar" (A3) und "unwahrscheinlich" (A4) klassifiziert wurden, stellt Fig. 4 den Ablaufplan für die Klassifikation eines Teilsystems oder der gesamten Brennkraftmaschine dar. Solch ein Teilsystem kann z.B. ein Zylinder einer Brennkraftmaschine sein. In der folgenden Erklärung wird nur auf ein Teilsystem "z" des Motors Bezug genommen, wobei das Teilsystem aber auch der gesamte Motor sein kann.
In einem ersten Schritt (31) wird in Abfrage VI überprüft, ob zumindest einer der Fehler des Teilsystems als "gefährlich" (AI) klassifiziert wurde. In diesem Fall (Y) wird das gesamte Teilsystem als "kritisch" (Bl) klassifiziert.
Ist das Ergebnis dieser Prüfung negativ (N), wird in einem zweiten Schritt (32) eine Grösse Gzberechnet, die den Gesamtzustand des Teilsystems "z" abbildet:
<EMI ID=9.1>
(4)
Dabei ist K, ein Wichtungsfaktor, der die Wichtigkeit des Fehlers "i" für den Zustand des Teilsystems "z" widerspiegelt. Die Grösse von Ki wird anhand von Expertenwissen und/oder Simulation des Prozessmodels festgelegt. Die Grösse Wizist die gesamte Wahrscheinlichkeit W» des ersten Ausprägungsgrades des Fehlers "i" im Teilsystem "z". Die Funktion H(x) ist eine Filterfunktion, die sicherstellt, dass der Fehler erst dann berücksichtigt wird, wenn er als "wahrscheinlich" eingestuft wurde (d.h. erst wenn W» > Ws), und dass der Fehler erst dann yoN berücksichtigt wird wenn die Fehlerwahrscheinlichkeit gross genug ist (z.B. Wi > 0,9). Ein Beispiel für eine Filterfunktion H ist in Fig. 5 gezeigt.
Wenn der Fehler "I" als "nicht erkennbar" bewertet wurde, dann wird er nicht in Gzeinberechnet: H(W,Z) = 0.
In Schritt 33 in Fig. 4 wird die Grösse Gzmit einem vordefiniertem Schwellenwert Gs(beispielsweise Gs= 0,7) verglichen. Liegt Gzhöher als Gs, so wird der Zustand des Teilsystems "z" als "fehlerhaft" (B2) definiert. Wenn das nicht der Fall ist, dann wird beurteilt, ob der Wert von Gzaufgrund von eventuell vorhandenen nicht erkennbaren Fehlern klein ist. Dafür wird das Gewicht X, von nicht erkennbaren (,ne') Fehlern in Schritt 34 als die normierte Summe aller entsprechenden Gewichte K[iota] berechnet:
<EMI ID=10.1>
<EMI ID=10.2>
(5)
Wenn der Wert von Xzgrösser als der vordefinierte Schwellenwert Xs(zum Beispiel Xs= 0,3) ist, wird der Gesamtzustand des Teilsystems "z" als "nicht bewertbar" (B3) klassifiziert (Schritt 35 in Fig. 3).
Sonst wird der Gesamtzustand des Teilsystems "z" als "gesund" (B4) klassifiziert. Mit "2" ist das Ende der Routine bezeichnet.
Der Fachmann wird hier leicht erkennen, wie das Verfahren der Klassifikation eines Teilsystems auch auf Fälle mit weiteren Ausprägungsgraden der Fehler und/oder weiteren Fehlerklassen ausgedehnt werden kann.
In einer letzten vorteilhaften Ausgestaltung des erfindungsgemässen Verfahrens wird aus dem Zustand der Teilsysteme der Brennkraftmaschine der Zustand der gesamten Brennkraftmaschine berechnet. Ein Beispiel für einen Ablaufplan dieser Berechnung ist in Fig. 6 gezeigt.
Wenn zumindest eines der Teilsysteme als "kritisch" (Bl) klassifiziert wurde, wird der Gesamtzustand der Brennkraftmaschine in der Abfrage V2 auch als "kritisch" (Cl) klassifiziert (Schritt 41 in Fig.6).
Sonst wird in Schritt 42 das Gewicht Nfder fehlerhaften Teilsysteme (,f'-Teilsysteme) mit Hilfe der Wichtungsfaktoren Dkberechnet, welche die Wichtigkeit des Zustandes jedes einzelnen Teilsystems "k" auf den Gesamtzustand der Brennkraftmaschine darstellen :<(6>
In Schritt 43 wird geprüft ob das Gewicht der Teilsysteme mit Bewertung "fehlerhaft" Nfgrösser als der vordefinierte Schwellenwert Nfs(zum Beispiel Nfs= 0,3) ist. In diesem Fall wird auch der Gesamtzustand des Motors als "fehlerhaft" (A10) festgesetzt. Andernfalls, wird in Schritt 44 das Gewicht N(nb)der nicht-bewertbaren Teilsysteme berechnet:
<EMI ID=10.3>
<(7)> In Schritt 45 wird überprüft, ob das Gewicht der Teilsysteme mit Bewertung "nicht bewertbar" N(nb) grösser als ein Schwellenwert N(t1b)s (zum Beispiel N(nb)S= 0,3) ist.
Ist dies der Fall, wird auch der Gesamtzustand der Brennkraftmaschine als "nicht bewertbar" (C3) bewertet. Sonst wird der Gesamtzustand der Brennkraftmaschine als "gesund" (C4) klassifiziert. Mit "3" ist das Ende des Verfahrensprozesses bezeichnet.
Für den Fachmann ist hier leicht erkennbar, wie das Verfahren der Klassifikation des Zustandes des gesamten Motors auch auf Fälle mit weiteren Fehlerklassen ausgedehnt werden kann.