DE10155647B4 - Method for on-board diagnosis (OBD) of emission-relevant assemblies of motor vehicles - Google Patents

Method for on-board diagnosis (OBD) of emission-relevant assemblies of motor vehicles Download PDF

Info

Publication number
DE10155647B4
DE10155647B4 DE10155647A DE10155647A DE10155647B4 DE 10155647 B4 DE10155647 B4 DE 10155647B4 DE 10155647 A DE10155647 A DE 10155647A DE 10155647 A DE10155647 A DE 10155647A DE 10155647 B4 DE10155647 B4 DE 10155647B4
Authority
DE
Germany
Prior art keywords
class
assigned
classes
obd
memory
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
DE10155647A
Other languages
German (de)
Other versions
DE10155647A1 (en
Inventor
Dr. Almstadt Kurt
Arne Bahns
Andreas Beer
Markus Dünnbier
Axel Lang
Frank Michael Wittig
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Volkswagen AG
Original Assignee
Volkswagen AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Volkswagen AG filed Critical Volkswagen AG
Priority to DE10155647A priority Critical patent/DE10155647B4/en
Publication of DE10155647A1 publication Critical patent/DE10155647A1/en
Application granted granted Critical
Publication of DE10155647B4 publication Critical patent/DE10155647B4/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/22—Safety or indicating devices for abnormal conditions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02B—INTERNAL-COMBUSTION PISTON ENGINES; COMBUSTION ENGINES IN GENERAL
    • F02B77/00—Component parts, details or accessories, not otherwise provided for
    • F02B77/08—Safety, indicating, or supervising devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2900/00—Details of electrical control or of the monitoring of the exhaust gas treating apparatus
    • F01N2900/04—Methods of control or diagnosing
    • F01N2900/0421—Methods of control or diagnosing using an increment counter when a predetermined event occurs
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

Verfahren zur On-Bord-Diagnose (OBD) emissionsrelevanter Baugruppen von Kraftfahrzeugen mittels Sensoren, die den zu überwachenden Baugruppen zugeordnet sind und mit einem elektronischen Motorregelsystem in Wirkverbindung stehen, wobei die Signalparameter der Sensoren unter Verwendung von Lern- und/oder Fest-Klassifizierern den Klassen eines Klassierspeichers zugeordnet werden und wobei nachfolgend aus der Verteilung im Klassierspeicher unter Verwendung einer Bewertungsfunktion eine Zustandsaussage bezüglich der zu überwachenden Baugruppe realisierbar ist, dadurch gekennzeichnet, dass jeder Klasse des Klassierspeichers ein Wichtungsfaktor zugeordnet wird.Method for on-board diagnosis (OBD) of emission-relevant assemblies of motor vehicles by means of sensors which are assigned to the assemblies to be monitored and are operatively connected to an electronic engine control system, the signal parameters of the sensors using learning and / or fixed classifiers Classes of a classification memory are assigned and a status statement regarding the assembly to be monitored can subsequently be realized from the distribution in the classification memory using an evaluation function, characterized in that a weighting factor is assigned to each class of the classification memory.

Description

Die Erfindung betrifft ein Verfahren zur On-Bord-Diagnose (OBD) emissionsrelevanter Baugruppen von Kraftfahrzeugen mittels Sensoren, die den zu überwachenden Baugruppen zugeordnet sind und mit einem elektronischen Motorregelsystem in Wirkverbindung stehen, wobei die Signalparameter der Sensoren unter Verwendung von Lern- und/oder Fest-Klassifizierern den Klassen eines Klassierspeichers zugeordnet werden und wobei nachfolgend aus der Verteilung im Klassierspeicher unter Verwendung einer Bewertungsfunktion eine Zustandsaussage bezüglich der zu überwachenden Baugruppe realisierbar ist.The invention relates to a method for on-board diagnostic (OBD) of emission-related assemblies of motor vehicles by means of sensors associated with the modules to be monitored and are in operative connection with an electronic engine control system, the signal parameters of the sensors using learning and / or Fixed classifiers are assigned to the classes of a Klassierspeichers and wherein subsequently from the distribution in the classifier memory using a weighting function, a state statement regarding the module to be monitored is feasible.

Die Schadstoffemission von Brennkraftmaschinen wird von zahlreichen konstruktions- und verfahrensbedingten Faktoren beeinflußt. Unabhängig von der jeweils konkreten Konstruktion und den aktuellen Betriebsbedingungen ist in jedem Fall die Funktionsfähigkeit der emissionsrelevanten Baugruppen wesentlich. Für eine Überwachung solcher Baugruppen im Motorbetrieb ist eine sog. „On-Bord-Diagnose” (OBD) geeignet, die zunehmend auch gesetzlich gefordert wird.The pollutant emission of internal combustion engines is influenced by numerous design and process factors. Regardless of the specific construction and the current operating conditions, the functionality of the emission-relevant components is essential in every case. For monitoring such assemblies in engine operation, a so-called "on-board diagnosis" (OBD) is suitable, which is increasingly required by law.

DE 198 31 457 A1 beschreibt eine Nachrüstvorrichtung zum Erfassen der Abgaszusammensetzung in Kraftfahrzeugen, die nicht serienmäßig mit OBD-Technik ausgerüstet sind. Sofern eine zu überwachende Baugruppe ausfällt oder eine Fehlfunktion aufweist, wird eine Signallampe am Armaturenbrett aktiviert und ein Fehlercode gespeichert. Die festgestellte Fehlfunktion kann beispielsweise zu einem späteren Zeitpunkt über eine normierte Schnittstelle in einer Werkstatt zur Identifikation und Beseitigung des Fehlers ausgelesen werden. DE 198 31 457 A1 describes a retrofit device for detecting the exhaust gas composition in automobiles that are not equipped with OBD technology as standard. If a module to be monitored fails or malfunctions, a signal lamp on the dashboard is activated and an error code is stored. The detected malfunction can be read, for example, at a later time via a standardized interface in a workshop for the identification and elimination of the error.

Beim Motorbetriebssystem gemäß DE 199 16 927 A1 wird das Signal eines Sensors in der Abgasleitung innerhalb einer Rückkopplungsschleife zum Steuern des Luft-Kraftstoff-Verhältnisses im Brennraum genutzt. Hierfür werden die Signale des Abgaskomponentensensors von der Motorsteuerung statistisch analysiert und für die Ansteuerung des Kraftstoffabgabesystems verarbeitet. Somit wird eine zeitnahe Rückkopplung zwischen dem Istzustand in der Abgasnachbehandlungseinrichtung und dessen technischen Ursachen erreicht.In the engine operating system according to DE 199 16 927 A1 the signal from a sensor in the exhaust pipe is utilized within a feedback loop to control the air-fuel ratio in the combustion chamber. For this purpose, the signals of the exhaust gas component sensor are statistically analyzed by the engine control and processed for the control of the fuel delivery system. Thus, a timely feedback between the actual state in the exhaust gas aftertreatment device and its technical causes is achieved.

Die DE 197 52 965 A1 offenbart ein Verfahren zur Überwachung des Abgasreinigungssystems einer Brennkraftanlage mit einem Katalysator. Hierbei wird jeweils die Zeitdauer ermittelt, während der das Signal der Lambdasonde einen durch Schwellwerte begrenzten Bereich verlässt. Diese Zeitdauern werden über die Betriebsdauer aufsummiert. Die Summe ergibt ein Maß für die zusätzlich emittierten Schadstoffe. Die Genauigkeit wird durch eine Gewichtung der ermittelten Zeitdauern nach Drehzahl und Last erhöht.The DE 197 52 965 A1 discloses a method for monitoring the exhaust gas purification system of an internal combustion engine with a catalytic converter. In each case, the time duration is determined during which the signal of the lambda probe leaves an area limited by threshold values. These time periods are added up over the operating time. The sum gives a measure of the additionally emitted pollutants. The accuracy is increased by weighting the determined periods by speed and load.

Unabhängig davon, ob die mittels OBD ermittelten Diagnoseparameter erst zu einem späteren Zeitpunkt oder sofort genutzt werden, ist es stets erforderlich, diese Parameter zu bewerten Kernpunkt ist eine Einschätzung, ob die Parameter einen ordnungsgemäßen oder einen fehlerhaften Zustand charakterisieren. Das OBD-System verfügt üblicherweise über eine vorprogrammierte Kennlinie, die als Vergleichsgrundlage für die spätere On-Bord-Messung benutzt wird. Insbesondere für zukünftige Niedrigemissionskonzepte mit entsprechend niedrigen OBD-Schwellen ist hierbei eine sehr genaue Unterscheidung zwischen den beiden Zuständen „In Ordnung” und „Nicht in Ordnung” notwendig. Dafür sind statistische Methoden eine geeignete, nach dem gegenwärtigen Wissensstand eventuell sogar die einzige Lösungsmöglichkeit.Irrespective of whether the diagnostic parameters determined by means of OBD are only used at a later time or immediately, it is always necessary to evaluate these parameters. The key point is an assessment as to whether the parameters characterize a proper or a faulty state. The OBD system usually has a preprogrammed characteristic curve which is used as a basis for comparison for the later on-board measurement. In particular for future low emission concepts with correspondingly low OBD thresholds, a very precise distinction between the two states "in order" and "out of order" is necessary. For this, statistical methods are a suitable, possibly even the only possible solution according to the current state of knowledge.

Statistische Methoden zur Auswertung von Diagnoseergebnissen sind grundsätzlich bekannt, wobei im Zusammenhang mit OBD bereits die Methode der Klassierung angewendet wird. So sind beispielsweise in bekannten OBD-Steuergeräten Klassierungsspeicher vorhanden, die es ermöglichen, Diagnoseergebnisse über eine Normierungsfunktion zunächst zu standardisieren und danach klassiert zu zählen. Eine andere Funktion besteht darin, minimale oder maximale Diagnoseergebnisse in Abhängigkeit von einem charakteristischen Diagnoseparameter klassiert zu speichern.Statistical methods for evaluating diagnostic results are known in principle, with the method of classification already being used in connection with OBD. Thus, for example, classification memories are present in known OBD control units which make it possible first to standardize diagnostic results via a normalization function and then to classify them classified. Another function is to store classified minimum or maximum diagnostic results as a function of a characteristic diagnostic parameter.

Während mit dem beschriebenen OBD-Steuergerät lediglich das Verhalten von Diagnosefunktionen während der Applikation und im Feld beobachtet wird, kann mit dem OBD-Verfahren gemäß DE 44 34 197 C2 auch der Zustand von Baugruppen diagnostiziert werden. An den zu überwachenden Baugruppen sind Sensoren angeordnet, die mit dem elektronischen Motorregelsystem in Wirkverbindung stehen. Die Signalparameter dieser Sensoren werden zunächst mittels einer Normierungsfunktion standardisiert. Hierfür werden Klassifizierer vorgeschlagen, die für einfache Anwendungen als Fest-Klassifizierer ausgestaltet sein können. Vorzugsweise gründet sich diese Diagnosetechnik jedoch auf Lern-Klassifizierer, die bei Bezugssensoren mit bekannten Betriebscharakteristika bzw. auf Grundlage statistisch ermittelter Parameter trainiert oder charakterisiert werden. Dabei kann bis zum Erzeugen eines funktionsfähigen Lern-Klassifizierers eventuell ein mehrfacher Durchlauf von Entscheidungsschleifen notwendig sein. Auf Grundlage der von der Normierungsfunktion bewirkten Standardisierung werden die Diagnoseergebnisse den Klassen eines Klassierspeichers zugeordnet. Anhand der Klassenbelegungen ist nachfolgend unter Verwendung einer Bewertungsfunktion eine Aussage zum Zustand der überwachten Baugruppe möglich, wobei insbesondere durch Vergleich mit einem Schwellwert entweder „In Ordnung” oder „Nicht in Ordnung” festgestellt wird.While only the behavior of diagnostic functions during the application and in the field is observed with the described OBD control unit, can with the OBD method according to DE 44 34 197 C2 also the condition of assemblies are diagnosed. At the modules to be monitored sensors are arranged, which are in operative connection with the electronic engine control system. The signal parameters of these sensors are first standardized by means of a normalization function. For this purpose, classifiers are proposed that can be designed for simple applications as fixed classifiers. However, this diagnostic technique is preferably based on learning classifiers which are trained or characterized in reference sensors with known operating characteristics or on the basis of statistically determined parameters. It may be necessary to create a functional learning classifier possibly a multiple pass of decision loops. Based on the standardization performed by the normalization function, the diagnostic results are assigned to the classes of a classifier memory. Based on the class assignments, a statement about the state of the system is subsequently given using a valuation function supervised assembly possible, which is determined in particular by comparison with a threshold either "OK" or "Not OK".

Dieses Verfahren nach DE 44 34 197 C2 ist grundsätzlich für eine On-Bord-Diagnose emissionsrelevanter Baugruppen von Kraftfahrzeugen geeignet. Die Erzeugung der Lern-Klassifizierer durch Vergleich der zu normierenden Signalparameter mit gespeicherten, statistisch ermittelten Signalparametern vermindert dabei vorteilhaft den Entwicklungs- und Testaufwand für die zum Klassifizieren der Sensoren erforderlichen Regeln. Nachteilig ist allerdings, dass lediglich eine geringe Anzahl von Klassen im Klassierspeicher realisiert werden kann. Somit ist eine exakte Entscheidung zwischen den Bewertungen „In Ordnung” bzw. „Nicht in Ordnung” fragwürdig. Weitere Unsicherheiten bezüglich der zu treffenden Bewertung werden durch Zufallsstreuungen der Diagnoseergebnisse bewirkt. Gemäß den Darlegungen in dieser Druckschrift sind im Klassierspeicher vorzugsweise drei Klassen verfügbar, die beispielsweise ein Kraftstoff-Luftgemisch in den Zuständen „fett/normal/mager” charakterisieren. Dies ist für die Nutzung an Abgassensoren zwar ausreichend, für weitergehende Differenzierungen bzw. für andere Baugruppen müssen jedoch mehr Klassen verfügbar sein.This procedure according to DE 44 34 197 C2 is basically suitable for an on-board diagnosis of emission-relevant assemblies of motor vehicles. The generation of the learning classifiers by comparison of the signal parameters to be standardized with stored, statistically determined signal parameters advantageously reduces the development and testing effort for the rules required for classifying the sensors. The disadvantage, however, is that only a small number of classes can be realized in Klassierspeicher. Thus, an exact decision between the reviews "OK" or "Not in order" questionable. Further uncertainties regarding the evaluation to be made are caused by random scattering of the diagnostic results. According to what is stated in this document, three classes are preferably available in the classifier memory, which for example characterize a fuel-air mixture in the states "rich / normal / lean". Although this is sufficient for use on exhaust gas sensors, more classes must be available for further differentiation or for other assemblies.

Aufgabe der Erfindung ist es, ein OBD-Verfahren zu schaffen, das eine verbesserte Auswertung der Diagnoseparameter ermöglicht. Dies soll insbesondere erreicht werden, indem in einem Klassierspeicher eine ausreichend große Anzahl von Klassen belegt und somit eine weitgehend exakte Zustandsbewertung der zu überwachenden Baugruppe realisiert werden kann.The object of the invention is to provide an OBD method which enables an improved evaluation of the diagnostic parameters. This is to be achieved, in particular, by occupying a sufficiently large number of classes in a classifier memory, and thus a largely exact state evaluation of the module to be monitored can be realized.

Diese Aufgabe wird gelöst, indem jeder Klasse des Klassierspeichers ein Wichtungsfaktor zugeordnet wird. Vorteilhafte Ausgestaltungen sind in den Ansprüchen 2 bis 6 beschrieben.This task is accomplished by assigning a weighting factor to each class of classifier memory. Advantageous embodiments are described in claims 2 to 6.

Das erfindungsgemäße Verfahren ermöglicht eine verbesserte Auswertung der Diagnoseparameter, wobei insbesondere die nunmehr exaktere Unterscheidung zwischen den Zuständen „In Ordnung” und „Nicht in Ordnung” bei der Aussage zum Zustand der überwachten emissionsrelevanten Baugruppen vorteilhaft ist.The method according to the invention makes possible an improved evaluation of the diagnostic parameters, wherein in particular the now more exact distinction between the states "in order" and "out of order" in the statement on the state of the monitored emission-relevant assemblies is advantageous.

Nachfolgend wird ein Ausführungsbeispiel unter Bezugnahme auf die Zeichnung beschrieben. Es zeigen:Hereinafter, an embodiment will be described with reference to the drawings. Show it:

1 Beispiele für die Belegung eines Klassierspeichers 1 Examples of the assignment of a classifier memory

2 Beispiele für den Verlauf einer Normierungsfunktion 2 Examples of the course of a normalization function

Für dieses Verfahren zur On-Bord-Diagnose (OBD) emissionsrelevanter Baugruppen von Kraftfahrzeugen wird ein Klassierspeicher mit einer wählbaren Anzahl von Klassen zur Klassierung der Diagnoseergebnisse verwendet. Im Ausführungsbeispiel gemäß 1 sind 21 Klassen vorgesehen. Die Klasssen sind auf einen normierten Bereich aufgeteilt, im gezeigten Ausführungsbeispiel symmetrisch zu 0 von –95 bis +95 mit einer Klassenbreite von 10. Die beiden äußeren Klassen (<–95 und >+95) dienen zur Aufnahme von Überlauf-Ergebnissen. Die Klassen können auch anders eingeteilt werden, z. B. unsymmetrisch zu 0 oder mit ungleichen Klassenbreiten. Ebenso ist es möglich, die Diagnoseergebnisse direkt und nicht über eine vorherige Normierung für die Einteilung der Klassen zu verwenden.For this method of on-board diagnostic (OBD) of automotive emission related assemblies, a classifier memory with a selectable number of classes is used to classify the diagnostic results. In the embodiment according to 1 There are 21 classes planned. The classifiers are divided into a normalized range, in the illustrated embodiment symmetrical to 0 from -95 to +95 with a class width of 10. The two outer classes (<-95 and> +95) are used to record overflow results. The classes can also be classified differently, eg. B. asymmetric to 0 or with unequal class widths. It is also possible to use the diagnostic results directly and not via a previous normalization for the classification of the classes.

Für jede Klasse wird ein Wichtungsfaktor festgelegt. 1 zeigt eine Ausgestaltung des Klassierspeichers, bei dem der Wichtungsfaktor, ausgehend von 0 in der Mitte der Klassierung, auf der einen Seite linear bis +9 zunimmt, während er auf der anderen Seite linear bis –9 abnimmt. Andere Zuordnungen der Wichtungsfaktoren zu den Klassen sind möglich, so z. B. eine in der Nähe von 0 geringe und nach außen progressiv zunehmende Veränderung.A weighting factor is set for each class. 1 shows an embodiment of the classifying memory in which the weighting factor, starting from 0 in the middle of the classification, increases linearly on one side to +9, while on the other side it decreases linearly to -9. Other assignments of the weighting factors to the classes are possible, such. B. a low near 0 and outwardly progressively increasing change.

Ein neues Diagnoseergebnis erhöht den Inhalt der entsprechenden Klasse um eins. Dadurch ergibt sich im Klassierspeicher eine Verteilungsfunktion. Die Diagnoseergebnisse werden so im Klassierspeicher abgelegt, dass ein „neutrales” Ergebnis den Inhalt der Klasse mit dem Wichtungsfaktor 0 erhöht. Ein „neutrales” Ergebnis wird als Grenze zwischen den Ergebnissen „In Ordnung” und „Nicht in Ordnung” definiert, wobei diese Grenze z. B. auf den Abgasgrenzwert, auf den OBD-Grenzwert oder auch auf beliebige andere Werte bezogen werden kann. Bei den anderen Klassen repräsentiert die absolute Größe des Wichtungsfaktors den Abstand vom Ergebnis „In Ordnung” und folglich die Schwere des Fehlers.A new diagnostic result increases the content of the corresponding class by one. This results in the classification memory a distribution function. The diagnostic results are stored in the classifier memory in such a way that a "neutral" result increases the content of the class with the weighting factor 0. A "neutral" result is defined as the boundary between the results "OK" and "Not OK", this limit being e.g. B. on the exhaust gas limit, on the OBD limit or on any other values can be related. For the other classes, the absolute size of the weighting factor represents the distance from the result "in order" and consequently the severity of the error.

Die Abbildung der Diagnoseergebnisse auf den normierten Bereich des Klassierspeichers erfolgt zweckmäßigerweise durch eine Normierungsfunktion. 2 zeigt hierfür zwei Beispiele. Mit ”1” gekennzeichnet ist eine lineare Abbildung des möglichen Bereichs der Diagnoseergebnisse auf den normierten Bereich. Das „neutrale” Diagnoseergebnis wird auf die Klasse mit dem Wichtungsfaktor 0 abgebildet. Bei Kurve ”2” wird der mittlere Bereich neutralisiert, d. h., alle Diagnoseergebnisse in diesem Bereich werden auf die Klasse mit dem Wichtungsfaktor 0 abgebildet. Weiter außen liegende Diagnoseergebnisse werden linear auf Bereiche mit größerem Wichtungsfaktor abgebildet. Ganz außen liegende Diagnoseergebnisse werden ausgeblendet, wieder durch Abbildung auf die Klasse mit dem Wichtungsfaktor 0. Im Gegensatz zur üblichen Anwendung der Normierungsfunktion besteht also hier die Möglichkeit, Bereiche durch Abbildung auf die Klasse mit dem Wichtungsfaktor 0 zu neutralisieren oder auszublenden. Weiterhin kann durch Abbildung auf Klassen mit einem geeigneten Wichtungsfaktor eine beliebige Wichtung von Diagnoseergebnissen erzielt werden.The mapping of the diagnostic results to the normalized region of the classifying memory is expediently carried out by a normalization function. 2 shows two examples for this. A "1" indicates a linear mapping of the possible range of diagnostic results to the normalized range. The "neutral" diagnostic result is mapped to the class with the weighting factor 0. With curve "2" the middle range is neutralized, ie all diagnostic results in this range are mapped to the class with the weighting factor 0. Further external diagnostic results are mapped linearly to areas with a larger weighting factor. Outsourced diagnostic results are hidden, again by mapping to the class with the weighting factor 0. In contrast to the usual application of the normalization function, it is thus possible here to neutralize or hide regions by mapping to the class with the weighting factor 0. Furthermore, by mapping to classes with a suitable weighting factor, any weighting of diagnostic results can be achieved.

Aus der Verteilung im Klassierspeicher wird über eine Bewertungsfunktion eine Bewertung der Diagnoseergebnisse realisiert. Die Bewertungsfunktion wird gebildet in den zwei Schritten

  • – Multiplikation der Anzahl der Diagnoseergebnisse in einer Klasse mit dem Wichtungsfaktor dieser Klasse
  • – Summation der Multiplikationsergebnisse über alle Klassen.
From the distribution in the classifier memory, an evaluation of the diagnostic results is realized via an evaluation function. The evaluation function is formed in the two steps
  • - Multiplication of the number of diagnostic results in a class with the weighting factor of this class
  • - summation of the multiplication results over all classes.

Bei einer symmetrischen Verteilung der Diagnoseergebnisse um das „neutrale” Ergebnis ergibt die Bewertungsfunktion den Wert 0. Ein solches Ergebnis ist in 1 (obere Abbildung) dargestellt. Bei einer Abweichung in Richtung „In Ordnung” ergibt sich beim beschriebenen Ausführungsbeispiel ein Wert von größer 0, während sich bei einer Abweichung in Richtung „Nicht in Ordnung” ein Wert von kleiner 0 ergibt. Die Änderungsgeschwindigkeit der Bewertungsfunktion hängt davon ab, wie weit neu hinzukommende Ergebnisse vom „neutralen” Ergebnis entfernt liegen.In a symmetrical distribution of the diagnostic results around the "neutral" result, the weighting function returns the value 0. Such a result is in 1 (top picture). In the case of a deviation in the direction "in order", a value of greater than 0 results in the exemplary embodiment described, while a value of less than 0 results in the case of a deviation in the direction "not in order". The rate of change of the weighting function depends on how far new results are removed from the "neutral" result.

Durch diese Art der Bewertung wirken sich unterschiedliche Änderungen an überwachten Bauteilen oder Systemen auch unterschiedlich aus. Bei einer langsamen Alterung liegen die Diagnoseergebnisse dicht am „neutralen” Ergebnis. Dabei reagiert die Bewertungsfunktion aufgrund des kleinen Wichtungsfaktors träge, siehe hierzu die 1 (mittlere Abbildung). Hingegen liegen die Diagnoseergebnisse bei einem plötzlich auftretenden Ausfall oder Fehler weit vom „neutralen” Ergebnis entfernt. Durch den großen Wichtungsfaktor reichen somit wenige Diagnoseergebnisse aus, um eine auswertbare Abweichung der Bewertungsfunktion von 0 zu erzeugen. Ein solches Ergebnis ist in 1 (untere Abbildung) dargestellt.Due to this type of evaluation, different changes to monitored components or systems also have different effects. With slow aging, the diagnostic results are close to the "neutral" result. The evaluation function reacts sluggishly due to the small weighting factor, see the following 1 (middle picture). On the other hand, the diagnostic results are far away from the "neutral" result in the event of a sudden failure or error. As a result of the large weighting factor, only a few diagnostic results are sufficient to produce an evaluable deviation of the evaluation function from zero. Such a result is in 1 (lower figure).

Die Reaktionsgeschwindigkeit ist also von der Schwere eines Fehlers abhängig. Langsame Veränderungen wirken sich auch nur langsam aus. Dadurch ergibt sich eine erhöhte Sicherheit gegen Zufallsstreuungen der Diagnoseergebnisse. Ein schwerer Fehler ruft jedoch eine schnelle Reaktion hervor. Damit erfüllt das vorgeschlagene Verfahren die gesetzlichen Anforderungen für den maximal zulässigen Zeitverzug zwischen Auftreten und Anzeige eines Fehlers.The reaction rate is thus dependent on the severity of an error. Slow changes also have a slow effect. This results in an increased security against random scattering of the diagnostic results. A serious error, however, causes a quick reaction. Thus, the proposed method meets the legal requirements for the maximum allowable time delay between occurrence and display of an error.

Voraussetzung für eine schnelle Reaktion der Bewertungsfunktion ist jedoch, dass die insgesamt im Klassierspeicher gespeicherte Anzahl von Diagnoseergebnissen begrenzt wird. Andernfalls würden sich plötzlich auftretende Ausfälle oder Fehler nicht schnell genug in der Bewertungsfunktion durchsetzen. Die Begrenzung der Anzahl der Diagnoseergebnisse kann auf verschiedene Weise erfolgen. So kann die maximal pro Klasse gespeicherte Anzahl von Diagnoseergebnissen begrenzt werden, z. B. sind gemäß 1 maximal 8 Ergebnisse pro Klasse möglich. Falls hierbei in einer der Klassen die maximale Anzahl bei Erhöhung durch ein neues Diagnoseergebnis überschritten würde, wird zunächst in jeder Klasse die Anzahl um eins erniedrigt, wobei die untere Grenze 0 ist.However, a prerequisite for a quick reaction of the evaluation function is that the total number of diagnostic results stored in the classifying memory is limited. Otherwise, sudden outages or errors would not prevail quickly enough in the evaluation function. The limitation of the number of diagnostic results can be done in different ways. Thus, the maximum number of diagnostic results stored per class can be limited, eg. B. are according to 1 maximum 8 results per class possible. If in this case the maximum number would be exceeded in one of the classes if it was increased by a new diagnostic result, the number is first decreased by one in each class, the lower limit being 0.

Unabhängig von der jeweils konkreten Ausgestaltung wird das Ergebnis der Bewertungsfunktion mit einem Schwellenwert verglichen. Bei einer Überschreitung des Schwellenwertes wird ein Ergebnis „Nicht in Ordnung” ausgegeben.Regardless of the particular embodiment, the result of the evaluation function is compared with a threshold value. If the threshold value is exceeded, a "Not OK" result is output.

Claims (6)

Verfahren zur On-Bord-Diagnose (OBD) emissionsrelevanter Baugruppen von Kraftfahrzeugen mittels Sensoren, die den zu überwachenden Baugruppen zugeordnet sind und mit einem elektronischen Motorregelsystem in Wirkverbindung stehen, wobei die Signalparameter der Sensoren unter Verwendung von Lern- und/oder Fest-Klassifizierern den Klassen eines Klassierspeichers zugeordnet werden und wobei nachfolgend aus der Verteilung im Klassierspeicher unter Verwendung einer Bewertungsfunktion eine Zustandsaussage bezüglich der zu überwachenden Baugruppe realisierbar ist, dadurch gekennzeichnet, dass jeder Klasse des Klassierspeichers ein Wichtungsfaktor zugeordnet wird.Method for on-board diagnosis (OBD) of emission-related assemblies of motor vehicles by means of sensors associated with the assemblies to be monitored and are in operative connection with an electronic engine control system, the signal parameters of the sensors using learning and / or fixed classifiers the Classifications of a classifier memory are assigned and wherein subsequently from the distribution in the classifier memory using a weighting function a status statement with respect to the module to be monitored is feasible, characterized in that a classification factor is assigned to each class of classifying memory. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der Klasse, die das Ergebnis mit einer Bewertung „In Ordnung” aufweist, der Wichtungsfaktor ”0” zugeordnet wird.A method according to claim 1, characterized in that the class which has the result with a rating "OK", the weighting factor "0" is assigned. Verfahren nach den Ansprüchen 1 und 2, dadurch gekennzeichnet, dass ausgehend von der Klasse mit dem Wichtungsfaktor ”0” den sich beidseitig anschließenden Klassen fortlaufend ansteigende Wichtungsfaktoren zugeordnet werden.Method according to claims 1 and 2, characterized in that, starting from the class with the weighting factor "0", the successively increasing weighting factors are assigned to the classes adjoining each other on both sides. Verfahren nach den Ansprüchen 1 bis 3, dadurch gekennzeichnet, dass in den beiden äußeren Klassen jeweils Überlauf-Ergebnisse klassiert werden.Method according to claims 1 to 3, characterized in that in the two outer classes respectively overflow results are classified. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Anzahl der insgesamt im Klassierspeicher gespeicherten Diagnoseergebnisse begrenzt wird.A method according to claim 1, characterized in that the number of total diagnostic results stored in the classifying memory is limited. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Bewertungsfunktion gebildet wird durch eine zunächst erfolgende Multiplikation der Anzahl der Diagnoseergebnisse in einer Klasse mit dem Wichtungsfaktor dieser Klasse und eine nachfolgende Summation der Multiplikationsergebnisse über alle Klassen.A method according to claim 1, characterized in that the evaluation function is formed by an initial multiplication of the number of diagnostic results in a class with the Weighting factor of this class and a subsequent summation of the multiplication results over all classes.
DE10155647A 2001-11-28 2001-11-28 Method for on-board diagnosis (OBD) of emission-relevant assemblies of motor vehicles Expired - Fee Related DE10155647B4 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE10155647A DE10155647B4 (en) 2001-11-28 2001-11-28 Method for on-board diagnosis (OBD) of emission-relevant assemblies of motor vehicles

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE10155647A DE10155647B4 (en) 2001-11-28 2001-11-28 Method for on-board diagnosis (OBD) of emission-relevant assemblies of motor vehicles

Publications (2)

Publication Number Publication Date
DE10155647A1 DE10155647A1 (en) 2003-09-04
DE10155647B4 true DE10155647B4 (en) 2012-07-05

Family

ID=27674529

Family Applications (1)

Application Number Title Priority Date Filing Date
DE10155647A Expired - Fee Related DE10155647B4 (en) 2001-11-28 2001-11-28 Method for on-board diagnosis (OBD) of emission-relevant assemblies of motor vehicles

Country Status (1)

Country Link
DE (1) DE10155647B4 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014207566A1 (en) 2014-04-22 2015-10-22 Röchling Automotive SE & Co. KG Car air damper arrangement with sensory position detection
DE102022110035A1 (en) 2022-04-26 2023-10-26 Audi Aktiengesellschaft Method for operating a drive device for a motor vehicle and corresponding drive device

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19527490A1 (en) * 1994-07-27 1996-02-01 Nippon Denso Co Vehicle IC engine exhaust gas emissions cleaning system
DE19537363A1 (en) * 1994-12-27 1996-07-04 Ford Werke Ag Methods and devices for monitoring the performance of engine hydrocarbon emission traps
DE69301648T2 (en) * 1992-09-14 1996-07-11 Fiat Auto Spa System for monitoring the performance of a catalytic converter, in particular for motor vehicles
DE4434197C2 (en) * 1993-10-04 1997-12-18 Ford Werke Ag Diagnostic technology for the operation of an exhaust gas oxygen sensor
DE19752965A1 (en) * 1997-11-28 1999-06-02 Siemens Ag External ignition IC engine exhaust-gas cleaning system monitoring method
DE19831457A1 (en) * 1997-09-11 1999-07-15 Wwu Wissenschaftliche Werkstat Arrangement for analyzing motor vehicle exhaust gas
DE19823921A1 (en) * 1998-05-28 1999-12-02 Siemens Ag Process for checking the efficiency of a NOx storage catalytic converter
DE19916927A1 (en) * 1998-06-26 1999-12-30 Ford Motor Co Engine operating system with an exhaust after-treatment device

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69301648T2 (en) * 1992-09-14 1996-07-11 Fiat Auto Spa System for monitoring the performance of a catalytic converter, in particular for motor vehicles
DE4434197C2 (en) * 1993-10-04 1997-12-18 Ford Werke Ag Diagnostic technology for the operation of an exhaust gas oxygen sensor
DE19527490A1 (en) * 1994-07-27 1996-02-01 Nippon Denso Co Vehicle IC engine exhaust gas emissions cleaning system
DE19537363A1 (en) * 1994-12-27 1996-07-04 Ford Werke Ag Methods and devices for monitoring the performance of engine hydrocarbon emission traps
DE19831457A1 (en) * 1997-09-11 1999-07-15 Wwu Wissenschaftliche Werkstat Arrangement for analyzing motor vehicle exhaust gas
DE19752965A1 (en) * 1997-11-28 1999-06-02 Siemens Ag External ignition IC engine exhaust-gas cleaning system monitoring method
DE19823921A1 (en) * 1998-05-28 1999-12-02 Siemens Ag Process for checking the efficiency of a NOx storage catalytic converter
DE19916927A1 (en) * 1998-06-26 1999-12-30 Ford Motor Co Engine operating system with an exhaust after-treatment device

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014207566A1 (en) 2014-04-22 2015-10-22 Röchling Automotive SE & Co. KG Car air damper arrangement with sensory position detection
US10710450B2 (en) 2014-04-22 2020-07-14 Röchling Automotive SE & Co. KG Air flap arrangement having a position sensing system for a motor vehicle
DE102022110035A1 (en) 2022-04-26 2023-10-26 Audi Aktiengesellschaft Method for operating a drive device for a motor vehicle and corresponding drive device
DE102022110035B4 (en) 2022-04-26 2024-02-08 Audi Aktiengesellschaft Method for operating a drive device for a motor vehicle and corresponding drive device

Also Published As

Publication number Publication date
DE10155647A1 (en) 2003-09-04

Similar Documents

Publication Publication Date Title
DE102004006896A1 (en) Method for control and regulation of an IC engine with common-rail system uses calculation of injection end and injection begin deviations to evaluate fuel injectors
DE102016102219A1 (en) A method of investigating a cause of malfunction of a component of a prime mover
DE102005009464A1 (en) Method for operating an internal combustion engine and device for carrying out the method
DE102022114188A1 (en) Controller for monitoring emission behavior of a machine
DE102019124267A1 (en) Control device of an internal combustion engine and control method of the same, and learning model for controlling an internal combustion engine and learning method of the same
DE102013102071B4 (en) Method for checking a function of an exhaust valve
EP1533505A2 (en) Method and apparatus for diagnosing failures in a control device for a vehicle combustion engine
DE10044264B4 (en) Device for detecting a sensor fault for a vehicle
DE3212669C2 (en)
EP1490588B8 (en) Device and method for detecting malfunctions in a fuel injection system provided with a fuel pressure damper
DE10155647B4 (en) Method for on-board diagnosis (OBD) of emission-relevant assemblies of motor vehicles
DE102005003591A1 (en) Secondary air diagnosis of an internal combustion engine
DE10331702A1 (en) Method and device for selecting sensor output signals
EP1081362B1 (en) Method to control an internal combustion engine after a fault diagnosis
DE19841260B4 (en) Method for detecting fault conditions and on-board diagnostic system
DE10321229B4 (en) Counter-controlling processors for powertrain control systems that use a dedicated serial data line
DE102010019933A1 (en) Method for operating an internal combustion engine with a multistage oil pump
DE10302054B4 (en) Method for operating an internal combustion engine
DE102008024545A1 (en) Method for determining cause of defect in low pressure area of fuel injection system of internal combustion engine of motor vehicle, involves determining actual cause of defect by monitoring reaction of injection system to load step
EP3940211A1 (en) Diagnostic method for a piston cooling nozzle valve, diagnostic device, control device, motor vehicle
DE10014752B4 (en) Method and device for monitoring a thermostatic valve
DE4108417A1 (en) Monitoring of sensors for controlling internal combustion engine - comparing frequency of occurrence of sensor signals to detect implausibility using counters
DE102016215871A1 (en) Method and device for evaluating a diagnosis result
DE102005004741A1 (en) Method and device for diagnosing sensors of an air supply of an internal combustion engine
DE69719659T2 (en) Method for estimating the efficiency of a system for reducing the pollutant emissions of an internal combustion engine

Legal Events

Date Code Title Description
OR8 Request for search as to paragraph 43 lit. 1 sentence 1 patent law
8105 Search report available
8110 Request for examination paragraph 44
8120 Willingness to grant licences paragraph 23
R016 Response to examination communication
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final

Effective date: 20121006

R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee