DE102007042507B4

DE102007042507B4 - Verfahren zur Bestimmung von Inhaltsstoffen von Flüssigkeiten, insbesondere von Motoröl

Info

Publication number: DE102007042507B4
Application number: DE102007042507.6A
Authority: DE
Inventors: Dr. Lindemann Mathias; Dr. Dobrinski Heiko
Original assignee: Hella GmbH and Co KGaA
Current assignee: Hella GmbH and Co KGaA
Priority date: 2007-09-07
Filing date: 2007-09-07
Publication date: 2019-12-12
Anticipated expiration: 2027-09-08
Also published as: DE102007042507A1; KR20090026098A

Abstract

Verfahren zur Bestimmung von Inhaltsstoffen oder anderen Kenngrößen, wie dem Rußgehalt und/oder dem Kraftstoffgehalt und/oder dem Wassergehalt und/oder der TBN („Total Base Number“) und/oder der TAN („Total Acid Number“) in oder von Flüssigkeiten zur Verwendung in Kraftfahrzeugen, insbesondere von Motoröl, bei dem mit einem oder mehreren Sensoren eine oder mehrere sensorisch erfassbare Größen wie die Permittivität und/oder die Viskosität und/oder die Dichte und/oder der elektrische Leitwert bestimmt werden, wobei die sensorisch erfassten Größen der Flüssigkeit mit einem automatischen Klassifikationsverfahren hinsichtlich bestimmter Kenngrößen ausgewertet werden, dadurch gekennzeichnet, dass als Klassifikationsverfahren ein Entscheidungsbaumverfahren verwendet wird.

Description

Die Erfindung betrifft ein Verfahren zur Bestimmung von Inhaltsstoffen oder anderer Kenngrößen, wie dem Rußgehalt und/oder dem Kraftstoffgehalt und/oder dem Wassergehalt und/oder der TBN („Total Base Number“) und/oder der TAN („Total Acid Number“) in oder von Flüssigkeiten zur Verwendung in Kraftfahrzeugen, insbesondere von Motoröl, mit einem oder mehreren Sensoren mit denen ein oder mehrere sensorisch erfassbare Größen wie die Permittivität und/oder die Viskosität und/oder die Dichte und/oder der elektrische Leitwert bestimmt werden.
Derartige Verfahren sind beispielsweise aus der US 6,911,830 B2 oder der DE 10 2005 047 139 A1 bekannt. Bei den hier beschriebenen Verfahren wird anhand verschiedener Sensormesswerte mit Hilfe einer mathematischen Formel eine Qualitätskenngröße des Öls, insbesondere der Rußgehalt, ausgewertet.
Als nächstkommender Stand der Technik wird die Druckschrift DE 693 07 926 T2 angesehen. Diese bezieht sich auf ein Verfahren zur Voraussage der Cetanzahl von Gasölen. In dem Verfahren werden die Infrarotspektren einer Mehrzahl von Gasölen aufgenommen und deren Cetanzahlen durch herkömmliche Messungen bestimmt. Die Spektraldaten werden mit Hilfe eines neuronalen Netzwerkes analysiert und es wird ein Satz Trainingsdaten ausgewählt. Auf dieser Basis wird ein Satz Voraussagedaten erzeugt, der zur Bestimmung der Cetanzahl unbekannter Gasöle verwendet wird.
In EP 1 798 553 A1 ist ein Verfahren zur Überwachung der Qualität eines Schmier- oder Hydrauliköls beschreiben. Mittels einer Sensorvorrichtung werden temperaturabhängig die zeitlichen Verläufe der relativen Dielektrizitätkonstanten und der Leitfähigkeit des Öls bestimmt. Die Bewertung der gemessenen Kenngrößen erfolgt auf Basis einer „fuzzy logic“ oder eines neuronalen Netzes.
In GB 2 312 741 A wird ein Verfahren zur Bestimmung der Parameter von Kohlenwasserstoffen beschrieben. Dazu werden durch Absorptionsmessungen Nahinfrarotsignale von Kohlenwasserstoffen aufgenommen. Die Signale werden auf einer Anzahl an Punkten reduziert. Anschließend wird die Anzahl an Punkten mit Hilfe eines neuronalen Netzwerkes analysiert, um die gewünschten Parameter zu bestimmen. Das neuronale Netzwerk wurde zuvor mit einem Satz Spektren bekannter Kohlenwasserstoffe trainiert.
In US 6 196 057 B1 wird ein Sensorsystem zur Bestimmung des Zustandes von Schmiermitteln beschrieben. Mit wenigstens zwei Sensoren werden die zu einem bestimmten Messwert wie z.B. pH-Wert, Temperatur, elektrische Leitfähigkeit, gehörigen Daten gesammelt. An die Sensoren ist ein Prozessor gekoppelt, der die Daten komprimieren, kombinieren, bewerten und interpretieren kann.
DE 103 27 625 A1 beschreibt eine Vorrichtung und ein Verfahren zur automatischen Überwachung des Gebrauchszustandes eines Schmierstoffes, einer Maschine oder eines Maschinenteils. Hierzu werden mit Hilfe eines Trägergases die charakteristischen Gas- und/oder dampfförmigen Substanzen einer Schmiermittelprobe in einer Probenkammer untersucht. Ein Problem tritt jedoch in der Regel dann auf, wenn verschiedene Inhaltsstoffe in der Flüssigkeit vorhanden sind, da sich die jeweils gemessenen Größen in vielen Fällen gegensätzlich verhalten und dadurch Fehlinterpretationen entstehen. Umfangreiche Untersuchungen an Motorölen aus Prüfstandsversuchen und Fahrzeugtests haben gezeigt, dass insbesondere bei Ölproben der Zusammenhang zu den Ölparametern hochgradig spezifisch und nicht durch allgemeingültige Formeln beschreibbar ist.
Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren zur Bestimmung von Inhaltsstoffen oder anderen Kenngrößen in oder von Flüssigkeiten zur Verwendung in Kraftfahrzeugen zu schaffen, mit denen es möglich ist, Inhaltsstoffe oder Kenngrößen auch dann zu bestimmen, wenn die Flüssigkeit mehrere Inhaltsstoffe aufweist.
Die Lösung dieser Aufgabe erfolgt mit einem Verfahren mit den Merkmalen des Patentanspruchs 1. Vorteilhafte Weiterbildungen der Erfindung sind in den Unteransprüchen angegeben.
Bei dem Verfahren zur Bestimmung von Inhaltsstoffen oder anderen Kenngrößen, wie dem Rußgehalt und/oder dem Kraftstoffgehalt und/oder dem Wassergehalt und/oder der TBN („Total Base Number“) und/oder der TAN („Total Acid Number“) in oder von Flüssigkeiten zur Verwendung in Kraftfahrzeugen, insbesondere von Motoröl, bei dem mit einem oder mehreren Sensoren eine oder mehrere sensorisch erfassbare Größen wie die Permittivität und/oder die Viskosität und/oder die Dichte und/oder der elektrische Leitwert bestimmt werden, wobei die sensorisch erfassten Größen der Flüssigkeit mit einem automatischen Klassifikationsverfahren hinsichtlich bestimmter Kenngrößen ausgewertet werden, ist erfindungswesentlich vorgesehen, dass als Klassifikationsverfahren ein Entscheidungsbaumverfahren verwendet wird. Die Kenngrößen können auch die Inhaltsstoffe sein. Zur Erfassung der Permittivität wird insbesondere die Dielektrizitätszahl erfasst. Bei dem erfindungsgemäßen Verfahren wird ein mathematisches Klassifikationsverfahren verwendet. Jeder Satz von Messwerten wird dabei nichtlinear transformiert und anschließend einem vorher festgelegten Satz von Kenngrößen zugeordnet. Im Gegensatz zum Stand der Technik handelt es sich dabei nicht um ein deterministisches Verfahren, sondern um ein Klassifikationsverfahren, das flexibel anpassbar ist.
Insbesondere bei der Untersuchung von Öl kann dessen Zusammensetzung genau analysiert werden. Extreme Ölzustände können frühzeitig erkannt werden und Motorschäden kann vorgebeugt werden. Auch die vorgeschlagenen Wartungsintervalle werden auf diese Weise abgesichert oder weitaus genauer angegeben. Dadurch kann auch die Lebensdauer des Öls optimal genutzt werden. Das Klassifikationsverfahren ist dabei bevorzugt mit Trainingsdatensätzen auf die Bestimmung vorgegebener Kenngrößen trainiert worden. Bevorzugt wird das Klassifikationsverfahren mittels einer Kreuzvalidierung anhand von Untermengen der Trainingsdatensätze trainiert. Dadurch kann die Vorhersagegenauigkeit des Klassifikationsverfahrens noch gesteigert werden. Aus vorherigen Ölmessungen wird zunächst eine Trainingsdatenmenge erstellt, in der jedem Satz von Ölparametern ein klar definierter Ölzustand zugeordnet ist. Dann wird das Klassifikationsverfahren, das der Zuordnung von Ölparametern zum Ölzustand (oder allgemeiner sensorisch erfassbarer Größen zu Kenngrößen) zugrundelegt wird, auf Basis dieser Trainingsdatenmenge trainiert. Anhand weiterer Messungen kann anschließend die Vorhersagekraft des trainierten Klassifikationsverfahrens verifiziert werden. Bevorzugt ist das Klassifikationsverfahren ein Entscheidungsbaumverfahren oder Regressionsbaumverfahren. Grundsätzlich sind aber auch eine Vielzahl anderer Klassifikationsverfahren einsetzbar, insbesondere neuronale Netze, support vector machines, Diskriminanzanalyse und K-Nearest-Neighbour-Clustering.
Als Sensor wird bevorzugt ein mechanischer Resonator verwendet. Dabei wird als sensorisch erfassbare Größe bevorzugt die elektrische Admittanz des mechanischen Resonators in der Flüssigkeit gemessen. Besonders bevorzugt wird als mechanischer Resonator eine Tuning Fork verwendet. Bevorzugt werden hiermit als sensorisch erfassbare Größen die Permittivität bzw. Dielektrizitätszahl der Flüssigkeit und/oder die Viskosität der Flüssigkeit und/oder die Dichte der Flüssigkeit und/oder der elektrische Leitwert der Flüssigkeit gemessen. Mit diesen sensorisch erfassbaren Größen lassen sich eine Vielzahl von Eigenschaften bestimmen und mit dem erfindungsgemäßen Klassifikationsverfahren bestimmten Kenngrößen zuordnen.
Bevorzugt wird als weiterer Sensor ein Füllstandssensor verwendet. Als weitere sensorisch erfassbare Größe wird damit der Füllstand oder die Höhe der Flüssigkeit in einem Messbehälter oder Vorratsgefäß erfasst. Der Füllstandssensor ist dabei bevorzugt ein Ultraschallsensor. Als weiterer Sensor kann auch noch ein Drucksensor verwendet werden. Mit diesem kann als sensorisch erfassbare Größe der Druck der Flüssigkeit in einem Messbehälter oder Vorratsgefäß erfasst werden. Weiterhin ist es möglich, zusätzlich einen Temperatursensor zu verwenden, mit dem als sensorisch erfassbare Größe die Temperatur der Flüssigkeit in einem Messbehälter oder Vorratsgefäß erfasst wird. Mit diesen und weiteren Sensoren und sensorisch erfassbaren Größen können zusätzliche Informationen über die zu untersuchende Flüssigkeit gewonnen werden und als Eingangsgrößen in dem Klassifikationsverfahren verwendet werden.
Bevorzugt werden für das Klassifikationsverfahren neben den sensorisch erfassten Größen der Flüssigkeit weitere, die Messumgebung beschreibende Daten, insbesondere die Einsatzdauer, die Einsatzart oder die Art der Flüssigkeit verwendet. Bei der Art der Flüssigkeit wird zunächst zwischen beispielsweise Öl, Wasser, Benzin und ähnlichem aber auch zwischen verschiedenen Ölsorten oder Benzinsorten unterschieden. Weitere Daten können die Motorspezifikation, insbesondere den Motortyp oder auch den Fahrstil, insbesondere die Geschwindigkeit, Drehzahl, Kilometerstand, Kaltstarts und/oder Verbrauch beinhalten. Bevorzugt wird als Flüssigkeit das Motoröl eines Kraftfahrzeugs untersucht.
Als Kenngrößen werden bevorzugt der Rußgehalt der Flüssigkeit und/oder der Kraftstoffgehalt der Flüssigkeit und/oder der Wassergehalt und/oder die TBN („Total Base Number“) und/oder die TAN („Total Acid Number“) der Flüssigkeit, insbesondere bei einem Motoröl ausgewertet.
Nachfolgend wird die Erfindung anhand eines in der Zeichnung dargestellten Ausführungsbeispiels weiter erläutert. Im Einzelnen zeigen die schematischen Darstellungen in:

1: Eine Prinzipdarstellung des erfindungsgemäßen Verfahrens;
2: Eine schematische Darstellung des Einflusses von Alterung und Verschmutzungen mit Ruß, Kraftstoff und Wasser auf ein Öl im Hinblick auf die sensorischen Daten Viskosität und Dielektrizitätszahl;
3: Ein Beispiel für ein Entscheidungsbaumverfahren im Rahmen des erfindungsgemäßen Verfahrens;
4: Eine schematische Darstellung des Trainings des erfindungsgemäßen Verfahrens; und
5: Eine Übersicht über die verschiedenen Ausgestaltungsmöglichkeiten des erfindungsgemäßen Verfahrens.

1 zeigt eine schematische Darstellung des erfindungsgemäßen Verfahrens. Im Block 1 werden zunächst mit Sensoren, insbesondere mit einem Tuning-Fork-Sensor 2, ein oder mehrere sensorisch erfassbare Werte 3 erfasst. Dies können die Viskosität, die Dichte, die Permittivität oder der elektrische Leitwert sein. In Block 7 kann mittels eines Temperatursensors die Temperatur, insbesondere die Öltemperatur bei der Untersuchung eines Öls erfasst werden. Beispielhaft ist hier noch der Öllevelsensor 4 aufgeführt, der als sensorisch erfassbare Größe den Level 5 feststellt. In einem Block 6 sind weitere für die Auswertung relevante Größen angegeben, die in das erfindungsgemäße Verfahren einfließen können. Diese gehen insbesondere auch auf das Fahrverhalten zurück. Hier sind beispielhaft die Geschwindigkeit, die Drehzahl, die Laufleistung, die Motor-Laufzeit, die Anzahl der Kaltstarts und der Verbrauch aufgeführt. Die so ermittelten Werte werden über Bussysteme, z.B. LIN-Bus, CAN-Bus oder PWM-Bus der Maschinenkontrolleinheit oder Engine Control Unit 10 (ECU) geführt. In dieser Einheit 10 erfolgt die Auswertung der sensorisch erfassten Werte mit einem Flüssigkeitszustandsalgorithmus oder im vorliegenden Fall einem Ölzustandsalgorithmus oder Oil Condition Algorithm OCA, der erfindungsgemäß ein Klassifikationsverfahren, insbesondere ein statistisches Klassifikationsverfahren in Form eines Entscheidungsbaumverfahrens ist. Die dabei ermittelten Kenngrößen werden ausgegeben in einem Block 11, einem Engine Management System (EMS), ausgegeben und es werden Aussagen zu vorher bestimmten Kenngrößen, wie beispielsweise dem Dieselgehalt, dem Benzingehalt, dem Rußgehalt und/oder dem Wassergehalt getroffen. Dies sind für viele Anwendungen wesentliche Kenngrößen für den Zustand eines Motoröls. Hinsichtlich bestimmter Fragestellungen können jedoch auch andere Kenngrößen von Interesse sein. Für andere Flüssigkeiten sind selbstverständlich andere Kenngrößen von besonderem Interesse. Das erfindungsgemäße Verfahren erlaubt es, das Klassifikationsverfahren auf die Erkennung nahezu beliebiger Kenngrößen zu trainieren. Insofern ist diese Aufzählung nur beispielhaft. Durch die Einbindung des Ölzustandsalgorithmus in ein Gesamtsystem aus Hardware und Software in das Öl-Management von Fahrzeugen werden Wartungsintervalle und Ölwechsel spezifischer und genauer auf das jeweilige Fahrzeug und das Fahrverhalten angepasst, als dies mit dem bisherigen Stand der Technik möglich ist.
In 2 ist in einem xy-Diagramm die kinematische Viskosität gegen die Dielektrizitätszahl für eine schematische Darstellung des Einflusses von Alterung und Oxidation sowie von Verschmutzungen mit Ruß, Kraftstoff und Wasser aufgetragen. Diese Darstellung illustriert, dass der Zusammenhang zwischen Ölparametern und dem Ölzustand, z.B. dem Rußgehalt in mehrfach verschmutzten Ölproben nicht durch eine einfache mathematische Darstellung darstellbar ist. Ölproben mit multiplen Verschmutzungen sind zwar hinsichtlich der Basiseffekte im begrenzten Umfang separierbar aber nicht allgemein gültig beschreibbar. Das bedeutet, dass sich Ölproben oder allgemein Flüssigkeitsproben mit Mehrfachverschmutzungen zwar nach ihrem Gehalt an Ruß, Kraftstoff, Wasser und anderen Zusätzen durch chemische und physikalische Analyseverfahren unterscheiden lassen, dass dies jedoch nicht durch eine einfache Formel aus den Ölparametern oder Flüssigkeitsparametern wie Viskosität, Dichte oder Permittivität abgeleitet werden kann. Vielmehr kann es vorkommen, dass einzelne Zusatzstoffe durch das gleichzeitige Vorhandensein von anderen Zusatzstoffen maskiert werden. Eine eindeutige Zuordnung des entsprechenden Zusatzstoffes zu einem der gemessenen Flüssigkeitsparameter ist dadurch verhindert. Im Einzelnen ist dabei auf der X-Achse 20 die Dielektrizitätszahl aufgetragen. Auf der Y-Achse 21 ist die kinematische Viskosität aufgetragen. In dem Diagramm ist beispielsweise ein Messpunkt für Frischöl mit 22 und ein Messpunkt für Gebrauchtöl mit 23 bezeichnet. Der Pfeil 24 stellt den alleinigen Einfluß eines Rußeintrags, der Pfeil 25 den Einfluß von Alterung und Oxidation, der Pfeil 26 den Kraftstoffeintrag und der Pfeil 27 den Wassereintrag dar. Die gestrichelten Pfeile deuten an, dass sich die Werte für das Gebrauchtöl 23 sowohl durch eine Kombination aus Ruß- und Dieseleintrag als auch durch eine Kombination von Wassereintrag und Oxidation ergeben können. Weitere Kombinationen sind möglich.
In 3 ist schematisch ein Entscheidungsbaumverfahren dargestellt, wie es im Rahmen der Erfindung eingesetzt wird. Zur Bestimmung des Rußanteils im Öl können beispielsweise die Ölparameter Permittivität (eps), die dynamische Viskosität (eta), die spezifische Dichte (rho) und der Leitwert (G_p) ausgewertet werden. In einem ersten Schritt wird dabei geprüft, ob die Permittivität (eps) kleiner ist als ein vorher festgelegter bzw. trainierter Wert X1. Danach werden in den nachfolgenden Bäumen des Entscheidungsbaums weitere Unterspezifikationen hinsichtlich weiterer Grenzwerte der Permittivität (eps) X2 und X3 getroffen. In den Unterbäumen werden dann weitere Abfragen hinsichtlich der Parameter Leitwert (G_p), spezifische Dichte (rho) im Vergleich zu bestimmten festgelegten trainierten Grenzwerten getroffen. Auf diese Weise kann innerhalb des Entscheidungsbaumes dann ein Ergebnis gefunden werden. Den sensorisch erfassten Größen wird auf diese Weise mit dem Klassifikationsverfahren ein Kennwert, nämlich der Rußanteil in Öl zugeordnet, der im vorliegenden Beispiel beispielsweise 0 %, 2 % oder 5 % betragen kann.
4 erläutert die Erstellung des Entscheidungsbaums gemäß 3 und die Bestimmung der Grenzwerte X1 bis X9 (in 3). Die Trainingsdaten 12 werden aus vorherigen Messungen, insbesondere Ölmessungen gewonnen. Dabei werden solche Trainingsdaten oder Testdaten ermittelt, in denen jedem Satz von Ölparametern bzw. sensorisch erfassten Größen ein klar definierter Ölzustand bzw. klar definierte Kenngrößen zugeordnet sind. Danach wird das Klassifikationsverfahren im Entscheidungsbaum, das der Zuordnung von Parametern oder sensorisch erfassten Größen zu Kenngrößen zugrunde liegt, auf Basis dieser Trainingsdaten trainiert. Anhand weiterer Messungen bzw. einer anderen Teilmenge von Test- oder Trainingsdaten kann anschließend eine Verifikation 15 des Klassifikationsverfahrens 13 erfolgen. Das Entscheidungsbaum-Klassifikationsverfahren kann beispielsweise mit einer fünffachen Kreuzvalidierung in 100 Durchläufen trainiert werden. Das so trainierte Klassifikationsverfahren wird dann der eigentlichen Verwendung zugeführt und in der Figur als 10a bezeichnet. Dies entspricht dann dem in 1 eingesetzten Klassifikationsverfahren 13 in der Maschinenkontrolleinheit 10.
In 5 ist schematisch aufgezeigt, in welcher Form die Trainingsdatenmenge erweitert werden kann. In einer ersten Stufe 16 kann ein Training des Klassifikationsverfahrens auf sensorisch erfassbare Werte wie Ruß, Wasser und Diesel erfolgen. Auch eine Anpassung auf entsprechende Ölsorten kann durchgeführt werden. In einer zweiten Stufe 17 können weitere Daten zum Beispiel hinsichtlich der Motorölspezifikation in die Trainingsdatenmenge einfließen und das Klassifikationsverfahren oder Entscheidungsbaumverfahren entsprechend trainiert werden, so dass der Motortyp, der Öllevel oder die Temperatur ebenfalls berücksichtigt werden. In einer dritten Stufe 18 kann die Trainingsdatenmenge um Fahrstile, die zum Beispiel bei Flottentests ermittelt werden, erweitert werden. Hierzu kann konkret die Geschwindigkeit, die Drehzahl, der Kilometerstand des Motors, die Zahl der Kaltstarts und der Verbrauch des Motors in die Trainingsdatenmenge aufgenommen werden und bei der Ermittlung der Kenngrößen berücksichtigt werden.

Claims

Verfahren zur Bestimmung von Inhaltsstoffen oder anderen Kenngrößen, wie dem Rußgehalt und/oder dem Kraftstoffgehalt und/oder dem Wassergehalt und/oder der TBN („Total Base Number“) und/oder der TAN („Total Acid Number“) in oder von Flüssigkeiten zur Verwendung in Kraftfahrzeugen, insbesondere von Motoröl, bei dem mit einem oder mehreren Sensoren eine oder mehrere sensorisch erfassbare Größen wie die Permittivität und/oder die Viskosität und/oder die Dichte und/oder der elektrische Leitwert bestimmt werden, wobei die sensorisch erfassten Größen der Flüssigkeit mit einem automatischen Klassifikationsverfahren hinsichtlich bestimmter Kenngrößen ausgewertet werden, dadurch gekennzeichnet, dass als Klassifikationsverfahren ein Entscheidungsbaumverfahren verwendet wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Klassifikationsverfahren mit Trainingsdatensätzen auf die Bestimmung vorgegebener Kenngrößen trainiert worden ist.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Klassifikationsverfahrens mittels einer Kreuzvalidierung anhand von Untermengen der Trainingsdatensätze trainiert wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Sensor ein mechanischer Resonator verwendet wird.
Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass als sensorisch erfassbare Größe die elektrische Admittanz des mechanischen Resonators in der Flüssigkeit gemessen wird.
Verfahren nach einem der Ansprüche 4 oder 5, dadurch gekennzeichnet, dass als mechanische Resonator eine Tuning Fork verwendet wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als weiterer Sensor ein Füllstandssensor verwendet wird.
Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass die sensorisch erfassbare Größe des Füllstandssensors der Füllstand oder die Höhe der Flüssigkeit in einem Messbehälter oder Vorratsgefäß ist.
Verfahren nach einem der Ansprüche 7 oder 8, dadurch gekennzeichnet, dass der Füllstandssensor ein Ultraschallsensor ist.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als weiterer Sensor ein Drucksensor verwendet wird.
Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass die sensorisch erfassbare Größe des Drucksensors der Druck der Flüssigkeit in einem Messbehälter oder Vorratsgefäß ist.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als weiterer Sensor ein Temperatursensor verwendet wird.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass die sensorisch erfassbare Größe des Temperatursensors die Temperatur der Flüssigkeit in einem Messbehälter oder Vorratsgefäß ist.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass für das Klassifikationsverfahren neben den sensorisch erfassten Größen der Flüssigkeit weitere, die Messumgebung beschreibende Daten verwendet werden.
Verfahren nach Anspruch 14, dadurch gekennzeichnet, dass es sich bei den die Messumgebung beschreibenden Daten um die Einsatzdauer, die Einsatzart oder die Art der Flüssigkeit handelt.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Flüssigkeit Motoröl ist.