DE102018132158A1 - Klassifikation von Signalen zur Diagnose für ein Kraftfahrzeug - Google Patents
Klassifikation von Signalen zur Diagnose für ein Kraftfahrzeug Download PDFInfo
- Publication number
- DE102018132158A1 DE102018132158A1 DE102018132158.9A DE102018132158A DE102018132158A1 DE 102018132158 A1 DE102018132158 A1 DE 102018132158A1 DE 102018132158 A DE102018132158 A DE 102018132158A DE 102018132158 A1 DE102018132158 A1 DE 102018132158A1
- Authority
- DE
- Germany
- Prior art keywords
- signal
- motor vehicle
- sensor signal
- repair information
- computer
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2637—Vehicle, car, auto, wheelchair
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
Ein Aspekt der Erfindung betrifft ein Computerimplementiertes Verfahren zum Trainieren eines Klassifikators zur Diagnose für ein Kraftfahrzeug. Ein Schritt des Verfahrens ist das Zuordnen zumindest eines Sensorsignals mittels einer durch Selbstlernen trainierten Künstlichen Intelligenz zu einer Signalklasse. Ein weiterer Schritt des Verfahrens ist das Entgegennehmen oder Bestimmen von zumindest einer Reparaturinformation. Ein weiterer Schritt des Verfahrens ist das Zuordnen einer Signalklasse zu der zumindest einen Reparaturinformation.
Description
- Die Erfindung betrifft ein Computer-implementiertes Verfahren, eine Vorrichtung und eine Verwendung zur Klassifikation von Signalen zur Diagnose für ein Kraftfahrzeug.
- Aus der
US 2014/0336869 A1 - Es ist Aufgabe der Erfindung, ein verbessertes Verfahren und eine verbesserte Vorrichtung zur Klassifikation von Signalen zur Diagnose für ein Kraftfahrzeug anzugeben.
- Die Aufgabe wird durch die Merkmale der unabhängigen Patentansprüche gelöst. Vorteilhafte Ausführungsformen sind in den abhängigen Ansprüchen beschrieben. Es wird darauf hingewiesen, dass zusätzliche Merkmale eines von einem unabhängigen Patentanspruch abhängigen Patentanspruchs ohne die Merkmale des unabhängigen Patentanspruchs oder nur in Kombination mit einer Teilmenge der Merkmale des unabhängigen Patentanspruchs eine eigene und von der Kombination sämtlicher Merkmale des unabhängigen Patentanspruchs unabhängige Erfindung bilden können, die zum Gegenstand eines unabhängigen Anspruchs, zu einer Teilungsanmeldung oder einer Nachanmeldung gemacht werden kann. Dies gilt in gleicher Weise für in der Beschreibung beschriebene technische Lehren, die eine von den Merkmalen der unabhängigen Patentansprüche unabhängige Erfindung bilden können.
- Ein erster Aspekt der Erfindung betrifft ein Computer-implementiertes Verfahren zum Trainieren eines Klassifikators zur Diagnose für ein Kraftfahrzeug.
- Der Klassifikator ist insbesondere ein Verfahren oder eine Vorrichtung zur Einteilung von. beispielsweise abstrakten, Objekten oder Situationen in Klassen.
- Die Diagnose für das Kraftfahrzeug ist beispielsweise das Erkennen des Vorliegens eines Fehlers oder einer Beschädigung eines Kraftfahrzeugbauteils. Alternativ oder zusätzlich ist die Diagnose für das Kraftfahrzeug beispielsweise das Identifizieren des Fehlers oder der Beschädigung, also die Feststellung, um welchen Fehler oder um welche Beschädigung es sich handelt.
- Ein Schritt des Verfahrens ist das Entgegennehmen von zumindest einem Sensorsignal eines Sensors des Kraftfahrzeugs.
- Der Sensor kann insbesondere ein akustischer Sensor sein, beispielsweise ein Mikrofon. Der akustische Sensor kann dabei beispielsweise eingerichtet sein, Ultra- und/oder Infraschallwellen zu detektieren. Alternativ kann der Sensor insbesondere auch ein optischer Sensor sein, beispielsweise eine Kamera.
- Der Sensor kann beispielsweise im Innenraum des Kraftfahrzeugs, im Motorraum des Kraftfahrzeugs oder am Fahrzeugexterieur angeordnet sein.
- Das zumindest eine Sensorsignal umfasst dabei insbesondere eine Zeitreihe von zumindest zwei Datenpunkten eines Signals.
- Ein weiterer Schritt des Verfahrens ist das Zuordnen des zumindest einen Sensorsignals mittels einer durch Selbstlernen trainierten Künstlichen Intelligenz zu einer Signalklasse.
- Selbstlernen, insbesondere unüberwachtes Lernen und »Deep Learning«, bezeichnet maschinelles Lernen mit und ohne Kontextbezug ohne im Voraus bekannte Zielwerte sowie ohne Belohnung durch die Umwelt. Die Künstliche Intelligenz versucht, in den Eingabedaten Muster zu erkennen, die vom strukturlosen Rauschen abweichen.
- Bekannte Ansätze zum Selbstlernen sind beispielsweise Clusteranalyse (z.B. mittels „k-means“ oder „Random Forests“), künstliche neuronale Netzwerke (z.B. mittels „Autoencoder“ oder „Deep Learning“).
- Wenn das zumindest eine Sensorsignal ein akustisches Signal ist, dann kann die Signalklasse beispielsweise charakteristisch sein für ein Klappern, Klacken, Klopfen, Pochen, Quietschen oder Knarzen. Alternativ oder zusätzlich kann die Signalklasse beispielsweise auch charakteristisch sein für eine relative Position der Quelle des Signals zum Sensor.
- Insbesondere erfolgt das Zuordnen des zumindest einen Sensorsignals mittels der selbstlernendes Künstlichen Intelligenz zu einer Signalklasse in Abhängigkeit von zumindest einer Eigenschaft des Sensorsignals, wobei die zumindest eine Eigenschaft des Sensorsignals beispielsweise für eine Schwingung des Signals charakteristisch ist.
- Bei einem akustischen Signal ist die Schwingung des Signals beispielsweise eine akustische Schwingung. Bei einem optischen Signal ist die Schwingung beispielsweise eine schwingende Kante in einem Bild.
- Ein weiterer Schritt des Verfahrens ist das Entgegennehmen oder Bestimmen von zumindest einer Reparaturinformation, wobei die Reparaturinformation für ein Kraftfahrzeugbauteil und/oder einen Zustand des Kraftfahrzeugbauteils charakteristisch ist.
- Die zumindest eine Reparaturinformation kann beispielsweise bei einem Serviceaufenthalt des Kraftfahrzeugs manuell oder automatisiert bestimmt werden oder zeitnah über Mobilfunk (z.B. 5G).
- Die Reparaturinformation identifiziert insbesondere das Kraftfahrzeugbauteil oder den Zustand des Kraftfahrzeugbauteils statistisch signifikant.
- Ein weiterer Schritt des Verfahrens ist das Zuordnen einer Signalklasse zu der zumindest einen Reparaturinformation.
- In einer bevorzugten Ausführungsform erfolgt das Zuordnen der Signalklasse zu der zumindest einen Reparaturinformation, derart, dass eine Signalklasse, deren zugeordnetes, zumindest eine Sensorsignal in einem vorgebbaren Zeitfenster vor der Zuordnung erstmalig mit zumindest einer vorgebbaren Häufigkeit auftrat, der Reparaturinformation zugeordnet wird.
- Die zumindest eine vorgebbare Häufigkeit kann beispielsweise als ein Schwellwert derart vorgegeben werden, dass statistisch nicht signifikant auftretende Sensorsignale das Zuordnen der Signalklasse zu der zumindest einen Reparaturinformation nicht beeinflussen.
Das vorgebbare Zeitfenster kann beispielsweise derart vorgegeben werden, dass es dem Zeitraum zwischen zwei Service-, beziehungsweise Wertstattaufenthalten entspricht. In diese Fall könnte eine zwischen zwei Serviceaufenthalten erstmalig auftretende Signalklasse einer im späteren Serviceaufenthalt erstmalig auftretenden Reparaturinformation zugewiesen werden. - In einer bevorzugten alternativen Ausführungsform erfolgt das Zuordnen der Signalklasse zu der zumindest einen Reparaturinformation durch Entgegennehmen einer Bedienhandlung. Insbesondere ist die Bedienhandlung ein manuelles Zuweisen der zumindest einen Reparaturinformation zu der Signalklasse, beispielsweise bei einem Service-, beziehungsweise Wertstattaufenthalt.
- Ein weiterer Schritt des Verfahrens ist das Trainieren des Klassifikators mit dem zumindest einen Sensorsignal und der dem zumindest einen Sensorsignal über die Signalklasse zugeordneten Reparaturinformation sowie Kontextwissen („Deep Learning“).
- Ein weiterer Aspekt der Erfindung betrifft eine Vorrichtung zur Datenverarbeitung, umfassend Mittel zur Ausführung der Schritte des Verfahrens nach einem der Ansprüche 1 bis 8.
- Ein weiterer Aspekt der Erfindung betrifft die Verwendung des mit dem Verfahren nach einem der Ansprüche 1 bis 8 trainierten Klassifikators zur Diagnose eines Schadens des Kraftfahrzeugbauteils.
- Mittels des trainierten Klassifikators kann insbesondere ein bereits eingetretener Schaden des Kraftfahrzeugbauteils diagnostiziert werden. Es kann also beispielsweise das beschädigte Kraftfahrzeugbauteil erkannt werden und/oder die Art des Schadens festgestellt werden.
- Ein weiterer Aspekt der Erfindung betrifft die Verwendung des mit dem Verfahren nach einem der Ansprüche 1 bis 8 trainierten Klassifikators zur Prädiktion eines Schadens des Kraftfahrzeugbauteils.
- Mittels des trainierten Klassifikators kann insbesondere ein noch nicht eingetretener Schaden des Kraftfahrzeugbauteils diagnostiziert werden. Es kann also beispielsweise das beschädigte Kraftfahrzeugbauteil erkannt werden und/oder die Art des Schadens festgestellt werden.
- Ein weiterer Aspekt der Erfindung betrifft die Verwendung des mit dem Verfahren nach einem der Ansprüche 1 bis 8 trainierten Klassifikators zum Erkennen einer Veränderung im Umfeld des Kraftfahrzeugs.
- Die Veränderung im Umfeld des Kraftfahrzeugs ist insbesondere eine das Fahrverhalten des Kraftfahrzeugs beeinflussende Veränderung im Umfeld des Kraftfahrzeugs, beispielsweise eine Reibwertänderung.
- Ein weiterer Aspekt der Erfindung betrifft die Verwendung des mit dem Verfahren nach einem der Ansprüche 1 bis 8 trainierten Klassifikators zum Erkennen von nicht sichtbaren Fahrzeugen, insbesondere Einsatzfahrzeuge, im Umfeld des Kraftfahrzeugs.
- Die vorstehenden Ausführungen zum erfindungsgemäßen Verfahren nach dem ersten Aspekt der Erfindung gelten in entsprechender Weise auch für die erfindungsgemäße Vorrichtung nach dem zweiten Aspekt der Erfindung und die erfindungsgemäße Verwendung nach dem dritten Aspekt der Erfindung; vorteilhafte Ausführungsbeispiele der erfindungsgemäßen Vorrichtung und der erfindungsgemäßen Verwendung entsprechen den beschriebenen vorteilhaften Ausführungsbeispielen des erfindungsgemäßen Verfahrens.
- Die Erfindung wird nachfolgend anhand eines Ausführungsbeispiels unter Zuhilfenahme der beigefügten Zeichnungen beschrieben. In diesen zeigen:
-
1 ein Ausführungsbeispiel ein Ausführungsbeispiel der erfindungsgemäßen Vorrichtung zur Datenverarbeitung, und -
2 ein Ausführungsbeispiel des erfindungsgemäßen Verfahrens. -
1 zeigt ein Ausführungsbeispiel der erfindungsgemäßen Vorrichtung zur Datenverarbeitung zum Trainieren eines KlassifikatorsK zur Diagnose für ein Kraftfahrzeug. - Die erfindungsgemäße Vorrichtung ist dabei eingerichtet, zumindest ein Sensorsignal
ss eines SensorsS des Kraftfahrzeugs entgegenzunehmen100 , und das zumindest eine Sensorsignalss mittels einer durch Selbstlernen trainierten Künstlichen IntelligenzSKI zu einer Signalklassesk zuzuordnen110 . - Das zumindest eine Sensorsignal
ss umfasst dabei beispielsweise eine Zeitreihe von zumindest zwei Datenpunkten eines optischen Signals und/oder eines akustisches Signals, insbesondere eines Infraschallsignals oder ein Ultraschallsignals. - Das Zuordnen
110 des zumindest einen Sensorsignalsss mittels der selbstlernendes Künstlichen IntelligenzSKI zu einer Signalklassesk erfolgt insbesondere in Abhängigkeit von zumindest einer Eigenschaft des Sensorsignalsss erfolgt. - Außerdem ist die erfindungsgemäße Vorrichtung eingerichtet, zumindest einer Reparaturinformation
ri entgegenzunehmen120 oder zu bestimmen, wobei die Reparaturinformationri für ein Kraftfahrzeugbauteil und/oder einen Zustand des Kraftfahrzeugbauteils charakteristisch ist. - Die Reparaturinformation
ri identifiziert dabei das Kraftfahrzeugbauteil oder den Zustand des Kraftfahrzeugbauteils statistisch signifikant. - Darüber hinaus ist die erfindungsgemäße Vorrichtung eingerichtet, die Signalklasse
sk zu der zumindest einen Reparaturinformationri zuzuordnen130 , insbesondere mittels einer ZuordnungseinheitZE . - Die Reparaturinformation
ri kann dabei der ZuordnungseinheitZE beispielsweise während Werkstattaufenthalts übermittelt werden. - Die erfindungsgemäße Vorrichtung ist eingerichtet, den Klassifikator
K mit dem zumindest einen Sensorsignalss und der dem zumindest einen Sensorsignalss über die Signalklassesk zugeordneten Reparaturinformationri zu trainieren140 , beispielsweise mittels einer TrainingseinheitTE , die in einem überwachten Lernverfahren den KlassifikatorK trainiert140 . - Der trainierte Klassifikator
K kann insbesondere verwendet werden, um einen Schaden des Kraftfahrzeugbauteils in Abhängigkeit von dem zumindest einen Sensorsignalss diagnostizieren. Der KlassifikatorK kann das zumindest eine Sensorsignalss beispielsweise direkt von dem SensorS des Kraftfahrzeugs entgegennehmen. -
2 zeigt ein Ausführungsbeispiel des erfindungsgemäßen Verfahrens zum Trainieren eines KlassifikatorsK zur Diagnose für ein Kraftfahrzeug - Ein Schritt des Verfahrens ist das Entgegennehmen
100 von zumindest einem Sensorsignalss eines SensorsS des Kraftfahrzeugs. - Das zumindest eine Sensorsignal
ss ist beispielsweise eine Zeitreihe von zumindest zwei Datenpunkten eines akustischen Signals, das insbesondere einen Infraschall- und/oder einen Ultraschallumfang umfasst. - Ein weiterer Schritt des Verfahrens ist das Zuordnen
110 des zumindest einen Sensorsignalsss mittels einer durch Selbstlernen trainierten Künstlichen IntelligenzSKI zu einer Signalklassesk . - Die Signalklasse ist beispielsweise charakteristisch für ein klapperndes Geräusch.
- Das Zuordnen
110 des zumindest einen Sensorsignalsss mittels der selbstlernendes Künstlichen IntelligenzSKI zu einer Signalklassesk erfolgt insbesondere in Abhängigkeit von zumindest einer Eigenschaft des Sensorsignalsss . Beispielsweise kann die zumindest eine Eigenschaft des Sensorsignalsss im Fall des klappernden Geräusches für eine Schwingung des Sensorsignalsss charakteristisch sein. - Ein weiterer Schritt des Verfahrens ist das Entgegennehmen
120 von zumindest einer Reparaturinformationri , wobei die Reparaturinformationri für ein Kraftfahrzeugbauteil und/oder einen Zustand des Kraftfahrzeugbauteils charakteristisch ist, und wobei die Reparaturinformationri das Kraftfahrzeugbauteil oder den Zustand des Kraftfahrzeugbauteils statistisch signifikant identifiziert. - Die Reparaturinformation
ri ist beispielsweise charakteristisch für eine Beschädigung eines Bauteils des Fahrswerks des Kraftfahrzeugs. - Ein weiterer Schritt des Verfahrens ist das Zuordnen
130 der Signalklassesk zu der zumindest einen Reparaturinformationri . - Das Zuordnen
130 der Signalklassesk zu der zumindest einen Reparaturinformationri , erfolgt beispielsweise derart, dass eine Signalklassesk , deren zugeordnetes, zumindest eine Sensorsignalss in einem vorgebbaren Zeitfenster vor dem Zuordnen130 erstmalig mit zumindest einer vorgebbaren Häufigkeit auftrat, der Reparaturinformationri zugeordnet wird. - Wenn das genannte klappernde Geräusch beispielsweise erst kurz vor dem Entgegennehmen
120 der Reparaturinformationri erstmalig aufgetreten ist, so wir die Signalklassesk , die für das klappernde Geräusch charakteristisch ist, der Reparaturinformationri zugeordnet. - Ein weiterer Schritt des Verfahrens ist das Trainieren
140 des KlassifikatorsK mit dem zumindest einen Sensorsignalss und der dem zumindest einen Sensorsignalss über die Signalklassesk zugeordneten Reparaturinformationri . - ZITATE ENTHALTEN IN DER BESCHREIBUNG
- Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
- Zitierte Patentliteratur
-
- US 2014/0336869 A1 [0002]
Claims (13)
- Computerimplementiertes Verfahren zum Trainieren eines Klassifikators (K) zur Diagnose für ein Kraftfahrzeug, umfassend die Schritte: • Entgegennehmen (100) von zumindest einem Sensorsignal (ss) eines Sensors (S) des Kraftfahrzeugs, • Zuordnen (110) des zumindest einen Sensorsignals (ss) mittels einer durch Selbstlernen trainierten Künstlichen Intelligenz (SKI) zu einer Signalklasse (sk), • Entgegennehmen (120) oder Bestimmen von zumindest einer Reparaturinformation (ri), wobei die Reparaturinformation (ri) für ein Kraftfahrzeugbauteil und/oder einen Zustand des Kraftfahrzeugbauteils charakteristisch ist, • Zuordnen (130) der Signalklasse (sk) zu der zumindest einen Reparaturinformation (ri), • Trainieren (140) des Klassifikators (K) mit dem zumindest einen Sensorsignal (ss) und der dem zumindest einen Sensorsignal (ss) über die Signalklasse (sk) zugeordneten Reparaturinformation (ri).
- Computerimplementiertes Verfahren nach
Anspruch 1 , wobei das zumindest eine Sensorsignal (ss) • ein optisches Signal und/oder • ein akustisches Signal, insbesondere ein Infraschallsignal oder ein Ultraschallsignal, umfasst. - Computerimplementiertes Verfahren nach einem der vorherigen Ansprüche, wobei das zumindest eine Sensorsignal (ss) eine Zeitreihe von zumindest zwei Datenpunkten eines Signals umfasst.
- Computerimplementiertes Verfahren nach einem der vorherigen Ansprüche, wobei die Reparaturinformation (ri) das Kraftfahrzeugbauteil oder den Zustand des Kraftfahrzeugbauteils statistisch signifikant identifiziert.
- Computerimplementiertes Verfahren nach einem der vorherigen Ansprüche, wobei das Zuordnen (110) des zumindest einen Sensorsignals (ss) mittels der selbstlernendes Künstlichen Intelligenz (SKI) zu einer Signalklasse (sk) in Abhängigkeit von zumindest einer Eigenschaft des Sensorsignals (ss) erfolgt.
- Computerimplementiertes Verfahren nach
Anspruch 4 , wobei die zumindest eine Eigenschaft des Sensorsignals (ss) für eine Schwingung des Sensorsignals (ss) charakteristisch ist. - Computerimplementiertes Verfahren nach einem der vorherigen Ansprüche, wobei das Zuordnen (130) der Signalklasse (sk) zu der zumindest einen Reparaturinformation (ri), derart erfolgt, dass eine Signalklasse (sk), deren zugeordnetes, zumindest eine Sensorsignal (ss) in einem vorgebbaren Zeitfenster vor dem Zuordnen (130) erstmalig mit zumindest einer vorgebbaren Häufigkeit auftrat, der Reparaturinformation (ri) zugeordnet wird.
- Computerimplementiertes Verfahren nach einem der vorherigen Ansprüche, wobei das Zuordnen (130) der Signalklasse (sk) zu der zumindest einen Reparaturinformation (ri) durch Entgegennehmen einer Bedienhandlung erfolgt.
- Vorrichtung zur Datenverarbeitung, umfassend Mittel zur Ausführung der Schritte des Verfahrens nach einem der
Ansprüche 1 bis8 . - Verwendung des mit dem Verfahren nach einem der
Ansprüche 1 bis8 trainierten Klassifikators (K) zur Diagnose eines Schadens des Kraftfahrzeugbauteils. - Verwendung des mit dem Verfahren nach einem der
Ansprüche 1 bis8 trainierten Klassifikators (K) zur Prädiktion eines Schadens des Kraftfahrzeugbauteils. - Verwendung des mit dem Verfahren nach einem der
Ansprüche 1 bis8 trainierten Klassifikators (K) zum Erkennen einer Veränderung im Umfeld des Kraftfahrzeugs. - Verwendung des mit dem Verfahren nach einem der
Ansprüche 1 bis8 trainierten Klassifikators (K) zum Erkennen von nicht sichtbaren Fahrzeugen, insbesondere Einsatzfahrzeuge, im Umfeld des Kraftfahrzeugs.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018132158.9A DE102018132158A1 (de) | 2018-12-13 | 2018-12-13 | Klassifikation von Signalen zur Diagnose für ein Kraftfahrzeug |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018132158.9A DE102018132158A1 (de) | 2018-12-13 | 2018-12-13 | Klassifikation von Signalen zur Diagnose für ein Kraftfahrzeug |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102018132158A1 true DE102018132158A1 (de) | 2020-06-18 |
Family
ID=70859658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102018132158.9A Pending DE102018132158A1 (de) | 2018-12-13 | 2018-12-13 | Klassifikation von Signalen zur Diagnose für ein Kraftfahrzeug |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102018132158A1 (de) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102020103904A1 (de) | 2020-02-14 | 2021-08-19 | Audi Aktiengesellschaft | Verfahren zum Überwachen eines Kraftfahrzeugsystems, Telematikeinrichtung, und Servervorrichtung |
DE102022106764A1 (de) | 2022-03-23 | 2023-09-28 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Zustandskontrolle einer Komponente in einer Komponentenumgebung |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10038094A1 (de) * | 2000-08-04 | 2002-02-14 | Bosch Gmbh Robert | Vorrichtung und Verfahren zum Generieren und Erweitern der Wissensbasis eines Expertensystems |
DE102007051261A1 (de) * | 2007-10-26 | 2009-04-30 | Volkswagen Ag | Verfahren und Vorrichtung zur akustischen Beurteilung eines Kraftfahrzeuges |
US20140336869A1 (en) | 2013-05-13 | 2014-11-13 | International Business Machines Corporation | Automating Predictive Maintenance for Automobiles |
DE102016208048A1 (de) * | 2015-05-19 | 2016-11-24 | Gm Global Technology Operations, Llc | Automobile, diagnosesysteme und verfahren zur erzeugung von diagnosedaten für automobile |
DE102017200372A1 (de) * | 2017-01-11 | 2018-07-12 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren, Vorrichtung und System zum Überwachen eines Fahrzeuges durch akustische Diagnose |
-
2018
- 2018-12-13 DE DE102018132158.9A patent/DE102018132158A1/de active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10038094A1 (de) * | 2000-08-04 | 2002-02-14 | Bosch Gmbh Robert | Vorrichtung und Verfahren zum Generieren und Erweitern der Wissensbasis eines Expertensystems |
DE102007051261A1 (de) * | 2007-10-26 | 2009-04-30 | Volkswagen Ag | Verfahren und Vorrichtung zur akustischen Beurteilung eines Kraftfahrzeuges |
US20140336869A1 (en) | 2013-05-13 | 2014-11-13 | International Business Machines Corporation | Automating Predictive Maintenance for Automobiles |
DE102016208048A1 (de) * | 2015-05-19 | 2016-11-24 | Gm Global Technology Operations, Llc | Automobile, diagnosesysteme und verfahren zur erzeugung von diagnosedaten für automobile |
DE102017200372A1 (de) * | 2017-01-11 | 2018-07-12 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren, Vorrichtung und System zum Überwachen eines Fahrzeuges durch akustische Diagnose |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102020103904A1 (de) | 2020-02-14 | 2021-08-19 | Audi Aktiengesellschaft | Verfahren zum Überwachen eines Kraftfahrzeugsystems, Telematikeinrichtung, und Servervorrichtung |
DE102022106764A1 (de) | 2022-03-23 | 2023-09-28 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Zustandskontrolle einer Komponente in einer Komponentenumgebung |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102008047473B4 (de) | Verfahren und Vorrichtung zur Lokalisierung eines defekten Bauteils eines Fahrzeugs | |
DE102007051261A1 (de) | Verfahren und Vorrichtung zur akustischen Beurteilung eines Kraftfahrzeuges | |
WO2005111598A1 (de) | Vorrichtung und verfahren zur beurteilung einer güteklasse eines zu prüfenden objekts | |
DE102014013472A1 (de) | Verfahren zur Erkennung und Klassifikation von Schadensereignissen an Kraftfahrzeugen und Vorrichtung hierfür | |
DE102014106506A1 (de) | Verfahren zum Durchführen einer Diagnose eines Kamerasystems eines Kraftfahrzeugs, Kamerasystem und Kraftfahrzeug | |
DE102018132158A1 (de) | Klassifikation von Signalen zur Diagnose für ein Kraftfahrzeug | |
DE102017207442A1 (de) | Verfahren und Vorrichtung zum Klassifizieren von Objekten im Umfeld eines Kraftfahrzeuges | |
DE102016008218A1 (de) | Verfahren zum verbesserten Erkennen von Objekten durch ein Fahrerassistenzsystem | |
DE102022106036A1 (de) | Kontextabhängige signalaufbereitung für den sprachassistenten im fahrzeug | |
DE102018221998A1 (de) | Verfahren zum Generieren einer Geräuschdatenbank, Verfahren zum Dämpfen von wenigstens einem akustischen Signal in einem Kraftfahrzeug sowie Signaldämpfungsvorrichtung für ein Kraftfahrzeug | |
DE102019213697B4 (de) | Verfahren zum Erkennen einer Annäherung und/oder Entfernung eines Einsatzfahrzeugs relativ zu einem Fahrzeug | |
DE102021005092A1 (de) | Verfahren und Vorrichtung zur Erkennung von Emotionszuständen von Insassen eines Fahrzeuges | |
DE102017223089A1 (de) | Sensoranordnung zum Senden und/oder Empfangen eines Schallsignals | |
DE102015110960A1 (de) | Verfahren zum Auswerten eines Empfangssignals eines Ultraschallsensors, Ultraschallsensorvorrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug | |
DE102015214987A1 (de) | Bestimmung eines defekten Bauteils eines Fahrzeugs | |
DE102017208382B4 (de) | Verfahren zur Verbesserung von vorübergehend beeinträchtigter Spracherkennung in einem Fahrzeug | |
DE102020200847A1 (de) | Verfahren und Vorrichtung zur Objektidentifikation basierend auf Sensordaten | |
DE102019218067A1 (de) | Steuergerät für ein automatisiert betreibbares Fahrzeug zur Erkennung eines Ursprungsortes von Schallwellen, Verfahren zur Erkennung eines Ursprungsortes von Schallwellen und automatisiert betreibbares Fahrzeug | |
DE102020103403A1 (de) | Aufprallerfassungssystem für ein fahrzeug und aufprallerfassungsverfahren dafür | |
DE102008060194A1 (de) | Verfahren und Kraftfahrzeug für ein Fahrzeugflotten-Qualifikationsmanagement | |
DE102018009451A1 (de) | Verfahren zum Überprüfen wenigstens eines Fahrzeugs sowie elektronische Recheneinrichtung | |
DE102013005405A1 (de) | Verfahren und Vorrichtung zur Ermittlung von Akustikeigenschaften eines Fahrzeuginnenraums | |
DE102019008443A1 (de) | Verfahren zum Erkennen elner Fahrbahnbeschaffenheit anhand von Abrollgeräuschen | |
DE102018212601A1 (de) | Verfahren zur Ausgabe eines Signals in Abhängigkeit von einem Beschleunigungssignal sowie Steuergerät zur Ausgabe eines Signals in Abhängigkeit von einem Beschleunigungssignal | |
DE102018216557A1 (de) | Verfahren, Vorrichtung und Fortbewegungsmittel zur akustischen Überwachung einer Fehlerfreiheit eines Fortbewegungsmittels |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified |