DE102019000715A1

DE102019000715A1 - Method for operating a system comprising at least one electrical device and / or at least one sensor, and device

Info

Publication number: DE102019000715A1
Application number: DE102019000715.8A
Authority: DE
Inventors: Alexander Hanuschkin; Christian Drescher
Original assignee: Daimler AG
Current assignee: Mercedes Benz Group AG
Priority date: 2019-01-31
Filing date: 2019-01-31
Publication date: 2019-08-29

Abstract

Die Erfindung betrifft ein Verfahren zum Betreiben eines Systems (1), welches als Komponenten (2) zumindest ein elektrisches Gerät (3) und/oder zumindest einen Sensor (4) umfasst, bei welchem eine Ausgangsgröße (A) einer der Komponenten bestimmt wird, anhand eines Modells, welches auf maschinellem Lernen basiert, ein Vorhersagewert (V) für die Ausgangsgröße (A) bestimmt wird und anhand einer Abweichung zwischen der Ausgangsgröße (A) und dem Vorhersagewert (V) eine Einschränkung oder einen Ausfall einer Funktionsbereitschaft der Komponente (2) erkannt wird, wobei falls die Einschränkung oder der Ausfall der Funktionsbereitschaft der Komponente (2) erkannt wird, für eine vorbestimmte Zeitdauer der Vorhersagewert (V) anstelle der Ausgangsgröße (A) verwendet wird.

The invention relates to a method for operating a system (1) which comprises as components (2) at least one electrical device (3) and / or at least one sensor (4), in which an output variable (A) of one of the components is determined, a prediction value (V) for the output quantity (A) is determined on the basis of a model based on machine learning, and a restriction or failure of a functional readiness of the component (2) based on a deviation between the output quantity (A) and the predicted value (V) ) is detected, and if the restriction or failure of the operational readiness of the component (2) is detected, the predicted value (V) is used instead of the output quantity (A) for a predetermined period of time.

Description

Die vorliegende Erfindung betrifft ein Verfahren zum Betreiben eines Systems, welches als Komponenten zumindest ein elektrisches Gerät und/oder zumindest einen Sensor umfasst. Bei dem Verfahren wird eine Ausgangsgröße einer der Komponenten bestimmt. Zudem wird anhand eines Modells, welches auf maschinellem Lernen basiert, ein Vorhersagewert für die Ausgangsgröße bestimmt. Des Weiteren wird anhand einer Abweichung zwischen der Ausgangsgröße und dem Vorhersagewert eine Einschränkung oder ein Ausfall einer Funktionsbereitschaft der Komponente erkannt. Darüber hinaus betrifft die vorliegende Erfindung eine Vorrichtung für ein System, welches als Komponenten zumindest ein elektrisches Gerät und/oder zumindest einen Sensor umfasst.The present invention relates to a method for operating a system which comprises as components at least one electrical device and / or at least one sensor. In the method, an output of one of the components is determined. In addition, a predictive value for the output quantity is determined from a model based on machine learning. Furthermore, based on a deviation between the output quantity and the predicted value, a restriction or a failure of a functional readiness of the component is detected. Moreover, the present invention relates to a device for a system which comprises as components at least one electrical device and / or at least one sensor.

Der Ausfall eines Sensors oder eines elektronischen Geräts, beispielsweise eines Steuergeräts, in einem Fahrzeug kann dessen Funktionsfähigkeit einschränken oder gar zu einem Funktionsausfall des gesamten Systems führen. Verfahren zum automatischen Erkennen von Geräteausfällen bzw. Geräteanomalien sind aus dem Stand der Technik hinlänglich bekannt.The failure of a sensor or an electronic device, such as a controller, in a vehicle can limit its functionality or even lead to a malfunction of the entire system. Methods for automatically detecting device failures or equipment anomalies are well known in the art.

Beispielsweise beschreibt die DE 10 2018 000 579 A1 ein Verfahren zum Überwachen einer Funktionsbereitschaft eines elektrischen Geräts, welches abhängig von einer elektrischen Eingangsgröße eine elektrische Ausgangsgröße bereitstellt. Hierbei werden die Eingangsgröße und die Ausgangsgröße mittels einer Auswerteeinheit erfasst und ausgewertet, wobei die Auswerteeinheit ein Modell basierend auf maschinellem Lernen nutzt und abhängig von der Eingangsgröße eine prädizierte Ausgangsgröße ermittelt und mit der Ausgangsgröße vergleicht. In Abhängigkeit von dem Vergleichsergebnis kann ein Warnsignal ausgegeben werden.For example, this describes DE 10 2018 000 579 A1 a method for monitoring a functional readiness of an electrical device, which provides an electrical output depending on an electrical input variable. In this case, the input variable and the output variable are detected and evaluated by means of an evaluation unit, wherein the evaluation unit uses a model based on machine learning and, depending on the input variable, determines a predicted output variable and compares it with the output variable. Depending on the result of the comparison, a warning signal can be output.

Darüber hinaus ist es aus dem Stand der Technik bekannt, bei sicherheitskritischen Anwendungen die Sensoren und/oder die Systeme redundant auszulegen. Selbst bei redundant ausgelegten Sensoren ist es erforderlich, dass inkonsistente Werte korrekt interpretiert werden. Beispielsweise ist es in der Reaktorsicherheit üblich, dass wichtige Sicherheitssysteme mehrfach bzw. redundant angeordnet werden. Üblicherweise sind mindestens zwei Systeme mehr vorhanden, als für die eigentliche Funktion benötigt werden. Im Zusammenhang mit Flugzeugen sind Fälle bekannt, bei denen der Ausfall eines Sensors zu einem Absturz des Flugzeugs führte.Moreover, it is known from the prior art to design the sensors and / or the systems redundantly in safety-critical applications. Even with redundant sensors, it is necessary that inconsistent values be interpreted correctly. For example, it is common in reactor safety that important safety systems are arranged multiple or redundant. Usually, at least two more systems are available than are needed for the actual function. In the context of aircraft cases are known in which the failure of a sensor led to a crash of the aircraft.

Es ist Aufgabe der vorliegenden Erfindung, eine Lösung aufzuzeigen, wie bei einem System, bei dem eine Einschränkung oder ein Ausfall einer Funktionsbereitschaft einer Komponente erkannt werden kann, der Betrieb zuverlässiger durchgeführt werden kann.It is an object of the present invention to provide a solution, as in a system in which a restriction or failure of a functional readiness of a component can be detected, the operation can be performed more reliable.

Diese Aufgabe wird erfindungsgemäß durch ein Verfahren sowie durch eine Vorrichtung mit den Merkmalen gemäß den unabhängigen Ansprüchen gelöst. Vorteilhafte Weiterbildungen der vorliegenden Erfindung sind in den abhängigen Ansprüchen angegeben.This object is achieved by a method and by a device having the features according to the independent claims. Advantageous developments of the present invention are specified in the dependent claims.

Ein erfindungsgemäßes Verfahren dient zum Betreiben eines Systems, welches als Komponenten zumindest ein elektrisches Gerät und/oder zumindest einen Sensor umfasst. Bei dem Verfahren wird eine Ausgangsgröße einer der Komponenten bestimmt, anhand eines Modells, welches auf maschinellem Lernen basiert, wird ein Vorhersagewert für die Ausgangsgröße bestimmt und anhand einer Abweichung zwischen der Ausgangsgröße und dem Vorhersagewert wird eine Einschränkung oder ein Ausfall einer Funktionsbereitschaft der Komponente erkannt. Darüber hinaus ist vorgesehen, dass falls die Einschränkung oder der Ausfall der Funktionsbereitschaft der Komponente erkannt wird, für eine bestimmte Zeitdauer der Vorhersagewert anstelle der Ausgangsgröße verwendet wird.An inventive method is used to operate a system which comprises at least one electrical device and / or at least one sensor as components. In the method, an output of one of the components is determined, based on a model based on machine learning, a predicted value for the output is determined, and based on a deviation between the output and the predicted value, a restriction or a failure of a functional readiness of the component is detected. In addition, if the restriction or failure of the component's operational readiness is detected, the predicted value is used instead of the output value for a certain period of time.

Ein derartiges System kann insbesondere in einem Fahrzeug, insbesondere in einem Personenkraftwagen, verwendet werden. Das System kann mehrere Sensoren umfassen. Alternativ oder zusätzlich kann das System einen oder mehrere Sensoren und einen oder mehrere elektrische Geräte umfassen. Bei dem elektrischen Gerät kann es sich beispielsweise um ein Steuergerät des Fahrzeugs handeln. Mit der Komponente des Systems kann die Ausgangsgröße, insbesondere eine elektrische Ausgangsgröße, ausgegeben werden. Wenn es sich bei der Komponente um einen Sensor handelt, kann als die Ausgangsgröße ein Sensorwert ausgegeben werden. Bei der Ausgangsgröße kann es sich um eine tatsächlich gemessene Größe handeln.Such a system can be used in particular in a vehicle, in particular in a passenger car. The system may include multiple sensors. Alternatively or additionally, the system may include one or more sensors and one or more electrical devices. The electrical device may be, for example, a control device of the vehicle. With the component of the system, the output variable, in particular an electrical output, can be output. If the component is a sensor, a sensor value may be output as the output. The output may be an actual measured quantity.

Mit Hilfe von Methoden des maschinellen Lernens, beispielsweise einer Regression, wird es ermöglicht, Modelle zu lernen, welche die Ausgangsgröße, beispielsweise einen Sensorwert oder eine Geräteausgabe, mit hoher Genauigkeit vorhersagen können. Ein Defekt des Sensors bzw. des elektrischen Geräts oder eine Anomalie kann erkannt werden, falls ein Vorhersagewert von der tatsächlich gemessenen Ausgangsgröße abweicht. Der Vorhersagewert kann auch als vorhergesagter Ausgabewert bezeichnet werden. Beim Erkennen eines Defekts oder Ausfalls des Sensors und/oder des elektrischen Geräts kann das Modell die Funktion des Sensors und/oder des elektrischen Geräts insbesondere temporär übernehmen. In diesem Fall kann der Vorhersagewert die Ausgangsgröße ersetzen. Mit Hilfe der Erfindung wird es ermöglicht, dass bei einem Ausfall eines Sensors und/oder eines elektrischen Geräts die Funktionsfähigkeit des Systems aufrechterhalten werden kann und gegebenenfalls ein Funktionsausfall des gesamten Systems verhindert werden kann. Wenn das System in einem Fahrzeug eingesetzt wird, kann somit die Funktionsfähigkeit des Fahrzeugs aufrechterhalten werden. Insgesamt kann somit ein System, bei dem eine Einschränkung oder ein Ausfall einer Funktionsfähigkeit der Komponente erkannt werden kann, zuverlässiger betrieben werden.Machine learning methods, such as regression, make it possible to learn models that can predict the output quantity, such as a sensor value or a device output, with high accuracy. A defect of the sensor or the electrical device or an anomaly can be detected if a predicted value deviates from the actually measured output variable. The predictive value may also be referred to as the predicted output value. Upon detection of a defect or failure of the sensor and / or the electrical device, the model may temporarily take over the function of the sensor and / or the electrical device, in particular. In this case, the predicted value may replace the output. With the help of the invention, it is possible that at one Failure of a sensor and / or an electrical device, the functioning of the system can be maintained and, if necessary, a malfunction of the entire system can be prevented. Thus, when the system is used in a vehicle, the operability of the vehicle can be maintained. Overall, therefore, a system in which a restriction or failure of a functionality of the component can be detected, be operated reliably.

Eine erfindungsgemäße Vorrichtung dient der Verwendung in einem System, welches als Komponente zumindest ein elektrisches Gerät und/oder zumindest einen Sensor umfasst. Dabei ist die Vorrichtung dazu ausgebildet, eine Ausgangsgröße einer der Komponenten zu bestimmen, anhand eines Modells, welches auf maschinellem Lernen basiert, einen Vorhersagewert für die Ausgangsgröße zu bestimmen und anhand einer Abweichung zwischen der Ausgangsgröße und dem Vorhersagewert eine Einschränkung oder einen Ausfall einer Funktionsbereitschaft der Komponente zu erkennen. Darüber hinaus ist die Vorrichtung dazu ausgebildet, für eine bestimmte Zeitdauer den Vorhersagewert anstelle der Ausgangsgröße zu verwenden, falls die Einschränkung oder der Ausfall der Funktionsbereitschaft der Komponente erkannt ist.A device according to the invention serves for use in a system which comprises as component at least one electrical device and / or at least one sensor. The apparatus is configured to determine an output of one of the components based on a model based on machine learning, to determine a predicted value for the output, and a constraint or failure of a readiness to operate based on a deviation between the output and the predicted value Recognize component. Moreover, the device is configured to use the prediction value instead of the output value for a certain period of time if the restriction or the failure of the functional readiness of the component is detected.

Weitere Vorteile, Merkmale und Einzelheiten der Erfindung ergeben sich aus der nachfolgenden Beschreibung bevorzugter Ausführungsbeispiele sowie anhand der Zeichnungen. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar, ohne den Rahmen der Erfindung zu verlassen.Further advantages, features and details of the invention will become apparent from the following description of preferred embodiments and from the drawings. The features and feature combinations mentioned above in the description as well as the features and feature combinations mentioned below in the description of the figures and / or in the figures alone can be used not only in the respectively specified combination but also in other combinations or in isolation, without the scope of To leave invention.

Dabei zeigen:

1 eine schematische Darstellung eines Systems, welches einen Sensor und ein elektrisches Gerät umfasst sowie eine Vorrichtung; und
2 ein schematisches Ablaufdiagramm eines Verfahrens zum Betreiben des Systems.

Showing:

1 a schematic representation of a system comprising a sensor and an electrical device and a device; and
2 a schematic flow diagram of a method for operating the system.

In den Figuren werden gleiche oder funktionsgleiche Elemente mit den gleichen Bezugszeichen versehen.In the figures, identical or functionally identical elements are provided with the same reference numerals.

1 zeigt ein System 1, welches eine Mehrzahl von Komponenten 2 aufweisen kann. In dem vorliegenden Ausführungsbeispiel umfasst das System 1 als die Komponenten 2 ein elektrisches Gerät 3 und einen Sensor 4. Das System 1 kann insbesondere in einem Fahrzeug verwendet werden. Das elektrische Gerät 3 kann beispielsweise ein Steuergerät des Fahrzeugs sein. Dem elektrischen Gerät 3 wird eine Eingangsgröße E zugeführt und mit dem elektrischen Gerät 3 kann eine Ausgangsgröße A ausgegeben werden. Mit dem Sensor 4 kann eine Messung durchgeführt werden und als Ausgangsgröße A beispielsweise ein Sensorwert bereitgestellt werden. 1 shows a system 1 which is a plurality of components 2 can have. In the present embodiment, the system includes 1 as the components 2 an electrical device 3 and a sensor 4 , The system 1 can be used in particular in a vehicle. The electrical device 3 For example, it may be a control device of the vehicle. The electrical device 3 becomes an input e fed and with the electrical device 3 can be an output A be issued. With the sensor 4 a measurement can be performed and as an output A For example, a sensor value can be provided.

Darüber hinaus ist in 1 schematisch eine Vorrichtung 5 gezeigt, mittels welcher die Funktionsbereitschaft der Komponenten 2 erkannt werden kann. Mittels der Vorrichtung 5 kann ein Modell oder mehrere Modelle auf Grundlage von maschinellem Lernen bereitgestellt werden. Beispielsweise kann in einem Block 6, dem Ausgangsgrößen A des elektrischen Geräts 3 und des Sensors 4 zugeführt werden, ein maschinelles Lernen durchgeführt werden. Hierbei kann ein Training durchgeführt werden, bei dem das Modell auf Basis der Eingangsgrößen E und der Ausgangsgrößen A trainiert wird. In einem Block 7, dem die Ausgangsgröße A des elektrischen Geräts zugeführt wird, kann eine Modellvorhersage auf Basis des in Block 6 trainierten Modells durchgeführt werden. Der Block 6 wird für das Training des Modells verwendet und Block 7 wird für die Vorhersage auf Basis des Modells verwendet. Hierbei können für die Ausgangsgrößen A entsprechende Vorhersagewerte V bereitgestellt werden. Dabei kann der Vorhersagewert V bei dem elektrischen Gerät 3 auf Grundlage der Eingangsgröße E bestimmt werden. Im Falle eines Sensors 4 ist es insbesondere vorgesehen, dass der Vorhersagewert V anhand von Ausgangsgrößen A der anderen Komponenten 2 des Systems 1 bestimmt wird. Es kann also grundsätzlich vorgesehen sein, dass der Vorhersagewert V anhand von Ausgangsgrößen A der anderen Komponenten 2 des Systems 1 und/oder anhand von Eingangsgrößen E der anderen Komponenten 2 des Systems 1 bestimmt wird.In addition, in 1 schematically a device 5 shown, by means of which the functional readiness of the components 2 can be recognized. By means of the device 5 For example, one or more models may be provided based on machine learning. For example, in a block 6 , the output quantities A of the electrical device 3 and the sensor 4 be fed, a machine learning to be performed. Here, a training can be performed, in which the model based on the input variables e and the output variables A is trained. In a block 7 to which the output quantity A is supplied to the electrical device, a model prediction based on the in block 6 trained model. The block 6 is used for training the model and block 7 is used for prediction based on the model. This can be for the output variables A corresponding predictive values V to be provided. The predictive value can be V at the electrical device 3 based on the input quantity e be determined. In the case of a sensor 4 In particular, it is provided that the predictive value V based on output variables A the other components 2 of the system 1 is determined. It can thus be provided in principle that the predicted value V based on output variables A the other components 2 of the system 1 and / or based on input variables e the other components 2 of the system 1 is determined.

Mit Hilfe der Vorrichtung 5 kann dann die Ausgangsgröße A der jeweiligen Komponente 2 mit dem Vorhersagewert V verglichen werden. Bei einer entsprechenden Abweichung kann eine Einschränkung oder ein Ausfall einer Funktionsbereitschaft der Komponente 2 erkannt werden. In diesem Fall kann ein Warnsignal W ausgegeben werden. Es kann auch vorgesehen sein, dass entsprechende Informationen an ein Datencenter 8 übermittelt werden.With the help of the device 5 can then the output size A the respective component 2 with the predictive value V be compared. With a corresponding deviation, a restriction or a failure of a functional readiness of the component 2 be recognized. In this case, a warning signal W be issued. It can also be provided that corresponding information to a data center 8th be transmitted.

Mittels der Vorrichtung 5 kann die Überwachung der Funktionsbereitschaft der Komponente 2 um die Modellierung der Funktion der Komponente 2 selbst erweitert werden. Zudem wird es ermöglicht, dass auch Sensoren 4 ohne Eingangsgrößen E modelliert werden. Falls es sich bei der Komponente 2 um ein elektrisches Gerät 3 handelt, kann im Fall einer Einschränkung oder eines Ausfalls der Funktionsbereitschaft des elektrischen Geräts 3 die Modellvorhersage benutzt werden, um die Ausgangsgröße A durch den Vorhersagewert V zu ersetzen. Handelt es sich bei der Komponente 2 um einen Sensor 4, kann im Fall einer Einschränkung oder eines Ausfalls der Funktionsbereitschaft des Sensors 4 die Modellvorhersage genutzt werden, um die Sensorwerte als Ausgangsgröße A zu ersetzen. Die Verwendung des Ansatzes des maschinellen Lernens, zum Beispiel eines neuronalen Netzes, erlaubt es die Funktion des elektrischen Geräts 3 oder des Sensors 4 im Fahrzeug zu lernen. Ein solches trainiertes Modell ist in der Lage die Funktion des elektrischen Geräts 3 anhand der Eingangsgrößen vorherzusagen, um diese temporär zu ersetzen. Bei einem Sensor 4 kann das trainierte Modell auf Grundlage der Ausgangsgrößen A der anderen Komponenten 2 und/oder deren Eingangsgröße E den Vorhersagewert V bestimmen, um die Ausgangsgröße A gegebenenfalls temporär zu ersetzen.By means of the device 5 can monitor the operational readiness of the component 2 to model the function of the component 2 even be extended. In addition, it also allows sensors 4 without input variables e be modeled. If it is the component 2 to an electrical device 3 In the event of a restriction or failure, the functionality of the electrical equipment may be impaired 3 the Model prediction can be used to determine the output size A by the predictive value V to replace. Is it the component 2 around a sensor 4 , in case of restriction or failure of the readiness of the sensor 4 the model prediction can be used to get the sensor values as output A to replace. The use of the machine learning approach, for example a neural network, allows the operation of the electrical device 3 or the sensor 4 to learn in the vehicle. Such a trained model is capable of the function of the electrical device 3 predict the inputs to temporarily replace them. With a sensor 4 The trained model can be based on the output quantities A the other components 2 and / or their input e the predictive value V determine the output size A if necessary replace temporarily.

Vorliegend wird ein System 1 von mehreren Sensoren 4 und/oder ein System 1 von einem oder mehreren Sensoren 4 und einem oder mehreren elektrischen Geräten 3 vorausgesetzt, um ein Sensormodell ohne bekannte Eingangsgröße E aus den Ausgangsgrößen A der anderen Komponenten 2 des Systems 1 zu erstellen bzw. trainieren zu können. Dies ist beispielsweise möglich, wenn redundant ausgelegte Sensoren 4 oder Ausgangsgrößen A von elektrischen Geräten 3 stark mit den Sensorgrößen korrelieren. Sobald anstelle der Ausgangsgrößen A Komponenten 2 der Vorhersagewert V verwendet wird, kann das Warnsignal W ausgegeben werden oder die Information über den Ausfall des Sensors 4 und/oder des elektronischen Geräts 3 kann an das Datencenter 8, welches insbesondere dem OEM des Fahrzeugs zugeordnet ist, übermittelt werden.Here is a system 1 from several sensors 4 and / or a system 1 from one or more sensors 4 and one or more electrical devices 3 assuming a sensor model without known input e from the output variables A the other components 2 of the system 1 to create or to train. This is possible, for example, if redundant designed sensors 4 or output variables A of electrical appliances 3 strongly correlate with the sensor sizes. As soon as instead of the output sizes A components 2 the predictive value V can be used, the warning signal W output or the information about the failure of the sensor 4 and / or the electronic device 3 can to the datacenter 8th , which is assigned in particular to the OEM of the vehicle to be transmitted.

2 zeigt ein schematisches Ablaufidagramm eines Verfahrens zum Betreiben des Systems 1. Das Verfahren wird in einem Schritt S1 gestartet. In einem Schritt S2 wird die Einschränkung oder der Ausfall der Funktionsbereitschaft der Komponente 2 festgestellt. Mit anderen Worten wird eine Anomalie oder ein Defekt des elektrischen Geräts 3 und/oder des Sensors 4 festgestellt. Falls die Anomalie oder der Defekt festgestellt wird, wird in einem Schritt S3 eine Warnung ausgegeben, welche den Fehler des elektrischen Geräts 3 bzw. des Sensors 4 beschreibt. Zudem wird in einem Schritt S4 überprüft, ob ein Modell für das elektrische Gerät 3 oder den Sensor 4 mit einer ausreichend hohen Genauigkeit vorhanden ist. Ist dies nicht der Fall, wird in einem Schritt S5 eine Warnung ausgegeben, dass kein modellgestützter Ersatz möglich ist. Andernfalls wird in einem Schritt S6 der modellgestützte Ersatz für das elektrische Gerät 3 und/oder den Sensor 4 bestimmt. Es wird also anstelle der Ausgangsgröße A der Vorhersagewert V verwendet. In einem Schritt S7 wird dann das Verfahren beendet. Dieser Schritt S7 wird auch durchgeführt, wenn die Abfrage in dem Schritt S2 ergibt, dass keine Anomalie oder Defekt des elektrischen Geräts 3 oder des Sensors 4 festgestellt wurde. 2 FIG. 12 is a schematic flow diagram of a method of operating the system. FIG 1 , The process is done in one step S1 started. In one step S2 is the limitation or failure of the component's operational readiness 2 detected. In other words, an abnormality or a defect of the electrical device 3 and / or the sensor 4 detected. If the anomaly or defect is detected, it will be in one step S3 issued a warning indicating the fault of the electrical device 3 or the sensor 4 describes. In addition, in one step S4 Check if a model for the electrical device 3 or the sensor 4 is present with a sufficiently high accuracy. If not, will be in one step S5 issued a warning that no model-based replacement is possible. Otherwise, in one step S6 the model-based replacement for the electrical device 3 and / or the sensor 4 certainly. So it will be in place of the initial size A the predictive value V used. In one step S7 then the procedure is terminated. This step S7 is also performed when the query in the step S2 shows that no abnormality or defect of the electrical device 3 or the sensor 4 was determined.

Nachfolgend wird das Verfahren anhand eines Ausführungsbeispiels beschrieben. In diesem Fall kann als der Sensor 4 ein Temperatursensor verwendet werden, welcher die Kühlmitteltemperatur eines Fahrzeugs bestimmt. Dabei kann eine Anomalie des Sensors 4 erkannt werden, wenn die Differenz zwischen der Ausgangsgröße A des Temperatursensors und dem Vorhersagewert V groß ist bzw. einen vorbestimmten Grenzwert überschreitet. Dabei kann der Vorhersagewert V auf Grundlage des Modells, beispielsweise eines neuronalen Netzwerks, welches den Zusammenhang zwischen den Ausgangsgrößen A und gegebenenfalls Eingangsgrößen E der anderen Komponenten 2 und Ausgangswert des Temperatursensors gelernt hat, bestimmt werden. Als Ausgangsgrößen A der anderen Komponenten 2 können beispielsweise eine Fahrzeuggeschwindigkeit, eine Öltemperatur, eine Motordrehzahl und/oder die Daten eines Temperatursensors des Motors herangezogen werden. In diesem Fall kann die Modellvorhersage für die Ausgangsgröße A bzw. den Sensorwert genutzt werden, um den Temperatursensor vorzugsweise temporär zu ersetzen. Eine Vorhersage der Kühlmitteltemperatur ist mit Hilfe des Modells des maschinellen Lernens aufgrund der Ausgangsgrößen A von anderen Sensoren 4 und anhand der Ausgangsgrößen A und Eingangsgrößen E von anderen elektrischen Geräten 3, beispielsweise der Motorsteuerung, möglich. Durch die Verwendung des Vorhersagewerts V bleibt die Funktionsfähigkeit des Fahrzeugs vollständig erhalten und der Fahrer erhält eine Warnung und/oder eine Empfehlung alsbald den Sensor 4 erneuern zu lassen. Derzeit würde der Ausfall des Temperatursensors die Motorsteuerung in ein Notfallprogramm schalten, welches nur noch erlaubt, mit geringer Geschwindigkeit in die nächste Werkstatt zu fahren.The method will be described below with reference to an embodiment. In this case, as the sensor 4 a temperature sensor may be used which determines the coolant temperature of a vehicle. This may be an anomaly of the sensor 4 be recognized when the difference between the output A of the temperature sensor and the predictive value V is large or exceeds a predetermined limit. The predictive value can be V on the basis of the model, for example of a neural network, which shows the relationship between the output quantities A and optionally input variables e the other components 2 and output value of the temperature sensor learned to be determined. As output variables A the other components 2 For example, a vehicle speed, an oil temperature, an engine speed and / or the data of a temperature sensor of the engine can be used. In this case, the model prediction for the output variable A or the sensor value can be used to replace the temperature sensor preferably temporarily. A prediction of the coolant temperature is by means of the model of machine learning based on the output quantities A from other sensors 4 and the output quantities A and input variables e from other electrical devices 3 , For example, the engine control, possible. By using the prediction value V the functionality of the vehicle is fully maintained and the driver receives a warning and / or a recommendation soon the sensor 4 to renew. Currently, the failure of the temperature sensor would switch the engine control in an emergency program, which only allows to drive at low speed in the nearest workshop.

Insgesamt kann mit Hilfe des Verfahrens eine Aufrechterhaltung der Funktionsfähigkeit des Fahrzeugs und gegebenenfalls das Verhindern eines Funktionsausfalls des gesamten Systems 1 aufgrund des Ausfalls eines Sensors 4 oder eines elektrischen Geräts 3 erreicht werden.Overall, with the aid of the method it is possible to maintain the functionality of the vehicle and, if appropriate, to prevent a malfunction of the entire system 1 due to the failure of a sensor 4 or an electrical device 3 be achieved.

BezugszeichenlisteLIST OF REFERENCE NUMBERS

11: Systemsystem
22: Komponentecomponent
33: elektrisches Gerätelectric device
44: Sensorsensor
55: Vorrichtungdevice
66: Blockblock
7 7: Blockblock
88th: Datencenterdata Center
AA: Ausgangsgrößeoutput
Ee: Eingangsgrößeinput
VV: VorhersagewertPredictive Value
WW: Warnungwarning
S1 bis S7S1 to S7: Schrittstep

ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION

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.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte PatentliteraturCited patent literature

DE 102018000579 A1 [0003]

Claims

Method for operating a system (1) which comprises as components (2) at least one electrical device (3) and / or at least one sensor (4), in which an output variable (A) of one of the components (2) is determined of a model based on machine learning, a prediction value (V) for the output quantity (A) is determined and based on a deviation between the output quantity (A) and the predicted value (V) a restriction or a failure of a functional readiness of the component (2) is recognized, characterized in that if the restriction or the failure of the operational readiness of the component (2) is detected, the predicted value (V) is used instead of the output quantity (A) for a predetermined period of time.

Method according to Claim 1 , characterized in that the predicted value (V) is determined based on outputs (A) of the other components (2) of the system (1) and / or on inputs (E) of the other components (2) of the system (1).

Method according to Claim 1 or 2 , characterized in that the model describes a function of the component (2).

Method according to one of the preceding claims, characterized in that if the component (2) is a sensor (4), the predictive value (V) for a sensor value is used as the output quantity (A).

Method according to one of the preceding claims, characterized in that if the restriction or the failure of the operational readiness of the component (2) is detected, a warning (W) is issued and / or information to a data center (8) is sent.

Device (5) for a system (1) which comprises as components (2) at least one electrical device (3) and / or at least one sensor (4), the device (5) being designed to produce an output variable (A) determining one of the components (2), using a model based on machine learning, to determine a predicted value (V) for the output (A) and a constraint based on a deviation between the output (A) and the predicted value (V) or to detect a failure of a functional readiness of the component (2), characterized in that the device (5) is designed to use the predicted value (V) instead of the output variable (A) for a predetermined period of time, if the device (5) recognizes the restriction or failure of the functional readiness of the component (2).