DE102019122548A1

DE102019122548A1 - Erkennung von fahrzeugschäden

Info

Publication number: DE102019122548A1
Application number: DE102019122548.5A
Authority: DE
Inventors: David Michael Herman; Antonios Koumpias
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2018-08-23
Filing date: 2019-08-21
Publication date: 2020-02-27
Also published as: US11361599B2; CN110857902A; US20200066067A1

Abstract

In dieser Offenbarung ist „Erkennung von Fahrzeugschäden“ bereitgestellt. Ein Schadensquantifizierer für eine aus einem Verbundwerkstoff ausgebildete Fahrzeugkomponente wird auf der Grundlage von Fahrzeugsensordaten bestimmt. Das Fahrzeug wird auf der Grundlage einer Aufgabe, die gemäß dem bestimmten Schadensquantifizierer bestimmt wird, betrieben.

Description

TECHNISCHES GEBIET
Die Offenbarung betrifft im Allgemeinen Fahrzeugrahmen und insbesondere die Erkennung von Fahrzeugschäden.
ALLGEMEINER STAND DER TECHNIK
Carbonfaserverstärkte Kunststoffe (CFK) können bspw. zum Herstellen von Maschinenteilen wie Fahrzeugkarosserieteilen verwendet werden. CFK werden typischerweise für eine verbesserte Festigkeit, Steifigkeit, Toleranz, hohe Korrosionsbeständigkeit, Gewichtsersparnis usw. verwendet. CFK-Teile können allerdings beeinträchtigt oder beschädigt werden, was dem Funktionieren einer Maschine wie eines Fahrzeugs oder dem sicheren und/oder effizienten Betrieb des Fahrzeugs im Wege steht.
KURZDARSTELLUNG
In dieser Schrift ist ein Verfahren offenbart, das ein Bestimmen eines Schadensquantifizierers für eine aus einem Verbundwerkstoff ausgebildete Fahrzeugkomponente auf der Grundlage von Fahrzeugsensordaten und ein Betreiben des Fahrzeugs auf der Grundlage einer Aufgabe, die gemäß dem bestimmten Schadensquantifizierer bestimmt wird, beinhaltet.
Das Bestimmen der Aufgabe kann ein Auswählen eines Navigationsmodus aus zumindest einem von Nur-Fracht, Fracht und Mitfahrer, Bewegen ohne Fracht und Mitfahrer, Bewegung stoppen auf der Grundlage des bestimmten Schadensquantifizierers beinhalten.
Das Verfahren kann weiterhin ein Auswählen des Navigationsmodus auf der Grundlage einer Vielzahl von Schadensquantifizierer-Schwellenwerten beinhalten.
Das Verfahren kann weiterhin ein Vorhersagen einer Änderung des Schadensquantifizierers auf der Grundlage einer geplanten Route des Fahrzeugs beinhalten.
Das Verfahren kann weiterhin ein Vorhersagen der Änderung des Schadensquantifizierers auf der Grundlage von Datenumgebungssensordaten, zu denen zumindest eines von einer Fahrzeuggeschwindigkeit, einer Umgebungstemperatur und einer Umgebungsfeuchtigkeit gehört, beinhalten.
Das Verfahren kann weiterhin ein Bestimmen des Schadensquantifizierers auf der Grundlage eines Modells beinhalten, das die empfangenen Daten von den in der Fahrzeugkomponente beinhalteten Sensoren als Eingabe heranzieht und den Schadensquantifizierer für die jeweilige Fahrzeugkomponente ausgibt.
Das Verfahren kann weiterhin ein Identifizieren von Spannungsstellen in den Fahrzeugkomponenten für einen oder mehrere Belastungsart-Typen der Fahrzeugkomponente, ein Identifizieren einer Vielzahl von Sensorpositionen in der Fahrzeugkomponente für die Vielzahl von Sensoren auf der Grundlage der identifizierten Spannungsstellen und ein Anbringen der Vielzahl der Sensoren an den identifizierten Sensorpositionen beinhalten.
Zu den Belastungsart-Typen kann zumindest einer von einem Dachaufprall, einem Frontalaufprall, einem Heckaufprall und einem Seitenaufprall gehören.
Das Verfahren kann weiterhin ein Auswählen eines oder mehrerer Belastungsart-Typen für die Erkennung und ein Identifizieren der Vielzahl von Sensorpositionen auf der Grundlage des einen oder der mehreren ausgewählten Belastungsart-Typen beinhalten.
Des Weiterhin ist in dieser Schrift ein System offenbart, das einen Prozessor und einen Speicher beinhaltet. Der Speicher speichert durch den Prozessor ausführbare Anweisungen zum Bestimmen eines Schadensquantifizierers für eine aus einem Verbundwerkstoff ausgebildete Fahrzeugkomponente auf der Grundlage von Fahrzeugsensordaten und zum Betreiben des Fahrzeugs auf der Grundlage einer Aufgabe, die gemäß dem bestimmten Schadensquantifizierer bestimmt wird.
Zu den Anweisungen zum Bestimmen der Aufgabe können weiterhin Anweisungen zum Auswählen eines Navigationsmodus aus zumindest einem von Nur-Fracht, Fracht und Mitfahrer, Bewegen ohne Fracht und Mitfahrer, Bewegung stoppen auf der Grundlage des bestimmten Schadensquantifizierers gehören.
Zu den Anweisungen können weiterhin Anweisungen zum Auswählen des Navigationsmodus auf der Grundlage einer Vielzahl von Schadensquantifizierer-Schwellenwerten gehören.
Zu den Anweisungen können weiterhin Anweisungen zum Vorhersagen einer Änderung des Schadensquantifizierers auf der Grundlage einer geplanten Route des Fahrzeugs gehören.
Zu den Anweisungen können weiterhin Anweisungen zum Vorhersagen der Änderung des Schadensquantifizierers auf der Grundlage von Datenumgebungssensordaten, die zumindest eines von einer Fahrzeuggeschwindigkeit, einer Umgebungstemperatur und einer Umgebungsfeuchtigkeit einschließen, gehören.
Zu den Anweisungen können weiterhin Anweisungen zum Bestimmen des Schadensquantifizierers auf der Grundlage eines Modells gehören, das die empfangenen Daten von den in der Fahrzeugkomponente beinhalteten Sensoren als Eingabe heranzieht und den Schadensquantifizierer für die jeweilige Fahrzeugkomponente ausgibt.
Zu den Anweisungen können weiterhin Anweisungen zum Identifizieren von Spannungsstellen in den Fahrzeugkomponenten für einen oder mehrere Belastungsart-Typen der Fahrzeugkomponente und zum Identifizieren einer Vielzahl von Sensorpositionen in der Fahrzeugkomponente für die Vielzahl von Sensoren auf der Grundlage der identifizierten Spannungsstellen gehören.
Zu den Belastungsart-Typen kann zumindest einer von einem Dachaufprall, einem Frontalaufprall, einem Heckaufprall und einem Seitenaufprall gehören.
Zu den Anweisungen können weiterhin Anweisungen zum Auswählen eines oder mehrerer Belastungsart-Typen für die Erkennung und zum Identifizieren der Vielzahl von Sensorpositionen auf der Grundlage des einen oder der mehreren ausgewählten Belastungsart-Typen gehören.
Des Weiteren ist in dieser Schrift ein System offenbart, das Mittel zum Bestimmen eines Schadensquantifizierers für eine aus einem Verbundwerkstoff ausgebildete Fahrzeugkomponente auf der Grundlage von Fahrzeugsensordaten und Mittel zum Betreiben des Fahrzeugs auf der Grundlage einer Aufgabe, die gemäß dem bestimmten Schadensquantifizierer bestimmt wird, beinhaltet.
Das System kann weiterhin Mittel zum Identifizieren von Spannungsstellen in den Fahrzeugkomponenten für einen oder mehrere Belastungsart-Typen der Fahrzeugkomponente, Mittel zum Identifizieren einer Vielzahl von Sensorpositionen in der Fahrzeugkomponente für die Vielzahl von Sensoren auf der Grundlage der identifizierten Spannungsstellen und Mittel zum Anbringen der Vielzahl der Sensoren an den identifizierten Sensorpositionen beinhalten.
Des Weiteren ist eine Rechenvorrichtung offenbart, die zum Ausführen beliebiger der vorstehenden Verfahrensschritte programmiert ist.
Darüber hinaus ist ein Computerprogrammprodukt offenbart, das ein computerlesbares Medium umfasst, welches durch einen Computerprozessor ausführbare Anweisungen zum Ausführen beliebiger der vorstehenden Verfahrensschritte speichert.
Figurenliste

1 ist ein Schema zur Veranschaulichung eines beispielhaften Fahrzeugs.
2A ist eine Seitenansicht einer Fahrzeugkomponente des Fahrzeugs von 1 zur Veranschaulichung beispielhafter Spannungsbereiche auf der Grundlage einer Frontalaufprall-Belastungsart.
2B ist eine Seitenansicht der Fahrzeugkomponente des Fahrzeugs zur Veranschaulichung eines beispielhaften Spannungsbereichs auf der Grundlage einer Oberaufprall-Belastungsart.
3A ist ein Schema, das eine beispielhafte Beeinträchtigung oder einen beispielhaften Schaden an einem CFK-Teil, darunter Lösung der Klebung, Bruch, Pull-out und Versteifung von kohlenstofffaserverstärktem Material, zeigt.
3B ist ein Schema, das einen Schichtablösungsschaden des kohlenstofffaserverstärkten Materials zeigt.
4 zeigt mehrere beispielhafte Verläufe bezüglich des Dehnungsverhaltens einer beispielhaften Fahrzeugkomponente.
5A ist eine Seitenansicht der Fahrzeugkomponente mit gleichmäßig verteilten Sensoren zum Erkennen von Komponentenschäden.
5B ist eine beispielhafte Seitenansicht der Fahrzeugkomponente mit ausgewählten Sensorposi tionen.
6 zeigt ein beispielhaftes Diagramm aus Fahrzeugsicherheitseinstufung und Schadensquantifizierer.
7 zeigt die beispielhafte Komponente mit mehreren beispielhaften Schadstellen.
8 zeigt ein beispielhaftes Diagramm bzgl. der Spannung, die auf eine Fahrzeugkomponente einwirkt, im Verhältnis zu Änderungen von Umgebungsbedingungen.
9 zeigt mehrere beispielhafte Verläufe bezüglich eines Fahrzeugkomponenten-Schadensquantifizierers im Verhältnis zu einem Umgebungsparameter.
10 ist ein beispielhaftes auseinandergezogenes Schema des Fahrzeugs von 1 mit Schäden an mehreren Karosseriekomponenten.
11 ist ein Ablaufschema eines beispielhaften Ablaufs zum Bestimmen optimierter Sensorposi tionen.
12 zeigt ein beispielhaftes Ablaufschema zum Durchführen des Fahrzeugbetriebs.
13 zeigt ein beispielhaftes Ablaufschema zum Umtrainieren eines Modells eines neuronalen Netzes.

DETAILLIERTE BESCHREIBUNG
Ein Fahrzeugcomputer kann zum Bestimmen eines Schadensquantifizierers für eine aus einem Verbundwerkstoff ausgebildete Fahrzeugkomponente auf der Grundlage von Fahrzeugsensordaten und zum Betreiben des Fahrzeugs gemäß einem bestimmten Schadensquantifizierer programmiert sein. Der Computer kann dazu programmiert sein, eine fahrzeugbezogene Aufgabe (z. B. einen Navigationsmodus, Fahrzeugweg usw.) auf der Grundlage eines erkannten Schadens zu verändern, z. B., um die Verletzungsgefahr, das Risiko weiterer Schäden usw. bspw. aufgrund eines Risikos oder Vorliegens eines Strukturversagens oder einer geminderten Crashsicherheit zu verringern. In einem Beispiel kann der Fahrzeugcomputer auch einen Fahrzeugaktor, bspw. eine Kommunikationsvorrichtung, ansteuern, um auf der Grundlage eines erkannten Schadens in einer Werkstatt eine Reparatur anzufordern.
1 stellt ein Fahrzeug 100 dar. Das Fahrzeug 100 kann auf eine Vielzahl von bekannten Weisen angetrieben werden, z. B. mithilfe eines Elektromotors und/oder einer Brennkraftmaschine. Bei dem Fahrzeug 100 kann es sich um ein Landfahrzeug, wie etwa einen Pkw, einen Lkw, um eine Drohne usw. handeln. Ein Fahrzeug 100 kann einen Computer 110, Aktor(en) 120, Sensor(en) 130, eine Mensch-Maschine-Schnittstelle (MMS) 140, einen Bezugspunkt 160 und eine Karosserie aufweisen. Ein Bezugspunkt 150 eines Fahrzeugs 100 ist ein festgelegter Punkt innerhalb des durch die Fahrzeugkarosserie 160 definierten Raums, z. B. ein geometrischer Mittelpunkt, an dem sich jeweilige Mittelachsen in longitudinaler und lateraler Richtung des Fahrzeugs 100 schneiden.
Der Computer 110 beinhaltet einen Prozessor und einen Speicher, wie sie bekannt sind. Der Speicher beinhaltet eine oder mehrere Formen computerlesbarer Medien und speichert Anweisungen, die durch den Computer 110 ausgeführt werden können, um verschiedene Vorgänge durchzuführen, einschließlich den in dieser Schrift offenbarten.
Der Computer 110 kann das Fahrzeug 100 in einem autonomen oder einem halbautonomen Modus betreiben. Im Rahmen dieser Offenbarung ist ein autonomer Modus als Modus definiert, in dem jedes von Antrieb, Bremsung und Lenkung des Fahrzeugs 100 durch den Computer 110 gesteuert werden; in einem halbautonomen Modus steuert der Computer 110 eines oder zwei von Antrieb, Bremsung und Lenkung des Fahrzeugs 100.
Der Computer 110 kann eine Programmierung beinhalten, um eines oder mehrere von Bremsung, Antrieb (z. B. Steuerung der Beschleunigung in dem Fahrzeug durch Steuern von einem oder mehreren von einer Brennkraftmaschine, einem Elektromotor, Hybridmotor usw.), Lenkung, Klimasteuerung, Innen- und/oder Außenbeleuchtung usw. eines Landfahrzeugs zu bedienen, sowie um zu bestimmen, ob und wann der Computer 110 im Gegensatz zu einem menschlichen Bediener derartige Vorgänge steuern soll. Außerdem kann der Computer 110 dazu programmiert sein, zu bestimmen, ob und wann ein menschlicher Fahrzeugführer derartige Vorgänge steuern soll.
Der Computer 110 kann mehr als einen Prozessor, z. B. Steuerungen oder dergleichen, die in dem Fahrzeug zum Überwachen und/oder Steuern verschiedener Fahrzeugsteuerungen, z. B. einer Antriebsstrangsteuerung, einer Bremssteuerung, einer Lenkungssteuerung usw., beinhaltet sind, beinhalten oder kommunikativ mit diesen verbunden sein, z. B. über einen Kommunikationsbus des Fahrzeugs 100, wie nachstehend ausführlich beschrieben. Der Computer 110 ist im Allgemeinen für Kommunikationen in einem Fahrzeugkommunikationsnetzwerk, das einen Bus in dem Fahrzeug beinhalten kann, wie etwa einem Controller Area Network (CAN) oder dergleichen, und/oder anderen drahtgebundenen und/oder drahtlosen Mechanismen angeordnet.
Über das Netzwerk des Fahrzeugs 100 kann der Computer 110 Nachrichten an verschiedene Vorrichtungen im Fahrzeug senden und/oder Nachrichten von den verschiedenen Vorrichtungen empfangen, z. B. einem Aktor 120, einer MMS 140 usw. Alternativ oder zusätzlich dazu kann in Fällen, in denen der Computer 110 sogar mehrere Vorrichtungen umfasst, das Kommunikationsnetzwerk des Fahrzeugs 100 zur Kommunikation zwischen Vorrichtungen verwendet werden, die in dieser Offenbarung als der Computer 110 dargestellt sind. Ferner können, wie nachstehend erwähnt, verschiedene Steuerungen und/oder Sensoren dem Computer 110 Daten über das Fahrzeugkommunikationsnetzwerk bereitstellen.
Des Weiteren kann der Computer 110 zur Kommunikation über eine drahtlose Fahrzeugkommunikationsschnittstelle mit anderen Verkehrsteilnehmern (z. B. Fahrzeugen, Infrastruktur, Fußgängern usw.) z. B. über ein Fahrzeug-zu-FahrzeugKommunikationsnetzwerk und/oder ein Fahrzeug-zu-Infrastruktur-Kommunikationsnetzwerk konfiguriert sein. Das Fahrzeugkommunikationsnetzwerk stellt einen oder mehrere Mechanismen dar, durch welche die Computer 110 von Fahrzeugen 100 mit anderen Verkehrsteilnehmern kommunizieren können, und kann einer oder mehrere drahtloser Kommunikationsmechanismen sein, einschließlich einer beliebigen gewünschten Kombination aus drahtlosen (z. B. Mobilfunk, drahtlos, Satellit, Mikrowelle und Funkfrequenz) Kommunikationsmechanismen und einer beliebigen gewünschten Netzwerktopologie (oder Topologien, wenn mehrere Kommunikationsmechanismen verwendet werden). Zu beispielhaften Fahrzeugkommunikationsnetzwerke zählen Mobilfunk-, Bluetooth-, IEEE 802.11-, dedizierte Nahbereichskommunikations(Dedicated Short Range Communications - DSRC)- und/oder Weitverkehrsnetzwerke (Wide Area Networks - WAN), einschließlich des Internets, die Datenkommunikationsdienste bereitstellen.
Die Aktoren 120 des Fahrzeugs 100 sind über Schaltungen, Chips oder andere elektronische und/oder mechanische Komponenten umgesetzt, die unterschiedliche Fahrzeugteilsysteme gemäß geeigneten Steuersignalen, wie bekannt, ansteuern können. Die Aktoren 120 können verwendet werden, um Bremsung, Beschleunigung und Lenkung der Fahrzeuge 100 zu steuern.
Die Sensoren 130 können vielerlei Vorrichtungen beinhalten, die dem Computer 110 bekanntermaßen Daten bereitstellen. Beispielsweise können ein oder mehrere Objekterkennungssensoren 130, z. B. Radar, Kamera, Lidar (Light Detection and Ranging) usw., die an der Karosserie 160 des Fahrzeugs 100 befestigt sind, Positionen von Objekten in Bezug auf die Position des Fahrzeugs 100 bereitstellen. Zu den Sensoren 130 können (ein) Kamerasensor(en) 130 z. B. zum Bereitstellen einer Vorderansicht, Seitenansicht usw., die Bilder eines das Fahrzeug 100 umgebenden Bereichs bereitstellen, gehören. Zum Beispiel kann der Computer 110 dazu programmiert sein, Bilddaten von (einem) Kamerasensor(en) 130 zu empfangen und Bildverarbeitungstechniken umzusetzen, um eine Straße, Fahrspurmarkierungen usw. zu erkennen. Der Computer 110 kann ferner dazu programmiert sein, einen aktuellen Standort des Fahrzeugs 100 auf der Grundlage von Standortkoordinaten, z.B. GPS-Koordinaten, die von einem Standortsensor (130) (z.B. GPS-Sensor) des Fahrzeugs 100 empfangen wurden, zu bestimmen. Um ein anderes Beispiel zu nennen, kann der Computer 110 dazu programmiert sein, Daten einschließlich der relativen Geschwindigkeit, Positionskoordinaten und/oder des Kurses anderer Fahrzeuge über das drahtlose Kommunikationsnetzwerk zu empfangen. Des Weiteren kann das Fahrzeug 100 Schadenserkennungssensoren 130 aufweisen, die in der Karosserie 160 des Fahrzeugs 100 beinhaltet sind, um verschiedene Arten von Schäden an (einer) Komponente(n) 200 der Karosserie 160 zu erkennen, wie bezogen auf die 5A-5B erläutert.
Die MMS 140 kann dazu ausgelegt sein, während des Betriebs des Fahrzeugs 100 Informationen von einem Benutzer, wie etwa einem menschlichen Fahrzeugführer, zu empfangen. Darüber hinaus kann eine MMS 140 dazu ausgelegt sein, dem Benutzer Informationen darzustellen. Somit kann sich eine MMS 140 in der Fahrgastzelle des Fahrzeugs 100 befinden. In einem Beispiel kann der Computer 110 dazu programmiert sein, eine Nachricht an die MMS 140 auszugeben, die auf eine Einschränkung des Betriebs des Fahrzeugs 100 hinweist, z. B. nur Frachttransport, Navigation zur nächsten Werkstatt usw., wie in der gesamten vorliegenden Offenbarung erläutert; siehe bspw. 12.
Das Fahrzeug 100 kann einen selbsttragenden Aufbau (oder Monocoque) aufweisen, d. h. einen Aufbau mit einteiliger Karosserie. Bei einem selbsttragenden Aufbau dient die Karosserie 160 als Fahrzeugrahmen, und die Karosserie 160 (einschließlich der Schweller, Säulen, Dachholme usw.) ist einteilig, d. h. eine durchgängige einstückige Einheit. Die Karosserie 160 des Fahrzeugs 100 kann eine Fahrgastzelle und eine Motorverkleidung beinhalten. Die Karosserie 160 (innen und/oder außen) kann aus einem beliebigen geeigneten Material ausgebildet sein, beispielsweise aus Metall, Kunststoff und/oder kohlenstofffaserverstärktem Material. Zumindest ein Teil der Karosserie des Fahrzeugs 100 kann aus CFK ausgebildet sein. Beispielsweise kann ein wesentlicher Teil der Karosserie 160 aus CFK ausgebildet sein, ein Teil, der als Kohlenstofffaser-Monocoque bezeichnet werden kann. Zusätzlich oder alternativ können andere Komponenten 200 des Fahrzeugs 100 wie etwa Außenteile aus Kohlenstofffaser ausgebildet sein.
Ein kohlenstofffaserverstärktes Polymer (CFRP), kohlenstofffaserverstärkter Kunststoff oder kohlenstofffaserverstärkter Thermoplast, oder oft einfach Kohlenstofffaser- oder Kohlenstoffverbundwerkstoff, allesamt im hier verwendeten Sinne, sind in ihren allgemeinen und gewöhnlichen Bedeutungen gemeint, mit denen ein sehr fester und leichter kohlenstofffaserverstärkter Kunststoff bezeichnet wird, der Kohlenstofffasern enthält. Das bindende Polymer ist oft ein wärmehärtbares Harz wie Epoxidharz, wobei manchmal jedoch andere wärmehärtbare oder thermoplastische Polymere wie Polyester, Vinylester oder Nylon verwendet werden. Der Verbundwerkstoff kann Aramid (z. B. Kevlar®, Twaron®), Aluminium, Polyethylen mit ultrahoher Molekülmasse oder Glasfasern zusätzlich zu Kohlenstofffasern enthalten. Die Eigenschaften eines CFK-Materials können auch auf einer Zusatzstoffart beruhen, die in die bindende Matrix (z. B. das Harz) eingebracht wird. Der am häufigsten verwendete Zusatzstoff ist Siliciumdioxid, es können aber auch andere Zusatzstoffe wie Kautschuk und Kohlenstoffnanoröhren verwendet werden. Das Material kann auch als graphitverstärktes Polymer oder graphitfaserverstärktes Polymer bezeichnet werden.
Die Karosserie 160 des Fahrzeugs 100 kann unterschiedlichen „Belastungsarten“ ausgesetzt sein. Im vorliegenden Zusammenhang gibt eine „Belastungsart“ eine Richtung, in der auf die Karosserie 160 Kraft ausgeübt wird, z. B. einen Seitenaufprall, Frontalaufprall, Oberaufprall usw., und/oder einen Aufprallbereich an, z. B. das Dach, die Türen, die vordere Stoßstange, hintere Stoßstange usw. Fahrzeuge, wie beispielsweise das Fahrzeug 100, unterliegen diversen Standards, die verschiedene Belastungsarten der Fahrzeuge 100 betreffen, wie durch die Federal Motor Vehicle Safety Standards (FMVSS), die Standards der Insurance Institute for Highway Safety (IIHS), EURO NCAP (New Car Assessment Programme), und/oder NHTSA (National Highway Traffic Administration) definiert. Zu einem Frontalaufprall können beispielsweise der Aufprall in gerader Linie, der asymmetrische Frontalaufprall, der Frontalaufprall auf ein festes, geringfügig versetztes Hindernis (SORB) usw. zählen.
Die 2A-2B stellen eine beispielhafte Karosseriekomponente 200, z. B. eine A-Säulen-Baugruppe, in verschiedenen Belastungsarten dar. 2A zeigt die Karosseriekomponente 200 mit einer ersten Belastungsart, z. B. einem Vorderaufprallzustand mit einem Energiepfad P₁ . Das Fahrzeug 100 kann sich in eine Fahrtrichtung T bewegen. In einem Beispiel wirkt ein Vorderaufprall, z. B. ein Frontalcrash, in einer Richtung auf das Fahrzeug 100 ein, die der Fahrtrichtung T im Wesentlichen entgegengesetzt ist, und von der Karosserie 160 absorbierte Energie kann sich in einer Richtung des Energiepfads P₁ fortpflanzen. 2B zeigt die Karosseriekomponente 200 mit einer zweiten Belastungsart, z. B. einem Dachaufprallzustand mit einem Energiepfad P₂ . In einem Beispiel kann ein Dachaufprall (z. B. infolge eines Überschlags des Fahrzeugs 100) in einer Richtung auf das Fahrzeug 100 einwirken, die im Wesentlichen senkrecht zur Fahrtrichtung T verläuft, und von der Komponente 200 absorbierte Energie kann sich in einer Richtung des Energiepfads P₂ fortpflanzen.
Durch das Absorbieren von Energie durch Komponenten 200 des Fahrzeugs 100 baut sich typischerweise eine mechanische Spannung in den jeweiligen Komponenten 200 auf. Eine auf eine Komponente 200 einwirkende Spannung verteilt sich typischerweise ungleichmäßig und konzentriert sich bspw. an Spannungsstellen 210, wie in den 2A-2B gezeigt. Im vorliegenden Zusammenhang ist eine Spannungskonzentrationsstelle 210 ein Volumen einer Komponente 200, bei welchem eine Größenordnung der Fernfeldspannung, die durch den Belastungsenergiepfad auf die Komponente 200 einwirkt, erhöht ist. In einem Beispiel kann eine innere Spannungskonzentrationsstelle 210 eine sphärische, elliptische oder sonstige geeignete Form aufweisen. Eine äußere Spannungskonzentrationsstelle 210, als ein anderes Beispiel, kann eine Form eines Einschnitts oder einer anderen abrupten Veränderung der äußeren Fläche einer Komponente 200 aufweisen. Eine Spannungskonzentrationsstelle 210 (oder Spannungsstelle 210) in einer Komponente 200 kann auf einer Form der Komponente 200 und Materialien, aus denen sie besteht, und/oder einer Belastungsart der Komponente 200 beruhen. Aus diesem Grund kann in einem Beispiel eine Form, z. B. Maße einer Spannungskonzentrationsstelle 210, z. B. ein Durchmesser einer Sphäre, die eine Spannungsstelle 210 umgibt, bspw. unter Verwendung der Finite-Elemente-Analyse (FEA), einem Handbuch mit Spannungskonzentrationsfaktoren usw., auf der Grundlage der Form der Komponente, der Materialien, aus denen sie besteht, und/oder ihrer Belastungsarten bestimmt werden. Lagekoordinaten und/oder Maße einer Spannungsstelle 210 können auf der Grundlage eines Koordinatensystems, bspw. eines kartesischen Koordinatensystems, mit einem Ursprung an einem Bezugspunkt 150 eines Fahrzeugs 100 angegeben werden. Zum Beispiel, und wie in den 2A-2B gezeigt, kann bzw. können die Spannungsstelle(n) 210 der Komponente 200 je nach Belastungsart unterschiedlich sein. Beispielsweise können durch den Energiepfad Pi eines Frontalaufpralls mehrere Spannungsstellen 210 entstehen (siehe 2A), wohingegen durch den Energiepfad P₂ eines Dachaufpralls eine Spannungsstelle 200 entstehen kann, die bezogen auf die Spannungsstellen 210 des Frontalaufpralls überlappend oder anders sind. Die Spannungsstellen 210 können anhand von Computermodellen der Komponente 200 und/oder des Fahrzeugs 100 identifiziert werden, wie unter Bezugnahme auf 6 erläutert.
Wie weiter oben erläutert, kann eine Komponente 200 aus einem Verbundwerkstoff wie beispielsweise CFK ausgebildet sein. Wenn ein Verbundwerkstoff mit einer Kraft belastet wird, dann erzeugt die Kraft Spannung, bspw. an Spannungsstellen 210, wie in den 2A-2B gezeigt, durch welche dann ein Materialschaden 300 entstehen kann. Auf das Material kann aus folgenden Gründen eine Kraft einwirken: (i) ein Aufprall eines anderen Objekts auf das Fahrzeug 100, z. B. ein Zusammenstoß, (ii) der Betrieb des Fahrzeugs 100 wie Beschleunigung, Abbremsung, Fahren über ein Schlagloch usw., (iii) Alterung der Komponente 200, (iv) thermische und/oder mechanische Wechselbeanspruchung, (v) eine variierende Belastungsrate und/oder andere Quellen mechanischer Kraft. Eine sich auf eine Komponente 200 auswirkende Spannung kann einen Schaden 300 an der Komponente hervorrufen. Ein Schaden 300 ist im vorliegenden Zusammenhang eine unumkehrbare physikalische Veränderung einer Komponente 200 aus CFK. „Unumkehrbar“ bedeutet, dass die Komponente 200 nach Aufhebung der aufgebrachten Spannung ihre ursprüngliche physische Struktur nicht wieder annehmen kann. Ein Bruch oder Nachgeben des Materials stellt beispielsweise eine unumkehrbare Veränderung dar, wohingegen eine elastische Verformung, Ausdehnung oder Schrumpfung des Materials aufgrund einer Änderung der Umgebungstemperatur oder mechanischen Belastung eine umkehrbare Veränderung darstellt.
Die 3A-3B stellen mehrere Arten von Schäden 300 dar, die in einem Verbundwerkstoff wie beispielsweise CFK auftreten können. 3A zeigt beispielhafte Arten von Schäden 300, darunter Lösung der Klebung, Faserriss, Matrixriss, Pull-out und Versteifung. 3B stellt eine Schichtablösung als andere Art von Schaden 300 dar.
Im vorliegenden Zusammenhang wird ein Ausmaß eines Schadens 300 in Bezug auf eine gesamte Komponente 200 anhand eines „Komponenten-Schadensquantifizierers D“ gemessen, wohingegen ein Lokalschadenquantifizierer d ein Ausmaß eines Schadens 300 an einer konkreten Stelle einer Komponente 200, bspw. an einer Spannungsstelle 210 der Komponente 200, angibt. Der Lokalschadenquantifizierer d und der Komponenten-Schadensquantifizierer D können in einheitslosen Zahlenwerten angegeben werden, bspw. einer Zahl zwischen 0 (Null), d. h. kein Schaden, und 1, d. h., das beschädigte Material besitzt aufgrund des Schadens keine Belastbarkeit (wie unter Bezugnahme auf die 6A-6B erläutert). Somit kann ein Lokalschadenquantifizierer d einer Komponente 200 je nach dem, wo sich eine Stelle in der Komponente 200 befindet, verschiedene Werte aufweisen. Beispielsweise können verschiedene Werte des Lokalschadenquantifizierers d in einer beispielhaften Komponente 200 an verschiedenen Spannungsstellen 210 gemessen werden. Ein Lokalschadenquantifizierer d kann auf der Grundlage von Daten bestimmt werden, die von Schadenserkennungssensor(en) 130, bspw. einem Messwandler, einem Ultraschallsensor usw., die in einer Komponente 200 beinhaltet sind, empfangen werden. Ein Komponenten-Schadensquantifizierer D kann auf der Grundlage von Lokalschadenquantifizierer(n) d der Komponente 200, umgebungsbezogenen Daten, vorhergesagten zukünftigen Belastungsspielen, Modellen neuronaler Netze usw. bestimmt werden. Wie unter Bezugnahme auf 7 erläutert, kann der Computer 110 dazu programmiert sein, die Lokalschadenquantifizierer d und den Komponenten-200-Schadensquantifizierer D zu bestimmen.
4 zeigt mehrere Verläufe 410, 420, 430 bezüglich des Dehnungsverhaltens einer Komponente 200. Im vorliegenden Zusammenhang und der allgemeinen Auffassung gemäß ist eine „Dehnung“ eine geometrische Reaktion einer Komponente, eines Systems, Materials usw. auf eine aufgebrachte Spannung, z. B. die Kraft, die sich in einer Belastungsart wie der in den 2A-2B gezeigten aufbaut. Die Spannung kann in Einheiten von MPa (Megapascal) gemessen werden. In einem Beispiel kann die Spannung als Maß für eine Verformung, Ausdehnung, Schrumpfung oder Scherbeanspruchung in einem dreidimensionalen Spannungszustand usw. in einer Richtung einer aufgebrachten Kraft dividiert durch eine anfängliche Länge des Materials, z. B. der Komponente 200, definiert sein. CFK-Komponenten können anisotrope oder isotrope elastische Eigenschaften aufweisen. Ein anisotropes Verhalten des Materials kann eine verschiedenartige effektive Steifigkeit in einem Abhängigkeitsverhältnis mit der aufgebrachten Belastung und dem Wechsel zwischen Vorliegen und Nichtvorliegen ebener Dehnungszustände sein. Zusätzlich dazu können das Nachgeben, die Schadensentstehung und Schadensentwicklung einer CFK-Komponente 200 ein anisotropes oder isotropes Verhalten aufweisen. Beispielsweise wäre zu erwarten, dass ein homogener Polymerverbundwerkstoff mit beschnittenen Fasern in zufälligen Richtungen ein isotropes Verhalten aufweist, wohingegen bei einer Schichtung mehrerer CFK-Schichten mit einseitig gerichteten langen Fasern in variierenden Winkeln in jeder Schichtung zu erwarten wäre, dass ihr Verhalten anisotrop ist. Der Dehnungswert kann einheitslos sein und als Änderung der Materiallänge in Einheiten der ursprünglichen Materiallänge gemessen werden, bspw. in ppm (parts per million), µm/m (Mikrometer pro Meter) usw. Wie anhand der beispielhaften Verläufe 410, 420, 430 gezeigt, kann ein erhöhter Betrag des „Lokalschadenquantifizierers d“ eine „Dehnung“ in der Komponente 200 hervorrufen, wenn auf die Komponente 200 eine noch geringere Spannung einwirkt. Anders formuliert, ist eine Komponente 200 mit einem höheren Schadensquantifizierer d anfälliger für Versagen, Nachgeben, eine geringere Energieabsorption, geringere Struktursteifigkeit usw.
Um eine erwartete Leistung zu erreichen, bspw. in Bezug auf Sicherheitsstandards wie SORB (Aufprall auf festes, geringfügig versetztes Hindernis), kann die Komponente 200 derart ausgestaltet sein, dass sie einem spezifizierten Maß an Spannung, z. B. sti, wie in 4 gezeigt, standhält. Im vorliegenden Zusammenhang ist mit „standhalten“ gemeint, dass eine Dehnung verhindert wird, die einen vorgegebenen Schwellenwert n₁ überschreitet, es sei denn, die Spannung überschreitet den Schwellenwert sti. Die beispielhaften Verläufe 410, 420, 430 stellen dar, dass eine Komponente 200 darin versagen kann, einer Spannung standzuhalten, wenn ein Lokalschadenquantifizierer d zunimmt. Beispielsweise, und wie anhand des beispielhaften Verlaufs 430 gezeigt, versagt die Komponente 200 darin, der Spannung standzuhalten, wenn der Schadensquantifizierer d gleich 0,8 ist. Eine versagende Komponente 200 kann einen Einfluss auf einen Betrieb eines Fahrzeugs 100 haben, bspw. einen Sicherheitsstandard nicht erfüllen.
Auf die 5A-5B Bezug nehmend, kann der Computer 110 dazu programmiert sein, einen Schadensquantifizierer D für eine Komponente 200 eines Fahrzeugs 100, die aus einem Verbundwerkstoff ausgebildet ist, auf der Grundlage von Fahrzeug-100-Sensor-130-Daten zu bestimmen und das Fahrzeug 100 auf der Grundlage einer Aufgabe zu betreiben, die gemäß dem bestimmten Schadensquantifizierer D bestimmt wird. Im vorliegenden Zusammenhang gibt ein Komponenten-Schadensquantifizierer D einen Grad eines Schadens 300, der mit einer Komponente 200 verbunden ist, auf der Grundlage bestimmter Lokalschadenquantifizierer d in verschiedenen Bereichen, z. B. an Spannungsstellen 210 der Komponente 200, in Form eines Zahlenwerts an, z. B. in einem Bereich von 0 (Null), d. h. kein Schaden, bis 1, d. h., die Komponente besitzt aufgrund des Schadens keine Belastbarkeit, wie unter Bezugnahme auf 7 erläutert.
Wie vorstehend unter Bezugnahme auf die 2A-2B erläutert, kann eine Komponente 200 verschiedene Spannungsstellen 210 je nach einer Belastungsart, d. h. einer Größe und Richtung eines Kraftvektors an der Stelle 210, bspw. Frontalaufprall, Dachaufprall usw., aufweisen. Zu den gezeigten Spannungsstellen 210, bezogen auf die 5A-5B, gehören Spannungsstellen 210 mehrerer Belastungsarten, bspw. Belastungsarten in beiden 2A-2B. Der Computer 110 kann dazu programmiert, Daten zu empfangen, die mit mehreren Belastungsarten des Computers 200 verbunden sind. 5A zeigt eine beispielhafte Platzierung von Sensoren 130, die z. B. im Wesentlichen gleichmäßig in dem Verbundwerkstoff der Komponente 200 verteilt sind, wohingegen 5B ein Beispiel für eine spezifisch ausgewählte Anzahl und/oder Position der Sensoren 130 auf der Grundlage der Position von Spannungsstellen 210 mehrerer Belastungsarten in der jeweiligen Komponente 200 zeigt, wie weiter unten in Bezug auf einen in 11 dargestellten Ablauf 1100 erläutert.
Der Computer 110, weiter auf die 5A-5B Bezug nehmend, kann dazu programmiert sein, Daten, bspw. elektrische Signale, Pakete usw. von den Sensoren 130 zu empfangen und den Lokalschadenquantifizierer d auf der Grundlage der empfangenen Daten zu bestimmen. Zu den in der Komponente 200 beinhalteten Sensoren 130 können zum Beispiel ein piezoelektrischer Sensor, ein Messumwandler, ein kapazitiver Sensor, Dehnungssensor, Mikrosystem (Microelectromechanical System - MEMS) und/oder eine magnetostriktive Vorrichtung gehören. In einem Beispiel, präsentiert in Tabelle 1, kann ein Ultraschall-Schadenserkennungssensor 130 einen Sender und einen Empfänger von Ultraschallsignalen beinhalten. Tabelle 1

Stärke empfangenes Ultraschallsignal Geschätzter Lokalschadenquantifizierer d

90% 0,1

80% 0,2

...

20% 0,8

0% 1,0
In dem in Tabelle 1 gezeigten Beispiel können ein Sender und Empfänger eines Sensors 130 an einer Spannungsstelle 210 angebracht sein. Beispielsweise können der Sender und Empfänger auf gegenüberliegenden Seiten einer sphärisch geformten Spannungsstelle 210 angebracht sein, d. h. an zwei Enden, die durch eine imaginäre Linie verbunden sind, die durch eine Mitte der sphärisch geformten Spannungsstelle 210 verläuft. Der Computer 110 kann dazu programmiert sein, den Sender derart anzusteuern, dass er ein Ultraschallsignal überträgt. Ein Schaden 300 an der Spannungsstelle 210, an der sich der Sensor 130 befindet, kann von einem empfangenen Ultraschallsignal, das am Empfänger des Sensors 130 empfangen wird, bspw. eine Stärke reduzieren, eine Form ändern usw. Der Computer 110 kann dazu programmiert sein, eine Stärke, Form usw. des Ultraschallsignals zu bestimmen, das am Empfänger des Sensors 130 empfangen wird. Der Computer 110 kann dazu programmiert sein, Daten einschließlich einer erwarteten Signalform, -stärke usw. des empfangenen Ultraschallsignals auf der Grundlage von unbeschädigtem und beschädigtem Material zu speichern und den Lokalschadenquantifizierer d auf der Grundlage der gespeicherten Daten und des empfangenen Ultraschallsignals zu bestimmen. Beispielsweise, und unter Bezugnahme auf Tabelle 1, kann der Computer 110 dazu programmiert sein, eine Tabelle zu speichern, die ein Verhältnis von (i) dem Lokalschadenquantifizierer d und (ii) einem Anteil der Stärke eines empfangenen Signals im Vergleich zu einer erwarteten Signalstärke, die mit einem unbeschädigten Material verbunden ist, zu speichern. Zusätzlich oder alternativ kann der Computer 110 dazu programmiert sein, einen Lokalschadenquantifizierer d anhand eines sonstigen geeigneten Verhältnisses, bspw. exponentiell, quadriert usw., der Daten des Sensors 130 und des Lokalschadenquantifizierers d zu bestimmen. Zusätzlich oder alternativ kann der Computer 110 dazu programmiert sein, einen Lokalschadenquantifizierer d auf der Grundlage eines neuronalen Netzes zu bestimmen, das auf der Grundlage von Ground-Truth-Daten, wie unter Bezugnahme auf 6 erläutert, trainiert wird.
Eine Anzahl und/oder Position der Sensoren 130, auf 5B Bezug nehmend, kann als Teil einer Ausgestaltung der Komponente 200 und/oder der Karosserie 160 des Fahrzeugs 100 identifiziert werden. Beispielsweise kann ein Laborcomputer dazu programmiert sein, die Anzahl und/oder Positionen der Sensoren 130 an, in oder angrenzend an (bspw. in Berührung mit) eine(r) Komponente 200 zu identifizieren, um (einen) Lokalschadenquantifizierer d auf der Grundlage einer Technik der Fehlermöglichkeits- und -einflussanalyse (FMEA), einer computergestützten Entwicklungssimulation wie der Finite-Elemente-Analyse (FEA), der numerischen Strömungsmechanik (CFD) und/oder anderer Rechentechniken zu überwachen. In einem Beispiel kann der Laborcomputer dazu programmiert sein, Position und Anzahl von Schadenserkennungssensoren 130 mittels Minimierung der Kovarianz geschätzter Parameter, Guyan-Modell-Reduktion, effektiver Unabhängigkeit, kinetischer Energie, neuronaler Netze, eines evolutionären Algorithmus, der simulierten Abkühlung usw. zu identifizieren. Zusätzlich oder alternativ kann der Laborcomputer dazu programmiert sein, Positionen von Schadenserkennungssensoren 130 auf der Grundlage einer Sensoroptimierungstechnik mit schwachbesetzter Matrix zu identifizieren.
Der Laborcomputer kann dazu programmiert sein, Spannungsstellen 210 in den Komponenten 200 des Fahrzeugs 100 für eine oder mehrere Belastungsarten, z. B. einen Dachaufprall, einen Frontalaufprall, Heckaufprall und einen Seitenaufprall (siehe 2A-2B) zu identifizieren. Des Weiteren kann der Laborcomputer dazu programmiert sein, Sensor-130-Positionen in der Komponente 200 des Fahrzeugs 100 auf der Grundlage der identifizierten Spannungsstellen 210 zu identifizieren. Die Sensoren 130 können dann auf den identifizierten Sensor-130-Positionen platziert oder angebracht werden. Im vorliegenden Zusammenhang schließt „an“ der identifizierten Position in, auf, nahe (d. h. innerhalb einer vorgegebenen Entfernung davon, bspw. von 1 Zentimetern) und/oder in Berührung mit der Komponente 200 ein.

Um den Computer 110 des Fahrzeugs 100 dazu zu programmieren, dass er einen Komponenten-Schadensquantifizierer D und/oder einen Lokalschadenquantifizierer d bestimmt, kann der Laborcomputer anhand von FEA, FMEA usw. dazu programmiert werden, dass er Trainingsdaten generiert (bspw. Tabelle 2). Wie nachstehend erläutert, kann ein Algorithmus für maschinelles Lernen wie beispielsweise ein neuronales Netz auf der Grundlage der generierten Trainingsdaten trainiert werden, und der Computer 110 des Fahrzeugs 100 kann auf der Grundlage des trainierten neuronalen Netzes dazu programmiert werden, die Lokalschadenquantifizierer d und/oder den Komponenten-Schadensquantifizierer D zu bestimmen. Tabelle 2

Schadensbezogene Daten	Stelle, Maße, Art des Schadens (bspw. Riss, Lösung der Klebung usw.)
Belastungsart	Vorderaufprall einschließlich Daten bzgl. Aufprallkraft
Daten bzgl. Sensorcharakteristika	Daten, die das Verhältnis physikalischer Materialeigenschaften zu Sensordaten beschreiben
Sensorpositionsdaten	Daten, die die Position von Schadenserkennungssensoren in einer Komponente angeben
Sensordaten	Daten, die von Schadenserkennungssensoren empfangen werden und mit dem an der Komponente vorliegenden Schaden verbunden sind
Erster Lokalschadenquantifizierer	0,3
Zweiter Lokalschadenquantifizierer	0,7
Sicherheitseinstufung bzgl. SORB	Ausreichend
Sicherheitseinstufung bzgl. NVH	Akzeptabel
Komponente-Schadensquantifizierer D	0,6

Im vorliegenden Zusammenhang sind Trainingsdaten Werte, die physikalische Phänomene unter Basislinien oder unterschiedlichen Bedingungen spezifizieren. Zu Trainingsdaten gehören typischerweise Eingabedaten, die einen beispielhaften Schaden 300 beschreiben, erwartete Daten von Sensoren 130, die mit dem Schaden 300 verbunden sind, und Daten, die beschreiben, wie Attribute wie beispielsweise der Komponenten-Schadensquantifizierer D usw. unter solchen Bedingungen (d. h. eines simulierten Schadens 300) geschätzt werden. Zu den Trainingsdaten, auf das Beispiel von Tabelle 2 Bezug nehmend, können Eingabedaten gehören, einschließlich (i) auf einen Schaden 300 bezogene Daten, bspw. Ausmaße eines Schadens 300, bspw. eines Risses, Art des Schadens 300, bspw. Bruch usw., (ii) Belastungsart(en), die auf die beschädigte Komponente 200 einwirken, bspw. ein Betrag und/oder eine Richtung der Kraft, die auf die beschädigte Komponente 200 einwirkt, (iii) Charakteristika des Sensors 130 betreffende Daten, bspw. Daten, die ein Verhältnis eines physikalischen Attributs des Materials zu den empfangenen Sensor-130-Daten angeben, und Materialcharakteristika angebende Daten, und (iv) auf die Sensor-130-Position bezogene Daten, die Lagekoordinaten der Sensoren 130 in Bezug auf ein Koordinatensystem, bspw. ein kartesisches Koordinatensystem mit einem Ursprung beim Bezugspunkt 150 angeben. Zusätzlich oder alternativ können die Lagekoordinaten der Sensoren 130 in Bezug auf andere Arten von Koordinatensystemen wie Zylinderkoordinaten, Kugelkoordinaten, krummlinige Koordinaten, Plücker-Koordinaten, kanonische Koordinaten usw. angegeben werden
Der Laborcomputer kann dazu programmiert sein, auf der Grundlage der vorstehend beschriebenen Eingabedaten die Trainingsausgabedaten zu generieren, darunter (i) Sensor-130-Daten, bspw. Signaldaten, die von den Sensoren 130 erwartet werden, beruhend auf den Sensor-130-Positionen, Sensor-130-Charakteristika, einen Schaden 300 betreffenden Daten usw., (ii) (einen) Schadensquantifizierer d auf der Grundlage einen Schaden 300 betreffender Daten, bspw. Maße des Schadens 300 wie die Tiefe des Schadens 300 (und bspw. eine Beispieltabelle 1, die ein Verhältnis der von einem Sensor 130 empfangenen Daten und einem Lokalschadenquantifizierer d angibt), (iii) Sicherheitseinstufungen, wie nachstehend erläutert, und (iv) den Komponenten-Schadensquantifizierer D auf der Grundlage der Schadensquantifizierer d, von Sicherheitseinstufungen usw., wie nachstehend erläutert.
Der Laborcomputer kann dazu programmiert sein, das Signal, das von den Sensoren 130 empfangen wird, auf der Grundlage des an dem Verbundwerkstoff vorliegenden Schadens 300, bspw. auf der Grundlage bekannter Maße usw. zu schätzen. Der Laborcomputer kann dazu programmiert sein, die Ground-Truth-Daten auf der Grundlage einer bekannten Stelle des Schadens 300, dem Simulieren von Auswirkungen des Schadens 300 auf physikalische Attribute des Materials und auf der Grundlage von Sensorcharakteristika betreffenden Daten, die ein Verhältnis von einem physikalischen Attribut des Materials zu den empfangenen Sensor-130-Daten angeben, zu generieren. Anders formuliert, können die generierten Trainingsdaten Beispiele dafür beinhalten, wie sich die empfangenen Sensor-130-Daten aufgrund von Schäden, die an verschiedenen Stellen auftreten, Schweregraden und möglicherweise von Schadensarten (bspw. einer spezifischen Schadensmodus-Art des CFK) der Komponente 200 ändern. Der Laborcomputer kann zusätzlich oder alternativ dazu programmiert sein, die Ground-Truth-Daten auf der Grundlage von Messdaten zu generieren, die von Labormessgeräten wie Röntgenvorrichtungen, Ultraschallscannem usw. empfangen werden.
Im vorliegenden Zusammenhang handelt es sich bei einer „Sicherheitseinstufung“ um einen Quantifizierer, der bestimmt, wie sicher ein Betrieb der jeweiligen Komponente 200 des Fahrzeugs 100 ist. Eine Sicherheitseinstufung eines Fahrzeugs 100 kann auf einer einheitslosen Skala erfolgen, bspw. gut, akzeptabel, ausreichend, ungenügend, und/oder anhand eines Bereichs, bspw. von 1 (gut) bis 5 (ungenügend). Eine Sicherheitseinstufung kann auf der Grundlage verschiedener Sicherheitsstandards wie SORB und/oder eines sonstigen Sicherheitsstandards bestimmt werden, der von EURO NCAP, NHTSA usw. bereitgestellt wird. Zusätzlich oder alternativ kann eine „Sicherheitseinstufung“ auf der Grundlage anderer Fahrzeug-100-Attribute wie beispielsweise der Bodenfreiheitsregulierung/-qualität, von NVH (Geräusch, Vibrationen, Rauigkeit), aerodynamischen Eigenschaften eines Fahrzeugs 100 usw. bestimmt werden. Der Laborcomputer kann dazu programmiert sein, die Sicherheitseinstufung auf der Grundlage von FEA-Techniken (z. B. auf der Grundlage des Schätzens von Verdrängung, Spannung, Beschleunigung, Schadensauslösung, was Metriken zur Prüfpuppen-Verletzung ergibt, usw.) zu bestimmen und die Sicherheitseinstufung der Komponente 200 auf der Grundlage des bzw. der bestimmten Lokalschadenquantifizierer d, auf den Schaden 300 bezogener Daten usw. zu bestimmen.
Der Laborcomputer kann dazu programmiert sein, die Sicherheitseinstufung der Komponente 200 auf der Grundlage der auf den Schaden 300 bezogenen Daten, auf die Komponente 200 bezogenen Daten, bspw. Maße, Material usw., der Ausgestaltung (Form, Maße, mechanische Eigenschaften usw.) des Fahrzeugs 100, der Belastungsart usw. zu bestimmen. Anders formuliert, kann der Laborcomputer 110 auf der Grundlage eines bekannten an der Komponente 200 vorliegenden Schadens 300 dazu programmiert werden, zu simulieren (oder schätzen), inwieweit eine Sicherheitseinstufung kompromittiert ist und die Sicherheitseinstufung weiterhin auf der Grundlage bekannter Sicherheitsstandards, bspw. SORB usw. zu bestimmen.
In einem Beispiel, das in 6 gezeigt ist, zeigt ein beispielhaftes Diagramm 610 ein Verhältnis von der Sicherheitseinstufung einer Komponente 200 und dem Komponenten-Schadensquantifizierer D. Der Laborcomputer kann dazu programmiert sein, den Komponenten-Schadensquantifizierer D zumindest teilweise auf der Sicherheitseinstufung beruhend zu bestimmen. Zusätzlich oder alternativ kann der Laborcomputer dazu programmiert sein, ein sonstiges Verhältnis von Sicherheitseinstufungen und dem Komponenten-Schadensquantifizierer D zu speichern. Zusätzlich oder alternativ, wie nachstehend unter Bezugnahme auf 10 erläutert, kann die Sicherheitseinstufung für ein Fahrzeug 100 anstelle einer Komponente 200 eines Fahrzeugs 100 bestimmt werden.
Die generierten Trainingsdaten können dazu verwendet werden, einen Algorithmus für maschinelles Lernen dafür zu trainieren, den Komponenten-Schadensquantifizierer D, einen Fahrzeug-Schadensquantifizierer D usw. zu bestimmen. Ein „neuronales Netz“ (NN) ist ein in Software und/oder Hardware implementiertes Rechensystem, für das biologische neuronale Netze als Inspiration dienen, welche die Grundlage für die Funktionsweise des Gehirns sind. Ein neuronales Netz erlernt die Durchführung von Aufgaben, indem es Beispiele studiert, und zwar im Allgemeinen, ohne mit aufgabenspezifischen Regeln programmiert zu sein. Ein neuronales Netz kann ein Softwareprogramm sein, das in einen Speicher geladen und durch einen Prozessor, der in einem Computer, beispielsweise dem Computer 110 beinhaltet ist, ausgeführt werden kann. Das neuronale Netz kann n Eingabeknoten beinhalten, von denen jeder einen Satz Eingaben i annimmt (d. h., jeder Satz Eingaben i kann eine oder mehrere Eingaben x beinhalten). Das neuronale Netz kann m Ausgabeknoten (wobei m und n ein und dieselbe Zahl sein können, es typischerweise aber nicht sind) beinhalten, die Sätze von Ausgaben o₁... o_m, bereitstellen. Ein neuronales Netz beinhaltet typischerweise eine Vielzahl von Schichten einschließlich einiger verborgener Schichten, wobei jede Schicht einen oder mehrere Knoten beinhaltet. Die Knoten werden manchmal als künstliche Neuronen bezeichnet, da sie dazu ausgestaltet sind, biologische, bspw. menschliche, Neuronen nachzuahmen. Beispielsweise kann ein neuronales Netz lernen, einen Schaden 300 in einer Komponente 200 zu bestimmen, indem es Trainingsdaten analysiert, die auf der Grundlage von FEA-Techniken und/oder von Beispielen aus der realen Welt generiert wurden, bspw. einer Messung von Sensor-130-Daten in Komponenten mit und ohne Schäden im Verbundwerkstoff. Das neuronale Netz kann zum Beispiel lernen, einen Komponenten-Schadensquantifizierer D auf der Grundlage von Lokalschadenquantifizierern d zu bestimmen, die auf der Grundlage empfangener Sensor-130-Daten und bekannter Ground Truth bzgl. der Stelle, Größe usw. eines Schadens bzw. von Schäden 300 in der jeweiligen Komponente 200 bestimmt wurden. Des Weiteren kann das Training des neuronalen Netzes nach der Einrichtung der Komponente 200 und/oder des Fahrzeugs 100 weiterlaufen, damit es bspw. lernt, wie sich die Schäden in einer Komponente 200 des Fahrzeugs 100 entwickeln, was auf der Grundlage von Auswirkungen von Umgebungsbedingungen, der Alterung usw. erfolgt, und/oder zum Verbessern der Erkennung von Schäden (siehe 13). Zusätzlich oder alternativ können andere Techniken maschinellen Lernens, wie beispielsweise SVM (Support Vector Machine), Entscheidungsbäume, naiver Bayes, Ensemble-Verfahren usw. verwendet werden, um ein Verhältnis von Schäden in der Komponente 200 und Daten, die von den Schadenserkennungssensoren 130 empfangen werden, zu identifizieren.
Der Computer 110 des Fahrzeugs 100 kann (bspw. auf der Grundlage der vorstehend erläuterten Trainingsdaten) dazu programmiert sein, den Lokalschadenquantifizierer d einer Komponente 200 auf der Grundlage der Daten zu bestimmen, die von dem Sensor 130 empfangen werden, der in der Komponente 200 des Fahrzeugs 100 beinhaltet ist, und den Komponenten-Schadensquantifizierer D auf der Grundlage des bzw. der bestimmten Lokalschadenquantifizierer d, der Position der Sensoren 130 und/oder von Entfernungen der Sensoren 130 voneinander usw. zu bestimmen. Hier im Folgenden werden mehrere Beispiele zum Bestimmen eines Komponenten-Schadensquantifizierers D erläutert.
In einem Beispiel kann der Computer 110 dazu programmiert sein, den Komponenten-Schadensquantifizierer D derart zu bestimmen, dass er ein Maximum der Lokalschadenquantifizierer d der Komponente 200 darstellt. Beispielsweise kann der Computer 110 nach dem Bestimmen der Lokalschadenquantifizierer d (wie bspw. weiter oben bezogen auf die Beispieltabelle 1 erläutert) einschließlich 0,2, 0,3, 0,5 den Komponenten-Schadensquantifizierer D als gleich 0,5 bestimmen.
In einem anderen Beispiel kann der Computer 110 dazu programmiert sein, den Komponenten-Schadensquantifizierer D auf der Grundlage maschinellen Lernens zu bestimmen, bspw. in einem neuronalen Netz, das den bzw. die Lokalschadenquantifizierer d als Eingabe heranzieht und anschließend den Schadensquantifizierer D für die jeweilige Komponente 200 des Fahrzeugs 100 ausgibt. Das neuronale Netz kann auf der Grundlage der Ground-Truth-Daten dafür trainiert werden, den Komponenten-Schadensquantifizierer D auf der Grundlage der empfangenen Sensor-130-Daten zu bestimmen. Wie weiter oben erläutert, können in einer Komponente 200 mehrere Sensoren 130 beinhaltet sein. Somit kann der Computer 110 auf der Grundlage einer Technik maschinellen Lernens dazu programmiert sein, Daten von mehreren Sensoren 130 zu empfangen und den Schadensquantifizierer D der Komponente 200 auf der Grundlage der empfangenen Sensor-130-Daten zu bestimmen.
Zusätzlich oder alternativ kann der Computer 110 dazu programmiert sein, den Komponenten-Schadensquantifizierer D auf der Grundlage eines mechanischen Modells der Komponente 200 zu bestimmen. Folglich kann der Computer 110 dazu programmiert sein, den Schadensquantifizierer D auf der Grundlage der bestimmten Lokalschadenquantifizierer d und des mechanischen Modells zu bestimmen, bspw. unter Verwendung von FEA-Techniken. Eine Komponente 200 kann ein komplexes geometrisches und/oder mechanisches Modell haben, bspw. eine komplexe Geometrie, die ein feinmaschiges Modell unter Verwendung von Modellen für komplexe Materialien ergibt, um das lokale und/oder globale Komponentenverhalten vorherzusagen. Um die Rechenzeit zu reduzieren, kann der Computer 110 dazu programmiert sein, den Komponenten-200-Schadensquantifizierer auf der Grundlage eines vereinfachten (oder abstrakten) mechanischen Modells der Komponente 200 zu bestimmen. Im vorliegenden Zusammenhang ist ein vereinfachtes mechanisches Modell ein Modell, das im Wesentlichen physikalische Eigenschaften der Komponente 200 beinhaltet, wobei jedoch unbedeutende Details weggelassen sind; bspw. kann ein Senkrechtbalkenmodell als vereinfachtes Modell für eine Säule einer Karosserie 160 verwendet werden. Zusätzlich oder alternativ, und wie unter Bezugnahme auf 11 erläutert, kann der Computer 110 dazu programmiert sein, einen Fahrzeug-100-Schadensquantifizierer D_Fahrzeug zu bestimmen, d. h. einen Schadensquantifizierer, der ein Schadensausmaß für das Fahrzeug 100 angibt.
8 zeigt beispielhafte Verläufe 800, 810, welche die einwirkende Spannung, bspw. einen Betrag des Drucks, gemessen in Megapascal (MPa), und eine Anzahl der Zyklen bis zum Versagen (d. h., eine Anzahl der Betriebszyklen, bis eine beispielhafte Komponente 200 und/oder ein beispielhaftes System außer Betrieb sind) darstellen. Im vorliegenden Zusammenhang ist mit „Versagen“ oder „versagt“ eine Sicherheitseinstufung aufweisend gemeint, die unter einem Schwellenwert liegt, bspw. eine auf SORB beruhende Sicherheitseinstufung von „ungenügend“. Die beispielhaften Verläufe 800, 810 zeigen zwei verschiedene angewendete Umgebungsbedingungen (Temperatur); Verlauf 800 zeigt dabei den Betrieb bei einer ersten Temperatur von 298 Grad Kelvin (K), wohingegen Verlauf 810 die Betriebe bei einer zweiten Temperatur von 373 Grad K zeigt.
Wie anhand der beispielhaften Verläufe 800, 810 gezeigt, können rauere Umgebungsbedingungen wie eine erhöhte Temperatur in Bezug auf Verlauf 810 verglichen mit Verlauf 900 zu einem Versagen einer Komponente 200 bei geringeren Spannungsgraden führen. Zusätzlich oder alternativ können andere Umgebungsbedingungen wie die Feuchtigkeit, der Luftdruck usw. einen Einfluss auf eine Anzahl der Betriebszyklen, bis eine Komponente 200 und/oder ein System, bspw. ein Fahrzeug 100, zu funktionieren versagt, haben. Zusätzlich oder alternativ können physikalische Attribute eines Fahrzeugs 100 wie die Geschwindigkeit, Beschleunigung und/oder Straßenverhältnisse, z. B. Schlaglöcher usw., eine Anzahl der Betriebszyklen beeinflussen, bis zu der eine Komponente 200 und/oder ein Fahrzeug 100 zu funktionieren versagt. Im vorliegenden Zusammenhang schließt ein Umgebungsparameter (oder eine Umgebungsbedingung) ein: (i) umweltbezogene Parameter wie Temperatur, Druck, Feuchtigkeit usw., (ii) physikalische Attribute des Fahrzeugs 100 wie Geschwindigkeit, Beschleunigung usw. und/oder (iii) Straßenverhältnisse, z. B. Schlaglöcher, Rauigkeit (unasphaltierte im Gegensatz zu asphaltierten Straßen) usw.
Eine Änderung einer Umgebungsbedingung, weiter auf 8 Bezug nehmend, kann eine Anzahl der Betriebszyklen ändern, bis eine Komponente 200 und/oder ein System versagt. Eine reduzierte Anzahl der Betriebszyklen bis zum Versagen kann einen erhöhten Schadensquantifizierer D ergeben. Anders ausgedrückt, bedeutet ein höherer Schadensquantifizierer D eine Wahrscheinlichkeit eines früheren Versagens der jeweiligen Komponente 200 und/oder des jeweiligen Systems.
Wie vorstehend bezogen auf Tabelle 2 erläutert, kann ein Schadensquantifizierer D mit einer Sicherheitseinstufung ins Verhältnis gesetzt werden. Beispielsweise kann eine Komponente 200 mit einem Schaden 300 eine höhere Versagenswahrscheinlichkeit in Bezug auf den SORB-Standard und im Gegenzug eine geringere Versagenswahrscheinlichkeit in Bezug auf einen anderen Sicherheitsstandard, z. B. NVH, aufweisen. Zum Beispiel, und unter Bezugnahme auf 9, zeigt ein erster beispielhafter Verlauf 910 eine Änderung eines Schadensquantifizierers D einer Komponente 200 in Bezug auf einen ersten Standard, z. B. NVH, wohingegen ein zweiter beispielhafter Verlauf 920 eine Änderung des Schadensquantifizierers D der Komponente 200 in Bezug auf einen zweiten Standard, z. B. SORB, zeigt. Der Computer 110 kann dazu programmiert sein, eine Änderung eines Schadensquantifizierers D auf der Grundlage anderer Daten wie beispielsweise von Umgebungsbedingungen, Nutzungszyklen usw. auf der Grundlage einer Kombination aus mehreren Sicherheitsstandards, z. B. SORB und NVH, vorherzusagen.
In einem Beispiel kann der Computer 110 dazu programmiert sein, einen Höchstwert des Schadensquantifizierers D mehrerer Quantifizierer D zu bestimmen, die auf der Grundlage verschiedener Sicherheitseinstufung bestimmt worden sind. Der beispielhafte Verlauf 930 zeigt zum Beispiel eine Änderung des Schadensquantifizierers D auf der Grundlage des Umgebungsparameters, was ein Maximum der Schadensquantifizierer D darstellt, die auf der Grundlage des ersten und zweiten Sicherheitsstandards, z. B. SORB, NVH, bestimmt worden sind. Zusätzlich oder alternativ kann der Computer 110 dazu programmiert sein, den Schadensquantifizierer D auf der Grundlage mehrerer Sicherheitsstandards, Umgebungsbedingungen usw. unter Verwendung unterschiedlicher Techniken maschinellen Lernens, z. B. neuronaler Netze, zu bestimmen.

Wie vorstehend erläutert, kann der Computer 110 dazu programmiert sein, eine Aufgabe für das Fahrzeug 100 auf der Grundlage des Schadensquantifizierers D auszuwählen und das Fahrzeug 100 auf der Grundlage der ausgewählten Aufgabe zu navigieren. Im vorliegenden Zusammenhang schließt eine „Aufgabe“ einen Navigationsmodus ein, zu dem zumindest einer von Nur-Fracht, Fracht und Mitfahrer, Bewegen ohne Fracht und Mitfahrer, Bewegung stoppen usw. gehören. Beispielsweise, und wie in der beispielhaften Tabelle 3 gezeigt, kann der Computer 110 dazu programmiert sein, einen Navigationsmodus auf der Grundlage des Komponenten-Schadensquantifizierers D und mehrerer Schadensquantifizierer-Schwellenwerte Th₁ , Th₂ , Th₃ , z. B. 0,2, 0,4, 0,6, auszuwählen. Der Computer 110 kann dazu programmiert sein, einen Antriebs- und/oder Bremsaktor 120 eines Fahrzeugs 100 derart anzusteuern, dass das Fahrzeug bei Auswählen der Aufgabe „Bewegung stoppen“ zum Halten gebracht wird. Tabelle 3

Navigationsmodus	Bedingung für Navigationsmodus
Fracht und Mitfahrer	D ≤ 0,2
Nur-Fracht	0,2 < D < 0,4 oder D = 0,4
Weder Fracht noch Mitfahrer	0,4 < D < 0,6
Bewegung stoppen	D ≥ 0,6

Zusätzlich oder alternativ kann die Aufgabe (eine) Streckenführungsbeschränkung(en), z. B. keine Schnellstraße, und/oder Beschränkung(en) bezüglich physikalischer Attribute, z. B. eine Höchstgeschwindigkeit usw. beinhalten. Beispielsweise kann der Computer 110 dazu programmiert sein, eine „Keine-Schnellstraße“-Aufgabe auszuwählen, wenn bestimmt wird, dass der Schadensquantifizierer D einen Schwellenwert, bspw. 0,5, überschreitet. Somit kann der Computer 110 dazu programmiert sein, eine Route unter Verwendung herkömmlicher Streckenführungstechniken zu planen, bei denen kein Segment der Route vorhanden ist, das sich auf einer Schnellstraße befindet. Zusätzlich oder alternativ kann der Computer 110 dazu programmiert sein, die Geschwindigkeit des Fahrzeugs 100 zu begrenzen, indem er den Antrieb des Fahrzeugs 100 auf der Grundlage einer ausgewählten Höchstgeschwindigkeit, bspw. 80 Kilometer/Stunde (km/h), ansteuert, wenn bestimmt wird, dass der Schadensquantifizierer D einen Schwellenwert, bspw. 0,5, überschreitet.
10 zeigt Schäden 300 in mehreren Komponenten 200 der Karosserie 160 des Fahrzeugs 100. Die Komponenten 200 können zum Beispiel einen oder mehrere Schadenserkennungssensoren 130 zum Erkennen von Schäden 300 in der jeweiligen Komponente 200 aufweisen. Der Computer 110 kann dazu programmiert sein, einen Komponenten-Schadensquantifizierer D (oder D_Teil ) für die Komponenten 200 zu bestimmen. Der Computer 110 kann dazu programmiert sein, auf der Grundlage des Schadensquantifizierers D_Teil der jeweiligen Komponente 200 zu bestimmen, wann eine einzelne Komponente 200 repariert oder ausgetauscht werden muss. Beispielsweise kann der Computer dazu programmiert sein, das Fahrzeug 100 derart anzusteuern, dass es zu einer Werkstatt zum Austauschen einer Komponente 200 fährt, wenn bestimmt wird, dass der Schadensquantifizierer D_Teil der jeweiligen Komponente einen vorgegebenen Schwellenwert, bspw. 0,5, überschreitet. Des Weiteren kann der Computer 110 dazu programmiert sein, einen Fahrzeug-Schadensquantifizierer D_Fahrzeug (oder einen Schadensquantifizierer D_Fahrzeug für das Fahrzeug) zumindest teilweise auf der Grundlage der bestimmten Schadensquantifizierer D_Teil zu bestimmen. In einem Beispiel kann der Computer 110 dazu programmiert sein, den Fahrzeug-Schadensquantifizierer D_Fahrzeug derart zu bestimmen, dass er ein Maximum des bzw. der bestimmten Komponenten-Schadensquantifizierer(s) d darstellt.
Der Computer 110 kann dazu programmiert sein, den Fahrzeug-Schadensquantifizierer D_Fahrzeug auf der Grundlage einer Kombination aus den Komponenten-Schadensquantifizierern D, Lokalschadenquantifizierem d der Komponenten 200, Umgebungsbedingungen, einem mechanischen Modell des Fahrzeugs 100, das auf einer Technik maschinellen Lernens beruht, zu bestimmen. Beispielsweise kann ein neuronales Netz auf der Grundlage der Ground-Truth-Daten, siehe z. B. Tabelle 2, von Umgebungsbedingungen und einem mechanischen Modell des Fahrzeugs 100 trainiert werden.
Wie vorstehend bereits erläutert, kann der Computer 110 dazu programmiert sein, einen Komponenten-Schadensquantifizierer D und/oder Fahrzeug-Schadensquantifizierer D_Fahrzeug auf der Grundlage aktueller (oder gegenwärtiger) Daten von Schadenserkennungssensoren 130, anderen Fahrzeug-100-Sensoren, wie etwa Sensoren 130 für die Temperatur, Feuchtigkeit usw., usw. zu bestimmen. Der Computer 110 kann des Weiteren dazu programmiert sein, eine Änderung des Schadensquantifizierers D einer Komponente 200 und/oder des Fahrzeugs 100 auf der Grundlage von empfangenen Vorhersagen bezüglich Route des Fahrzeugs 100, erwarteten Nutzungszyklen, Wetterverhältnissen und/oder der Belastung des Fahrzeugs 100 (d. h. Anzahl der Mitfahrer, Gewicht der Fracht usw.) vorherzusagen. Beispielsweise, und unter Bezugnahme auf 10, kann der Computer 110 dazu programmiert sein, eine Änderung des Schadensquantifizierers D auf der Grundlage einer vorhergesagten Umgebungsbedingung, bspw. empfangener Prognosedaten bzgl. Temperatur und/oder Feuchtigkeit, vorherzusagen. Als ein anderes Beispiel kann der Computer 110 eine Änderung des Schadensquantifizierers D auf der Grundlage einer geplanten Route, bspw. auf der Grundlage empfangener Daten, die auf eine raue Straße als Teil der geplanten Route hinweisen, und eines bestimmten Schadens 300 in einer Aufhängungs-Komponente 200 des Fahrzeugs 100 vorhersagen. In einer beispielhaften Umsetzung kann eine Vorhersage anhand einer regelbasierten Technik umgesetzt werden. Eine beispielhafte Regel kann beinhalten, eine Steigung, bspw. von 20 %, des Schadensquantifizierers D einer beliebigen Aufhängungs-Komponente 200 vorherzusagen, wenn bestimmt wird, dass eine geplante Route einen raue Oberfläche, bspw. auf der Grundlage empfangener Kartendaten bestimmt, beinhaltet. Solche Regeln können auf der Grundlage des Trainierens eines Systems maschinellen Lernens generiert werden.
In einem anderen Beispiel kann ein FEA-Modell Verhältnisse von Umgebungsbedingungen wie Temperatur, Feuchtigkeit, vorhergesagtes Gewicht von Lasten und/oder Mitfahrern usw. und dem mechanischen Verhalten einer Komponente 200, bspw. der elastischen Verformung, unelastischen Verformung, Verhalten bei ermüdungsbedingtem Qualitätsverlust, umgebungsbedingte Wechselwirkung, umgebungsbedingter Qualitätsverlust, Energieabsorption usw. beinhalten. Ein Laborcomputer kann dazu programmiert sein, ein FEA-Modell unter verschiedenen Bedingungen (d. h. unterschiedlichen Umgebungsbedingungen, Lasten, Aufprallen, Schäden usw.) zu simulieren und Simulationsergebnisse zu generieren. Ein Modell maschinellen Lernens wie beispielsweise in neuronales Netz kann auf der Grundlage der Simulationsergebnisse (und/oder von Messungen in der realen Welt, wie nachstehend erläutert) dazu trainiert werden, die Sensor-130-Daten, umgebungsbezogenen Daten, geplante Route usw. heranzuziehen und einen Quantifizierer D für den vorhergesagten Fahrzeug- und/oder Komponentenschaden auszugeben.
Zusätzlich zum Vorhersagen einer Änderung des Schadensquantifizierers D auf der Grundlage von Umgebungsbedingungen, der geplanten Route usw. kann der Computer 110 dazu programmiert sein, einen Fortschritt des Schadens 300 im Zeitverlauf zu bestimmen und eine Vorhersage des Schadensquantifizierers D anzupassen. Im vorliegenden Zusammenhang ist ein „Schadensfortschritt“ eine Ausdehnung, Aufweitung und/oder ein erhöhter Schweregrad eines Schadens 300. Eine Aufweitung eines Riss-Schadens 300 ist beispielsweise ein Fortschritt des Schadens 300. Der Computer 110 kann einen ersten Schadensquantifizierer D einer Komponente 200 zu einem Zeitpunkt t₁ vorhersagen und einen zweiten Schadensquantifizierer D zu einem Zeitpunkt t₂ vorhersagen, was auf der Grundlage der geplanten Route, der Prognose von Umgebungsbedingungen usw. erfolgt. Zum Zeitpunkt t₂ kann der Computer 110 einen tatsächlichen Schadensquantifizierer D bestimmen, und er kann den Fortschritt des Schadens zumindest teilweise auf der Grundlage des vorhergesagten zweiten Schadensquantifizierers D und des tatsächlichen zu Zeitpunkt t₂ bestimmten Schadensquantifizierers bestimmen. Somit kann der Computer 110 dazu programmiert sein, eine Vorhersage eines dritten Schadensquantifizierers zu einem Zeitpunkt t₃ auf der Grundlage des bestimmten Fortschritts des Schadens anzupassen, bspw. auf der Grundlage einer Modellierungstechnik für fortschreitende Schäden wie des Kriteriums nach Hashin, Tsai-Hill-Kriteriums usw.
11 zeigt ein Ablaufschema eines Ablaufs 1100 zum Identifizieren einer Anzahl und/oder von Positionen der Sensoren 130 in einer Komponente 200. Ein Laborcomputer oder dergleichen, d. h. ein Universalcomputer wie jene, die in einer Prüfeinrichtung verwendet werden können, kann dazu programmiert sein, die Blöcke des Ablaufs 1100 auszuführen.
Der Ablauf beginnt bei Block 1110, in dem der Laborcomputer die Komponente 200 betreffende Daten empfängt. Der Laborcomputer kann dazu programmiert sein, Daten bzgl. Computer-Aided Design (CAD) zu empfangen, die Maße, Form, Material usw. einer oder mehrerer Komponenten 200 angeben. Der Laborcomputer kann dazu programmiert sein, ein FMEA-, FEA-Modell usw. der Komponente 200 und/oder des Fahrzeugs 100 zu empfangen. Die FMEA kann ein Identifizieren von Versagensmodi der Komponente 200 und deren Ursachen und Auswirkungen beinhalten. Im Zusammenhang mit einer FMEA-Technik sind mit „Versagensmodi“ Arten, oder Modi, gemeint, in denen etwas versagen kann, d. h. nicht mehr für die dafür beabsichtigte Funktion oder den beabsichtigen Betrieb nutzbar ist. Ein Riss in einer Säulen-Komponente 200 des Fahrzeugs 100 kann zum Beispiel als ein oder mehrere Versagensmodi beschrieben werden. Des Weiteren kann der Laborcomputer dazu programmiert sein, Materialspezifikationsdaten wie bspw. die Elastizität, Härte usw. eines Materials zu empfangen. Der Laborcomputer kann dazu programmiert sein, Spannungsstellen 210 zumindest teilweise auf FMEA-Daten beruhend zu identifizieren, bspw. eine Stelle, an der FMEA-Daten auf einen oder mehrere Versagensmodi hinweisen.
Anschließend, bei Block 1120, empfängt der Laborcomputer Sensor-130-Spezifikationsdaten. Mit Sensorspezifikationsdaten sind im vorliegenden Zusammenhang Daten gemeint, die ein Verhältnis von einem physikalischen Attribut, bspw. der Konduktanz eines Ultraschallsignals, der Kapazitanz, der Konduktanz magnetischer Signal usw., zu einem physikalischen und/oder elektrischen Parameter, bspw. der Spannungsamplitude, Frequenz usw., eines von dem Schadenserkennungssensor 130 empfangenen Signals beschreiben.
Anschließend, bei Block 1130, bestimmt der Laborcomputer Belastungsarten und Spannungsstellen 210 der Komponente 200 auf der Grundlage der empfangenen Daten bzgl. der Komponentenausgestaltung, FMEA-Daten, Materialspezifikationsdaten usw. Der Laborcomputer kann beispielsweise dazu programmiert sein, unter Verwendung einer FEA-Technik Spannungsstellen 210 der Komponente 200 durch Simulieren unterschiedlicher Belastungsarten, bspw. Frontalaufprall, Seitenaufprall usw. des Fahrzeugs 100 zu bestimmen.
Anschließend, bei Block 1140, bestimmt der Laborcomputer (eine) Position(en) eines jeweiligen Schadenserkennungssensors bzw. jeweiliger Schadenserkennungssensoren 130 in der Komponente 200. Der Laborcomputer kann dazu programmiert sein, die Anzahl und/oder Positionen der Sensoren 130 auf der Grundlage der identifizierten Spannungsstellen 210 und/oder identifizierten Belastungsarten zu bestimmen. In einem Beispiel kann der Laborcomputer dazu programmiert sein, die Positionen der Sensoren 130 derart zu bestimmen, dass sich an jeder der identifizierten Spannungsstellen 210 zumindest ein Sensor 130 befindet, z. B. einschließlich eines Senders und eines Empfängers (eine imaginäre Linie, die den Sender und den Empfänger verbindet, kann die jeweilige Spannungsstelle 210 schneiden). In einem Beispiel kann der Laborcomputer dazu programmiert sein, Positionen von Sensoren 130 auf der Grundlage jeder der Belastungsarten, bspw. der Frontalaufprall-Belastungsart und Dachaufprall-Belastungsart (siehe 2A-2B) zu bestimmen. In einem anderen Beispiel kann der Laborcomputer dazu programmiert sein, einen oder mehrere Typen von Belastungsarten für die Erkennung auszuwählen und die Sensor-130-Positionen auf der Grundlage der ausgewählten Typen von Belastungsarten zu identifizieren. Beispielsweise kann der Laborcomputer dazu programmiert sein, eine Frontalaufprall-Belastungsart (bspw. die in 2A gezeigte beispielhafte Belastungsart) auszuwählen und die Positionen des Schadenserkennungssensors 130 auf der Grundlage der ausgewählten Belastungsart zu identifizieren. Zusätzlich oder alternativ kann der Laborcomputer dazu programmiert sein, die Position von Sensoren 130 auf der Grundlage der empfangenen Sensorcharakteristika betreffenden Daten zu bestimmen. Der Laborcomputer kann zum Beispiel eine erste Position für einen Umwandler-Sensor 130 bestimmen, entgegen einer zweiten Position für einen Ultraschallsensor 130. Anders formuliert, kann eine Position des Sensors 130 auf Charakteristika des Sensors 130, bspw. dem Erfassungsbereich, der Genauigkeit usw. beruhen.
Anschließend, bei Block 1150, kann der Laborcomputer dazu programmiert sein, unter Verwendung von FEA, FMEA usw. Trainingsdaten, bspw. Beispieltabelle 2, auf der Grundlage des Simulierens auf die Komponente 200 einwirkender Schäden 300 zu generieren. Zusätzlich oder alternativ kann der Laborcomputer dazu programmiert sein, Messdaten von einem Labormessgerät, bspw. einem Röntgengerät, Ultraschallscanner usw., zu empfangen. Zu den empfangenen Daten können Daten gehören, die zu einer Inspektionszeit eines Fahrzeugs 100 in einer Werkstatt erhoben worden sind.
Anschließend, bei Block 1160, trainiert der Laborcomputer 110 ein künstliches (oder nicht biologisches) neuronales Netz auf der Grundlage der generierten Trainingsdaten. Im Anschluss an Block 1160 endet der Ablauf 1100 oder springt alternativ dazu zu Block 1110 zurück, wenngleich dies in 11 nicht gezeigt ist.
12 ist ein Ablaufschema eines beispielhaften Ablaufs 1200 zum Durchführen des Betriebs eines Fahrzeugs 100. Ein Computer 110 des Fahrzeugs 100 kann dazu programmiert sein, die Blöcke des Ablaufs 1200 auszuführen.
Der Ablauf 1200 beginnt bei Block 1210, wo der Computer 110 Daten eines neuronalen Netzes empfängt. In einem Beispiel kann der Computer 110 dazu programmiert sein, Daten des neuronalen Netzes während eines Herstellungsschritts des Programmierens des Computers 110 zu empfangen. Zudem kann der Computer 110 dazu programmiert sein, ein aktualisiertes neuronales Netz (oder umtrainierte Daten des neuronalen Netzes) von einem entfernten Computer über ein drahtloses Netz zu empfangen, bspw. in periodischer Weise und/oder bei Verfügbarkeit eines aktualisierten neuronalen Netzes in dem entfernten Computer.
Anschließend, bei Block 1220, empfängt der Computer 110 Fahrzeug-100-Sensor-130-Daten. Der Computer 110 kann dazu programmiert sein, Daten von Schadenserkennungssensoren 130 zu empfangen, die in der Karosserie 160 des Fahrzeugs 100 (z. B. in mehreren Komponenten 200) beinhaltet sind.
Anschließend, bei Block 1230, empfängt der Computer 110 umgebungsbezogene Daten. Der Computer 110 kann dazu programmiert sein, umgebungsbezogene Daten von Sensoren 130 des Fahrzeugs 100, wie beispielsweise Sensoren 130 für Temperatur, Druck, Geschwindigkeit, Beschleunigung usw., zu empfangen. Der Computer 110 kann dazu programmiert sein, umgebungsbezogene Daten wie beispielsweise Wetterprognosedaten, die Straße betreffende Daten usw. von einem entfernten Computer zu empfangen. Zusätzlich kann der Computer 110 dazu programmiert sein, Daten bezüglich der geplanten Route zu empfangen.
Anschließend, bei Block 1240, bestimmt der Computer 110 Lokalschadenquantifizierer d. Der Computer 110 kann dazu programmiert sein, die Lokalschadenquantifizierer d für jede Position, an der ein Schadenserkennungssensor 130 platziert ist, auf der Grundlage der empfangenen Sensor-130-Daten zu bestimmen. Somit kann der Computer 110 dazu programmiert sein, einen oder mehrere Lokalschadenquantifizierer d für jede der Komponenten 200 auf der Grundlage eines spezifizierten Verhältnisses zwischen empfangenen Sensor-130-Daten und dem Lokalschadenquantifizierer d zu bestimmen, wofür in Tabelle 1 weiter oben ein Beispiel aufgeführt ist.
Anschließend, bei Block 1250, bestimmt der Computer 110 Komponenten- und/oder Fahrzeug-Schadensquantifizierer D. Der Computer 110 kann dazu programmiert sein, die Schadensquantifizierer D auf der Grundlage von empfangenen Schadenserkennungssensor-130-Daten, umgebungsbezogenen Daten und dem empfangenen Modell eines neuronalen Netzes zu bestimmen. Zudem kann der Computer 110 dazu programmiert sein, eine Änderung des Schadensquantifizierers D auf der Grundlage der vorhergesagten umgebungsbezogenen Daten, die geplante Route betreffenden Daten usw. vorherzusagen. Des Weiteren kann der Computer 110 dazu programmiert sein, einen angepassten Fortschritt eines zuvor erkannten Schadens 300 auf der Grundlage empfangener Sensor-130-Daten und eines Vergleichs einer zuvor vorhergesagten Änderung von Schadensquantifizierern D und eines aktuell bestimmten Schadensquantifizierers D vorherzusagen.
Anschließend, bei Block 1260, wählt der Computer 110 eine Aufgabe für das Fahrzeug 100 auf der Grundlage des bestimmten Komponenten- und/oder Fahrzeug-Schadensquantifizierers D aus. In einem Beispiel kann der Computer 110 eine Aufgabe ausgehend von einer von Navigationsarten auswählen, darunter Nur-Fracht, Fracht und Mitfahrer, Bewegen ohne Fracht und Mitfahrer und/oder Bewegung stoppen. In einem anderen Beispiel kann der Computer 110 eine Aufgabe auswählen, beinhaltend eine von einer Geschwindigkeitsbegrenzung (d. h. Bestimmen einer maximal zulässigen Fahrzeug-100-Geschwindigkeit), Straßenartbeschränkung (z. B. keine Schnellstraße) usw.
Anschließend, bei Block 1270, betreibt der Computer 110 das Fahrzeug 100 auf der Grundlage der ausgewählten Aufgabe. In einem Beispiel kann der Computer 110 dazu programmiert sein, eine Aufgabe, z. B. eine Navigationsmodus, wie in Bezug auf die Beispieltabelle 3 weiter oben dargestellt auszuwählen. Der Computer 110 kann dazu programmiert sein, einen Antriebs- und/oder Bremsaktor 120 des Fahrzeugs 100 derart anzusteuern, dass das Fahrzeug bei Auswählen der Aufgabe „Bewegung stoppen“ zum Halten gebracht wird. Zusätzlich oder alternativ kann der Computer 110 dazu programmiert sein, das Fahrzeug 100 bei Auswahl der Aufgabe „ohne Fracht und Mitfahrer bewegen“ zu einer nächsten Werkstatt zur Reparatur zu navigieren, wenn das Fahrzeug 100 bewegbar ist; andernfalls kann der Computer 110 dazu programmiert sein, das Fahrzeug 100 zum Halten zu bringen oder das Fahrzeug zumindest zu einem Straßenrand zu bewegen, um eine Blockade der Straße zu verhindern.
In einem anderen Beispiel kann der Computer 110 dazu programmiert sein, das Fahrzeug 100 mit reduzierter Geschwindigkeit zu betreiben, wenn eine Aufgabe bestimmt wird, die eine maximal zulässige Geschwindigkeit beinhaltet. In einem weiteren Beispiel kann der Computer 110 dazu programmiert sein, das Fahrzeug 100 umzuleiten, wenn bspw. eine Aufgabe bestimmt wird, die eine Beschränkung der Art „keine Schnellstraße“ beinhaltet. Daher kann der Computer 110 dazu programmiert sein, eine zweite Route zu planen, in der keine Schnellstraße enthalten ist. Im Anschluss an Block 1270 endet der Ablauf 1200 oder springt zu Block 1210 zurück, wenngleich dies in 12 nicht gezeigt ist.

Wie weiter oben erläutert, kann das neuronale Netz auf der Grundlage von FEA-Ergebnissen, FMEA usw. trainiert werden. In einem Beispiel kann das neuronale Netz auf der Grundlage von Versagensmodi trainiert werden, die in den FMEA-Daten enthalten sind. Das neuronale Netz kann des Weiteren auf der Grundlage von Ex-situ-Messungen trainiert werden, während das Fahrzeug stationär sein kann, z. B. Scan- oder Prüfhilfsmittel oder dergleichen, zu denen Ultraschall, Röntgenprüfung, Vibrographie und/oder andere Techniken gehören, die zur Erkennung von Schäden 300 eine Oberfläche der Karosserie 160 eines Fahrzeugs 100 abtasten. Im vorliegenden Zusammenhang ist eine „ex situ“ erfolgende Messung eine Messung, die anhand einer Vorrichtung vorgenommen wird, welche nicht im Fahrzeug 100 beinhaltet ist, z. B. in einem Labor, einem Werkstattprüfgerät, einem Fahrzeug-100-Lager usw. Solche Verfahren verschaffen eine direktere Erkennung und Bildgebung eines Schadens 300 in CFK-Komponenten 200. Ein Laborcomputer kann dazu programmiert sein, Trainingsdaten für das neuronale Netz zu generieren. Zu den Trainingsdaten können Ground-Truth-Daten gehören, wie etwa jene, die in dem in Tabelle 4 bereitgestellten Beispiel aufgeführt sind. Tabelle 4

Datenelement(e)	Beschreibung
Scandaten	Daten, die Art von Schäden, Lage von Schäden, Größe, Schweregrad usw. von Schäden beinhalten.
Lokalschadenquantifizierer d für jeden erkannten Schaden	Bestimmt durch den Fahrzeugcomputer auf der Grundlage von Fahrzeugsensordaten und im Vorfeld gespeicherter Programmierung des Fahrzeugcomputers
Komponenten- und/oder Fahrzeug-Schadensquantifizierer D	Bestimmt durch den Fahrzeugcomputer auf der Grundlage eines im Vorfeld gespeicherten Modells eines neuronalen Netzes, im Vorfeld gespeicherter Programmierung usw.

Während der Inspektion und Wartung eines Fahrzeugs 100 kann ein Schaden 300, der anhand von Messungen von Scanhilfsmitteln oder dergleichen identifiziert worden ist, verwendet werden, um Schadenserkennungstechniken zu verbessern und den Komponenten-Schadensquantifizierer D auf der Grundlage von Umgebungsbedingungen, Sensor-130-Daten usw. vorherzusagen. Scanhilfsmittel oder dergleichen verschaffen im Vergleich zu Fahrzeug-100-Sensoren 130 typischerweise Daten mit höherer Präzision. Solche Daten mit höherer Präzision, die von einem Scan- oder Prüfhilfsmittel erfasst werden, können zum Umtrainieren des neuronalen Netzes verwendet werden.
So kann das neuronale Netz zum Beispiel auf der Grundlage erfasster Daten zum Umtrainieren, wie bspw. in Tabelle 4 dargestellt, umtrainiert werden. In einem Beispiel kann „Umtrainieren“ ein Aktualisieren von Gewichtungen von Netzknoten (eines standardmäßigen neuronalen Netzes, eines bayesschen Netzes usw.) unter Verwendung eines Gradientenabstiegs beinhalten, um einen Ausfall (Fehler) des Netzes zu minimieren. Die auf der Grundlage von Scanhilfsmitteldaten erfassten Daten zum Umtrainieren (in dieser Schrift als Daten zum Umtrainieren bezeichnet, weil das neuronale Netz ursprünglich trainiert worden war, bevor es in den Computern eines Fahrzeugs 100 zum Einsatz gebracht wurde) können in einem Laborcomputer gespeichert werden. Der Laborcomputer kann dazu programmiert sein, das neuronale Netz auf der Grundlage der Daten zum Umtrainieren umzutrainieren, die bspw. über ein Netz zur Weitbereichskommunikation von einem Werkstattcomputer empfangen werden. Der Laborcomputer kann dazu programmiert sein, Computer 110 eines Fahrzeugs 100 auf der Grundlage des umtrainierten neuronalen Netzes zu aktualisieren. In einem Beispiel kann der entfernte Computer 110 über eine drahtgebundene und/oder drahtlose Netzkommunikation eine bestehende Programmierung mehrerer Computer 110 (z. B. von Computern 110 in einer Flotte von Fahrzeugen 100) auf der Grundlage des umtrainierten neuronalen Netzes überschreiben.
13 zeigt ein Ablaufschema eines beispielhaften Ablaufs 1300 zum Umtrainieren (oder Aktualisieren) eines neuronalen Netzes, das die Schadensquantifizierer D bestimmt. Beispielsweise kann ein Laborcomputer, d. h. ein Universalcomputer in einer Prüf-, Fertigungs- oder Flottenmanagementeinrichtung, dazu programmiert sein, Blöcke des Ablaufs 1300 auszuführen.
Der Ablauf 1300 beginnt bei Block 1310, wo der entfernte Computer Daten eines neuronalen Netzes und/oder sonstige Daten eines Algorithmus für maschinelles Lernen zum Bestimmen der Schadensquantifizierer D, des Lokalschadenquantifizierers d und/oder Fahrzeug-Schadensquantifizierers D_Fahrzeug empfängt. In einem Beispiel kann der entfernte Computer die Daten des neuronalen Netzes von einem Speicher des entfernten Computers empfangen. Zu den Daten des neuronalen Netzes gehören Daten, die das Modell des neuronalen Netzes beschreiben.
Anschließend, bei Block 1320, empfängt der entfernte Computer Daten zum Umtrainieren bspw. von einem Werkstattcomputer. Der entfernte Computer kann dazu programmiert sein, Daten zum Umtrainieren zu empfangen, zu denen Ground Truth gehören, wie bspw. anhand von Tabelle 4 dargestellt. Zu den empfangenen Daten zum Umtrainieren können Messdaten, die durch Scanhilfsmittel usw. in der jeweiligen Werkstatt erfasst wurden, und bestimmte Sensor-130-Daten, Lokalschadenquantifizierer d und/oder Komponenten- und/oder Fahrzeug-Schadensquantifizierer D, empfangen vom Fahrzeugcomputer 110, gehören.
Anschließend, bei Block 1330, trainiert der entfernte Computer das neuronale Netz des Computers 110 des Fahrzeugs 100 um. Der entfernte Computer kann dazu programmiert sein, das neuronale Netz des Computers 110 des Fahrzeugs 100 zu identifizieren und das neuronale Netz auf der Grundlage der empfangenen Daten zum Umtrainieren umzutrainieren. In einem Beispiel können neueste Aktualisierungen von Modellen des neuronalen Netzes in einem Speicher des entfernten Computers gespeichert werden, und der entfernte Computer kann dazu programmiert sein, das neuronale Netz für den jeweiligen Typ eines Fahrzeugs 100 auf der Grundlage einer Modellnummer usw. das Fahrzeugs 100 zu identifizieren, die in den vom Werkstattcomputer empfangenen Daten enthalten sein kann.
Anschließend, bei Block 1340, aktualisiert der entfernte Computer den Computer 110 des Fahrzeugs 100 auf der Grundlage des umtrainierten neuronalen Netzes. So kann der entfernte Computer 110 beispielsweise dazu programmiert sein, Daten eines umtrainierten neuronalen Netzes (bspw. anhand der Technik des bayesschen neuronalen Netzes) über ein drahtloses und/oder drahtgebundenes Kommunikationsnetz an den Computer 110 des Fahrzeugs 100 zu senden. Des Weiteren kann der entfernte Computer dazu programmiert sein, die Computer 100 einer Flotte der Fahrzeuge 110 auf der Grundlage des umtrainierten neuronalen Netzes zu aktualisieren.
Im Anschluss an Block 1340 endet der Ablauf 1300 oder springt alternativ dazu zu Block 1310 zurück, wenngleich dies in 13 nicht gezeigt ist.
Rechenvorrichtungen, wie sie in dieser Schrift erläutert sind, beinhalten im Allgemeinen jeweils Anweisungen, die durch eine oder mehrere Rechenvorrichtungen, wie etwa die vorstehend identifizierten, und zum Ausführen von Blöcken oder Schritten vorstehend beschriebener Abläufe ausführbar sind. Computerausführbare Anweisungen können von Computerprogrammen zusammengestellt oder ausgewertet werden, die unter Verwendung von vielerlei Programmiersprachen und/oder -technologien erstellt worden sind, einschließlich unter anderem und entweder für sich oder in Kombination Python, Java™, C, C++, Visual Basic, Java Script, Perl, HTML usw. Im Allgemeinen empfängt ein Prozessor (z. B. ein Mikroprozessor) Anweisungen, z. B. von einem Speicher, einem computerlesbaren Medium usw., und führt diese Anweisungen aus, wodurch er einen oder mehrere Abläufe durchführt, einschließlich eines oder mehrerer der in dieser Schrift beschriebenen Abläufe. Derartige Anweisungen und andere Daten können unter Verwendung vielfältiger computerlesbarer Medien gespeichert und übertragen werden. Eine Datei in der Rechenvorrichtung ist im Allgemeinen eine Datensammlung, die auf einem computerlesbaren Medium, wie etwa einem Speichermedium, einem Direktzugriffsspeicher usw., gespeichert ist.
Ein computerlesbares Medium schließt ein beliebiges Medium ein, das am Bereitstellen von Daten (z. B. Anweisungen), die durch einen Computer gelesen werden können, beteiligt ist. Ein derartiges Medium kann viele Formen annehmen, einschließlich unter anderem nicht flüchtiger Medien, flüchtiger Medien usw. Zu nicht flüchtigen Medien zählen beispielsweise optische und Magnetplatten und andere dauerhafte Speicher. Zu flüchtigen Medien gehört der dynamische Direktzugriffsspeicher (Dynamic Random Access Memory - DRAM), der typischerweise einen Hauptspeicher darstellt. Zu gängigen Formen computerlesbarer Medien gehören beispielsweise eine Diskette, eine Folienspeicherplatte, eine Festplatte, ein Magnetband, ein beliebiges anderes magnetisches Medium, eine CD-ROM, eine DVD, ein beliebiges anderes optisches Medium, Lochkarten, Lochstreifen, ein beliebiges anderes physisches Medium mit Lochmustern, einen RAM, einen PROM, einen EPROM, einen FLASH, einen EEPROM, einen beliebigen anderen Speicherchip oder eine beliebige andere Speicherkassette oder ein beliebiges anderes Medium, das ein Computer auslesen kann.
Hinsichtlich der in dieser Schrift beschriebenen Medien, Abläufe, Systeme, Verfahren usw. versteht es sich, dass die Schritte derartiger Abläufe usw. zwar als gemäß einer bestimmten Abfolge erfolgend beschrieben worden sind, derartige Abläufe jedoch so umgesetzt werden könnten, dass die beschriebenen Schritte in einer anderen Reihenfolge als der in dieser Schrift beschriebenen Reihenfolge durchgeführt werden. Es versteht sich außerdem, dass bestimmte Schritte gleichzeitig durchgeführt werden könnten, dass andere Schritte hinzugefügt werden könnten oder dass bestimmte hierin beschriebene Schritte weggelassen werden könnten. Anders ausgedrückt, sind die Beschreibungen von Systemen und/oder Abläufen in dieser Schrift zum Zwecke der Veranschaulichung bestimmter Ausführungsformen bereitgestellt und sollten keinesfalls dahingehend ausgelegt werden, dass sie den offenbarten Gegenstand einschränken.
Dementsprechend versteht es sich, dass die vorliegende Offenbarung, einschließlich der vorstehenden Beschreibung und der beigefügten Figuren und nachfolgenden Ansprüche, veranschaulichend und nicht einschränkend gedacht sind. Viele Ausführungsformen und Anwendungen, bei denen es sich nicht um die bereitgestellten Beispiele handelt, werden dem Fachmann beim Lesen der vorstehenden Beschreibung ersichtlich. Der Umfang der Erfindung sollte nicht unter Bezugnahme auf die vorstehende Beschreibung bestimmt werden, sondern stattdessen unter Bezugnahme auf Ansprüche, die hier beigefügt und/oder in einer hierauf beruhenden, nichtvorläufigen Patentanmeldung enthalten sind, gemeinsam mit dem vollständigen Schutzumfang von Äquivalenten, zu denen derartige Patentansprüche berechtigt sind. Es wird erwartet und ist beabsichtigt, dass es hinsichtlich der hier erörterten Fachgebiete künftige Entwicklungen geben wird und dass die offenbarten Systeme und Verfahren in derartige künftige Ausführungsformen aufgenommen werden. Insgesamt versteht es sich, dass der offenbarte Erfindungsgegenstand modifiziert und variiert werden kann.
Gemäß der vorliegenden Erfindung beinhaltet ein Verfahren ein Bestimmen eines Schadensquantifizierers für eine aus einem Verbundwerkstoff ausgebildete Fahrzeugkomponente auf der Grundlage von Fahrzeugsensordaten; und ein Betreiben des Fahrzeugs auf der Grundlage einer Aufgabe, die gemäß dem bestimmten Schadensquantifizierer bestimmt wird.
Gemäß einer Ausführungsform ist die vorstehende Erfindung weiterhin dadurch gekennzeichnet, dass das Bestimmen der Aufgabe ein Auswählen eines Navigationsmodus aus zumindest einem von Nur-Fracht, Fracht und Mitfahrer, Bewegen ohne Fracht und Mitfahrer, Bewegung stoppen auf der Grundlage des bestimmten Schadensquantifizierers beinhaltet.
Gemäß einer Ausführungsform ist die vorstehende Erfindung weiterhin gekennzeichnet durch ein Auswählen des Navigationsmodus auf der Grundlage einer Vielzahl von Schadensquantifizierer-Schwellenwerten.
Gemäß einer Ausführungsform ist die vorstehende Erfindung weiterhin gekennzeichnet durch ein Vorhersagen einer Änderung des Schadensquantifizierers auf der Grundlage einer geplanten Route des Fahrzeugs.
Gemäß einer Ausführungsform ist die vorstehende Erfindung weiterhin gekennzeichnet durch ein Vorhersagen der Änderung des Schadensquantifizierers auf der Grundlage von Datenumgebungssensordaten, zu denen zumindest eines von einer Fahrzeuggeschwindigkeit, einer Umgebungstemperatur und einer Umgebungsfeuchtigkeit gehört.
Gemäß einer Ausführungsform ist die vorstehende Erfindung weiterhin gekennzeichnet durch ein Bestimmen des Schadensquantifizierers auf der Grundlage eines Modells, das die empfangenen Daten von den in der Fahrzeugkomponente beinhalteten Sensoren als Eingabe heranzieht und den Schadensquantifizierer für die jeweilige Fahrzeugkomponente ausgibt.
Gemäß einer Ausführungsform ist die vorstehende Erfindung weiterhin gekennzeichnet durch ein Identifizieren von Spannungsstellen in den Fahrzeugkomponenten für einen oder mehrere Belastungsart-Typen der Fahrzeugkomponente; ein Identifizieren einer Vielzahl von Sensorpositionen in der Fahrzeugkomponente für die Vielzahl von Sensoren auf der Grundlage der identifizierten Spannungsstellen; und ein Anbringen der Vielzahl der Sensoren an den identifizierten Sensorpositionen.
Gemäß einer Ausführungsform gehört zu den Belastungsart-Typen zumindest einer von einem Dachaufprall, einem Frontalaufprall, einem Heckaufprall und einem Seitenaufprall.
Gemäß einer Ausführungsform ist die vorstehende Erfindung weiterhin gekennzeichnet durch ein Auswählen eines oder mehrerer Belastungsart-Typen für die Erkennung; und ein Identifizieren der Vielzahl von Sensorpositionen auf der Grundlage des einen oder der mehreren ausgewählten Belastungsart-Typen.
Gemäß der vorliegenden Erfindung ist ein System vorgesehen, aufweisend einen Prozessor und einen Speicher, wobei der Speicher durch den Prozessor ausführbare Anweisungen zu Folgendem speichert: Bestimmen eines Schadensquantifizierers für eine aus einem Verbundwerkstoff ausgebildete Fahrzeugkomponente auf der Grundlage von Fahrzeugsensordaten; und Betreiben des Fahrzeugs auf der Grundlage einer Aufgabe, die gemäß dem bestimmten Schadensquantifizierer bestimmt wird.
Gemäß einer Ausführungsform gehören zu den Anweisungen zum Bestimmen der Aufgabe weiterhin Anweisungen zum Auswählen eines Navigationsmodus aus zumindest einem von Nur-Fracht, Fracht und Mitfahrer, Bewegen ohne Fracht und Mitfahrer, Bewegung stoppen auf der Grundlage des bestimmten Schadensquantifizierers.
Gemäß einer Ausführungsform gehören zu den Anweisungen weiterhin Anweisungen zum Auswählen des Navigationsmodus auf der Grundlage einer Vielzahl von Schadensquantifizierer-Schwellenwerten.
Gemäß einer Ausführungsform gehören zu den Anweisungen weiterhin Anweisungen zum Vorhersagen einer Änderung des Schadensquantifizierers auf der Grundlage einer geplanten Route des Fahrzeugs.
Gemäß einer Ausführungsform gehören zu den Anweisungen weiterhin Anweisungen zum Vorhersagen der Änderung des Schadensquantifizierers auf der Grundlage von Datenumgebungssensordaten, zu denen zumindest eines von einer Fahrzeuggeschwindigkeit, einer Umgebungstemperatur und einer Umgebungsfeuchtigkeit gehört.
Gemäß einer Ausführungsform gehören zu den Anweisungen weiterhin Anweisungen zum Bestimmen des Schadensquantifizierers auf der Grundlage eines Modells, das die empfangenen Daten von den in der Fahrzeugkomponente beinhalteten Sensoren als Eingabe heranzieht und den Schadensquantifizierer für die jeweilige Fahrzeugkomponente ausgibt.
Gemäß einer Ausführungsform gehören zu den Anweisungen weiterhin Anweisungen zu Folgendem: Identifizieren von Spannungsstellen in den Fahrzeugkomponenten für einen oder mehrere Belastungsart-Typen der Fahrzeugkomponente; und Identifizieren einer Vielzahl von Sensorpositionen in der Fahrzeugkomponente für die Vielzahl von Sensoren auf der Grundlage der identifizierten Spannungsstellen.
Gemäß einer Ausführungsform gehört zu den Belastungsart-Typen zumindest einer von einem Dachaufprall, einem Frontalaufprall, einem Heckaufprall und einem Seitenaufprall.
Gemäß einer Ausführungsform gehören zu den Anweisungen weiterhin Anweisungen zu Folgendem: Auswählen eines oder mehrerer Belastungsart-Typen für die Erkennung; und Identifizieren der Vielzahl von Sensorpositionen auf der Grundlage des einen oder der mehreren ausgewählten Belastungsart-Typen.
Gemäß der vorliegenden Erfindung ist ein System vorgesehen, aufweisend Mittel zum Bestimmen eines Schadensquantifizierers für eine aus einem Verbundwerkstoff ausgebildete Fahrzeugkomponente auf der Grundlage von Fahrzeugsensordaten; und Mittel zum Betreiben des Fahrzeugs auf der Grundlage einer Aufgabe, die gemäß dem bestimmten Schadensquantifizierer bestimmt wird.
Gemäß einer Ausführungsform ist die vorstehende Erfindung weiterhin gekennzeichnet durch Mittel zum Identifizieren von Spannungsstellen in den Fahrzeugkomponenten für einen oder mehrere Belastungsart-Typen der Fahrzeugkomponente; Mittel zum Identifizieren einer Vielzahl von Sensorpositionen in der Fahrzeugkomponente für die Vielzahl von Sensoren auf der Grundlage der identifizierten Spannungsstellen; und Mittel zum Anbringen der Vielzahl der Sensoren an den identifizierten Sensorpositionen.

Claims

Verfahren, umfassend: Bestimmen eines Schadensquantifizierers für eine aus einem Verbundwerkstoff ausgebildete Fahrzeugkomponente auf der Grundlage von Fahrzeugsensordaten; und Betreiben des Fahrzeugs auf der Grundlage einer Aufgabe, die gemäß dem bestimmten Schadensquantifizierer bestimmt wird.
Verfahren nach Anspruch 1, wobei das Bestimmen der Aufgabe Auswählen eines Navigationsmodus aus zumindest einem von Nur-Fracht, Fracht und Mitfahrer, Bewegen ohne Fracht und Mitfahrer, Bewegung stoppen auf der Grundlage des bestimmten Schadensquantifizierers beinhaltet.
Verfahren nach Anspruch 2, weiterhin umfassend Auswählen des Navigationsmodus auf der Grundlage einer Vielzahl von Schadensquantifizierer-Schwellenwerten.
Verfahren nach Anspruch 1, weiterhin umfassend Vorhersagen einer Änderung des Schadensquantifizierers auf der Grundlage einer geplanten Route des Fahrzeugs.
Verfahren nach Anspruch 4, weiterhin umfassend Vorhersagen der Änderung des Schadensquantifizierers auf der Grundlage von Datenumgebungssensordaten, zu denen zumindest eines von einer Fahrzeuggeschwindigkeit, einer Umgebungstemperatur und einer Umgebungsfeuchtigkeit gehört.
Verfahren nach Anspruch 1, weiterhin umfassend Bestimmen des Schadensquantifizierers auf der Grundlage eines Modells, das die empfangenen Daten von den in der Fahrzeugkomponente beinhalteten Sensoren als Eingabe heranzieht und den Schadensquantifizierer für die jeweilige Fahrzeugkomponente ausgibt.
Verfahren nach Anspruch 1, weiterhin umfassend: Identifizieren von Spannungsstellen in den Fahrzeugkomponenten für einen oder mehrere Belastungsart-Typen der Fahrzeugkomponente; Identifizieren einer Vielzahl von Sensorpositionen in der Fahrzeugkomponente für die Vielzahl von Sensoren auf der Grundlage der identifizierten Spannungsstellen; und Anbringen der Vielzahl der Sensoren an den identifizierten Spannungsstellen.
Verfahren nach Anspruch 7, wobei zu den Belastungsart-Typen zumindest einer von einem Dachaufprall, einem Frontalaufprall, einem Heckaufprall und einem Seitenaufprall gehören.
Verfahren nach Anspruch 8, weiterhin umfassend: Auswählen eines oder mehrerer Belastungsart-Typen für die Erkennung; und Identifizieren der Vielzahl von Sensorpositionen auf der Grundlage des einen oder der mehreren ausgewählten Belastungsart-Typen.
Rechenvorrichtung, die zum Ausführen des Verfahrens nach einem der Ansprüche 1-9 programmiert ist.
Computerprogrammprodukt, umfassend ein computerlesbares Medium, das durch einen Computerprozessor ausführbare Anweisungen zum Ausführen des Verfahrens nach einem der Ansprüche 1-9 speichert.
Bodenfahrzeug, umfassend eine Rechenvorrichtung, die zum Ausführen des Verfahrens nach einem der Ansprüche 1-9 programmiert ist.
System, umfassend: Mittel zum Bestimmen eines Schadensquantifizierers für eine aus einem Verbundwerkstoff ausgebildete Fahrzeugkomponente auf der Grundlage von Fahrzeugsensordaten; und Mittel zum Betreiben des Fahrzeugs auf der Grundlage einer Aufgabe, die gemäß dem bestimmten Schadensquantifizierer bestimmt wird.
System nach Anspruch 13, weiterhin umfassend: Mittel zum Identifizieren von Spannungsstellen in den Fahrzeugkomponenten für einen oder mehrere Belastungsart-Typen der Fahrzeugkomponente; Mittel zum Identifizieren einer Vielzahl von Sensorpositionen in der Fahrzeugkomponente für die Vielzahl von Sensoren auf der Grundlage der identifizierten Spannungsstellen; und Mittel zum Anbringen der Vielzahl der Sensoren an den identifizierten Spannungsstellen.