DE102019203816A1 - Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs eines Fahrrads, Computerprogramm, Speichermedium und Fahrrad - Google Patents

Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs eines Fahrrads, Computerprogramm, Speichermedium und Fahrrad Download PDF

Info

Publication number
DE102019203816A1
DE102019203816A1 DE102019203816.6A DE102019203816A DE102019203816A1 DE 102019203816 A1 DE102019203816 A1 DE 102019203816A1 DE 102019203816 A DE102019203816 A DE 102019203816A DE 102019203816 A1 DE102019203816 A1 DE 102019203816A1
Authority
DE
Germany
Prior art keywords
drive
predefined
sensors
sensor
defect
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
DE102019203816.6A
Other languages
English (en)
Other versions
DE102019203816B4 (de
Inventor
Rolando Doelling
Ivan Melendez Vazquez
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to PCT/EP2020/055637 priority Critical patent/WO2020182558A1/de
Priority to US17/593,077 priority patent/US20220153141A1/en
Publication of DE102019203816A1 publication Critical patent/DE102019203816A1/de
Application granted granted Critical
Publication of DE102019203816B4 publication Critical patent/DE102019203816B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/12—Recording operating variables ; Monitoring of operating variables
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62M—RIDER PROPULSION OF WHEELED VEHICLES OR SLEDGES; POWERED PROPULSION OF SLEDGES OR SINGLE-TRACK CYCLES; TRANSMISSIONS SPECIALLY ADAPTED FOR SUCH VEHICLES
    • B62M6/00—Rider propulsion of wheeled vehicles with additional source of power, e.g. combustion engine or electric motor
    • B62M6/40—Rider propelled cycles with auxiliary electric motor
    • B62M6/45—Control or actuating devices therefor
    • B62M6/50—Control or actuating devices therefor characterised by detectors or sensors, or arrangement thereof
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2200/00—Type of vehicles
    • B60L2200/12—Bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • B60L2240/12—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • B60L2240/14—Acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2250/00—Driver interactions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
    • B62J45/00—Electrical equipment arrangements specially adapted for use as accessories on cycles, not otherwise provided for
    • B62J45/40—Sensor arrangements; Mounting thereof
    • B62J45/41—Sensor arrangements; Mounting thereof characterised by the type of sensor
    • B62J45/411—Torque sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
    • B62J45/00—Electrical equipment arrangements specially adapted for use as accessories on cycles, not otherwise provided for
    • B62J45/40—Sensor arrangements; Mounting thereof
    • B62J45/41—Sensor arrangements; Mounting thereof characterised by the type of sensor
    • B62J45/412—Speed sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
    • B62J45/00—Electrical equipment arrangements specially adapted for use as accessories on cycles, not otherwise provided for
    • B62J45/40—Sensor arrangements; Mounting thereof
    • B62J45/41—Sensor arrangements; Mounting thereof characterised by the type of sensor
    • B62J45/413—Rotation sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
    • B62J45/00—Electrical equipment arrangements specially adapted for use as accessories on cycles, not otherwise provided for
    • B62J45/40—Sensor arrangements; Mounting thereof
    • B62J45/41—Sensor arrangements; Mounting thereof characterised by the type of sensor
    • B62J45/414—Acceleration sensors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Power Engineering (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

Die vorliegende Erfindung betrifft ein Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs (2) eines Fortbewegungsmittels, insbesondere eines Fahrrads (1), aufweisend die Schritte: Bereitstellen von Sensordaten (10) von Sensoren (6) des Antriebs (2), wobei die Sensordaten (10) Parameter des Antriebs (2) anzeigen, wenn ein aktueller Betriebsbereich des Antriebs (2) und/oder des Fortbewegungsmittels einem vordefinierten Betriebsbereich (20) entspricht, Speichern (11) solcher Sensordaten (10) als Mess-Sensorsignalen, die von für den vordefinierten Betriebsbereich (20) vordefinierten Sensoren (6) stammen, und Erkennen (12) eines Defekts des Antriebs (2), wenn zumindest eines der Mess-Sensorsignale zumindest um ein vordefiniertes Maß von einem vordefinierten Norm-Sensorsignal abweicht, sowie Ausgeben (13) einer Warnung über das Vorliegen des Defekts an einen Benutzer des Fortbewegungsmittels.

Description

  • Stand der Technik
  • Die vorliegende Erfindung betrifft ein Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs. Der elektrische Antrieb ist insbesondere Teil eines Fortbewegungsmittels, bevorzugt eines Fahrrads. Außerdem betrifft die Erfindung ein Computerprogramm zum Ausführen des Verfahrens und einen Datenspeicher zum Speichern des Computerprogramms und der verwendeten Sensordaten. Schließlich betrifft die Erfindung ein Fortbewegungsmittel, insbesondere ein Fahrrad.
  • Aus dem Stand der Technik sind Fortbewegungsmittel bekannt, die als Fahrrad mit einem Elektromotor als Antriebseinheit ausgebildet sind. Solche Fortbewegungsmittel werden auch Pedelecs genannt. Es ist weiterhin bekannt, dass Wartungen bei Pedelecs laut einer „präventive-Wartung-Methodologie“ geplant werden. Das bedeutet, dass die Benutzer des Pedelecs nach einer vorbestimmten zurückgelegten Entfernung zur Wartung des Pedelecs empfohlene Maßnahmen durchführen oder durchführen lassen sollen.
  • Außerdem kennt der Stand der Technik insbesondere im Bereich der Automobiltechnik oder Flugzeugtechnik Ansätze einer „prädiktive-Wartung-Methologie“. Bei diesem Ansatz werden anhand großer Mengen von verfügbaren Daten auf Systemzustände rückgeschlossen.
  • Offenbarung der Erfindung
  • Das erfindungsgemäße Verfahren ermöglicht eine Verbesserung der Effizienz bei der Wartung des Antriebs. So kann im Gegensatz zum Stand der Technik auf die Wartung verzichtet werden, wenn der Antrieb keine Anomalien aufweist. Auch ist verhindert, dass der Antrieb innerhalb des Wartungsintervalls aufgrund eines unentdeckten Defekts ausfällt. Somit ist der Antrieb bevorzugt stets in einem fahrbereiten Zustand, wobei der Benutzer des Antriebs nur dann eine Aufforderung zur Wartung erhält, wenn dies notwendig ist. Es wird somit ein Ansatz einer prädiktiven Wartung verfolgt. Das Verfahren kann Aufwandsarm durchgeführt werden und benötigt zur Durchführung nur einen geringen Energieaufwand, sodass das Verfahren optimal zur Anwendung in Steuergeräten von mobilen Antrieben, insbesondere von Fahrrädern, verwendet werden kann.
  • In einem Fahrrad treten auch äußere Störungen, wie Geräusche, Umgebungstemperatureinflüsse, Untergrundunebenheiten, Fahrprofil des Benutzers, Gewicht des Benutzers, oder ähnliches auf. Das erfindungsgemäße Verfahren minimiert den Einfluss von solchen Störungen, um Fehlalarme zu vermeiden.
  • Das Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs eines Fortbewegungsmittels, insbesondere eines Fahrrads, weist die folgenden Schritte auf: Zunächst erfolgt ein Bereitstellen von Sensordaten von Sensoren des Antriebs. Die Sensordaten zeigen Parameter des Antriebs an. Insbesondere werden nur solche Sensoren verwendet, die ohnehin für den Betrieb des Antriebs notwendig sind. Wenn ein aktueller Betriebsbereich des Antriebs und/oder des Fortbewegungsmittels einem vordefinierten Betriebsbereich entspricht, erfolgt ein Speichern von Sensordaten. Diese Sensordaten werden als Mess-Sensorsignalen gespeichert, wenn die Sensordaten von für den vordefinierten Betriebsbereich vordefinierten Sensoren stammen. Auf diese Weise werden nur solche Sensorsignale beachtet, von denen zu erwarten ist, dass eine Anomalie des Antriebs zuverlässig angezeigt wird. So können beispielsweise Lagerfehler mit zunehmenden Drehmoment nur schwer detektiert werden, sodass hierfür als Betriebsbereich eine Drehmomentobergrenze vorgesehen ist. Schließlich erfolgt ein Erkennen eines Defekts des Antriebs, wenn zumindest eines der Mess-Sensorsignale von einem vordefinierten Norm-Sensorsignal abweicht. Das Abweichen hat zumindest um ein vordefiniertes Maß zu erfolgen, um einen Defekt des Antriebs zuverlässig erkennen zu können. Das Norm-Sensorsignal ist insbesondere durch Aufzeichnen der Sensordaten bei einem Antrieb ohne Defekte bereitgestellt und bevorzugt in einer Steuereinheit gespeichert. Zuletzt erfolgt ein Ausgeben einer Warnung über das Vorliegen des Defekts an einen Benutzer des Fortbewegungsmittels. Dies kann akustisch und/oder graphisch und/oder haptisch erfolgen.
  • Somit ist insbesondere ermöglicht, Sensordaten nur dann zu berücksichtigen, wenn ein aktueller Betriebsbereich des Antriebs erwarten lässt, dass diese Sensordaten einen Defekt zuverlässig anzeigen können. Ist dies nicht der Fall, so erfolgt insbesondere keine Speicherung der Sensordaten. Dadurch ist ein Durchführungsaufwand des Verfahrens minimiert.
  • Die genannten Schritte werden bevorzugt wiederholend ausgeführt, zumindest einmal pro 60 Minuten. Somit kann sichergestellt werden, dass Defekte frühzeitig als solche erkannt werden können.
  • Die Unteransprüche zeigen bevorzugte Weiterbildungen der Erfindung.
  • Wie zuvor beschrieben erfolgt bevorzugt ein Vergleich von Norm-Sensorsignal und Mess-Sensorsignal, um zu erkennen, ob ein Defekt vorliegt. Bevorzugt ist vorgesehen, dass ein Berechnen eines Zustandsparameters des Antriebs aus einer Abweichung zwischen Mess-Sensorsignal und Norm-Sensorsignal erfolgt. Dieser Zustandsparameter repräsentiert einen Zustand des Antriebs stellt somit ein Maß für eine Abweichung des Zustands des Antriebs von einem Normalzustand dar. Ein Defekt wird dann erkannt, wenn der Zustandsparameter einen dem vordefinierten Maß entsprechenden Grenzwert überschreitet. Auf diese Weise lassen sich Mess-Sensorsignal und Norm-Sensorsignal vereinfacht handhaben, insbesondere vergleichen.
  • Bevorzugt erfolgt ein Schritt des Klassifizierens des Mess-Sensorsignals anhand zumindest einer vordefinierten statistischen Kennzahl. Somit kann das Mess-Sensorsignal in ein statistische Werte umgerechnet werden. Eine Speicherung des Mess-Sensorsignals ist dann nicht mehr nötig. Vielmehr kann der Speicherplatz freigegeben werden, um so den notwendigen Speicherplatzbedarf zu minimieren. Das Berechnen des Zustandsparameters erfolgt besonders vorteilhaft anhand des Mahalanobisabstand zwischen der statistischen Kennzahl des Mess-Sensorsignals und derselben statistischen Kennzahl des Norm-Sensorsignals. Somit ist das Verfahren einfach und aufwandsarm, gleichzeitig aber zuverlässig ausführbar.
  • Besonders vorteilhaft handelt es sich bei der vordefinierten statistischen Kennzahl ein Mittelwert und/oder eine Standardabweichung und/oder eine Schiefe und/oder eine Kurtosis und/oder ein Formparameter. Diese Kennzahlen lassen sich einfach aus den Sensordaten errechnen.
  • In einer vorteilhaften Weiterbildung erfolgt außerdem ein Schätzen einer Restnutzungsdauer des Antriebs. Die Restnutzungsdauer gibt an, wie lange der Antrieb bis zu einem Ausfall betrieben werden kann. Die Schätzung erfolgt durch extrapolieren eines zeitlichen Verlaufs des Zustandsparameters anhand von vordefinierten Abbaukurven. Die Abbaukurven geben modellhaft an, wie sich ein beginnender Defekt auswirkt, sodass daraus die Restnutzungsdauer geschätzt werden kann. Die Abbaukurven sind insbesondere durch Aufzeichnen der Sensordaten eines defekten Antriebs bis zum vollständigen Ausfall vorab erhalten worden und in einer Steuereinheit gespeichert.
  • Bevorzugt ist vorgesehen, dass der Schritt des Ausgebens nur dann erfolgt, wenn durch einen Abfrageschritt erkannt wird, dass die Restnutzungsdauer geringer als ein vordefinierter Grenzwert ist. Durch diese zusätzliche Prüfung wird festgestellt, ob zwar ein Defekt vorliegt, dieser Defekt aber nicht unmittelbar das Risiko eines Ausfalls mit sich bringt. In diesem Fall wird auf eine Ausgabe verzichtet.
  • Der vordefinierte Betriebsbereich und/oder die vordefinierte statistische Kennzahl sind vorteilhafterweise vorab durch Sammeln von Test-Sensordaten bestimmt. Die Test-Sensordaten sind mittels Sensoren an zumindest einem defekten Antrieb, insbesondere an mehreren defekten Antrieben, erfasst worden, sodass die Test-Sensordaten solche Sensordaten darstellen, die bei einem Defekt des Antriebs auftreten. Als der vordefinierte Betriebsbereich und/oder die vordefinierte statistische Kennzahl werden solche Test-Sensordaten verwendet, die eine maximale Klassifikationsgenauigkeit des Defekts des Antriebs ermöglichen. Auf diese Weise erfolgt insbesondere eine Reduktion der Sensoren, die im Betrieb des Antriebs zu überwachen sind, um einen Defekt des Antriebs zuverlässig zu erkennen.
  • Besonders bevorzugt sind der vordefinierte Betriebsbereich und/oder die vordefinierte statistische Kennzahl unterschiedlich für unterschiedliche Defekte des Antriebs. Dadurch sind der vordefinierte Betriebsbereich und/oder die vordefinierte statistische Kennzahl für unterschiedliche Defekte separat bestimmt worden. Dies ermöglicht verschiedene Fehlerbilder des Antriebs zu unterscheiden, sodass insbesondere ermöglicht ist, eine genaue Schätzung abzugeben, wie lange der Antrieb bis zu einem vollständigen Ausfall noch verwendet werden kann.
  • Des Weiteren ist bevorzugt vorgesehen, dass jedes Norm-Sensorsignal vorab mittels der vordefinierten Sensoren in dem vordefinierten Betriebsbereich an zumindest einem defektfreien Antrieb ermittelt wurde. Somit kann überprüft werden, ob und zu welchem Grad das Mess-Sensorsignal von dem Norm-Sensorsignal abweicht, was den Rückschluss auf einen Zustand des Antriebs erlaubt. Insbesondere lässt sich auf einen Defekt schließen, wenn das Mess-Sensorsignal um mehr als ein vordefiniertes Maß von dem Norm-Sensorsignal abweicht. Besonders vorteilhaft wird das Norm-Sensorsignal anhand einer Vielzahl von defektfreien Antrieben ermittelt.
  • Besonders vorteilhaft lässt sich das beschriebene Verfahren anwenden, um Lagerschäden und/oder Getriebeschäden zu detektieren. Daher ist bevorzugt vorgesehen, dass der Defekt des Antriebs, der im zuvor beschriebenen Schritt des Erkennens erkannt wird, ein Lagerschaden und/oder ein Getriebeschaden ist. Somit lassen sich Lagerschäden und/oder Getriebeschäden sicher und zuverlässig erkennen, wobei insbesondere ermöglicht ist, dem Benutzer einen Hinweis zu geben, wie lange das Antrieb bis zu einem Ausfall voraussichtlich noch verwendet werden kann.
  • Bei den vordefinierten Sensoren handelt es sich insbesondere ausschließlich um solche Sensoren, die zum Ansteuern des Antriebs notwendig sind. Somit sind insbesondere keine zusätzlichen Sensoren anzubringen. Vielmehr kann besonders vorteilhaft auf bereits im Antrieb vorhandene Sensoren Zurückgegriffen werden. Bevorzugt weisen die vordefinierten Sensoren zumindest einen Stromsensor zum Erfassen eines elektrischen Phasenstroms des Antriebs und/oder Spannungssensor zum Erfassen einer elektrischen Phasenspannung des Antriebs und/oder Temperatursensor des Antriebs und/oder Beschleunigungssensor und/oder Geschwindigkeitssensoren und/oder Kadenzsensor zum Erfassen einer Trittfrequenz eines Benutzers des Fortbewegungsmittels und/oder Drehmomentsensor zum Erfassen eines von dem Benutzer des Fortbewegungsmittels aufgebrachten Drehmoments auf.
  • Insbesondere der Spannungssensor kann auch ein Mikrocontroller sein, der die elektrische Phasenspannung, beispielsweise zum Regeln des Antriebs, berechnet.
  • Die Erfindung betrifft weiterhin ein Computerprogramm. Das Computerprogramm ist eingerichtet, das Verfahren wie zuvor beschrieben auszuführen. Das Computerprogramm benötigt daher minimale Anforderungen an Rechenleistung und Speicher. Das Computerprogramm kann daher einfach und aufwandsarm in einem Fortbewegungsmittel, insbesondere einem Fahrrad, verwendet werden. Bei solchen Anwendungsfällen stehen üblicherweise nur begrenzte Ressourcen zur Verfügung.
  • Die Erfindung betrifft ebenso ein maschinenlesbares Speichermedium. Auf dem Speichermedium ist das Computerprogramm gespeichert ist. Bei dem Speichermedium kann es sich insbesondere um einen Flash-Speicher oder um einen Magnetspeicher handeln. Besonders vorteilhaft ist das Speichermedium Teil eines Mikrokontrollers eines Fahrrads mit Elektroantrieb. Die verwendeten Sensordaten werden bevorzugt ebenfalls in dem Mikrokontroller des Fahrrads gespeichert. Durch das zuvor beschriebene Verfahren ist die zu speichernde Datenanzahl minimiert, sodass das Speichern bevorzugt in einem Speichermodul mit begrenzter Kapazität, wie bei einem Mikrokontroller der Fall, möglich ist. Es ist auch möglich ein zusätzliches Speichermedium einzufügen, wie beispielsweise einen zusätzlichen Mikrokontroller. Die Sensordaten können vorteilhaft auch in einer Cloud gespeichert werden.
  • Schließlich betrifft die Erfindung ein Fahrrad mit einem elektrischen Antrieb. Durch den Antrieb ist eine Fortbewegung des Fahrrads unterstützt, indem ein von einem Benutzer durch Muskelkraft generierte Antriebskraft verstärkt wird. Der Antrieb weist eine Steuereinheit auf. Die Steuereinheit dient zum Ausführen des Computerprogramms wie zuvor beschrieben. Alternativ oder zusätzlich ist die Steuereinheit ausgebildet, ein Verfahren wie zuvor beschrieben auszuführen. Besonders vorteilhaft ist außerdem eine Geländeerkennung und Ausschließen der währenddessen gewonnenen Sensordaten. So können verfälschte Sensordaten unberücksichtigt bleiben.
  • Besonders vorteilhaft erfolgt ein Abtasten des Mess-Sensorsignals mit einer Abtastzeit von 10 ms. Somit ist ein optimaler Kompromiss und zwischen einerseits einem akkuraten Abtasten und andererseits einem geringen Speicherbedarf erreicht.
  • Figurenliste
  • Nachfolgend werden Ausführungsbeispiele der Erfindung unter Bezugnahme auf die begleitende Zeichnung im Detail beschrieben. In der Zeichnung ist:
    • 1 eine schematische Abbildung eines Fahrrads gemäß einem Ausführungsbeispiel der Erfindung,
    • 2 eine schematische Abbildung des Zusammenspiels einzelner Komponenten des Fahrrads gemäß dem Ausführungsbeispiel der Erfindung,
    • 3 eine schematische Ansicht eines Verfahrens gemäß einem Ausführungsbeispiel der Erfindung,
    • 4 eine schematische Ansicht eines mittels des Verfahrens gemäß dem Ausführungsbeispiel der Erfindung generierten Zustandsparameters,
    • 5 eine schematische Ansicht eines Ablaufs einer Restnutzungsdauerschätzung des Verfahrens gemäß dem Ausführungsbeispiel der Erfindung,
    • 6 eine schematische Ansicht eines beispielshaften Ablaufs Verfahren gemäß dem Ausführungsbeispiel der Erfindung, und
    • 7 ein schematisches Flussdiagramm eines Verfahrens zum Ermitteln von Rahmenbedingungen für das Verfahren gemäß dem Ausführungsbeispiel der Erfindung.
  • Ausführungsform der Erfindung
  • 1 zeigt schematisch ein Fahrrad 1 gemäß einem Ausführungsbeispiel der Erfindung. Das Fahrrad 1 weist einen Antrieb 2 und ein Display 3 auf. Der Antrieb 2 ist insbesondere ein Elektromotor und dient zur Unterstützung einer von einem Benutzer des Fahrrads 1 aufgebrachten Muskelkraft.
  • 2 zeigt schematisch das Zusammenspiel verschiedener Komponenten des Fahrrads 1. So weist der Antrieb 2 ein Elektroantriebsmodul 4 auf. Dieses Elektroantriebsmodul 4 weist bevorzugt ein Getriebe auf. Das Elektroantriebsmodul 4 ist von einer Vielzahl von Sensoren 6 überwachbar, wobei besonders bevorzugt Spannungssensoren 6a und/oder Stromsensoren 6b und/oder Temperatursensoren 6c und/oder Beschleunigungssensoren 6d und/oder Drehmomentsensoren 6e und/oder Geschwindigkeitssensoren 6f vorgesehen sind. Sensordaten dieser Sensoren 6 lassen sich über eine Steuereinheit 5 auslesen und weiterverarbeiten, was insbesondere mit Bezug auf 3 erklärt wird. Sollte anhand der Sensordaten eine Anomalie des Antriebs 2 vorliegen, so kann die Steuereinheit 5 über das Display 3 einen Hinweis an den Benutzer ausgeben, dass eine Wartung durchgeführt werden sollte. Die dazu verwendeten Verfahren sind besonders an die Steuereinheit 5 angepasst und benötigen nur geringen Speicherplatz und geringe Rechenleistung.
  • 3 zeigt schematisch einen Ablaufplan eines Verfahrens gemäß einem Ausführungsbeispiel der Erfindung. Dieses Verfahren wird insbesondere in der Steuereinheit 5 durchgeführt und dient der Ermittlung eines Zustands des Antriebs 2. Ein Vorteil dieses Verfahrens ist das Nutzen von Informationen, die von den im Antrieb 2 vorhanden Sensoren 6 geliefert wird. Zusätzlich werden mittels einer Off-Line Analyse, die nachfolgend mit Bezug auf 7 und 8 erklärt wird, die relevantesten Sensoren 6 und Betriebsbereich des Antriebs 2, die die Identifikationsfähigkeit eines Defekts steigern, festgestellt. Dadurch ist der Bedarf an Speicherplatz der Steuereinheit 5 minimiert. Somit ist eine zuverlässige Erkennung von Defekten ermöglicht, wobei geringe Rechenleistungen für das Ausführen des Verfahrens notwendig ist. Im Gegensatz zu anderen Lösungen, die sich auf stationäre Systeme konzentrieren, die stets unter gleichen Bedingungen im Betrieb sind, wie beispielsweise im Prüfstand, verwendet das Verfahren die Unterscheidung von Betriebsbereichen. Insbesondere sind Betriebsbedingungen bei einem Fahrrad im Einsatz nicht wie in einem Labor reproduzierbar.
  • Es werden daher Sensordaten 10 der Sensoren 6 bereitgestellt. Ein Speichern 11 der Sensordaten 10 erfolgt jedoch nur dann, wenn ein aktueller Betriebsbereich des Antriebs 2 und/oder des Fortbewegungsmittels einem vordefinierten Betriebsbereich 20 entspricht. Außerdem werden nur solche Sensordaten 11 als Mess-Sensorsignalen gespeichert, die von für den vordefinierten Betriebsbereich 20 vordefinierten Sensoren 6 stammen.
  • Als weiterer relevanter Schritt erfolgt ein Erkennen 12 eines Defekts. Um diesen Schritt zu vereinfachen, erfolgt außerdem ein Klassifizieren 17 des Mess-Sensorsignals sowie ein Berechnen 14 eines Zustandsparameters 200 des Antriebs 2. Das Klassifizieren 17 des Mess-Sensorsignals erfolgt anhand zumindest einer vordefinierten statistischen Kennzahl 19. Die vordefinierte statistische Kennzahl ist insbesondre ein Mittelwert und/oder eine Standardabweichung und/oder eine Schiefe und/oder eine Kurtosis und/oder ein Formparameter ist. Somit sind nicht weiter die Mess-Sensorsignale selbst zu speichern, sondern diese werden in statistische Kenngrößen umgerechnet. Somit kann der Speicherbedarf reduziert werden. Die weitere Verarbeitung erfolgt dann anhand der statistischen Kenngrößen der Mess-Sensorsignale und nicht anhand der Rohdaten der Mess-Sensorsignale selbst.
  • Das Berechnen 14 des Zustandsparameters 200 des Antriebs 2 erfolgt anhand einer Abweichung zwischen Mess-Sensorsignal und einem vordefinierten Norm-Sensorsignal 18. Der Zustandsparameter 200 ist somit ein Maß für eine Abweichung des Zustands des Antriebs 2 von einem Normalzustand. Ist die Abweichung groß, so deutet dies auf ein Vorliegen eines Defekts hin. Besonders vorteilhaft erfolgt das Berechnen 14 des Zustandsparameters 200 anhand des Mahalanobisabstand zwischen der statistischen Kennzahl 19 des Mess-Sensorsignals und derselben statistischen Kennzahl des Norm-Sensorsignals 18.
  • Ein Defekt wird dann erkannt, wenn zumindest eines der Mess-Sensorsignale zumindest um ein vordefiniertes Maß von einem vordefinierten Norm-Sensorsignal abweicht. Dies bedeutet, dass der Zustandsparameter 200, der die Abweichung zwischen Mess-Sensorsignal und Norm-Sensorsignal 18 darstellt, einen vordefinierten Grenzwert überschreiten muss, um einen Defekt zu erkennen. Der Grenzwert entspricht dann dem beschriebenen vordefinierten Maß der Abweichung zwischen Norm-Sensorsignal 18 und Mess-Sensorsignal. Das vorausgehende Ermitteln des Norm-Sensorsignals 18 wird nachfolgend mit Bezug auf 7 und 8 beschrieben.
  • Ist der Schritt des Erkennens 12 eines Defekts nicht positiv, d.h. liegt kein Defekt vor, so werden die Schritte des Speicherns 11, Klassifizierens 17 und Berechnen 14 des Zustandsparameters 200 erneut durchgeführt. Insbesondere liegen für das erneute Durchführen dieser Schritte neue Sensordaten vor, da während des erstmaligen Durchführens der genannten Schritte eine gewisse Zeit vergangen ist. Es ist ebenso möglich, dass vor dem erneuten Ausführen der genannten Schritte eine vorbestimmte Offset-Zeitspanne abgewartet wird.
  • Die Sensordaten können vor oder während der Schritte des Speicherns 11 oder Klassifizierens 17 zur Rauschunterdrückung gefiltert werden. Dies vereinfacht das Berechnen des Zustandsparameters 200 und Vergrößert die Genauigkeit der Aussage des Zustandsparameters 200.
  • 4 zeigt schematisch ein Diagramm, bei dem die Ordinate die Größe des Zustandsparameters 200 und die Abszisse eine Nummer der Messung darstellt, bei der der Zustandsparameter 200 bestimmt wurde. Es ist linksseitig der Beispielgrenze 300 beispielhaft gezeigt, dass bei einem intakten Antrieb 2 der Zustandsparameter 200 nahe Null ist. Rechtsseitig der Beispielgrenze 300 sind größere Werte Zustandsparameter 200 dargestellt, wie dies bei einem Defekt des Antriebs 2 der Fall ist. Anhand des Zustandsparameters 200 ist der Defekt somit einfach und zuverlässig erkennbar.
  • Wurde ein Defekt erkannt, so wird bevorzugt ein Schritt des Schätzens 15 einer Restnutzungsdauer des Antriebs 2 ausgeführt. Das Verfahren unterscheidet insbesondere anhand unterschiedlicher vordefinierter Betriebszustände 20 und/oder vordefinierter statistischer Kennzahlen 19 und/oder vordefinierter Norm-Sensorsignale 18 Die Restnutzungsdauer gibt eine Zeitspanne an, in der der Antrieb 2 bis zu einem vollständigen Ausfall betrieben werden kann. Das Schätzen erfolgt durch extrapolieren eines zeitlichen Verlaufs des Zustandsparameters 200 anhand von vordefinierten Abbaukurven 100. Dies ist in 5 schematisch dargestellt. So verursacht jeder Defekt einen unterschiedlichen Abbau des Zustands des Antriebs. Bei einigen Defekten tritt der Ausfall nach wenigen Zyklen auf, bei anderen kann der Antrieb 2 noch länger in Betrieb sein vor dem Ausfall. 5 zeigt beispielhaft verschiedene Abbaukurven 100, wobei eine erste Abbaukurve 100a am schnellsten zu einer Verschlechterung des Zustands und damit zu einem Ausfall führt, während eine zweite Abbaukurve 100b und eine dritte Abbaukurve 100c einen langsameren Abbau des Zustands und die vierte Abbaukurve 100d einen langsamsten Abbau des Zustands zeigen. Für das Schätzen 15 der Restnutzungsdauer wird die Information von der Abbaukurve 100, die ähnlich dem bisherigen Verlauf des Zustandsparameter 200 verläuft, genutzt.
  • In dem in 5 gezeigten Beispiel zeigt die Ordinate eine Größe des Zustandsparameters 200 und die Abszisse eine Anzahl von Zyklen. Insbesondere ist die 5 somit ähnlich der 4, allerdings stellt die Abszisse durch eine andere Parametrierung einen größeren Bereich dar. Es ist gezeigt, dass der Zustandsparameter 200 bisher bis Zyklus 60 beobachtet wurde. Dabei folgt der Zustandsparameter 200 der vierten Abbaukurve 100d. Wenn als Grenze für einen Ausfall 10000 vordefiniert ist, dann könnte der Antrieb 2 insgesamt 40 weiteren Zyklen in Betrieb sein, bevor das Risiko für einen Ausfall sehr hoch ist. Würde der Zustandsparameter hingegen der dritten Abbaukurve 100c folgen, so würde vorausgesagt, dass der Antrieb 2 nur 10 weitere Zyklen in Betreibe sein könnte.
  • Es wird daher ein Abfrageschritt 16 durchgeführt, durch den erkannt wird, ob die Restnutzungsdauer geringer als ein vordefinierter Grenzwert ist. Der vordefinierte Grenzwert ist dabei abhängig von der oben genannten Grenze, an der mit sehr hoher Wahrscheinlichkeit mit einem Ausfall zu rechnen ist. Ist dieser Grenzwert überschritten, so wird der Abfrageschritt 16 positiv beendet und es erfolgt ein Ausgeben 13 einer Warnung über das Vorliegen des Defekts an einen Benutzer des Fahrrads 1. Der Benutzer wird dabei insbesondere aufgefordert, eine Wartung durchzuführen oder durchführen zu lassen. Sollte der Abfrageschritt 16 negativ sein, so wird die Restnutzungsdauer erneut berechnet, wobei ein aktualisierter Wert des Zustandsparameters verwendet wird.
  • Es lassen sich somit unterschiedliche Defekte einfach und aufwandsarm, gleichzeitig aber zuverlässig erkennen. Außerdem kann zuverlässig abgeschätzt werden, welche Restnutzungsdauer sich aus dem Defekt ergibt. Somit kann ein optimaler Zeitpunkt für die Durchführung einer Wartung des Antriebs 2 und/oder des Fahrrads 1 empfohlen werden.
  • 6 zeigt eine schematische Ansicht eines beispielshaften Ablaufs Verfahren gemäß dem Ausführungsbeispiel der Erfindung. In diesem Beispiel weist der Antrieb 2 ein beschädigtes Lager auf. Vorab wurde, insbesondere wie in 7 und 8 gezeigt, sieben Merkmale identifiziert. Bei diesen Merkmalen handelt es sich um einen Mittelwert mean_ud einer Spannung ud, einen Formparameter SF_ud der Spannung ud, einen Mittelwert mean_IA eines Motorphasenstroms IA, SF_IA, einen Mittelwert mean_ IC eines Motorphasenstroms IC, einen Formparameter SF_IC des Motorphasenstroms IC, sowie eine Schiefe Sk_IC des Motorphasenstroms IC. Diese Merkmale wurden als vordefinierte statistische Kennzahlen 19 ermittelt, die somit eine zuverlässige Fehleridentifikation ermöglichen. Für die Erzeugung von diesen Merkmalen sind drei Sensorsignale 10 benötigt, den Motorphasenstrom IA und den Motorphasenstrom IC sowie die Spannung du. Die Motorphasenströme IA und IC lassen sich anhand von Sensoren 6 erfassen, die Spannung ud ist insbesondere ein Parameter eines Reglers des Antriebs 2 und wird bevorzugt in der Steuereinheit 5 berechnet. Diese drei Sensordaten 10 werden in der Steuereinheit 5 durch ein Modul zum Ausführen des Schritts des Speicherns 11 gespeichert.
  • Die Sensordaten 10 verbleiben während einer vordefinierten Dauer, in diesem Beispiel 15 Sekunden, gespeichert. Danach werden diese Rohdaten der Sensordaten 10 durch ein Modul zum Ausführen des Schritts des Klassifizierens 17 in statistischen Werte umgerechnet und anschließend aus dem Speicher gelöscht, sodass lediglich die statistischen Werte der Sensordaten in der Steuereinheit 5 verbleiben. Von einem Modul zur Durchführung der Berechnung 14 erfolgt eine Bereitstellung des Zustandsparameters 200, anhand dessen eine Abweichung der statistischen Werten im Vergleich zum normalen Zustand identifiziert wird. Die Referenzwerten zum Vergleich mit dem normalen Zustand stammen von Messsignalen von Antrieben 2 ohne Defekte. Beispielsweise wurden fünf verschiedene Antriebe 2 als Referenz berücksichtigt. Allerdings kann die Anzahl von Antrieben 2, von denen die Referenzwerte gewonnen werden, beliebig erhöht werden, um so unterschiedliche Verhalten der Antriebe aufgrund von Fertigungstoleranzen auszumitteln.
  • Der Zustandsparameter wird außerdem von einem Modul zum Durchführen des Schritts des Abschätzens 15 der Restnutzungsdauer verwendet. Wenn die Restnutzungsdauer niedriger als ein vordefiniertes Wert ist, wird über das Display 3 eine Meldung mit der Bemerkung ausgegeben, dass das Fahrrad 1 zu Warten ist.
  • Während einer Fahrt in einem Gelände können hohe Schwingungen an den Antrieb 2 übertragen werden, die wiederum die Aussagekraft des Zustandsparameters 200 verfälschen können, Daher ist bevorzugt vorgesehen, dass anhand einer Funktion zur Geländeerkennung eine Möglichkeit zur Erkennung solcher Zustände gegeben ist. Bei Vorliegen einer Geländefahrt, die keine oder nur eine eingeschränkte Aussage über einen Defekt des Antriebs 2 zulässt, ist daher vorgesehen, dass die Sensordaten 10 nicht gespeichert werden, d.h. dass auf den Schritt des Speicherns 11 verzichtet wird, wodurch die nachfolgenden Schritte nicht ausgeführt werden.
  • 7 und 8 zeigen ein Off-Line Verfahren. Das Ziel von dem Off-Line Verfahren ist es, die Parameter zu finden, die eine zuverlässige Erkennung von Defekten sowie insbesondere auch Trennung von den Fehlerbildern ermöglichen. Dadurch ist, wie zuvor beschrieben, ermöglicht, dass nur die relevantesten Sensordaten gespeichert werden. Dadurch ist die Anwendung des in 3 gezeigten Verfahrens in der Steuereinheit 5 mit niedrigen Speicherplatz möglich, sodass als Steuereinheit 5 beispielsweise ein Mikrocontroller verwendet werden kann. Die im Off-Line Verfahren zu bestimmenden Parameter sind insbesondere der im Verfahren gemäß 3 verwendete vordefinierten Betriebsbereich 20 und/der die im Verfahren gemäß 3 verwendeten vordefinierten statistischen Kennzahlen 19. Mit diesen Parametern ist die Identifikation von Defekten am deutlichsten ermöglicht. Zum Beispiel ist es bei niedrigem Motor-Drehmoment möglich, einen Lagerausfall zu detektieren. Dahingegen haben bei höheren Drehmomente die Sensordaten von Antrieben 2 mit und ohne Lagerausfall ähnliches Verhalten, was die Identifikation des Fehlers erschwert oder verhindert. Außerdem soll die optimale Merkmalanzahl, d.h. die Anzahl an statistischen Kennzahlen 19, und insbesondere auch eine Dauer einer Messung bestimmt werden. Je kleiner alle diese Parameter sind, desto weniger Speicherplatz wird in der Steuereinheit 5 gebraucht.
  • Der erste Schritt in der Off-Line Analyse ist die Datensammlung 21 sowie die Datenverarbeitung 22, wobei der eine Vielzahl von Sensordaten anhand Tests mit Referenzen-Antrieben 2 und Mustern gesammelt wird. Die Referenz-Antriebe 2 und Muster sind mit bestimmten Defekten versehen. Die Antriebe 2 von einem Fahrrad haben normalerweise folgende Sensoren zur Verfügung: Stromsensoren, Beschleunigungssensoren, Geschwindigkeitssensoren, Kadenzsensoren, Temperatursensoren, und Benutzer-Drehmomentsensoren. Anhand dieser Sensoren wird die Datensammlung 21 durchgeführt. Bevorzugt werden keine weiteren Sensoren zusätzlich angebracht. Außerdem ist es möglich die Drehzahl und Drehmoment des Elektroantriebsmoduls 4 und die Spannung und Strom eines Energiespeichers zu überwachen.
  • Anschließend erfolgt eine Wahl 23 eines Betriebsbereichs des Antriebs 2, für den eine Analyse vorgenommen werden soll. Anschließend erfolgt eine Umrechnung 24 in statistische Werte, wie dies zuvor bereits beschrieben wurde. Hierbei werden sämtliche statistischen Werte berechnet, die für das in 3 gezeigte Verfahren als vordefinierte statistische Kennzahlen 19 dienen könnten. Somit liegt ein Set aus potentiellen relevanten Kenngrößen vor, wobei in einem nachfolgenden Schritt die für den gewählten Betriebsbereich relevanten Kenngrößen ausgewählt werden. Dazu erfolgt eine Merkmal-Set-Generierung 25, durch die ein Set mit relevanten Merkmalen erzeugt wird. Die Merkmal-Set-Generierung 25 kann manuell durchgeführt werden, erfolgt aber besonders vorteilhaft anhand des „SVM-RFE“ Algorithmus mit Simulated Annealing Optimierungsverfahren, welcher auch die Genauigkeit von den gewählten Merkmalen liefert. Dieser Algorithmus ist beschrieben in Guyon, I., Weston, J., Barnhill, S., & Vapnik, V. (2002). Gene Selection for Cancer Classification using Support Vector Machines. Machine learning 46(1-3), 389-422.
  • Beispielsweise kann als Ausgang ein Raum mit über hundert potentiell relevanten Kenngroßen verwendet werden, sodass eine manuelle Wahl der für das Verfahren gemäß 3 verwendeten vordefinierten statistischen Kenngrößen 19 sehr zeitaufwendig sein würde. Es wird daher der SVM-RFE Algorithmus mit Simulated Annealing Optimierungsverfahren genutzt, um diesen Prozess zu beschleunigen.
  • Anschließend wird eine Punktzahlberechnung 26 durchgeführt, bei der eine Punktzahl, die die Klassifikationsgenauigkeit des Sets und die Datengröße berücksichtigt, berechnet. Somit lässt sich das erhaltene Set klassifizieren.
  • In einem Überprüfungsschritt 27 wird überprüft, ob ein Bewertungskriterium erfüllt ist. Ist das Bewertungskriterium nicht erfolgt, so wird ein neuer Betriebsbereich gewählt, wodurch eine Iteration entsteht. Die Schritte der Wahl 23, Umrechnung 24, Merkmal-Set-Generierung 25 und Punktzahlberechnung 26 werden solange durchgeführt, bis das Bewertungskriterium erfüllt ist. Das Bewertungskriterium umfasst insbesondere eine minimale Punktzahl und/oder eine Anzahl an Iterationsschritten. Ist das Bewertungskriterium erfüllt, so stellt das Off-Line Verfahren optimale Parameter 28 zur Verfügung, die die in dem Verfahren gemäß 3 verwendeten vordefinierten Betriebsbereich 20 und die vordefinierten statistischen Kenngrößen 19 beinhalten.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Nicht-Patentliteratur
    • Guyon, I., Weston, J., Barnhill, S., & Vapnik, V. (2002). Gene Selection for Cancer Classification using Support Vector Machines. Machine learning 46(1-3), 389-422 [0046]

Claims (14)

  1. Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs (2) eines Fortbewegungsmittels, insbesondere eines Fahrrads (1), aufweisend die Schritte: • Bereitstellen von Sensordaten (10) von Sensoren (6) des Antriebs (2), wobei die Sensordaten (10) Parameter des Antriebs (2) anzeigen, • wenn ein aktueller Betriebsbereich des Antriebs (2) und/oder des Fortbewegungsmittels einem vordefinierten Betriebsbereich (20) entspricht, Speichern (11) solcher Sensordaten (10) als Mess-Sensorsignalen, die von für den vordefinierten Betriebsbereich (20) vordefinierten Sensoren (6) stammen, und • Erkennen (12) eines Defekts des Antriebs (2), wenn zumindest eines der Mess-Sensorsignale zumindest um ein vordefiniertes Maß von einem vordefinierten Norm-Sensorsignal abweicht, sowie Ausgeben (13) einer Warnung über das Vorliegen des Defekts an einen Benutzer des Fortbewegungsmittels.
  2. Verfahren nach Anspruch 1, gekennzeichnet durch die Schritte: • Berechnen (14) eines Zustandsparameters (200) des Antriebs (2) aus einer Abweichung zwischen Mess-Sensorsignal und Norm-Sensorsignal (18), wobei der Zustandsparameter (200) ein Maß für eine Abweichung des Zustands des Antriebs (2) von einem Normalzustand ist, • wobei in dem Schritt des Erkennens (12) dann ein Defekt erkannt wird, wenn der Zustandsparameter (200) einen dem vordefinierten Maß entsprechenden Grenzwert überschreitet.
  3. Verfahren nach Anspruch 2, gekennzeichnet durch den Schritt des Klassifizierens (17) des Mess-Sensorsignals anhand zumindest einer vordefinierten statistischen Kennzahl (19), wobei das Berechnen (14) des Zustandsparameters (200) dem Mahalanobisabstand zwischen der statistischen Kennzahl (19) des Mess-Sensorsignals und derselben statistischen Kennzahl des Norm-Sensorsignals (18) entspricht.
  4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die vordefinierte statistische Kennzahl ein Mittelwert und/oder eine Standardabweichung und/oder eine Schiefe und/oder eine Kurtosis und/oder ein Formparameter ist.
  5. Verfahren nach einem der Ansprüche 2 bis 4, gekennzeichnet durch den Schritt: Schätzen (15) einer Restnutzungsdauer des Antriebs (2) bis zu einem Ausfall des Antriebs (2), indem ein zeitlicher Verlauf des Zustandsparameters (200) anhand von vordefinierten Abbaukurven (100) extrapoliert wird.
  6. Verfahren nach Anspruch 5 dadurch gekennzeichnet, dass der Schritt des Ausgebens (13) nur dann erfolgt, wenn durch einen Abfrageschritt (16) erkannt wird, dass die Restnutzungsdauer geringer als ein vordefinierter Grenzwert ist.
  7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der vordefinierte Betriebsbereich (20) und/oder die vordefinierte statistische Kennzahl (19) vorab durch Sammeln (21) von Test-Sensordaten bestimmt wurden, die mittels Sensoren (6) an zumindest einem defekten Antrieb (2) erfasst wurden, wobei der vordefinierte Betriebsbereich (20) und/oder die vordefinierte statistische Kennzahl (19) in den Test-Sensordaten eine maximale Klassifikationsgenauigkeit des Defekts des Antriebs (2) ermöglichen.
  8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass der vordefinierte Betriebsbereich (20) und/oder die vordefinierte statistische Kennzahl (19) vorab für unterschiedliche Defekte des Antriebs (2) separat bestimmt wurden.
  9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass jedes Norm-Sensorsignal vorab mittels der vordefinierten Sensoren (6) in dem vordefinierten Betriebsbereich an zumindest einem defektfreien Antrieb ermittelt wurde.
  10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der Defekt des Antriebs (2), der im Schritt des Erkennens (12) erkannt wird, ein Lagerschaden und/oder ein Getriebeschaden ist.
  11. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die vordefinierten Sensoren (6) zumindest einen • Stromsensor zum Erfassen eines elektrischen Phasenstroms des Antriebs (2) und/oder • Spannungssensor zum Erfassen einer elektrischen Phasenspannung des Antriebs (2) und/oder • Temperatursensor des Antriebs (2) und/oder • Beschleunigungssensor und/oder • Geschwindigkeitssensoren und/oder • Kadenzsensor zum Erfassen einer Trittfequenz eines Benutzers des Fortbewegungsmittels und/oder • Drehmomentsensor zum Erfassen eines von dem Benutzer des Fortbewegungsmittels aufgebrachten Drehmoments aufweisen, wobei die vordefinierten Sensoren (6) insbesondere ausschließlich solche Sensoren sind, die zum Ansteuern des Antriebs (2) notwendig sind.
  12. Computerprogramm, das eingerichtet ist, das Verfahren nach einem der Ansprüche 1 bis 11 auszuführen.
  13. Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 12, und insbesondere auch die Sensordaten (10), gespeichert ist.
  14. Fahrrad (1) mit einem elektrischen Antrieb (2), wobei der Antrieb (2) eine Steuereinheit (5) aufweist, die zum Ausführen eines Computerprogramms nach Anspruch 12 und/oder eines Verfahrens nach einem der Ansprüche 1 bis 11 eingerichtet ist.
DE102019203816.6A 2019-03-12 2019-03-20 Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs eines Fahrrads, Computerprogramm, Speichermedium und Fahrrad Active DE102019203816B4 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/EP2020/055637 WO2020182558A1 (de) 2019-03-12 2020-03-04 Verfahren zum ermitteln eines zustands eines elektrischen antriebs eines forbewegungsmittels
US17/593,077 US20220153141A1 (en) 2019-03-12 2020-03-04 Method for ascertaining a state of an electric drive of a means of transportation

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102019203364.4 2019-03-12
DE102019203364 2019-03-12

Publications (2)

Publication Number Publication Date
DE102019203816A1 true DE102019203816A1 (de) 2020-09-17
DE102019203816B4 DE102019203816B4 (de) 2020-10-29

Family

ID=72241089

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102019203816.6A Active DE102019203816B4 (de) 2019-03-12 2019-03-20 Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs eines Fahrrads, Computerprogramm, Speichermedium und Fahrrad

Country Status (3)

Country Link
US (1) US20220153141A1 (de)
DE (1) DE102019203816B4 (de)
WO (1) WO2020182558A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021214598A1 (de) 2021-12-17 2023-06-22 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Plausibilisieren eines Sensorsignals eines einspurigen Fahrzeugs

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023126653A1 (en) 2021-12-28 2023-07-06 Bosch Car Multimedia Portugal S.A Data collection kit for attaching to a bicycle for acquiring mobility and environmental data, operation method thereof

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69500285T2 (de) * 1994-08-18 1997-08-21 Honda Motor Co Ltd Fahrrad mit elektrischem Hilfsmotor
DE69433735T2 (de) * 1993-07-23 2004-09-30 Yamaha Hatsudoki K.K., Iwata Muskelgetriebenes Fahrzeug
DE102011077181A1 (de) * 2011-06-08 2012-12-13 Robert Bosch Gmbh Verfahren und Vorrichtung zur Verschleißerkennung an einem Elektrofahrrad
DE102013226143B3 (de) * 2013-12-17 2015-03-05 Continental Automotive Gmbh Verfahren zur Erfassung eines Belastungseinbruchs eines elektrischen Hilfsantriebs, Steuerverfahren für einen elektrischen Hilfsantrieb eines Fahrrads und Hilfsantriebssteuerung für einen elektrischen Hilfsantrieb
DE102017220245A1 (de) * 2017-11-14 2019-05-16 Robert Bosch Gmbh Verfahren zur Überwachung eines Getriebes eines Fahrzeugs, Steuergerät, Getriebeanalyseverfahren und Servereinrichtung

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014212760A1 (de) * 2014-07-02 2015-03-19 Robert Bosch Gmbh Verfahren und Vorrichtung zur Plausibilisierung von Geschwindigkeitsdaten

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69433735T2 (de) * 1993-07-23 2004-09-30 Yamaha Hatsudoki K.K., Iwata Muskelgetriebenes Fahrzeug
DE69500285T2 (de) * 1994-08-18 1997-08-21 Honda Motor Co Ltd Fahrrad mit elektrischem Hilfsmotor
DE102011077181A1 (de) * 2011-06-08 2012-12-13 Robert Bosch Gmbh Verfahren und Vorrichtung zur Verschleißerkennung an einem Elektrofahrrad
DE102013226143B3 (de) * 2013-12-17 2015-03-05 Continental Automotive Gmbh Verfahren zur Erfassung eines Belastungseinbruchs eines elektrischen Hilfsantriebs, Steuerverfahren für einen elektrischen Hilfsantrieb eines Fahrrads und Hilfsantriebssteuerung für einen elektrischen Hilfsantrieb
DE102017220245A1 (de) * 2017-11-14 2019-05-16 Robert Bosch Gmbh Verfahren zur Überwachung eines Getriebes eines Fahrzeugs, Steuergerät, Getriebeanalyseverfahren und Servereinrichtung

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
https://de.wikipedia.org/wiki/Mahalanobis-Abstand *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021214598A1 (de) 2021-12-17 2023-06-22 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Plausibilisieren eines Sensorsignals eines einspurigen Fahrzeugs

Also Published As

Publication number Publication date
DE102019203816B4 (de) 2020-10-29
US20220153141A1 (en) 2022-05-19
WO2020182558A1 (de) 2020-09-17

Similar Documents

Publication Publication Date Title
DE102014210504A1 (de) Referenzwerterzeugungsvorrichtung für ein Fahrzeug
DE102019103824A1 (de) Fehlervorhersagevorrichtung und maschinelle lernvorrichtung
DE102008049754A1 (de) Verfahren und Vorrichtung zur Verschleißdiagnose eines Kraftfahrzeugs
DE102019203816B4 (de) Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs eines Fahrrads, Computerprogramm, Speichermedium und Fahrrad
DE102020212277A1 (de) Verfahren und Vorrichtung zum Bestimmen einer Restnutzungsdauer basierend auf einer prädiktiven Diagnose von Komponenten eines elektrischen Antriebssystems mithilfe Verfahren künstlicher Intelligenz
DE102018000579A1 (de) Überwachen einer Funktionsbereitschaft eines elektrischen Gerätes
DE102008010628A1 (de) Verfahren zum Erfassen von Diagnosedaten in einem Kraftfahrzeug mittels eines flüchtigen Ringspeichers und anschließender Datenreduktion in einen nichtflüchtigen Speicher
DE102019212909A1 (de) Verfahren zum Detektieren eines Fehlers in einem Batteriesystem sowie Batteriesystem und Kraftfahrzeug
EP2464956A1 (de) Verfahren zur frühzeitigen schadenserkennung in einem kraftfahrzeuggetriebe
DE112016007054B4 (de) Anzeigevorrichtung und Anzeigesteuerverfahren
DE102014206252A1 (de) Verfahren und Einrichtung zum Diagnostizieren der Funktionsfähigkeit eines Dieselpartikelfilters
DE102011114058A1 (de) Verfahren und Vorrichtung zu akustischen Beurteilung eines Bauteils
DE102008038890B4 (de) Verfahren und Vorrichtung zur Belastungszählung in einem elektromechanischen Lenksystem
DE102015214987B4 (de) Bestimmung eines defekten Bauteils eines Fahrzeugs
DE102017201804A1 (de) Verfahren zum Erfassen von Daten, Verfahren zum Aktualisieren eines Szenarienkatalogs, Vorrichtung, Computerprogramm und maschinenlesbares Speichermedium
DE102020128648A1 (de) Analysator
DE102018212845B3 (de) Diagnoseverfahren und Diagnosevorrichtung zum Verifizieren einer Funktionsfähigkeit einer elektromechanischen Last, sowie ein Computerprogrammprodukt und ein Fahrzeug
DE102007049711A1 (de) Verfahren zum Betreiben eines Steuergeräts
DE102019107242A1 (de) Diagnoseverfahren, Diagnosesystem und Kraftfahrzeug
DE102019107240A1 (de) Diagnoseverfahren, Diagnosesystem und Kraftfahrzeug
AT526596B1 (de) Verfahren für eine Bestimmung eines Alterungszustands einer Brennstoffzelle, eines Brennstoffzellenstapels und/oder eines Brennstoffzellensystems
DE102022121526B3 (de) Verfahren zum akustischen Überprüfen eines Kraftfahrzeugs, insbesondere auf einem Prüfstand, sowie Prüfstand
DE102013223794A1 (de) Energieübertragungssystem und Verfahren zur Diagnose eines Energieübertragungssystems
EP4054899B1 (de) Verfahren und system zum vorhersagen einer motorstart-performance eines elektrischen energiespeichersystems
DE102020102002A1 (de) Monitoring von Leistungsschaltern

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final