-
GEBIET DER ERFINDUNG
-
Die vorliegende Erfindung betrifft ein Verfahren zum Detektieren von fehlerhaften Kopplungen zwischen einem Zugfahrzeug und einem Anhänger sowie ein Trainingssystem für eine Fahrzeugsteuerung zum Detektieren von fehlerhaften Kopplungen zwischen einem Zugfahrzeug und einem Anhänger.
-
TECHNISCHER HINTERGRUND
-
Fehlerhafte Kopplungen zwischen einem Zugfahrzeug und einem Anhänger verursachen oft Unfälle mit Sach- oder Personenschaden. Dies geht beispielsweise aus der Internetseite http://www.verkehrsportal.de/board/index.php?showtopic=83542, die am Anmeldetag dieser Patentanmeldung abrufbar war, hervor.
-
ZUSAMMENFASSUNG DER ERFINDUNG
-
Vor diesem Hintergrund liegt der Erfindung die Aufgabe zugrunde, ein Verfahren anzugeben, mittels welchem fehlerhafte Kopplungen zwischen einem Zugfahrzeug und einem Anhänger detektiert werden können.
-
Erfindungsgemäß wird diese Aufgabe durch ein Verfahren zum Detektieren von fehlerhaften Kopplungen zwischen einem Zugfahrzeug und einem Anhänger mit den Merkmalen des Patentanspruchs 1 gelöst.
-
Demgemäß ist vorgesehen:
- - ein Verfahren zum Detektieren von fehlerhaften Kopplungen zwischen einem Zugfahrzeug und einem Anhänger mit den folgenden Schritten: Erfassen von Geräuschen als Geräuschsignal, die während einer Kopplung zu einem Gespann aus einem Zugfahrzeug und einem Anhänger an einer Kopplungsvorrichtung auftreten, mittels eines Mikrophons des Gespanns; Detektieren von für eine fehlerhafte Kopplung charakteristischen Geräuschen und/oder Detektieren von für eine korrekte Kopplung charakteristischen Geräuschen; Ermitteln einer Reaktion auf das detektierte charakteristische Geräusch mittels einer Recheneinheit des Gespanns.
-
Fahrzeuge im Sinne dieser Patentanmeldung sind antreibbare Landfahrzeuge mit einer Kopplungsvorrichtung. Hiervon sind unter anderem Schienenfahrzeuge und Straßenfahrzeuge umfasst.
-
Landwirtschaftliche Fahrzeuge sind beispielsweise Traktoren oder Erntefahrzeuge.
-
Baumaschinen sind beispielsweise Bagger, Radlader, Raupen und dergleichen.
-
In dieser Patentanmeldung werden unter Nutzfahrzeugen landwirtschaftliche Fahrzeuge, Baumaschinen, Pistenraupen und dergleichen verstanden.
-
Ein Zugfahrzeug ist ein ziehendes Fahrzeug in einem Gespann bzw. Hänger- oder Sattelzug. So ist bei einem Traktor mit Anhänger der Traktor das Zugfahrzeug. Weitere Beispiele sind LKW in einem Hängerzug, Sattelzugmaschinen in einem Sattelzug, PKW in einem PKW-Gespann oder ein Fahrrad mit einem Fahrradanhänger.
-
Ein Anhänger ist ein gezogener, also nicht-angetriebener Teil eines Gespanns. Beispielsweise sind Auflieger, Wohnwägen, PKW-Anhänger und dergleichen Anhänger.
-
Personenkraftwagen (abgekürzt PKW) sind Fahrzeuge mit eigenem Antrieb zum vorwiegenden Zweck der Personenbeförderung. Im Alltag werden sie auch Auto bzw. technisch Kraftwagen genannt. Die meisten Pkw sind Straßenfahrzeuge und werden im öffentlichen Straßenverkehr für den Individualverkehr verwendet.
-
Ein Lastkraftwagen (LKW) ist ein zu den Nutzfahrzeugen gehörendes Kraftfahrzeug, mit dem Güter befördert werden. Ein Lastkraftwagen kann auch mit einem Anhänger betrieben werden; dieses Gespann nennt man Lastzug. Falls die Zugmaschine kurz ist und der Anhänger darauf aufgelegt wird, heißt das Gespann Sattelzug.
-
Schienenfahrzeuge sind Fahrzeuge von Bahnen, die auf einer oder mehreren Schienen fahren oder geführt werden. Fahrzeug und Schiene sind dabei ein aufeinander abgestimmtes System, üblicherweise als Rad-Schiene-System bezeichnet. Beispielsweise sind Züge Schienenfahrzeuge.
-
Die Lautstärke ist die physikalisch messbare Amplitude oder Stärke von Schall (z. B. als Schalldruck bzw. als Schalldruckpegel).
-
In dieser Anmeldung bezieht sich der Begriff Kopplung auf die Verbindung eines Zugfahrzeugs mit einem Anhänger mittels einer Kopplungsvorrichtung. Kopplungen, die nicht vollständig geschlossen und/oder gesichert sind, sind fehlerhaft.
-
Charakteristische Geräusche einer fehlerhaften Kopplung sind beispielsweise Geräusche, welchen ein Einrastgeräusch fehlt.
-
Charakteristische Geräusche einer korrekten Kopplung sind beispielsweise Einrastgeräusche oder hydraulische bzw. pneumatische Geräusche.
-
Eine Wegfahrsperre verhindert das Bewegen eines Fahrzeugs mit dessen Antriebsmitteln.
-
Wird ein neuer Kopplungsversuch angestrebt, wird das Verfahren wie es in dieser Patentanmeldung beschrieben ist, von Neuem durchgeführt.
-
Ein Mikrophon ist ein Schallwandler, der Luftschall als Schallwechseldruckschwingungen in entsprechende elektrische Spannungsänderungen als Mikrophonsignal umwandelt.
-
Eine Kamera ist eine fototechnische Apparatur, die statische oder bewegte Bilder auf einem fotografischen Film oder elektronisch auf ein magnetisches Videoband oder digitales Speichermedium aufzeichnen oder über eine Schnittstelle übermitteln kann.
-
Warnsignale sind für den Fahrer eines Fahrzeugs wahrnehmbar und steigern oder fokussieren seine Aufmerksamkeit. Warnsignale können optische, akustische oder haptische Signale sein.
-
Eine Schnittstelle ist eine Einrichtung zwischen wenigstens zwei Funktionseinheiten, an der ein Austausch von logischen Größen, z.B. Daten, oder physikalischen Größen, z.B. elektrischen Signalen, erfolgt, entweder nur unidirektional oder bidirektional. Der Austausch kann analog oder digital erfolgen. Der Austausch kann ferner drahtgebunden oder drahtlos erfolgen.
-
Eine Reaktion auf ein charakteristisches Geräusch einer fehlerhaften Kopplung ist beispielsweise ein Warnsignal an einen Fahrer. Einrichtungen zum Ausführen der Signale sind Reaktionseinheiten.
-
Eine Recheneinheit ist eine Vorrichtung, die eingehende Informationen verarbeitet und ein aus dieser Verarbeitung resultierendes Ergebnis ausgibt. Elektronische Schaltungen wie z.B. zentrale Prozessoreinheiten oder Grafikprozessoren sind Recheneinheiten.
-
Ein zentraler Datenspeicher ist ein Datenspeicher, auf den eine Vielzahl an Recheneinheiten Zugriff hat. Eine Cloud ist ein zentraler Datenspeicher.
-
Computerprogrammprodukte umfassen in der Regel eine Folge von Befehlen, durch die die Hardware bei geladenem Programm veranlasst wird, ein bestimmtes Verfahren durchzuführen, das zu einem bestimmten Ergebnis führt.
-
Ein künstliches neuronales Netzwerk (KNN, englisch artificial neural network - ANN) ist insbesondere ein in einem Rechenprogramm nachgebildetes Netzwerk aus vernetzten künstlichen Neuronen. Die künstlichen Neuronen sind dabei typischerweise auf verschiedenen Schichten (layers) angeordnet. Üblicherweise umfasst das künstliche neuronale Netzwerk eine Eingangsschicht und eine Ausgabeschicht (output layer), deren Neuronenausgabe als einzige des künstlichen neuronalen Netzwerkes sichtbar wird. Zwischen der Eingangsschicht und der Ausgabeschicht liegende Schichten werden typischerweise als verdeckte Schichten (hidden layer) bezeichnet. Typischerweise wird zunächst eine Architektur bzw. Topologie eines künstlichen neuronalen Netzwerkes initiiert und dann in einer Trainingsphase für eine spezielle Aufgabe oder für mehrere Aufgaben in einer Trainingsphase trainiert.
-
Das Training des künstlichen neuronalen Netzwerkes umfasst dabei typischerweise eine Veränderung eines Gewichts einer Verbindung zwischen zwei künstlichen Neuronen des künstlichen neuronalen Netzwerkes. Das Gewicht enthält Information zur Stärke der Berücksichtigung eines Eingangs eines Neurons. Das Training des künstlichen neuronalen Netzwerkes kann auch eine Entwicklung von neuen Verbindungen zwischen künstlichen Neuronen, ein Löschen von bestehenden Verbindungen zwischen künstlichen Neuronen, ein Anpassen von Schwellwerten der künstlichen Neuronen und/oder ein Hinzufügen oder ein Löschen von künstlichen Neuronen umfassen.
-
Ein Beispiel für ein künstliches neuronales Netzwerk ist ein flaches künstliches neuronales Netzwerkwerk (shallow neural network), welches oft nur eine einzelne verdeckte Schicht zwischen der Eingabeschicht und der Ausgabeschicht enthalten und damit relativ einfach zu trainieren ist. Ein weiteres Beispiel ist ein tiefes künstliches neuronales Netzwerkwerk (deep neural network), welches zwischen der Eingangsschicht und der Ausgabeschicht mehrere verschachtelte verdeckte Schichten von künstlichen Neuronen enthält. Das tiefe künstliche neuronale Netzwerkwerk ermöglicht dabei eine verbesserte Erkennung von Mustern und komplexen Zusammenhängen
-
Beispielsweise kann das künstliche neuronale Netzwerk ein ein- bzw. mehrschichtiges feedforward-Netzwerk oder eine rekurrentes Netzwerk sein. Feedforward-Netzwerke weisen Neuronen auf, die ausschließlich vorwärtsgespeist werden, d.h. ein Neuron wird ausschließlich von höher liegenden Schichten gespeist.
-
Ein rekurrentes Netzwerk weist bidirektional verbundene Neuronen auf, d.h. ein Neuron wird zudem tiefer liegenden Schichten gespeist. Somit lässt sich bei einem späteren Durchlauf des KNN Information aus eine früheren Durchlauf berücksichtigen, wodurch ein Erinnerungsvermögen geschaffen wird.
-
Ein Trainingssystem ist eine Recheneinheit, auf welcher ein KNN trainiert wird.
-
Trainingsdaten sind in dieser Anmeldung Datenpaare aus Eingangsdaten, die von dem KNN zu verarbeiten sind, sowie Ergebnissolldaten, die von dem KNN zu ermitteln sind. Während des Trainings wird das KNN aufgrund eines Vergleichs von Ergebnissolldaten mit dem von dem KNN ermittelten Ergebnis angepasst, wodurch sich ein Trainingseffekt einstellt.
-
Die Eingangsdaten, mit welchen das KNN in dieser Anmeldung gespeist wird sind Geräusche bzw. Audiosignale, die Geräusche kodieren. Die Eingangsdaten können Kontaktgeräusche von Kopplungen enthalten.
-
Ein Audiosignal ist ein elektrisches Signal, das akustische Informationen transportiert.
-
Die grundlegende Idee der Erfindung ist es, die Geräuschemissionen während eines Kopplungsvorgangs zwischen einem Zugfahrzeug und einem Anhänger zu überwachen und die Geräuschemissionen hinsichtlich charakteristischer Geräusche einer fehlerhaften oder korrekten Kopplung auszuwerten.
-
Somit lässt sich eine Kopplung beispielsweise bei ungünstigen Sichtverhältnissen überprüfen.
-
Vorteilhafte Ausgestaltungen und Weiterbildungen ergeben sich aus den weiteren Unteransprüchen sowie aus der Beschreibung unter Bezugnahme auf die Figuren der Zeichnung.
-
Ferner kann es vorteilhaft sein, dass erfasste Geräusche hinsichtlich Abnutzungserscheinungen an den Kopplungsteilen wie Rost entstehen, gefiltert werden.
-
Gemäß einer bevorzugten Weiterbildung der Erfindung ist die Reaktion ein Warnsignal an einen Fahrer des Zugfahrzeugs. Somit lässt sich der Fahrer des Zugfahrzeugs über eine potentielle Gefahr durch ein unzureichend gesichertes Gespann informieren.
-
Alternativ kann die Reaktion auch ein weiterer Kopplungsversuch sein. Somit kann gewährleistet werden, dass autonome Kopplungsmanöver nicht nach einer fehlerhaften Kopplung abgebrochen werden. Alternativ oder zusätzlich kann vorgesehen sein, dass eine Ursache für die fehlerhafte Kopplung ermittelt wird und insbesondere entschieden wird, ob die Ursache der fehlerhaften Kopplung mit autonomen Mitteln behebbbar ist. Autonome Mittel werden ohne menschliche Unterstützung durchgeführt.
-
Gemäß einer bevorzugten Weiterbildung der Erfindung ist das Zugfahrzeug ein Straßenfahrzeug, insbesondere ein Lastkraftwagen, ein Personenkraftwagen und/oder ein Nutzfahrzeug, und/oder ein Schienenfahrzeug.
-
Gemäß einer bevorzugten Weiterbildung der Erfindung wird in dem erfassten Geräusch ein Pegelanstieg einer Lautstärke des Geräuschs detektiert und die Erfassung des Geräuschs wird nach einer vorbestimmten Zeitspanne nach dem Pegelanstieg beendet. Die Zeitspanne kann beispielsweise drei Sekunden betragen.
-
Dauert ein Kopplungsvorgang zu lange, ist dieser mit einer höheren Wahrscheinlichkeit fehlerhaft. Somit lassen sich derartige Kopplungsvorgänge erkennen, wenn dem erfassten Geräusch ein charakteristisches Kopplungsgeräusch fehlt.
-
Ferner wird der Rechenaufwand reduziert, da lediglich eine vorbestimmte Zeitspanne des Geräuschs auszuwerten ist. Somit lässt sich der Rechenaufwand eines Verfahrens gemäß einer Ausführungsform der Erfindung auch genauer abschätzen.
-
Gemäß einer bevorzugten Weiterbildung der Erfindung wird eine Kopplung des Gespanns ferner mittels einer Kamera ausgewertet. Somit lässt sich das detektierte Geräusch mittels Bilddaten überprüfen. Ferner lässt sich somit eine Ursache einer fehlerhaften Kopplung verständlich für einen Fahrer illustrieren.
-
Beispielsweise lässt sich die Stellung eines Taststiftes mit optischen Mitteln untersuchen. Bei einer korrekten Kopplung befindet sich der Taststift in einer verrriegelten Position, in der dieser bündig mit einem Gehäuse abschließt. In einer unverriegelten Stellung steht der Taststift deutlich hervor. Taststifte sind Anzeigemittel, dessen Stellung sich ertasten lässt.
-
Gemäß einer bevorzugten Weiterbildung der Erfindung wird das Geräusch mittels einer Vielzahl an Mikrophonen, insbesondere von einem Mikrophonarray, erfasst. Somit lässt sich der räumliche Ursprung eines Geräuschs genau lokalisieren. Ein Mikrophonarray umfasst eine Vielzahl von Mikrophonen, welche rasterartig angeordnet sind.
-
Gemäß einer bevorzugten Weiterbildung der Erfindung wird das erfasste Geräusch in mehrere Bestandteile zerlegt. Somit lassen sich Nebengeräusche, die nicht die Kopplung betreffen, ausblenden.
-
Gemäß einer bevorzugten Weiterbildung der Erfindung wird ferner eine Montage und/oder Inbetriebnahme der Kopplungsvorrichtung überwacht, indem Geräusche als Geräuschsignal, die während der Montage und/oder Inbetriebnahme der Kopplungsvorrichtung auftreten, mittels eines Mikrophons des Gespanns erfasst werden und für eine fehlerhafte Montage und/oder Inbetriebnahme charakteristische Geräusche und/oder für eine korrekte Montage und/oder Inbetriebnahme charakteristische Geräusche detektiert werden.
-
Dementsprechend lässt sich beispielsweise überprüfen, ob ausklappbare, verschwenkbare, einfahrbare oder dergleichen Kopplungsvorrichtungen sicher in einer Anhängestellung verriegelt sind.
-
Es versteht sich, dass Fahrerassistenzsysteme für einen Fahrer eines Gespanns zum Durchführen eines Verfahrens wie es vorstehend beschrieben wurde mit einer Vielzahl von Mikrophonen zum Erfassen von Geräuschen als Geräuschsignal, die während einer Kopplung zu einem Gespanns aus einem Zugfahrzeug und einem Anhänger an einer Kopplungsvorrichtung auftreten, einer Recheneinheit zum Auswerten der erfassten Geräuschsignale hinsichtlich des Detektierens von fehlerhaften bzw. korrekten Kopplungen zwischen einem Zugfahrzeug und einem Anhänger und zum Ermitteln einer Reaktion auf ein detektiertes charakteristisches Geräusch und mit einer Reaktionseinheit zum Durchführen einer ermittelten Reaktion aufgrund des detektierten charakteristischen Geräuschs vorteilhaft sind.
-
Das Computerprogrammprodukt gemäß einer Ausführungsform der Erfindung führt die Schritte eines Verfahrens gemäß der vorangehenden Beschreibung aus, wenn das Computerprogrammprodukt auf einem Computer, insbesondere einem fahrzeuginternen Computer, läuft. Wenn das betreffende Programm auf einem Computer zum Einsatz kommt, ruft das Computerprogrammprodukt einen Effekt hervor, nämlich die Erkennung von fehlerhaften Kopplungen von Gespannen, die eine potentielle Gefahr für den Straßenverkehr oder Schienenverkehr darstellen.
-
Gemäß einer bevorzugten Weiterbildung der Erfindung weist das Soll-Reaktionssignal der Trainingsdaten ein Warnsignal, welches an einen Fahrer gerichtet ist, auf.
-
Es versteht sich, dass ein Verfahren zum Trainieren eines künstlichen neuronalen Netzwerks eines Fahrerassistenzsystems mit den folgenden Schritten vorteilhaft ist: Bereitstellen von wenigstens einem Paar aus einem Audiosignal und einem Soll-Reaktionssignal; Vorwärtsspeisen des künstlichen neuronalen Netzwerks mit dem wenigstens einem Audiosignal; Ermitteln eines Ist-Reaktionssignals aufgrund des Vorwärtsspeisens; Rückwärtsspeisen des künstlichen neuronalen Netzwerks aufgrund eines Unterschieds zwischen dem Ist-Reaktionssignal und dem Soll-Reaktionssignal.
-
Das Computerprogrammprodukt gemäß einer Ausführungsform der Erfindung führt die Schritte eines Verfahrens gemäß der vorangehenden Beschreibung aus, wenn das Computerprogrammprodukt auf einem Computer, insbesondere einem fahrzeuginternen Computer, läuft. Wenn das betreffende Programm auf einem Computer zum Einsatz kommt, ruft das Computerprogrammprodukt einen Effekt hervor, nämlich maschinelles Lernen bzw. Trainieren eines KNN zum Detektieren von fehlerhaften Kopplungen zwischen einem Zugfahrzeug und einem Anhänger.
-
Figurenliste
-
Die vorliegende Erfindung wird nachfolgend anhand der in den schematischen Figuren der Zeichnungen angegebenen Ausführungsbeispiele näher erläutert. Es zeigen dabei:
- 1 ein Blockschaltbild einer Ausführungsform der Erfindung;
- 2 ein Blockschaltbild einer Ausführungsform der Erfindung;
- 3 ein Blockschaltbild einer Ausführungsform der Erfindung.
-
Die beiliegenden Zeichnungen sollen ein weiteres Verständnis der Ausführungsformen der Erfindung vermitteln. Sie veranschaulichen Ausführungsformen und dienen im Zusammenhang mit der Beschreibung der Erklärung von Prinzipien und Konzepten der Erfindung. Andere Ausführungsformen und viele der genannten Vorteile ergeben sich im Hinblick auf die Zeichnungen. Die Elemente der Zeichnungen sind nicht notwendigerweise maßstabsgetreu zueinander gezeigt.
-
In den Figuren der Zeichnungen sind gleiche, funktionsgleiche und gleichwirkende Elemente, Merkmale und Komponenten - sofern nicht anders ausgeführt ist - jeweils mit denselben Bezugszeichen versehen.
-
BESCHREIBUNG VON AUSFÜHRUNGSBEISPIELEN
-
1 zeigt ein Blockschaltbild eines Trainingssystems 10 gemäß einer Ausführungsform der Erfindung. Das Trainingssystem 10 umfasst eine Schnittstelle 12 sowie eine Auswerteeinheit 20 mit einem KNN 22. Das KNN 22 umfasst mehrere Neuronen, die in 1 vereinfacht mit 108a-f dargestellt sind. Dabei bilden die Neuronen 108a, b eine Eingangsschicht 102, die Neuronen 108c, d, e bilden eine verdeckte Schicht 104 und das Neuron 108f bildet eine Ausgabeschicht 106.
-
Die Neuronen 108a, b der Eingangsschicht 102 werden über die Schnittstelle 12 mit einem Audiosignal 16 vorwärtsgespeist. Das Audiosignal 16 wird in den Neuronen 108a, b der Eingangsschicht mit Initialgewichten gewichtet. Dabei kann vorgesehen sein, dass das Audiosignal 16 in mehrere Signalanteile zerlegt wird und die Signalanteile gewichtet werden. Es kann vorgesehen sein, dass auf die gewichteten Eingangsdaten eine oder mehrere Funktionen angewendet werden. Die Auswertung der Funktion bildet den Ausgabewert eines Neurons 108a, b, der an die Neuronen 108c, d, e der nächst tieferen Schicht, also der verdeckten Schicht 104, als Eingangswerte übergeben werden. Es kann vorgesehen sein, dass die verdeckte Schicht 104 mehrere Schichten aufweist.
-
Ähnlich wie in der Eingangsschicht 102 werden die an die Neuronen 108c, d, e der verdeckten Schicht übergebenen Eingangswerte gewichtet und eine oder mehrere Funktionen wird auf die gewichteten Eingangswerte angewendet. Die Auswertung der Funktionen, die auf die gewichteten Eingangswerte angewendet wird, bilden die Ausgangswerte der Neuronen 108c, d, e. Diese Ausgangswerte werden an die Neuronen der Ausgabeschicht 106 als Eingangswerte übergeben. In 1 sind die Neuronen der Ausgabeschicht 106 beispielhaft als ein Neuron 108f dargestellt. Das Neuron 108f errechnet aus den Eingabewerten, die von den Neuronen 108c, d, e der verdeckten Schicht 104 übergeben wurden, unter Gewichtung der Eingabewerte und unter Anwendung einer oder mehrerer Funktionen auf die gewichteten Eingabewerte einen Ausgangswert. Von diesem Ausgangswert lässt sich ein Ist-Reaktionssignal 24 ableiten. Dieser Ablauf wird auch als Vorwärtsspeisen eines KNN bezeichnet.
-
In einem nächsten Schritt wird das Ist-Reaktionssignal 24 mit dem Soll-Reaktionssignal 18, welches der Auswerteeinheit 20 über die Schnittstelle 12 übergeben wurde, verglichen.
-
Im nächsten Schritt wird die Topologie der einzelnen Schichten 102, 104, 106 des KNN 22 derart angepasst, dass das KNN 22 für das übergebene Audiosignal 16 das Soll-Reaktionssignal 18 errechnet. Die Anpassung der Topologie 26 kann dabei eine Veränderung der Gewichte, das Hinzufügen von Verbindungen zwischen Neuronen, das Entfernen von Verbindungen zwischen Neuronen und/oder das Verändern von Funktionen, die auf gewichtete Eingangswerte angewendet werden, umfassen. Dieser Ablauf wird auch als Rückwärtsspeisen eines KNN bezeichnet.
-
Die 2 zeigt ein Blockschaltbild eines Verfahrens zum Trainieren eines KNN gemäß einer Ausführungsform der Erfindung. Das Verfahren umfasst die Schritte S1-S4.
-
In dem Schritt S1 wird ein Signalpaar aus einem Audiosignal 16 und einem Soll-Reaktionssignal 18 bereitgestellt.
-
In dem Schritt S2 wird das KNN 22 mit dem Audiosignal 16 vorwärtsgespeist.
-
In dem Schritt S3 wird ein Ist-Reaktionssignal 24 aufgrund des Vorwärtsspeisens S2 ermittelt.
-
In dem Schritt S4 wird das künstliche neuronale Netzwerk 22 aufgrund eines Unterschieds zwischen dem Ist-Reaktionssignal 24 und dem Soll-Reaktionssignal 18 rückwärtsgespeist. Dabei wird eine veränderte Topologie 26 des KNN, insbesondere Gewichte, um die Ermittlung von Ist-Reaktionssignalen aufgrund des Vorwärtsspeisens zu verbessern, ermittelt.
-
Die 3 zeigt ein Blockschaltbild eines Verfahrens zum Detektieren von fehlerhaften bzw. korrekten Kopplungen zwischen einem Zugfahrzeug und einem Anhänger. In dem Schritt St1 werden Geräusche, die während einer Kopplung zu einem Gespanns aus einem Zugfahrzeug und einem Anhänger an einer Kopplungsvorrichtung auftreten, als Geräuschsignal mittels eines Mikrophons, erfasst. In dem Schritt St2.1 wird ein für eine fehlerhafte Kopplung charakteristisches Geräusch detektiert. Alternativ oder zusätzlich zu dem Schritt 2.1 wird in dem Schritt St2.2 ein für eine fehlerhafte Kopplung charakteristisches Geräusch detektiert.
-
In dem Schritt St3 wird eine Reaktion auf das detektierte charakteristische Geräusch mittels einer Recheneinheit des Gespanns ermittelt.
-
Bezugszeichenliste
-
- 10
- Trainingssystem
- 12
- Schnittstelle
- 14
- Trainingsdaten
- 16
- Audiosignal
- 18
- Soll-Reaktionssignal
- 20
- Auswerteeinheit
- 22
- künstliches neuronales Netzwerk
- 24
- Ist-Reaktionssignal
- 26
- Topologie
- 102
- Eingangsschicht
- 104
- verdeckte Schicht
- 106
- Ausgabeschicht
- 108a-f
- Neuronen
- S1-S4
- Verfahrensschritte
- St1 - St3
- Verfahrensschritte
