DE102019219084A1 - Verfahren und Vorrichtung zum Bestimmen eines Zustandes einer Maschine - Google Patents
Verfahren und Vorrichtung zum Bestimmen eines Zustandes einer Maschine Download PDFInfo
- Publication number
- DE102019219084A1 DE102019219084A1 DE102019219084.7A DE102019219084A DE102019219084A1 DE 102019219084 A1 DE102019219084 A1 DE 102019219084A1 DE 102019219084 A DE102019219084 A DE 102019219084A DE 102019219084 A1 DE102019219084 A1 DE 102019219084A1
- Authority
- DE
- Germany
- Prior art keywords
- sensors
- machine
- model
- features
- computing unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/22—Safety or indicating devices for abnormal conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
- B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
- B60R16/0234—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions related to maintenance or repairing of vehicles
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D2041/1412—Introducing closed-loop corrections characterised by the control or regulation method using a predictive controller
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D2200/00—Input parameters for engine control
- F02D2200/02—Input parameters for engine control the parameters being related to the engine
- F02D2200/025—Engine noise, e.g. determined by using an acoustic sensor
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D2200/00—Input parameters for engine control
- F02D2200/02—Input parameters for engine control the parameters being related to the engine
- F02D2200/06—Fuel or fuel supply system parameters
- F02D2200/063—Lift of the valve needle
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
- F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
- F02D41/2425—Particular ways of programming the data
- F02D41/2429—Methods of calibrating or learning
- F02D41/2438—Active learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
Verfahren (10) zum Bestimmen eines Zustandes (20) einer Maschine (11), gekennzeichnet durch folgende Merkmale (17):- die Maschine (11) wird durch Sensoren (12, 13) fortlaufend überwacht (14),- Messsignale (15) der Sensoren (12, 13) werden einer Recheneinheit (16) zugeführt,- durch die Recheneinheit (16) extrahierte Merkmale (17) der Messsignale (15) werden anhand eines Modelles (19) ausgewertet und- der Zustand (20) wird mittels des Modelles (19) aus den Merkmalen (17) abgeleitet.
Description
- Die vorliegende Erfindung betrifft ein Verfahren zum Bestimmen eines Zustandes einer Maschine und Erkennen von Anomalien in ihren Komponenten. Die vorliegende Erfindung betrifft darüber hinaus eine entsprechende Vorrichtung, ein entsprechendes Computerprogramm sowie ein entsprechendes Speichermedium.
- Stand der Technik
- Während des Fahrbetriebes eines Kraftfahrzeuges nach dem Stand der Technik werden alle abgasbeeinflussenden Systeme und weitere wichtige Steuergeräte, deren Daten durch ihre Software zugänglich sind, zum Zwecke der Borddiagnose (on-board diagnosis, OBD) überwacht. Einschlägige Verfahren umfassen beispielsweise elektrische Diagnosen wie die Erkennung von Kurzschlüssen nach Masse oder Batterie, Kabelbrüchen oder unplausiblen Spannungen zwischen bestimmten Leitungen ebenso wie Plausibilitätsprüfung, Abgleich und Gradienten-Überwachung unterschiedlichster von Sensoren gelieferter Messsignale.
- Auf diesem Weg erkannte Fehler werden dem Fahrer über eine Kontrollleuchte angezeigt und im jeweiligen Steuergerät dauerhaft gespeichert, sodass sie später durch eine Fachwerkstatt über genormte Schnittstellen abgefragt werden können.
-
DE102013200573A1 beispielsweise betrifft ein Verfahren und eine zugehörige Vorrichtung zur aktiven Diagnose von Komponenten einer Abgasreinigungsanlage einer Brennkraftmaschine, welche mindestens einen Katalysator aufweist, mit einer vor dem Katalysator angeordneten ersten Abgassonde und einer hinter dem Katalysator angeordneten zweiten Abgassonde, wobei während einer Vorkonditionierung mit einem Luft-KraftstoffGemisch mit einem fetten Luft-Kraftstoff-Verhältnis und in einer anschließenden Messphase mit einem mageren Luft-Kraftstoff-Verhältnis betrieben wird und wobei eine Sauerstoff-Speicherfähigkeit des Katalysators aus einem integrierten Sauerstoffeintrag in den Katalysator während der Messphase bis zum Nachweis eines mageren Luft-Kraftstoff-Verhältnisses an der zweiten Abgassonde bestimmt wird oder wobei zur Bestimmung der Sauerstoff-Speicherfähigkeit die Brennkraftmaschine während der Vorkonditionierung mit einem mageren Luft-Kraftstoff-Verhältnis betrieben und in der anschließenden Messphase mit einem fetten Luft-Kraftstoff-Verhältnis betrieben wird und wobei die Sauerstoff-Speicherfähigkeit aus einem integrierten Sauerstoffaustrag aus dem Katalysator während der Messphase bis zum Nachweis eines fetten Luft-Kraftstoff-Verhältnisses an der zweiten Abgassonde bestimmt wird. - Offenbarung der Erfindung
- Die Erfindung stellt ein Verfahren zum Bestimmen eines Zustandes einer Maschine, eine entsprechende Vorrichtung, ein entsprechendes Computerprogramm sowie ein entsprechendes Speichermedium gemäß den unabhängigen Ansprüchen bereit.
- Der erfindungsgemäße Ansatz fußt auf der Erkenntnis, dass Diagnosesysteme nach dem Stand der Technik typischerweise nicht in der Lage sind, Komponenten, die nicht abgasrelevant sind oder entsprechende Sensoren besitzen, zu überwachen. Die Erkennung von Anomalien an den Komponenten und eine Vorhersage von Komponentenausfällen ist nicht ohne weiteres möglich, da gattungsmäßige Diagnosesysteme in der Regel lediglich dazu ausgelegt sind, bereits eingetretene Fehler zu erkennen. Die Vorhersage von Fehlern indes zählt nicht zum Funktionsumfang derartiger Diagnosesysteme. Hinzu kommt, dass Messgrößen, deren zeitlicher Verlauf auf Anomalien und auf zukünftige Fehler hinweisen könnte, nicht oder allenfalls anhand akkumulierter Werte aufgezeichnet werden, sodass keine historische Datenbasis für eine solche fahrzeuginterne Fehlervorhersage vorliegt.
- Ein Grundgedanke der vorgeschlagenen Lösung besteht vor diesem Hintergrund darin, herkömmlicherweise nicht oder nur reduziert überwachte Maschinenkomponenten - z. B. Motor- oder anderweitige Antriebskomponenten - mit Hilfe von Körperschall- oder Piezo-Sensoren zu überwachen, um u. a. mechanische Ausfälle durch Risse am Material oder Lagerverschleiß an einer Pumpe, das vollständige Versagen einzelner Komponenten oder Erreichen anderer Eingriffsschwellen zu ermitteln und vorherzusagen.
- Zu diesem Zweck können die solchermaßen erfassten Sensor-Signale in einer Recheneinheit wie einem zentralen Fahrzeugsteuergerät (vehicle control unit, VCU) oder einer anderweitigen elektronischen Steuereinheit (electronic control unit, ECU) im Fahrzeug überwacht und für die weitere Verarbeitung vorbereitet werden, indem mit einem geeigneten Algorithmus errechnet wird. Die Signale können in der Recheneinheit oder elektronischen Steuereinheit in Form von transiente Signale, Diagnosemerkmale bzw. statistische Features oder Ihre Frequenzen bzw. als Spektogramm oder Spektralbändern verwendet bzw. für die weitere Analyse vorbereitet werden. Die Daten und Merkmale aus dem Signal können mit Hilfe maschinellen Lernens (machine learning) - etwa mittels künstlicher neuronaler Netze - oder auf Basis von Daten- und physikalischen Modellen mit dem Ziel ausgewertet werden, den aktuellen Zustand der überwachten Komponente, Anomalien in den Überwachten Komponenten zu detektieren, deren verbleibende Lebensdauer oder den erwarteten Zeitpunkt vorherzusagen, an dem ihre Funktionsminderung für den Fahrer wahrnehmbar wird.
- Für intensive Berechnungen können die Signale der Sensoren in Form geeigneter Daten über eine Telematik-Einheit des Fahrzeugs oder ein Handy in die Cloud gesendet werden und die Merkmalsextraktion kann in der Cloud erfolgen.
- Auf diese Weise können unvorhersehbare Ausfälle sowie ungeplante Werkstattbesuche oder sogar Autopannen vermieden werden. Dies wiederum steigert den Komfort des Fahrzeugführers und etwaiger Fahrgäste. Die erfindungsgemäß ermöglichte gezielte Erkennung der Anomalie oder defekten Komponente und Fehlerart erhöht die Planbarkeit etwaiger Werkstattaufenthalte und spart ggf. Zeit bei der Fehlersuche in der Werkstatt oder beim Erstausrüster (original equipment manufacturer, OEM).
- Ein Vorzug der erfindungsgemäßen Zustandsüberwachung (monitoring) von Motorkomponenten und Systemen liegt somit in der eröffneten Möglichkeit zur Erkennung oder gar Prognose von Defekten und Verschleißerscheinungen sowie deren Lokalisierung (pinpointing). Einschlägige Informationen können mittels Web-Services und anderweitiger Cloud-Lösungen über die Luftschnittstelle (over the air) bereitgestellt werden. Eine OBD-Schnittstelle ist hierzu nicht zwingend erforderlich.
- Durch die in den abhängigen Ansprüchen aufgeführten Maßnahmen sind vorteilhafte Weiterbildungen und Verbesserungen des im unabhängigen Anspruch angegebenen Grundgedankens möglich.
- Figurenliste
- Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigt:
-
1 das Flussdiagramm eines Verfahrens gemäß einer ersten Ausführungsform. -
2 schematisch ein Steuergerät gemäß einer zweiten Ausführungsform. - Ausführungsformen der Erfindung
-
1 illustriert den grundlegenden Ablauf eines erfindungsgemäßen Verfahrens (10 ). Um den Zustand (20 ) von Komponenten einer Maschine (11 ) zu messen, werden demnach Körperschallsensoren (12 ) wie Schwinggeschwindigkeitsaufnehmer, Schwingwegaufnehmer oder Schwingbeschleunigungsaufnehmer verwendet. Piezokeramiken sind hierzu besonders geeignet. In Betracht kommen insbesondere die in herkömmlichen Fahrzeugen ohnehin vorgesehenen Bord-Sensoren, im Falle von Benzinmotoren etwa der im Motorblock bzw. Kurbelgehäuse eingebaute Klopfsensor (24 ) oder im Falle on CRI2- oder CRI3-Dieselmotoren die auf den Injektoren verbauten Nadelschließsensoren (needle closing sensors, NCS; 25). Es können ein oder mehrere Körperschallsensoren (12 ) bzw. ein oder mehrere Piezo-Sensoren (13 ) verwendet oder aus der ECU oder anderweitigen Komponente kommende Signale genutzt werden, um die Qualität der Vorhersage (21 ) und Analysequalität zu erhöhen. - Die Sensoren (
12 ) messen den Körperschall, also ein mechanisches Schwingen, und wandeln dieses in elektrische Spannung um. Das resultierende Spannungssignal (15 ) kann je nach Anwendungsfall elektrisch verstärkt oder über Analogfilter vorverarbeitet werden. Zur digitalen Weiterverarbeitung wird das Signal (15 ) in einen digitalen Datenstrom gewandelt. - Der digitale Datenstrom wird in einer Recheneinheit (
16 ) im Fahrzeug verarbeitet. Zur Verarbeitung und Analyse kommen verschieden Methoden und Algorithmen zum Einsatz. Das durch die Daten repräsentierte Signal (15 ) kann beispielsweise auf Zeit- und Frequenzebene auf Vorliegen bestimmter Frequenzen und Bereichen/Abschnitte oder Überschreitung bestimmter Schwellwerte hin analysiert werden. Die auf diesem Wege extrahierten Daten und/oder Merkmale (17 ) können schließlich als Eingabe für physikalische oder durch maschinelles Lernen (18 ) gebildete statistische Modelle (19 ) dienen. - Angesichts der begrenzten Rechenleistung der Recheneinheiten (
16 ) an Bord konventioneller Fahrzeuge können rechenintensivere Analysen ausgelagert werden. Hierzu werden die extrahierten Daten und/oder Merkmale (17 ) vorzugsweise paketorientiert über eine Sendeeinheit (22 ) in Gestalt einer Kommunikationsschnittstelle (connectivity control unit, CCU) oder Telematik-Einheit (telematics unit, TCU) an einen externen Rechner beispielsweise in der Cloud (23 ) gesendet. Auf dem Server werden die Merkmalsdaten (17 ) sodann gespeichert und können mit weiteren Flottendaten kombiniert sowie zur weiteren Verarbeitung vorbereitet werden. Die Daten und/oder Merkmale (17 ) werden in der Cloud (23 ) hierzu beispielsweise durch auf maschinellem Lernen (18 ) beruhende Methoden im Hinblick auf mögliche Fehlerfälle der Maschine (11 ) ausgewertet, um eine diesbezügliche Vorhersage (21 ) zu treffen. Das beschriebene Zusammenführen der in unterschiedlichen Fahrzeugen einer Flotte gewonnenen Merkmalsdaten (17 ) verbessert die im Rahmen des Verfahrens (10 ) genutzten Modelle (19 ), erfordert aber externe Rechner z. B. in der Cloud (23 ). - Dabei kommt eine Vielzahl einschlägiger Modelle (
19 ) und Algorithmen in Betracht. Typischerweise wird für jeden vorherzusagenden Zustand (20 ) ein eigenes Modell (19 ) verwendet. In Einzelfällen mag ein einzelnes Modell (19 ) gleichwohl zur Vorhersage (21 ) mehrerer Komponentenausfälle herangezogen werden. - Dieses Vorgehen sei an einem konkreten Beispiel verdeutlicht: Der NCS (
25 ) eines CRS3-Injektors etwa überwacht (14) an einem - bezüglich des oberen Totpunkts des betreffenden Zylinders definierten - Punkt des Verbrennungszyklus über eine definierte Zeitspanne von z. B. 400 ms. Die durch die ECU (16 ) extrahierten Merkmale (17 ) des abgetasteten Signales (15 ) werden an die VCU (22 ) übertragen und z. B. durch einen Encoder komprimiert gespeichert. In der ECU (16 ) oder VCU (22 ) können das Signal (15 ) oder dessen Merkmale (17 ) bereits plausibilisiert und auf Gültigkeit geprüft werden, sodass nur zulässige Signale (15 ) weiterverarbeitet werden. Diese Überwachung (14 ), Übertragung, Komprimierung und Speicherung erfolgt über die Dauer des Fahrzyklus in definierten Zeitabständen und nur, wenn sich das Fahrzeug in einem definierten Zustand befindet, z. B. nur in Schubphasen. Es werden so viele Merkmale (17 ) gesammelt, bis eine vorgegebene Datenmenge erreicht ist. Anschließend werden die Merkmale (17 ) in die Cloud (23 ) übermittelt. - In der Cloud (
23 ) werden die Merkmalsdaten (17 ) dekomprimiert und in einer Datenbank mit Bestandsdaten zusammengeführt. Anschließend werden Vorhersagemodelle (19 ) auf die neue Datenbasis angewandt und neue Vorhersagen (21 ) getroffen. Hierzu werden die Merkmalsdaten (17 ) zwecks Anomalie-Erkennung durch ein neuronales Faltungsnetz (convolutional neural network) propagiert. Als untersuchte Parameter dienen beispielsweise Frequenz und Amplitude. Zur Verbesserung des Modells (19 ) werden zusätzlich weitere Messgrößen vom Fahrzeug übermittelt. Zu denken ist etwa an Kühlwassertemperatur, Rail-Druck und Umgebungstemperatur. Das im vorliegenden Anwendungsbeispiel als Modell (19 ) eingesetzte CNN klassifiziert das zugrundeliegende Signal (15 ) anhand der an seinem Eingang anliegenden Merkmalsdaten (17 ) als normal oder anormal. Wird über eine bestimmte Anzahl an Messungen auf diesem Wege eine Anomalie detektiert, so lässt sich mittels eines weiteren Algorithmus die Restreichweite berechnen. Diese Information kann dem Fahrzeugführer oder -halter übermittelt oder anderweitig bereitgestellt werden. - Dieses Verfahren (
10 ) kann beispielsweise in Software oder Hardware oder in einer Mischform aus Software und Hardware beispielsweise in einem Steuergerät (30 ) implementiert sein, wie die schematische Darstellung der2 verdeutlicht. - ZITATE ENTHALTEN IN DER BESCHREIBUNG
- Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
- Zitierte Patentliteratur
-
- DE 102013200573 A1 [0004]
Claims (10)
- Verfahren (10) zum Bestimmen eines Zustandes (20) einer Maschine (11), gekennzeichnet durch folgende Merkmale (17): - die Maschine (11) wird durch Sensoren (12, 13) fortlaufend überwacht (14), - Messsignale (15) der Sensoren (12, 13) werden einer Recheneinheit (16) zugeführt, - durch die Recheneinheit (16) extrahierte Merkmale (17) der Messsignale (15) werden anhand eines Modelles (19) ausgewertet und - der Zustand (20) wird mittels des Modelles (19) aus den Daten und/oder Merkmalen (17) abgeleitet.
- Verfahren (10) nach
Anspruch 1 , gekennzeichnet durch folgendes Merkmal: - mittels des Modelles (19) wird ferner eine Vorhersage (21) hinsichtlich eines etwaigen Ausfalles der Maschine (11) getroffen. - Verfahren (10) nach
Anspruch 1 oder2 , gekennzeichnet durch mindestens eines der folgenden Merkmale: - das Modell (19) ist ein durch maschinelles Lernen (18) gebildetes statistisches Modell (19) oder - das Modell (19) ist ein physikalisches Teilmodell der überwachten (14) Maschine (11). - Verfahren (10) nach einem der
Ansprüche 1 bis3 , gekennzeichnet durch folgende Merkmale: - die Daten/Merkmale (17) werden durch eine Sendeeinheit (22) in eine Cloud (23) hochgeladen und - das Auswerten erfolgt in der Cloud (23). - Verfahren (10) nach einem der
Ansprüche 1 bis4 , gekennzeichnet durch mindestens eines der folgenden Merkmale: - die Recheneinheit (16) ist ein Computer, Mikrocontroller, Mikroprozessor oder - die Recheneinheit (16) ist ein Fahrzeug- oder anderweitiges Steuergerät. - Verfahren (10) nach einem der
Ansprüche 1 bis5 , gekennzeichnet durch mindestens eines der folgenden Merkmale: - die Sensoren (12, 13) umfassen Körperschallsensoren (12), - die Sensoren (12, 13) umfassen Piezo-Sensoren (13) oder - die Messsignale (15) werden in der Recheneinheit (16) durch zusätzliche Signale ergänzt. - Verfahren (10) nach einem der
Ansprüche 1 bis6 , gekennzeichnet durch eines der folgenden Merkmale: - die Sensoren (12, 13) umfassen einen Klopfsensor (24) oder - die Sensoren (12, 13) umfassen einen Nadelschließsensor (25). - Computerprogramm, welches eingerichtet ist, das Verfahren (10) nach einem der
Ansprüche 1 bis7 auszuführen. - Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach
Anspruch 8 gespeichert ist. - Vorrichtung (30), die eingerichtet ist, das Verfahren (10) nach einem der
Ansprüche 1 bis7 auszuführen.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019219084.7A DE102019219084A1 (de) | 2019-12-06 | 2019-12-06 | Verfahren und Vorrichtung zum Bestimmen eines Zustandes einer Maschine |
PCT/EP2020/077993 WO2021110301A1 (de) | 2019-12-06 | 2020-10-06 | Verfahren und vorrichtung zum bestimmen eines zustandes einer maschine |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019219084.7A DE102019219084A1 (de) | 2019-12-06 | 2019-12-06 | Verfahren und Vorrichtung zum Bestimmen eines Zustandes einer Maschine |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102019219084A1 true DE102019219084A1 (de) | 2021-06-10 |
Family
ID=72752931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019219084.7A Pending DE102019219084A1 (de) | 2019-12-06 | 2019-12-06 | Verfahren und Vorrichtung zum Bestimmen eines Zustandes einer Maschine |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102019219084A1 (de) |
WO (1) | WO2021110301A1 (de) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113665502A (zh) * | 2021-07-08 | 2021-11-19 | 深圳市道通科技股份有限公司 | 车辆系统说明图生成方法、展示方法和辅助故障诊断方法 |
DE102021213931A1 (de) | 2021-12-08 | 2023-06-15 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Ermitteln von Betriebsvariablen einer Brennkraftmaschine |
DE102021133338A1 (de) | 2021-12-15 | 2023-06-15 | Balluff Gmbh | Verfahren zur Überwachung mittels maschinellem Lernen |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6694243B2 (en) * | 2001-02-27 | 2004-02-17 | General Motors Corporation | Method and apparatus for determining oxygen storage capacity time of a catalytic converter |
DE102008005524A1 (de) * | 2008-01-22 | 2009-07-23 | Robert Bosch Gmbh | Verfahren zum Steuern eines selbstzündenden Verbrennungsmotors und Steuervorrichtung zum Steuern eines selbstzündenden Verbrennungsmotors |
DE102009000088B4 (de) * | 2009-01-08 | 2011-07-07 | Ford Global Technologies, LLC, Mich. | Anordnung und Verfahren zur Verminderung von Schwingungen eines Verbrennungsmotors |
DE102013200573A1 (de) | 2013-01-16 | 2014-07-17 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur aktiven Diagnose von Komponenten einer Abgasreinigungsanlage einer Brennkraftmaschine |
DE102017215541A1 (de) * | 2017-09-05 | 2019-03-07 | Robert Bosch Gmbh | Verfahren zur Erkennung einer Schädigung eines Kraftstoffinjektors |
US10553046B2 (en) * | 2018-04-05 | 2020-02-04 | GM Global Technology Operations LLC | Vehicle prognostics and remedial response |
-
2019
- 2019-12-06 DE DE102019219084.7A patent/DE102019219084A1/de active Pending
-
2020
- 2020-10-06 WO PCT/EP2020/077993 patent/WO2021110301A1/de active Application Filing
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113665502A (zh) * | 2021-07-08 | 2021-11-19 | 深圳市道通科技股份有限公司 | 车辆系统说明图生成方法、展示方法和辅助故障诊断方法 |
CN113665502B (zh) * | 2021-07-08 | 2023-03-03 | 深圳市道通科技股份有限公司 | 车辆系统说明图生成方法、展示方法和辅助故障诊断方法 |
DE102021213931A1 (de) | 2021-12-08 | 2023-06-15 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zum Ermitteln von Betriebsvariablen einer Brennkraftmaschine |
DE102021133338A1 (de) | 2021-12-15 | 2023-06-15 | Balluff Gmbh | Verfahren zur Überwachung mittels maschinellem Lernen |
Also Published As
Publication number | Publication date |
---|---|
WO2021110301A1 (de) | 2021-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021110301A1 (de) | Verfahren und vorrichtung zum bestimmen eines zustandes einer maschine | |
DE102020103768B4 (de) | Überwachung und Diagnose von Fahrzeugsystemproblemen mit Maschinenlern-Klassifikatoren | |
DE19651986B4 (de) | Verfahren und Vorrichtung zum Vergleich von Maschinen in einer Flotte | |
DE102018126501B3 (de) | Verfahren zur Wartungsvorhersage von Komponenten einer Brennkraftmaschine mittels Körperschallsensor | |
DE112009000439T5 (de) | Fahrzeuginformationsaufzeichnungsvorrichtung, Fahrzeuginformationskommunikationssystem und Fahrzeuginformationskommunikationsverfahren | |
WO2010037596A1 (de) | Verfahren und vorrichtung zur verschleissdiagnose eines kraftfahrzeugs | |
DE102015214739A1 (de) | Bestimmung einer Fehlerursache bei einem Fahrzeug | |
DE10235525A1 (de) | Verfahren und System zur Überwachung des Zustands eines Fahrzeugs | |
WO2003023721A2 (de) | Vorrichtung und verfahren zur früherkennung und vorhersage von aggregateschädigungen | |
DE112012003854T5 (de) | Systeme und Verfahren zur Diagnose eines Motors | |
DE102006060286A1 (de) | Verfahren zur Überwachung von Funktionskomponenten eines Kraftfahrzeuges | |
DE102017205361A1 (de) | Verfahren und Computerprogrammprodukt zur Diagnose eines Partikelfilters | |
DE19959526A1 (de) | Verfahren zum Erkennen von Fehlern eines Kraftfahrzeuges | |
DE102009041823A1 (de) | Verfahren und Vorrichtung zur Überwachung des Fahrverhaltens eines Schienenfahrzeugs | |
DE102007059523A1 (de) | Verfahren und Vorrichtung zur Diagnose eines Partikelfilters | |
DE102019108446A1 (de) | Verfahren und Vorrichtung zum Isolieren eines fahrzeugseitigen Fehlers | |
DE102018003801B4 (de) | Verfahren und Steueranordnung zur Vorhersage einer Fehlfunktion einer Radlagereinheit einer Achse in einem Fahrzeug | |
WO2012136407A1 (de) | Verfahren zur diagnose eines aufladesystems von verbrennungsmotoren | |
EP2210239B1 (de) | Verfahren zum erfassen von informationen | |
DE60015592T2 (de) | Verfahren und vorrichtung zum schätzen der leistung der kraftstoffpumpe | |
DE102013111392B4 (de) | Vorrichtung für die Schadenserkennung an einem selbstfahrenden Testfahrzeug | |
DE102005009103B4 (de) | Verfahren und Vorrichtung zur Diagnose eines einem Ansaugtrakt einer Brennkraftmaschine zugeordneten Luftemperatursensors | |
DE10062606A1 (de) | Verfahren und Einrichtung zum Überwachen des mechanischen Zustands von elektrisch angetriebenen Fahrzeugen im regulären Fahrbetrieb | |
DE102019204198A1 (de) | Verfahren zum Überwachen einer Antriebseinheit zum Antreiben eines Kraftfahrzeugs, Computerprogrammprodukt und Kraftfahrzeug | |
DE102015214987B4 (de) | Bestimmung eines defekten Bauteils eines Fahrzeugs |