DE102020103768A1

DE102020103768A1 - Überwachung und Diagnose von Fahrzeugsystemproblemen mit Maschinenlern-Klassifikatoren

Info

Publication number: DE102020103768A1
Application number: DE102020103768.6A
Authority: DE
Inventors: Yue-Yun Wang; Ibrahim Haskara; David Sun; Yusheng Zou; Shiming Duan; Chi-Kuan Kao; Xiangxing Lu
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2019-03-28
Filing date: 2020-02-13
Publication date: 2020-10-01
Anticipated expiration: 2040-02-14
Also published as: DE102020103768B4; US20200312056A1; CN111753867A; US10922906B2

Abstract

Ein System zum Überwachen des Betriebs eines Fahrzeugs umfasst eine Verarbeitungsvorrichtung mit einer Schnittstelle, die eingerichtet ist, Messdaten von Sensorvorrichtungen zu empfangen, die zur Messung von Parametern eines Fahrzeugsystems eingerichtet sind. Die Verarbeitungsvorrichtung ist so eingerichtet, dass sie Messdaten von jeder der mehreren Sensorvorrichtungen empfängt und in Erwiderung auf das Erkennen einer Fehlfunktion im Fahrzeug mindestens eine Teilmenge der Messdaten in einen maschinell lernenden Klassifikator eingibt, der einem Fahrzeug-Subsystem zugeordnet ist, wobei der Klassifikator so eingerichtet ist, dass er eine Klasse definiert, die dem normalen Betrieb des Fahrzeug-Subsystems zugeordnet ist. Die Verarbeitungsvorrichtung ist auch so eingerichtet, dass sie feststellt, ob die Teilmenge der Messdaten zu der Klasse gehört, und auf der Grundlage mindestens einer ausgewählten Menge der Teilmenge der Messdaten, die außerhalb der Klasse liegt, eine Fehleranzeige ausgibt, wobei die Fehleranzeige das Subsystem des Fahrzeugs als einen Beitrag zu der Fehlfunktion leistend identifiziert.

Description

EINLEITUNG
Der Gegenstand der Offenbarung bezieht sich auf das Fachgebiet der Kraftfahrzeuge und insbesondere auf ein System und Verfahren zur Prüfung oder Diagnose von Bauteilen eines Verbrennungsmotors.
Moderne Fahrzeuge benötigen eine Vielzahl von Subsystemen zur Steuerung verschiedener Aspekte des Fahrzeugbetriebs. Fahrzeugmotoren umfassen im Allgemeinen Subsysteme und Komponenten zur Steuerung des Motorbetriebs, des Luftstroms und der Kühlung, der Kraftstoffeinspritzung, des Auspuffs und anderer Vorgänge. Wenn eine Fehlfunktion auftritt, wie z.B. ein rauer Leerlauf oder eine Fehlzündung, ist die Ursache dieser Fehlfunktion möglicherweise nicht ohne weiteres erkennbar.
Da es viele mögliche Ursachen für eine Fahrzeugstörung geben kann, kann es eine Herausforderung sein, die Ursache auf bestimmte Subsysteme oder Komponenten einzugrenzen.
BESCHREIBUNG
In einer beispielhaften Ausführungsform umfasst ein System zum Überwachen des Betriebs eines Fahrzeugs eine Verarbeitungsvorrichtung mit einer Schnittstelle, die so eingerichtet ist, dass sie Messdaten von einer Vielzahl von Sensorvorrichtungen empfängt, wobei jede Sensorvorrichtung der Vielzahl von Sensorvorrichtungen so eingerichtet ist, dass sie einen Parameter eines Fahrzeugsystems misst. Die Verarbeitungsvorrichtung ist so eingerichtet, dass sie Messdaten von jeder der mehreren Sensorvorrichtungen empfängt und in Erwiderung auf die Erkennung einer Fehlfunktion im Fahrzeug mindestens eine Teilmenge der Messdaten in einen maschinell lernenden Klassifikator eingibt, der einem Fahrzeug-Subsystem zugeordnet ist, wobei der Klassifikator so eingerichtet ist, dass er eine Klasse definiert, die dem normalen Betrieb des Fahrzeug-Subsystems zugeordnet ist. Die Verarbeitungsvorrichtung ist außerdem so eingerichtet, dass sie durch den Klassifikator bestimmt, ob die Teilmenge der Messdaten zu der Klasse gehört, und auf der Grundlage mindestens einer ausgewählten Menge der Teilmenge der Messdaten, die außerhalb der Klasse liegt, eine Fehleranzeige ausgibt, wobei die Fehleranzeige das Subsystem des Fahrzeugs als einen Beitrag zu der Fehlfunktion identifiziert.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale ist der Klassifikator so eingerichtet, dass er die Teilmenge der Messdaten als Positionsvektoren in einem Merkmalsraum mit Achsen aufzeichnet, die Parameter in Bezug auf den Betrieb des Fahrzeug-Subsystems darstellen, wobei der Merkmalsraum eine Grenze enthält, die einen Bereich des Merkmalsraums definiert, der mit einem gesunden Zustand des Fahrzeug-Subsystems verbunden ist.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale ist der Klassifikator so eingerichtet, dass er die Fehleranzeige auf der Grundlage eines ausgewählten Anteils der Positionsvektoren ausgibt, die außerhalb der Region liegen.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale ist der Klassifikator ein Ein-Klassen-Klassifikator, und die Klasse ist eine gesunde Klasse, die den normalen Betrieb des Fahrzeug-Subsystems repräsentiert.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst das Fahrzeug eine Vielzahl von Fahrzeug-Subsystemen, und die Verarbeitungsvorrichtung ist so eingerichtet, dass sie eine entsprechende Teilmenge der Messdaten in jeden von mehreren Ein-Klassen-Klassifikatoren eingibt, wobei jeder Ein-Klassen-Klassifikator einem anderen Fahrzeug-Subsystem zugeordnet ist. Die Verarbeitungsvorrichtung ist außerdem so eingerichtet, dass sie für jeden Ein-Klassen-Klassifikator feststellt, ob die jeweilige Teilmenge zur gesunden Klasse gehört, und auf der Grundlage mindestens eines Klassifikators, der feststellt, dass die jeweilige Teilmenge nicht zur gesunden Klasse gehört, identifiziert, welches der mehreren Fahrzeug-Subsysteme zu der Fehlfunktion beiträgt.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst die Vielzahl der Ein-Klassen-Klassifikatoren einen Luft-Subsystem-Klassifikator, einen Kraftstoff-Subsystem-Klassifikator und einen Zündungs-Subsystem-Klassifikator.
Zusätzlich zu einem oder mehreren der hierin beschriebenen Merkmale enthält der Klassifikator eine Vielzahl von zweidimensionalen Ein-Klassen-Klassifikatoren, wobei jeder Ein-Klassen-Klassifikator so eingerichtet ist, dass er Messdaten für ein Paar von Parametern empfängt, und die Verarbeitungsvorrichtung so eingerichtet ist, dass sie eine oder mehrere einzelne Komponenten oder ein Fahrzeug-Subsystem als einen Beitrag zur Fehlfunktion identifiziert, indem sie die Ausgaben der Vielzahl von Ein-Klassen-Klassifikatoren mit einer Wissensbasis vergleicht.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale ist der Klassifikator ein Zwei-Klassen-Klassifikator, der eine gesund-Klasse, die mit dem normalen Betrieb des Fahrzeug-Subsystems verbunden ist, und eine fehlerhaft-Klasse hat.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale ist der Klassifikator ein Mehr-Klassen-Klassifikator mit mindestens drei Klassen, die mit mehreren Fahrzeug-Subsystemen und/oder Komponenten verbunden sind.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfassen die mindestens drei Klassen eine gesund-Klasse, die mit dem normalen Betrieb aller der mehreren Fahrzeug-Subsysteme oder -Komponenten verbunden ist, und eine fehlerhaft-Klasse für jedes Fahrzeug-Subsystem und/oder jede Komponente.
In einer beispielhaften Ausführungsform umfasst ein Verfahren zur Überwachung des Betriebs eines Fahrzeugs den Empfang von Messdaten von einer Vielzahl von Sensorvorrichtungen durch eine Verarbeitungsvorrichtung, wobei jede Sensorvorrichtung der Vielzahl von Sensorvorrichtungen so eingerichtet ist, dass sie einen Parameter eines Fahrzeugsystems misst, und in Erwiderung auf die Erkennung einer Fehlfunktion im Fahrzeug die Eingabe mindestens einer Teilmenge der Messdaten in einen maschinell lernenden Klassifikator, der einem Fahrzeug-Subsystem zugeordnet ist, wobei der Klassifikator so eingerichtet ist, dass er eine Klasse definiert, die dem normalen Betrieb des Fahrzeug-Subsystems zugeordnet ist. Das Verfahren umfasst auch die Bestimmung durch den Klassifikator, ob die Teilmenge der Messdaten zu der Klasse gehört, und die Ausgabe einer Fehleranzeige, wobei die Fehleranzeige das Subsystem des Fahrzeugs als einen Beitrag zu der Fehlfunktion identifiziert, wenn mindestens eine ausgewählte Menge der Teilmenge der Messdaten außerhalb der Klasse liegt.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale ist der Klassifikator so eingerichtet, dass er die Teilmenge der Messdaten als Positionsvektoren in einem Merkmalsraum mit Achsen aufzeichnet, die Parameter in Bezug auf den Betrieb des Fahrzeug-Subsystems darstellen, wobei der Merkmalsraum eine Grenze enthält, die einen Bereich des Merkmalsraums definiert, der mit einem gesunden Zustand des Fahrzeug-Subsystems verbunden ist.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst das Verfahren außerdem die Ausgabe der Fehleranzeige des Klassifikators auf der Grundlage eines ausgewählten Anteils der Positionsvektoren, die sich außerhalb der Region befinden.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale ist der Klassifikator ein Ein-Klassen-Klassifikator, und die Klasse ist eine gesunde Klasse, die den normalen Betrieb des Fahrzeug-Subsystems repräsentiert.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst das Verfahren ferner die Eingabe einer entsprechenden Teilmenge der Messdaten in jeden von mehreren Ein-Klassen-Klassifikatoren, wobei jeder Ein-Klassen-Klassifikator einem von mehreren Fahrzeug-Subsystemen zugeordnet ist. Das Verfahren umfasst ferner für jeden Ein-Klassen-Klassifikator die Bestimmung, ob die jeweilige Teilmenge zur gesunden Klasse gehört, und basierend auf mindestens einem Klassifikator, der bestimmt, dass die jeweilige Teilmenge nicht zur gesunden Klasse gehört, die Identifizierung, welches der mehreren Fahrzeug-Subsysteme einen Beitrag zur Fehlfunktion hat.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfasst die Vielzahl der Ein-Klassen-Klassifikatoren einen Luft-Subsystem-Klassifikator, einen Kraftstoff-Subsystem-Klassifikator und einen Zündungs-Subsystem-Klassifikator.
Zusätzlich zu einem oder mehreren der hierin beschriebenen Merkmale enthält der Klassifikator eine Vielzahl von zweidimensionalen Ein-Klassen-Klassifikatoren, wobei jeder Ein-Klassen-Klassifikator so eingerichtet ist, dass er Messdaten für ein Paar von Parametern empfängt, wobei das Verfahren ferner die Identifizierung einer oder mehrerer einzelner Komponenten oder eines Fahrzeug-Subsystems als einen Beitrag zu der Fehlfunktion durch Vergleich der Ausgaben der Vielzahl von Ein-Klassen-Klassifikatoren mit einer Wissensbasis umfasst.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale ist der Klassifikator ein Zwei-Klassen-Klassifikator, der eine gesund-Klasse, die mit dem normalen Betrieb des Fahrzeug-Subsystems verbunden ist, und eine fehlerhaft-Klasse hat.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale ist der Klassifikator ein Mehr-Klassen-Klassifikator mit mindestens drei Klassen, die mit mehreren Fahrzeug-Subsystemen und/oder Komponenten verbunden sind.
Zusätzlich zu einem oder mehreren der hier beschriebenen Merkmale umfassen die mindestens drei Klassen eine gesund-Klasse, die mit dem normalen Betrieb aller der mehreren Fahrzeug-Subsysteme oder -Komponenten verbunden ist, und eine fehlerhaft-Klasse für jedes Fahrzeug-Subsystem und/oder jede Komponente.
Die oben genannten Merkmale und Vorteile sowie weitere Merkmale und Vorteile der Offenbarung ergeben sich aus der folgenden detaillierten Beschreibung in Verbindung mit den beigefügten Figuren.
Figurenliste
Weitere Merkmale, Vorteile und Details erscheinen nur beispielhaft in der folgenden Detailbeschreibung, wobei sich die Detailbeschreibung auf die Figuren bezieht, in denen:

1 ist eine Draufsicht auf ein Kraftfahrzeug mit Verbrennungsmotor;
2 zeigt ein Überwachungs- und/oder Diagnosesystem mit einer Verarbeitungseinrichtung, die maschinell lernende Klassifikatoren enthält, entsprechend einem Aspekt einer beispielhaften Ausführungsform;
3 zeigt mehrere Ein-Klassen-Klassifikatoren, die zur Analyse von Messdaten verwendet werden, um eine oder mehrere potenzielle Quellen einer Fahrzeugstörung zu identifizieren, entsprechend einem Aspekt einer beispielhaften Ausführungsform;
4 zeigt ein Beispiel von Daten, die durch einen Ein-Klassen-Klassifikator nach einem Aspekt einer beispielhaften Ausführungsform klassifiziert wurden;
5 stellt ein Verarbeitungsmodul dar, das mehrere Ein-Klassen-Klassifikatoren enthält, die zur Analyse von Messdaten verwendet werden, um eine oder mehrere potenzielle Quellen einer Fahrzeugstörung zu identifizieren, entsprechend einem Aspekt einer beispielhaften Ausführungsform;
6 zeigt ein Beispiel von Daten, die durch einen Ein-Klassen-Klassifikator nach einem Aspekt einer beispielhaften Ausführungsform klassifiziert wurden;
7 zeigt ein Verarbeitungsmodul, das einen Zwei-Klassen-Klassifikator zur Analyse von Messdaten entsprechend einem Aspekt einer beispielhaften Ausführungsform enthält;
8 stellt ein Verarbeitungsmodul dar, das einen Mehr-Klassen-Klassifikator zur Analyse von Messdaten entsprechend einem Aspekt einer beispielhaften Ausführungsform enthält;
9 ist ein Flussdiagramm, das Aspekte einer Methode zur Ausbildung von Klassifikatoren nach einem Aspekt einer beispielhaften Ausführungsform darstellt;
10 ist ein Flussdiagramm, das Aspekte einer Methode zur Überwachung eines Fahrzeugsystems und zur Diagnose einer Fahrzeugstörung nach einem Aspekt einer beispielhaften Ausführungsform darstellt; und
11 stellt Aspekte eines Beispiels zur Diagnose einer Fahrzeugstörung mit mehreren Klassifikatoren dar, entsprechend einem Aspekt einer beispielhaften Ausführungsform.

AUSFÜHRLICHE DARSTELLUNG
Die folgende Beschreibung hat lediglich beispielhaften Charakter und soll die vorliegende Offenbarung, ihre Anwendung oder ihren Gebrauch nicht einschränken.
Entsprechend einer oder mehrerer exemplarischer Ausführungsformen werden hier Verfahren und Systeme zur Überwachung von Komponenten eines Verbrennungsmotors beschrieben. Eine Ausführungsform eines Überwachungssystems umfasst ein Verarbeitungsgerät, das so eingerichtet ist, dass es Messdaten von einem Fahrzeugsystem empfängt und mindestens eine Teilmenge der Messdaten auf einen oder mehrere maschinell lembasierte Klassifikatoren anwendet. Ein Beispiel für einen Klassifikator ist eine Stütz-Vektor-Maschine (SVM).
Jeder Klassifikator wird mit Trainingsdaten trainiert, die einer bestimmten Klasse zugeordnet sind, und eine Teilmenge von Messdaten wird in den Klassifikator eingegeben, um zu bestimmen, ob die Teilmenge der Messdaten (oder zumindest eine signifikante Menge der Untermenge) zu einer oder mehreren Klassen gehört. Beispielsweise wird ein Ein-Klassen-Klassifikator mit bereits vorhandenen Messdaten oder anderen bekannten Daten, die sich auf ein Fahrzeug-Subsystem beziehen (als Trainingsdaten bezeichnet), trainiert, um Bereiche von Datenwerten festzulegen, die zu einer „gesunden“ Klasse gehören.
In einer Ausführung umfasst das Überwachungssystem eine Vielzahl von Ein-Klassen-Klassifikatoren, wobei jeder Klassifikator einem von mehreren Fahrzeug-Subsystemen zugeordnet ist. Ein Klassifikator kann beispielsweise für ein Motor-Subsystem, ein Verbrennungs-Subsystem, ein Luft-Subsystem, ein Kraftstoff-Subsystem und/oder ein Zündungs-Subsystem vorgesehen werden. Wenn eine Fahrzeugstörung erkannt wird, gibt das Überwachungssystem eine Teilmenge von Messdaten an jeden Klassifikator weiter. Stellt ein Klassifikator fest, dass eine statistisch signifikante Datenmenge (z.B. ein ausgewählter Anteil an der Gesamtzahl der Datenpunkte aus der Untermenge) außerhalb der gesunden Klasse liegt, gibt der Klassifikator eine Fehleranzeige aus. Auf diese Weise kann das Überwachungssystem und/oder ein Benutzer jedes Subsystem, das zu der Fehlfunktion beigetragen hat oder möglicherweise dazu beigetragen hat, leicht identifizieren.
In einer Ausführung umfasst das Überwachungssystem mindestens einen Zwei-Klassen-Klassifikator, der so eingerichtet ist, dass er die Messdaten auf der Grundlage einer gesunden und einer „fehlerhaften“ Klasse klassifiziert. In dieser Ausführungsform gibt der Klassifikator eine Fehleranzeige aus, wenn eine ausgewählte Menge an Eingangsmessdaten als zur Fehlerklasse gehörend klassifiziert wird.
In einer Ausführung enthält das System einen Mehr-Klassen-Klassifikator, der so eingerichtet ist, dass er feststellt, ob die Messdaten in eine oder mehrere von mindestens drei Klassen fallen. Die drei Klassen können z. B. eine gesund-Klasse umfassen, die anzeigt, dass ein mit dem Klassifikator verbundenes Subsystem normal funktioniert, und eine entsprechende fehlerhaft-Klasse für jede von mehreren Komponenten von Subsystemen im verbundenen Subsystem. Die Ausgaben jedes Klassifikators können in ein Schlussfolgerungs-Modul eingegeben werden, das die Schlussfolgerung der Wissensbasis verwendet, um zu bestimmen, welche Subsysteme oder Komponenten zu einer Fahrzeugstörung beitragen können, und um Subsystemfehler zu isolieren.
Die hier beschriebenen Ausführungsformen haben zahlreiche Vorteile. Das System bietet beispielsweise eine Möglichkeit, bestimmte Quellen für eine Fehlfunktion des Motors oder andere Probleme zu identifizieren. Bei herkömmlichen Fahrzeugsystemen und Diagnosesystemen kann es schwierig sein, die mögliche Ursache eines Problems einzugrenzen. Die hier beschriebenen Ausführungsformen ermöglichen eine zuverlässige und schnelle Erkennung von Subsystemfehlern und die Isolierung, welche Subsysteme eines Fahrzeugs zu einer Fahrzeugstörung oder einem Problem beitragen. Die Ausführungsformen ermöglichen auch die Identifizierung einzelner Systemkomponenten, die zu einer Fehlfunktion beitragen können.
1 zeigt die Ausführungsform eines Kraftfahrzeugs 10, das eine Fahrzeugkarosserie 12 umfasst, die zumindest teilweise einen Insassenraum 14 definiert. Die Fahrzeugkarosserie 12 trägt auch verschiedene Fahrzeug-Subsysteme, darunter eine Motorbaugruppe 16 mit einem Verbrennungsmotor 18. Die Fahrzeugkarosserie 12 unterstützt eine Reihe von zusätzlichen Subsystemen zur Unterstützung der Funktionen der Motorbaugruppe 16 und anderer Fahrzeugkomponenten und -systeme, wie z.B. Getriebe, Batterien und Motoren. Andere Subsysteme sind z. B. ein Kraftstoffeinspritz-Subsystem, ein Luft-Subsystem, ein Abgas-Subsystem und ein Kühlungs-Subsystem.
2 zeigt eine Ausführungsform eines Überwachungs- und/oder Diagnosesystems 20, das so eingerichtet ist, dass es verschiedene Motor-Subsysteme überwacht und Probleme in einzelnen Subsystemen identifiziert, die zu Ausfällen, Störungen oder anderweitig suboptimaler Leistung führen können. Das Überwachungssystem 20 umfasst ein Verarbeitungsgerät 22, bei dem es sich um einen bordeigenen Prozessor im Fahrzeug 10 oder ein vom Fahrzeug 10 entferntes Verarbeitungsgerät wie einen Server, einen Personal Computer oder ein mobiles Gerät (z. B. ein Smartphone oder Tablet) handeln kann. Das Verarbeitungsgerät 22 kann beispielsweise Teil eines oder mehrerer Motorsteuergeräte (ECU), eines oder mehrerer Fahrzeugsteuermodule, eines oder mehrerer Flugdatenschreiber für die Testflotte, eines Cloud-Computing-Geräts, eines Fahrzeug-Satellitenkommunikationssystems und/oder anderer Geräte sein oder mit diesen kommunizieren. Das Verarbeitungsgerät 22 kommuniziert mit und/oder überwacht anderweitig verschiedene Subsysteme im Fahrzeug 10.
Das Fahrzeug 10 umfasst zum Beispiel ein Motor-Subsystem 24, das einen Motorblock, eine Kurbelwelle, Pleuel und Kolben umfasst. Ein Kraftstoffeinspritz-Subsystem 26 umfasst Komponenten wie Kraftstoffleitungen, Einspritzdüsen und Kraftstoffpumpen, und ein Luft- und/oder Kühlungs-Subsystem 28 umfasst Komponenten wie Luftkompressoren, Luftdrosselklappen und Lufteinlassventile. Andere Subsysteme können ein Subsystem 30 für die Zündung mit Komponenten wie Zündkerzen, Zündspulen und Batterien, ein Subsystem 32 für die Schmierung, ein Subsystem 34 für die Kraftübertragung und ein Subsystem 36 für den Auspuff umfassen. Das Fahrzeug 10 ist nicht auf die hier beschriebenen spezifischen Ausführungsformen beschränkt, da das Fahrzeug 10 eine beliebige Anzahl und Art von geeigneten Subsystemen haben kann.
Jedes Subsystem kann über einen oder mehrere zugehörige Sensoren und/oder virtuelle Sensoren verfügen oder mit diesen in betriebsbereiter Kommunikation stehen. Das Luft-Subsystem 28 umfasst beispielsweise Sensoren wie einen oder mehrere Luftmassenmesser oder Luftstromschätzer 38. Das Abgas-Subsystem 36 umfasst eine oder mehrere Sauerstoffsensoren 40 und das Zündungs-Subsystem 30 eine oder mehrere Strom- und/oder Spannungssensoren 42.
Das Verarbeitungsgerät 22 enthält einen oder mehrere Prozessoren oder Verarbeitungseinheiten 44 und einen Systemspeicher 46. Der Systemspeicher 46 kann eine Vielzahl von computersystemlesbaren Medien enthalten. Solche Medien können alle verfügbaren Medien sein, auf die die Verarbeitungseinheit 44 zugreifen kann, und können sowohl flüchtige als auch nicht flüchtige Medien, austauschbare und nicht austauschbare Medien umfassen.
Der Systemspeicher 46 kann mindestens ein Programmprodukt mit einem Satz (z. B. mindestens einem) von Programmmodulen enthalten, die zur Ausführung von Funktionen der hier beschriebenen Ausführungsformen eingerichtet sind. Im Systemspeicher 46 wird beispielsweise ein Programm/Utility mit einem Satz von Programmmodulen 48 gespeichert. Das Programm/Dienstprogramm kann ein Betriebssystem, ein oder mehrere Anwendungsprogramme (z.B. Programme, die mit Datenanalyse und/oder maschinellem Lernen verbunden sind) und andere Programmmodule sowie Programmdaten sein oder enthalten. Die Programmmodule 48 können im Allgemeinen einige oder alle der hier beschriebenen Funktionen und/oder Ausführungsarten ausführen. Die Programmmodule 48 können beispielsweise Module zur Erfassung von Eingangsdaten aus dem Fahrzeug 10, Module mit oder als Klassifikatoren zur Identifizierung von Komponenten oder Subsystemen, die zu einer Fahrzeugstörung beitragen können, Ausgangsmodule, Anzeigemodule, Benutzerschnittstellen und andere umfassen.
Das Verarbeitungsgerät 22 enthält auch eine Schnittstelle 50, die für die Kommunikation mit verschiedenen, mit dem Fahrzeug verbundenen Subsystemen eingerichtet ist 10. Die Schnittstelle 50 kann für drahtgebundene und/oder drahtlose Kommunikation verwendet werden. Das Verarbeitungsgerät 22 kann z.B. ein Bordcomputer sein, der mit Sensoren und Steuergeräten im Fahrzeug 10 verbunden ist. Das Verarbeitungsgerät 22 kann auch eine Schnittstelle 52 zur Kommunikation mit anderen Orten und Geräten enthalten. Die Schnittstelle 52 ist beispielsweise so eingerichtet, dass sie drahtlos (z. B. über eine Mobilfunk- oder Satellitenverbindung) mit einem entfernten Standort wie einem Server, einem Support-Center, einem Autohaus und/oder einer Servicestation 54 kommuniziert.
Es wird darauf hingewiesen, dass die hier beschriebenen Ausführungsformen in Verbindung mit dem Verarbeitungsgerät 22 durchgeführt werden können, aber nicht so eingeschränkt sind. Beispielsweise können alle oder ein Teil der hier beschriebenen Überwachungs- und Diagnosefunktionen von einem oder mehreren Verarbeitungsgeräten im Fahrzeug, wie z. B. einem Motorsteuergerät (ECU), ausgeführt werden.
Das Überwachungssystem 20 ist so eingerichtet, dass es verschiedene Subsysteme des Fahrzeugs 10 überwacht und einzelne Subsysteme und/oder Komponenten identifiziert, die eine Fehlfunktion des Fahrzeugs verursachen oder dazu beitragen, wie z.B. Motoraussetzer. In einer Ausführungsform nutzt das Überwachungssystem 20 künstliche Intelligenz und/oder maschinelles Lernen, um einen oder mehrere Klassifikatoren zu generieren. Jeder Klassifikator kann Messdaten von Sensoren im Fahrzeug empfangen und über einen Klassifikationsalgorithmus feststellen, ob die Messdaten zu einer Klasse gehören. Zum Beispiel kann jeder Klassifikator bestimmen, ob die Messdaten zu einer Klasse gehören, die mit der normalen Funktion eines Subsystems verbunden ist (hier als „gesunde“ Klasse bezeichnet), und das Subsystem als Verursacher oder Mitwirkender einer Fehlfunktion identifizieren, wenn die Messdaten nicht zu der gesunden Klasse gehören.
Im Allgemeinen ist ein Klassifikator ein Verarbeitungsmodul oder ein Algorithmus, der eingerichtet ist, um Messdaten zu analysieren und zu bestimmen, ob die Messdaten in eine Klasse fallen. Der Klassifikator kann so eingerichtet werden, dass er bestimmt, ob Daten in eine einzige Klasse, in eine von zwei Klassen oder in eine von drei oder mehr Klassen fallen. Die Klassen in einer Ausführungsform weisen jeweils auf ein gesundes System, Subsystem oder eine Komponente oder auf ein Subsystem oder einen Komponentenfehler hin. Wie weiter unten besprochen, kann eine Klasse durch Training des Klassifikators anhand ausgewählter Merkmale als Trainingsdaten ermittelt werden. Bei den Trainingsdaten kann es sich beispielsweise um Daten handeln, die aus den relevantesten Sensormessungen, virtuellen Sensorwerten oder Modellparametern ausgewählt wurden. Bei den Trainingsdaten handelt es sich um Daten, die zuvor aus Messungen während des normalen Fahrzeugbetriebs und/oder aus bekannten Informationen über den abnormalen Betrieb von Fahrzeugen in Verbindung mit bekannten Ausfallmodi gesammelt wurden. So können die Trainingsdaten beispielsweise Simulations- und/oder vorherige Messdaten des Fahrzeugs 10 und/oder ähnlicher Fahrzeuge und/oder anderer Fahrzeuge mit ähnlichen Subsystemen enthalten. In einer Ausführungsform verwendet jeder Klassifikator eine Stütz-Vektor-Maschine (SVM).
3 stellt eine Ausführungsform von Klassifikatoren dar, die vom Überwachungssystem 20 des 2 genutzt werden können. In dieser Ausprägung umfasst das Überwachungssystem 20 einen oder mehrere Ein-Klassen-Klassifikatoren (z.B. SVMs). Die Ein-Klassen-Klassifikatoren umfassen einen Klassifikator 60 für das Verbrennungs- oder Motor-Subsystem, einen Klassifikator 62 für das Luft-Subsystem, einen Klassifikator 64 für das Kraftstoff-Subsystem und einen Klassifikator 66 für das Zündungs-Subsystem. Jeder Klassifikator empfängt Messdaten, die mit dem jeweiligen Subsystem des Klassifikators verknüpft sind, und stellt fest, ob die Messdaten in eine „gesunde“ Klasse fallen. In einer Ausführungsform liegen die Messdaten in der gesunden Klasse, wenn eine statistisch signifikante Anzahl von Datenpunkten aus den Messdaten in der gesunden Klasse liegen.
Umgekehrt kann das Überwachungssystem 20, wenn eine ausgewählte Anzahl oder ein ausgewählter Anteil der Datenpunkte von einem Klassifikator als außerhalb der gesunden Klasse liegend bestimmt wird, das mit dem Klassifikator verbundene Subsystem als zu einer Fehlfunktion beitragend oder potentiell beitragend identifizieren. Die gesunde Klasse für jeden Klassifikator wird mit Trainingsdaten trainiert, die zuvor gesammelte Messdaten enthalten, die mit dem jeweiligen Subsystem des Klassifikators verbunden sind.
Der Klassifikator 60 ist zum Beispiel ein Klassifikator für das Verbrennungs-Subsystem, der die mit dem Verbrennungs-Subsystem verbundenen Messdaten analysiert. Der Klassifikator 60 des Verbrennungs-Subsystems empfängt Daten des Verbrennungssystems als Merkmalseingaben, wie z.B. die Anzahl der Zündaussetzer (Anzahl der Motoraussetzer über einen ausgewählten Zeitraum) oder Klopfen, das Luft-Kraftstoff-Verhältnis (AFR), die Kraftstofftrimmung von den AFR-Sensoren, den Sauerstoffgehalt (02) von den O₂-Sensoren, das Motordrehmoment, die Drosselklappenstellung (TPS), den Zündzeitpunkt und andere.
Der Luft-Subsystem-Klassifikator 62 erhält die Daten des Luft-Subsystems als Merkmalseingaben, wie Luft pro Zylinder (APC), gemessener Luftmassenstrom (MAF), Drosselklappenstellung (TPS) und/oder Saugrohrdruck (MAP). In einer Ausführungsform enthalten die Eingabedaten Residuen oder Differenzen zwischen gemessenen Datenwerten und geschätzten oder erwarteten Datenwerten. Beispielsweise umfassen die Eingänge ein APC-Residuum (Differenz zwischen gewünschtem APC und gemessenem APC), ein MAF-Residuum (Differenz zwischen geschätzter oder modellierter MAF und gemessener MAF), ein TPS-Residuum (Differenz zwischen gewünschtem TPS und gemessenem TPS) und ein MAP-Residuum (Differenz zwischen geschätztem MAP und gemessenem MAP).
Der Kraftstoff-Subsystem-Klassifikator 64 empfängt die Daten des Kraftstoff-Subsystems als Merkmalseingaben, wie z. B. den Niederdruck (LP) Kraftstoffleitungsdruck, die Trimmung des Arbeitszyklus des LP-Motors und den Hochdruck (HP) Kraftstoff-Rail-Druck und Kraftstofffluss. In einer Ausführungsform umfassen die Eingabedaten Rückstände, wie z. B. einen LP-Kraftstoffleitungsrückstand (Differenz zwischen einem gewünschten LP-Kraftstoffleitungsdruck und dem gemessenen LP-Kraftstoffleitungsdruck) und/oder einen HP-Kraftstoffleitungsrückstand (Differenz zwischen dem gewünschten HP-Kraftstoffleitungsdruck und dem gemessenen HP-Kraftstoffleitungsdruck). Der Klassifikator 66 des Zündsubsystems erhält die Daten des Zündsubsystems als Merkmalseingänge, wie z.B. Primärzündstrom und/oder Zündspannung.
In einem anderen Beispiel ist der Klassifikator 60 ein Motor-Subsystem-Klassifikator, der Daten des Verbrennungssystems und zusätzliche Daten des Motor-Subsystems erhält. Beispiele für solche zusätzlichen Daten sind Kraftstoffdurchfluss und -druck, Umdrehungen pro Minute (RPM), MAF-Rest, LP-Kraftstoffleitungsdruck-Rest, HP Kraftstoffleitungsdruck-Rest, Ansaugdruck, Ansaugtemperatur und andere.
Im Betrieb empfängt der Klassifikator 60 in Erwiderung auf das Erkennen einer Fehlfunktion oder eines anderen Problems im Fahrzeug Messdaten des Verbrennungs-Subsystems und/oder zusätzliche Messdaten und stellt fest, ob die Messdaten zu einer gesunden Klasse gehören. In einer Ausführung gibt der Klassifikator 60 Datenpunkte aus den Messdaten in einen Merkmalsraum ein, der zweidimensional oder beliebig viele Dimensionen haben kann. Eine gesunde Klasse wird durch eine Grenze definiert, die innerhalb des Merkmalsraums basierend auf Trainingsdaten ausgewählt wird. Wenn die Messdaten innerhalb der Grenze liegen, liegen die Messdaten in der gesunden Klasse. Es kann ein Indikator, z.B. ein Zahlenwert, ausgegeben werden. Wenn die Messdaten z.B. in der gesunden Klasse liegen, kann der Klassifikator den Wert Null ausgeben.
Befindet sich eine ausreichende Anzahl von Datenpunkten nicht innerhalb der Grenze, gibt der Klassifikator 60 eine ungesunde Anzeige oder „Störmeldung“ aus. „Die Störmeldung kann z.B. der Wert Eins sein. Die Störmeldung kann an eine andere Stelle oder einen Benutzer (z.B. Fahrer oder Techniker) oder an andere Klassifikatoren oder Verarbeitungsmodule ausgegeben werden.
In einer Ausführung gibt der Klassifikator 60 ein Fehlersignal an einen oder mehrere zusätzliche Subsystem-Klassifikatoren aus, um bestimmte Subsysteme zu identifizieren, die zu der Fehlfunktion beitragen oder potentiell dazu beitragen können. Wenn der Klassifikator 60 beispielsweise ein Fehlersignal ausgibt, wird jeder der Klassifikatoren des Luft-, Kraftstoff- und Zündungs-Subsystems ausgelöst, um die Messdaten zu analysieren und festzustellen, ob eine signifikante Anzahl von Messdatenpunkten innerhalb oder außerhalb einer gesunden Klasse liegt. Die Anzahl der Datenpunkte kann mit einer Schwellenzahl verglichen werden, die aus der Kalibrierung basierend auf Messungen im normalen Fahrzeugbetrieb ermittelt werden kann.
Die Ergebnisse der einzelnen Klassifikatoren werden ausgegeben und dazu verwendet, um festzustellen, welches Subsystem das Problem verursacht oder zumindest dazu beigetragen hat. Wenn der Luft-Subsystem-Klassifikator 62 beispielsweise einen Hinweis ausgibt, dass die empfangenen Messdaten nicht zu einer gesunden Klasse gehören, gibt der Luft-Subsystem-Klassifikator 62 ein entsprechendes Fehlersignal (z. B. den Wert Eins) aus. Wenn die Klassifikatoren 64 und 66 des Kraftstoff- und Zündungs-Subsystems gesunde Signale (z. B. einen Wert von Null) ausgeben, kann ein Benutzer oder die Verarbeitungseinrichtung 22 mögliche Ursachen der Fehlfunktion auf das Luft-Subsystem begrenzen.
Es wird darauf hingewiesen, dass Klassifikatoren für breit gefächerte Subsysteme, wie z. B. das Luft-Subsystem, oder für enger gefasste Subsysteme oder Komponenten verwendet werden können. Beispielsweise kann ein Klassifikator so eingerichtet werden, dass er einen Teil des Luft-Subsystems für eine erste Motorbank überwacht, und ein anderer Klassifikator kann so eingerichtet werden, dass er einen Teil des Luft-Subsystems für eine zweite Motorbank überwacht.
In einem anderen Beispiel können einzelne Komponenten mit entsprechenden Klassifikatoren überwacht werden. Beispielsweise kann ein HP-Kraftstoffpumpen-Klassifikator so eingerichtet werden, dass er eine HP-Kraftstoffpumpe überwacht, wobei HP-Kraftstoffleitungsdruck- und Kraftstoffdurchfluss-Messungen als Eingangsdaten verwendet werden, und ein LP-Kraftstoffpumpen-Klassifikator kann so eingerichtet werden, dass er eine LP-Kraftstoffpumpe überwacht, wobei LP-Kraftstoffleitungsdruck- und Kraftstoffdurchfluss-Messungen als Eingangsdaten verwendet werden. Wird eine Fehlfunktion erkannt, gibt das Überwachungssystem 20 jedem Klassifikator zugehörige Messdaten ein, um zu erkennen, welche Subsysteme und/oder Einzelkomponenten zu der Fehlfunktion beitragen können.
Wie oben erwähnt, kann jeder Klassifikator in einer Ausführungsform eine lineare oder nichtlineare Stütz-Vektor-Maschine (SVM) sein, die Messdaten als zu einer oder mehreren Klassen gehörend (oder nicht gehörend) klassifiziert, je nachdem, ob die Messdaten innerhalb einer in einem Koordinatensystem oder Merkmalsraum definierten Grenze liegen. Die Grenze kann linear oder nichtlinear sein.
4 zeigt ein Beispiel für einen Merkmalsraum 70, der von einem Klassifikator verwendet wird, um Messdaten zu analysieren und festzustellen, ob diese Daten zu einer Klasse gehören. In diesem Beispiel ist der Klassifikator eine SVM, die Trainingsdaten zur Bildung einer Klasse (z.B. einer gesunden Klasse) verwendet.
Der Klassifikator verwendet Trainingsdaten, um eine Grenze (als „Hyperebene“ bezeichnet) in einem zwei- oder mehrdimensionalen Raum zu konstruieren. In diesem Beispiel verwendet der Klassifikator einen zweidimensionalen Merkmalsraum 70, wobei auch höherdimensionale Räume verwendet werden können. Der Merkmalsraum 70 enthält Achsen, die ausgewählten Merkmalen zugeordnet sind und deren Parameter von verschiedenen Sensoren gemessen werden können.
Trainingsdaten, die mehrere Datenpunkte (Vektoren) enthalten, werden im zweidimensionalen Merkmalsraum 70 dargestellt und eine Hyperebene 72 berechnet, die den Abstand oder die Marge zwischen den Daten in verschiedenen Klassen maximiert. Die Hyperebene 72 wird dann zur Klassifizierung der nachfolgenden Datenpunkte verwendet. Beispielsweise werden Datenpunkte 74 innerhalb eines Teils des durch die Hyperebene definierten Raums als Teil einer bestimmten Klasse (z.B. einer gesunden Klasse) betrachtet. Die Datenpunkte 76 sind Ausreißer (d.h. sie fallen nicht in den Bereich des Raumes) und werden dementsprechend nicht als Teil der Klasse betrachtet.
Wie in 5 dargestellt, enthält das Überwachungssystem 20 aus 2 bzw. das Verarbeitungsgerät 22 in einer Ausführung mehrere Ein-Klassen-Klassifikatoren in Kombination mit Wissensbasisinformationen, um einzelne Komponenten im Fahrzeugsystem, die zu einer Fehlfunktion beitragen, zu isolieren.
In dieser Ausführung enthält das Verarbeitungsgerät 22 ein Klassifikationsmodul 80 mit einer Vielzahl von zweidimensionalen (2D) Ein-Klassen-Klassifikatoren. Jeder Ein-Klassen-Klassifikator gibt ein Gesundheits- oder Fehlersignal aus, je nachdem, ob die zugehörigen Messdaten zu einer Gesundheitsklasse gehören.
Die Ausgänge jedes Klassifikators werden in ein Fehlerisolierungs- oder Schlussfolgerungs-Modul 82 eingegeben, das feststellt, ob einzelne Komponenten oder Subsysteme zu einer Störung beitragen.
Jeder Klassifikator ist ein 2D-Klassifikator, der Messdaten für zwei Merkmale empfängt, Messdaten als Positionsvektoren in einem durch die beiden Merkmale definierten Merkmalsraum aufzeichnet und bestimmt, ob die Daten zu einer gesunden Klasse gehören, je nachdem, ob die Daten oder eine signifikante Menge innerhalb einer Grenze oder Hyperebene liegen.
In dieser Ausführung enthält das Klassifikationsmodul 80 einen Kraftstofftrimm-Klassifikator 84, der die Kraftstofftrimm-Messungen für eine erste Bank („Bank 1“) eines Motors (als „Fueltrim1“-Messungen bezeichnet) und die Kraftstofftrimm-Messungen für eine zweite Bank („Bank 2“) eines Motors (als „Fueltrim2“-Messungen bezeichnet) empfängt. Die Messungen werden in einem Feature-Raum als Datenpunkte oder Positionsvektoren mit der Bezeichnung (Fueltrim1, Fueltrim2) dargestellt.
Ein Beispiel für einen Feature Space 86, der vom Kraftstofftrimm-Klassifikator 84 verwendet wird, ist in 6 dargestellt. In diesem Beispiel wird der Merkmals-Raum 86 durch eine Achse x1 definiert, die normierte Fueltriml-Werte und eine Achse x2, die normierte Fueltrim2-Werte repräsentiert. Der Feature-Raum 86 enthält Stützvektoren („SV“) 88, die Beobachtungen („O“) oder Trainingsdatenpunkte sind, die zur Definition einer Hyperebene oder Grenze 90 verwendet werden. Die Grenze 90 definiert eine gesunde Klasse. Die gepaarten Fueltrim1 und Fueltrim2 Messwerte werden als Messdatenvektoren („D“) 92 dargestellt. In diesem Beispiel sind eine statistisch signifikante Anzahl von Messdatenvektoren 92 Ausreißer. So gibt der Kraftstofftrimm-Klassifikator 84 eine Störmeldung aus.
Das Klassifizierungsmodul 80 enthält, wie in 5 dargestellt, weitere Klassifikatoren, wie z.B. einen Sauerstoff-Klassifikator 94, der Sauerstoffmessdaten, wie z.B. Sauerstoffgehalt aus Bank 1 und Sauerstoffgehalt aus Bank 2, klassifiziert. Ein Fehlzählungs-Klassifikator 96 empfängt und klassifiziert Fehlzählungen von Bank 1 und Bank 2. Ein MAF-Klassifikator 98 empfängt und klassifiziert MAF-Restmessdaten und Drehzahlmessungen. Ein MAF/MAP-Klassifikator 100 empfängt und klassifiziert MAF-Rest- und MAP-Rest-Messdaten. Ein HD-Klassifikator 102 empfängt und klassifiziert HD-Rail-Druckmessungen und HD-Rail-Druckreste. Der LP-Klassifikator 104 empfängt und klassifiziert den Druck der LP-Kraftstoffleitung und den Restdruck der LP-Kraftstoffleitung.
Die Ausgänge jedes 2D-Klassifikators werden an das Schlussfolgerungs-Modul 82 gesendet, das anhand der Signale feststellt, ob und welche Komponenten und/oder Subsysteme fehlerhaft sind. Beispielsweise werden die Fehlersignale jedes Klassifikators auf Basis einer Wissensbasis mit spezifischen Komponenten- oder Subsystemfehlern verknüpft. Die Wissensbasis kann im Verarbeitungsgerät 22 oder an einem entfernten Ort wie z.B. einem Server oder einer Servicestation gespeichert werden.
Das Überwachungssystem 20 kann Klassifikatoren verwenden, die die Daten in mehrere Klassen klassifizieren. Beispielsweise können ein oder mehrere Zwei-Klassen-Klassifikatoren für ein oder mehrere Subsysteme verwendet werden, oder es können ein oder mehrere Mehr-Klassen-Klassifikatoren mit mehr als zwei Klassen verwendet werden.
Wie in 7 dargestellt, ist in einer Ausführung das Überwachungssystem 20 aus 2 bzw. die Aufbereitungsanlage 22 mit einem Zwei-Klassen-Klassifikator 110 oder mehreren Zwei-Klassen-Klassifikatoren 110 ausgestattet.
Der Zwei-Klassen-Klassifikator 110 empfängt die Messdaten 112 und stellt fest, ob die Messdaten zu einer von zwei Klassen gehören. In einer Ausführungsform stellt der Zwei-Klassen-Klassifikator 110 Messdaten 112 in einem zweidimensionalen Merkmalsraum 114 dar, indem Merkmale (z.B. Parametermessungen) ausgewählt werden, die die Daten am besten durch die Hauptkomponentenanalyse (PCA), die lineare Diskriminanzanalyse (LDA) oder eine andere geeignete Technik klassifizieren. Zum Beispiel ist eine erste Klasse eine gesunde Klasse 116, definiert durch eine Hyperebene 118, und eine zweite Klasse ist eine nicht-gesunde- oder fehlerhaft-Klasse 120, definiert durch eine Hyperebene 122.
Der Zwei-Klassen-Klassifikator 110 kann Daten von mehreren Subsystemen empfangen. Der Klassifikator 110 kann beispielsweise Daten von Luft-, Kraftstoff- und Zündungssubsystemen empfangen, und die Fehlerklasse 120 zeigt an, dass das Problem von einem dieser Subsysteme verursacht wird, wenn eine signifikante Menge an Messdaten zur Fehlerklasse 120 gehört.
Beispiele für Messdaten sind Fueltrim1, Fueltrim2, Zündaussetzerzahlen, MAF-Rest, MAP-Rest, RPM, APC-Rest, TPS-Rest, HP-Kraftstoffleitungsdruck-Rest (Differenz zwischen einem gemessenen HP-Kraftstoffleitungsdruck und einem gewünschten Druck), LP-Kraftstoffleitungsdruck-Rest (Differenz zwischen einem gemessenen LP-Kraftstoffleitungsdruck und einem gewünschten LP-Kraftstoffleitungsdruck), HP-Pumpensteuerungs-Tastverhältnis und/oder LP-Pumpensteuerungs-Tastverhältnis.
Wie in 8 dargestellt, enthält das Überwachungssystem 20 von 2 und/oder die Verarbeitungsvorrichtung 22 in einer Ausführung einen oder mehrere Mehr-Klassen-Klassifikatoren, die mit Hilfe von gekennzeichneten gesunden und fehlerhaften Merkmalsignalen, die für die Verbrennungs-, Luft- und Brennstoffsubsysteme identifiziert wurden, verschiedene Fehler auf Subsystemebene erkennen und isolieren.
Eine Ausführungsform eines Mehr-Klassen-Klassifikators 130 empfängt Messdaten 132 und stellt fest, ob die Messdaten zu einer von drei oder mehr Klassen gehören. Der Mehr-Klassen-Klassifikator 130 kann z.B. ein Neuronales Netz (NNT) wie ein Perceptron NNT nutzen, um Trainingsdaten in einem Merkmalsraum 134 in Cluster zu klassifizieren, die verschiedene Klassen repräsentieren.
Der Klassifikator 130 kann Daten von einem oder mehreren Subsystemen empfangen. Der Klassifikator 130 kann beispielsweise Daten von einem Motor-Subsystem empfangen, das eine Reihe anderer Subsysteme oder Komponenten umfassen kann. Zu den Daten des Motorsubsystems gehören z. B. Fueltrim1, Fueltrim2, Anzahl der Fehlzündungen, MAF-Rest, MAP-Rest, U/min, APC-Rest, TPS-Rest, HP-Rail-Druck-Rest, LP-Kraftstoffleitungs-Rest, HP-Pumpensteuerungs-Tastverhältnis und/oder LP-Pumpensteuerungs- Tastverhältnis.
Der Klassifikator 130 definiert einen Merkmalsraum 134 mit Achsen, die über PCA, LDA oder andere geeignete Analysen ausgewählte Merkmale repräsentieren. Der Merkmalsraum 134 umfasst eine Motor-Gesundheitsklasse 136, definiert durch ein Hyperplane 138 und eine Reihe von Fehlerklassen. Beispielsweise wird eine Bank 1-Luftfehlerklasse 140 durch eine Hyperebene 142 definiert, die einen Fehler in dem mit Bank 1 verbundenen Luft-Subsystem darstellt, und eine Bank 2-Luftfehlerklasse 144 durch eine Hyperebene 146, die einen Fehler in dem mit Bank 2 verbundenen Luft-Subsystem darstellt. Die Kraftstofffehlerklasse 148 der Bank 1 wird durch eine Hyperebene 150 definiert, die einen Fehler im mit der Bank 1 verbundenen Kraftstoff-Subsystem darstellt, und die Kraftstofffehlerklasse 152 der Bank 2 wird durch eine Hyperebene 154 definiert, die einen Fehler im mit der Bank 2 verbundenen Kraftstoff-Subsystem darstellt.
In einer Ausführungsform sind das Überwachungssystem 20 und/oder der/die Klassifikator(en) so eingerichtet, dass sie Informationen über die Wahrscheinlichkeit ausgeben, dass ein fehlerhaftes Subsystem (d. h. ein Subsystem, für das ein zugehöriger Klassifikator ein Fehlersignal ausgibt). Zusätzlich zur Ausgabe eines Fehlersignals vergleicht ein Klassifikator (z.B. ein beliebiger oder alle in den Bildern 3 und 5-8 dargestellten Klassifikatoren) die Anzahl der Messdatenpunkte (Vektoren), die innerhalb einer Klassengrenze liegen, mit der Anzahl der Messdatenpunkte, die Ausreißer sind. Das Verhältnis von Messdatenpunkten, die zu einer gesunden Klasse gehören, zu Messdatenpunkten außerhalb der gesunden Klasse kann als Prozentsatz oder als Wahrscheinlichkeit, dass das zugehörige Subsystem oder die Komponente gesund ist, ausgegeben werden. Eine Wahrscheinlichkeit unter einem gewählten Schwellwert kann die Ausgabe eines Fehlersignals auslösen. Eine gesunde Wahrscheinlichkeit kann auch ausgegeben werden, wenn die Messdaten primär in die gesunde Klasse fallen. Zum Beispiel können die Luft-, Kraftstoff- und Zündungs-Klassifikatoren, wiederum bezogen auf 3, jeweils eine gesunde Wahrscheinlichkeit ausgeben oder ein Klassifikator kann ein Fehlersignal ausgeben, wenn die Wahrscheinlichkeit, dass das Subsystem gesund ist, unter einem Schwellenwert liegt.
In einer Ausführung ist das Überwachungssystem 20 so eingerichtet, dass es die Ursachen für verschiedene Messdatensätze erfasst und die Ursachen für den Vergleich mit nachfolgenden Messungen und Störungserkennungen aufzeichnet. Wenn z.B. ein Satz von Messungen in das Überwachungssystem 20 eingegeben wird (als Folge der Erkennung einer Fehlfunktion), wird ein Satz von Messdaten in einen Klassifikator eingegeben, oder es werden Teilmengen des Satzes von Messdaten in verschiedene Klassifikatoren eingegeben. Das Überwachungssystem 20 gibt die Ergebnisse dann an einen Techniker aus, der die Ursache der Störung ermitteln und in eine Wissensdatenbank oder Datenbank eingeben kann. Das System 20 erfasst dann die Ursache und die fehlerhaften Daten in einer Datenbank. Wenn die Ursache neu oder genauer ist, aktualisiert das Überwachungssystem 20 die Datenbank.
9 zeigt die Ausführungsform eines Verfahrens 160 zur Ausbildung eines oder mehrerer Klassifikatoren im Überwachungssystem 20 von 2. Das Überwachungssystem 20 oder ein anderes Verarbeitungsgerät oder -system kann für die Durchführung von Aspekten des Verfahrens 160 verwendet werden. Das Verfahren 160 wird in Verbindung mit den Blöcken 161-164 diskutiert. Das Verfahren 160 ist nicht auf die Anzahl oder Reihenfolge der Schritte darin beschränkt, da einige Schritte, die durch die Blöcke 160-164 dargestellt werden, in einer anderen Reihenfolge als der unten beschriebenen ausgeführt werden können oder weniger als alle Schritte ausgeführt werden können.
In Block 161 sammelt das Überwachungssystem 20 Messdaten und andere Informationen vom Fahrzeug 10 und/oder anderen Fahrzeugen, die als Trainingsdaten verwendet werden. Beispielsweise können Daten von einer Flotte ähnlicher Fahrzeuge gesammelt werden, z. B. von Fahrzeugen mit ähnlichen Motor-Subsystemen und/oder vom gleichen Modell.
In Block 162 werden für jeden Klassifikator die zugehörigen Trainingsdaten und Merkmale ausgewählt. Für den Luft-Subsystem-Klassifikator 62 werden z.B. Daten wie APC-, MAF-, TPS- und MAP-Daten als Trainingsdaten ausgewählt. Zu den Trainingsdaten können Daten gehören, die während des normalen Betriebs (gesunde Trainingsdaten) und Trainingsdaten, die während eines fehlerhaften oder suboptimalen Betriebs (ungesunde Trainingsdaten) gesammelt wurden.
In den Blöcken 163 und 164 werden die gesunden und ungesunden Trainingsdaten als Positionsvektoren in einem Merkmalsraum aufgetragen und die aufgezeichneten Daten wie oben beschrieben analysiert, um Cluster zu identifizieren und eine Grenze (oder Grenzen) zu definieren, die mit einer oder mehreren Klassen verbunden ist.
10 zeigt die Ausführungsform eines Verfahrens 170 zur Überwachung eines Fahrzeugsystems und zur Diagnose von Fahrzeugstörungen oder -problemen. Das Überwachungssystem 20 aus 2 oder ein anderes Verarbeitungsgerät oder -system kann für die Durchführung von Aspekten des Verfahrens 170 verwendet werden. Das Verfahren 170 wird im Zusammenhang mit den Blöcken 171-182 diskutiert. Das Verfahren 170 ist nicht auf die Anzahl oder Reihenfolge der Schritte darin beschränkt, da einige Schritte, die durch die Blöcke 171-182 dargestellt werden, in einer anderen Reihenfolge als der unten beschriebenen oder weniger als alle Schritte ausgeführt werden können.
Das Verfahren 170 wird in Verbindung mit dem System und den Klassifikatoren von 2 und 3 als Beispiel besprochen. Es wird darauf hingewiesen, dass die Erörterung der Klassifikatoren und des Beispiels nur der Veranschaulichung dient und nicht einschränkend sein soll.
Im Block 171 werden während des Betriebs eines Fahrzeugs Messsignale von verschiedenen Subsystemen und Sensoren gesammelt. So überwacht das Monitoring-System 20 beispielsweise die Sensormessungen verschiedener Subsysteme und zeichnet die Messungen als Messdaten auf. Die Messdaten können vom Fahrzeug erfasst und auf einen Server oder einen anderen geeigneten Speicherort übertragen werden und/oder vom Fahrzeug durch fahrzeugeigene Verarbeitungsgeräte wie z.B. ein Steuergerät erfasst werden. Die Messdaten können über jedes geeignete Mittel, wie z.B. Mobilfunk in ein Netzwerk oder eine Wolke, an das Überwachungssystem 20 übertragen werden.
Im Block 172 überwacht das Überwachungssystem 20 die Fahrzeug-Subsysteme und erkennt, wenn eine Störung auftritt. Eine Fehlfunktion kann jeder Zustand des Fahrzeugs sein, der einen Ausfall, eine Störung oder einen suboptimalen Betrieb verursacht. So überwacht das System beispielsweise das Motor-Subsystem und erkennt auftretende Fehlzündungen. Erreicht oder überschreitet die Anzahl der Fehlzündungen einen gewählten Schwellenwert, wird eine Fehlfunktion erkannt.
Im Block 173 werden bei der Identifizierung der Störung alle oder eine Teilmenge der Messdaten importiert und in einen oder mehrere Klassifikatoren eingegeben. Beispielsweise werden die Messdaten in den Motor-Subsystem-Klassifikator 60, den Luft-Subsystem-Klassifikator 62, den Kraftstoff-Subsystem-Klassifikator 64 und den Zündungs-Subsystem-Klassifikator 66 eingegeben. Im Block 174 werden die Klassifikator-Signale von jedem Klassifikator gesammelt.
Im Block 175 ermittelt das Überwachungssystem 20, welche Klassifikatoren einen gesunden Zustand und welche einen nicht gesunden oder fehlerhaften Zustand anzeigen, d.h. eine Störmeldung ausgeben. Ein mit dem Klassifikator verbundenes Subsystem kann als fehlerhaft betrachtet werden und somit potentiell zur Fehlfunktion beitragen, wenn der Klassifikator ein Fehlersignal ausgibt. In einer Ausführungsform gibt jeder Klassifikator eine gesunde Wahrscheinlichkeit aus, und das Überwachungssystem 20 ermittelt für jeden Klassifikator (falls vorhanden) einen Fehler mit einer gesunden Wahrscheinlichkeit, die kleiner als ein Schwellenwahrscheinlichkeitswert ist.
Wenn in Block 176 kein Klassifikator ein Fehlersignal ausgibt oder eine gesunde Wahrscheinlichkeit kleiner als der Schwellenwert hat, wird für die zugehörigen Subsysteme kein Fehler gefunden. In Block 177 wird, wenn einer der Klassifikatoren ein Fehlersignal ausgibt, das Fehlersignal (und gegebenenfalls die Wahrscheinlichkeit) aufgezeichnet und/oder einem Benutzer präsentiert.
Das Verfahren 170 beinhaltet in einer Ausführungsform die Analyse der aufgezeichneten Messdaten durch ein anderes Verarbeitungsmodul oder System oder durch einen Experten oder Techniker. In Block 178 werden die Messdaten aufgezeichnet und in Block 179 wird festgestellt, ob ein Ausfallmodus gefunden wurde. Wurde kein Fehlermodus gefunden, wird das Verfahren 170 abgeschlossen (Block 180).
Wurde in Block 181 ein Fehlermodus gefunden, werden die mit dem oder den Klassifikatoren, die Fehlersignale ausgeben, verbundenen Messdaten mit einer Ursachendatenbank abgeglichen, um festzustellen, ob zuvor ähnliche Messdaten aufgezeichnet wurden und mit einer Fehlerursache verbunden waren. Wenn nicht, wird in Block 182 eine neue Grundursache erfasst, die in der nachfolgenden Diagnostik und/oder zum Training eines oder mehrerer Klassifikatoren verwendet werden kann.
Ein Beispiel für das Verfahren 170 ist in 11 dargestellt. In diesem Beispiel umfasst das Überwachungssystem 20 mehrere Ein-Klassen-Klassifikatoren, zu denen ein Klassifikator für das Luft-Subsystem (wie der Klassifikator von 3) und Klassifikatoren für das Kraftstoff-Subsystem gehören. Die Klassifikatoren umfassen einen LP-Kraftstoffpumpen-Klassifikator und einen HP-Kraftstoffpumpen-Klassifikator.
In diesem Beispiel stellt der Luft-Klassifikator die Messdaten als Positionsvektoren 190 (Datenpunkte „d1“ und „d2“) in einem Merkmalsraum 192 mit den Achsen x1 und x2 dar, die die Drehzahlwerte bzw. MAF-Restwerte repräsentieren. Der Merkmals-Raum 192 enthält eine gesunde Grenze 194, die eine gesunde Klasse darstellt, die auf Basis von Stützvektoren („SV“) 196 definiert ist. Die Stützvektoren 196 werden aus zuvor aufgezeichneten Trainingsdaten oder früheren Messdaten ausgewählt, die als Beobachtungen („O“) 198 dargestellt werden. Wie gezeigt, gibt es eine signifikante Anzahl von Positionsvektoren 190, die außerhalb der Grenze 194 liegen.
Der HD-Kraftstoffpumpen-Klassifikator stellt die Messdaten (gemessener HD-Kraftstoffleitungsdruck und Kraftstofffluss) als Positionsvektoren 200 in einem Merkmalsraum 202 mit den Achsen x1 und x2 dar, die die HD-Kraftstoffleitungs-Druckwerte bzw. die Kraftstoffflusswerte repräsentieren. Der Merkmals-Raum 202 enthält eine gesunde Grenze 204, die eine gesunde Klasse darstellt, die auf Basis der Stützvektoren 206 definiert ist. Die Stützvektoren 206 werden aus zuvor aufgezeichneten Trainingsdaten oder früheren Messdaten ausgewählt, die als Beobachtungen 208 dargestellt werden.
Ebenso stellt der LP-Kraftstoffpumpen-Klassifikator die Messdaten (LP-Kraftstoffleitungsdruck-Restwerte und gemessener Kraftstoffdurchfluss) als Positionsvektoren 210 in einem Merkmalsraum 212 mit den Achsen x1 und x2 dar, die die LP-Leitungsdruck-Restwerte bzw. die Kraftstoffdurchflusswerte repräsentieren. Der Merkmals-Raum 212 enthält eine „gesund“ Grenze 214, die eine gesunde Klasse repräsentiert, die auf Basis der Stützvektoren 216 definiert ist. Die Stützvektoren 216 werden aus zuvor aufgezeichneten Trainingsdaten oder früheren Messdaten ausgewählt, die als Beobachtungen 218 dargestellt werden.
Wie gezeigt, gibt es keine signifikante Anzahl von Positionsvektoren außerhalb der gesunden Klassengrenzen für den LP-Kraftstoffpumpen-Klassifikator oder den HP-Kraftstoffpumpen-Klassifikator, was darauf hinweist, dass die HP-Kraftstoffpumpe und die LP-Kraftstoffpumpe normal arbeiten. So ist das Überwachungssystem 20 in der Lage, mögliche Ursachen auf ein Problem des Luftsubsystems einzugrenzen. In einem anderen Szenario, wenn eine Motorfehlzündung erkannt wird, die nicht durch das Zündungs-Subsystem verursacht wird, und die Luftsystem-Klassifikator und Kraftstoffpumpen-Klassifikator alle auf gesunde Bedingungen hinweisen, könnte die Ursache höchstwahrscheinlich auf ein Kraftstoffeinspritzproblem hindeuten.
Die hier verwendete Terminologie dient nur der Beschreibung bestimmter Ausführungsformen und ist nicht als Einschränkung der vorliegenden Offenbarung gedacht. Wie hier verwendet, sollen die Singularformen „ein“, „eine“ und „der, die, das“ auch die Pluralformen einschließen, sofern der Kontext nicht eindeutig etwas anderes angibt. Es wird weiter verstanden, dass die Begriffe „umfassend“ und/oder „umfasst“, wenn sie in dieser Beschreibung verwendet werden, das Vorhandensein von angegebenen Merkmalen, ganzen Zahlen, Schritten, Operationen, Elementen und/oder Komponenten angeben, aber nicht das Vorhandensein oder die Hinzufügung von einem oder mehreren anderen Merkmalen, ganzen Zahlen, Schritten, Operationen, Elementkomponenten und/oder Gruppen davon ausschließen.
Während die vorstehende Offenbarung unter Bezugnahme auf beispielhafte Ausführungsformen beschrieben wurde, wird es von den Fachleuten verstanden, dass verschiedene Änderungen vorgenommen werden können und Elemente davon durch Äquivalente ersetzt werden können, ohne dass der Geltungsbereich verlassen wird. Darüber hinaus können viele Änderungen vorgenommen werden, um eine bestimmte Situation oder ein bestimmtes Material an die Lehren der Offenbarung anzupassen, ohne von deren wesentlichem Umfang abzuweichen. Es ist daher beabsichtigt, dass sich die vorliegende Offenbarung nicht auf die einzelnen offengelegten Ausführungsformen beschränkt, sondern alle Ausführungsformen umfasst, die in den Geltungsbereich dieser Ausführungsform fallen.

Claims

Ein System zum Überwachen des Betriebs eines Fahrzeugs, umfassend eine Verarbeitungsvorrichtung mit einer Schnittstelle, die eingerichtet ist, Messdaten von einer Vielzahl von Sensorvorrichtungen zu empfangen, wobei jede Sensorvorrichtung der Vielzahl von Sensorvorrichtungen eingerichtet ist, einen Parameter eines Fahrzeugsystems zu messen, wobei die Verarbeitungsvorrichtung eingerichtet ist, Folgendes auszuführen: Empfangen von Messdaten von jedem der mehreren Sensorgeräte; in Erwiderung auf die Erkennung einer Fehlfunktion im Fahrzeug, Eingeben mindestens einer Teilmenge der Messdaten in einen maschinell lernenden Klassifikator, der einem Fahrzeug-Subsystem zugeordnet ist, wobei der Klassifikator eingerichtet, eine Klasse zu definieren, die dem normalen Betrieb des Fahrzeug-Subsystems zugeordnet ist; Bestimmen durch den Klassifikator, ob die Teilmenge der Messdaten zur Klasse gehört, und basierend auf mindestens einer ausgewählten Menge der Teilmenge der Messdaten, die außerhalb der Klasse liegt, Ausgeben einer Fehleranzeige, wobei die Fehleranzeige das Subsystem des Fahrzeugs als einen Beitrag zur Fehlfunktion leistend identifiziert.
Das System nach Anspruch 1, wobei der Klassifikator eingerichtet ist, die Teilmenge der Messdaten als Positionsvektoren in einem Merkmalsraum mit Achsen, die Parameter repräsentieren, die mit dem Betrieb des Fahrzeug-Subsystems in Zusammenhang stehen, aufzuzeichnen, wobei der Merkmalsraum eine Grenze enthält, die einen Bereich des Merkmalsraums definiert, der mit einem gesunden Zustand des Fahrzeug-Subsystems assoziiert ist, und der Klassifikator eingerichtet ist, die Fehleranzeige basierend auf einem ausgewählten Anteil der Positionsvektoren auszugeben, der außerhalb des Bereichs liegen.
Das System nach Anspruch 1, bei dem der Klassifikator ein Ein-Klassen-Klassifikator ist und die Klasse eine gesund-Klasse ist, die den normalen Betrieb des Fahrzeug-Subsystems repräsentiert.
Das System nach Anspruch 3, bei dem das Fahrzeug eine Vielzahl von Fahrzeug-Subsystemen umfasst und die Verarbeitungsvorrichtung so eingerichtet ist, dass eine jeweilige Teilmenge der Messdaten in jeden von mehreren Ein-Klassen-Klassifikatoren eingeben, wobei jeder Ein-Klassen-Klassifikator einem anderen Fahrzeug-Subsystem zugeordnet ist, für jeden Ein-Klassen-Klassifikator zu bestimmen, ob die jeweilige Teilmenge zur gesund-Klasse gehört, und auf der Grundlage mindestens eines Klassifikators, der feststellt, dass die jeweilige Teilmenge nicht zur gesund-Klasse gehört, Ermitteln, welches der Vielzahl von Fahrzeug-Subsystemen einen Beitrag zur Fehlfunktion leistet.
Das System nach Anspruch 4, wobei die Vielzahl der Ein-Klassen-Klassifikatoren einen Luft-Subsystem-Klassifikator, einen Kraftstoff-Subsystem-Klassifikator und einen Zündungs-Subsystem-Klassifikator umfasst.
Ein Verfahren zum Überwachen des Betriebs eines Fahrzeugs, umfassend: Empfangen von Messdaten von einer Vielzahl von Sensorvorrichtungen durch eine Verarbeitungsvorrichtung, wobei jede Sensorvorrichtung der Vielzahl von Sensorvorrichtungen eingerichtet, einen Parameter eines Fahrzeugsystems zu messen; in Erwiderung auf die Erkennung einer Fehlfunktion im Fahrzeug, Eingeben mindestens einer Teilmenge der Messdaten in einen maschinell lernenden Klassifikator, der einem Fahrzeug-Subsystem zugeordnet ist, wobei der Klassifikator eingerichtet, eine Klasse zu definieren, die dem normalen Betrieb des Fahrzeug-Subsystems zugeordnet ist; Bestimmen, durch den Klassifikator, ob die Teilmenge der Messdaten zur Klasse gehört; und basierend auf mindestens einer ausgewählten Menge der Teilmenge der Messdaten, die außerhalb der Klasse liegt, Ausgeben einer Fehleranzeige, wobei die Fehleranzeige das Subsystem des Fahrzeugs als einen Beitrag zur Fehlfunktion identifiziert.
Das Verfahren nach Anspruch 6, wobei der Klassifikator eine Vielzahl von zweidimensionalen Ein-Klassen-Klassifikatoren umfasst, wobei jeder Ein-Klassen-Klassifikator so eingerichtet ist, dass er Messdaten für ein Paar von Parametern empfängt, wobei das Verfahren ferner die Identifizierung einer oder mehrerer einzelner Komponenten oder eines Fahrzeug-Subsystems als einen Beitrag zu der Fehlfunktion durch Vergleichen der Ausgaben der Vielzahl von Ein-Klassen-Klassifikatoren mit einer Wissensbasis umfasst.
Das Verfahren nach Anspruch 6, wobei der Klassifikator ein Zwei-Klassen-Klassifikator ist, der eine gesund-Klasse, die mit dem normalen Betrieb des Fahrzeug-Subsystems verbunden ist, und eine fehlerhaft-Klasse hat.
Das Verfahren nach Anspruch 6, wobei der Klassifikator ein Mehr-Klassen-Klassifikator mit mindestens drei Klassen ist, die mit einer Vielzahl von Fahrzeug-Subsystemen und/oder Komponenten verbunden sind.
Das Verfahren nach Anspruch 9, wobei die mindestens drei Klassen eine gesunde Klasse, die mit dem normalen Betrieb aller der mehreren Fahrzeug-Subsysteme oder -komponenten verbunden ist, und eine fehlerhaft-Klasse für jedes Fahrzeug-Subsystem und/oder jede Komponente umfassen.