-
Die Erfindung betrifft ein Verfahren zur Ermittlung einer Zielgröße und eine Sensoranordnung zur Ausführung eines solchen Verfahrens.
-
Die
EP 3 084 418 B1 zeigt ein Verfahren zur Bestimmung des Zustands einer Straße und des Zustands eines Reifens, bei dem eine Messung eines akustischen Signals erfolgt, eine Spektralleistungsdichte des akustischen Signals bestimmt wird, ein Frequenzintervall segmentiert wird, jedem Frequenzband ein Datum zugeordnet wird, und ein Zustand der Straße und des Reifens mit Hilfe einer Diskriminanzanalyse der Daten bestimmt wird.
-
Es ist daher eine Aufgabe der Erfindung, ein neues Verfahren zur Ermittlung einer Zielgröße und ein Fahrzeug zur Ausführung eines solchen Verfahrens bereitzustellen.
-
Diese Aufgabe wird gelöst durch den Gegenstand des Anspruchs 1 und den Gegenstand des Anspruchs 18.
-
Ein Verfahren zur Ermittlung einer Zielgröße mittels eines Fahrzeugsensors und einer Auswertevorrichtung weist die folgenden Schritte auf:
- A) Mit dem Fahrzeugsensor wird ein Schall erfasst und in Abhängigkeit vom erfassten Schall ein erstes Signal erzeugt;
- B) aus dem ersten Signal wird eine vorgegebene erste Anzahl von zeitlich begrenzten ersten Signalbereichen des ersten Signals erzeugt,
- C) aus den ersten Signalbereichen werden durch eine erste Fourier-Transformation erste Spektren berechnet;
- D) durch ein Aggregationsverfahren wird aus den ersten Spektren ein zweites Spektrum berechnet;
- E) aus dem zweiten Spektrum wird durch eine zweite Fourier-Transformation ein Cepstrum berechnet;
- F) in Abhängigkeit vom Cepstrum wird durch ein Klassifikationsverfahren die Zielgröße ermittelt.
-
Die Analyse in Abhängigkeit von den Cepstra ermöglicht eine gute Klassifizierung. Die Auswertung der Schritte B) bis F) erfolgt bevorzugt in der Auswertevorrichtung.
-
Gemäß einer bevorzugten Ausführungsform umfasst die Zielgröße mindestens eine erste Zielgröße aus der Zielgrößengruppe bestehend aus:
- • Profiltiefe eines Reifens,
- • Alterungszustand eines Reifens,
- • Reifentyp,
- • Reifenhersteller,
- • Stärke des Bremsenquietschens,
- • Trockenheit zwischen Reifen und Fahrbahn,
- • Feuchte zwischen Reifen und Fahrbahn,
- • Nässe zwischen Reifen und Fahrbahn,
- • Quantitative Nässe zwischen Reifen und Fahrbahn,
- • Vorhandensein von Eis auf der Fahrbahn,
- • Vorhandensein von Schnee auf der Fahrbahn,
- • Vorhandensein von Verschmutzung zwischen Reifen und Fahrbahn,
- • Quantitative Angabe zur Verschmutzung zwischen Reifen und Fahrbahn,
- • Beschaffenheit der Straßenoberfläche, und
- • Porosität der Straßenoberfläche.
-
Diese Zielgrößen ermöglichen eine erhöhte Sicherheit und einen bedarfsgerechten Service. Es sind alle Unterkombinationen dieser Zielgrößengruppe möglich.
-
Gemäß einer bevorzugten Ausführungsform wird in Schritt E) das Cepstrum durch eine diskrete Kosinus-Transformation berechnet. Die diskrete Kosinus-Transformation kann schneller und mit weniger Rechenaufwand berechnet werden als eine vollständige Fourier-Transformation.
-
Gemäß einer bevorzugten Ausführungsform erfolgt in Schritt F) ein Vergleich des Cepstrums mit gespeicherten Cepstra von bekannten Zielgrößen. Dies ermöglicht eine gute Bestimmung der Zielgröße.
-
Gemäß einer bevorzugten Ausführungsform sind die gespeicherten Cepstra durch Messung an bekannten Zielgrößen erzeugt. Eine solche Erzeugung ermöglicht ein genaueres Ergebnis als beispielsweise eine rein synthetische Erzeugung.
-
Gemäß einer bevorzugten Ausführungsform wird in Schritt A) mit dem Fahrzeugsensor ein Körperschall oder ein Luftschall erfasst. Diese Schalltypen sind aussagekräftig für die gewünschten Zielgrößen. Es können auch sowohl Fahrzeugsensoren für die Erfassung von Körperschall als auch solche für die Erfassung von Luftschall genutzt werden.
-
Gemäß einer bevorzugten Ausführungsform überlappen sich in Schritt B) die ersten Signalbereiche zumindest teilweise zeitlich. Versuche haben ergeben, dass dies zu einer Verbesserung des Ergebnisses führen kann.
-
Gemäß einer bevorzugten Ausführungsform wird das erste Signal als digitales erstes Signal erzeugt. Die Erzeugung eines digitalen ersten Signals erleichtert die Weiterverarbeitung.
-
Gemäß einer bevorzugten Ausführungsform werden die erste Fourier-Transformation und die zweite Fourier-Transformation als diskrete Fourier-Transformationen berechnet. Die Genauigkeit von diskreten Fourier-Transformationen ist ausreichend, und sie können schnell erfolgen.
-
Gemäß einer bevorzugten Ausführungsform werden die ersten Spektren in Schritt C) auf Grundlage des Logarithmus der ersten Fourier-Transformation der ersten Signalbereiche des ersten Signals berechnet. Die Verwendung des Logarithmus ergibt eine vorteilhafte Berücksichtigung unterschiedlicher Amplituden über einen großen Bereich. Alternativ oder kumulativ kann auch die Frequenz der Spektren logarithmisch berücksichtigt werden.
-
Gemäß einer bevorzugten Ausführungsform ist die zweite Fourier-Transformation eine inverse Fourier-Transformation. Die inverse Fourier-Transformation unterscheidet sich in der mathematischen Grundformel von der „normalen“ Fourier-Transformation im Vorzeichen des Exponenten.
-
Gemäß einer bevorzugten Ausführungsform werden Fahrzeugdaten über eine Geschwindigkeit und eine Beschleunigung des Fahrzeugs ausgewertet, und in Abhängigkeit von der Auswertung wird bestimmt, ob die zeitlich zugeordneten zeitlich begrenzten ersten Signalbereiche für das Klassifikationsverfahren geeignet sind. Hierdurch wird das Verfahren robuster.
-
Gemäß einer bevorzugten Ausführungsform werden von einer Mehrzahl von Fahrzeugen erste Daten über ein Netzwerk an mindestens einen Server übermittelt, um eine Auswertung der ersten Daten durch den mindestens einen Server zu ermöglichen, welche ersten Daten mindestens eine Information umfassen aus:
- • erstes Signal,
- • erste Signalbereiche,
- • erste Spektren,
- • zweite Spektren,
- • Cepstra.
-
Die Übermittlung dieser Daten an den Server ermöglicht ein Überprüfung der Funktion und eine Verbesserung des Klassifikationsverfahrens.
-
Gemäß einer bevorzugten Ausführungsform werden vom Server zweite Daten über ein Netzwerk an mindestens zwei Fahrzeuge übermittelt, welche zweiten Daten dazu vorgesehen sind, die Auswertevorrichtung zu beeinflussen, wobei in der Auswertevorrichtung die vorgegebene Zielgröße in Abhängigkeit von den zweiten Daten bestimmt wird. Durch die zweiten Daten kann die Genauigkeit des Klassifikationsverfahrens verbessert werden.
-
Gemäß einer bevorzugten Ausführungsform wird die ermittelte Zielgröße an ein Fahrerassistenzsystem übermittelt.
-
Gemäß einer bevorzugten Ausführungsform wird die ermittelte Zielgröße einer Informationsanzeige zugeführt.
-
Gemäß einer bevorzugten Ausführungsform umfasst die Zielgröße eine Information über die Räder eines Fahrzeugs oder über die Beschaffenheit der Straße, auf der sich das Fahrzeug bewegt.
-
Eine Sensoranordnung weist einen Fahrzeugsensor und eine Auswertevorrichtung auf und ist dazu eingerichtet, ein solches Verfahren durchzuführen.
-
Gemäß einer bevorzugten Ausführungsform weist ein Fahrzeug eine solche Sensoranordnung auf. Für Fahrzeuge ist eine solche Sensoranordnung besonders gut geeignet.
-
Weitere Einzelheiten und vorteilhafte Weiterbildungen der Erfindung ergeben sich aus den im Folgenden beschriebenen und in den Zeichnungen dargestellten, in keiner Weise als Einschränkung der Erfindung zu verstehenden Ausführungsbeispielen sowie aus den Unteransprüchen. Es zeigen:
- 1 ein Fahrzeug mit einer Sensoranordnung,
- 2 in schematischer Darstellung den Ablauf der Signalverarbeitung,
- 3 ein Signal eines Schallsensors mit zeitlich begrenzten ersten Signalbereichen,
- 4 bis 7 ein Ergebnis einer Fourier-Transformation der zeitlich begrenzten ersten Signalbereiche,
- 8 das Ergebnis einer Mittelwertbildung über die Ergebnisse von 4 bis 7,
- 9 das Ergebnis der Berechnung des Cepstrums aus dem Ergebnis von 8,
- 10 ein Ausführungsbeispiel für ein Klassifikationsverfahren,
- 11 eine Ausführungsform mit einer Serverkommunikation,
- 12 eine Definition eines Normalbereichs für Cepstra, und
- 13 eine beispielhafte Darstellung des Verfahrens für einen Beispieldatensatz von Cepstra mit Einordnung relativ zum Normalbereich.
-
Im Folgenden sind gleiche oder gleichwirkende Teile mit den gleichen Bezugszeichen versehen und werden üblicherweise nur einmal beschrieben. Die Beschreibung ist figurenübergreifend aufeinander aufbauend, um unnötige Wiederholungen zu vermeiden.
-
1 zeigt ein Fahrzeug 10 mit vier Rädern 12 und vier jeweils einem Rad 12 zugeordneten Fahrzeugsensoren 14, welche jeweils über eine zugeordnete Datenleitung 16 mit einer Auswertevorrichtung 23 verbunden sind. Die Auswertevorrichtung 23 umfasst eine Recheneinheit, wobei die Berechnung hardwaremäßig beispielsweise auch teilweise in den Fahrzeugsensoren 14 zugeordneten Unterrecheneinheiten erfolgen kann. Die Auswertevorrichtung 23 kann somit zentral, dezentral oder teilzentral sein.
-
Die Fahrzeugsensoren 14 und die Auswertevorrichtung 23 bilden gemeinsam eine Sensoranordnung 20.
-
Die Auswertevorrichtung 23 ist beispielhaft mit einem Fahrerassistenzsystem 25 und mit einer Informationsanzeige 27 verbunden. Zudem ist die Auswertevorrichtung 23 bevorzugt mit einer Datenübertragungseinheit 29 verbunden.
-
Ziel der Auswertevorrichtung 23 ist die Ermittlung einer Zielgröße in Abhängigkeit von den Signalen der Fahrzeugsensoren 14. Die Zielgröße umfasst hierbei bevorzugt eine Information über die Räder 12 oder über die Beschaffenheit der Straße.
-
2 zeigt schematisch den grundlegenden Ablauf der Signalverarbeitung.
-
Ein Doppelpfeil 18 deutet eine Vibration an, wie sie bspw. durch den dynamischen Kontakt der Räder 12 mit der Straße auftritt.
-
In einem Schritt S100 wird aus der Vibration 18 durch einen Sensor ein erstes Signal erzeugt, und der Sensor ist bevorzugt ein Körperschallsensor oder ein Luftschall-Sensor. Zusätzlich kann eine Signal-Vorverarbeitung oder eine Filterung stattfinden, um bspw. hochfrequente Anteile zu dämpfen. Bei dieser Filterung können Hardware-Filter und/oder Software-Filter zum Einsatz kommen.
-
Anschließend wird im Schritt S102 eine Signalübertragung des ersten Signals durchgeführt. Die Übertragung erfolgt bevorzugt als zyklische Übertragung.
-
Im Schritt S104 erfolgt eine Auswertung des ersten Signals, und die Zielgröße wird bestimmt.
-
Im Schritt S106 können weitere Schritte durchgeführt werden. Es kann bspw. die ermittelte Zielgröße dem Fahrerassistenzsystem 25 von 1 zugeführt werden, damit dieses bei plötzlich auftretender Feuchtigkeit oder Nässe reagieren kann und hierdurch die Sicherheit erhöht. Eine Feature-Extraktion kann durchgeführt werden, wobei das Cepstrum bereits als Feature genutzt werden kann. Es ist zudem möglich, eine Information über die ermittelte Zielgröße mit der Informationsanzeige 27 von 1 anzuzeigen und den Fahrer bspw. zu warnen. Eine weitere Möglichkeit besteht darin, über die Datenübertragungseinheit 29 von 1 Daten an einen Server zu übertragen, um eine weitere Verarbeitung der Daten im Server zu ermöglichen und ggf. auch eine Information vom Server über die Datenübertragungseinheit 29 an die Auswertevorrichtung 23 von 1 zu übertragen.
-
Die Zielgröße ist bevorzugt mindestens eine erste Zielgröße aus der Zielgrößengruppe bestehend aus:
- • Profiltiefe eines Reifens,
- • Alterungszustand eines Reifens,
- • Reifentyp,
- • Reifenhersteller,
- • Stärke des Bremsenquietschens,
- • Trockenheit an den Reifen,
- • Feuchte an den Reifen,
- • Nässe an den Reifen,
- • Quantitative Nässe an den Reifen,
- • Vorhandensein von Eis,
- • Vorhandensein von Schnee,
- • Vorhandensein von Verschmutzung,
- • Quantitative Angabe zur Verschmutzung,
- • Straßenoberfläche, und
- • Porosität der Oberfläche.
-
Die Profiltiefe eines Fahrzeugreifens beeinflusst die beim Fahren entstehenden Geräusche, und daher kann aus den Geräuschen auf die Profiltiefe rückgeschlossen werden.
-
Bei einer Alterung eines Reifens ändert sich das Reifenmaterial, es wird bspw. spröder, härtet aus und bekommt Risse. Auch hierdurch ändern sich die durch den Reifen erzeugten Geräusche.
-
Reifentypen wie bspw. Sommerreifen, Winterreifen oder Ultra-High-Performance-Reifen (UHP-Reifen) beeinflussen ebenfalls die beim Fahren entstehenden Geräusche.
-
Die Reifenhersteller verwenden unterschiedliche Mischungen des Reifenmaterials und unterschiedliche Profile, und auch hierdurch ergeben sich unterschiedliche Geräusche.
-
Der Zustand der Bremsen (Temperatur, Abnutzung, Nässe) führt zu unterschiedlichen Geräuschen, beispielsweise Quietschen.
-
Feuchtigkeit und Nässe beeinflussen ebenfalls die durch die Reifen bei der Fahrt erzeugten Geräusche, und über die Geräusche kann auf Trockenheit, Feuchte oder Nässe rückgeschlossen werden. In Näherung sind auch qualitative und quantitative Angaben über die Nässe möglich.
-
Das Vorhandensein von Eis, Schnee und Verschmutzungen beeinflusst ebenfalls die beim Fahren entstehenden Geräusche. Und bei der Verschmutzung sind qualitative und quantitative Angaben möglich.
Die Beschaffenheit der Straßenoberfläche beeinflusst die Geräusche, und Oberflächen wie Asphalt, Beton, Schotter, Pflastersteine und Sand führen zu unterschiedlichen Geräuschen.
-
Die Porosität der Straßenoberfläche führt zu unterschiedlichen Geräuschen, und aus den Geräuschen kann rückgeschlossen werden, ob die Straße glatt oder porös ist.
-
Die Aufteilung der einzelnen Schritte auf die vorhandene Hardware kann variabel gewählt werden. Falls beispielsweise der Fahrzeugsensor 14 von 1 zur Durchführung einer Fourier-Transformation ausgebildet ist, kann die ersten Fourier-Transformation bereits im Fahrzeugsensor 14 erfolgen.
-
3 zeigt beispielhaft ein Signal x(t) eines der Sensoren 14 von 1. Das Signal x(t) ist über einen Zeitraum von einer Sekunde aufgetragen und in vier Beobachtungszeiträume T1, T2, T3 und T4 aufgeteilt. Jeder Beobachtungszeitraum T1 bis T4 ist im Ausführungsbeispiel unterteilt in vier Fenster W1, W2, W3 und W4. Im Ausführungsbeispiel sind die Fenster W1 bis W4 nebeneinander angeordnet, sie können aber auch voneinander beabstandet sein, sich teilweise überlappen, oder aber beispielsweise teilweise beabstandet sein, teilweise sich überlappen und teilweise direkt aneinander anschließen. Welche der Varianten vorteilhaft ist, hängt vom konkreten Anwendungsfall ab. Die Anzahl der jeweils berücksichtigten Fenster kann gewählt werden, und allgemein werden die Fenster W1 - Wn berücksichtigt, wobei n einer vorgegebenen Anzahl zu berücksichtigender Beobachtungszeiträume in einem vorgegebenen Zeitraum T entspricht. Die Amplitude A ist normiert auf Werte zwischen 1,0 (normierte maximale positive Amplitude) und -1,0 (normierte maximale negative Amplitude) angegeben. Jedes der Fenster W1 bis W4 entspricht einem zeitlich begrenzten ersten Signalbereich des ersten Signals x(t). Solche erste Signalbereiche werden auch als gefensterte Daten bezeichnet.
-
4 bis 7 zeigen das Ergebnis einer ersten Fourier-Transformation der zeitlich begrenzten ersten Signalbereiche W1 (4), W2 (5), W3 (6) und W4 (7). Das Ergebnis der ersten Fourier-Transformation ist ein Spektrum mit einer Amplitude A, aufgetragen über die jeweilige Frequenz. Die Amplitude A ist in der Einheit dBFS angegeben, einer logarithmischen Einheit mit absoluter Skala, wie sie in tontechnischen Systemen verwendet wird. Hierzu wird auf das Ergebnis der ersten Fourier-Transformation eine Logarithmus-Funktion angewandt. Die Frequenz f ist in Hertz (Hz) angegeben. Der dargestellte Frequenzbereich ist vorteilhaft. Es kann sich aber im einzelnen Anwendungsgebiet als vorteilhaft erweisen, einen größeren oder kleineren Frequenzbereich zu berücksichtigen.
-
Die Fourier-Transformation wird bevorzugt als Schnelle Fourier-Transformation durchgeführt, welche als FFT bzw. im englischen als Fast Fourier Transform bezeichnet wird. Die Bezeichnung Log[FFT-W1] bezeichnet somit beispielhaft die Durchführung einer Fourier-Transformation auf das erste Signal x(t) im ersten Fenster W1 und dem anschließenden Logarithmieren des Ergebnisses.
-
Betrachtet wird im Ausführungsbeispiel ausschließlich der Realteil Re der Fourier-Transformation.
-
Dargestellt ist mathematisch das Spektrum Log(Re{FFT(x(t))}). Alternativ kann das Betragsspektrum Log(|FFT(x(t))|) verwendet werden.
-
8 zeigt das Ergebnis MEAN-FFT einer Mittelwertbildung der Spektren von 4 bis 7, und das Ergebnis ist ein gemitteltes zweites Spektrum. Die Mittelwertbildung kann wie dargestellt über die logarithmierten Spektren erfolgen, es kann aber auch in einem ersten Schritt die Mittelwertbildung der Spektren erfolgen, und anschließend die Logarithmus-Funktion angewandt werden. Bei der Mittelwertbildung werden die Amplituden der Spektren bei einer jeweils vorgegebenen Frequenz gemittelt und als gemittelte Amplitude des gemittelten zweiten Spektrums genutzt, bis man die gemittelte Amplitude über den gesamten Frequenzbereich hat.
-
Die Mittelwertbildung führt dazu, dass Störsignale in einzelnen Fenstern W1 bis W4 weniger ins Gewicht fallen, und hierdurch wird das Verfahren robuster.
-
Beim gemittelten zweiten Spektrum ist ebenfalls die Amplitude A aufgetragen über die Frequenz f.
-
Bei einer vollständigen ersten Fourier-Transformation enthält das Spektrum sowohl reale als auch imaginäre Anteile. Es können sowohl der Realteil als auch der Imaginärteil verarbeitet werden, oder aber nur der Realteil. Eine weitere Möglichkeit besteht darin, das Leistungsspektrum (englisch: power spectrum) zu betrachten. Hierzu wird der Betrag des Ergebnisses der ersten Fourier-Transformation im Quadrat als Grundlage für die weitere Berechnung verwendet.
-
Als Logarithmus-Funktion kann bspw. der Logarithmus zur Basis 10 oder der natürliche Logarithmus mit der Basis e verwendet werden.
-
Die Mittelwertbildung ist eine Möglichkeit eines Aggregationsverfahrens. Eine andere Möglichkeit eines Aggregationsverfahrens besteht beispielsweise darin, bei der Erzeugung des zweiten Spektrums eine Gewichtung der ersten Spektren von 4 bis 7 durchzuführen, wobei die Gewichtung beispielsweise in Abhängigkeit von einem Situationsfilter oder einer Ausreißererkennung erfolgt. Hierdurch können die ersten Spektren unterschiedlich stark bei der Erzeugung des zweiten Spektrums berücksichtigt werden.
-
9 zeigt das Ergebnis einer zweiten Fourier-Transformation des gemittelten zweiten Spektrums von 8. Aufgetragen ist die Amplitude A über die Zeit t bzw. den Quotienten 1/f. Da auch das erste Signal eine Amplitude über die Zeit darstellt, wird zur Unterscheidung das Signal von 9 Cepstrum genannt, und die Abszisse wird Quefrency genannt. Die Begriffe Cepstrum und Quefrency sind Anagramme der englischen Begriffe spectrum und frequency, und sie wurden von John Wilder Tukey in einer Veröffentlichung von 1963 eingeführt.
-
Durch die zweite Fourier-Transformation werden insbesondere die im Ergebnis der ersten Fourier-Transformation (4 bis 7 bzw. 8) auftretenden Frequenzen ermittelt.
-
Die zweite Fourier-Transformation ist bevorzugt eine inverse Fourier-Transformation (IFFT). Sofern beim Ergebnis der ersten Fourier-Transformation (vgl. 8) nur der Realteil bzw. das Betragsspektrum berücksichtigt wird, entspricht die zweite Fourier-Transformation bei einer Symmetrie des Spektrums bezüglich der y-Achse (f = 0) einer Kosinus-Transformation, da sich die Sinus-Anteile ohne den Imaginärteil nicht auswirken.
-
Mathematisch wird beispielsweise
Re{IFFT(Log(Re{FFT(x(t))}))} oder
Re{IFFT(Log(|FFT(x(t))|))} berechnet.
-
Versuche haben ergeben, dass das Cepstrum von 9 gut geeignet ist, um die gewünschten Zielgrößen zu bestimmen.
-
10 zeigt beispielhaft ein Klassifikationsverfahren, durch welches in Abhängigkeit des Cepstrums von 9 die Zielgröße ermittelt wird.
-
Das Klassifikationsverfahren verwendet beispielhaft einen Input-Vektor 70 der Dimension 1x32, und es ist eine Gruppe von Klassen in einem Feld 72 definiert, wobei die Klassen jeweils dem Cepstrum eines vorgegebenen Reifentyps TT (englisch: Tire Type) bei einer vorgegebenen Geschwindigkeit des Fahrzeugs zugeordnet sind. Über das Klassifikationsverfahren wird nun überprüft, ob das Cepstrum von 9 mit einer der Klassen übereinstimmt, bzw. welchen Grad der Übereinstimmung das Cepstrum mit der jeweiligen Klasse hat. Als Ergebnis können bspw. eine gute Übereinstimmung mit einem Winterreifen bei der Geschwindigkeit 80-90 km/h und eine gute Übereinstimmung mit einem Sommerreifen bei 120-130 km/h herauskommen, und eine schlechtere Übereinstimmung mit den unterschiedlichen Reifentypen bei anderen Geschwindigkeiten. Eine zusätzliche Berücksichtigung der bei der Geräuschmessung vorliegenden Geschwindigkeit des Fahrzeugs 10 ermöglicht anschließend die Auswahl der geeigneten Klasse. Wenn die Messung bspw. bei einer Geschwindigkeit von 82 km/h durchgeführt wurde, wird ein Winterreifen als Ergebnis der Zielgröße festgelegt. Die Berücksichtigung weiterer Parameter wie der Geschwindigkeit führt zu einer größeren Robustheit des Klassifikationsverfahrens.
-
Die Klassengruppe 72 ist zudem weiter unterteilt in Klassen, welche einem neuen Reifen, einem leicht abgefahrenen Reifen und einem stark abgefahrenen Reifen zugeordnet sind. Durch diese Unterteilung ist es zusätzlich möglich, bei der Klassifizierung eine Zuordnung des ersten Signals x(t) zu einem Reifenzustand 74 (neu), 75 (leicht abgefahren) und 76 (stark abgefahren) durchzuführen. Diese Reifenzustände werden auch als Hauptklassen (engl. Main Classes) des Klassifikationsverfahrens bezeichnet. Diese Information kann bspw. genutzt werden im Fahrerassistenzsystem 25, indem bei einem stark abgefahrenen Reifen die Sicherheitssysteme stärker aktiviert werden oder extreme Fahrsituationen unterbunden werden. Zudem ist eine Anzeige des Reifenzustands in der Informationsanzeige 27 von 1 möglich.
-
Als Klassifikationsverfahren sind bspw. möglich:
- • Quader-Klassifikator,
- • Abstandsklassifikator,
- • Nächste-Nachbarn-Klassifikation,
- • Clusterverfahren,
- • künstliches neuronales Netz, und
- • latente Klassenanalyse.
-
Künstliche neuronale Netze bzw. Netzwerke sind Netze aus künstlichen Neuronen. Sie stellen damit einen Bereich der künstlichen Intelligenz dar.
-
Das Klassifikationsverfahren wird bevorzugt durch maschinelles Lernen beeinflusst. Hierzu werden Schallmessungen unter bekannten vorgegebenen Bedingungen durchgeführt, und es erfolgt eine Auswertung der Messdaten unter Ausbildung des Klassifikationsverfahrens. Hierbei kommen Methoden wie die Kreuzvalidierung zur Anwendung.
-
Eine weitere Möglichkeit zur Erhöhung der Robustheit des Verfahrens besteht darin, Fahrzeugdaten über eine Geschwindigkeit (z.B. Fahrzeuggeschwindigkeit, Reifendrehzahl, Motordrehzahl) und eine Beschleunigung (z.B. Fahrzeugbeschleunigung, Reifenbeschleunigung, Motorbeschleunigung) des Fahrzeugs 10 ausgewertet werden, und in Abhängigkeit von der Auswertung bestimmt wird, ob die zeitlich zugeordneten zeitlich begrenzten ersten Signalbereiche W1-W4 für das Klassifikationsverfahren geeignet sind. Hierbei kann beispielsweise bei einer Überschreitung oder Unterschreitung vorgegebener Grenzwerte der entsprechende Signalbereich als ungültiges Sample nicht berücksichtigt werden, oder er kann weniger berücksichtigt werden, als Signalbereiche, bei denen die Geschwindigkeit oder Beschleunigung in einem vorgegebenen Bereich liegen. Ein solches Filter kann als Situations- oder Steinschlagfilter bezeichnet werden.
-
Es ist auch möglich, ungewöhnliche erste Signalbereiche dadurch auszufiltern, dass eine Ausreißererkennung durchgeführt wird. Wenn also ein erster Signalbereich oder das zugeordnete Spektrum beispielsweise eine ungewöhnliche Form oder ungewöhnlich hohe Amplituden aufweisen, können sie weniger oder überhaupt nicht berücksichtigt werden.
-
11 zeigt eine bevorzugte Ausführungsform, bei der die Auswertevorrichtung 23A eines ersten Fahrzeugs und die Auswertevorrichtung 23B eines zweiten Fahrzeugs 10 in Datenverbindung mit einem Server 80 stehen. Bevorzugt ist die Datenverbindung drahtlos und erfolgt bspw. über die Datenübertragungseinheit 29 von 1. Die Auswertevorrichtungen 23 übertragen bevorzugt erste Daten an den Server 80. Die ersten Daten umfassen bevorzugt mindestens eine Information aus:
- • erstes Signal,
- • erste Signalbereiche,
- • erste Spektren,
- • zweite Spektren,
- • Cepstra.
-
Im Server 80 können hierdurch Daten unterschiedlicher Fahrzeuge ausgewertet werden, und in Abhängigkeit von den ersten Daten ist eine Verbesserung des Klassifikationsverfahrens im Server 80 möglich. Anschließend kann über eine Datenverbindung das verbesserte Klassifikationsverfahren an die Auswertevorrichtungen 23A bzw. 23B zurückgegeben werden. Hierdurch können die Auswertevorrichtungen 23 unterschiedlicher Fahrzeuge zu einer Verbesserung des Klassifikationsverfahrens beitragen, und es können auch Daten zu neuen Klassen (bspw. neuen Reifentypen) in das Klassifikationsverfahren aufgenommen werden.
-
Der Server 80 kann hierbei beispielsweise beim Hersteller des Fahrzeugs vorgesehen sein oder im Rahmen einer Cloud-Infrastruktur bereitgestellt werden.
-
12 zeigt ein weiteres Ausführungsbeispiel eines Klassifikationsverfahrens.
Eine geschlossene Kurve 40 zeigt beispielsweise einen Normalbereich, in dem gemessene Cepstra 42 liegen, die bekannt sind. Außerhalb des Normalbereichs 40 sind gemessene Cepstra 41, die dem Klassifikationsverfahren unbekannt sind. Anders ausgedrückt wird erwartet, dass gemessene Cepstra innerhalb des Normalbereichs 40 liegen. Übrige Cepstra 41 werden als Ausreißer markiert und nicht für die Klassifikation genutzt.
-
13 zeigt eine beispielhafte Darstellung des Verfahrens für einen Beispieldatensatz, bei der die gemessenen Cepstra eine schlangenähnliche zweidimensionale Kurve bilden. Die Cepstra 52 innerhalb des Normalbereichs 40 haben einen hohen Vertrauensfaktor, und die Cepstra 51 außerhalb des Normalbereichs 40 haben einen vergleichsweise niedrigen Vertrauensfaktor. Bevorzugt wird der Vertrauensfaktor nicht nur mit 0 (kein Vertrauen bzw. nicht sicher) oder 1 (volles Vertrauen bzw. sicher) berücksichtigt, sondern er kann beispielsweise in Abhängigkeit vom Abstand vom Normalbereich 40 festgelegt werden, z.B. 0,0; 0,1; 0,7; 1,0. Die Berücksichtigung des Vertrauensfaktors für das jeweilige Cepstrum erhöht die Robustheit des Klassifikationsverfahrens.
-
Naturgemäß sind im Rahmen der vorliegenden Anmeldung vielfältige Abwandlungen und Modifikationen möglich.
-
Es kann beispielsweise neben dem Cepstrum auch das Spektrum für das Klassifikationsverfahren genutzt werden.
-
Bezugszeichenliste
-
- 10
- Fahrzeug
- 12
- Rad
- 14
- Fahrzeugsensor
- 16
- Datenleitung
- 18
- Vibration
- 20
- Sensoranordnung
- 23
- Auswertevorrichtung
- 25
- Fahrerassistenzsystem [z.B. aktive Radaufhängung, aktive Lenksysteme]
- 27
- Informationsanzeige
- 29
- Datenübertragungseinheit
- 40
- Normalbereich
- 41
- unbekanntes Cepstrum
- 42
- bekanntes Cepstrum
- 51
- unbekanntes Cepstrum einer aktuellen Messung
- 52
- bekanntes Cepstrum einer aktuellen Messung
- T1-T4
- Beobachtungszeiträume
- W1-W4
- Fenster
-
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
-