DE102020128818A1

DE102020128818A1 - Verbesserte dimensionierung von komponenten

Info

Publication number: DE102020128818A1
Application number: DE102020128818.2A
Authority: DE
Inventors: David Ostrowski; Christopher Leon Jones; Jacob Martin Povirk; Andrew Christipher Posa; Charles Krysztof; Antonio Stranges
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2019-11-05
Filing date: 2020-11-02
Publication date: 2021-05-06
Also published as: US11449651B2; US20210133292A1; CN112784354A

Abstract

Diese Offenbarung stellt eine bessere Dimensionierung von Komponenten bereit. Ein Computer beinhaltet einen Prozessor und einen Speicher, der Anweisungen speichert, die durch den Prozessor ausführbar sind, um ein Betriebsparameterhistogramm für jeden einer Vielzahl von Fahrzeugbetriebsparametern zu erzeugen, ein Testfahrzeug gemäß den Betriebsparameterhistogrammen zu betreiben, jedes Betriebsparameterhistogramm und eine Vielzahl von Testfahrzeugumgebungsdaten in ein Maschinenlernprogramm einzugeben, aus dem Maschinenlernprogramm eine Klassifizierung für jedes Betriebsparameterhistogramm aus dem Maschinenlernprogramm auszugeben, die Klassifizierungen in ein prädiktives Schadensmodell eines dreidimensionalen Schemas einer Fahrzeugkomponente einzugeben und eine von einer Größe oder einer Form des dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells anzupassen. Die Betriebsparameterhistogramme basieren auf erfassten Daten über den Betrieb einer Vielzahl von Fahrzeugen. Jedes Betriebsparameterhistogramm beinhaltet ein Array von Elementen. Jedes Element ist eine Anzahl von Datenpunkten für einen der Betriebsparameter, die innerhalb eines spezifizierten Bereichs liegen. Jede Klassifizierung stellt eine Art von Umgebung und eine Art von Testfahrzeugverwendung dar.

Description

TECHNISCHES GEBIET
Die Offenbarung betrifft im Allgemeinen Fahrzeugkomponenten.
ALLGEMEINER STAND DER TECHNIK
Fahrzeuge beinhalten eine Vielzahl von einzelnen Komponenten. Die Komponenten sind jeweils spezifiziert, um spezifische Toleranzen aufzuweisen, und für einen spezifischen Betrieb des Fahrzeugs. Zum Beispiel überträgt ein Lenkgetriebe die Drehung einer Lenksäule auf die Übersetzung einer Lenkzahnstange. Die Drehung des Lenkgetriebes führt zu Belastungen des Lenkgetriebes. Komponenten sind typischerweise so gestaltet, dass sie Belastungen während des Betriebs absorbieren.
KURZDARSTELLUNG
Ein Computer beinhaltet einen Prozessor und einen Speicher, wobei der Speicher Anweisungen speichert, die durch den Prozessor ausführbar sind, um ein Betriebsparameterhistogramm für jeden einer Vielzahl von Fahrzeugbetriebsparametern auf Grundlage von erfassten Daten über den Betrieb einer Vielzahl von Fahrzeugen zu erzeugen, wobei jedes Betriebsparameterhistogramm ein Array von Elementen beinhaltet, wobei jedes Element eine Anzahl von Datenpunkten für einen der Betriebsparameter ist, die innerhalb eines spezifizierten Bereichs liegen, ein Testfahrzeug gemäß den Betriebsparameterhistogrammen zu betreiben, jedes Betriebsparameterhistogramm und eine Vielzahl von Testfahrzeugumgebungsdaten in ein Maschinenlernprogramm einzugeben, aus dem Maschinenlernprogramm eine Klassifizierung für jedes Betriebsparameterhistogramm aus dem Maschinenlernprogramm auszugeben, wobei jede Klassifizierung eine Art von Umgebung und eine Art von Testfahrzeugverwendung darstellt, die Klassifizierungen in ein prädiktives Schadensmodell eines dreidimensionalen Schemas einer Fahrzeugkomponente einzugeben und eine von einer Größe oder einer Form des dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells anzupassen.
Die Anweisungen können ferner nach dem Anpassen einer von der Größe oder der Form des dreidimensionalen Schemas Anweisungen zum Eingeben der Klassifizierungen in ein prädiktives Schadensmodell des angepassten dreidimensionalen Schemas und zum Anpassen einer von einer Größe oder einer Form des angepassten dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells beinhalten.
Die Anweisungen können ferner Anweisungen zum Eingeben der Klassifizierungen und aufeinanderfolgend angepasster dreidimensionaler Schemata in aufeinanderfolgende prädiktive Schadensmodelle beinhalten, bis ein Optimierungskriterium für mindestens eine von der Größe oder der Form des dreidimensionalen Schemas erfüllt ist.
Die Anweisungen können ferner Anweisungen zum Anpassen einer Materialdicke des dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells beinhalten.
Die Ausgabe des prädiktiven Schadensmodells kann eine Ermüdungsgrenze beinhalten, die eine Belastung an einer virtuellen Komponente spezifiziert, die gemäß dem dreidimensionalen Schema modelliert ist, die eine Dehnung erzeugt, die eine Dehngrenze des Materials überschreitet.
Die Ermüdungsgrenze kann eine Anzahl von Umdrehungen der virtuellen Komponente sein, die sich mit einem spezifizierten Drehmoment dreht.
Die Anweisungen können ferner Anweisungen zum Eingeben von Leistungsdaten von einem Fahrzeugdynamikmodell in ein prädiktives Schadensmodell für eine virtuelle Komponente beinhalten, die gemäß dem dreidimensionalen Schema konstruiert ist.
Das Fahrzeugdynamikmodell kann ein Modell einer Vielzahl von Straßensegmenten beinhalten und die Leistungsdaten für die virtuelle Komponente beinhalten Leistungsdaten für jedes Straßensegment.
Das Fahrzeugdynamikmodell kann ein Modell einer Vielzahl von Straßenbedingungen beinhalten und die Leistungsdaten beinhalten Daten der virtuellen Komponente, die bei der Vielzahl von Straßenbedingungen betrieben wird.
Jede Straßenbedingung kann einer der Klassifizierungen zugeordnet sein.
Die Art der Testfahrzeugverwendung kann mindestens eines von einer spezifizierten Geschwindigkeitsbegrenzung, einer Ampel oder einer Verkehrskreuzung beinhalten.
Die Betriebsparameter können mindestens eines von einer Fahrzeuggeschwindigkeit, einem Lenkdrehmoment, einem Bremsdrehmoment, einer Kraftstoffdurchflussrate oder einer Getriebedrehzahl beinhalten.
Die Anweisungen können ferner Anweisungen zum Anpassen der Größe des dreidimensionalen Schemas beinhalten, um ein Gewicht einer Fahrzeugkomponente zu reduzieren, die gemäß dem dreidimensionalen Schema konstruiert ist.
Die Art der Umgebung kann mindestens eines von einer ländlichen Umgebung, einer städtischen Umgebung und einer Autobahnumgebung beinhalten.
Ein Verfahren beinhaltet Erzeugen eines Betriebsparameterhistogramms für jeden einer Vielzahl von Fahrzeugbetriebsparametern auf Grundlage von erfassten Daten über den Betrieb einer Vielzahl von Fahrzeugen, wobei jedes Betriebsparameterhistogramm ein Array von Elementen beinhaltet, wobei jedes Element eine Anzahl von Datenpunkten für einen der Betriebsparameter ist, die innerhalb eines spezifizierten Bereichs liegen, Betreiben eines Testfahrzeugs gemäß den Betriebsparameterhistogrammen, Eingeben jedes Betriebsparameterhistogramms und einer Vielzahl von Testfahrzeugumgebungsdaten in ein Maschinenlernprogramm, Ausgeben aus dem Maschinenlernprogramm einer Klassifizierung für jedes Betriebsparameterhistogramm aus dem Maschinenlernprogramm, wobei jede Klassifizierung eine Art von Umgebung und eine Art von Testfahrzeugverwendung darstellt, Eingeben der Klassifizierungen in ein prädiktives Schadensmodell eines dreidimensionalen Schemas einer Fahrzeugkomponente und Anpassen einer von einer Größe oder einer Form des dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells.
Das Verfahren kann ferner nach dem Anpassen einer von der Größe oder der Form des dreidimensionalen Schemas Eingeben der Klassifizierungen in ein prädiktives Schadensmodell des angepassten dreidimensionalen Schemas und Anpassen einer von einer Größe oder einer Form des angepassten dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells beinhalten.
Das Verfahren kann ferner Eingeben der Klassifizierungen und aufeinanderfolgend angepasster dreidimensionaler Schemata in aufeinanderfolgende prädiktive Schadensmodelle beinhalten, bis ein Optimierungskriterium für mindestens eine von der Größe oder der Form des dreidimensionalen Schemas erfüllt ist.
Das Verfahren kann ferner Anpassen einer Materialdicke des dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells beinhalten.
Die Ausgabe des prädiktiven Schadensmodells kann eine Ermüdungsgrenze beinhalten, die eine Belastung an einer virtuellen Komponente spezifiziert, die gemäß dem dreidimensionalen Schema modelliert ist, die eine Dehnung erzeugt, die eine Dehngrenze des Materials überschreitet.
Die Ermüdungsgrenze kann eine Anzahl von Umdrehungen der virtuellen Komponente sein, die sich mit einem spezifizierten Drehmoment dreht.
Das Verfahren kann ferner Eingeben von Leistungsdaten von einem Fahrzeugdynamikmodell in ein prädiktives Schadensmodell für eine virtuelle Komponente beinhalten, die gemäß dem dreidimensionalen Schema konstruiert ist.
Das Fahrzeugdynamikmodell kann ein Modell einer Vielzahl von Straßensegmenten beinhalten und die Leistungsdaten für die virtuelle Komponente beinhalten Leistungsdaten für jedes Straßensegment.
Das Fahrzeugdynamikmodell kann ein Modell einer Vielzahl von Straßenbedingungen beinhalten und die Leistungsdaten beinhalten Daten der virtuellen Komponente, die bei der Vielzahl von Straßenbedingungen betrieben wird.
Jede Straßenbedingung kann einer der Klassifizierungen zugeordnet sein.
Die Art der Testfahrzeugverwendung kann mindestens eines von einer spezifizierten Geschwindigkeitsbegrenzung, einer Ampel oder einer Verkehrskreuzung beinhalten.
Die Betriebsparameter können mindestens eines von einer Fahrzeuggeschwindigkeit, einem Lenkdrehmoment, einem Bremsdrehmoment, einer Kraftstoffdurchflussrate oder einer Getriebedrehzahl beinhalten.
Das Verfahren kann ferner Anpassen der Größe des dreidimensionalen Schemas beinhalten, um ein Gewicht einer Fahrzeugkomponente zu reduzieren, die gemäß dem dreidimensionalen Schema konstruiert ist.
Die Art der Umgebung kann mindestens eine von einer ländlichen Umgebung, einer städtischen Umgebung und einer Autobahnumgebung beinhalten.
Ein System beinhaltet ein Testfahrzeug, das folgendes beinhaltet: eine Vielzahl von Fahrzeugsensoren, eine Einrichtung zum Erzeugen eines Betriebsparameterhistogramms für jeden einer Vielzahl von Fahrzeugbetriebsparametern auf Grundlage von erfassten Daten über den Betrieb einer Vielzahl von Fahrzeugen, wobei jedes Betriebsparameterhistogramm ein Array von Elementen beinhaltet, wobei jedes Element eine Anzahl von Datenpunkten für einen der Betriebsparameter ist, die innerhalb eines spezifizierten Bereichs liegen, eine Einrichtung zum Betreiben eines Testfahrzeugs gemäß den Betriebsparameterhistogrammen, eine Einrichtung zum Eingeben jedes Betriebsparameterhistogramms und einer Vielzahl von Testfahrzeugumgebungsdaten in ein Maschinenlernprogramm, eine Einrichtung zum Ausgeben aus dem Maschinenlernprogramm einer Klassifizierung für jedes Betriebsparameterhistogramm aus dem Maschinenlernprogramm, wobei jede Klassifizierung eine Art von Umgebung und eine Art von Testfahrzeugverwendung darstellt, eine Einrichtung zum Eingeben der Klassifizierungen in ein prädiktives Schadensmodell eines dreidimensionalen Schemas einer Fahrzeugkomponente und eine Einrichtung zum Anpassen einer von einer Größe oder einer Form des dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells.
Das System kann ferner eine Einrichtung zum Eingeben der Klassifizierungen in ein prädiktives Schadensmodell des angepassten dreidimensionalen Schemas und zum Anpassen einer von einer Größe oder einer Form des angepassten dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells nach dem Anpassen einer von der Größe oder der Form des dreidimensionalen Schemas beinhalten.
Das System kann ferner eine Einrichtung zum Eingeben von Leistungsdaten von einem Fahrzeugdynamikmodell in ein prädiktives Schadensmodell für eine virtuelle Komponente beinhalten, die gemäß dem dreidimensionalen Schema konstruiert ist.
Ferner ist eine Rechenvorrichtung offenbart, die dazu programmiert ist, beliebige der vorstehenden Verfahrensschritte auszuführen. Weiterhin ist ein Fahrzeug offenbart, das die Rechenvorrichtung umfasst. Weiterhin ist ein Computerprogrammprodukt offenbart, das ein computerlesbares Medium umfasst, auf dem durch einen Computerprozessor ausführbare Anweisungen gespeichert sind, um beliebige der vorstehenden Verfahrensschritte auszuführen.
Figurenliste

1 ist ein Blockdiagramm eines beispielhaften Systems zum Erfassen von T estfahrzeugbetriebsdaten.
2 ist ein Blockdiagramm, das einen beispielhaften Prozess zum Gestalten einer Fahrzeugkomponente veranschaulicht.
3 ist ein Blockdiagramm von beispielhaften Betriebsparameterhistogrammen für ein Testfahrzeug.
4 ist ein Schaubild beispielhafter Klassifizierungen, die auf Grundlage der Betriebsparameterhistogramme bestimmt werden.
5 ist eine perspektivische Ansicht von beispielhaften Schemata der Fahrzeugkomponente.
6 ist ein Blockdiagramm eines beispielhaften Prozesses zum Gestalten einer Fahrzeugkomponente.

DETAILLIERTE BESCHREIBUNG
Das Erfassen von Daten über den Fahrzeugbetrieb von einer Vielzahl von Testfahrzeugen gemäß vordefinierter Betriebsparameterhistogramme ermöglicht, dass Schemata von virtuellen Komponenten mit tatsächlichen Fahrzeugbetriebs- und Umgebungsdaten getestet werden, wodurch Spezifikationen verbessert werden, die für eine Komponente bereitgestellt werden können, d. h. Größe und/oder Form können besser spezifiziert werden. Das heißt, durch Anpassen von Schemata gemäß Belastungen und Dehnungen, die gemäß Daten induziert werden, kann die Komponente so gestaltet sein, dass sie ein oder mehrere Optimierungskriterien erfüllt, z. B. Kosten, Gewicht, Ermüdungsgrenze usw. Das Einbeziehen von Betriebsdaten und Umgebungsdaten von einer Vielzahl von Testfahrzeugen in ein prädiktives Schadensmodell für das Schema einer Komponente stellt eine genauere Darstellung der Belastungen bereit, die während des Betriebs auf die Komponente aufgebracht würden, und ermöglicht, dass das Schema angepasst wird, um diese Belastungen zu berücksichtigen.
1 veranschaulicht ein beispielhaftes System 100 zum Erfassen von Daten 115 über den Betrieb eines Fahrzeugs 101, d. h. von „Betriebsdaten“. Ein Computer 105 in dem Fahrzeug 101 ist dazu programmiert, erfasste Daten 115 von einem oder mehreren Sensoren 110 zu empfangen. Zum Beispiel können Daten 115 des Fahrzeugs 101 einen Standort des Fahrzeugs 101, Daten über eine Umgebung um ein Fahrzeug 101, Daten über ein Objekt außerhalb des Fahrzeugs 101, wie etwa ein anderes Fahrzeug usw., beinhalten. Der Standort des Fahrzeugs 101 ist typischerweise in einer herkömmlichen Form bereitgestellt, z. B. als Geokoordinaten, wie etwa Längen- und Breitenkoordinaten, die über ein Navigationssystem erlangt werden, das das globale Positionsbestimmungssystem (Global Positioning System - GPS) verwendet. Weitere Beispiele für Daten 115 können Messwerte von Systemen und Komponenten des Fahrzeugs 101 beinhalten, z. B. eine Geschwindigkeit des Fahrzeugs 101, eine Bewegungsbahn des Fahrzeugs 101 usw.
Der Computer 105 ist im Allgemeinen zur Kommunikation über ein Netzwerk des Fahrzeugs 101, das z. B. einen herkömmlichen Kommunikationsbus des Fahrzeugs 101, wie etwa einen CAN-Bus, einen LIN-Bus usw. beinhaltet, und/oder andere drahtgebundene und/oder drahtlose Technologien, z. B. Ethernet, WIFI usw., programmiert. Über das Netzwerk, den Bus und/oder andere drahtgebundene oder drahtlose Mechanismen (z. B. ein drahtgebundenes oder drahtloses lokales Netz in dem Fahrzeug 101) kann der Computer 105 Nachrichten an verschiedene Vorrichtungen in einem Fahrzeug 101 übertragen und/oder Nachrichten von den verschiedenen Vorrichtungen empfangen, z. B. Steuerungen, Aktoren, Sensoren usw., einschließlich der Sensoren 110. Alternativ oder zusätzlich dazu kann in Fällen, in denen der Computer 105 tatsächlich mehrere Vorrichtungen umfasst, das Fahrzeugnetzwerk für Kommunikationen zwischen Vorrichtungen verwendet werden, die in dieser Offenbarung als der Computer 105 dargestellt sind. Darüber hinaus kann der Computer 105 dazu programmiert sein, mit dem Netzwerk 130 zu kommunizieren, das, wie nachstehend beschrieben, verschiedene drahtgebundene und/oder drahtlose Netzwerktechnologien beinhalten kann, z. B. Mobilfunk, Bluetooth®, Bluetooth® Low Energy (BLE), drahtgebundene und/oder drahtlose Paketnetze usw.
Bei dem Datenspeicher 106 kann es sich um einen beliebigen Typ handeln, z. B. Festplattenlaufwerke, Festkörperlaufwerke, Server oder beliebige flüchtige oder nichtflüchtige Medien. Der Datenspeicher 106 kann die von den Sensoren 110 gesendeten erfassten Daten 115 speichern.
Die Sensoren 110 können eine Vielfalt von Vorrichtungen beinhalten. Beispielsweise können verschiedene Steuerungen in einem Fahrzeug 101 als Sensoren 110 betrieben werden, um Daten 115 über das Netzwerk oder den Bus des Fahrzeugs 101 bereitzustellen, z. B. Daten 115 bezüglich Fahrzeuggeschwindigkeit, -beschleunigung, -position, -teilsystem und/oder - komponentenzustand usw. Ferner könnten andere Sensoren 110 Kameras, Bewegungsmelder usw. beinhalten, d.h. Sensoren 110, um Daten 115 zum Auswerten einer Position einer Komponente, zum Auswerten eines Gefälles einer Fahrbahn usw. bereitzustellen. Die Sensoren 110 könnten unter anderem außerdem Kurzstreckenradar, Langstreckenradar, LiDAR und/oder Ultraschallwandler beinhalten.
Die erfassten Daten 115 können vielfältige Daten beinhalten, die in einem Fahrzeug 101 erfasst werden. Beispiele für die erfassten Daten 115 sind vorstehend bereitgestellt und darüber hinaus werden die Daten 115 im Allgemeinen unter Verwendung eines oder mehrerer Sensoren 110 erfasst und können zusätzlich Daten beinhalten, die aus diesen in dem Computer 105 und/oder auf dem Server 135 berechnet werden. Im Allgemeinen können die erfassten Daten 115 beliebige Daten beinhalten, die durch die Sensoren 110 erhoben und/oder aus derartigen Daten berechnet werden können. Betriebsdaten sind eine Teilmenge der Daten 115 des Betriebs des Fahrzeugs 101, die über den Betrieb eines oder mehrerer Teilsysteme 120 und/oder Komponenten 125 des Fahrzeugs 101 erfasst werden, wobei die Betriebsdaten 115 Betriebsparameter des Fahrzeugs 101 beinhalten. In diesem Zusammenhang ist ein „Betriebsparameter“ eine messbare Größe des Betriebs einer Fahrzeugkomponente 125, wie nachstehend beschrieben. Beispielhafte Betriebsparameter beinhalten z. B. eine Fahrzeuggeschwindigkeit, ein Lenkdrehmoment, ein Bremsdrehmoment, eine Kraftstoffdurchflussrate, eine Getriebedrehzahl, eine Temperatur, eine Verschlechterung eines Fluids usw.
Das Fahrzeug 101 kann eine Vielzahl von Fahrzeugteilsystemen 120 beinhalten. In diesem Zusammenhang beinhaltet jedes Fahrzeugteilsystem 120 eine oder mehrere Hardwarekomponenten 125, die ausgelegt sind, um eine mechanische Funktion oder einen mechanischen Vorgang durchzuführen - wie etwa Bewegen des Fahrzeugs 101, Verlangsamen oder Stoppen des Fahrzeugs 101, Lenken des Fahrzeugs 101 usw. Das heißt, jede „Komponente“ 125 des Teilsystems 120 ist ein physischer Teil oder eine Sammlung von physischen Teilen, die für eine physische Handlung, eine physische Funktion oder einen physischen Vorgang bereitgestellt sind, die in dem Teilsystem 120 beinhaltet sind. Nicht einschränkende Beispiele für Teilsysteme 120 beinhalten ein Antriebsteilsystem 120 (das z. B. einen Verbrennungsmotor und/oder einen Elektromotor usw. beinhaltet, dessen Komponenten 125 Kolben, Motoren, Antriebswellen, Kraftstoffeinspritzvorrichtungen usw. beinhalten), ein Getriebeteilsystem 120, ein Lenkteilsystem 120 (dessen Komponenten 125 eines oder mehrere von einem Lenkrad, einer Zahnstange, einem Lenkgetriebe usw. beinhalten können), ein Bremsteilsystem 120 (dessen Komponenten 125 einen Bremsbelag, ein Bremskabel, eine Bremspumpe, ein Bremspedal usw. beinhalten können), ein Parkassistenz-Teilsystem 120, ein adaptives Geschwindigkeitsregelungs-Teilsystem 120, ein adaptives Lenkteilsystem 120, ein Teilsystem 120 für einen bewegbaren Sitz (dessen Komponenten 125 eine Führungsschiene, eine Sitzschiene, einen Motor usw. beinhalten können) und dergleichen.
Wenn der Computer 105 das Fahrzeug 101 betreibt, handelt es sich bei dem Fahrzeug 101 um ein „autonomes“ Fahrzeug 101. Für die Zwecke dieser Offenbarung wird der Ausdruck „autonomes Fahrzeug“ zum Verweis auf ein Fahrzeug 101 verwendet, das in einem vollständig autonomen Modus betrieben wird. Ein vollständig autonomer Modus ist als ein Modus definiert, in dem jedes von dem Antrieb (typischerweise über einen Antriebsstrang, der einen Elektromotor und/oder Verbrennungsmotor beinhaltet), der Bremsung und der Lenkung des Fahrzeugs 101 durch den Computer 105 gesteuert wird. Ein halbautonomer Modus ist ein Modus, in dem mindestens eines von dem Antrieb (typischerweise über einen Antriebsstrang, der einen Elektromotor und/oder Verbrennungsmotor beinhaltet), der Bremsung und der Lenkung des Fahrzeugs 101 mindestens teilweise durch den Computer 105 und nicht durch einen menschlichen Fahrzeugführer gesteuert wird. In einem nichtautonomen Modus, d. h. einem manuellen Modus, werden der Antrieb, die Bremsung und Lenkung des Fahrzeugs 101 durch den menschlichen Fahrzeugführer gesteuert.
Das System 100 kann ferner ein Netzwerk 130 beinhalten, das mit einem Server 135 und einem Datenspeicher 140 verbunden ist. Der Computer 105 kann ferner programmiert sein, um mit einem oder mehreren entfernten Standorten, wie etwa dem Server 135, über das Netzwerk 130 zu kommunizieren, wobei ein derartiger entfernter Standort möglicherweise einen Datenspeicher 140 beinhaltet. Das Netzwerk 130 repräsentiert einen oder mehrere Mechanismen, über die ein Fahrzeugcomputer 105 mit einem entfernten Server 135 kommunizieren kann. Dementsprechend kann es sich bei dem Netzwerk 130 um einen oder mehrere verschiedener drahtgebundener oder drahtloser Kommunikationsmechanismen handeln, einschließlich einer beliebigen gewünschten Kombination aus drahtgebundenen (z. B. Kabel und Glasfaser) und/oder drahtlosen (z. B. Mobilfunk, drahtlos, Satellit, Mikrowellen und Funkfrequenz) Kommunikationsmechanismen und einer beliebigen gewünschten Netzwerktopologie (oder Netzwerktopologien, wenn eine Vielzahl von Kommunikationsmechanismen verwendet wird). Beispielhafte Kommunikationsnetzwerke beinhalten drahtlose Kommunikationsnetzwerke (z. B. unter Verwendung von Bluetooth®, Bluetooth® Low Energy (BLE), IEEE 802.11, Fahrzeug-zu-Fahrzeug (C2C), wie etwa Dedicated Short Range Communications (DSRC) usw.), lokale Netzwerke (Local Area Network - LAN) und/oder Weitverkehrsnetzwerke (Wide Area Network - WAN), einschließlich des Internets, die Datenkommunikationsdienste bereitstellen.
2 ist ein Blockdiagramm, das einen Prozess 200 zum Bestimmen von Spezifikationen einer Komponente 125 für ein Teilsystem 120 eines Fahrzeugs 101 veranschaulicht. Der Prozess 200 wird durch einen Server 135 und einen Komponentenhersteller durchgeführt. Die Schritte in 2 sind beispielhaft und zusätzliche Schritte können durch den Server 135 durchgeführt werden, um die Komponente 125 zu gestalten. In einem ersten Schritt 205 überträgt der Server 135 Betriebsparameterhistogramme für eine Vielzahl von Fahrzeugbetriebsparametern an eine Vielzahl von Testfahrzeugen 101. Die Betriebsparameterhistogramme, wie nachstehend beschrieben und in 3 veranschaulicht, sind Arrays von Elementen, die erfasste Daten 115 von Betriebsparametern in vorbestimmte Bereiche einer spezifischen Einheit trennen. Zum Beispiel beinhalten Betriebsparameterhistogramme von Daten 115 für Lenkdrehmoment vorbestimmte Drehmomentbereiche in Newtonmetern (Nm). Die Testfahrzeuge 101 erfassen Daten 115 gemäß den Betriebsparameterhistogrammen, wie in 3 veranschaulicht, die nachstehend erörtert wird.
In einem zweiten Schritt 210 erfasst der Server 135 die Daten 115 von den Testfahrzeugen 101, die gemäß den Betriebsparameterhistogrammen gespeichert sind. Jedes Betriebsparameterhistogramm beinhaltet Daten, die Fahrzeugbetriebsparameter in einem Histogrammformat beschreiben. Das heißt, jedes Betriebsparameterhistogramm beinhaltet eine Vielzahl von Elementen, wobei jedes Element eine Anzahl beinhaltet, die eine Anzahl von Datenpunkten innerhalb eines vorbestimmten Bereichs einer messbaren Größe angibt, z. B. Lenkdrehmoment in Bereichen von Nm.
In einem dritten Schritt 215 gibt der Server 135 die Betriebsparameterhistogramme in einen statistischen Analysealgorithmus (z. B. ein Maschinenlernprogramm) ein, der eine Klassifizierung für jedes Betriebsparameterhistogramm ausgibt, wobei jede Klassifizierung eine Art von Umgebung und eine Art von Testfahrzeugverwendung darstellt, wie nachstehend beschrieben und in 4 gezeigt. Der Betrieb der Komponente 125 in einer spezifischen Klassifizierung kann spezifische Belastungen gemäß durch die Klassifizierung spezifizierten Bedingungen und dem Betrieb der Komponente 125 durch ein Fahrzeug verursachen, um die Bedingungen zu berücksichtigen. Der Server 135 kann die Daten 115 verwenden, die der Klassifizierung jedes Betriebsparameterhistogramms zugeordnet sind, um einen anderen Betrieb der Komponente 125 mit einem prädiktiven Schadensmodell zu simulieren.
In einem vierten Schritt 220 erzeugt der Server 135 ein dreidimensionales Schema für die Komponente 125, wie nachstehend beschrieben und in 5 gezeigt. Das Schema ist eine dreidimensionale Zeichnung, die die dreidimensionale Form und die Konstruktion der Komponente 125 beschreibt, z. B. eine technische Zeichnung, wie etwa eine CAD-Zeichnung (computer-aided design) und/oder ein CAE-Modell (computer-aided engineering). Der Server 135 kann das Schema in ein prädiktives Schadensmodell eingeben, um Materialermüdung an einer virtuellen Komponente vorherzusagen, die gemäß dem Schema konstruiert ist. Der Server 135 kann Abmessungen des Schemas gemäß einem oder mehreren Optimierungskriterien anpassen, z. B. Gewicht, Kosten, Dehngrenze, Ermüdungsgrenze usw.
In einem fünften Schritt 225 gibt der Server 135 nach Erfüllen der Optimierungskriterien Leistungsdaten von einem Fahrzeugdynamikmodell ein, das den Betrieb einer virtuellen Komponente 125, die gemäß dem optimierten Schema in einem virtuellen Fahrzeug 101 konstruiert ist, simuliert, in das prädiktive Schadensmodell ein. Das Fahrzeugdynamikmodell gibt eine vorhergesagte Ermüdung an der virtuellen Komponente 125 auf Grundlage des virtuellen Betriebs des virtuellen Fahrzeugs 101 aus. Eine „virtuelle Komponente“ ist eine virtuelle Darstellung (d. h. eine virtuelle Komponente ist ein Satz von digitalen Daten) der Komponente 125, die gemäß dem Schema konstruiert ist, wie es in einem CAE- oder CAD-Programm verwendet wird, z. B. ein Finite-Elemente-Analyse(FEA)-Programm, ein numerisches Strömungsmechanik(computational fluid dynamics - CFD)-Programm, ein thermisches Modell usw. Wie nachstehend beschrieben, kann die vorhergesagte Ermüdung eine Zeitdauer oder ein Ausmaß der Verwendung der Komponente 125 sein, bis eine Belastung die Dehngrenze eines Abschnitts der Komponente 125 überschreitet, d. h. die Komponente 125 ausfällt. Der Server 135 speichert die vorhergesagte Ermüdung aus dem Fahrzeugdynamikmodell und dem optimierten Schema zum Konstruieren von Komponenten 125. Der Server 135 kann die Schritte 220 und 225 mehrere Male nacheinander durchführen, z. B. Anpassen der Abmessungen des Schemas, dann Eingeben des Ermüdungsmodells des Schemas in das Dynamikmodell, dann Anpassen der Abmessung auf Grundlage der Ausgabe des Dynamikmodells usw.
In einem sechsten Schritt 230 konstruiert ein Hersteller die Fahrzeugkomponente 125 gemäß dem optimierten Schema. Mit den Daten 115 aus dem Fahrzeugdynamikmodell kann der Hersteller die Fahrzeugkomponente 125 konstruieren und empirische Tests mit den Daten 115 aus dem Fahrzeugdynamikmodell vergleichen, um Schäden an der Komponente 125 vorherzusagen.
3 ist ein Diagramm von beispielhaften Betriebsparameterhistogrammen 300, die hier als vier Betriebsparameterhistogramme 300a, 300b, 300c, 300d für jeweilige Testfahrzeuge 101a, 101b, 101c, 101d gezeigt sind. In diesem Zusammenhang ist ein „Testfahrzeug“ ein Fahrzeug 101, das mit dem Server 135 kommuniziert, um die Betriebsparameterhistogramme 300 zu empfangen, z. B. ein Verbraucherfahrzeug 101, ein Fahrzeug 101 des Herstellers, ein Fahrzeug 101, das einer Testfirma gehört, usw. Jedes Betriebsparameterhistogramm 300 beinhaltet ein Array von Elementen 305. Jedes Element 305 ist ein Satz von vier Werten: ein Minimalwert, ein Durchschnittswert, ein Maximalwert und eine Gesamtanzahl von Datenpunkten in dem Element. Der Minimalwert und der Maximalwert definieren einen spezifizierten Bereich eines Betriebsparameters. Wie vorstehend beschrieben, ist ein „Betriebsparameter“ eine messbare Größe des Betriebs einer Fahrzeugkomponente 125. Beispielhafte Betriebsparameter beinhalten z. B. eine Fahrzeuggeschwindigkeit, ein Lenkdrehmoment, ein Bremsdrehmoment, eine Kraftstoffdurchflussrate, eine Getriebedrehzahl usw. In dem Beispiel der 3 beinhalten die Betriebsparameterhistogramme 300 Daten 115 bezüglich des Lenkdrehmoments an einem Lenkdifferential 125 in Bereichen von Nm. Das erste Element 305a des Betriebsparameterhistogramms 300a beinhaltet eine Anzahl von Datenpunkten unter einem ersten Schwellenwert, wobei der erste Schwellenwert den ersten Maximalwert für das Element 305a definiert und der Minimalwert 0 ist. Das zweite Element 305b des Betriebsparameterhistogramms 300a ist eine Anzahl von Punkten über oder gleich dem ersten Schwellenwert, der den Minimalwert für das Element 305b definiert, und unter einem zweiten Schwellenwert, der den Maximalwert für das Element 305b definiert. Das dritte Element 305c des Betriebsparameterhistogramms 300a beinhaltet eine Anzahl von Punkten über oder gleich dem zweiten Schwellenwert, der den Minimalwert für das dritte Element 305c definiert, und unter einem dritten Schwellenwert, der den Maximalwert für das dritte Element 305c definiert. Das vierte Element 305d des Betriebsparameterhistogramms 300a beinhaltet eine Anzahl von Punkten über oder gleich dem dritten Schwellenwert, der den Minimalwert für das Element 305d definiert, und der Maximalwert ist der größte detektierte Wert während der Erfassung der Daten 115. Der erste, zweite und dritte Schwellenwert können auf Grundlage von empirischen Tests von Betriebsparametern und spezifizierten Werten, bei denen Materialermüdung auftreten kann, bestimmt werden. Der Server 135 kann den ersten, zweiten und dritten Schwellenwert derart bestimmen, dass die Menge der Daten 115 in jedem Element 305 im Wesentlichen gleich ist, z. B. wären etwa 25 % der Gesamtdaten 115 in jedem Element 305a-305d gespeichert. Der Server 135 kann jeweilige Betriebsparameterhistogramme 300 für jeden einer Vielzahl von Fahrzeugbetriebsparametern erzeugen.
Der Server 135 sendet die Betriebsparameterhistogramme 300 über das Netzwerk 130 an eine Vielzahl von Testfahrzeugen 101. Jeder Computer 105 in jedem Testfahrzeug 101 kann das Fahrzeug 101 betreiben, um Daten 115 gemäß den Betriebsparameterhistogrammen 300 zu erfassen. Das heißt, wenn jeder Computer 105 jedes Fahrzeug 101 betreibt, erfasst der Computer 105 Daten 115 über den Betrieb des Fahrzeugs 101 und modifiziert die Betriebsparameterhistogramme 300 gemäß den Daten 115. Der Computer 105 kann die Daten 115 in die Betriebsparameterhistogramme 300 eingeben, wodurch Werte für jedes Element 305 gemäß den Schwellenwerten für jedes Element 305, wie vorstehend beschrieben, erzeugt werden.
Zusätzlich zum Erfassen von Daten 115 für die Betriebsparameterhistogramme 300 kann jeder Computer 105 zusätzliche Daten 115 erfassen, die nicht durch die Betriebsparameterhistogramme 300 spezifiziert sind. Das heißt, einige Daten 115 erfordern möglicherweise keine Quantifizierung in spezifische Betriebsparameterhistogramme 300, können aber dennoch zum Gestalten der Komponente 125 nützlich sein. Zum Beispiel kann jeder Computer 105 Daten über eine Umgebung jedes Testfahrzeugs 101 erfassen, z. B. eine städtische Umgebung, eine ländliche Umgebung usw. In einem weiteren Beispiel kann jeder Computer 105 Wetterdaten 115 aus der Gegend um das Testfahrzeug 101 erfassen, z. B. Niederschlag, Temperatur, Luftdruck usw.
Der Server 135 kann Daten 115 von jedem Testfahrzeug 101 empfangen, einschließlich der Betriebsparameterhistogramme 300. Das heißt, nach dem Erfassen von Daten 115 und dem Ausfüllen der Arrays der Betriebsparameterhistogramme 300 kann jeder Computer 105 die ausgefüllten Betriebsparameterhistogramme 300 und zusätzlichen Daten 115, die nicht in den Betriebsparameterhistogrammen 300 widergespiegelt sind, über das Netzwerk 130 an den Server 135 übertragen. Nach dem Empfangen der Betriebsparameterhistogramme 300 und der zusätzlichen Daten 115 kann der Server 135 jedes Betriebsparameterhistogramm 300 und die Daten 115 in ein Maschinenlernprogramm eingeben, das Klassifizierungen auf Grundlage der Daten 115 ausgibt. Das Maschinenlernprogramm kann z. B. ein neuronales Netz, wie etwa ein tiefes neuronales Netz, ein neuronales Faltungsnetz usw. sein, das eine Kostenfunktion beinhaltet. Die Kostenfunktion kann eine Vielzahl von gewichteten Variablen beinhalten, die abgestimmt werden können, um eine Differenz zwischen einer Referenzeingabe und einer erzeugten Ausgabe zu minimieren. Das Maschinenlernprogramm kann Klassifizierungen ausgeben, die Werten der Kostenfunktion unter einem vorbestimmten Kostenschwellenwert entsprechen. Der Kostenschwellenwert kann als ein Wert bestimmt werden, bei dem das Maschinenlernprogramm eine Ausgabe erzeugt, die korrekt einer Referenzeingabe mit einem vorbestimmten Prozentsatz entspricht, z.B. werden 95 % der Eingaben korrekt in der erzeugten Ausgabe identifiziert. Das Maschinenlernprogramm kann Klassifizierungen gemäß spezifischen Eigenschaften gruppieren. Zum Beispiel kann das Maschinenlernprogramm Klassifizierungen gemäß einer Art von Umgebung, wie nachstehend beschrieben, und dann gemäß einer Art der Fahrzeugverwendung und dann gemäß dem Umgebungswetter gruppieren.
4 ist ein Schaubild einer Vielzahl von beispielhaften Klassifizierungen. In diesem Zusammenhang ist eine „Klassifizierung“ ein Satz von Eigenschaften bezüglich einer Fahrbahn, der eine Art von Umgebung und eine Art von Fahrzeugverwendung auf der Fahrbahn beinhaltet. Fahrbahnen, die unterschiedlichen Klassifizierungen zugeordnet sind, verursachen unterschiedliche Belastungen an den Komponenten 125, die Anpassungen an der Gestaltung der Komponenten 125 erfordern können, um die Lebensdauer der Komponente 125 zu verbessern. Das Beispiel der 4 veranschaulicht sechs beispielhafte Klassifizierungen und das Maschinenlernprogramm kann eine andere Anzahl von Klassifizierungen erzeugen.
Jede Klassifizierung beinhaltet eine Darstellung einer spezifischen Art von Umgebung einer Fahrbahn. Eine „Art von Umgebung“ ist eine Beschreibung physischer Eigenschaften der Fahrbahn und des umgebenden Bereichs. Beispielhafte Arten von Umgebungen können z. B. eine ländliche Umgebung, eine städtische Umgebung, eine Autobahnumgebung usw. beinhalten. Das heißt, jede Art von Umgebung beschreibt Eigenschaften bezüglich der Umgebung um die Fahrbahn, die den Betrieb der Komponente 125 beeinflussen können.
Jede Klassifizierung beinhaltet eine Darstellung einer spezifischen Art von Verwendung des Testfahrzeugs 101. Eine „Art der Testfahrzeugverwendung“ ist eine Beschreibung von Objekten, Markierungen und/oder Szenarien, die den Betrieb des Testfahrzeugs 101 beeinflussen. Beispielhafte Arten der Testfahrzeugverwendung können z. B. eine spezifizierte Geschwindigkeitsbegrenzung, eine Ampel, eine Verkehrskreuzung, einen kurvigen Weg, einen geraden Weg usw. beinhalten. Das heißt, die Art der Testfahrzeugverwendung gibt an, wie die Testfahrzeuge 101 betrieben werden, sodass der Betrieb der Komponenten 125 beeinflusst wird. Wenn zum Beispiel die Art der Testfahrzeugverwendung eine Ampel ist, würden die Daten 115, die der Art der Testfahrzeugverwendung zugeordnet sind, das Bremsen des Testfahrzeugs 101 bis zu einem Stillstand und das Beschleunigen des Testfahrzeugs 101 aus dem Stillstand beinhalten, was den Betrieb von Komponenten 125 von Teilsystemen 120 einschließt, wie etwa den Antrieb, die Bremse usw. Das Anhalten an der Ampel kann den Verschleiß der mit dem Bremsen verbundenen Komponenten 125 erhöhen, und der Server 135 kann Daten 115 verwenden, die Klassifizierungen zugewiesen sind, die Ampeln zugeordnet sind, um die Gestaltung der dem Bremsteilsystem 120 zugeordneten Komponenten 125 anzupassen. In einem weiteren Beispiel kann sich die Art der Testfahrzeugverwendung auf Grundlage der Eigenschaften der Fahrbahn ändern, z. B. können auf einem geraden Weg weniger Komponenten, die der Lenkung zugeordnet sind, betätigt werden als auf einem kurvigen Weg.
Die Klassifizierungen können eine Darstellung von Umgebungswetter beinhalten. Wie vorstehend beschrieben, kann jeder Computer 105 in jedem Testfahrzeug 101 Wetterdaten 115 des Bereichs um das Testfahrzeug 101 erfassen. Zum Beispiel kann jeder Computer 105 einen Niederschlagssensor und einen Umgebungstemperatursensor betätigen, um die Wetterdaten 115 zu erfassen. In einem weiteren Beispiel kann jeder Computer 105 Wetterdaten 115 von einem externen Server 135, z. B. von einer Wetterstation, erfassen. Der Server 135 kann die Wetterdaten 115 in das Maschinenlernprogramm eingeben, um Klassifizierungen auszugeben, die verschiedenen Arten von Wetter zugeordnet sind. Zum Beispiel kann die Klassifizierung trockenes Wetter, Regen, Schnee usw. beinhalten.
Die in 4 gezeigten Klassifizierungen beschreiben sowohl eine Art der Umgebung als auch eine Art der Fahrzeugverwendung. Das Maschinenlernprogramm kann eine Klassifizierung für jedes Betriebsparameterhistogramm ausgeben. In dem Beispiel der 4 identifiziert das Maschinenlernprogramm sechs Klassifizierungen, abgekürzt als „Klasse“ A-F. Die Klassifizierung A ist eine städtische, trockene, gerade Wegklassifizierung, d. h. die Umgebung ist eine städtische Umgebung, das Wetter ist trocken und die Art der Fahrzeugverwendung ist ein gerader Weg. Die Klassifizierung B ist eine städtische, trockene Verkehrsklassifizierung, d. h. die Umgebung ist eine städtische Umgebung, das Wetter ist trocken und die Art der Fahrzeugverwendung ist Stadtverkehr. Die Klassifizierung C ist eine ländliche, trockene, kurvige Wegklassifizierung, d. h. die Umgebung ist eine städtische Umgebung, das Wetter ist trocken und die Art der Fahrzeugverwendung ist ein kurviger Weg. Die Klassifizierung D ist eine ländliche, regnerische, kurvige Wegklassifizierung. Die Klassifizierung E ist eine Autobahnumgebung, eine trockene, gerade Wegklassifizierung. Die Klassifizierung F ist eine ländliche kurvige Wegklassifizierung mit Schnee.
5 veranschaulicht beispielhafte dreidimensionale Schemata 500, 505, 510, 515 einer Komponente 125. Ein „Schema“ ist eine dreidimensionale Zeichnung, die die Messwerte der Komponente 125 beschreibt, z. B. Länge, Breite, Höhe, Dicke, Konturen usw. Das Schema 500 kann eine technische Zeichnung sein, wie etwa eine CAD-Zeichnung und/oder ein CAE-Modell. In dem Beispiel der 5 ist die Komponente 125 ein Lenkdifferential, das Drehmoment von einem Antriebsstrang auf ein Rad überträgt. Das heißt, die Komponente 125 sollte optimiert werden, um eine Materialmenge zum Herstellen der Komponente 125 zu reduzieren, während die Materialfestigkeit zum Übertragen von Drehmoment über einen vorbestimmten Zeitraum, z. B. einen Zeitraum, der durch eine Herstellergarantie vorgegeben ist, z. B. fünf Jahre, und/oder eine vorbestimmte Nutzung, z. B. 60.000 Meilen aufrechterhalten wird. Der Server 135 kann ein erstes Schema 500 gemäß einem vorbestimmten Satz von Abmessungen für die Komponente 125 erzeugen und kann die Größe und/oder Form des ersten Schema 500 an ein anderes Schema 505, 510, 515 anpassen.
Der Server 135 gibt die Klassifizierungen und die Betriebsparameterhistogramme und das Schema 500 in ein prädiktives Schadensmodell ein. Das „prädiktive Schadensmodell“ ist eine Simulation von Belastungen an einer virtuellen Komponente 125, die durch das Schema dargestellt ist, z. B. mechanische Belastungen, thermische Belastungen, Belastungen im Zeitverlauf, Belastungen durch Bewegung von Abschnitten der Komponente 125 usw. Das prädiktive Schadensmodell kann ein CAE-Modell sein, das die Betriebsparameterhistogramme und die Klassifizierungen als Eingabe empfängt und Daten 115, die Belastungen an der virtuellen Komponente 125 angeben, als Ausgabe erzeugt. Das heißt, das prädiktive Schadensmodell kann eine Gleichung oder ein Satz von Gleichungen sein, die bzw. der Belastungen an der virtuellen Komponente 125 aus Eingaben, wie etwa simuliertem Drehmoment, simuliert. Die Ausgabe des prädiktiven Schadensmodells kann zum Beispiel eine „Ermüdungsgrenze“ beinhalten, d. h. eine Menge an Bewegung, die Belastungen an der virtuellen Komponente spezifiziert, die Dehnungen erzeugen, die eine Dehngrenze des Materials überschreiten. Zum Beispiel kann die Ermüdungsgrenze einer sich drehenden Komponente 125, wie in dem Beispiel der 5 gezeigt, eine Anzahl von Umdrehungen sein, bis die Belastungen die Dehngrenze bei einem spezifizierten Drehmoment erreichen. Das heißt, das spezifizierte Drehmoment kann die virtuelle Komponente 125 drehen und Belastungen erzeugen. Wenn die Belastungen Dehnungen induzieren, die die Dehngrenze erreichen oder überschreiten, kann das prädiktive Schadensmodell die Anzahl der Umdrehungen, bei denen die Dehngrenze erreicht wurde, als die Ermüdungsgrenze ausgeben.
Der Server 135 kann eine oder mehrere Abmessungen des Schemas 500 auf Grundlage des prädiktiven Schadensmodells anpassen. Wie vorstehend beschrieben, beschreibt das Schema die Größe, Form und Materialzusammensetzung der virtuellen Komponente 125. Der Server 135 kann auf Grundlage der Ausgabe von dem prädiktiven Schadensmodell das Schema 500 anpassen, um die Ausgabe von dem prädiktiven Schadensmodell anzupassen. Der Server 135 kann eine Größe, eine Form und/oder eine Materialdicke des Schemas 500 auf Grundlage der Ausgabe des prädiktiven Schadensmodells anpassen. Zum Beispiel kann der Server 135 eine Größe eines Abschnitts des Schemas 500 reduzieren, um ein neues Schema 510, 515 zu erzeugen, um eine Materialmenge zu reduzieren, die erforderlich ist, um die Komponente 125 zu konstruieren, und das angepasste Schema 510, 515 in das prädiktive Schadensmodell eingeben, um eine Ermüdungsgrenze für das angepasste Schema 510, 515 zu erzeugen. In einem weiteren Beispiel kann der Server 135 eine Größe des Schemas 500 auf ein angepasstes Schema 505 erhöhen, um Dehnungen zu reduzieren, die durch Belastungen an der virtuellen Komponente 125 verursacht werden.
Der Server 135 kann das Schema 500 anpassen, bis ein oder mehrere Optimierungskriterien erfüllt sind. In diesem Zusammenhang ist ein „Optimierungskriterium“ eine messbare Größe der virtuellen Komponente 125, die sich ändert, wenn der Server das Schema 500 anpasst. Beispielhafte Optimierungskriterien beinhalten z. B. Größe, Kosten, Gewicht, Ermüdungsgrenze usw. Zum Beispiel kann der Server 135 die Größe des Schemas reduzieren und das angepasste Schema 500 in das prädiktive Schadensmodell eingeben, bis ein Gewichtsoptimierungskriterium und ein Ermüdungsgrenzenoptimierungskriterium erfüllt sind. Das heißt, wenn der Server 135 die Größe des Schemas 500 reduziert, nimmt das Gewicht einer gemäß dem Schema 500 konstruierten Fahrzeugkomponente 125 ab und die Ermüdungsgrenze der Fahrzeugkomponente 125 nimmt ab. Der Server 135 kann die Klassifizierungen und aufeinanderfolgend angepassten dreidimensionalen Schemata 505, 510, 515 in aufeinanderfolgende prädiktive Schadensmodelle eingeben, bis ein oder mehrere Optimierungskriterien erfüllt sind. Der Server 135 kann die Größe des Schemas 500 anpassen, um das Gewicht der virtuellen Komponente 125 zu reduzieren, während die durch die Optimierungskriterien spezifizierte Ermüdungsgrenze aufrechterhalten wird. Alternativ oder zusätzlich kann der Server 135 eine Form und/oder eine Materialzusammensetzung des Schemas 500 anpassen, um die Optimierungskriterien zu erfüllen. Zum Beispiel kann der Server 135 einen Abschnitt des Schemas identifizieren, an dem eine Belastung einen ersten Belastungsschwellenwert überschreitet, und kann eine Materialdicke des Abschnitts erhöhen, um die Belastung auf unter den ersten Belastungsschwellenwert zu verringern. Der Server 135 kann einen zweiten Abschnitt des Schemas identifizieren, an dem eine Belastung unter einem zweiten Belastungsschwellenwert liegt, und kann eine Materialdicke des zweiten Abschnitts verringern, um ein Gewicht des zweiten Abschnitts zu reduzieren. Der Belastungsschwellenwert kann z. B. eine Dehngrenze des Materials multipliziert mit einem vorbestimmten Sicherheitsfaktor, z. B. 0,8, sein. Der zweite Belastungsschwellenwert kann die Dehngrenze des Materials multipliziert mit einem Mindestbelastungsmultiplikator, z. B. 0,2, sein. In dem Beispiel der 5 erfüllt das Schema 500 mit fettgedruckter Umrandung die Optimierungskriterien.
Nach dem Erfüllen der Optimierungskriterien kann der Server 135 Leistungsdaten 115 (z. B. Drehmoment) von einem Fahrzeugdynamikmodell in das prädiktive Schadensmodell für das angepasste Schema eingeben. Das „Fahrzeugdynamikmodell“ ist ein kinematisches Modell, das eine Bewegung des Fahrzeugs 101 beschreibt, das Leistungsdaten 115 an das prädiktive Schadensmodell für eine virtuelle Komponente 125 ausgibt, die gemäß dem angepassten Schema 500 konstruiert ist. Das Fahrzeugdynamikmodell beinhaltet ein Modell einer Vielzahl von virtuellen Straßensegmenten, wobei jedes Straßensegment eine oder mehrere Straßenbedingungen darstellt, die einer der vorstehend beschriebenen Klassifizierungen zugeordnet sind. Zum Beispiel kann eines der Straßensegmente Straßenbedingungen beinhalten, die einer städtischen, trockenen Verkehrsklassifizierung zugeordnet sind, und ein nachfolgendes Straßensegment kann Straßenbedingungen beinhalten, die einer städtischen, regnerischen, kurvigen Wegklassifizierung zugeordnet sind. Jedes Straßensegment beinhaltet eine spezifizierte Krümmung, Neigung und Gefälle sowie Verkehrszeichen, Verkehrsampeln und Straßenmarkierungen. Durch Eingeben des virtuellen Fahrzeugs 101 mit dem angepassten Schema in das Fahrzeugdynamikmodell kann der Server 135 Daten 115 über die Leistung der virtuellen Komponente 125, die durch das angepasste Schema dargestellt ist, auf Straßensegmenten, die den Klassifizierungen entsprechen, erfassen. Das heißt, der Server 135 kann die virtuelle Komponente 125 in einer Vielzahl von unterschiedlichen Umgebungen und Fahrzeugverwendungsszenarien testen, die die Betriebsparameterhistogramme 300 und das prädiktive Schadensmodell ergänzen.
6 ist ein Blockdiagramm eines beispielhaften Prozesses 600 zum Dimensionieren einer Komponente 125. Der Prozess 600 beginnt in einem Block 605, in dem ein Server 135 eine Vielzahl von Betriebsparameterhistogrammen 300 für eine Vielzahl von Testfahrzeugen 101 definiert. Wie vorstehend beschrieben, sind die Betriebsparameterhistogramme 300 Arrays, die Daten 115 speichern, die durch Sensoren 110 der Testfahrzeuge 101 gemäß vorbestimmten Schwellenwerten erfasst wurden.
Als nächstes überträgt der Server 135 in einem Block 610 die Betriebsparameterhistogramme 300 an die Testfahrzeuge 101. Der Server 135 kann die Betriebsparameterhistogramme 300 über das Netzwerk 130 an die Testfahrzeuge 101 übertragen. Jeder Computer 105 jedes Testfahrzeugs 101 kann die Betriebsparameterhistogramme 300 empfangen und einen oder mehrere Sensoren 110 betätigen, um durch die Betriebsparameterhistogramme 300 spezifizierte Daten 115 zu erfassen.
Als nächstes erfasst der Server 135 in einem Block 615 die Daten 115 und die Betriebsparameterhistogramme 300 von den Testfahrzeugen 101. Das heißt, jedes Testfahrzeug 101 überträgt die Betriebsparameterhistogramme 300 mit Daten 115, die den Elementen der Betriebsparameterhistogramme 300 entsprechen. Jedes Testfahrzeug 101 überträgt zusätzliche Daten 115, die nicht in den Betriebsparameterhistogrammen 300 widergespiegelt sind, z. B. Umgebungsdaten 115, Verwendungsdaten 115 des Testfahrzeugs 101, Wetterdaten 115 usw.
Als nächstes erzeugt der Server 135 in einem Block 620 eine Vielzahl von Klassifikationen auf Grundlage der Daten 115 und der Betriebsparameterhistogramme 300 von den Testfahrzeugen 101. Wie vorstehend beschrieben, kann der Server 135 die Daten 115 und die Betriebsparameterhistogramme 300 in ein Maschinenlernprogramm eingeben, das eine Vielzahl von Klassifizierungen ausgibt. Wie vorstehend beschrieben, kann das Maschinenlernprogramm eine Kostenfunktion mit einer Vielzahl von gewichteten Variablen beinhalten und kann das Maschinenlernprogramm Klassifizierungen ausgeben, die Werten der Kostenfunktion unter einem vorbestimmten Schwellenwert entsprechen. Jede Klassifizierung beinhaltet eine Darstellung einer Art von Umgebung und einer Art von Fahrzeugverwendung. Zum Beispiel kann eine Klassifizierung eine städtische Umgebung im Verkehr beschreiben.
Als Nächstes wendet der Server 135 in einem Block 625 ein prädiktives Schadensmodell auf ein Schema der Komponente 125 und die Klassifizierungen an. Wie vorstehend beschrieben, simuliert das prädiktive Schadensmodell Belastungen an dem Schema, das eine virtuelle Komponente 125 darstellt, wobei die Belastungen durch den durch die Klassifizierungen beschriebenen Betrieb des Fahrzeugs 101 verursacht werden. Zum Beispiel kann das prädiktive Schadensmodell Belastungen auf Grundlage einer Dehngrenze des Materials der virtuellen Komponente 125 simulieren.
Als Nächstes bestimmt der Server 135 in einem Block 630, ob das Schema ein oder mehrere Optimierungskriterien erfüllt. Die Optimierungskriterien sind messbare Größen der Parameter der virtuellen Komponente 125, die sich ändern, wenn der Server 135 das Schema anpasst. Die Optimierungskriterien können z. B. Kosten, Gewicht, Verformungsfestigkeit usw. beinhalten. Der Server 135 kann bestimmen, ob das Schema Optimierungskriterien erfüllt, die z. B. von einem Hersteller spezifiziert sind. Wenn der Server 135 bestimmt, dass das Schema die Optimierungskriterien erfüllt, wird der Prozess 600 in einem Block 635 fortgesetzt. Andernfalls wird der Prozess 600 in einem Block 640 fortgesetzt.
In Block 635 passt der Server 135 eine oder mehrere Abmessungen des Schemas an. Wie vorstehend beschrieben, kann der Server 135 eine Größe und/oder eine Form des Schemas anpassen, um die Optimierungskriterien zu erfüllen. Zum Beispiel kann der Server 135 eine Größe des Schemas reduzieren, um ein Optimierungskriterium zu erfüllen, das ein Gewicht der Komponente 125 spezifiziert. Der Prozess 600 kehrt zu Block 630 zurück.
In Block 640 gibt der Server 135 das angepasste Schema in ein Fahrzeugdynamikmodell ein. Das Fahrzeugdynamikmodell simuliert den Betrieb eines virtuellen Fahrzeugs 101 mit einer virtuellen Komponente 125 gemäß dem angepassten Schema. Der Server 135 erfasst Daten 115 von dem Fahrzeugdynamikmodell, um die Optimierungskriterien zu validieren und den Betrieb der virtuellen Komponente 125 zu testen, der beim prädiktiven Schadensmodell nicht berücksichtigt wurde. Im Anschluss an den Block 640 endet der Prozess 600.
Im hierin verwendeten Sinne bedeutet das ein Adjektiv modifizierende Adverb „im Wesentlichen“, dass eine Form, eine Struktur, ein Messwert, ein Wert, eine Berechnung usw. von einer genau beschriebenen Geometrie, einem genau beschriebenen Abstand, einem genau beschriebenen Messwert, einem genau beschriebenen Wert, einer genau beschriebenen Berechnung usw. aufgrund von Mängeln hinsichtlich der Materialien, Bearbeitung, Herstellung, Datensammlermessungen, Berechnungen, Verarbeitungszeit, Kommunikationszeit usw. abweichen kann.
Rechenvorrichtungen, wie in dieser Schrift erörtert, einschließlich des Computers 105 und des Servers 135, beinhalten Prozessoren und Speicher, wobei die Speicher im Allgemeinen jeweils Anweisungen beinhalten, die durch eine oder mehrere Rechenvorrichtungen, wie etwa die vorstehend identifizierten, sowie zum Ausführen vorstehend beschriebener Blöcke oder Schritte von Prozessen ausgeführt werden können. Computerausführbare Anweisungen können von Computerprogrammen kompiliert oder interpretiert werden, die unter Verwendung einer Vielfalt an Programmiersprachen und/oder -technologien erstellt wurden, darunter unter anderem, entweder allein oder in Kombination, Java™, C, C++, Visual Basic, Java Script, Python, Perl, HTML usw. Im Allgemeinen empfängt ein Prozessor (z. B. ein Mikroprozessor) Anweisungen, z. B. von einem Speicher, einem computerlesbaren Medium usw., und führt diese Anweisungen aus, wodurch er einen oder mehrere Prozesse durchführt, darunter einen oder mehrere der in dieser Schrift beschriebenen Prozesse. Derartige Anweisungen und andere Daten können unter Verwendung einer Vielfalt an computerlesbaren Medien gespeichert und übertragen werden. Eine Datei in dem Computer 105 ist im Allgemeinen eine Sammlung von Daten, die auf einem computerlesbaren Medium gespeichert sind, wie etwa einem Speichermedium, einem Direktzugriffsspeicher usw.
Ein computerlesbares Medium schließt jedes Medium ein, das am Bereitstellen von Daten (z. B. Anweisungen), die durch einen Computer ausgelesen werden können, beteiligt ist. Ein derartiges Medium kann viele Formen annehmen, einschließlich unter anderem nicht flüchtige Medien, flüchtige Medien usw. Nicht flüchtige Medien beinhalten beispielsweise optische oder magnetische Platten und sonstige Dauerspeicher. Flüchtige Medien beinhalten einen dynamischen Direktzugriffsspeicher (dynamic random access memory - DRAM), der in der Regel einen Hauptspeicher darstellt. Gängige Formen von computerlesbaren Medien beinhalten zum Beispiel eine Diskette, eine Folienspeicherplatte, eine Festplatte, ein Magnetband, ein beliebiges anderes magnetisches Medium, eine CD-ROM, eine DVD, ein beliebiges anderes optisches Medium, Lochkarten, Lochstreifen, ein beliebiges anderes physisches Medium mit Lochmustern, einen RAM, einen PROM, einen EPROM, einen FLASH-EEPROM, einen beliebigen anderen Speicherchip oder eine beliebige andere Speicherkassette oder ein beliebiges anderes Medium, das durch einen Computer ausgelesen werden kann.
Hinsichtlich der in dieser Schrift beschriebenen Medien, Prozesse, Systeme, Verfahren usw. sollte es sich verstehen, dass, obwohl die Schritte derartiger Prozesse usw. als in einer bestimmten geordneten Sequenz erfolgend beschrieben worden sind, die beschriebenen Schritte bei der Ausführung derartiger Prozesse in einer Reihenfolge durchgeführt werden könnten, bei der es sich nicht um die in dieser Schrift beschriebene Reihenfolge handelt. Es versteht sich ferner, dass bestimmte Schritte gleichzeitig durchgeführt, andere Schritte hinzugefügt oder bestimmte in dieser Schrift beschriebene Schritte weggelassen werden könnten. In dem Prozess 600 könnten zum Beispiel ein oder mehrere der Schritte weggelassen werden oder die Schritte könnten in einer anderen Reihenfolge als in 6 gezeigt ausgeführt werden. Anders ausgedrückt sind die Beschreibungen von Systemen und/oder Prozessen in dieser Schrift zum Zweck der Veranschaulichung bestimmter Ausführungsformen bereitgestellt und sollten keinesfalls dahingehend ausgelegt werden, dass sie den offenbarten Gegenstand einschränken.
Dementsprechend versteht es sich, dass die vorliegende Offenbarung, einschließlich der vorangehenden Beschreibung und der beigefügten Figuren und nachfolgenden Patentansprüche, veranschaulichend und nicht einschränkend sein soll. Viele Ausführungsformen und Anwendungen, bei denen es sich nicht um die bereitgestellten Beispiele handelt, werden dem Fachmann beim Lesen der vorstehenden Beschreibung ersichtlich sein. Der Umfang der Erfindung sollte nicht unter Bezug auf die obige Beschreibung ermittelt werden, sondern stattdessen in Bezug auf Ansprüche, die hier beigefügt sind und/oder in einer hierauf basierenden, nicht vorläufigen Patentanmeldung enthalten sind, gemeinsam mit dem vollständigen Umfang von Äquivalenten, zu welchen derartige Ansprüche berechtigen. Es wird vorweggenommen und ist beabsichtigt, dass es zukünftige Entwicklungen im in dieser Schrift erörterten Stand der Technik geben wird und dass die offenbarten Systeme und Verfahren in derartige zukünftige Ausführungsformen aufgenommen werden. Zusammenfassend versteht es sich, dass der offenbarte Gegenstand modifiziert und variiert werden kann.
Der ein Nomen modifizierende Artikel „ein(e)“ sollte dahingehend verstanden werden, dass er eine(n) oder mehrere bezeichnet, es sei denn, es ist etwas anderes angegeben oder der Kontext erfordert etwas anderes. Der Ausdruck „auf Grundlage von“ schließt teilweise oder vollständig auf Grundlage von ein.
Gemäß der vorliegenden Erfindung wird ein System bereitgestellt, das einen Computer aufweist, der einen Prozessor und einen Speicher beinhaltet, wobei der Speicher Anweisungen speichert, die durch den Prozessor ausführbar sind, um: ein Betriebsparameterhistogramm für jeden einer Vielzahl von Fahrzeugbetriebsparametern auf Grundlage von erfassten Daten über den Betrieb einer Vielzahl von Fahrzeugen zu erzeugen, wobei jedes Betriebsparameterhistogramm ein Array von Elementen beinhaltet, wobei jedes Element eine Anzahl von Datenpunkten für einen der Betriebsparameter ist, die innerhalb eines spezifizierten Bereichs liegen; ein Testfahrzeug gemäß den Betriebsparameterhistogrammen zu betreiben; jedes Betriebsparameterhistogramm und eine Vielzahl von Testfahrzeugumgebungsdaten in ein Maschinenlernprogramm einzugeben; aus dem Maschinenlernprogramm eine Klassifizierung für jedes Betriebsparameterhistogramm aus dem Maschinenlernprogramm auszugeben, wobei jede Klassifizierung eine Art von Umgebung und eine Art von Testfahrzeugverwendung darstellt; die Klassifizierungen in ein prädiktives Schadensmodell eines dreidimensionalen Schemas einer Fahrzeugkomponente einzugeben; und eine von einer Größe oder einer Form des dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells anzupassen.
Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen, um nach dem Anpassen einer von der Größe oder der Form des dreidimensionalen Schemas die Klassifizierungen in ein prädiktives Schadensmodell des angepassten dreidimensionalen Schemas einzugeben und eine von einer Größe oder einer Form des angepassten dreidimensionales Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells anzupassen.
Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen zum Eingeben der Klassifizierungen und aufeinanderfolgend angepasster dreidimensionaler Schemata in aufeinanderfolgende prädiktive Schadensmodelle, bis ein Optimierungskriterium für mindestens eine von der Größe oder der Form des dreidimensionalen Schemas erfüllt ist.
Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen zum Anpassen einer Materialdicke des dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells.
Gemäß einer Ausführungsform beinhaltet die Ausgabe des prädiktiven Schadensmodells eine Ermüdungsgrenze, die eine Belastung an einer virtuellen Komponente spezifiziert, die gemäß dem dreidimensionalen Schema modelliert ist, die eine Dehnung erzeugt, die eine Dehngrenze des Materials überschreitet.
Gemäß einer Ausführungsform ist die Ermüdungsgrenze eine Anzahl von Umdrehungen der virtuellen Komponente, die sich mit einem spezifizierten Drehmoment dreht.
Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen zum Eingeben von Leistungsdaten von einem Fahrzeugdynamikmodell in ein prädiktives Schadensmodell für eine virtuelle Komponente, die gemäß dem dreidimensionalen Schema konstruiert ist.
Gemäß einer Ausführungsform beinhaltet das Fahrzeugdynamikmodell ein Modell einer Vielzahl von Straßensegmenten und beinhalten die Leistungsdaten für die virtuelle Komponente Leistungsdaten für jedes Straßensegment.
Gemäß einer Ausführungsform beinhaltet das Fahrzeugdynamikmodell ein Modell einer Vielzahl von Straßenbedingungen und beinhalten die Leistungsdaten Daten der virtuellen Komponente, die bei der Vielzahl von Straßenbedingungen betrieben wird.
Gemäß einer Ausführungsform ist jede Straßenbedingung einer der Klassifizierungen zugeordnet.
Gemäß einer Ausführungsform beinhaltet die Art der Testfahrzeugverwendung mindestens eines von einer spezifizierten Geschwindigkeitsbegrenzung, einer Ampel oder einer Verkehrskreuzung.
Gemäß einer Ausführungsform beinhalten die Betriebsparameter mindestens eines von einer Fahrzeuggeschwindigkeit, einem Lenkdrehmoment, einem Bremsdrehmoment, einer Kraftstoffdurchflussrate oder einer Getriebedrehzahl.
Gemäß einer Ausführungsform beinhalten die Anweisungen ferner Anweisungen zum Anpassen der Größe des dreidimensionalen Schemas, um ein Gewicht einer Fahrzeugkomponente zu reduzieren, die gemäß dem dreidimensionalen Schema konstruiert ist.
Gemäß einer Ausführungsform beinhaltet die Art der Umgebung mindestens eine von einer ländlichen Umgebung, einer städtischen Umgebung und einer Autobahnumgebung.
Gemäß der vorliegenden Erfindung beinhaltet ein Verfahren Folgendes: Erzeugen eines Betriebsparameterhistogramms für jeden einer Vielzahl von Fahrzeugbetriebsparametern auf Grundlage von erfassten Daten über den Betrieb einer Vielzahl von Fahrzeugen, wobei jedes Betriebsparameterhistogramm ein Array von Elementen beinhaltet, wobei jedes Element eine Anzahl von Datenpunkten für einen der Betriebsparameter ist, die innerhalb eines spezifizierten Bereichs liegen; Betreiben eines Testfahrzeugs gemäß den Betriebsparameterhistogrammen; Eingeben jedes Betriebsparameterhistogramms und einer Vielzahl von Testfahrzeugumgebungsdaten in ein Maschinenlernprogramm; Ausgeben aus dem Maschinenlernprogramm einer Klassifizierung für jedes Betriebsparameterhistogramm aus dem Maschinenlernprogramm, wobei jede Klassifizierung eine Art von Umgebung und eine Art von Testfahrzeugverwendung darstellt, Eingeben der Klassifizierungen in ein prädiktives Schadensmodell eines dreidimensionalen Schemas einer Fahrzeugkomponente; und Anpassen einer von einer Größe oder einer Form des dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells.
Gemäß einer Ausführungsform ist die obige Erfindung ferner gekennzeichnet durch Eingeben der Klassifizierungen in ein prädiktives Schadensmodell des angepassten dreidimensionalen Schemas und Anpassen einer von einer Größe oder einer Form des angepassten dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells nach dem Anpassen einer von der Größe oder der Form des dreidimensionalen Schemas.
Gemäß einer Ausführungsform ist die obige Erfindung ferner gekennzeichnet durch Eingeben von Leistungsdaten von einem Fahrzeugdynamikmodell in ein prädiktives Schadensmodell für eine virtuelle Komponente, die gemäß dem dreidimensionalen Schema konstruiert ist.
Gemäß der vorliegenden Erfindung wird ein System bereitgestellt, das Folgendes aufweist: ein Testfahrzeug, das eine Vielzahl von Fahrzeugsensoren beinhaltet; eine Einrichtung zum Erzeugen eines Betriebsparameterhistogramms für jeden einer Vielzahl von Fahrzeugbetriebsparametern auf Grundlage von erfassten Daten über den Betrieb einer Vielzahl von Fahrzeugen, wobei jedes Betriebsparameterhistogramm ein Array von Elementen beinhaltet, wobei jedes Element eine Anzahl von Datenpunkten für einen der Betriebsparameter ist, die innerhalb eines spezifizierten Bereichs liegen; eine Einrichtung zum Betreiben eines Testfahrzeugs gemäß den Betriebsparameterhistogrammen; eine Einrichtung zum Eingeben jedes Betriebsparameterhistogramms und einer Vielzahl von Testfahrzeugumgebungsdaten in ein Maschinenlernprogramm; eine Einrichtung zum Ausgeben aus dem Maschinenlernprogramm einer Klassifizierung für jedes Betriebsparameterhistogramm aus dem Maschinenlernprogramm, wobei jede Klassifizierung eine Art von Umgebung und eine Art von Testfahrzeugverwendung darstellt; eine Einrichtung zum Eingeben der Klassifizierungen in ein prädiktives Schadensmodell eines dreidimensionalen Schemas einer Fahrzeugkomponente; und eine Einrichtung zum Anpassen einer von einer Größe oder einer Form des dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells.
Gemäß einer Ausführungsform ist die obige Erfindung ferner gekennzeichnet durch eine Einrichtung zum Eingeben der Klassifizierungen in ein prädiktives Schadensmodell des angepassten dreidimensionalen Schemas und zum Anpassen einer von einer Größe oder einer Form des angepassten dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells nach dem Anpassen einer von der Größe oder der Form des dreidimensionalen Schemas.
Gemäß einer Ausführungsform ist die obige Erfindung ferner gekennzeichnet durch eine Einrichtung zum Eingeben von Leistungsdaten von einem Fahrzeugdynamikmodell in ein prädiktives Schadensmodell für eine virtuelle Komponente, die gemäß dem dreidimensionalen Schema konstruiert ist.

Claims

Verfahren, umfassend: Erzeugen eines Betriebsparameterhistogramms für jeden einer Vielzahl von Fahrzeugbetriebsparametern auf Grundlage von erfassten Daten über den Betrieb einer Vielzahl von Fahrzeugen, wobei jedes Betriebsparameterhistogramm ein Array von Elementen beinhaltet, wobei jedes Element eine Anzahl von Datenpunkten für einen der Betriebsparameter ist, die innerhalb eines spezifizierten Bereichs liegen; Betreiben eines Testfahrzeugs gemäß den Betriebsparameterhistogrammen; Eingeben jedes Betriebsparameterhistogramms und einer Vielzahl von Testfahrzeugumgebungsdaten in ein Maschinenlernprogramm; Ausgeben aus dem Maschinenlernprogramm einer Klassifizierung für jedes Betriebsparameterhistogramm aus dem Maschinenlernprogramm, wobei jede Klassifizierung eine Art von Umgebung und eine Art von Testfahrzeugverwendung darstellt; Eingeben der Klassifizierungen in ein prädiktives Schadensmodell eines dreidimensionalen Schemas einer Fahrzeugkomponente; und Anpassen einer von einer Größe oder einer Form des dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells.
Verfahren nach Anspruch 1, ferner umfassend, nach dem Anpassen einer von der Größe oder der Form des dreidimensionalen Schemas, Eingeben der Klassifizierungen in ein prädiktives Schadensmodell des angepassten dreidimensionalen Schemas und Anpassen einer von einer Größe oder einer Form des angepassten dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells.
Verfahren nach Anspruch 2, ferner umfassend Eingeben der Klassifizierungen und aufeinanderfolgend angepasster dreidimensionaler Schemata in aufeinanderfolgende prädiktive Schadensmodelle, bis ein Optimierungskriterium für mindestens eine von der Größe oder der Form des dreidimensionalen Schemas erfüllt ist.
Verfahren nach Anspruch 1, ferner umfassend Anpassen einer Materialdicke des dreidimensionalen Schemas auf Grundlage der Ausgabe des prädiktiven Schadensmodells.
Verfahren nach Anspruch 1, wobei die Ausgabe des prädiktiven Schadensmodells eine Ermüdungsgrenze beinhaltet, die eine Belastung an einer virtuellen Komponente spezifiziert, die gemäß dem dreidimensionalen Schema modelliert ist, die eine Dehnung erzeugt, die eine Dehngrenze des Materials überschreitet.
Verfahren nach Anspruch 5, wobei die Ermüdungsgrenze eine Anzahl von Umdrehungen der virtuellen Komponente ist, die sich mit einem spezifizierten Drehmoment dreht.
Verfahren nach einem der Ansprüche 1-6, ferner umfassend Eingeben von Leistungsdaten von einem Fahrzeugdynamikmodell in ein prädiktives Schadensmodell für eine virtuelle Komponente, die gemäß dem dreidimensionalen Schema konstruiert ist.
Verfahren nach Anspruch 7, wobei das Fahrzeugdynamikmodell ein Modell einer Vielzahl von Straßensegmenten beinhaltet und die Leistungsdaten für die virtuelle Komponente Leistungsdaten für jedes Straßensegment beinhalten.
Verfahren nach Anspruch 7, wobei das Fahrzeugdynamikmodell ein Modell einer Vielzahl von Straßenbedingungen beinhaltet und die Leistungsdaten Daten der virtuellen Komponente, die bei der Vielzahl von Straßenbedingungen betrieben wird, beinhalten.
Verfahren nach Anspruch 9, wobei jede Straßenbedingung einer der Klassifizierungen zugeordnet ist.
Verfahren nach einem der Ansprüche 1-6, wobei die Art der Testfahrzeugverwendung mindestens eines von einer spezifizierten Geschwindigkeitsbegrenzung, einer Ampel oder einer Verkehrskreuzung beinhaltet.
Verfahren nach einem der Ansprüche 1-6, wobei die Art der Umgebung mindestens eine von einer ländlichen Umgebung, einer städtischen Umgebung und einer Autobahnumgebung beinhaltet.
Computer, der dazu programmiert ist, das Verfahren nach einem der Ansprüche 1-6 durchzuführen.
Fahrzeug, umfassend den Computer nach Anspruch 13.
Computerprogrammprodukt, umfassend ein computerlesbares Medium, das Anweisungen speichert, die durch einen Computerprozessor ausführbar sind, um das Verfahren nach einem der Ansprüche 1-6 auszuführen.