DE102020134555A1

DE102020134555A1 - Vorrichtung zum lokalisieren von geräusch in einem lenksystem

Info

Publication number: DE102020134555A1
Application number: DE102020134555.0A
Authority: DE
Inventors: Jae Yong SEO; Gue Hwan NAM; Hyeon Cheol JO
Original assignee: Hyundai Mobis Co Ltd
Current assignee: Hyundai Mobis Co Ltd
Priority date: 2020-05-27
Filing date: 2020-12-22
Publication date: 2021-12-02
Also published as: CN113739905A; KR20210147155A; US20210370904A1; US11945521B2

Abstract

Eine Vorrichtung zum Lokalisieren eines in einem Lenksystem auftretenden Geräuschs weist auf: eine Tonaufnahmeeinheit, die ein in einem Lenksystem auftretendes Geräusch detektiert; eine Verarbeitungseinheit, die Daten bezüglich des Geräuschs in dem Lenksystem in ein Neuronales-Netzwerk-Modell, das ein Vorablernen durchführt, eingibt und eine Position oder eine Komponente, an der das Geräusch in dem Lenksystem auftritt, lokalisiert, wobei das Geräusch von der Tonaufnahmeeinheit aufgenommen wird; und eine Speichereinheit, in der das Neuronales-Netzwerk-Modell, das das Vorablernen durchführt, gespeichert ist.

Description

HINTERGRUND
GEBIET
Ausführungsbeispiele betreffen eine Vorrichtung zum Lokalisieren eines Geräuschs in einem Lenksystem eines Fahrzeugs und insbesondere eine Vorrichtung zum Lokalisieren eines Geräuschs in einem Lenksystem, mit dem unter Verwendung eines Neuronales-Netzwerk-Modells eine Position oder eine Komponente, an der ein Geräusch in einem Lenksystem auftritt, lokalisiert werden kann.
DISKUSSION DES HINTERGRUNDS
Ein Lenksystem eines Fahrzeugs ist ein System, mit dem eine Fahrtrichtung eines Fahrzeugs entsprechend der von einem Fahrer durchgeführten Drehung eines Lenkrad eingestellt wird. In den vergangenen Jahren sind Servolenksysteme, die die Leistung des Fahrers beim Drehen des Lenkrads mittels einer Motorkraft eines Motors steigern, in hohem Maß verwendet worden. Beispiele für diese Servolenksysteme umfassen ein motorbetriebenes Servolenk- (motor driven power steering - MDPS) System und ein elektrisches Servolenk- (electric power steering - EPS) System.
Solche Servolenksysteme, bei denen die Motorkraft des Motors verwendet wird, umfassen grundsätzlich einen Motor, ein Lenkgehäuse, einen Drehmomentsensor und eine elektronische Steuereinheit (electronic control unit - ECU). Die elektronische Steuereinheit detektiert eine Drehkraft des Lenkrads durch einen Drehmomentsensor und steuert ein Drehmoment des Lenkrads durch Anlegen eines elektrischen Stroms an den Motor entsprechend einer Fahrzeuggeschwindigkeit. Das Lenkgehäuse nimmt eine Motorkraft über eine Lenkwelle auf, wandelt sie in eine Drehrichtung um und treibt die Vorderräder durch einen Arm an, der eine Relaisstange, eine Spurstange, einen Spurstangenhebel und dergleichen aufweist.
Bei dem Servolenksystem werden ein Verlangsamer, eine Säule, ein Gelenk und dergleichen zum geeigneten Übertragen der Motorkraft des Motors verwendet. Verschiedene anomale Töne oder Geräusche treten in Verbindungsabschnitten dieser Komponenten oder in diesen Komponenten selbst auf.
Beim Stand der Technik wenden Geräuschexperten ein Verfahren an, bei dem ein anomaler Ton oder ein anomales Geräusch unter Verwendung eines teuren Analyseapparats zum Lokalisieren einer Position oder einer Komponente, an der der anomale Ton oder das anomale Geräusch in dem Lenksystem auftritt, verwendet wird. Insbesondere wird bei einem dem Stand der Technik entsprechenden Verfahren der anomale Ton oder das anomale Geräusch in dem Lenksystem reproduziert, schätzen die Experten eine Position des anomalen Tons oder des anomalen Geräusch, wird ein Sensor an der Position montiert und wird ein Sensierwert des Sensors analysiert.
Bei dem dem Stand der Technik entsprechenden Verfahren führt der Geräuschexperte die Schätzung auf der Basis seiner/ihrer Bestimmung durch. Die Fähigkeit zum Analysieren des anomalen Tons oder Geräuschs variiert zwischen Geräuschexperten. Entsprechend besteht eine hohe Wahrscheinlichkeit, dass eine falsche Reparatur durchgeführt wird. Des Weiteren nimmt es sehr viel Zeit in Anspruch, den Sensor direkt an einer Komponente zu montieren, an der der Schätzung zufolge der anomale Ton oder das anomale Geräusch auftritt, und den anomalen Ton oder das anomale Geräusch zwecks Analyse zu reproduzieren. Ferner werden beim Stand der Technik die Geräuschanalysekosten übermäßig hoch, da eine Analyse an jeder Komponente, bei der der Schätzung zufolge der der anomale Ton oder das anomale Geräusch auftritt, durchgeführt wird.
Das Vorstehende dient lediglich zum besseren Verständnis des Hintergrunds der vorliegenden Erfindung und bedeutet nicht, dass die vorliegende Erfindung in den Bereich des Stands der Technik fällt, der Fachleuten auf dem Sachgebiet bereits bekannt ist.
Die vorstehenden, in diesem Hintergrund-Abschnitt dargelegten Informationen dienen nur einem besseren Verständnis des Hintergrunds der Erfindung und können daher Informationen enthalten, die nicht den Stand der Technik darstellen.
ÜBERBLICK
Ausführungsbeispiele stellen eine Vorrichtung zum Lokalisieren eines Geräuschs in einem Lenksystem bereit, mit der einfach ein anomaler Ton oder ein anomales Geräusch in dem Lenksystem durch eine Tonaufnahmeeinheit (z.B. ein Mikrofon) unter Verwendung eines Neuronales-Netzwerk-Modells aufgenommen wird, die aufgenommenen Informationen in das Neuronales-Netzwerk-Modell, das ein Lernen durchführt, eingegeben werden und dadurch eine Position oder eine Komponente, an der der anomale Ton oder das anomale Geräusch in dem Lenksystem auftritt, lokalisiert wird.
Weitere Merkmale der Erfindung werden in der folgenden Beschreibung dargelegt und werden teilweise anhand der Beschreibung ersichtlich oder können bei der praktischen Durchführung der Erfindung erfahren werden.
Bei mindestens einer Ausführungsform wird eine Vorrichtung zum Lokalisieren eines in einem Lenksystem auftretenden Geräuschs bereitgestellt, wobei die Vorrichtung aufweist: eine Tonaufnahmeeinheit, die ein in einem Lenksystem auftretendes Geräusch detektiert; eine Verarbeitungseinheit, die Daten bezüglich des Geräuschs in dem Lenksystem in ein Neuronales-Netzwerk-Modell eingibt und eine Position oder eine Komponente, an der das Geräusch in dem Lenksystem auftritt, lokalisiert, wobei das Geräusch von der Tonaufnahmeeinheit aufgenommen wird; und eine Speichereinheit, in der das Neuronales-Netzwerk-Modell gespeichert ist. Das Neuronales-Netzwerk-Modell kann ein Lernen auf der Basis von zuvor empfangenen Eingabedaten durchführen.
Bei der Vorrichtung kann die Verarbeitungseinheit eine Vorverarbeitung des Umwandelns der Zeitbereichsdaten bezüglich des Geräuschs in dem Lenksystem in Frequenzbereichsdaten durchführen, wobei das Geräusch von der Tonaufnahmeeinheit detektiert wird, und kann die vorverarbeiteten Daten in das Neuronales-Netzwerk-Modell eingeben.
Bei der Vorrichtung kann die Verarbeitungseinheit eine Vorverarbeitung des Anwendens einer Mel-Frequency-Cepstrum-Coefficient- (MFCC) Technik an den Daten bezüglich des Geräuschs in dem Lenksystem und des Extrahierens eines Frequenzmerkmals des Geräuschs in dem Lenksystem durchführen, wobei das Geräusch von der Tonaufnahmeeinheit detektiert wird, und sie kann die vorverarbeiteten Daten in das Neuronales-Netzwerk-Modell eingeben.
Bei der Vorrichtung kann die Verarbeitungseinheit eine Vorverarbeitung des Erzeugens eines aus dem Konvertieren der Zeitbereichsdaten bezüglich des Geräusch in dem Lenksystem in Frequenzbereichsdaten resultierenden Bilds durchführen, wobei das Geräusch von der Tonaufnahmeeinheit detektiert wird, und sie kann das durch die Vorverarbeitung erzeugte Bild in das Neuronales-Netzwerk-Modell eingeben.
Bei der Vorrichtung kann die Verarbeitungseinheit eine Vorverarbeitung des Anwendens einer MFCC-Technik bei den Daten bezüglich des Geräuschs in dem Lenksystem, des Extrahierens eines Frequenzmerkmals des Geräuschs in dem Lenksystem und des Erzeugens des extrahierten Frequenzmerkmals als Bild durchführen, wobei das Geräusch von der Tonaufnahmeeinheit detektiert wird, und sie kann das durch die Vorverarbeitung erzeugte Bild in das Neuronales-Netzwerk-Modell eingeben.
Bei der Vorrichtung kann die Verarbeitungseinheit eine Region des durch die Vorverarbeitung erzeugten Bilds in das Neuronales-Netzwerk-Modell eingeben.
Bei der Vorrichtung kann das Neuronales-Netzwerk-Modell ein Faltungs-Neuronales-Netzwerk-Modell sein, dass eine Faltungsschicht, eine Pooling-Schicht und eine vollständig verbundene Schicht aufweist.
Bei der Vorrichtung kann die Faltungsschicht ein Filtern des durch die Vorverarbeitung erzeugten Bilds unter Verwendung eines Filters durchführen, sie kann eine Faltungsberechnung durchführen und sie kann eine Merkmalkarte erstellen zum Extrahieren eines Merkmals des durch die Vorverarbeitung erzeugten Bilds, kann die Pooling-Schicht einen charakteristischen Wert für jede Region aus der von der Faltungsschicht erstellten Merkmalkarte extrahieren und sie kann eine Größe der Merkmalkarte verringern, kann die vollständig verbundene Schicht die Merkmale weiter hervorheben und sie kann die hervorgehobenen Merkmale unter Anwendung einer Aktivierungsfunktion kategorisieren, und hinsichtlich des Geräuschs in dem Lenksystem kann die Ausgabeschicht die Position oder die Komponente, an der das Geräusch auftritt, auf der Basis eines Ergebnisses der Kategorisierung durch die vollständig verbundene Schicht lokalisieren und ausgeben.
Bei der Vorrichtung können die Verarbeitungseinheit und die Speichereinheit in Form eines Tablet-Personal-Computers (PC) implementiert sein.
Bei der Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem kann dann, wenn das in dem Lenksystem auftretende Geräusch durch die Tonaufnahmeeinheit detektiert wird und Audiodaten bezüglich des detektierten Geräuschs in das Neuronales-Netzwerk-Modell eingegeben werden, ein Ergebnis des Lokalisierens der Position oder der Komponente, an der der anomale Ton oder das anomale Geräusch in dem Lenksystem auftritt, erhalten werden. Somit kann die Analysezeit für die Geräuschdiagnose stark verkürzt werden.
Des Weiteren ist bei der Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem ein Geräuschexperte oder eine Geräuschdiagnosevorrichtung zum Lokalisieren des Geräuschs in dem Fahrzeug nicht erforderlich. Ferner ist es nicht notwendig, Komponenten, an denen der Schätzung zufolge das Geräusch auftritt, zu ersetzen, wobei die Komponenten eine nach der anderen ersetzt werden, um die Position oder die Komponente zu lokalisieren, an der das Geräusch auftritt. Somit können die Kosten zum Lokalisieren des Geräuschs verringert werden. Die Häufigkeit einer unnötigen oder falschen Reparatur kann dadurch verringert werden.
Bei mindestens einer Ausführungsform ist ein Verfahren zum Lokalisieren eines in einem Lenksystem auftretenden Geräuschs vorgesehen, das umfasst: Empfangen, aus einer Tonaufnahmevorrichtung, eines in dem Lenksystem auftretenden Geräuschs und Umwandeln des Geräuschs in einen das Geräusch darstellenden Datenstrom; Eingeben, durch eine Verarbeitungseinheit, den das Geräusch darstellenden Datenstrom in ein Datenanalysemodell, das zum Durchführen eines Vorablernens in der Lage ist; und Durchführen, durch das Datenanalysemodell, einer Analyse des das Geräusch darstellenden Datenstroms und Lokalisieren einer Position oder einer Komponente, an der das Geräusch in dem Lenksystem auftritt.
Effekte, die mit der vorliegenden Erfindung erzielt werden, sind nicht auf die oben beschriebenen beschränkt, und Effekte, die oben nicht beschrieben sind, werden für einen Durchschnittsfachmann auf dem Sachgebiet anhand der folgenden Beschreibung offensichtlich.
Es versteht sich, das sowohl die vorstehende allgemeine Beschreibung als auch die folgende detaillierte Beschreibung beispielhaft und veranschaulichend sind und eine weitere Erläuterung der beanspruchten Erfindung bieten.
Figurenliste
Die beiliegenden Zeichnungen, die einem besseren Verständnis der Erfindung dienen und in diese Patentanmeldung eingearbeitet und Teil derselben sind, stellen Ausführungsformen der Erfindung dar und dienen zusammen mit der Beschreibung zur Erläuterung der Prinzipien der Erfindung.

1 ist eine schematische Ansicht zur Darstellung eines Lenksystems, das zur Lokalisierung eines anomalen Tons oder Geräuschs durch eine Vorrichtung zum Lokalisieren eines Geräuschs in einem Lenksystem zu diagnostizieren ist.
2 ist ein Blockschaltbild zur Darstellung der Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform.
3 ist ein Ablaufdiagramm zur Darstellung einer Operation einer Datenvorverarbeitungseinheit der Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform.
4 ist ein Diagramm zur Darstellung eines Beispiels eines Spektrogramms, das ein Ergebnis einer schnellen Fourier-Transformation durch die Datenvorverarbeitungseinheit der Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform zeigt.
5 ist ein Diagramm zur Darstellung eines Beispiels eines Spektrogramms, das abschließend von der Datenvorverarbeitungseinheit der Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform erzeugt wird.
6 ist eine Ansicht zur Darstellung eines Beispiels eines Neuronales-Netzwerk-Modells, das bei der Vorrichtung zum Lokaliseren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform der Erfindung, bei der ein Neuronales-Netzwerk-Modell verwendet wird, angewendet wird.
7 ist eine Ansicht zur Darstellung eines Implementierungsbeispiels der Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform.

DETAILLIERTE BESCHREIBUNG DER DARGESTELLTEN AUSFÜHRUNGSFORMEN
Verschiedene Vorteile und Merkmale der vorliegenden Erfindung und Verfahren zum Erzielen derselben werden anhand der folgenden Beschreibung von Ausführungsformen mit Bezug auf die beiliegenden Zeichnungen ersichtlich. Die vorliegende Erfindung ist jedoch nicht auf die hier dargelegten Ausführungsformen beschränkt, sondern kann in vielen unterschiedlichen Formen implementiert werden. Die vorliegenden Ausführungsformen können derart dargelegt werden, dass die Offenbarung der vorliegenden Erfindung vollständig ist und Fachleuten auf dem Sachgebiet den Umfang der Erfindung vollständig vermittelt, und daher ist die vorliegende Erfindung innerhalb des Umfangs der Ansprüche definiert. Gleiche Bezugszeichen bezeichnen in der Beschreibung durchgängig gleiche Elemente.
Sofern nichts Anderes definiert ist, versteht sich, dass sämtliche Ausdrücke (einschließlich technischer und wissenschaftlicher Ausdrücke), die in der Patentschrift verwendet werden, die Bedeutung haben, wie sie von Fachleuten auf dem Sachgebiet verstanden wird. Ferner dürfen die Ausdrücke, die in allgemein gebräuchlichen Wörterbüchern definiert sind, nicht auf ideale Weise und übermäßig formal definiert werden, sofern nicht spezifisch und eindeutig etwas Anderes definiert ist. Es versteht sich, dass zum Zweck dieser Offenbarung „X, Y und/oder Z“ ausgelegt werden kann als nur X, nur Y, nur Z oder jede Kombination aus zwei oder mehr von X, Y und Z (z.B. XYZ, XYY, YZ, ZZ). Sofern nicht speziell etwas Gegenteiliges beschrieben ist, versteht sich, dass der Ausdruck „umfassen“, „ausgebildet“, „haben“ oder dergleichen, wie hier beschrieben, die angegebenen Komponenten umfasst und daher als andere Komponenten einschließend und nicht als andere Elemente ausschließend ausgelegt werden muss.
Wie auf dem Sachgebiet üblich, sind einige Ausführungsbeispiele in den beiliegenden Zeichnungen als Funktionsblöcke, -einheiten und/oder -module beschrieben und dargestellt. Fachleute auf dem Sachgebiet erkennen, dass diese Blöcke, Einheiten und/oder Module durch elektronische (oder optische) Schaltungen, wie z.B. logische Schaltungen, diskrete Komponenten, Mikroprozessoren, festverdrahtete Schaltungen, Speicherelemente, Verdrahtungsverbindungen und dergleichen, physisch implementiert werden, die unter Anwendung halbleiterbasierter Fertigungstechniken oder anderer Herstellungstechnologien ausgebildet werden können. Wenn die Blöcke, Einheiten und/oder Module von Mikroprozessoren oder einer ähnlichen Hardware implementiert werden, können sie unter Verwendung von Software (z.B. Mikrocode) zum Durchführen verschiedener hier diskutierter Funktionen programmiert und gesteuert werden und optional von Firmware und/oder Software angesteuert werden. Es wird ferner in Betracht gezogen, dass jeder Block, jede Einheit und/oder jedes Modul durch eine zweckbestimmte Hardware oder als Kombination aus zweckbestimmter Hardware zum Durchführen einiger Funktionen und einem Prozessor (z.B. einem oder mehreren programmierten Prozessoren und dazugehöriger Schaltungsanordnung) zum Durchführen anderer Funktionen implementiert werden. Ferner kann jeder Block, jede Einheit und/oder jedes Modul einiger Ausführungsbeispiele physisch in zwei oder mehr interagierende und diskrete Blöcke, Einheiten und/oder Module getrennt werden, ohne dass dadurch vom Umfang der erfinderischen Konzepte abgewichen wird. Ferner können die Blöcke, Einheiten und/oder Module einiger Ausführungsbeispiele physisch zu komplexeren Blöcken, Einheiten und/oder Modulen kombiniert werden, ohne dass dadurch vom Umfang der erfinderischen Konzepte abgewichen wird.
Eine Vorrichtung zum Lokalisieren eines Geräuschs in einem Lenksystem gemäß verschiedener Ausführungsformen wird nachstehend mit Bezug auf die beiliegenden Zeichnungen detailliert beschrieben.
Zunächst wird bei einer Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß mindestens einer Ausführungsform ein Neuronales-Netzwerk-Modell zum Lokalisieren einer Position oder einer Komponente, an der ein anomaler Ton/anomales Geräusch in dem aus Komponenten aufgebauten Lenksystem auftritt, erstellt. Dann versetzt die Vorrichtung das Neuronales-Netzwerk-Modell in die Lage, ein Lernen unter Verwendung von Lerndaten, die den anomalen Ton oder das anomale Geräusch in dem Lenksystem und eine Position, an der der anomale Ton oder das anomale Geräusch auftritt, enthalten, durchzuführen. Der anomale Ton oder das anomale Geräusch in dem Lenksystem wird von einem Mikrofon oder einem anderen Typ von Tonaufnahmeeinheit oder Tonaufnahmekomponente aufgenommen. Dann gibt die Vorrichtung Daten bezüglich des anomalen Tons oder Geräuschs in dem zu diagnostizierende Lenksystem zum Lokalisieren eines anomalen Tons oder Geräuschs in das lernende Neuronales-Netzwerk-Modell ein. Schließlich versetzt die Vorrichtung das Neuronales-Netzwerk-Modell in die Lage, die Position des anomalen Tons/Geräuschs auf der Basis der Eingabedaten des anomalen Tons/Geräusch zu lokalisieren.
] 1 ist eine schematische Ansicht zur Darstellung eines Lenksystems, das zur Lokalisierung des anomalen Tons oder Geräuschs durch eine Vorrichtung zum Lokalisieren eines Geräuschs in einem Lenksystem zu diagnostizieren ist.
Das Lenksystem in 1 ist ein Lenksystem, bei dem eine sogenannte säulenmontierte motorbetriebene Servolenkung (steering column mounted motor driven power steering - C-MDPS) Anwendung findet. Bei einem solchen Lenksystem ist die Motoreinheit 12 für die Servolenkung an einer Lenksäule 11 montiert. 1 stellt das Lenksystem dar, bei dem die C-MDPS Anwendung findet, die nur eines von verschiedenen Lenksystemen ist, bei der die vorliegende Erfindung Anwendung findet. Die vorliegende Erfindung ist nicht auf das Lenksystem von 1 beschränkt.
Mit Bezug auf 1 misst dann, wenn ein Fahrer ein Lenkrad dreht, ein Drehmomentsensor ein von dem Fahrer erzeugtes Drehmoment und überträgt einen Messwert des Drehmoments zu einer Lenksystem-Steuerungseinrichtung. Wenn die Lenksystem-Steuerungseinrichtung die Motoreinheit 12 steuert, um eine Lenkkraft zu erzeugen, die dem gemessenen Drehmoment entspricht, erzeugt die Motoreinheit 12 die auf die Lenksäule 11 aufzubringende Lenkkraft. Die von der Motoreinheit 12 erzeugte Lenkkraft wird über eine Verbindungsstange, die ein Universalgelenk 14 aufweist, zu einem Getriebe 16 übertragen. Ein Zahnstangenmechanismus innerhalb des Getriebes 16 wandelt eine Drehbewegung in eine Linearbewegung um, wodurch ein Fahrzeug gelenkt wird.
Bei dieser Struktur des Lenksystems tritt der anomale Ton oder das anomale Geräusch primär in einem an der Motoreinheit 12 vorgesehenen Verlangsamer 13, dem Universalgelenk 14, einem eine Zahnstange innerhalb des Getriebes 16 haltenden Bügel 15 und dergleichen auf.
Bei einer Ausführungsform werden die Daten bezüglich des in dem Lenksystem auftretenden anomalen Tons oder Geräuschs und Informationen über die Position oder die Komponente, an der der anomale Ton oder das anomale Geräusch auftritt, vorab erfasst und als Lerndaten verwendet, die das Neuronales-Netzwerk-Modell in die Lage versetzen, ein Lernen durchzuführen.
2 ist ein Blockschaltbild zur Darstellung der Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform.
Gemäß 2 weist die Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform ein Mikrofon 100, eine Verarbeitungseinheit 200 und eine Speichereinheit 300 auf. Das Mikrofon 100 detektiert den anomalen Ton oder das anomale Geräusch, der/das in dem Lenksystem auftritt. Die Verarbeitungseinheit 200 verwendet den anomalen Ton oder das anomale Geräusch in dem Lenksystem, der/das von dem Mikrofon 100 detektiert wird, bei dem Neuronales-Netzwerk-Modell, das das Vorablernen durchführt, und lokalisiert die Position oder die Komponente, an der der detektierte anomale Ton oder das detektierte anomale Geräusch in dem Lenksystem auftritt. Das Neuronales-Netzwerk-Modell, das ein Vorablernen durchführt, ist in der Speichereinheit 300 gespeichert.
Das Mikrofon 100 ist eine Einrichtung zum Detektieren des in dem Lenksystem auftretenden anomalen Tons oder Geräuschs. Ein kostengünstiges handelsübliches Mikrofon oder ein teures Hochleistungsmikrofon kann verwendet werden, da das Mikrofon 100 nur in der Lage sein muss, den anomalen Ton oder das anomale Geräusch zu detektieren, der/das bei Betrieb des Lenksystems in einem Prüfbereich, wie z.B. einem Fahrzeug-Service-Center, auftritt.
Die Verarbeitungseinheit 200 kann eine Datenvorverarbeitungseinheit 210 aufweisen. Die Datenvorverarbeitungseinheit 210 wandelt die Daten bezüglich des von dem Mikrofon 100 aufgenommenen anomalen Tons oder Geräuschs in ein Format um, das für das Lernen durch das Neuronales-Netzwerk-Modell oder zur Anwendung bei dem Neuronales-Netzwerk-Modell geeignet ist.
Die Verarbeitungseinheit 200 führt primär zwei Typen von Funktionen durch. Erstens versetzt die Verarbeitungseinheit 200 das Neuronales-Netzwerk-Modell zum Lokalisieren der Position, an der der anomale Ton oder das anomale Geräusch in dem Lenksystem auftritt, in die Lage, das Lernen durchzuführen. Zweitens verwendet die Verarbeitungseinheit 200 die Daten bezüglich des Geräuschs in dem zum Lokalisieren des anomalen Tons oder Geräuschs zu diagnostizierenden Lenksystem bei dem Neuronales-Netzwerk-Modell, das das Lernen durchführt, und lokalisiert die Position oder die Komponente, an der der anomale Ton oder das anomale Geräusch in dem zum Lokalisieren des anomalen Tons oder Geräuschs zu diagnostizierenden Lenksystem auftritt.
Zu diesem Zweck kann die Verarbeitungseinheit 200 eine Maschinenlerneinheit 220 und eine Geräuschlokalisierungseinheit 230 aufweisen. Die Maschinenlerneinheit 220 führt verschiedene Typen von Berechnungen und Verarbeitungen durch, die für das Lernen durch das Neuronales-Netzwerk-Modell erforderlich sind. Die Geräuschlokalisierungseinheit 230 verwendet den anomalen Ton oder das anomale Geräusch in dem Lenksystem bei dem Neuronales-Netzwerk-Modell, das das Lernen durchführt, und führt verschiedene Typen von Berechnungen und Verarbeitungen durch, die für das Lokalisieren der Position, an der der anomale Ton oder das anomale Geräusch auftritt, erforderlich sind.
Das Neuronales-Netzwerk-Modell, das zum Lokalisieren der Position oder der Komponente, an der der anomale Ton oder das anomale Geräusch in dem Lenksystem auftritt, verwendet wird, ist in der Speichereinheit 300 gespeichert. Ferner sind die Lerndaten, die für das Maschinenlernen durch das Neuronales-Netzwerk-Modell verwendet werden, insbesondere die Lerndaten, die aus der Umwandlung durch die Datenvorverarbeitungseinheit 210 der Verarbeitungseinheit 200 resultieren, in der Speichereinheit 300 gespeichert. Des Weiteren sind verschiedene Daten, die für das Lernen durch das Neuronales-Netzwerk-Modell und für das Verwenden bei dem Neuronales-Netzwerk-Modell erforderlich sind, in der Speichereinheit 300 gespeichert.
Datenvorverarbeitung
Die Datenvorverarbeitungseinheit 210 der Verarbeitungseinheit 200 führt eine Vorverarbeitung durch, bei der Lerndaten und tatsächlich gemessene Geräuschdaten bezüglich einer Komponente in geeignete Formate umgewandelt werden. Die Lerndaten werden für das Lernen durch das Neuronales-Netzwerk-Modell zum Lokalisieren des Geräuschs in dem Lenksystem eingegeben. Die tatsächlich gemessenen Geräuschdaten bezüglich der Komponente werden in das Neuronales-Netzwerk-Modell eingegeben.
Die in die Datenvorverarbeitungseinheit 210 eingegebenen Daten sind Daten bezüglich des von dem Mikrofon 100 aufgenommenen anomalen Tons oder Geräuschs in dem Lenksystem. Die Daten bezüglich des von dem Mikrofon 100 aufgenommenen anomalen Tons oder Geräuschs sind Daten, die in einem Zeitbereich dargestellt sind. Zunächst wandelt die Datenvorverarbeitungseinheit 210 Daten bezüglich des anomalen Tons oder Geräuschs in einem Zeitbereich in Daten bezüglich des anomalen Tons oder Geräuschs in einem Frequenzbereich um. Bei diesem Prozess wendet die Datenvorverarbeitungseinheit 210 eine Mel-Frequency-Cepstrum-Coefficient- (MFCC) Technik an, mit der ein Merkmal von Audiodaten extrahiert werden kann.
3 ist ein Ablaufdiagramm zur Darstellung einer Operation der Datenvorverarbeitungseinheit 210 der Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform. Das Ablaufdiagramm in 3 stellt Schritte des Anwendens der MFCC-Technik bei Daten bezüglich des von dem Mikrofon 100 detektierten Geräuschs in dem Lenksystem und des Extrahierens und Abbildens eines Frequenzbereichsmerkmals dar.
Die Audiodaten sind keine nichtstationären Daten (d.h. sie können unterschiedliche Frequenzbereichscharakteristiken über die Zeit haben). Somit führt die Datenvorverarbeitungseinheit 210 eine Framebildung (Schritt 211) und eine Fensterbildung (Schritt 212) für die Umwandlung in den Frequenzbereich für eine kurze Zeit durch, in der die Audiodaten als stationär betrachtet werden. Größen der Framebildung und der Fensterbildung (Schritte 211 und 212) werden unter Anwendung eines experimentellen Verfahrens ungefähr abgeglichen.
Anschließend führt die Datenvorverarbeitungseinheit 210 eine schnelle Fourier-Transformation (FFT) an jedem Frame durch (Schritt 213).
4 ist ein Diagramm zur Darstellung eines Beispiels eines Spektrogramms, das ein Ergebnis einer FFT durch die Datenvorverarbeitungseinheit 210 der Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform zeigt.
Eine horizontale Achse des Spektrogramms in 4 stellt eine Zeit (Frame) dar, und eine vertikale Achse desselben stellt eine Frequenz dar. Die Intensität einer weißen Farbe zeigt eine Größe der Frequenz zu jeder Zeit an.
Anschließend wendet die Datenvorverarbeitungseinheit 210 eine Mel-Filter-Bank bei dem Ergebnis der FFT an (Schritt 214), führt eine diskrete Kosinustransformation (discrete cosine transform - DCT) an einem Ergebnis des Filterns durch die Mel-Filter-Bank durch und erstellt schließlich ein Spektrogramm, das das Frequenzmerkmal zeigt (Schritt 215).
5 ist ein Diagramm zur Darstellung eines Beispiels eines Spektrogramms, das abschließend von der Datenvorverarbeitungseinheit 210 der Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform erzeugt wird.
Eine horizontale Achse des Spektrogramms in 5 stellt eine Zeit (Frame) dar, und eine horizontale Achse desselben stellt eine Frequenz dar. Die Intensität einer weißen Farbe zeigt eine Größe der Frequenz zu jedem Zeitpunkt an.
Aus der vorstehenden Beschreibung geht hervor, dass die MFCC-Technik bei sämtlichen Schritten vom Schritt der Framebildung und der Fensterbildung der Daten bezüglich des aus dem Mikrofon 100 eingegebenen Geräuschs bis zum Schritt des abschließenden Durchführens der DCT und des Ausgebens des Ergebnisses der DCT angewendet wird.
Die Datenvorverarbeitungseinheit 210 bestimmt eine Region A des Spektrogramms, die das durch Anwenden der MFCC-Technik abgeleitete Frequenzmerkmal zeigt, als eine in das Neuronales-Netzwerk-Modell einzugebende Region. Ein Bild der Region A des Spektrogramms, das durch die Vorverarbeitung erzeugt wird, wird in der Speichereinheit 300 erzeugt. Eine Größe der Region A wird hier auf geeignete Weise unter Anwendung eines experimentellen Verfahrens abgeglichen.
Maschinenlernen durch das Neuronales-Netzwerk-Modell
Die Maschinenlerneinheit 220 ist ein Element, das das in der Speichereinheit 300 gespeicherte Neuronales-Netzwerk-Modell in die Lage versetzt, das Lernen durchzuführen.
Die für das Lernen durch das Neuronales-Netzwerk-Modell verwendeten Daten umfassen Daten bezüglich des von dem Mikrofon 100 aufgenommenen Geräuschs in dem Lenksystem und Daten bezüglich der Position oder der Komponente, an der das Geräusch in dem Lenksystem auftritt.
Das heißt, dass für das Lernen einzugebende Daten Daten bezüglich des von dem Mikrofon 100 aufgenommenen Geräuschs sind und für das Lernen auszugebende Daten Daten bezüglich der Position oder der Komponente sind, an der das Geräusch in dem Lenksystem auftritt. Insbesondere handelt es sich bei den für das Lernen einzugebenden Daten um ein Bild der Region A des Spektrogramms, das von der Datenvorverarbeitungseinheit 210 erzeugt wird.
Die Lerndaten, die die für das Lernen einzugebenden Daten und die für das Lernen auszugebenden Daten umfassen, werden durch Prüfen an verschiedenen Lenksystemen und dergleichen erfasst.
6 ist eine Ansicht zur Darstellung eines Beispiels eines Neuronales-Netzwerk-Modells, das bei der Vorrichtung zum Lokaliseren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform der Erfindung, bei der ein Neuronales-Netzwerk-Modell verwendet wird, angewendet wird.
Gemäß 6 wird das Neuronales-Netzwerk-Modell, das bei der Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß der Ausführungsform verwendet wird, als Faltungs-Neuronales-Netzwerk (convolution neural network - CNN) implementiert, das Faltungsschichten 61 und 63, Pooling-Schichten 62 und 64, eine vollständig verbundene Schicht 65 und eine Ausgabeschicht 66 aufweist.
Die Faltungsschichten 61 und 63 führen ein Filtern an einem eingegebenen Bild A unter Verwendung eines Filters zum Extrahieren eines Merkmals des von der Datenvorverarbeitungseinheit 210 erzeugten eingegebenen Bilds durch, führen eine Faltungsberechnung durch und erstellen eine Merkmalkarte. Zum Beispiel werden k Merkmal-Karten mit k Filtern erstellt. Das Filter nimmt zu Beginn einen geeigneten Anfangswert als numerischen Wert (Gewichtungsfaktor) und führt danach eine Veränderung auf einen geeigneten Wert durch Lernen durch.
Die Pooling-Schichten 62 und 64 extrahieren einen charakteristischen Wert für jede Region aus den von den Faltungsschichten 61 und 63 erstellten Merkmalkarten. Die Pooling-Schichten 62 und 64 führen ein maximales Pooling, ein mittleres Pooling oder dergleichen durch und verringern somit eine Größe der Merkmalkarte und verringern ein Maß an Berechnung und verringern die Größe des Merkmals. Beim maximalen Pooling wird ein Filtern an der Merkmalkarte unter Verwendung eines Filters durchgeführt und wird ein Maximalwert einer Region derselben, an der das Filtern an der Merkmalkarte durchgeführt wird, als charakteristischer Wert bestimmt. Beim mittleren Pooling wird ein Filtern an der Merkmalkarte unter Verwendung eines Filters durchgeführt und wird ein Mittelwert einer Region derselben, an der das Filtern an der Merkmalkarte durchgeführt wird, als charakteristischer Wert bestimmt.
Bei einem Beispiel in 6 sind zwei Faltungsschichten, die Faltungsschichten 61 und 63, zwei Pooling-Schichten, die Pooling-Schichten 62 und 64, dargestellt, aber die Anzahl der Faltungsschichten und die Anzahl der Pooling-Schichten können erforderlichenfalls vergrößert oder verkleinert werden.
Die an die Pooling-Schicht 64 ausgegebene Merkmalkarte wird einem Verflachungsprozess unterzogen und wird dann in die vollständig verbundene Schicht 65 eingegeben. Der Verflachungsprozess ist ein Prozess des Umwandeins einer zweidimensionalen Merkmalkarte, die von der Pooling-Schicht 64 ausgegeben wird, in eine eindimensionale Merkmalkarte. Merkmale von in der vollständig verbundenen Schicht 65 enthaltenen Knoten werden unter Anwendung einer Aktivierungsfunktion weiter hervorgehoben und kategorisiert. Die kategorisierten Merkmale derselben werden zu der Ausgabeschicht 66 übertragen. Hinsichtlich des anomalen Tons oder Geräuschs in dem Lenksystem lokalisiert die Ausgabeschicht 66 die Position oder die Komponente, an der das Geräusch auftritt, und gibt ein Ergebnis des Lokalisierens aus.
Das Neuronales-Netzwerk-Modell wird von der Maschinenlerneinheit 220 in die Lage versetzt, das Lernen durchzuführen. Zum Beispiel versetzt die Maschinenlerneinheit 220 das Neuronales-Netzwerk-Modell in die Lage, einen Gewichtungsfaktor für eine Verbindung zwischen den Schichten des Neuronales-Netzwerk-Modells oder zwischen den Knoten, einen Parameter für einen Zustand des Knotens und dergleichen durch eine Delta-Regel und durch Back-Propagation-Lernen, die typische überwachte Lerntechniken sind, zu lernen.
Nach Beendigung des Lernens durch das Neuronales-Netzwerk-Modell speichert die Maschinenlerneinheit 220 verschiedene Parameter und Gewichtungsfaktoren und dergleichen, die in dem Neuronales-Netzwerk-Modell festgehalten werden, in der Speichereinheit 300.
Lokalisieren von Geräusch durch das Neuronales-Netzwerk-Modell
Die oben beschriebene Geräuschlokalisierungseinheit 230 lokalisiert die Position oder die Komponente, an der das Geräusch in dem Lenksystem auftritt, unter Verwendung des Neuronales-Netzwerk-Modells, das das Lernen durchführt.
Wenn das Mikrofon 100 das in dem zum Lokalisieren des anomalen Tons oder Geräuschs zu diagnostizierenden Lenksystem auftretende Geräusch detektiert, führt die Datenvorverarbeitungseinheit 210 eine Vorverarbeitung an den Daten bezüglich des detektierten Geräuschs durch, sie erzeugt das Spektrogramm, das ein Bild ist, welches das Frequenzmerkmal zeigt, und sie speichert dann die Region A des Spektrogramms in der Speichereinheit 300 oder stellt die Region A desselben für die Geräuschlokalisierungseinheit 230 bereit.
Anschließend gibt die Geräuschlokalisierungseinheit 230 vorverarbeitete Bilddaten in das in der Speichereinheit 300 gespeicherte Neuronales-Netzwerk-Modell ein, sie führt eine Berechnungsbearbeitung an jeder Schicht des Neuronales-Netzwerk-Modells durch und gibt ein Ergebnis des die Position oder die Komponente, an der das Geräusch in dem Lenksystem auftritt, lokalisierenden Neuronales-Netzwerk-Modells aus.
7 ist eine Ansicht zur Darstellung eines Implementierungsbeispiels der Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform.
Wie in 7 dargestellt, wird die Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform, die oben beschrieben ist, als Kombination aus einem tragbaren Tablet-PC 700 und dem Mikrofon 100 in dem Prüfbereich zum tatsächlichen Lokalisieren des anomalen Tons oder Geräuschs implementiert.
Eine in dem Tablet-PC 700 enthaltene zentrale Verarbeitungseinheit (central processing unit - CPU) dient als Verarbeitungseinheit 200. Eine in dem Tablet-PC 700 enthaltene Speichervorrichtung, wie z.B. ein Flashspeicher, dient als Speichereinheit 300.
Eine Anwendung zum Ausführen eines Datenvorverarbeitungsalgorithmus und eines Algorithmus zum Lokalisieren des anomalen Tons oder Geräuschs unter Verwendung der Lerndaten, die oben beschrieben sind, ist in der Speichereinheit 300 in dem Tablet-PC 700 gespeichert. Ein Benutzer führt die Anwendung durch und nimmt den anomalen Ton oder das anomale Geräusch aus einem Fahrzeug, an dem eine Prüfung durchzuführen ist, durch das mit dem Tablet-PC 700 verbundene Mikrofon 100 auf. Danach wird bewirkt, dass die Anwendung den Datenvorverarbeitungsalgorithmus und den Algorithmus zum Lokalisieren des anomalen Tons oder Geräuschs ausführt. Somit können die Position, die Komponente und dergleichen, an denen der anomale Ton oder das anomale Geräusch in dem Lenksystem eines realen Fahrzeugs auftritt, lokalisiert werden.
Insbesondere zeichnet die Anwendung den von dem Mikrofon 100 aufgenommenen anomalen Ton oder das anomale Geräusch auf, sie analysiert den anomalen Ton oder das anomale Geräusch und zeigt ein Muster des anomalen Tons oder Geräuschs an. Ferner führt die Anwendung den Algorithmus zum Lokalisieren des anomalen Tons oder Geräuschs aus, der durch das Maschinenlernen implementiert ist, und sie lokalisiert somit die Position, die Komponente und dergleichen, an denen der anomale Ton oder das anomale Geräusch auftritt.
Die Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß Ausführungsformen, die oben beschrieben sind, kann in Form von verschiedenen Berechnungsvorrichtungen implementiert sein. Insbesondere kann die Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer oder mehrerer Ausführungsformen auch als persönliches Endgerät (Smartphone), das mit sämtlichen eines Mikrofons, eines Speichers und eines Prozessors ausgestattet ist, implementiert sein. Das Lernen durch das Neuronales-Netzwerk-Modell erfordert ein großes Maß an Berechnung. Somit versetzt eine Hochleistungsberechnungsvorrichtung das Neuronales-Netzwerk-Modell in die Lage, ein Lernen durchzuführen. Das Neuronales-Netzwerk-Modell, das das Lernen durchführt, und der Algorithmus zum Durchführen der Vorverarbeitung sind in einem persönlichen Endgerät gespeichert. Mit diesem persönlichen Endgerät kann eine Position oder eine Komponente, an der ein anomaler Ton oder ein anomales Geräusch in einem Lenksystem auftritt, sofort auf einer Fahrzeugfertigungslinie, in einem Service Center oder dergleichen lokalisiert werden.
Wie oben beschrieben, kann dann, wenn ein Geräusch, das in einem Lenksystems eines Fahrzeugs auftritt, durch ein Mikrofon detektiert wird und dann Audiodaten bezüglich des detektierten Geräuschs nur in ein Neuronales-Netzwerk-Modell eingegeben werden, die Vorrichtung zum Lokalisieren des Geräuschs in dem Lenksystem gemäß einer Ausführungsform ein Ergebnis einer Lokalisierung einer Position oder einer Komponente, an der der anomale Ton oder das anomale Geräusch in dem Lenksystem auftritt, erfassen und somit kann die Zeit für die Geräuschdiagnose beträchtlich verkürzt werden. Des Weiteren ist kein Geräuschexperte oder keine Geräuschdiagnosevorrichtung zum Lokalisieren von Geräusch in dem Lenksystem erforderlich. Ferner ist es nicht erforderlich, Komponenten, an denen einer Schätzung zufolge das Geräusch auftritt, zu ersetzen, wobei ein solches Ersetzen mühsam eine nach der anderen zum Lokalisieren einer Position oder einer Komponente, an der das Geräusch auftritt, durchgeführt wird. Somit können die Kosten für das Lokalisieren des Geräuschs verringert werden. Ferner kann die Häufigkeit einer unnötigen oder falschen Reparatur verringert werden.
Obwohl vorstehend Ausführungsbeispiele gezeigt und beschrieben worden sind, ist die vorliegende Beschreibung nicht auf spezifische oben beschriebene Ausführungsbeispiele beschränkt, sondern kann von Fachleuten auf dem Sachgebiet, zu dem die Ausführungsbeispiele gehören, auf verschiedene Arten modifiziert werden, ohne dass vom Umfang und Gehalt der vorliegenden Erfindung, die in den beiliegenden Ansprüchen offengelegt ist, abgewichen wird. Des Weiteren versteht sich, dass solche Modifikationen in den Umfang und Gehalt der vorliegenden Erfindung fallen.

Claims

Vorrichtung zum Lokalisieren eines in einem Lenksystem auftretenden Geräuschs, wobei die Vorrichtung aufweist: eine Tonaufnahmeeinheit, die derart ausgebildet ist, dass sie ein in einem Lenksystem auftretendes Geräusch detektiert; eine Verarbeitungseinheit, die derart ausgebildet ist, dass sie Daten bezüglich des Geräuschs in dem Lenksystem in ein Neuronales-Netzwerk-Modell, das derart ausgebildet ist, dass es ein Vorablernen durchführt, eingibt und eine Position oder eine Komponente, an der das Geräusch in dem Lenksystem auftritt, lokalisiert, wobei das Geräusch von der Tonaufnahmeeinheit aufgenommen wird; und eine Speichereinheit, in der das Neuronales-Netzwerk-Modell, das derart ausgebildet ist, dass es das Vorablernen durchführt, gespeichert ist.
Vorrichtung nach Anspruch 1, bei der die Verarbeitungseinheit derart ausgebildet ist, dass sie eine Vorverarbeitung des Umwandelns der Zeitbereichsdaten bezüglich des Geräuschs in dem Lenksystem in Frequenzbereichsdaten durchführt, wobei das Geräusch von der Tonaufnahmeeinheit detektiert wird, und die vorverarbeiteten Daten in das Neuronales-Netzwerk-Modell eingibt.
Vorrichtung nach Anspruch 1, bei der die Verarbeitungseinheit derart ausgebildet ist, dass sie eine Vorverarbeitung des Anwendens einer Mel-Frequency-Cepstrum-Coefficient- (MFCC) Technik an den Daten bezüglich des Geräuschs in dem Lenksystem durchführt und ein Frequenzmerkmal des Geräuschs in dem Lenksystem extrahiert, wobei das Geräusch von der Tonaufnahmeeinheit detektiert wird, und die vorverarbeiteten Daten in das Neuronales-Netzwerk-Modell eingibt.
Vorrichtung nach Anspruch 1, bei der die Verarbeitungseinheit derart ausgebildet ist, dass sie eine Vorverarbeitung des Erzeugens eines aus dem Konvertieren der Zeitbereichsdaten bezüglich des Geräuschs in dem Lenksystem in Frequenzbereichsdaten resultierenden Bilds durchführt, wobei das Geräusch von der Tonaufnahmeeinheit detektiert wird, und das durch die Vorverarbeitung erzeugte Bild in das Neuronales-Netzwerk-Modell eingibt.
Vorrichtung nach Anspruch 1, bei der die Verarbeitungseinheit derart ausgebildet ist, dass sie eine Vorverarbeitung des Anwendens einer Mel-Frequency-Cepstrum-Coefficient- (MFCC) Technik bei den Daten bezüglich des Geräuschs in dem Lenksystem durchführt, ein Frequenzmerkmal des Geräuschs in dem Lenksystem extrahiert und das extrahierte Frequenzmerkmal als Bild erzeugt, wobei das Geräusch von der Tonaufnahmeeinheit detektiert wird, und das durch die Vorverarbeitung erzeugte Bild in das Neuronales-Netzwerk-Modell eingibt.
Vorrichtung nach Anspruch 4, bei der die Verarbeitungseinheit derart ausgebildet ist, dass sie eine Region des durch die Vorverarbeitung erzeugten Bilds in das Neuronales-Netzwerk-Modell eingibt.
Vorrichtung nach Anspruch 4, bei der das Neuronales-Netzwerk-Modell ein Faltungs-Neuronales-Netzwerk-Modell ist, das eine Faltungsschicht, eine Pooling-Schicht und eine vollständig verbundene Schicht aufweist.
Vorrichtung nach Anspruch 7, bei der die Faltungsschicht derart ausgebildet ist, dass sie ein Filtern des durch die Vorverarbeitung erzeugten Bilds unter Verwendung eines Filters durchführt, eine Faltungsberechnung durchführt und eine Merkmalkarte erstellt zum Extrahieren eines Merkmals des durch die Vorverarbeitung erzeugten Bilds, die Pooling-Schicht derart ausgebildet ist, dass sie einen charakteristischen Wert für jede Region aus der von der Faltungsschicht erstellten Merkmalkarte extrahiert und eine Größe der Merkmalkarte verringert, die vollständig verbundene Schicht derart ausgebildet ist, dass sie die Merkmale weiter hervorhebt und die hervorgehobenen Merkmale unter Anwendung einer Aktivierungsfunktion kategorisiert, und hinsichtlich des Geräuschs in dem Lenksystem eine Ausgabeschicht derart ausgebildet ist, dass sie die Position oder die Komponente, an der das Geräusch auftritt, auf der Basis eines Ergebnisses der Kategorisierung durch die vollständig verbundene Schicht lokalisiert und ausgibt.
Vorrichtung nach Anspruch 5, bei der die Verarbeitungseinheit derart ausgebildet ist, dass sie eine Region des durch die Vorverarbeitung erzeugten Bilds in das Neuronales-Netzwerk-Modell eingibt.
Vorrichtung nach Anspruch 5, bei der das Neuronales-Netzwerk-Modell ein Faltungs-Neuronales-Netzwerk-Modell ist, das eine Faltungsschicht, eine Pooling-Schicht und eine vollständig verbundene Schicht aufweist.
Vorrichtung nach Anspruch 10, bei der die Faltungsschicht derart ausgebildet ist, dass sie ein Filtern des durch die Vorverarbeitung erzeugten Bilds unter Verwendung eines Filters durchführt, eine Faltungsberechnung durchführt und eine Merkmalkarte erstellt zum Extrahieren eines Merkmals des durch die Vorverarbeitung erzeugten Bilds, die Pooling-Schicht derart ausgebildet ist, dass sie einen charakteristischen Wert für jede Region aus der von der Faltungsschicht erstellten Merkmalkarte extrahiert und eine Größe der Merkmalkarte verringert, die vollständig verbundene Schicht derart ausgebildet ist, dass sie die Merkmale weiter hervorhebt und die hervorgehobenen Merkmale unter Anwendung einer Aktivierungsfunktion kategorisiert, und hinsichtlich des Geräuschs in dem Lenksystem eine Ausgabeschicht derart ausgebildet ist, dass sie die Position oder die Komponente, an der das Geräusch auftritt, auf der Basis eines Ergebnisses der Kategorisierung durch die vollständig verbundene Schicht lokalisiert und ausgibt.
Vorrichtung nach Anspruch 1, bei der die Verarbeitungseinheit und die Speichereinheit in Form eines Tablet-PC implementiert sind.
Vorrichtung nach Anspruch 1, bei der die Tonaufnahmeeinheit ein Mikrofon aufweist.
Vorrichtung zum Lokalisieren eines in einem Lenksystem auftretenden Geräuschs, wobei die Vorrichtung aufweist: eine Tonaufnahmeeinheit, die derart ausgebildet ist, dass sie ein in einem Lenksystem auftretendes Geräusch detektiert; eine Verarbeitungseinheit, die derart ausgebildet ist, dass sie Daten bezüglich des Geräuschs in dem Lenksystem in ein Datenanalysemodell eingibt, das derart ausgebildet ist, dass es ein Vorablernen durchführt, und eine Position oder eine Komponente, an der das Geräusch in dem Lenksystem auftritt, lokalisiert, wobei das Geräusch von der Tonaufnahmeeinheit detektiert wird; und eine Speichereinheit, in der das Datenanalysemodell, das derart ausgebildet ist, dass es das Vorablernen durchführt, gespeichert ist.
Vorrichtung nach Anspruch 14, bei der die Verarbeitungseinheit derart ausgebildet ist, dass sie eine Vorverarbeitung des Umwandelns von Zeitbereichsdaten bezüglich des Geräuschs in dem Lenksystem in Frequenzbereichsdaten durchführt, wobei das Geräusch von der Tonaufnahmeeinheit detektiert wird, und die vorverarbeiteten Daten in das Datenanalysemodell eingibt.
Vorrichtung nach Anspruch 14, bei der die Verarbeitungseinheit derart ausgebildet ist, dass sie eine Vorverarbeitung des Anwendens einer Mel-Frequency-Cepstrum-Coefficient- (MFCC) Technik an den Daten bezüglich des Geräuschs in dem Lenksystem durchführt und ein Frequenzmerkmal des Geräuschs in dem Lenksystem extrahiert, wobei das Geräusch von der Tonaufnahmeeinheit detektiert wird, und die vorverarbeiteten Daten in das Datenanalysemodell eingibt.
Verfahren zum Lokalisieren eines in einem Lenksystem auftretenden Geräuschs, wobei das Verfahren umfasst: Empfangen, aus einer Tonaufnahmevorrichtung, eines in dem Lenksystem auftretenden Geräuschs und Umwandeln des Geräuschs in einen das Geräusch darstellenden Datenstrom; Eingeben, durch eine Verarbeitungseinheit, den das Geräusch darstellenden Datenstrom in ein Datenanalysemodell, das zum Durchführen eines Vorablernens in der Lage ist; und Durchführen, durch das Datenanalysemodell, einer Analyse des das Geräusch darstellenden Datenstroms und Lokalisieren einer Position oder einer Komponente, an der das Geräusch in dem Lenksystem auftritt.
Verfahren nach Anspruch 17, das ferner umfasst: Speichern, durch eine Speichereinheit, des Datenanalysemodells, das derart ausgebildet ist, dass es das Vorablernen durchführt.
Verfahren nach Anspruch 17, bei dem die Tonaufnahmeeinheit ein Mikrofon aufweist.
Verfahren nach Anspruch 17, bei dem das Eingeben durch die Verarbeitungseinheit umfasst: Durchführen einer Vorverarbeitung durch Anwenden einer Mel-Frequency-Cepstrum Coefficient- (MFCC) Technik bei dem Datenstrom, der das Geräusch in dem Lenksystem darstellt; Extrahieren eines Frequenzmerkmals des das Geräusch in dem Lenksystem darstellenden Datenstroms, wobei das Geräusch von der Tonaufnahmeeinheit detektiert wird; und Eingeben der vorverarbeiteten Daten mit dem Frequenzmerkmal, das aus diesen extrahiert wird, in das Datenanalysemodell.