-
Die vorliegende Erfindung betrifft eine Prüfung elektrischer und elektronischer Geräte auf Defekte, die bereits auf sich anbahnende Defekte sensitiv ist.
-
Stand der Technik
-
Bei der Auslegung von Fahrzeugen ist der Verschleiß mechanischer Bauteile vergleichsweise vorhersagbar. Diese Bauteile lassen sich daher so dimensionieren, dass sie, wenn sie im vorgeschriebenen Wartungsturnus kontrolliert werden, nur mit einer vergleichsweise geringen Wahrscheinlichkeit im laufenden Betrieb ausfallen.
-
Bei elektrischen und elektronischen Komponenten ist eine derartige Vorhersage schwieriger. Daher geht ein steigender Anteil der Fahrzeugpannen auf das Konto elektrischer und elektronischer Ausfälle.
-
Aus der
DE 10 2009 027 378 A1 und aus der
DE 10 2011 004 520 A1 sind Verfahren und Vorrichtungen zur fortlaufenden Überwachung elektronischer Lambda-Sonden bekannt. Mit diesen Verfahren können insbesondere Alterungseffekte in den Sonden erkannt werden, so dass diese ausgetauscht werden können, bevor sich das Abgasverhalten des Fahrzeugs verschlechtert.
-
Offenbarung der Erfindung
-
Im Rahmen der Erfindung wurde ein Verfahren zur Prüfung mindestens eines elektrischen oder elektronischen Geräts auf Defekte entwickelt. Bei diesem Verfahren wird zwischen mindestens einem ersten Punkt und einem zweiten Punkt im oder am Gerät eine Spannung angelegt, die mindestens eine Wechselspannungskomponente mit variabler Frequenz umfasst und insbesondere auch eine Gleichspannungskomponente beinhalten kann. Bei unterschiedlichen Frequenzen wird jeweils der von der zwischen dem ersten Punkt und dem zweiten Punkt angelegten Spannung durch das Gerät getriebene Strom gemessen. Aus der hieraus folgenden Frequenzabhängigkeit des Stroms, und/oder der aus Strom und Spannung gebildeten Impedanz Z, wird ausgewertet, ob ein Defekt des Geräts vorliegt oder sich anbahnt.
-
Es wurde erkannt, dass Defekte des Geräts sich häufig zwar in einer schlagartigen Funktionsbeeinträchtigung des Geräts zeigen, jedoch durch allmählich fortschreitende physikalische Prozesse verursacht werden. Diese Prozesse hinterlassen bereits in einem frühen Stadium Spuren im Gerät, die sich auf die Frequenzabhängigkeit des Stroms, und somit auf ein zwischen den beiden Punkten aufgenommenes Impedanzspektrum, auswirken. Dabei gibt es bereits in einem sehr frühen Stadium qualitative Veränderungen, die mit der Messung erkannt werden können.
-
Eine wesentliche Ursache für Verschleiß und Alterung elektrischer oder elektronischer Geräte ist die Luftfeuchtigkeit. Wasser kann insbesondere viele Metalle nach und nach elektrochemisch korrodieren, so dass sich beispielsweise an Steckkontakten Oxidschichten mit erhöhtem Übergangswiderstand bilden. Erreicht der Übergangswiderstand eine kritische Größe, wird beispielsweise ein digitaler Signalpuls, der eine logische „1“ repräsentiert, nicht mehr als „1“, sondern als „0“ erkannt. Die digitale Information wird somit verfälscht. Eventuell vorhandene Fehlerkorrekturmechanismen gegen das Umkippen einzelner Bits sind nur bis zu einer bestimmten Häufigkeit der Bitfehler effektiv und können somit bei einer fortschreitenden Verschlechterung die Funktionsbeeinträchtigung des Geräts lediglich hinauszögern.
-
Korrosion kann weiterhin mit elektrochemischer Migration einhergehen, bei der aus einer Metallstruktur herausgelöste Ionen an einen anderen Ort wandern und sich dort anlagern. Dadurch entstehen im Gerät Nebenschlüsse auf nicht vorgesehenen Strompfaden, die bis zum vollständigen Kurzschluss reichen und damit den endgültigen Ausfall des Geräts verursachen können.
-
Derartige Veränderungen lassen sich im Impedanzspektrum schon sehr frühzeitig erkennen. So hat beispielsweise ein Kondensator normalerweise eine rein imaginäre Impedanz Z, da er für Gleichstrom nicht durchgängig ist. Wird dieser Kondensator jedoch durch einen Nebenschluss überbrückt, wird er zu einem RC-Glied, dessen Impedanz Z auch einen Realteil hat. Dieser Realteil ist auch bei einem anfangs sehr hochohmigen Nebenschluss gut zu messen.
-
Insbesondere kann beispielsweise die Frequenzabhängigkeit des Betrages, und/oder der Phase, des Stroms ausgewertet werden. So können sich beispielsweise Fehler in ihrer Entstehungsphase möglicherweise zunächst nur im Phasengang des Stroms zeigen, bevor sie auch auf den Betrag durchschlagen. Je früher ein Fehler erkannt wird, desto besser lassen sich die Folgekosten dieses Fehlers und seiner Behebung minimieren.
-
Die beiden Punkte können insbesondere Anschlüsse jedweder Art sein, die für eine Verbindung des elektrischen oder elektronischen Geräts mit der Außenwelt vorgesehen sind. Derartige Anschlüsse können beispielsweise für die Energiezufuhr zum Gerät vorgesehen sein. Es kann sich aber auch beispielsweise um beliebige Schnittstellen für die Eingabe und/oder Ausgabe von Informationen handeln, wie beispielsweise analoge oder digitale Ausgänge, oder auch Netzwerkschnittstellen. Insbesondere können beide Punkte auch zu Schnittstellen unterschiedlicher Typen gehören. So kann beispielsweise der eine Punkt ein Pol der Spannungsversorgung des Geräts sein und der andere Punkt ein digitaler Ausgang. Ein sich anbahnender Defekt des Geräts ist besonders gut erkennbar, wenn zwischen zwei Anschlüssen, die im normalen Betrieb des Geräts nichts miteinander zu tun haben und zwischen denen daher eigentlich kein Durchgang bestehen sollte, langsam aber sicher ein Durchgang entsteht.
-
Somit kann die Messung insbesondere auch an einem als „black box“ vorliegenden Gerät, dessen innerer Aufbau nicht bekannt ist, sinnvoll durchgeführt werden. Anschlüsse, die im normalen Betrieb des Geräts nichts miteinander zu tun haben und zwischen daher kein elektrischer Durchgang bestehen sollte, sind nur kapazitiv und/oder induktiv miteinander gekoppelt. Dies ändert sich bei Nebenschlüssen, aber auch bei sich anbahnenden Verschlechterungen von Kontakten, die dazu führen, dass eine Wechselspannung weniger weit in das Gerät vordringt.
-
Ist der innere Aufbau des Geräts hingegen bekannt, so kann insbesondere durch Messungen zwischen verschiedenen Paaren von Punkten eingegrenzt werden, wo genau im Gerät ein Defekt vorliegt oder sich anbahnt. Zu diesem Zweck können beispielswiese die Anschlüsse des Geräts und die sonstigen für die Messung vorgesehenen Punkte über einen oder mehrere Multiplexer mit einer Messeinrichtung, die die Spannung anlegt und den Strom misst, verbunden werden. Bei der Messung kann insbesondere beispielsweise ein Punkt variiert werden, während der andere Punkt festgehalten wird, um den Aufwand für das Multiplexing zu vermindern.
-
Die örtliche Eingrenzung des Defekts im Gerät ermöglicht insbesondere eine Unterscheidung, welche Teilfunktionen des Geräts von dem Defekt betroffen sind und welche nicht. So kann beispielsweise bei einem Motorsteuergerät für ein Fahrzeug unterschieden werden, ob wenigstens die für einen Notlaufbetrieb erforderlichen Funktionen nicht von dem Defekt betroffen sind, so dass das Fahrzeug mit reduzierter Funktionalität wenigstens noch aus eigener Kraft eine Werkstatt erreichen kann.
-
Einer oder beide Punkte können auch Punkte sein, die im normalen Betrieb des Geräts nicht für die elektrische Kontaktierung mit der Außenwelt vorgesehen sind. So bildet beispielsweise eine Schraube, mit der ein Kunststoffgehäuse des Geräts verschlossen wird, in Verbindung mit in der Nähe befindlichen Leiterbahnen auf einer Platine des Geräts ebenfalls einen Kondensator. Sind derartige Leiterbahnen unterbrochen oder über Nebenschlüsse mit anderen Leiterbahnen verbunden, ändert sich das Impedanzspektrum des Kondensators.
-
In einer weiteren besonders vorteilhaften Ausgestaltung werden Messungen der Frequenzabhängigkeit des Stroms, und/oder der Impedanz Z, für mehrere Paare aus ersten Punkten und zweiten Punkten in einem Vektor oder Tensor zusammengefasst. Aus einem Vergleich dieses Vektors oder Tensors mit einem Referenz-Vektor oder Referenz-Tensor, und/oder mit einem früher erfassten Vektor oder Tensor), wird dann ausgewertet, ob ein Defekt des Geräts vorliegt oder sich anbahnt. Dieser Vergleich kann insbesondere beispielsweise mit einer Korrelationsfunktion durchgeführt werden, die etwa mindestens zwei Vektoren oder Tensoren als Eingaben erhalten und einen skalaren Korrelationswert ausgeben kann. Diese Art der Auswertung ist besonders sensitiv auch auf kleinste Veränderungen. So lassen sich beispielsweise selbst gegenüber dem Nominalzustand leicht veränderte räumliche Einbaukonfigurationen von Kabelbäumen detektieren, die oftmals Einfluss auf die Zuverlässigkeit von schaltenden Halbleiterkomponenten in Steuergeräten haben. Weiterhin können beispielsweise auch Kopplungen zwischen Bauteilen oder Leitungen, Drifts der Eigenschaften von Bauteilen oder Prozessschwankungen bei der Herstellung von Bauteilen oder Geräten erkannt werden.
-
Die Messung mit Wechselspannung kann außerhalb des normalen Betriebs des Geräts durchgeführt werden, beispielsweise als „Bandendetest“ zur Endkontrolle in der Fertigung. Besonders vorteilhaft wird die Spannung jedoch während des nominellen Betriebs des Geräts angelegt, so dass das Gerät fortwährend überwacht werden kann. Es sind dann lediglich Amplitude und Frequenz der Wechselspannung so zu wählen, dass die nominelle Funktion des Geräts nicht beeinflusst wird. Vorteilhaft hat die Wechselspannungskomponente eine Amplitude von höchstens 100 mV. Eine Amplitude in diesem Bereich ist zum einen für die primäre Funktion der meisten Steuergeräte für Fahrzeuge unkritisch und gewährleistet zum anderen die Linearität bei der Messung.
-
In einer besonders vorteilhaften Ausgestaltung umfasst die Spannung zusätzlich einen Gleichspannungsoffset. Dieser Gleichspannungsoffset ist betragsmäßig geringer als die Nennspannung des Geräts, jedoch so bemessen, dass durch ihn die Spannung mindestens ein gleichrichtendes Bauelement in dem Gerät zu überwinden vermag.
-
Wenn beispielsweise ein Steuergerät für ein Fahrzeug auf Nebenschlüsse zwischen einem Pol der Spannungsversorgung und einem Signalausgang überprüft werden soll, so ist es sinnvoll, wenn die Wechselspannung sich möglichst weit im Gerät ausbreitet. Der Gleichspannungsoffset sorgt dafür, dass auch hinter einer Diode, einem Transistor oder einem anderen gleichrichtenden Bauelement nach wie vor Wechselspannung vorhanden ist. Es wird also ein größerer Teil des Geräts auf Nebenschlüsse überprüft. Bei einem Steuergerät, das typischerweise für Versorgungsspannungen bis 18 V ausgelegt ist, kann der Gleichspannungsoffset beispielsweise im Bereich zwischen 0,7 V und 1 V, oder auch darüber, liegen.
-
In einer besonders vorteilhaften Ausgestaltung umfasst die Spannung eine Überlagerung mehrerer Wechselspannungskomponenten, beispielsweise in Form einer MultiSin-Funktion. Ströme, die von diesen Wechselspannungskomponenten durch das Gerät getrieben werden, werden gleichzeitig erfasst. Auf diese Weise lässt sich die Untersuchung wesentlich beschleunigen, so dass sie idealerweise ohne Verlängerung der Taktzeiten in die Serienfertigung integriert werden kann. Beispielsweise kann die Sensitivität von In-Circuit-Test (ICT)-Messungen für die Qualitätskontrolle im Rahmen der Serienfertigung mit dem Verfahren deutlich gesteigert werden.
-
Beispielsweise kann mit einem FPGA oder einem ähnlichen Rechenbaustein ein Spannungssignal generiert werden, das die gewünschten Erregerfrequenzen enthält und idealerweise einen möglichst geringen Scheitelfaktor (Crest-Faktor) haben sollte. Das gemessene Stromsignal kann beispielsweise mittels FourierTransformation wieder in seine Einzelfrequenzen aufgelöst werden, um die komplexe Impedanz Z für jede Einzelfrequenz zu ermitteln.
-
Vorteilhaft wird der zwischen den beiden Punkten, zwischen denen die Spannung angelegt wird, fließende Strom auf höchstens 10 mA, bevorzugt auf höchstens 5 mA, beschränkt. Auf diese Weise wird vermieden, dass insbesondere im Fall von tatsächlich vorhandenen Nebenschlüssen weitere Schäden am Gerät durch Überlastung von Leiterbahnen oder Bauteilen entstehen.
-
In einer besonders vorteilhaften Ausgestaltung wird die Frequenzabhängigkeit des Stroms, bzw. der Impedanz Z, mit einer Nominal-Frequenzabhängigkeit verglichen. Aus dem Ergebnis dieses Vergleichs wird ausgewertet, ob ein Defekt des Geräts vorliegt oder sich anbahnt.
-
Beispielsweise kann im Neuzustand des Geräts eine Nominal-Frequenzabhängigkeit gemessen und als Referenz-Frequenzabhängigkeit, die auf einen ungestörten Nominalzustand des Geräts hinweist, verwendet werden. Eine Referenz-Frequenzabhängigkeit kann aber auch vorab berechnet werden. Beispielsweise kann anhand eines „digitalen Zwillings“ des Geräts, der sowohl den schaltungstechnischen Aufbau als auch die innere Geometrie des Geräts abbildet, die zu erwartende Frequenzabhängigkeit simuliert und als Referenz-Frequenzabhängigkeit festgelegt werden. Auf diese Weise kann insbesondere nicht nur eine Nominal-Frequenzabhängigkeit erhalten werden. Vielmehr können mit entsprechenden Änderungen im „digitalen Zwilling“ des Geräts auch Referenz-Frequenzabhängigkeiten ermittelt werden, die bestimmte Fehlerbilder anzeigen.
-
Insbesondere können anhand eines „digitalen Zwillings“ verschieden starke Ausprägungen ein und desselben Fehlers simuliert werden, und es kann zugleich im Rahmen der Simulation untersucht werden, inwieweit der Fehler in dieser Ausprägung geeignet ist, die nominelle Funktion des Geräts zu beeinträchtigen. Auf diese Weise lässt sich eine Datenbasis schaffen, mit der es sich prognostizieren lässt, wann und wie stark sich ein mit der Messung erkannter gegenwärtiger oder sich anbahnender Defekt auf den nominellen Betrieb des Geräts auswirken wird.
-
Es wird also in einer besonders vorteilhaften Ausgestaltung die Frequenzabhängigkeit des Stroms, bzw. der Impedanz Z, mit mindestens einer für einen konkreten Defekt des Geräts charakteristischen Referenz-Frequenzabhängigkeit verglichen. Aus dem Ergebnis dieses Vergleichs wird ausgewertet, ob der konkrete Defekt vorliegt oder nicht.
-
Weiterhin wird in einer besonders vorteilhaften Ausgestaltung aus der Frequenzabhängigkeit des Stroms, bzw. der Impedanz Z, und/oder aus einer Historie dieser Frequenzabhängigkeit, bei einem Defekt zusätzlich eine Prognose für die verbleibende Nutzungsdauer des Geräts bis zum Auftreten einer Funktionsbeeinträchtigung oder eines Ausfalls ausgewertet.
-
Eine solche Prognose ist insbesondere für Steuergeräte in Fahrzeugen wichtig, da sie relevant für die Frage ist, wie dringlich die Behebung des Problems in einer Werkstatt ist.
-
Wenn sich das Problem nur langsam verschlimmert, kann eine Behebung bei der nächsten turnusmäßigen Wartung des Fahrzeugs eingeplant werden. Hierdurch können potentiell erhebliche Arbeitskosten eingespart werden. Beispielsweise kann auf Grund der beengten Platzverhältnisse im Motorraum des Fahrzeugs das Gerät erst nach Ausbau weiterer Geräte oder Aggregate für einen Austausch oder eine Reparatur zugänglich sein. Dieser Ausbau ist im Rahmen der Wartung möglicherweise ohnehin geplant.
-
Wenn sich das Problem schneller verschlimmert, kann insbesondere darauf hingewirkt werden, dass das Fahrzeug aus eigener Kraft eine Werkstatt aufsucht, solange dies noch möglich ist. Einige Steuergeräte, wie etwa das Motorsteuergerät, sind unerlässlich, damit das Fahrzeug aus eigener Kraft fahren kann. Mit zunehmender Automatisierung des Fahrens werden immer mehr Steuergeräte zu einem derartigen „sine qua non“. Wird das Problem vom Nutzer des Fahrzeugs auf die lange Bank geschoben, bleibt das Fahrzeug irgendwann mit einer Panne liegen. Das Liegenbleiben etwa auf einer Autobahn ist nicht nur mit einem Gefährdungspotential durch den Schnellverkehr verbunden, sondern verursacht hohe Kosten für das Abschleppen. Gerade Steuergeräte sind in einem hohen Maße herstellerspezifisch und existieren in sehr vielen Varianten. Die Wahrscheinlichkeit, dass ein Pannendienst ein passendes Ersatzgerät in zumutbarer Entfernung parat hat und das Problem vor Ort lösen kann, ist dementsprechend gering.
-
In einer besonders vorteilhaften Ausgestaltung wird mindestens eine Kenngröße der Frequenzabhängigkeit des Stroms, bzw. der Impedanz Z, mit einem Toleranzschlauch verglichen. Aus dem Ergebnis dieses Vergleichs wird ausgewertet wird, ob ein Defekt des Geräts vorliegt oder sich anbahnt. Der Toleranzschlauch kann insbesondere beispielsweise multivariat sein, d.h., er kann von mehreren Kenngrößen der Frequenzabhängigkeit abhängen. Es kann dann beispielsweise gefordert sein, dass alle untersuchten Kenngrößen sich innerhalb ihrer jeweiligen Toleranzbereiche bewegen, damit die Frequenzabhängigkeit insgesamt als innerhalb des Toleranzschlauchs gewertet wird.
-
Eine Auswertung mit einem Toleranzschlauch ist besonders schnell und kann insbesondere beispielsweise mit einer aufwändigeren Auswertung kaskadiert werden. So können beispielsweise in der Serienfertigung mit einem vergleichsweise engen Toleranzschlauch diejenigen Geräte, die mit sehr hoher Wahrscheinlichkeit in Ordnung sind, schnell erkannt werden. Diese Geräte machen typischerweise den größten Anteil der insgesamt gefertigten Geräte aus. Die wenigen Geräte, bei denen die Frequenzabhängigkeit außerhalb des Toleranzschlauchs liegt, können dann mit einer aufwändigeren Auswertung, beispielsweise mit einem Machine Learning-Modell, genauer untersucht werden, ohne dass die hierfür erforderliche Zeit auf die Taktzeit der Fertigung durchschlägt.
-
Dies ist ein Stück weit vergleichbar mit abgestuften Maßnahmen bei Grenzkontrollen. Der weitaus größte Teil der Reisenden wird nach einer kurzen Sichtkontrolle durchgewinkt. Nur die Reisenden, die diese Sichtkontrolle nicht zweifelsfrei bestehen, werden weiteren Maßnahmen von einer genaueren Prüfung des Reisedokuments bis hin zu Interview und Durchsuchung unterzogen.
-
Der Toleranzschlauch kann insbesondere beispielsweise aus einer Vielzahl von Messungen der Frequenzabhängigkeit des Stroms, und/oder der Impedanz Z, an dem Gerät, und/oder an mehreren baugleichen Exemplaren des Geräts, im Nominalzustand ausgewertet werden. Dies ist in gewisser Weise mit dem Training eines Machine Learning-Modells vergleichbar.
-
In einer besonders vorteilhaften Ausgestaltung wird aus einer Frequenzabhängigkeit des Stroms, bzw. der Impedanz Z, im Frequenzbereich zwischen 1 mHz und 10 Hz ausgewertet, ob in dem Gerät eine Migration und/oder Korrosion mindestens einer leitfähigen Struktur stattgefunden hat. Wie zuvor erläutert, schreiten diese Prozesse langsam voran, können aber irgendwann schlagartig die Funktion des Geräts beeinträchtigen oder gar zu einem Komplettausfall führen.
-
In einer weiteren vorteilhaften Ausgestaltung wird aus einer Frequenzabhängigkeit des Stroms, bzw. der Impedanz Z, im Frequenzbereich zwischen 100 Hz und 100 kHz ausgewertet, ob in dem Gerät mindestens ein Bauteil, und/oder mindestens eine Baugruppe, ausgefallen ist. Der Ausfall jedes Bauteils, bzw. jeder Baugruppe, zeigt sich in charakteristischer Weise im Impedanzspektrum, so dass der Fehler eingegrenzt und eine Reparatur erleichtert werden kann.
-
Nach dem zuvor Beschriebenen wird in einer besonders vorteilhaften Ausgestaltung ein Steuergerät für ein Fahrzeug als zu prüfendes Gerät gewählt. Die Anwendung des Verfahrens in Fahrzeugen ist jedoch nicht hierauf beschränkt. So kann beispielsweise auch das komplette Bordnetz des Fahrzeugs als zu prüfendes Gerät gewählt werden, wobei die Spannung beispielsweise zwischen die Fahrzeugmasse einerseits und die einzelnen aus dem Sicherungskasten des Fahrzeugs zu dem einzelnen System führenden Plus-Leitungen andererseits angelegt werden kann. Auf diese Weise lässt sich das komplette Fahrzeug mit nur einer zentralen Messeinrichtung überwachen. Wenn sich an irgendeiner Stelle im Bordnetz des Fahrzeugs ein Defekt anbahnt, ist somit die Wahrscheinlichkeit erhöht, dass der Defekt rechtzeitig erkannt wird und ein unerwartetes Liegenbleiben des Fahrzeugs vermieden werden kann.
-
In einer weiteren besonders vorteilhaften Ausgestaltung wird die Frequenzabhängigkeit des Stroms, bzw. der Impedanz Z, mit einem trainierten Machine Learning-Modell auf eine Klassifikation und/oder Regression abgebildet, die ein Maß für die Art und/oder Stärke mindestens eines gegenwärtigen oder sich anbahnenden Defekts des Gerätes ist.
-
Unter einem trainierbaren Machine Learning-Modell wird insbesondere ein Modell angesehen, das eine mit anpassbaren Parametern parametrierte Funktion mit großer Kraft zur Verallgemeinerung verkörpert. Die Parameter können beim Training insbesondere dergestalt angepasst werden, dass bei Eingabe von Lern-Eingangsgrößenwerten in das Modell die zugehörigen Lern-Ausgangsgrößenwerte möglichst gut reproduziert werden. Das trainierbare Machine Learning-Modell kann insbesondere ein künstliches neuronales Netzwerk, KNN, und/oder eine Support Vector Machine, SVM, beinhalten, und/oder es kann ein KNN oder eine SVM sein.
-
Auf diese Weise kann die besagte Kraft der Verallgemeinerung genutzt werden, um die Art und/oder die Stärke des Defekts zuverlässiger zu erkennen. Beispielsweise ist nicht immer gewährleistet, dass ein und derselbe Defekt immer ein und dasselbe Impedanzspektrum als „Fingerabdruck“ hinterlässt. Vielmehr kann das Impedanzspektrum auch beispielsweise von der Betriebssituation des Geräts abhängen. Es gibt jedoch zumindest einen qualitativen Zusammenhang zwischen dem Defekt und bestimmten Mustern im Impedanzspektrum. Derartige Zusammenhänge können von dem Machine Learning-Modell gelernt und später in verallgemeinerter Form abgerufen werden. Das heißt, wenn der Defekt, der beim Training des Machine Learning-Modells in einer ersten Betriebssituation eingetreten ist, später in einer anderen Betriebssituation oder gar an einem ganz anderen Gerät auftritt, wird er trotzdem mit hinreichender Genauigkeit erkannt.
-
In einer besonders vorteilhaften Ausgestaltung wird die Frequenzabhängigkeit des Stroms, bzw. der Impedanz Z, dem trainierten Machine Learning-Modell als Nyquist-Plot oder sonstige bildhafte Darstellung zugeführt. Auf diese Weise können vorhandene Techniken und Modelle für die Verarbeitung von Bildern zur Erkennung von Fehlern in elektrischen und elektronischen Geräten weitergenutzt werden. Da die Klassifikation von Bildern ein sehr häufiger Anwendungsfall für Machine Learning ist, sind für diesen Anwendungsfall sehr viele vorgefertigte Techniken und Modelle verfügbar. Der Begriff der „bildhaften Darstellung“ setzt hierbei nicht voraus, dass ein solches Bild von einem menschlichen Betrachter interpretierbar ist. Stattdessen impliziert dieser Begriff nur, dass die Daten in eine Form umorganisiert werden, in der sie sich genau wie Bilder verarbeiten lassen.
-
Die Erfindung bezieht sich auch auf ein Verfahren zum Trainieren eines Machine Learning-Modells für den Einsatz in dem zuvor beschriebenen Verfahren. Im Rahmen dieses Verfahrens werden in ein Gerät, und/oder in mehrere baugleiche Exemplare des Geräts, und/oder in ein Simulationsmodell des Geräts, ein oder mehrere Defekte eingebracht. Auf diese Weise werden eine oder mehrere Konfigurationen von Defekten erzeugt. Insbesondere mit einem Simulationsmodell kann eine Vielzahl solcher Konfigurationen erzeugt werden.
-
Insbesondere kann der bereits zuvor beschriebene „digitale Zwilling“ des Geräts als Simulationsmodell verwendet werden.
-
Die Konfigurationen von Defekten können weiterhin noch mit unterschiedlichen nominellen Betriebssituationen des Geräts kombiniert sein, um die Variabilität weiter zu erhöhen. Insbesondere kann das Machine Learning-Modell auf diese Weise in die Lage versetzt werden, den Defekt auch in neuen Betriebssituationen, die nicht Gegenstand des Trainings waren, zu erkennen.
-
Für jede Konfiguration von Defekten wird jeweils zwischen mindestens einem ersten Punkt und einem zweiten Punkt im oder am Gerät eine Spannung angelegt, die eine Wechselspannungskomponente mit variabler Frequenz umfasst. Wenn ein Simulationsmodell verwendet wird, so wird dieses Anlegen der Spannung an dem Simulationsmodell simuliert.
-
Es wird bei unterschiedlichen Frequenzen jeweils der von der zwischen dem ersten Punkt und dem zweiten Punkt angelegten Spannung durch das Gerät getriebene Strom gemessen bzw. simuliert. Auf dieser Basis wird ein Lern-Datensatz erstellt, der die Frequenzabhängigkeit des Stroms, und/oder der aus Strom und Spannung gebildeten Impedanz Z, mit der (real oder in Simulation) eingebrachten Konfiguration von Defekten verknüpft.
-
Parameter, die das Verhalten des Machine Learning-Modells charakterisieren, werden nun dahingehend optimiert, dass das Machine Learning-Modell die in den Lern-Datensätzen jeweils enthaltene Frequenzabhängigkeit des Stroms, bzw. der Impedanz Z, im Mittel möglichst zutreffend auf die jeweils zugehörige Konfiguration von Defekten abbildet.
-
Im Rahmen einer solchen Optimierung kann beispielsweise für jeden Lern-Datensatz mit einer Kostenfunktion bewertet werden, wie zutreffend das Machine Learning-Modell die in diesem Lern-Datensatz enthaltene Frequenzabhängigkeit des Stroms, bzw. der Impedanz Z, auf die in diesem Lern-Datensatz enthaltene Konfiguration von Defekten abbildet. Ausgehend von einer in der Regel zufälligen Initialisierung der Parameter können die Parameter dann, beispielsweise mit einem Gradientenabstiegsverfahren, so optimiert werden, dass im Mittel über alle Lern-Datensätze der Wert der Kostenfunktion voraussichtlich verbessert wird.
-
Bei einem künstlichen neuronalen Netzwerk können die Parameter beispielsweise Gewichte sein, mit denen Eingaben, die einem Neuron oder einer sonstigen Verarbeitungseinheit zugeführt werden, zu einer Aktivierung dieses Neurons, bzw. dieser sonstigen Verarbeitungseinheit, verrechnet werden.
-
Die Verfahren können insbesondere ganz oder teilweise computerimplementiert sein. Daher bezieht sich die Erfindung auch auf ein Computerprogramm mit maschinenlesbaren Anweisungen, die, wenn sie auf einem oder mehreren Computern ausgeführt werden, den oder die Computer dazu veranlassen, eines der beschriebenen Verfahren auszuführen. In diesem Sinne sind auch Steuergeräte für Fahrzeuge und Embedded-Systeme für technische Geräte, die ebenfalls in der Lage sind, maschinenlesbare Anweisungen auszuführen, als Computer anzusehen.
-
Ebenso bezieht sich die Erfindung auch auf einen maschinenlesbaren Datenträger und/oder auf ein Downloadprodukt mit dem Computerprogramm. Ein Downloadprodukt ist ein über ein Datennetzwerk übertragbares, d.h. von einem Benutzer des Datennetzwerks downloadbares, digitales Produkt, das beispielsweise in einem Online-Shop zum sofortigen Download feilgeboten werden kann.
-
Weiterhin kann ein Computer mit dem Computerprogramm, mit dem maschinenlesbaren Datenträger bzw. mit dem Downloadprodukt ausgerüstet sein.
-
Weitere, die Erfindung verbessernde Maßnahmen werden nachstehend gemeinsam mit der Beschreibung der bevorzugten Ausführungsbeispiele der Erfindung anhand von Figuren näher dargestellt.
-
Figurenliste
-
Es zeigt:
- 1 Ausführungsbeispiel des Verfahrens 100;
- 2 Beispielhafter Auszug aus der Frequenzabhängigkeit 4a der Impedanz Z;
- 3 Ausführungsbeispiel des Verfahrens 200.
-
1 ist ein Ablaufdiagramm eines Ausführungsbeispiels des Verfahrens 100. Im optionalen Schritt 105 wird ein Steuergerät für ein Fahrzeug, und/oder ein Bordnetz eines Fahrzeugs, als zu prüfendes Gerät 1 gewählt.
-
In Schritt 110 wird zwischen zwei Punkten 2a und 2b im oder am Gerät 1 eine Spannung 3 angelegt, die mindestens eine Wechselspannungskomponente 3a sowie optional einen Gleichspannungsoffset 3b umfasst. Gemäß Block 111 kann die Spannung 3 während des nominellen Betriebes des Geräts 1 angelegt werden. Gemäß Block 112 wird der zwischen den Punkten 2a und 2b fließende Strom 4 begrenzt.
-
Gemäß Block 113 kann der erste Punkt 2a festgehalten werden, beispielsweise auf einem Pluspol der Spannungsversorgung des Geräts 1. Der zweite Punkt 2b kann gemäß Block 114 variiert werden, um so verschiedene Baugruppen und Teilbereiche des Geräts 1 nacheinander zu prüfen.
-
In Schritt 120 wird bei unterschiedlichen Frequenzen der Strom 4 gemessen, den die angelegte Spannung 3 zwischen den Punkten 2a und 2b durch das Gerät 1 treibt. Es ergibt sich eine Frequenzabhängigkeit 4a des Stroms 4, bzw. der aus Strom 4 und Spannung 3 gebildeten Impedanz Z. Diese Frequenzabhängigkeit 4a wird in Schritt 130 daraufhin untersucht, ob ein Defekt 5 des Geräts 1 vorliegt oder sich anbahnt.
-
Zu diesem Zweck kann beispielsweise gemäß Block 131 die Frequenzabhängigkeit 4a mit einer Referenz-Frequenzabhängigkeit 4b verglichen werden. Aus dem Ergebnis 131a dieses Vergleichs 131 wird in Block 132 ausgewertet, ob ein Defekt 5 vorliegt. Die Referenz-Frequenzabhängigkeit 4a kann insbesondere eine Frequenzabhängigkeit sein, die für einen konkreten Defekt 5 charakteristisch ist.
-
Gemäß Block 133 wird die Frequenzabhängigkeit 4a speziell in einem Frequenzbereich ausgewertet, der auf eine Migration und/oder Korrosion mindestens einer leitfähigen Struktur in dem Gerät sensitiv ist. Gemäß Block 134 wird die Frequenzabhängigkeit 4a speziell in einem Frequenzbereich ausgewertet, der auf den Ausfall mindestens eines Bauteils, und/oder mindestens einer Baugruppe, in dem Gerät sensitiv ist.
-
Gemäß Block 135 wird die Frequenzabhängigkeit 4a des Stroms 4, bzw. der Impedanz Z, mit einem trainierten Machine Learning-Modell 9 auf eine Klassifikation und/oder Regression abgebildet wird. Diese Klassifikation ist ein Maß für die Art und/oder Stärke mindestens eines gegenwärtigen oder sich anbahnenden Defekts 5 des Geräts 1. Beispielsweise können die möglichen Klassen der Klassifikation verschiedene Fehlerarten repräsentieren, die wiederum beispielsweise in Ersatzschaltbildern der Fehler ausgedrückt sein können.
-
Dabei kann insbesondere beispielsweise gemäß Block 135a die Frequenzabhängigkeit 4a des Stroms 4, bzw. der Impedanz Z, dem trainierten Machine Learning-Modell 9 als Nyquist-Plot oder sonstige bildhafte Darstellung zugeführt werden. Wie zuvor erläutert, können hierdurch Techniken und Modelle, die ursprünglich für die Verarbeitung von Bildern entwickelt wurden, weitergenutzt werden. In einem Nyquist-Plot einer Größe können beispielsweise Realteil und Imaginärteil dieser Größe gegeneinander aufgetragen sein.
-
Gemäß Block 136 wird mindestens eine Kenngröße der Frequenzabhängigkeit 4a des Stroms 4, bzw. der Impedanz Z, mit einem Toleranzschlauch 4c verglichen. Die Kenngröße kann beispielsweise ein Betrag, eine Phase, ein Realteil oder ein Imaginärteil des Stroms, bzw. der Impedanz, sein. Dabei kann der Toleranzschlauch 4c insbesondere beispielsweise gemäß Block 150 aus einer Vielzahl von Messungen der Frequenzabhängigkeit 4a des Stroms 4, und/oder der Impedanz Z, an dem Gerät 1, und/oder an mehreren baugleichen Exemplaren des Geräts 1, im Nominalzustand ausgewertet werden.
-
Aus dem Ergebnis 136a wird in Block 137 ausgewertet, ob ein Defekt 5 des Geräts 1 vorliegt oder sich anbahnt.
-
Gemäß Block 138 werden Messungen der Frequenzabhängigkeit 4a des Stroms 4, und/oder der Impedanz Z, für mehrere Paare aus ersten Punkten 2a und zweiten Punkten 2b in einem Vektor oder Tensor 4d zusammengefasst. Gemäß Block 139 wird aus einem Vergleich dieses Vektors oder Tensors 4d mit einem Referenz-Vektor oder Referenz-Tensor 4e, und/oder mit einem früher erfassten Vektor oder Tensor 4f, ausgewertet, ob ein Defekt 5 des Geräts 1 vorliegt oder sich anbahnt.
-
In Schritt 140 wird aus der Frequenzabhängigkeit 4a zusätzlich noch eine Prognose 5a ausgewertet, wie lange das Gerät 1 angesichts des gegenwärtigen oder sich anbahnenden Defekts 5 voraussichtlich noch genutzt werden kann, bis es zu einer Funktionsbeeinträchtigung oder zu einem Ausfall kommt.
-
2 ist ein Auszug aus einer beispielhaften Frequenzabhängigkeit 4a. In dem Nyquist-Plot für eine beispielhafte Frequenz ist der Imaginärteil -lm(Z) der Impedanz Z gegen den Realteil Re(Z) der Impedanz Z aufgetragen. Die vollständige Frequenzabhängigkeit 4a lässt sich durch viele derartige Nyquist-Plots ausdrücken. Diese vielen Nyquist-Plots können beispielsweise in einer kontinuierlichen dreidimensionalen Darstellung zusammengefasst werden, indem als dritte Koordinatenachse, die senkrecht auf der Zeichenebene steht, die Frequenz eingeführt wird.
-
Mit Kreisen (•) als Symbolen ist die Impedanz Z eines idealen Kondensators ohne Defekt 5 eingezeichnet. Wie erwartet, ist diese Impedanz Z rein imaginär. Mit Quadraten (■) als Symbolen ist die Impedanz Z eines Kondensators eingezeichnet, der mit einem hochohmigen Nebenschluss als Defekt 5 überbrückt ist. Obwohl der Nebenschluss hochohmig ist und sich somit beispielsweise mit einer Messung eines DC-Leckstroms kaum ausmachen ließe, erhält die Impedanz Z einen sehr stark ausgeprägten Realteil, der auf den Defekt 5 hindeutet.
-
3 zeigt ein Ausführungsbeispiel des Verfahrens 200 zum Trainieren eines Machine Learning-Modells 9. In Schritt 210 werden für ein Gerät 1, bzw. für ein Simulationsmodell 1a, Konfigurationen 5* von Defekten 5 erzeugt. In Schritt 220a wird für jede derartige Konfiguration 5* die Spannung 3 mit der Wechselspannungskomponente 3a zwischen zwei Punkten 2a und 2b im oder am Gerät 1 angelegt, bzw. dieses Anlegen wird in Schritt 220b am Simulationsmodell 1a simuliert. In Schritt 230a wird bei mehreren unterschiedlichen Frequenzen der zwischen den Punkten 2a und 2b durch das Gerät 1 getriebene Strom 4 gemessen, bzw. diese Messung wird in Schritt 230b am Simulationsmodell 1a des Geräts 1 simuliert. Auf diese Weise wird eine Frequenzabhängigkeit 4a des Stroms 4, bzw. der aus Strom 4 und Spannung 3 gebildeten Impedanz Z, erhalten.
-
In Schritt 240 wird die Frequenzabhängigkeit 4a mit der zugehörigen Konfiguration 5* der Defekte 5 zu einem Lern-Datensatz 6 verbunden. Der gestrichelte Pfeil, der zu Schritt 210 zurückführt, deutet an, dass typischerweise viele derartige Lern-Datensätze 6 beschafft werden.
-
In Schritt 250 werden die Parameter 9a des Machine Learning-Modells 9 so optimiert, dass im Mittel für alle Lern-Datensätze 6 die jeweilige Frequenzabhängigkeit 4a von dem Machine Learning-Modell 9 zutreffend auf die im jeweiligen Lern-Datensatz 6 enthaltene Konfiguration 5* der Defekte 5 abgebildet wird. Nach Abschluss des Trainings kann das Machine Learning-Modell 9 zusätzlich noch an Validierungs-Datensätzen, die ebenfalls Frequenzabhängigkeiten 4a und zugehörige Konfigurationen 5* von Defekten 5 enthalten, jedoch nicht zu den Lern-Datensätzen 6 gehören, validiert werden.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- DE 102009027378 A1 [0004]
- DE 102011004520 A1 [0004]
