DE102021209414A1

DE102021209414A1 - Diagnose eines Kraftfahrzeuges in Fahrzuständen durch Audioanalyse

Info

Publication number: DE102021209414A1
Application number: DE102021209414.7A
Authority: DE
Inventors: Andreas Udo Sass; Steffen Mölle; Jan Piewek; Oliver Cassebaum; Dirk Pohnert
Original assignee: Volkswagen AG
Current assignee: Volkswagen AG
Priority date: 2021-08-26
Filing date: 2021-08-26
Publication date: 2023-03-16

Abstract

Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges (601) umfassend: das Erfassen eines Fahrzustandes (301) des Kraftfahrzeuges (601), das Erfassen eines Audiosignales, welches dem Fahrzustand 301 zugeordnet ist, innerhalb des Kraftfahrzeuges (601), das Gruppieren vergleichbarer Fahrzustände (301) zu einzelnen Fahrsituationen (401), der Abgleich der Audiosignale einer Fahrsituation (401), durch den Abgleich erkennen, ob das Audiosignal von den Audiosignalen, welche typisch für die Fahrsituation (401) sind, abweicht, und das Zuordnen eines Defektes, falls die Abweichung und entsprechender Defekt bekannt sind.

Description

Die Erfindung betrifft ein Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges durch eine Audioanalyse in verschiedenen Fahrzuständen des Kraftfahrzeuges.
Es ist bekannt, dass viele Komponenten und Baugruppen eines Kraftfahrzeuges Betriebsgeräusche abgeben. Diese Geräusche können zum Beispiel durch die Bewegung selbst (Motor- und Betriebsgeräusche) bzw. erst bei Fehlfunktionen auftreten, die z. B. bei fortschreitender Abnutzung oder Verunreinigung dieser Bauteile entstehen. Manche erfahrene Mechaniker können den Zustand eines Bauteiles oder einer Baugruppe in einem Kraftfahrzeug aufgrund des emittierten Geräusches diagnostizieren und gegebenenfalls einen Defekt spezifizieren. Eine Audioanalyse der emittierten und aufgezeichneten Geräusche kann eine solche Diagnose eines Defektes auch außerhalb einer Werkstatt möglich machen.
Das Dokument WO 2017/223108 A1 offenbart Verfahren, Systeme und Vorrichtungen zum Bestimmen eines Wartungsproblems. Ein Audiosignal wird erhalten und analysiert, um eine Audiosignatur zu erzeugen. Eine Eigenschaft einer Komponente wird basierend auf der Audiosignatur identifiziert und eine Aktion wird basierend auf der Eigenschaft der Komponente bestimmt.
Dabei wird das Audiosignal und Sensordaten erfasst. Die Audiosignatur wird aus dem Audiosignal abgeleitet und entweder mit einer Bibliothek von Audiosignaturen oder einem trainierten Algorithmus, welcher an einer Bibliothek von Audiosignaturen trainiert wurde, abgeglichen. Die Bibliothek von Audiosignaturen enthält Signaturen für Bauteile und Bauteilgruppen in verschieden starken Verschleißzuständen. Wartungsprobleme werden aufgrund von der Audioanalyse und Veränderungen der Messwerte der Sensoren festgestellt.
Das Dokument DE 10 2018 207 408 A1 offenbart ein Verfahren, das folgende Schritte umfasst: Erfassen eines Geräusches an Bord eines Kraftfahrzeuges; Bestimmen eines Fahrzustandes des Kraftfahrzeuges; und Bestimmen einer möglichen Ursache für das Geräusch auf der Basis eines Geräuschprofils des Geräusches und des Fahrzustandes.
Hierbei wird ein abweichendes Geräusch erkannt und der Fahrzustand abgefragt, um eine mögliche Quelle/Ursache für das Geräusch zu identifizieren.
Aufgabe der vorliegenden Erfindung ist es, ein verbessertes Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges durch eine Audioanalyse in verschiedenen Fahrzuständen des Kraftfahrzeuges bereitzustellen, der die oben genannten Nachteile wenigstens teilweise überwindet.
Diese Aufgabe wird durch das erfindungsgemäße Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges nach Anspruch 1 gelöst. Sowie durch eine Steuereinheit nach Anspruch 9, verbunden mit wenigstens einem Mikrofon und Sensoren, welche dazu ausgestaltet ist, ein solches Verfahren auszuführen. Des Weiteren wird die Aufgabe gelöst durch ein Kraftfahrzeug nach Anspruch 10 mit einer solchen Steuereinheit.
Weitere vorteilhafte Ausgestaltungen der Erfindung ergeben sich aus den Unteransprüchen und der folgenden Beschreibung bevorzugter Ausführungsbeispiele der vorliegenden Erfindung.
Ein erfindungsgemäßes Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges umfasst mehrere Schritte.
Simultan werden die Schritte des Erfassens eines Fahrzustandes eines Kraftfahrzeuges sowie der Schritt des Erfassens eines Audiosignales desselben Kraftfahrzeuges durchgeführt.
Bei Kraftfahrzeugen können die emittierten Geräusche mit den verschiedenen Fahrzuständen des Kraftfahrzeuges variieren, was insbesondere für die Geräusche einer Vielzahl von geräuschemittierenden Bauteilen in einem Kraftfahrzeug gilt. Die gesamte Geräuschkulisse eines laufenden Motors, der abrollenden Reifen und der Geräusche durch die Aerodynamik der Karosserie des Kraftfahrzeuges variiert zum Beispiel zwischen Fahr- und Betriebszuständen im niedrigeren oder höheren Gang. Dies folgt zum Beispiel daraus, dass die Motordrehzahl im Vergleich zu der Rad-Rotationsgeschwindigkeit und der Geschwindigkeit des Kraftfahrzeuges zwischen dem niedrigeren und höheren Gang variiert.
Ein weiterer Schritt ist die Gruppierung der erfassten Fahrzustände zu Fahrsituationen. Wird ein erfasster Fahrzustand anderen ähnlichen bzw. korrelierten Fahrzuständen zugeordnet, so ermöglicht dies die Definition einer Geräuschkulisse des Kraftfahrzeuges, welche für den Fahrzustand erwartbar ist und bei dem das Fahrzeug frei von bekannten - ggf. Geräusche verursachenden - Defekten ist.
Eine solche der Fahrsituation zuordenbare Geräuschkulisse kann durch die Audiosignale der Fahrzustände innerhalb dieser Fahrsituation erfasst und definiert werden. Dies kann durch einen Abgleich dieser Audiosignale geschehen. Es können zum Beispiel Audiosignale für diese Fahrsituation dieses Kraftfahrzeuges im defektfreien Zustand verwendet werden, um eine Geräuschkulisse für einen defektfreien Zustand zu definieren.
Allerdings kann diese Fahrsituation auch im Betrieb des Kraftfahrzeuges immer wieder auftreten und es kann zum Beispiel die Historie der Audiosignale dieser Fahrsituation miteinander abgeglichen werden. Dabei können typische Merkmale und Ähnlichkeiten einer Vielzahl der Audiosignale in der Fahrsituation identifiziert werden, um die Geräuschkulisse der Fahrsituation zu identifizieren. Dadurch ist es möglich, Abweichungen unter den Audiosignalen einer Fahrsituation besser zu erkennen, zum Beispiel wenn diese Abweichungen mit der Zeit stärker werden. Diese kann auch rückwirkend geschehen, wenn zum Beispiel die Historie an Audiosignalen, durch das Hinzukommen neuer Audiosignale, die Geräuschkulisse verbessert definiert.
Es können auch solche Audiosignale identifiziert werden, die diese Merkmale und Ähnlichkeiten nicht, abgeschwächt oder verstärkt aufweisen. Manche Audiosignale können zusätzlich auch andere untypische Merkmale aufweisen, die in der Geräuschkulisse der Fahrsituation zum Beispiel nicht oder nur abgeschwächter vorkommen. Wenn das Audiosignal zum Beispiel eine schnelle Fourier-Transformation einer erfassten Tonspur ist, so kann eine Geräuschquelle/- ursache aufgrund des erzeugten Betriebsgeräusches zum Beispiel eine Erhöhung bei bestimmten Frequenzen in den Frequenzspektrums-Informationen des Audiosignales erzeugen. Eine Veränderung der Geräuschquelle/-ursache durch zum Beispiel Verschleiß, aber auch ein veränderter Fahrzustand kann diese Erhöhung verstärken, abschwächen oder im Frequenzspektrum verschieben.
Falls eine Abweichung identifiziert wird, kann aufgrund dieser Abweichung und der Fahrsituation, in der diese auftritt, ein möglicher Defekt erkannt werden. Dieser Defekt kann dann durch die Audioanalyse festgestellt werden.
Ist zu einer erkannten Abweichung kein möglicher Defekt bekannt, wird nur die Abweichung festgestellt, jedoch kein Defekt.
Sind bei einer erkannten Abweichung hingegen mehrere mögliche Defekte bekannt, kann in Kraftfahrzeugen mit mehreren Mikrofonen oder Körperschallsensoren zum Beispiel eine Art Triangulation oder Verortung der Quelle/Ursache der Abweichung durchgeführt werden, um die möglichen Defekte einzugrenzen. Darüber hinaus kann sich die Abweichung aufgrund des Defektes in anderen Fahrsituationen zum Beispiel anders manifestieren und dort unterscheidbar sein. Fahrsituationen zu einem solchen Diagnoseverfahren können zum Beispiel auch erzeugt werden beispielsweise in selbst fahrenden Kraftfahrzeugen oder auch auf Prüfständen oder Testfahrten von Werkstattpersonal.
Des Weiteren kann es möglich sein, das ein Benutzer des Kraftfahrzeuges Fahrsituationen und Audiosignale gezielt aufnimmt, wenn dem Benutzer im Fahrbetriebe des Kraftfahrzeuges Geräusche auffallen, welche gegebenenfalls auf einen Defekt oder Verschleiß hindeuten können. Die gezielte Aufnahme kann zum Beispiel durch eine Benutzereingabe gestartet und auch gestoppt werden. Ein Benutzer kann hier zum Beispiel ein Fahrer bzw. Passagier oder auch ein Werkstattmitarbeiter sein. Nach einer gezielten Aufnahme kann durch das erfindungsgemäße Verfahren versucht werden, eine Quelle/Ursache zu identifizieren, falls eine Abweichung des Audiosignals in der Fahrsituation vorliegt. Diese Quelle/Ursache kann dem Benutzer angezeigt werden. Liegt keine Abweichung vor, kann ein fehlerfreier Betriebszustand festgestellt und auch angezeigt werden.
Falls in der Anwendung des Verfahrens unbekannte Abweichungen auftreten, können diese durch einen Benutzer, der zum Beispiel durch eine Reparatur den Defekt oder Verschleiß identifiziert hat, diese Abweichung mit einer gefundenen Quelle/Ursache verknüpft werden. So kann mit dem Verfahren diese Quelle/Ursache dann ebenfalls selbstständig identifiziert werden.
Es gibt Ausführungen, bei denen der Fahrzustand durch Messwertreihen von zumindest einem Sensor, welcher in dem Kraftfahrzeug verbaut ist, definiert wird. Bei zumindest zwei Sensoren definieren die Messwertreihen aller Sensoren, die herangezogen werden und die jeweils parallel erfasst wurden, den Fahrzustand. Dabei wird eine Zuordnung der Fahrzustände zu Fahrsituationen aufgrund der Messwertreihen durchgeführt. Die Zuordnung kann zum Beispiel aufgrund von ähnlichen Merkmalen in der Messreihe geschehen. Die ähnlichen Merkmale von einer Messreihe des mindestens einen Sensors kann zum Beispiel ein steigender, fallender oder stagnierender Trend sein oder auch einer oder mehrere bestimmte Übergänge der Trends. Die Zuordnung kann allerdings auch durch Anderweitige, von den Messwertreihen zumindest teilweise abgeleitete Größen passieren.
Es gibt Ausführungen, bei denen die Fahrzustände basierend auf einer Korrelation von Messwertreihen des zumindest einen Sensoren zu Fahrsituationen gruppiert werden.
Die Korrelation ermöglicht es, ähnliche Merkmale von Messwertreihen des jeweils zumindest einen Sensors heranzuziehen, um eine Zuordnung des Fahrzustandes zu einer Fahrsituation durchzuführen. Bei mehreren Sensoren werden jeweils die Korrelation zwischen Messwertreihen der gleichen Sensoren betrachtet. Durch die Korrelation können die steigenden, fallenden oder stagnierenden Trends oder auch einer oder mehrere bestimmte Übergänge der Trends unterschiedlich stark ausgeprägt sein und demnach unterschiedlichen Fahrsituationen zugeordnet werden.
Es gibt Ausführungen, bei denen die Fahrzustände zur gleichen Fahrsituation gruppiert sind, falls die Messwertreihen der Sensoren, die den Fahrzustand definieren, mit den anderen Messwertreihen, der jeweils gleichen Sensoren und der Fahrzustände, welche ebenfalls zu der Fahrsituation gruppiert sind, korrelieren. Dies gilt, sobald die Messwertreihen von zumindest zwei Sensoren zur Bildung der Fahrzustände herangezogen werden. Hierbei definieren die Messwertreihen der herangezogenen Sensoren den Fahrzustand, welche gleichzeitig und paarweise mit dem Audiosignal erfasst werden.
Damit Fahrzustände zu einer Fahrsituation gruppiert werden können, müssen die Messwertreihen eines jeden Sensors, welcher für die Definition des Fahrzustandes herangezogen wird, in hinreichend korrelieren. Diese Korrelation bedeutet das die Messwertreihen eines möglichen ersten Sensors, welche die einzelnen Fahrzustände mit definieren, hinreichend miteinander korrelieren. Dies gilt zum Beispiel auch für die Messwertreihen eines möglichen zweiten Sensors, der die Fahrzustände mit definiert. Korrelieren nun die Messwertreihen aller Sensoren, die die Fahrzustände definieren nach dem obigen Beispiel, und sind alle Fahrzustände mit den jeweils gleichen Sensoren definiert, werden die Fahrzustände somit der gleichen Fahrsituation zugeordnet.
Bei einer Gruppierung von Fahrzuständen zu mehreren Fahrsituationen werden die Fahrzustände so einander zugeordnet, dass die Korrelation zum Beispiel maximiert wird. Dies kann auch bei neu erfassten Fahrzuständen und bereits bestehende Fahrsituationen geschehen.
Die hinreichende Korrelation kann zum Beispiel bedeuten, dass die Korrelation einen gewissen Mindestwert überschreitet. Falls die Korrelation zu mehreren möglichen Fahrsituationen einen Mindestwert überschreitet, kann zum Beispiel auch die Zuordnung zu einer Fahrsituation mit der höchsten Korrelation getroffen werden. Wird zum Beispiel jedoch kein Mindestwert der Korrelation überschritten, kann eine neue Fahrsituation identifiziert bzw. angelegt werden. Die Korrelation kann hierbei auch eine Größe sein, die durch einen Prozess des maschinellen Lernens, einer künstlichen Intelligenz oder ähnlichen bzw. verwandten Prozessen, bei denen ein Computer aus Daten lernt, bestimmt wird.
Es gibt Ausführungen, bei denen die Audiosignale mittels eines Schalldrucksensors bzw. eines Sensors zur Vibrationsmessung eines Bauteiles aufgenommen werden. Das Audiosignal kann hierbei zum Beispiel das Signal zumindest eines Mikrofons oder das Signal von zumindest einem Körperschallsensor oder einer Kombination mehrerer von diesen sein.
Das Audiosignal kann zum Beispiel auch ein Signal sein, welches durch Verarbeitung oder Bearbeitung der Signale eines Mikrofons oder Körperschallsensors erzeugt ist. Dies umfasst zum Beispiel das Durchlaufen von bestimmten Filtern, wie zum Beispiel Hochpassfilter oder Tiefpassfilter, Bandpassfilter oder Bandsperrfilter. Ein Bandsperrfilter oder Bandsperre kann zum Beispiel typische Konversationsfrequenzen herausfiltern.
Weiterhin kann dies zum Beispiel auch eine Methode sein die Musik, welche in dem Kraftfahrzeug wiedergegeben wird, aus den Messsignalen herauszufiltern. Dies kann möglich sein, wenn die Musik, die durch ein Infotainment-System wiedergegeben wird, bekannt ist und gezielt herausgefiltert wird. Zum Beispiel, wenn die an den Lautsprechern anliegende Spannung als Signal zum Filtern verwendet wird. Selbiges gilt zum Beispiel für die Gesprächsseite eines Telefonates über eine Freisprecheinrichtung, welche über die Lautsprecher wiedergegeben wird.
Es gibt Ausführungen, bei denen das Audiosignal eine Tonspur, die nach Durchlaufen von Nachbearbeitungsschritten wie zum Beispiel eine schnelle Fourier-Transformation oder weitere Bearbeitungsschritte in einem Digitalen Signalprozessor umfasst und danach aus dem Audiosignal Merkmale extrahiert werden. Diese Nachbehandlungsschritte können zum Beispiel Verfahren sein, die die Tonspur frequenzaufgeschlüsselt darstellen, um die Amplitude der verschiedenen Frequenzen darzustellen. Solche Transformationen sind zum Beispiel eine schnelle Fourier-Transformation oder eine Fourier-Transformation.
Durch das Durchlaufen eines Digitalen Signalprozessors lassen sich zudem digitale Nachbearbeitungsverfahren auf die Tonspur anwenden, um das Audiosignal zu erhalten.
Es gibt Ausführungen, bei denen Störgeräusche in der Tonspur verhindert werden, indem diese zum Beispiel in einem Nachbehandlungsschritt herausgefiltert werden oder die Tonspur um Störgeräusche herum zugeschnitten ist. Störgeräusche können zum Beispiel durch Bandpassfilter oder Bandsperrfilter herausgefiltert werden. Ein Bandsperrfilter oder Bandsperre kann zum Beispiel typische Konversationsfrequenzen herausfiltern. Auch können Geräusche, die bei teilweise geöffnetem Fenster durch den Fahrtwind entstehen, herausgefiltert werden.
Es gibt Ausführungen, bei denen Erkenntnisse bzw. Datensätze zwischen Steuergeräten oder Kraftfahrzeugen, welche ein erfindungsgemäßes Verfahren ausführen, sowie einer zentralen Datenbank ausgetauscht werden können. Diese Erkenntnisse bzw. Datensätze können zum Beispiel die Fahrzustände, Fahrsituationen, mögliche Störgeräusche und Gründe für die Abweichungen bzw. Defekte sein sowie das Modell oder der Bautyp bzw. die Ausstattung, die für die Vergleichbarkeit der Diagnoseverfahren relevant sind.
Dazu können diese Informationen aufgrund einer Historie von Fahrzuständen und Fahrsituationen lokal am Kraftfahrzeug gespeichert und analysiert sein. Jedoch können die Fahrsituationen und Fahrzustände, die auf Kraftfahrzeugen gespeichert sind, aufgrund von unterschiedlicher Nutzung verschieden sein. Unterschiedliche Nutzungen können zum Beispiel unterschiedliche Fahrstile von Fahrern, unterschiedliche klimatische Bedingungen oder unterschiedliche Fahrbahnbeläge sein. Durch diese Variationen ist es vorteilhaft, die gefundenen Analyseergebnisse auszutauschen. Dies kann zum Beispiel untereinander zwischen Kraftfahrzeugen und/oder auch über eine oder mehrere zentrale Stellen wie zum Beispiel Datenzentren erfolgen.
Für die Vergleichbarkeit zwischen den Fahrzuständen bzw. Fahrsituationen, die geteilt werden, können auch relevante Informationen über das Kraftfahrzeug, wie zum Beispiel Ausstattungsmerkmale oder zum Modell übermittelt werden.
Ausführungsbeispiele der Erfindung werden nun beispielhaft und unter Bezugnahme auf die beigefügte Zeichnung beschrieben. Darin zeigt:

1 ein Flussdiagramm eines Ausführungsbeispiels eines erfindungsgemäßen Verfahrens zur Diagnose des Zustandes eines Kraftfahrzeuges;
2 eine schematische Darstellung eines Ausführungsbeispiels einer Steuereinheit, verbunden mit Mikrofon und Sensoren zum Ausführen eines erfindungsgemäßen Verfahrens zur Diagnose des Zustandes eines Kraftfahrzeuges;
3 eine schematische Darstellung eines Ausführungsbeispiels von Fahrzuständen in einem erfindungsgemäßen Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges;
4 eine schematische Darstellung eines Ausführungsbeispiels von Fahrzuständen, welche zu einer Fahrsituation gruppiert sind, in einem erfindungsgemäßen Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges;
5 eine schematische Darstellung eines Ausführungsbeispiels, einer möglichen Nachbehandlung eines Audiosignales bzw. einer Tonspur eines Mikrofons oder Körperschallsensors in einem erfindungsgemäßen Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges und
6 eine schematische Darstellung eines Ausführungsbeispiels eines Kraftfahrzeuges mit Steuer- und Kommunikationseinheit sowie mit einer weiteren Kommunikationseinheit mit einer weiteren Steuereinheit bzw. zentraler Speicher- und Verarbeitungseinheit in einem erfindungsgemäßen Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges.

Ein Flussdiagramm 100 eines Ausführungsbeispiels eines erfindungsgemäßen Verfahrens zur Diagnose des Zustandes eines Kraftfahrzeuges ist in 1 dargestellt.
Ein erfindungsgemäßes Verfahren beginnt mit dem Start ST. Dies kann zum Beispiel nach der Durchführung dieses Verfahrens mit einer vorherigen Paarung aus Fahrzustand (später gezeigter Fahrzustand 301) und Audiosignal sein. Somit ist es möglich, das unten bescheidene Verfahren kontinuierlich im Fahrbetrieb eines Kraftfahrzeuges (später gezeigtes Kraftfahrzeug 601) anzuwenden.
Nach dem Start ST folgen die parallel ausgeführten Schritte des Erfassens des Fahrzustandes S101 und des Erfassens des zugehörigen Audiosignales S102.
Für das Erfassen des Fahrzustandes S101 wird jeweils eine Messwertreihe der Sensoren erfasst, welche an dem erfindungsgemäßen Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges 601 beteiligt sind. Die Merkmale aller dieser Sensoren dienen zur Definition des Fahrzustands 301 des Kraftfahrzeuges 601 im Rahmen des erfindungsgemäßen Verfahrens.
Für das Erfassen des Audiosignales S102 wird das Messsignal bzw. die Tonspur zumindest eines Mikrofons oder Körperschallsensors (später gezeigtes Mikrofon oder Körperschallsensor 202) erfasst. Um daraus das Audiosignal eines erfindungsgemäßen Verfahrens zur Diagnose des Zustandes eines Kraftfahrzeuges zu erhalten, können Nachbehandlungsschritte und Transformationen durchgeführt werden. Es können allerdings bereits das Messsignal bzw. die Tonspur ohne Nachbehandlungsschritte als Audiosignal verwendet sein. Mögliche Nachbehandlungsschritte umfassen zum Beispiel die Anwendung von Hochpassfiltern, Tiefpassfiltern, Bandpassfiltern und Bandsperrfiltern. Eine mögliche Transformation kann zum Beispiel eine schnelle Fourier-Transformation (FFT) sein. Das Messsignal bzw. die Tonspur können auch einen Digitalen Signalprozessor durchlaufen. Die dafür stattfindende Analog-zu-Digital-Konvertierung ermöglicht somit die Anwendung computergestützter Methoden zum gezielten Herausfiltern von Störgeräuschen, wie zum Beispiel Gesprächen, Musik, Umgebungsgeräusche oder Geräuschen, welche durch den Fahrtwind verursacht werden. Dies ist vorteilhaft, da Störgeräusche Anwendungslücken des erfindungsgemäßen Verfahrens im Fahrbetrieb des Kraftfahrzeuges 601 bedeuten können.
Auf den Schritt der Erfassung des Fahrzustandes S101 folgt die Gruppierung von Fahrzuständen zu Fahrsituationen S103. Dabei wird der aktuelle Fahrzustand 301 und vorherige erfasste Fahrzustände 301 des Kraftfahrzeuges 601 verwendet. Der neu erfasste Fahrzustand 301 kann hier auch zu bestehenden Fahrsituationen 401, welche bereits aufgrund vorher erfasster Fahrzustände 301 gruppiert wurden, zugeordnet werden.
Zur Zuordnung bzw. Gruppierung werden Fahrzustände 301, welche ähnliche Merkmale in den Messwertreihen der Sensoren aufweisen, die an dem erfindungsgemäßen Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges 601 beteiligt sind, einander zugeordnet und somit gruppiert. Die Zuordnung kann aufgrund einer Korrelation der Messwertreihen der jeweils gleichen Sensoren zwischen den Fahrzuständen 301 erfolgen. Es kann allerdings auch eine Zuordnung aufgrund von einem lernfähigen bzw. trainierbaren Algorithmus wie zum Beispiel im maschinellen Lernen oder bei Neuronalen-Netzwerken erfolgen.
Ist der Fahrzustand 301 zu einer entsprechenden Fahrsituation (später gezeigten Fahrsituation 401) zugeordnet bzw. gruppiert, folgt der Schritt des Abgleiches der Audiosignale innerhalb einer Fahrsituation S104.
In diesem Schritt wird das in dem Schritt des Erfassens des Audiosignales S102 gemessene und nachbearbeitete Audiosignal mit den anderen vorher erfassten Audiosignalen abgeglichen. Die anderen vorher erfassten Audiosignale sind die Audiosignale, welche paarweise mit den Fahrzuständen 301 erfasst wurde, welche zu der gleichen Fahrsituation 401 zugeordnet bzw. gruppiert sind wie der Fahrzustand 301.
In dem Abgleich werden zum Beispiel Merkmale, die in Messwertreihen der Fahrzustände 301 vorkommen, identifiziert. Diese Merkmale können allerdings auch von einem lernfähigen bzw. trainierbaren Algorithmus, wie zum Beispiel im maschinellen Lernen oder bei Neuronalen-Netzwerken gelernt werden.
Auf den Schritt des Abgleiches der Audiosignale innerhalb einer Fahrsituation S104 folgt nun der Schritt des Feststellens der Plausibilität des Audiosignals für die Fahrsituation S105.
In diesem Schritt wird die Plausibilität des erfassten Audiosignals überprüft, indem festgestellt wird, ob die im Schritt des Abgleichs gefundenen Merkmale, welche typisch für die Fahrsituation sind, auch in dem erfassten Audiosignal der erfassten Fahrsituation vorliegen. Aufgrund des Ergebnisses der Überprüfung kann festgestellt werden, ob das Audiosignal plausibel für die Fahrsituation 401 ist.
In die Entscheidung, ob das Audiosignal plausibel für die Fahrsituation 401 ist, kann zum Beispiel die Ausprägung eines Merkmals des erfassten Audiosignales im Vergleich zu der Ausprägung des Merkmals in allen Fahrzuständen 301 der Fahrsituation 401 herangezogen werden. Dabei kann eine maximal zulässige Abweichung definiert sein, um noch ein für die Fahrsituation 401 plausibles Audiosignal festzustellen. Diese maximal zulässige Abweichung kann für einzelne Merkmale die Kombination verschiedener Merkmale oder alle Merkmale des Audiosignals gegeben sein. Auch können Merkmale unterschiedlich stark gewichtet in die Entscheidung, ob das Audiosignal für die Fahrsituation 401 plausibel ist, eingehen. Weiterhin können die maximal zulässigen Abweichungen und deren Gewichtungen durch einen lernfähigen bzw. trainierbaren Algorithmus wie zum Beispiel im maschinellen Lernen oder bei Neuronalen-Netzwerken gelernt werden und die Entscheidung, ob das Audiosignal für die Fahrsituation 401 plausibel ist, durch den Algorithmus getroffen werden.
Ist in dem Schritt des Feststellens der Plausibilität des Audiosignals für die Fahrsituation S105 festgestellt, dass das Audiosignal für die Fahrsituation plausibel ist „Y“, endet ED das erfindungsgemäßen Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges.
Ist in dem Schritt des Feststellens der Plausibilität des Audiosignals für die Fahrsituation S105 festgestellt, dass das Audiosignal für die Fahrsituation nicht plausibel ist „N“, folgt ein Entscheidungsschritt der Feststellung, ob die Abweichung einem bekannten Defekt zugeordnet ist S106.
Hierbei können bekannte Defekte eine typische Abweichung in den einzelnen Fahrsituationen hervorrufen und somit zum Beispiel an diesem Punkt des Verfahrens identifizierbar sein. Die Identifizierung kann auch hier wieder durch einen lernfähigen bzw. trainierbaren Algorithmus, wie zum Beispiel im maschinellen Lernen oder bei Neuronalen-Netzwerken gelernt und durchgeführt werden.
Wird in Schritt S106 kein bekannter Defekt festgestellt „N“, stellt das erfindungsgemäße Verfahren eine unbekannte Abweichung S107 in der Fahrsituation fest. Damit endet ED dann das erfindungsgemäße Verfahren.
Wird in Schritt S106 jedoch ein bekannter Defekt festgestellt „Y“, stellt das erfindungsgemäße Verfahren eine bekannte Abweichung und einen damit verbundenen Defekt oder Verschleiß S108 in der Fahrsituation fest. Damit endet ED dann das erfindungsgemäße Verfahren.
Die Schritte S103 bis S108 werden in diesem Ausführungsbeispiel separat dargestellt, können aber auch zusammen durchgeführt werden. Zum Beispiel können diese Schritte durch einen lernfähigen bzw. trainierbaren Algorithmus wie zum Beispiel im maschinellen Lernen oder bei Neuronalen-Netzwerken gelernt und durchgeführt werden.
Mit dem Ende ED des erfindungsgemäßen Verfahrens kann dieses kontinuierlich im Fahrbetrieb des Kraftfahrzeuges wieder von vorne beginnen, neue Audiosignale und Fahrzustände erfassen und somit die Bibliothek an Fahrzuständen 301, Fahrsituationen 401 und Audiosignale immer weiter ausbauen. Unbekannte Abweichungen können für das System benannt werden und somit für das weitere Ausführen des erfindungsgemäßen Verfahrens als bekannte Abweichungen mit identifiziertem Defekt oder Verschleiß gelten.
Weiterhin kann das erfindungsgemäße Verfahren auch mehrfach parallel ausgeführt werden. Die kontinuierliche oder parallel Ausführung erlauben eine nahezu lückenlose Diagnose im Fahrbetrieb des Kraftfahrzeuges 601.
Bei einem erfindungsgemäßen Verfahren können zum Beispiel auch die erfassten Fahrzustände 301 und Audiosignale so wie diese erfasst, zugeordnet oder ausgewertet wurden, abgespeichert werden und können dann ebenfalls als weiterer Teil der vorherigen Fahrzustände 301 und Audiosignale in dem erfindungsgemäßen Verfahren herangezogen werden.
Eine schematische Darstellung 200 eines Ausführungsbeispiels einer Steuereinheit verbunden mit Mikrofon und Sensoren 210 zum Ausführen eines erfindungsgemäßen Verfahrens zur Diagnose des Zustandes eines Kraftfahrzeuges ist in 2 dargestellt.
Die Steuereinheit 201 ist dazu ausgestaltet, ein Audiosignal zumindest eines Schalldruck Sensors bzw. eines Sensors zur Vibrationsmessung, wie zum Beispiel eines Mikrofons bzw. Körperschallsensors 202, zu erfassen. Dies geschieht wie in dem Schritt des Erfassens des Audiosignals S102 aus 1 beschrieben.
Das Audiosignal kann ein Signal eines einzelnen Mikrofons bzw. Körperschallsensors 202 sein. Es kann aber auch das Signal mehrerer Mikrofone bzw. Körperschallsensoren 202 sein. Zudem können die Signale einer Kombination von Mikrofonen und Körperschallsensoren ebenfalls als Audiosignal sein.
Mehrerer Mikrofone bzw. Körperschallsensoren 202 oder einer Kombination von Mikrofonen und Körperschallsensoren können zusätzlich Verfahren zur räumlichen Ortung einer Geräuschquelle/-ursache mögliche machen. Solche Verfahren zur räumlichen Ortung können zum Beispiel Laufzeitunterschiede der Schallwellen von der Geräuschquelle/-ursache zu den einzelnen Mikrofonen bzw. Körperschallsensoren 202 zur Ortung nutzen. Eine Ortung ist zum Beispiel auch über Phasenunterschiede der Signale verschiedener Mikrofone bzw. Körperschallsensoren 202 möglich.
Weiterhin kann das Audiosignal eine Tonspur oder ein Messsignal des Mikrofons bzw. des Körperschallsensors 202 nach dem Durchlaufen von Nachbearbeitungsschritten (Hier nicht dargestellt) sein. Diese Nachbearbeitungsschritte sind in 5 erklärt.
Des Weiteren ist die Steuereinheit 201 dazu ausgestaltet, weitere Messwertreihen von in dem Kraftfahrzeug 601 verbauten Sensoren zu erfassen. Solche Sensoren umfassen beispielsweise einen Geschwindigkeitssensor 203, einen Motordrehzahlsensor 204 einen Temperatursensor 205, einen Sensor zur Erkennung des eingelegten Ganges 206 oder einen Lenkwinkelsensor 207. Diese Sensoren sind beispielhaft genannt und müssen nicht alle den Fahrzustand 301 definieren. Zudem können noch weitere Sensoren, die nicht genannt sind, herangezogen werden, um den Fahrzustand 301 zu definieren.
Die Steuereinheit 201, das Mikrofon bzw. der Körperschallsensor 202 zusammen mit den Sensoren, wie zum Beispiel die oben beschriebenen Sensoren 203 bis 207 bilden die Steuereinheit verbunden mit Mikrofon und Sensoren 210.
In 3 schematische Darstellung 300 eines Ausführungsbeispiels von Fahrzuständen 301 in einem erfindungsgemäßen Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges 601 abgebildet.
In diesem Ausführungsbeispiel sind die Fahrzustände 301, 301', 301'' und 301''' durch die Messwertreihen von zwei Sensoren definiert. Eine Messwertreihe des ersten Sensors 305 kann zum Beispiel eine Messwertreihe einer Geschwindigkeit sein und eine Messwertreihe des zweiten Sensors 306 kann zum Beispiel eine Messwertreihe eines Lenkwinkels sein.
Die Fahrzustände 301, 301', 301'' und 301''' unterscheiden sich durch die unterschiedlichen Trends der Messwertreihen der beiden Sensoren 305 und 306. Die Messwertreihen sind nur mit aufwärts oder abwärts Trends als auf- und absteigende Pfeile skizziert. Weiterhin sind zum Beispiel auch stagnierende Trends denkbar oder ineinander übergehende Kombinationen der zuvor genannten Trends mit unterschiedlich schnellen Übergängen.
Zudem können sich Fahrzustände 301, 301', 301'' und 301''' auch unterscheiden, wenn der Trend der Messwertreihen vergleichbar ist, der Wertebereich jedoch verändert. Zum Beispiel ist bei einer Beschleunigung von 30 km/h auf 50°km/h eine andere Geräuschkulisse zu erwarten als bei einer gleich starken Beschleunigung von 130 km/h auf 150°km/h. Demnach können in die beiden Fahrzustände in dem Fall ebenfalls anderen Fahrsituationen 401 zugeordnet werden. Auch können unterschiedlich stark ausgeprägte Trends wie zum Beispiel bei unterschiedlich starken Beschleunigungen zu einer anderen Geräuschkulisse führen. Solche Fahrzustände 301 sind demnach ebenfalls anderen Fahrsituationen 401 zugeordnet.
Die 4 ist eine schematische Darstellung 400 eines Ausführungsbeispiels von Fahrzuständen 301, welche zu einer Fahrsituation 401 gruppiert sind, in einem erfindungsgemäßen Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges.
Die Fahrzustände 301 sind definiert durch die Messwertreihen der beiden Sensoren 305 und 306. Auch in diesem Ausführungsbeispiel kann die Messwertreihe des ersten Sensors 305 zum Beispiel eine Messwertreihe einer Geschwindigkeit sein und eine Messwertreihe des zweiten Sensors 306 kann zum Beispiel eine Messwertreihe eines Lenkwinkels sein.
Der Trend der ersten Messwertreihen der Fahrzustände 301 ist in 4 als Abwärtstrend für zum Beispiel die Messwertreihe des ersten Sensors 305 dargestellt. Die Messwertreihe des ersten Sensors 305 stellt in diesem Ausführungsbeispiel eine Geschwindigkeit dar. Somit ist ein Teil des Fahrzustandes 301 zum Beispiel ein Bremsvorgang oder ein Ausrollen des Kraftfahrzeuges 601.
Auch der Trend der zweiten Messwertreihe der Fahrzustände 301 ist in 4 als Abwärtstrend dargestellt. Da diese Messwertreihe in diesem Ausführungsbeispiel eine Messwertreihe eines Lenkwinkels darstellt, kann die Abwärtsrichtung hier zum Beispiel einen zunehmenden Lenkeinschlag nach rechts bedeuten. Somit wären die Fahrzustände 301 zu der Fahrsituation 401 gruppiert, welche zum Beispiel ein Ausrollen des Kraftfahrzeuges in eine Rechtskurve hinein darstellt.
Je nachdem wie stark die Trends bzw. Steigungen der Messwertreihen sind und in welchem Wertebereich die Messwertreihen sind, können unterschiedliche Fahrsituationen zugeordnet werden. So kann das Ausrollen in eine Rechtskurve auf der Autobahn Ausfahrt oder bei dem Rechtsabbiegen auf einer innerstädtischen Kreuzung stattfinden. Sowohl die Messwertreihe der Geschwindigkeit als auch die Messwertreihe des Lenkwinkels können dabei unterschiedliche Wertebereiche annehmen.
Die Trends und Wertebereich der erfassten Messwertreihen können somit die Merkmale sein, anhand derer die Fahrzustände zu Fahrsituationen gruppiert werden.
Die 5 ist eine schematische Darstellung 500 eines Ausführungsbeispiels, einer möglichen Nachbehandlung eines Audiosignales bzw. einer Tonspur eines Mikrofons oder Körperschallsensors in einem erfindungsgemäßen Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges 601.
Ein Mikrofon bzw. Körperschallsensor 202 misst eine analoge Tonspur bzw. ein analoges Messsignal. Dieses Messsignal passiert zum Beispiel einen Tiefpassfilter 501. In diesem Tiefpassfilter werden die hochfrequenten Töne des analogen Messsignals abgeschwächt.
Nach dem Tiefpassfilter 501 wird das gefilterte Signal zum Beispiel einer Analog zu Digital Konvertierung 502 unterzogen. Hierbei wird das analoge und gefilterte Messsignal digitalisiert und somit durch digitale Verfahren nachbearbeitbar.
In dem Digitalen Signalprozessor 503 wird das digitale Signal dann zum Beispiel einer schnellen Fourier-Transformation unterzogen. Die schnelle Fourier-Transformation schlüsselt das Signal nach den Amplituden der verschiedenen Frequenzen im Signal auf und extrahiert somit Frequenzspektrums Informationen des Eingangssignales. Das Audiosignal aus dem Digitalen Signalprozessor 503 wird der Steuereinheit 201 zur weiteren Bearbeitung zur Verfügung gestellt, wie in 2 beschrieben.
In den Frequenzspektrums-Informationen werden periodisch wiederkehrende Geräusche zum Beispiel anhand ihrer Wiederkehrfrequenz sichtbar. Fall sich ein Bauteil periodisch bewegt, zum Beispiel rotiert oder oszilliert, können Geräusche, welche zum Beispiel durch Verschleiß eines Bauteiles entstehen können, eine Wiederkehrfrequenz, die der Rotations- oder Oszillationsfrequenz des Bauteiles entspricht, aufweisen. Auch können Geräusche von Elektronik zum Beispiel das Brummen eines Transformators in diesen Frequenzspektrums-Informationen erkannt werden und es kann erkannt eine Abweichung eines solchen Brummens vom normal erkannt werden. Diese Verfahren kann somit in Kraftfahrzeugen mit verschiedenen Antriebstechnologien verwendet werden.
Somit kann die Diagnose von Bauteilen, deren Defekt oder Verschleiß über die jeweilige Rotationsfrequenz erkennbar ist, durch diese Nachbearbeitung und Transformation des Messsignals verbessert sein.
Die 6 ist eine schematische Darstellung 600 eines Ausführungsbeispiels eines Kraftfahrzeuges 601 mit einer Steuereinheit verbunden mit Mikrofon und Sensoren 210 und Kommunikationseinheit 602 sowie mit einer weiteren Kommunikationseinheit 602` mit weiterer Steuereinheit verbunden mit Mikrofon und Sensoren 210` bzw. zentrale Speicher- und Verarbeitungseinheit 603 in einem erfindungsgemäßen Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges.
Die Steuereinheit verbunden mit Mikrofon und Sensoren 210 ist dazu ausgestaltet, das erfindungsgemäße Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges durchzuführen. In diesem Verfahren kann ein zunehmender Datensatz von identifizierten Fahrzuständen, Fahrsituationen und zugehörigen Audiosignalen entstehen, welcher lokal auf dem Kraftfahrzeug 601 gespeichert wird. Der wachsende Datensatz kann die Diagnose verbessern, wenn immer mehr Defekte, Verschleiß und Fahrsituationen auftreten, ausgewertet und benannt werden.
Aufgrund von unterschiedlichen Bedingungen im Fahrbetrieb ist es vorteilhaft, diese Datensätze unter mehreren Kraftfahrzeugen auszutauschen und zu komplementieren. Dies kann die Diagnose weiterhin verbessern. Wichtige unterschiedliche Bedingungen sind zum Beispiel klimatische Unterschiede, Beschaffenheit des Fahruntergrundes oder unterschiedliches Fahrverhalten des Fahrers oder der Fahrerin.
Um diese Informationen austauschen zu können, kann eine Kommunikationseinheit 602 in dem Kraftfahrzeug 601 verbaut sind und mit der Steuereinheit verbunden mit Mikrofon und Sensoren 210 verbunden sein.
Diese Kommunikationseinheit 602 kann dann mit einer weiteren Kommunikationseinheit 602` kommunizieren und die Datensätze austauschen. Die weitere Kommunikationseinheit 602` ist dann zum Beispiel mit einer weiteren Steuereinheit verbunden mit Mikrofon und Sensoren 210' verbunden. Die weitere Kommunikationseinheit 602` und die weitere Steuereinheit verbunden mit Mikrofon und Sensoren 210' können zum Beispiel in einem anderen Kraftfahrzeug verbaut sein. Somit kann das Kraftfahrzeug 601 Datensätze mit dem anderen Kraftfahrzeug austauschen.
Weiterhin kann die weitere Kommunikationseinheit mit einer zentralen Speicher- und Verarbeitungseinheit 603 verbunden sein. Diese zentrale Speicher- und Verarbeitungseinheit 603 kann die Datensätze von vielen Kraftfahrzeugen gleichzeitig empfangen, sammeln und verarbeiten. Dabei kann zum Beispiel der Rechenaufwand des Komplementierens der Datensätze zentral durchgeführt werden und ein komplementierter Datensatz an das Kraftfahrzeug 601 zurück übertragen werden.
Die gezeigten Ausführungsbeispiele sind als weitere Erklärung der vorliegenden Erfindung zu verstehen. Eine Kombination der Ausführungsbeispiele ist vorgesehen. Für genauen Umfang der Erfindung wird auf die folgenden Ansprüche verwiesen.
Bezugszeichenliste

100: Flussdiagramm
200, 300, 400, 500. 600: schematische Darstellung
201: Steuereinheit
202: Mikrofon bzw. Körperschallsensor
203: Geschwindigkeitssensor
204: Motordrehzahlsensor
205: Temperatursensor
206: einen Sensor zur Erkennung des eingelegten Ganges
207: Lenkwinkelsensor
210: Steuereinheit verbunden mit einem Mikrofon und den Sensoren
301, 301', 301'', 301''': Fahrzustand
305: Messwertreihe eines ersten Sensors
306: Messwertreihe eines zweiten Sensors
401: Fahrsituation
501: Tiefpassfilter
502: Analog zu Digital Konvertierung
503: Digitaler Signalprozessor
601: Kraftfahrzeug
602, 602`: Kommunikationseinheit
603: zentrale Speicher- und Verarbeitungseinheit

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

WO 2017223108 A1 [0003]
DE 102018207408 A1 [0005]

Claims

Verfahren zur Diagnose des Zustandes eines Kraftfahrzeuges (601) umfassend: - Erfassen eines Fahrzustandes (301) des Kraftfahrzeuges (601), - Erfassen eines Audiosignales, welches dem Fahrzustand 301 zugeordnet ist, innerhalb des Kraftfahrzeuges (601), - Gruppieren vergleichbarer Fahrzustände (301) zu einzelnen Fahrsituationen (401), - Abgleich der Audiosignale einer Fahrsituation (401), - durch den Abgleich erkennen, ob das Audiosignal von den Audiosignalen, welche typisch für die Fahrsituation (401) sind, abweicht, und - Zuordnen eines Defektes, falls die Abweichung und entsprechender Defekt bekannt sind.
Verfahren nach Anspruch 1, wobei der Fahrzustand (301) durch Messwertreihen verschiedener Sensoren, welche in dem Kraftfahrzeug (601) verbaut sind, definiert wird.
Verfahren nach Anspruch 1 oder 2, wobei die Fahrzustände (301) basierend auf einer Korrelation von Messwertreihen der einzelnen Sensoren, welche in dem Kraftfahrzeug (601) verbaut sind, zu Fahrsituationen (401) gruppiert werden.
Verfahren nach Anspruch 3, wobei die Fahrzustände (301) zur gleichen Fahrsituation gruppiert sind, falls die Messwertreihen der Sensoren, die den Fahrzustand (301) definieren, mit den anderen Messwertreihen, der jeweils gleichen Sensoren und der Fahrzustände (301), welche ebenfalls zu der Fahrsituation (401) gruppiert sind, korrelieren.
Verfahren nach einem der vorherigen Ansprüche, wobei die Audiosignale durch zumindest ein Schalldruck Sensor bzw. Sensor zur Vibrationsmessung, wie zum Beispiel ein Mikrofon bzw. ein Körperschallsensor (202), eines Bauteils aufgenommen werden.
Verfahren nach einem der vorherigen Ansprüche, wobei das Audiosignal eine Tonspur nach Durchlaufen von Nachbearbeitungsschritten, wie zum Beispiel durch Filter oder durch einen Digitalen Signalprozessor (503), zum Beispiel zu dem Durchführen einer schnellen Fourier-Transformation, ist und danach aus dem Audiosignal Merkmale extrahiert werden.
Verfahren nach einem der vorherigen Ansprüche, wobei Störgeräusche in der Tonspur verhindert werden, indem diese zum Beispiel in einem Nachbehandlungsschritt herausgefiltert werden oder die Tonspur um Störgeräusche herum zugeschnitten ist.
Steuereinheit verbunden mit einem Mikrofon und den Sensoren (201), welche den Fahrzustand (301) definieren, zum Ausführen eines Verfahrens nach einem der vorherigen Ansprüche.
Steuereinheit verbunden mit einem Mikrofon und den Sensoren (210), nach Anspruch 8, wobei Datensätze, wie zum Beispiel die Fahrzustände (301), Fahrsituationen (401), mögliche Störgeräusche und Gründe für die Abweichungen und Defekte mit mindestens einem aus der folgenden Gruppe: einer weiteren Steuereinheit verbunden mit einem Mikrofone und Sensoren (210`), einer zentrale Speicher- und Verarbeitungseinheit (603) ausgetauscht werden können.
Kraftfahrzeug mit einer Steuereinheit verbunden mit einem Mikrofone und den Sensoren (210), nach Anspruch 8 oder 9.