DE102022213559A1

DE102022213559A1 - Verfahren zur Diagnose und Überwachung für Fahrzeuge

Info

Publication number: DE102022213559A1
Application number: DE102022213559.8A
Authority: DE
Inventors: Simon Matthias Wokusch; David Schmidt; Matthias Kreuzer; Walter Kellermann
Original assignee: Friedrich Alexander Univeritaet Erlangen Nuernberg FAU; Siemens Mobility GmbH
Current assignee: Friedrich Alexander Univeritaet Erlangen Nuernberg FAU; Siemens Mobility GmbH
Priority date: 2022-12-13
Filing date: 2022-12-13
Publication date: 2024-06-13
Also published as: WO2024125854A1

Abstract

Die vorliegende Erfindung betrifft ein Verfahren zur Diagnose und Überwachung für Fahrzeuge, insbesondere für ein Antriebssystem eines Schienenfahrzeugs, zumindest aufweisend die folgenden Verfahrensschritte:a) Empfangen eines akustischen Luftschallsignals durch wenigstens einen akustischen Sensor (1, 2, 3, 4, 5, 6, 7, 8);b) Bestimmen wenigstens eines Merkmals aus dem Luftschallsignal; undc) Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und einer Überwachung wenigstens eines Fahrzeugbauteils basierend auf wenigstens einem in Verfahrensschritt b) bestimmten Merkmal.

Description

Die vorliegende Erfindung betrifft ein Verfahren zur Diagnose und Überwachung für Fahrzeuge. Die vorliegende Erfindung betrifft insbesondere ein Verfahren, durch welches Fehler und Beschädigungen an einem Fahrzeugbauteil, wie insbesondere an einem Schienenfahrzeug, detektiert werden können.
Fahrzeuge, insbesondere Schienenfahrzeuge, müssen eine hohe Fahrsicherheit aufweisen. Eine genaue Einschätzung und Vorhersage von technischen Zuständen von Fahrzeugen und Fahrzeugkomponenten (z.B. Fahrwerkskomponenten) ist daher wichtig. In diesem Zusammenhang ist eine effektive und effiziente Wartung und Instandhaltung der Fahrzeuge und der Fahrzeugkomponenten bedeutend.
Durch intervallbasierten Service sollen die Ausfallwahrscheinlichkeiten möglichst gering gehalten werden. Dadurch wird oftmals aber auch ein Service durchgeführt, der eigentlich noch nicht notwendig wäre. Um die Lebenszykluskosten möglichst gering zu halten, ohne das Risiko von Ausfällen und Beeinträchtigungen im Betrieb zu erhöhen, werden teilweise Diagnose- und Überwachungssysteme eingesetzt. Diese sind auch die Grundlage für eine zustandsorientierte Wartung.
Gängige Diagnose- und Überwachungssysteme für Züge, wie etwa für deren Drehgestell inkl. Antriebssystem, gibt es in unterschiedlichen Ausprägungen. So sind beispielsweise stationäre Systeme bekannt, welche insbesondere eine Diagnose ermöglichen. Darunter gibt es beispielsweise Systeme, die entlang der Strecke platziert sind und etwa Vibrationssensoren und Mikrophone beinhalten. Des Weiteren sind mobile Systeme bekannt und somit solche, die fest im Zug installiert werden und mitfahren. Diagnose wird meist über Beschleunigungssensoren umgesetzt. Überwachung wird nach Stand der Technik mit Temperatursensoren an den Lagern ausgeführt. Schließlich sind Handgeräte bekannt, die meist vibrationsbasiert sind und insbesondere als Geräte zum Messen des Zustands im Depot bei einem Service dienen.
AT 523862 Al bezieht sich auf eine Vorrichtung und ein Verfahren zur Diagnose und Überwachung für Fahrzeuge, insbesondere für Fahrwerke, insbesondere für Schienenfahrzeuge, wobei zumindest ein erster Sensor und zumindest eine Recheneinheit vorgesehen sind, welche miteinander signalübertragend verbunden sind und an oder in einem Fahrzeug anordenbar sind. Es wird vorgeschlagen, dass der zumindest erste Sensor als akustischer Sensor ausgebildet ist und zumindest eine Datenübertragungseinheit zur Übertragung von in der zumindest einen Recheneinheit verarbeiteten Daten vorgesehen ist. Dadurch wird eine Analyse eines akustischen Verhaltens des Fahrzeugs oder von Fahrzeugkomponenten bezüglich großer Frequenzbereiche ermöglicht, wobei Analyseergebnisse zur Bewertung weitergeleitet werden können.
Derartige Lösungen weisen jedoch noch weiteres Verbesserungspotential auf.
Es ist die Aufgabe der vorliegenden Erfindung, die aus dem Stand der Technik bekannten Nachteile zumindest teilweise zu überwinden. Es ist insbesondere die Aufgabe der vorliegenden Erfindung, eine Lösung bereitzustellen, durch welche eine Diagnose und Überwachung eines Fahrzeugs, insbesondere eines Schienenfahrzeugs, verbessert werden kann.
Die Lösung der Aufgabe erfolgt erfindungsgemäß zumindest zum Teil durch ein Verfahren mit den Merkmalen des Anspruchs 1. Die Lösung der Aufgabe erfolgt erfindungsgemäß ferner zumindest zum Teil durch ein System mit den Merkmalen des Anspruchs 15 sowie durch ein Fahrzeug mit den Merkmalen des Anspruchs 16. Bevorzugte Ausgestaltungen der Erfindung sind in den Unteransprüchen, in der Beschreibung oder den Figuren beschrieben, wobei weitere in den Unteransprüchen oder in der Beschreibung oder den Figuren beschriebene oder gezeigte Merkmale einzeln oder in einer beliebigen Kombination einen Gegenstand der Erfindung darstellen können, wenn sich aus dem Kontext nicht eindeutig das Gegenteil ergibt.
Beschrieben wird ein Verfahren zum Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und Überwachung für Fahrzeuge, insbesondere für ein Antriebssystem eines Schienenfahrzeugs, zumindest aufweisend die folgenden Verfahrensschritte:

a) Empfangen eines akustischen Luftschallsignals durch wenigstens einen akustischen Sensor;
b) Bestimmen wenigstens eines Merkmals aus dem Luftschallsignal; und
c) Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und einer Überwachung wenigstens eines Fahrzeugbauteils basierend auf wenigstens einem in Verfahrensschritt b) bestimmten Merkmal.

Ein derartiges Verfahren weist gegenüber den Lösungen aus dem Stand der Technik deutliche Vorteile auf.
Das hier beschriebene Verfahren dient dazu, ein Fahrzeug, wie insbesondere ein Schienenfahrzeug, hinsichtlich auftretender Schäden zu überwachen und ferner bei auftretenden Schäden diese zu diagnostizieren. Dadurch können Serviceintervalle eingehalten werden beziehungsweise können nicht notwendige Serviceeinheiten oder Instandhaltungstätigkeiten vermieden oder zumindest reduziert werden. Gleichzeitig kann die Verfügbarkeit und Zuverlässigkeit erhöht werden.
Das Verfahren bezieht sich dabei insbesondere auf Schäden am Fahrwerk und damit grundsätzlich auf das Antriebssystem des Fahrzeugs. Erfindungsgemäß ist es möglich, eine große Anzahl verschiedener Bauteile zu überwachen beziehungsweise deren Schäden zu diagnostizieren.
Hierzu umfasst das Verfahren zumindest die folgenden Verfahrensschritte.
Gemäß Verfahrensschritt a) erfolgt das Empfangen eines akustischen Luftschallsignals durch wenigstens einen akustischen Sensor. Als akustischer Sensor kann grundsätzlich jeglicher akustische Sensor beziehungsweise Mikrophon verwendet werden.
Eine günstige Lösung wird erreicht, wenn zumindest zwei Sensoren vorgesehen sind, die als Mikrofonarray ausgebildet sind. Durch einen derartigen Mikrofonverband werden Analyseergebnisse verbessert, da dadurch eine genaue Lokalisierung von Geräuschereignissen und Geräuschquellen möglich ist.
Mittels des akustischen Sensors kann ein breites Spektrum von technischen Zuständen des Fahrzeugs oder der Fahrzeugkomponenten bewertet werden, beispielsweise können Radpolygone, Flachstellen und Ausbröckelungen an Rädern, Lagerschäden an Achs- bzw. Radsatzlagern, Motor- und Getriebelagern etc. detektiert werden. Weiterhin können Parameter identifiziert werden, welche ein technisches Verhalten einer Feder, eines Dämpfers oder eines Lagers zeigen.
Ein weiterer Vorteil des erfindungsgemäßen Verfahrens ist darin zu sehen, dass im Vergleich zu einer Diagnose- und Überwachungsvorrichtung mit Beschleunigungssensoren bei dem erfindungsgemäßen Verfahren eine geringere Anzahl an Sensoren erforderlich ist. Denn wenn ein akustischer Sensor im Nahfeld beziehungsweise Umfeld der jeweiligen zu überwachenden Bauteile ist, können mit einem Sensor auch mehrere Komponenten abgedeckt werden Manche technische Zustände des Fahrzeugs oder der Fahrzeugkomponenten sind ferner auf Basis von akustischen Informationen oder genauer basierend auf Luftschallinformationen leichter voneinander unterscheidbar als auf Basis von kinematischen Informationen.
Es ist günstig, wenn zumindest ein akustischer Sensor in einem Fahrwerkszwischenraum anordenbar ist. Durch Anordnung eines Sensors in einer Kavität (z.B. in Bereichen zwischen Rädern eines Radsatzes, zwischen einem ersten Längsträger und einem zweiten Längsträger eines Fahrwerks oder in einer Ausnehmung einer Fahrwerksrahmenstruktur) ist dieser vor Umgebungseinflüssen, z.B. vor störenden Windgeräuschen, welche Messergebnisse beeinflussen könnten, geschützt.
Es kann aber auch hilfreich sein, wenn zumindest ein Sensor an einer Fahrwerksaußenseite anordenbar ist. Dadurch können Geräusche von an den Fahrwerksaußenseiten angeordneten Komponenten, wie etwa von Schlingerdämpfern, erfasst und mit großer Sicherheit richtig zugeordnet werden.
Zur Erfassung und Auswertung von Geräuschen im Bereich des Fahrwerks ist es günstig, wenn zumindest ein Sensor mit einem Fahrwerksrahmen verbindbar ist.
Sollen z.B. Achs- bzw. Radsatzlagergeräusche aufgezeichnet und analysiert werden, ist es vorteilhaft, wenn zumindest ein Sensor mit einem ersten Radsatzlagergehäuse oder einer ersten Radsatzführungsvorrichtung verbindbar ist. Der Sensor kann hierbei beispielsweise auf einer Außen- oder einer Innenseite des ersten Radsatzlagergehäuses anordenbar sein.
Eine vorteilhafte Ausgestaltung erhält man ferner, wenn zumindest ein Sensor mit einem Motor oder mit einem Getriebe verbindbar ist. Durch Anordnung eines Sensors beispielsweise auf einem Motor-, Getriebe-, einem gemeinsamen Antriebsgehäuse oder im Nahfeld des Antriebs können Motor- und Getriebegeräusche, wie etwa Geräusche eines Getriebelagers, erfasst und mit großer Sicherheit richtig zugeordnet werden.
Gemäß Merkmal b) erfolgt ferner das Bestimmen wenigstens eines Merkmals aus dem Luftschallsignal. Derartige Merkmale sind insbesondere aus der Spracherkennung von akustischen Signalen bekannt und können durch bekannte Rechenmethoden erzeugt und bearbeitet werden. Entsprechend kann aus einem insbesondere digitalisierten akustischen Signal ein oder eine Mehrzahl an entsprechenden Merkmalen erzeugt werden.
Besonders bevorzugt kann als entsprechendes Merkmal das sogenannte Cepstrum erzeugt werden beziehungsweise können die bei Verfahrensschritt b) bestimmten Merkmale zumindest das Cepstrum des Luftschallsignals umfassen. In für den Fachmann an sich bekannter Weise kann das Cepstrum aus dem Spektrum gewonnen werden, indem die FFT des logarithmierten Betrags-Spektrum gebildet wird. Genauer kann das Cepstrum eines Signals durch Anwendung der inversen Fourier-Transformation für zeitdiskrete Signale auf den logarithmierten Betrag der zeitdiskreten Fourier-Transformation des Signals gewonnen werden. Beispielsweise kann in an sich bekannter Weise das Cepstrum das Ergebnis der folgenden Berechnungsreihenfolge sein: Transformation eines Signals vom Zeitbereich in den Frequenzbereich; Logarithmieren der spektralen Amplituden; und Transformation in den Quefrenz-Bereich, in dem die unabhängige Variable wieder eine Zeitachse darstellt.
Das Cepstrum kann insbesondere verwendet werden, um periodische Strukturen in Frequenzspektren zu analysieren. Entsprechend kann das Cepstrum insbesondere in dem hier beschriebenen Verfahren besonders vorteilhaft verwendet werden. Denn bei Beschädigungen an Fahrzeugen und dabei insbesondere am Fahrwerk beziehungsweise am Antriebssystem treten oftmals periodische Geräusche auf, die unter Verwendung des Cepstrums besonders vorteilhaft detektiert und diagnostiziert werden können.
Im Speziellen werden die sog. Mel-Frequency Cepstral Koeffizienten (MFCCs) aus Luftschallaufnahmen extrahiert. Die MFCCs ermöglichen eine kompakte Repräsentation des Spektrums eines Signals, indem sie das Cepstrum eines Signals mit einer näherungsweise logarithmischen Skalierung der Frequenzachse kombinieren. Entsprechend kann diese Ausgestaltung dazu führen, dass eine sichere Fehlererkennung mit einem geringen Rechenaufwand möglich wird. Genauer wird zur Berechnung der MFCCs das Signal zunächst in einzelne Fenster durch eine Fensterung aufgeteilt. Daraufhin wird für jedes dieser Fenster eine N-wertige diskrete Fourier-Transformation durchgeführt. Das resultierende Leistungsbetragsspektrum wird dann mit einer Mel-Filterbank, die aus überlappenden dreieckigen Filtern besteht, gefiltert. Schließlich werden die MFCCs durch die inverse diskrete Kosinustransformation der logarithmierten und aufsummierten Filterbankenergien generiert. Die so gewonnenen Merkmale werden dann herangezogen, um einen Klassifikator zu trainieren, wie nachfolgend beschrieben.
Weiterhin kann es von Vorteil sein, dass bei Verfahrensschritt b) LPC-Koeffizienten aus dem empfangenen Luftschallsignal extrahiert werden. Das sogenannte Linear Predictive Coding (LPC) ist ein Transformationsverfahren, das beispielsweise in der Sprachkompression von Mobilfunksystemen eingesetzt wird und auch in der vorliegenden Anwendung Vorteile bieten kann.
Eine weitere erfindungsgemäß anwendbare Möglichkeit besteht darin, dass bei Verfahrensschritt b) PLP-Koeffizienten (Perceptual Linear Prediction) aus dem empfangenen Luftschallsignal extrahiert werden. Vorteil können insbesondere sehr gute Erkennungsraten sein.
Auch vorteilhaft kann es sein, dass bei Verfahrensschritt b) Log-Mel-Spektraldaten aus dem empfangenen Luftschallsignal extrahiert werden oder dass Amplitudenmodulations-Spektraldaten bei Verfahrensschritt b) aus dem empfangenen Luftschallsignal extrahiert werden. Auch derartige Merkmal können bei einem erfindungsgemäßen Verfahren Vorteile aufweisen. Das Amplitudenmodulationsspektrum eignet sich beispielsweise vor allem zur Detektion von Fluktuationen in der Einhüllenden des Signals.
Die vorliegende Erfindung ist jedoch in keiner Weise auf die vorbeschriebenen in Schritt b) bestimmbaren Merkmale beschränkt, so dass diese als beispielhaft und als nicht limitierend anzusehen sind.
Dem Vorstehenden folgend kann es besonders vorteilhaft sein, wenn zumindest ein Sensor eine Digitalisierungseinheit aufweist. Durch diese Maßnahme kann eine Digitalisierung von Messsignalen unmittelbar mittels des ersten Sensors durchgeführt werden, wodurch in die Recheneinheit nicht Analogsignale übertragen werden müssen, sondern Digitalsignale übertragen werden. Vorteilhaft ist es jedoch insbesondere grundsätzlich, dass das akustische Signal digitalisiert wird unabhängig von dem Ort der Digitalisierung, so dass eine Digitalisierungseinheit auch eine mit dem Sensor verbundene Einheit sein kann.
Das hier beschriebene Verfahren umfasst ferner den weiteren Verfahrensschritt c), nämlich das Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und einer Überwachung wenigstens eines Fahrzeugbauteils basierend auf wenigstens einem in Verfahrensschritt b) bestimmten Merkmal.
In anderen Worten wird das zuvor insbesondere aus der Spracherkennung bekannte und aus dem Luftschall bestimmte Merkmal, auch als feature bezeichnet, verwendet, um wenigstens einen Schritt ausgewählt aus einer Diagnose und einer Überwachung wenigstens eines Fahrzeugbauteils durchzuführen. Somit kann es unter Verwendung des Merkmals oder der Merkmale ermöglicht werden, dass auftretende akustische Signale auf entsprechende Fehlerzustände untersucht werden. Dadurch kann eine verlässliche Überprüfung und Diagnose des Fahrzeugs erfolgen.
Das hier beschriebene Verfahren erlaubt eine Analyse eines akustischen Verhaltens des Fahrzeugs oder von Fahrzeugkomponenten bezüglich großer Frequenzbereiche, wobei Analyseergebnisse zur Bewertung beispielsweise über Kabel oder Funk in einen Führerstand oder an einen Leit-, Instandhaltungs- oder Wartungsstand außerhalb des Fahrzeugs übertragen werden können.
Entsprechend können Zustandshinweise ausgegeben werden. So kann beispielsweise eine Meldung ausgegeben werden, wenn ein Fehlerfall detektiert wird. Genauer kann auch ausgegeben werden, auf welches Bauteil sich der Fehlerfall bezieht beziehungsweise welche Art von Fehler vorliegt. Entsprechend kann auch ein Priorisierungshinweis ausgegeben werden, anhand welchem eine Information gegeben oder erhältlich ist, ob der Fehlerfall sicherheitskritisch ist, oder ob ein Betrieb zumindest für eine begrenzte Zeit und/oder Strecke möglich ist. Für den Fall, dass kein Fehlerzustand ermittelt wurde, kann eine Meldung ausgegeben werden, dass ein fehlerfreier Betrieb möglich ist.
Vorteile bieten sich auch gegenüber Lösungen aus dem Stand der Technik.
Bekannten Lösungen, die auf der Analyse von Körperschallsignalen beruhen, werden mit Beschleunigungssensoren detektiert. Diese Sensoren müssen unmittelbar auf dem Gehäuse der Komponente angebracht werden. Entsprechend sind Restriktionen hinsichtlich der Positionierung einzuhalten.
Demgegenüber beruht die vorliegende Erfindung auf der Detektion und Verarbeitung von Luftschallsignale. Im Vergleich zu den bekannten Lösungen ist diese Lösung weniger intrusiv, da die Sensoren zur Aufzeichnung des Luftschalls nicht unmittelbar auf dem Komponentengehäuse angebracht werden müssen, sondern lediglich in der näheren Umgebung der Komponente positioniert sein können. Aus diesem Grund ist das beschriebene Verfahren universeller einsatzbar, da es weniger Restriktionen hinsichtlich der Platzierung der Sensoren gibt und zusätzliche Installationen, wie etwa das Anbringen von zusätzlichen Montageplatten, die das Betriebsverhalten oder die mechanische Integrität der Komponenten beinträchtigen könnten, nicht erforderlich sind. Die vorliegende Erfindung ist somit auch unabhängig von der Bauform der zu überwachenden Komponente.
Es besteht darüber hinaus das Potential, dass mit einem Mikrophon oder einem Array von Mikrophonen mehrere Komponenten abgedeckt werden können, was die Anwendungsmöglichkeiten weiter verbessern kann.
Im Vergleich zu einem vibrationsbasierten Diagnosesystem ist davon auszugehen, dass eine Luftschallbasierte Lösung durch die Freiheiten in der Platzierung der Sensorik und die geringeren mechanischen Anforderungen außerhalb des Drehgestells sowie das Potential mehrere Komponenten abzudecken deutlich günstiger umgesetzt werden kann.
Darüber hinaus kann durch die Verwendung von Merkmalen, die auch aus der Spracherkennung bekannt sind, akustische Signale, welche auf einen Fehlerzustand hinweisen können, welche auch als Zustandsindikatoren bezeichnet werden können, besonders sicher und verlässlich erkannt werden.
Die Gefahr, das Fahrzeug mit einem gegebenenfalls sicherheitskritischen Fehler zu betreiben kann so signifikant reduziert werden.
Hilfreich ist es ferner, wenn die Zustandsindikatoren aus dem Fahrzeug in zumindest eine Infrastruktureinrichtung außerhalb des Fahrzeugs übertragen werden. Dadurch können Wartungs- und Instandhaltungsmaßnahmen rechtzeitig in der Infrastruktureinrichtung (z.B. in einem Fahrzeugdepot, in einer Betriebszentrale etc.) geplant und durchgeführt werden. Es wird eine zustandsorientierte Wartung und Instandhaltung gefördert.
Zur Detektion der Fehlerzustände, wie etwa der Wälzlagerschäden, werden Merkmale herangezogen, die schon vielfach Anwendung im Bereich der Spracherkennung, der Sprechererkennung oder der Klassifikation von akustischen Szenen gefunden haben. Diese Features wurden jedoch im Stand der Technik nicht zur Detektion von Fehlerzuständen an einem Fahrzeug mit Hilfe von Luftschallaufnahmen herangezogen.
Es kann weiterhin bevorzugt sein, dass das Verfahren die weiteren Verfahrensschritte aufweist:

d) Trainieren eines Klassifikators mit dem wenigstens einen Merkmal unter Verwendung von Trainingsdaten und Validierungsdaten oder Definieren eines Klassifikators; wobei
e) Verfahrensschritt c) durchgeführt wird unter Anwendung des Klassifikators.

Der Klassifikator dient insbesondere dazu, aus dem wenigstens einen Merkmal, wie beispielsweise aus dem ermittelten Cepstrum, die detektierten akustischen Signale einem Fehlerfall beziehungsweise einer Beschädigung zuzuordnen. Alternativ kann bei Ausbleiben entsprechender Merkmale auch der Schluss gezogen werden, dass eben kein Fehlerzustand vorliegt und das Fahrzeug somit keinen Service benötigt.
Der Klassifikator kann dabei beispielsweise modellbasiert definiert und anschließend angewendet werden.
Bevorzugt kann der Klassifikator jedoch insbesondere basierend auf den erfassten Merkmalen trainiert werden. Hierzu können Trainingsdaten und Validierungsdaten gesammelt und der Klassifikator so trainiert und validiert werden. Nach Validierung des Klassifikators kann dieser dann entsprechend in einer Zustandsdiagnose angewendet werden.
Durch die Verwendung eines Klassifikators kann das Erkennen der Merkmale beziehungsweise akustische Signale, welche auf einen Fehlerzustand hinweisen können, noch weiter verbessert werden.
Für die Gewinnung der auch als Features bezeichneten Merkmale kann ein relativ einfacher Klassifikator verwendet werden. Die Anzahl der zu optimierenden Parameter und die zu deren Optimierung benötigten Trainingsdaten ist somit gering. Dies ermöglicht einen schnellen und kostengünstigen Trainingsprozess und reduziert sogleich das Risiko einer Überanpassung des Klassifikators. Diese Aspekte stellen entscheidende wirtschaftliche und technische Vorteile gegenüber Lösungen dar, die entweder auf eine Vielzahl von unterschiedlichen Merkmalen angewiesen sind oder die einen auf Deep Learning basierenden Ende-zu-Ende Ansatz verfolgen.
Es kann bevorzugt sein, wenn der Klassifikator mindestens ein künstliches neuronales Netz umfasst. Insbesondere unter Verwendung eines künstlichen neuronalen Netzes kann ein effektives Anlernen erfolgen und so sichergestellt werden, dass auftretende Fehler sicher erkannt werden.
Beispielsweise kann es von Vorteil sein, dass wenigstens ein verwendetes neuronale Netz ein Multilayer-Perzeptron (MLP), genauer bevorzugt ein fully-connected feed-forward Multi-Layer Perceptron (MLP), umfasst. Das MLP besteht aus einer Eingangsschicht, zwei versteckten Schichten und einer Ausgangsschicht. Die Breite der Eingangsschicht und der Ausgangschicht sind durch die Anzahl der verwendeten Merkmale und der Anzahl der Klassen fest vorgegeben. Die Breite der versteckten Schichten ist frei wählbar. Auf die erste und die zweite versteckte Schicht folgt jeweils eine frei wählbare Aktivierungsfunktion. Auf die Ausgangschicht folgt eine Softmax-Funktion. Die Netzwerkparameter werden durch Rückpropagierung eines zu minimierenden Fehlers in einem überwachten Lernverfahren optimiert. Dies erfolgt durch ein Gradientenabstiegsverfahren wie z.B. dem Adam Optimierungsalgorithmus. Als Fehler- bzw. Kostenfunktion dient etwa der Cross-Entropy Loss. Es wird so erlaubt, eine besonders anpassbare Überprüfung und Diagnose zu ermöglichen und so möglichst umfänglich Fehler zu detektieren.
Bevorzugt kann Verfahrensschritt a) unter Verwendung wenigstens zweier akustischer Sensoren erfolgen. Durch diese Maßnahme können Messsignale des ersten Sensors und des zweiten Sensors miteinander kombiniert bewertet werden, wodurch eine Bewertungsgenauigkeit und -zuverlässigkeit verbessert wird.
Darüber hinaus kann es durch das Verwenden zweier oder mehrerer akustischer Sensoren erlaubt werden, dass auch eine Richtung und/oder eine Entfernung der Schallquelle relativ zu den Sensoren möglich ist. Somit kann nicht nur die Art des fehlerbehafteten Bauteils sondern auch dessen konkrete Position ermittelt werden. Die Diagnose kann so noch genauer ausgeführt werden.
Weiter bevorzugt kann ein Mikrophonarray beziehungsweise ein Array aus einer Mehrzahl an Sensoren verwendet werden, wie bereits vorstehend beschrieben.
Weiterhin ist es hilfreich, wenn zumindest ein Sensor unterflur mit einem Wagenkasten des Fahrzeugs verbindbar ist. Weiter bevorzugt kann wenigstens ein Sensor am Drehgestell oder Unterboden des Wagenkastens eines Schienenfahrzeugs angeordnet sein. In dieser Ausgestaltung kann eine besonders vorteilhafte Herstellung ermöglicht werden. Denn im Wagenkasten kann dann eine Recheneinheit angeordnet sein, die als Auswerteeinheit dienen kann, so dass durch eine räumliche Nähe die Daten des Sensors ohne aufwändige Peripherie ausgewertet werden können. Es werden vielmehr kurze Signalwege zwischen dem Sensor und der Recheneinheit und somit eine hohe Verbindungsqualität erzielt. Darüber hinaus sind ein Fahrwerkstausch sowie Nach- und Umrüstvorgänge dadurch einfach durchführbar, da keine Signalverbindungen zwischen dem Fahrwerk und dem Wagenkasten vorgesehen sein müssen.
Durch eine Unterflurverbindung eines Sensors mit dem Wagenkasten wird ferner eine hängende Anordnung des ersten Sensors, wobei dieser beispielsweise in den Fahrwerkszwischenraum hineinragt, ermöglicht.
Hinsichtlich weiterer Vorteile und technischer Merkmale des Verfahrens wird hiermit auf die Beschreibung des Systems, des Fahrzeugs, die Figuren und die Beschreibung der Figuren verwiesen, und umgekehrt.
Beschrieben wird ferner ein System zum Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und Überwachung für Fahrzeuge, insbesondere für ein Antriebssystem eines Schienenfahrzeugs, wobei zumindest ein akustischer Sensor und zumindest eine Recheneinheit vorgesehen sind, welche miteinander signalübertragend verbunden sind, wobei es ferner vorgesehen ist, dass die Recheneinheit dazu ausgebildet ist, ein Verfahren wie vorstehend beschrieben auszuführen.
Die hier beschrieben Vorrichtung ist somit insbesondere dazu ausgebildet, ein Verfahren wie vorstehend beschrieben auszuführen. Dies kann in für den Fachmann verständlicher Weise durch die Implementierung entsprechender Software auf der Recheneinheit beziehungsweise eines Speichers hiervon realisierbar sein. Bevorzugt kann die Recheneinheit hierzu einen Klassifikator aufweisen. Entsprechend ergeben sich im Wesentlichen die vorstehend beschriebenen Vorteile. Es wird somit eine sichere Detektion und Diagnose von Fehlerzuständen des Fahrzeugs möglich. Dadurch können eine verlässliche Überwachung und Diagnose hinsichtlich Fehlerzuständen möglich sein.
Hinsichtlich weiterer Vorteile und technischer Merkmale des Systems wird hiermit auf die Beschreibung des Verfahrens, des Fahrzeugs die Figuren und die Beschreibung der Figuren verwiesen und umgekehrt.
Beschrieben wird ferner ein Fahrzeug, insbesondere ein Schienenfahrzeug, welches dadurch gekennzeichnet ist, dass das Fahrzeug ein vorbeschriebenes System zum Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und Überwachung für Fahrzeuge umfasst.
Aus dem Vorstehenden wird ersichtlich, dass sich im Wesentlichen die vorstehend beschriebenen Vorteile ergeben. Es wird somit eine sichere Detektion und Diagnose von Fehlerzuständen des Fahrzeugs möglich. Dadurch können eine verlässliche Überwachung und Diagnose hinsichtlich Fehlerzuständen möglich sein.
Hinsichtlich weiterer Vorteile und technischer Merkmale des Fahrzeugs wird hiermit auf die Beschreibung des Verfahrens, des Systems, die Figuren und die Beschreibung der Figuren verwiesen, und umgekehrt.
Weitere Einzelheiten, Merkmale und Vorteile des Gegenstandes der Erfindung ergeben sich aus den Unteransprüchen sowie aus der nachfolgenden Beschreibung der Figuren. In den Figuren zeigen:

1 Einen schematischen Grundriss eines Ausschnitts aus einem beispielhaften Fahrwerk eines Schienenfahrzeugs mit in einem Fahrwerkszwischenraum angeordneten akustischen Sensoren einer beispielhaften ersten Ausführungsvariante einer erfindungsgemäßen Vorrichtung;
2 Einen schematischen Grundriss eines Ausschnitts aus einem beispielhaften Fahrwerk eines Schienenfahrzeugs mit an Fahrwerksaußenseiten angeordneten akustischen Sensoren einer beispielhaften zweiten Ausführungsvariante einer erfindungsgemäßen Vorrichtung; und
3 Einen schematischen Seitenriss eines Ausschnitts aus einem beispielhaften Schienenfahrzeug mit an einer Unterseite eines Wagenkastens angeordneten akustischen Sensoren einer beispielhaften dritten Ausführungsvariante einer erfindungsgemäßen Vorrichtung; und
4 Ein Flussdiagramm zu einer beispielhaften Ausführungsvariante eines erfindungsgemäßen Verfahrens einschließlich der Verwendung eines trainierten Klassifikators.

1 zeigt einen schematischen Grundriss eines Ausschnitts aus einem beispielhaften Fahrwerk eines Schienenfahrzeugs mit auf bzw. an dem Fahrwerk angeordneten akustischen Sensoren einer beispielhaften ersten Ausführungsvariante einer erfindungsgemäßen Vorrichtung zur Diagnose und Überwachung für das Schienenfahrzeug, mit welcher ein entsprechendes erfindungsgemäßes Verfahren durchführbar ist. Das Fahrwerk kann grundsätzlich wählbar sein und etwa innengelagerte oder außengelagerte Fahrwerke umfassen.
Es sind ein erster Sensor 1, ein zweiter Sensor 2, ein dritter Sensor 3, ein vierter Sensor 4, ein fünfter Sensor 5, ein sechster Sensor 6, ein siebenter Sensor 7 sowie ein achter Sensor 8 vorgesehen, die in einem Fahrwerkszwischenraum 9, welcher von einem ersten Rad 10 und einem zweiten Rad 11 eines ersten Radsatzes 12 des Fahrwerks begrenzt ist, angeordnet sind. Der erste Sensor 1 ist mit einem ersten Längsträger 14 eines Fahrwerksrahmens 16 des Fahrwerks verschraubt, der zweite Sensor 2 mit einem zweiten Längsträger 15 des Fahrwerksrahmens 16, der dritte Sensor 3 mit einem ersten Radsatzlagergehäuse 17 des Fahrwerks, der vierte Sensor 4 mit einem zweiten Radsatzlagergehäuse 18 des Fahrwerks, der fünfte Sensor 5 mit einem ersten Schwingarm 19 einer ersten Radsatzführungsvorrichtung 21 des Fahrwerks, der sechste Sensor 6 mit einem zweiten Schwingarm 20 einer zweiten Radsatzführungsvorrichtung 22 des Fahrwerks, der siebente Sensor 7 mit einem Motorgehäuse eines Motors 23 des Fahrwerks und der achte Sensor 8 mit einem Getriebegehäuse eines Getriebes 24 des Fahrwerks.
Der Motor 23 und das Getriebe 24 sind mit dem Fahrwerksrahmen 16 verbunden, das Getriebe 24 ist mit dem ersten Radsatz 12 gekoppelt. Zur Übertragung von Antriebskräften und - Drehmomenten ist dem Motor 23 und dem Getriebe 24 eine Kupplung 25 zwischengeordnet.
Über das erste Radsatzlagergehäuse 17, eine erste Primärfeder 26 und die erste Radsatzführungsvorrichtung 21 sowie ein zweites Radsatzlager, das zweite Radsatzlagergehäuse 18, eine zweite Primärfeder 27 und die zweite Radsatzführungsvorrichtung 22 ist der erste Radsatz 12 mit dem Fahrwerksrahmen 16 gekoppelt. Das Fahrwerk weist einen nicht gezeigten zweiten Radsatz auf, welcher über weitere Radsatzlager, weitere Radsatzlagergehäuse, weitere Primärfedern und weitere Radsatzführungsvorrichtungen, die ebenfalls nicht dargestellt sind, mit dem Fahrwerksrahmen 16 verbunden ist.
Der erste Sensor 1, der zweite Sensor 2, der dritte Sensor 3, der vierte Sensor 4, der fünfte Sensor 5, der sechste Sensor 6 und der siebente Sensor 7 sind als Messmikrofone ausgebildet. Der achte Sensor 8 ist als Mikrofonarray, d.h. als Mikrofonverband, mit einer ersten Messzelle 28, einer zweiten Messzelle 29 und einer dritten Messzelle 30 ausgeführt. Die Messmikrofone, die erste Messzelle 28, die zweite Messzelle 29 und die dritte Messzelle 30 sind beispielsweise als omnidirektionale Kondensator-Freifeldmikrofone mit Dauerpolarisation ausgebildet, können jedoch eine grundsätzlich wählbare Bauform beziehungsweise Betriebsart aufweisen.
Weiterhin weist der erste Sensor 1 eine erste Digitalisierungseinheit 31, der zweite Sensor 2 eine zweite Digitalisierungseinheit 32, der dritte Sensor 3 eine dritte Digitalisierungseinheit 33, der vierte Sensor 4 eine vierte Digitalisierungseinheit 34, der fünfte Sensor 5 eine fünfte Digitalisierungseinheit 35, der sechste Sensor 6 eine sechste Digitalisierungseinheit 36, der siebente Sensor 7 eine siebente Digitalisierungseinheit 37 und der achte Sensor 8 eine achte Digitalisierungseinheit 38 auf, in welchen eine Digitalisierung 39 von akustischen Messsignalen durchgeführt wird.
Der erste Sensor 1 ist im akustischen Nahfeld des ersten Rads 10, der zweite Sensor 2 im akustischen Nahfeld des zweiten Rads 11 angeordnet. Es werden mittels des ersten Sensors 1 und des zweiten Sensors 2 Rädergeräusche aufgezeichnet, um Radpolygone, Flachstellen etc. zu detektieren.
Der dritte Sensor 3 und der fünfte Sensor 5 sind im akustischen Nahfeld des ersten Radsatzlagers sowie der ersten Primärfeder 26 angeordnet, der vierte Sensor 4 und der sechste Sensor 6 im akustischen Nahfeld des zweiten Radsatzlagers sowie der zweiten Primärfeder 27.
Mittels des dritten Sensors 3, des vierten Sensors 4, des fünften Sensors 5 und des sechsten Sensors 6 werden Radsatzlagergeräusche aufgezeichnet, um Lagerschäden zu detektieren. Weiterhin können damit Federparameter der ersten Primärfeder 26 und der zweiten Primärfeder 27 identifiziert werden.
Der siebente Sensor 7 ist im akustischen Nahfeld der Kupplung 25 zur Aufzeichnung von Kupplungsgeräuschen und zur Detektion von Kupplungsschäden angeordnet.
Die erste Messzelle 28 des achten Sensors 8 ist im akustischen Nahfeld eines nicht sichtbaren Ritzels angeordnet, die zweite Messzelle 29 im akustischen Nahfeld einer nicht sichtbaren Getriebestufe und die dritte Messzelle 30 im akustischen Nahfeld eines nicht sichtbaren Großrads. Mittels des achten Sensors 8 werden Getriebegeräusche aufgezeichnet, um Getriebeschäden zu detektieren. Aufgrund des Mikrofonverbands aus der ersten Messzelle 28, der zweiten Messzelle 29 und der dritten Messzelle 30 ist eine Lokalisierung der Getriebegeräusche möglich. Zeichnet beispielsweise die erste Messzelle 28 akustische Messsignale auf, deren Schalldruckpegel größer sind als ein für die Messsignale der ersten Messzelle 28 definierter Grenzwert, so weist dies auf einen Schaden am Ritzel hin.
Die erste Digitalisierungseinheit 31, die zweite Digitalisierungseinheit 32, die dritte Digitalisierungseinheit 33, die vierte Digitalisierungseinheit 34, die fünfte Digitalisierungseinheit 35, die sechste Digitalisierungseinheit 36, die siebente Digitalisierungseinheit 37 und die achte Digitalisierungseinheit 38 weisen in 1 nicht gezeigte Antennen auf, mittels welchen von dem ersten Sensor 1, dem zweiten Sensor 2, dem dritten Sensor 3, dem vierten Sensor 4, dem fünften Sensor 5, dem sechsten Sensor 6, dem siebenten Sensor 7 und dem achten Sensor 8 aufgezeichnete Messignale an eine ebenfalls in 1 nicht dargestellte Recheneinheit 40 übermittelt werden.
Die Recheneinheit 40 ist in einem in 1 nicht gezeigten Wagenkasten 41 des Schienenfahrzeugs angeordnet und über ein Kabel mit einer in 1 nicht dargestellten, funkbasierten Datenübertragungseinheit 42 im Dachbereich des Wagenkastens 41 verbunden. Jedoch kann die Recheneinheit 40 auch unterflur des Wagenkastens 41 ausgebildet sein.
Der erste Sensor 1, der zweite Sensor 2, der dritte Sensor 3, der vierte Sensor 4, der fünfte Sensor 5, der sechste Sensor 6, der siebente Sensor 7 sowie der achte Sensor 8 sind über in 1 nicht sichtbare Batterien mit Elektrizität versorgt.
Die Recheneinheit 40 und die Datenübertragungseinheit 42 sind über eine in 1 nicht gezeigte Stromversorgungseinrichtung des Schienenfahrzeugs gespeist oder können auch anderweitig mit Energie versorgt werden, etwa batteriebasiert.
In der Recheneinheit 40 wird eine Auswertung der digitalisierten Messsignale durchgeführt, wie sie im Zusammenhang mit 4 beschrieben ist. Ergebnisdaten aus dieser Auswertung werden über das Kabel an die Datenübertragungseinheit 42 übermittelt und von dort über Funk an eine in 1 nicht dargestellte Wartungseinrichtung, d.h. an eine Infrastruktureinrichtung, außerhalb des Schienenfahrzeugs gesendet.
In 2 ist ein schematischer Grundriss eines Ausschnitts aus einem beispielhaften Fahrwerk eines Schienenfahrzeugs mit an Fahrwerksaußenseiten angeordneten akustischen Sensoren einer beispielhaften zweiten Ausführungsvariante einer erfindungsgemäßen Vorrichtung zur Diagnose und Überwachung für das Schienenfahrzeug offenbart.
An einer Außenseite eines Fahrwerksrahmens 16 sind ein erster Sensor 1 und ein zweiter Sensor 2 vorgesehen, welche als Mikrofone und somit als akustische Sensoren ausgebildet sind. Der erste Sensor 1 ist über eine erste Digitalisierungseinheit 31 seitlich mit einem ersten Längsträger 14 des Fahrwerksrahmens 16 verbunden, der zweite Sensor 2 über eine zweite Digitalisierungseinheit 32 seitlich mit dem ersten Längsträger 14.
Der erste Längsträger 14 ist über einen Querträger 43 mit einem in 2 nicht gezeigten, dem ersten Längsträger 14 gegenüberliegend angeordneten zweiten Längsträger verbunden. Mit dem Fahrwerksrahmen 16 sind über ein erstes Radsatzlager 44 und ein zweites Radsatzlager 45 sowie, in 2 nicht dargestellt, über ein drittes Radsatzlager und ein viertes Radsatzlager ein erster Radsatz 12 und ein zweiter Radsatz 13 gekoppelt. Weiterhin sind zwischen dem Fahrwerksrahmen 16 einerseits und dem ersten Radsatz 12 sowie dem zweiten Radsatz 13 andererseits eine erste Primärfeder 26, eine zweite Primärfeder 27 sowie, in 2 nicht gezeigt, eine dritte Primärfeder und eine vierte Primärfeder vorgesehen. Zwischen dem Fahrwerksrahmen 16 und einem in 2 nicht dargestellten Wagenkasten 41 des Schienenfahrzeugs ist eine erste Sekundärfeder 46 und eine in 2 nicht gezeigte zweite Sekundärfeder, welche mit dem Querträger 43 verbunden sind, angeordnet.
Ein Fahrwerkszwischenraum 9 ist in der beispielhaften zweiten Ausführungsvariante einer erfindungsgemäßen Vorrichtung zwischen dem ersten Längsträger 14 und dem zweiten Längsträger vorgesehen. In dem Fahrwerkszwischenraum 9 sind in der beispielhaften zweiten Ausführungsvariante jedoch keine Sensoren vorgesehen.
Der erste Sensor 1 erfasst Geräusche des ersten Radsatzlagers 44 und der ersten Primärfeder 26, der zweite Sensor 2, zeitsynchron zu dem ersten Sensor 1, Geräusche des zweiten Radsatzlagers 45 und der zweiten Primärfeder 27. Dadurch können Lager- und Federschäden detektiert sowie Federparameter identifiziert werden.
Erste Messsignale des ersten Sensors 1 und zweite Messsignale des zweiten Sensors 2 werden in einer in dem Wagenkasten 41 angeordneten Recheneinheit 40, wie sie beispielsweise in 3 für eine beispielhafte dritte Ausführungsvariante einer erfindungsgemäßen Vorrichtung offenbart ist, ausgewertet. Dabei wird, aufgrund ihrer vorteilhaft zeitsynchronen Erfassung, eine Phasenbeziehung zwischen den ersten Messsignalen und den zweiten Messsignalen berücksichtigt, wodurch Geräuschereignisse wie beispielsweise ein Überfahren von Schienenstößen erkannt und kategorisiert werden können.
Der erste Sensor 1 und der zweite Sensor 2 sind im Hinblick auf eine Elektrizitätsversorgung und eine Datenübermittlung an die Recheneinheit 40 beispielsweise gleich wie jene Sensoren ausgeführt, welche im Zusammenhang mit 1 beschrieben sind. Die Recheneinheit 40 ist, wie im Zusammenhang mit 1 für eine beispielhafte erste Ausführungsvariante einer erfindungsgemäßen Vorrichtung beschrieben, mit einer Datenübertragungseinheit 42 verbunden, welche in dem Wagenkasten 41 angeordnet ist und über welche aus den ersten Messsignalen und den zweiten Messsignalen gebildete Diagnose- und Überwachungsdaten an eine Infrastruktureinrichtung außerhalb des Schienenfahrzeugs gesendet werden.
In 3 ist ein schematischer beispielsweise im Vergleich zur 1 stark vereinfachter Seitenriss eines Ausschnitts aus einem beispielhaften Schienenfahrzeug mit einem Fahrwerk und mit unterflur, an einer Unterseite eines Wagenkastens 41 angeordneten akustischen Sensoren einer beispielhaften dritten Ausführungsvariante einer erfindungsgemäßen Vorrichtung gezeigt.
Das Fahrwerk weist einen Fahrwerksrahmen 16 auf, welcher über eine erste Sekundärfeder 46 sowie eine in 3 nicht gezeigte zweite Sekundärfeder mit dem Wagenkasten 41 gekoppelt ist. Mit dem Fahrwerksrahmen 16 sind, über in 3 nicht dargestellte Radsatzlager, Radsatzführungsvorrichtungen und Primärfedern, ein erster Radsatz 12 sowie ein zweiter Radsatz 13 gekoppelt.
Es sind ein erster Sensor 1 und ein zweiter Sensor 2 vorgesehen, welche als akustische Sensoren ausgebildet sind und von oben in einen Raum zwischen Rädern des ersten Radsatzes 12 und des zweiten Radsatzes 13 des Fahrwerks bzw. zwischen zwei Längsträgern des Fahrwerksrahmens 16, d.h. in einen Fahrwerkszwischenraum 9, hineinragend angeordnet sind. Der Fahrwerkszwischenraum 9 ist nach oben von Räderobergrenzen und nach unten von Räderuntergrenzen begrenzt.
Es ist jedoch auch möglich, dass der erste Sensor 1 und der zweite Sensor 2 im Bereich des Fahrwerksrahmens 16, beispielsweise in Ausnehmungen des Fahrwerksrahmens 16, vorgesehen sind und der Fahrwerkszwischenraum 9 nach oben von einer Fahrwerksrahmenoberkante sowie nach unten von einer Fahrwerksrahmenunterkante begrenzt ist.
Ferner sind ein dritter Sensor 3 und ein vierter Sensor 4 gezeigt, welche unmittelbar unterhalb des Wagenkastens 41 angeordnet sind. Dies zeigt die Variabilität der Positionierung der akustischen Sensoren im Rahmen der vorliegenden Erfindung.
Der erste Sensor 1 ist mit einem ersten Halter 47 verbunden, der zweite Sensor 2 mit einem zweiten Halter 48. Der erste Halter 47 und der zweite Halter 48 sind mit der Unterseite des Wagenkastens 41 verbunden. Es ist zu erkennen, dass die Ausgestaltung gemäß 3 innengelagerte Radsätze 12, 13 aufweist.
Der erste Sensor 1 ist im Bereich eines ersten Rad-Schiene-Kontakts des ersten Radsatzes 12 angeordnet, der zweite Sensor 2 im Bereich eines zweiten Rad-Schiene-Kontakts des zweiten Radsatzes 13.
Dadurch werden Rädergeräusche von dem ersten Sensor 1 als erste Messsignale und von dem zweiten Sensor 2 als zweite Messsignale zeitsynchron erfasst, mittels einer ersten Digitalisierungseinheit 31 des ersten Sensors 1 sowie einer zweiten Digitalisierungseinheit 32 des zweiten Sensors 2 digitalisiert und danach an eine in dem Wagenkasten 41 angeordnete Recheneinheit 40 übermittelt.
Die erste Digitalisierungseinheit 31 und die zweite Digitalisierungseinheit 32 sind als Analog-Digital-Umsetzer ausgeführt.
Zur Übertragung der digitalisierten ersten Messsignale und der digitalisierten zweiten Messsignale weist die erste Digitalisierungseinheit 31 eine erste Antenne 49 auf, die zweite Digitalisierungseinheit 32 ist über ein erstes Kabel 52, welches in dem hohl ausgebildeten zweiten Halter 48 geführt ist, mit der Recheneinheit 40 verbunden. Die Recheneinheit 40 weist zum Empfang von Funksignalen, die von der ersten Antenne 49 abgestrahlt werden, eine zweite Antenne 50 auf.
In der Recheneinheit 40 werden die digitalisierten ersten Messsignale und die digitalisierten zweiten Messsignale, wie im Zusammenhang mit 4 beschrieben, gefiltert und analysiert. So ermittelte Zustandsindikatoren werden aus einer mit der Recheneinheit 40 verbundenen Datenspeichereinheit 55 als Ergebnisdaten über ein zweites Kabel 53, einen als Multifunction Vehicle Bus (MVB) ausgeführten Datenbus 56 sowie ein drittes Kabel 54 an eine Datenübertragungseinheit 42 übermittelt.
Über den Datenbus 56 werden die Ergebnisdaten auch in einen nicht gezeigten Führerstand des Schienenfahrzeugs übertragen, wo einem Triebfahrzeugführer über eine Anzeige auf Grundlage der Zustandsindikatoren schadhafte, verschlissene oder fehlerfreie Zustände der Räder angezeigt werden.
Erfindungsgemäß ist es jedoch auch vorstellbar, die Ergebnisdaten ohne Zwischenschaltung des Datenbusses 56 an die Datenübertragungseinheit 42 zu übermitteln.
Die Datenübertragungseinheit 42 ist im Dachbereich des Wagenkastens 41 angeordnet und weist eine dritte Antenne 51 auf. Über die dritte Antenne 51 werden die Zustandsindikatoren an eine nicht dargestellte Infrastruktureinrichtung außerhalb des Schienenfahrzeugs übermittelt.
Die Infrastruktureinrichtung ist als Wartungsstand für das Schienenfahrzeug ausgebildet und es werden darin auf Grundlage der übermittelten Zustandsindikatoren, d.h. auf Grundlage von Diagnose- und/oder Überwachungsinformationen, Wartungs- und/oder Instandhaltungsmaßnahmen geplant (z.B. wird eine Ersatzteilbeschaffung eingeleitet).
Für das Training werden Daten (Trainings- und Validierungsdaten) gesammelt anhand derer das Detektions-/Klassifikationsverfahren entworfen und optimiert wird. Das resultierende Verfahren kann dann in der Anwendungsphase 58 zu Detektion/Klassifikation eingesetzt werden.
In der 4 ist ein Flussdiagramm gezeigt, welches ein erfindungsgemäßes Verfahren zur Überwachung und Diagnose des Fahrzeugs beschreibt. Dabei wird in der 4 eine beispielhafte Ausgestaltung gezeigt, in welcher ein Klassifikator zunächst trainiert und anschließend angewendet wird, um das beschriebene Verfahren auszuführen.
Die 4 zeigt zunächst auf der linken Seite die Trainingsphase 57 zum Trainieren des Klassifikators und auf der rechten Seite die Anwendungsphase 58, in welcher der Klassifikator angewendet wird.
In der Trainingsphase 57 findet zunächst eine Datensammlung 59 statt, wobei die gesammelten Daten in Trainingsdaten 60 und Validierungsdaten 61 aufgeteilt werden. Es findet eine Merkmalsextraktion 62, 63 statt, um die Merkmale aus dem Trainingsdaten 60 und Validierungsdaten 62 zu extrahieren. Basierend auf den Trainingsdaten 60 beziehungsweise den extrahierten Merkmalen findet ein Training 64 des Klassifikators statt.
Die so entstehenden Daten fließen in die Validierung 65 ein und erlauben eine Validierung 65 des Klassifikators. Bei Bedarf wird die Trainingsphase inkl. Validierung wiederholt. Ein iteratives Vorgehen ist ebenfalls möglich.
Bezugnehmend auf die Anwendungsphase 58 findet zunächst eine Datensammlung 66 statt. Dies erfolgt erfindungsgemäß durch den Verfahrensschritt a) und damit durch das Empfangen eines akustischen Luftschallsignals durch wenigstens einen akustischen Sensor (1, 2, 3, 4, 5, 6, 7, 8). Hierzu werden die vorgesehenen Mikrophone beziehungsweise akustischen Sensoren, also insbesondere der erste Sensor 1, der zweite Sensor 2, der dritte Sensor 3, der vierte Sensor 4, der fünfte Sensor 5, der sechste Sensor 6, der siebente Sensor 7 sowie der achte Sensor 8, verwendet.
Weiterhin erfolgt eine Merkmalsextraktion 67, wobei in diesem Schritt gemäß Verfahrensschritt b) ein Bestimmen wenigstens eines Merkmals aus dem Luftschallsignal erfolgt. Das Merkmal ist dabei insbesondere ein aus der Spracherkennung bekanntes sogenanntes Feature.
Basierend auf dem so bestimmten Merkmal oder den so bestimmten Merkmalen kann ein Anwendung 68 des Klassifikators erfolgen, wobei die Daten aus der Validierung 65 beziehungsweise aus dem validierten Klassifikator zusätzlich in die Anwendung 68 des Klassifikators einfließen. Durch die Anwendung 68 des Klassifikators kann eine Zustandsdiagnose 69 erfolgen. Eine derartige Zustandsdiagnose 69 umfasst gemäß dem Verfahrensschritt c) Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und einer Überwachung wenigstens eines Fahrzeugbauteils basierend auf wenigstens einem in Verfahrensschritt b) bestimmten Merkmal.
Entsprechend werden die Überwachung und Diagnose einer Komponente in der hier beschriebenen nicht beschränkenden Ausgestaltung mittels eines merkmalsbasierten Klassifikationsansatzes, der auf der Analyse von Luftschallaufnahmen beruht, gelöst. Die verwendeten Merkmale (engl. Features) entsprechen dem Stand der Technik für Aufgaben in den Bereichen der Spracherkennung, der Sprechererkennung und der Klassifikation von akustischen Szenen. Beispielsweise aber nicht beschränkend werden die sog. Mel-Frequency Cepstral Coefficients (MFCCs) aus Luftschallaufnahmen extrahiert. Die MFCCs ermöglichen eine kompakte Repräsentation des Spektrums eines Signals, indem sie das Cepstrum eines Signals mit einer näherungsweise logarithmischen Skalierung der Frequenzachse kombinieren.
Das Cepstrum eines Signals wird durch Anwendung der inversen Fourier-Transformation für zeitdiskrete Signale auf den logarithmierten Betrag der zeitdiskreten Fourier-Transformation des Signals gewonnen. Zur Berechnung der MFCCs wird das Signal zunächst in einzelne Fenster durch eine Fensterung aufgeteilt. Daraufhin wird für jedes dieser Fenster eine N-wertige diskrete Fourier-Transformation durchgeführt. Das Leistungsbetragsspektrum wird dann mit einer Mel-Filterbank, die aus überlappenden dreieckigen Filtern besteht, gefiltert. Schließlich werden die MFCCs durch die inverse diskrete Kosinustransformation der logarithmierten Filterbankenergien generiert. Die so gewonnenen Merkmale werden dann herangezogen, um ein künstliches neuronales Netz, das als Klassifikator fungiert, zu trainieren.
Der Klassifikator umfasst beispielsweise und in keiner weise beschränkend wenigstens ein neuronales Netz, wie etwa ein fully-connected feed-forward Multi-Layer Perceptron (MLP). Das MLP besteht aus einer Eingangsschicht, zwei versteckten Schichten und einer Ausgangsschicht. Die Breite der Eingangsschicht und der Ausgangschicht sind durch die Anzahl der verwendeten Merkmale und der Anzahl der Klassen beispielsweise fest vorgegeben. Die Breite der versteckten Schichten ist frei wählbar. Auf die erste und die zweite versteckte Schicht folgt jeweils eine frei wählbare Aktivierungsfunktion. Auf die Ausgangschicht folgt eine Softmax-Funktion. Die Netzwerkparameter werden durch Rückpropagierung eines zu minimierenden Fehlers in einem überwachten Lernverfahren optimiert. Dies erfolgt durch ein Gradientenabstiegsverfahren wie z.B. dem Adam Optimierungsalgorithmus. Als Fehler- bzw. Kostenfunktion dient der Cross-Entropy Loss.
Obwohl die Erfindung im Detail durch das bevorzugte Ausführungsbeispiel näher illustriert und beschrieben wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.

Claims

Verfahren zum Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und Überwachung für Fahrzeuge, insbesondere für ein Antriebssystem eines Schienenfahrzeugs, zumindest aufweisend die folgenden Verfahrensschritte: a) Empfangen eines akustischen Luftschallsignals durch wenigstens einen akustischen Sensor (1, 2, 3, 4, 5, 6, 7, 8); b) Bestimmen wenigstens eines Merkmals aus dem Luftschallsignal; und c) Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und einer Überwachung wenigstens eines Fahrzeugbauteils basierend auf wenigstens einem in Verfahrensschritt b) bestimmten Merkmal.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die bei Verfahrensschritt b) bestimmten Merkmale zumindest das Cepstrum des Luftschallsignals umfassen.
Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass bei Verfahrensschritt b) Mel-Frequency Cepstral Koeffizienten aus dem empfangenen Luftschallsignal extrahiert werden.
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass bei Verfahrensschritt b) LPC-Koeffizienten aus dem empfangenen Luftschallsignal extrahiert werden.
Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass bei Verfahrensschritt b) PLP-Koeffizienten aus dem empfangenen Luftschallsignal extrahiert werden.
Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass bei Verfahrensschritt b) Log-Mel-Spektraldaten aus dem empfangenen Luftschallsignal extrahiert werden.
Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass bei Verfahrensschritt b) Amplitudenmodulations-Spektraldaten aus dem empfangenen Luftschallsignal extrahiert werden.
Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass das Verfahren die weiteren Verfahrensschritte aufweist: d) Trainieren eines Klassifikators mit dem wenigstens einen Merkmal unter Verwendung von Trainingsdaten und Validierungsdaten oder Definieren eines Klassifikators; wobei e) Verfahrensschritt c) durchgeführt wird unter Anwendung des Klassifikators.
Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass als Klassifikator wenigstens ein künstliches neuronales Netz verwendet wird.
Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass das neuronale Netz ein Multilayer-Perzeptron umfasst.
Verfahren nach einem der Ansprüche 1 bis 10, dadurch gekennzeichnet, dass Verfahrensschritt a) unter Verwendung wenigstens zweier akustischer Sensoren (1, 2, 3, 4, 5, 6, 7, 8) erfolgt.
Verfahren nach Anspruch 11, dadurch gekennzeichnet, dass die wenigstens zwei akustische Sensoren als Mikrofon-Array ausgestaltet sind.
Verfahren nach einem der Ansprüche 1 bis 12, dadurch gekennzeichnet, dass wenigstens ein akustischer Sensor (1, 2, 3, 4, 5, 6, 7, 8) am Drehgestell oder Unterboden des Wagenkastens eines Schienenfahrzeugs angeordnet ist.
Verfahren nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, dass wenigstens ein akustischer Sensor (1, 2, 3, 4, 5, 6, 7, 8) eine Digitalisierungseinheit (31, 32, 33, 34, 35, 36, 37, 38) umfasst.
System zum Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und Überwachung für Fahrzeuge, insbesondere für ein Antriebssystem eines Schienenfahrzeugs, wobei zumindest ein akustischer Sensor (1, 2, 3, 4, 5, 6, 7, 8) und zumindest eine Recheneinheit (40) vorgesehen sind, welche miteinander signalübertragend verbunden sind, dadurch gekennzeichnet, dass die Recheneinheit (40) dazu ausgebildet ist, ein Verfahren nach einem der Ansprüche 1 bis 14 auszuführen.
Fahrzeug, insbesondere Schienenfahrzeug, dadurch gekennzeichnet, dass das Fahrzeug ein System zum Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und Überwachung für Fahrzeuge gemäß Anspruch 15 umfasst.