-
Die
Erfindung betrifft ein Verfahren zur Erkennung und Überwachung
der Bewegung bei Fahrzeugen, gemäß dem Oberbegriff
des Patentanspruchs 1.
-
Der
Fahrwerkszustand wird bisher von verschiedenen unterschiedlichen
Sensoren gemessen, welche die verschiedenen Parameter auf unterschiedlichste
Art erfassen. Die einen Messgrößen werden
beim Fahren, die anderen Messgrößen werden
bei Stillstand des Fahrzeugs ermittelt. So wird der Reifendruck
eines Reifens von einem Drucksensor erfasst, der beim Fahren den
Reifendruck misst. Des weiteren gibt es Messverfahren für Prüfstände die
bei Stillstand des Fahrzeuges den Reifenzustand und/oder die Dämpfer überprüfen. Auch sind
einfache Überwachungs-
und Steueralgorithmen zur Dämpfereinstellung
wie beispielsweise der Sky-Hook-Dämpfer bekannt. Die Fahrbahnbeschaffenheit
und damit die Fahrbahnunebenheiten können mit Hilfe von Ultraschall
gemessen werden. Auch sind verschiedene Verfahren bekannt die Witterungsverhältnisse zu
erfassen.
-
Die
im Zusammenhang mit Fahrwerksdiagnose und Regleroptimierung bekannten
Verfahren beruhen auf der Modellierung des Fahrwerks mittels Differentialgleichungen
und Einbettung derer in Zustandsbeobachter. Diese Verfahren erfordern
zur Bewertung des Zustandes des Gesamtfahrzeuges einen erheblichen
rechentechnischen und messtechnischen Aufwand, so dass diese Verfahren
nur für
reduzierte Anforderungen in der Praxis Eingang gefunden haben. Beispielhaft
seien folgende Literaturstellen und Patentschriften aufgeführt:
DE3608420C2 ,
DE4218087A1 ,
DE4019501A1 ,
DE3883212T2 ,
DE19909157A1 ,
DE4213221A1 ,
DE4235809C1 ,
DE19543137A1 ,
DE4440413A1 ,
DE4431794A1 ,
DE4435448A1 .
-
In
der Veröffentlichung: "Dynamik der Kraftfahrzeuge" von Manfred Mitschke
werden in der dritten Auflage im Band B Schwingungen von Kraftfahrzeugen
beschrieben und analysiert, die ein vierrädriges Kraftfahrzeug erzeugt,
welches über
eine unebene Fahrbahn fährt
und dabei ein Schwingungssystem darstellt. Hierbei wird gezeigt,
welchen Einfluss die verschiedenen Parameter auf das Schwingungssystem
Kraftfahrzeug haben. In diesem Buch werden die Parameter (z.B.:
Reifendruck, Radaufhängung,
Dämpfer
Unebenheiten, Motoranregung, Motordrehzahl) vorgestellt, die das
Schwingungssystem beeinflussen. Es werden Schwingungsgleichungen
in Abhängigkeit
von diesen Parametern aufgestellt. Als Lösung bzw. Lösungen dieser Schwingungsgleichungen
erhält
man Beschleunigungen, Relativstrecken und Kräfte, die dann zur Beurteilung
des Fahrwerksverhaltens und damit zur Feststellung von Komfort und
Fahrsicherheit dienen.
-
Nachteilig
bei diesen bekannten Verfahren zur Ermittlung des Fahrwerkzustandes
sind die hohen Kosten, die durch die direkte Sensierung der Messparameter
verursacht werden. Ein weiterer Nachteil ergibt sich aus der teilweise
sehr zeit- und kostenaufwendigen Berechnung komplizierter Schwingungssysteme
und den großen
Datenmengen, die innerhalb kürzester
Zeit verarbeitet werden müssen.
Ein weiterer ungünstiger
Umstand besteht darin, dass keine Mehrfachnutzung der Sensorsignale
möglich
ist.
-
In
der
DE 4218087 A1 wird
ein Verfahren zur Regelung der Dämpfung
des Fahrwerks eines Kraftfahrzeugs und/oder zur Diagnose des Fahrwerks
offenbart. Hierbei werden Prozessgrößen, welche mit einer vertikalen
Bewegung des Fahrzeugs zusammenhängen,
einem mathematischen Modell zugeführt, das den Zusammenhang zwischen
der vertikalen Beschleunigung eines Rades oder eines Aufbaus des Fahrzeugs
einerseits und anderen Prozessgrößen und
Parametern andererseits darstellt. Die Parameter des Modells werden mit
einem an sich bekannten Parameter-Schätzverfahren geschätzt und
zur Erzeugung einer Stellgröße zur Einstellung
der Dämpfung
und/oder als Diagnosedaten verwendet.
-
Nachteilig
hierbei ist gleichfalls die aufwendige Berechnung. Zuerst werden
mehrere Gleichungen aufgestellt die physikalische Zusammenhänge zwischen
den Messwerten und den Parametern beschreiben. Diese Gleichungen
enthalten mehrere unbekannte Parameter. Da die Anzahl der Gleichungen
nicht ausreicht, um jeden unbekannten Parameter exakt zu berechnen,
wird ein Parameter-Schätzverfahren
verwendet. Die aufwendig abgeschätzten
Parameter dienen dann wiederum zur Berechnung der physikalischen
Prozessgrößen, die
zur Regelung oder Diagnose des Fahrwerks benötigt werden.
-
Es
sind in der
EP 0554131
A1 Verfahren zur Sensierung des Reifenzustandes mittels
eines am Reifen angebrachten Sensor bekannt. Die Sensoren erfassen
die Drehgeschwindigkeit jedes Reifens. Ein weiterer Sensor erfasst
die Geschwindigkeit oder Beschleunigung des Fahrzeugs. Durch den
Vergleich dieser Werte untereinander werden Rückschlüsse auf den Reifendruck gezogen.
-
Nachteilig
hierbei ist neben den bereits oben genannten Nachteilen, dass sehr
viele Sensoren benötigt werden
um einen Zustand zu erkennen.
-
Die
Aufgabe der Erfindung ist es den Fahrwerkszustand insbesondere den
Reifendruck, den Rad- und Reifenzustand, den Dämpferzustand und die Dämpfereinstellungen,
die Fahrbahn-, bzw. Schienenbeschaffenheit und die Karosserieeigenbewegung
schnell, zuverlässig
und kostengünstig
zu überwachen.
Eine weitere Aufgabe der Erfindung besteht darin eine Optimierung
der Einstellparameter des Dämpfungssystems
im Bereich der Straßen-,
Schienen- und Luftfahrzeuge zu erzielen.
-
Die
Aufgabe wird erfindungsgemäß durch
die Merkmale im Patentanspruch 1 gelöst. Hierbei werden Sensoren
zur Erfassung von Beschleunigungen, Geschwindigkeiten, Strecken
und/oder Kräften
am Fahrwerk und an der Karosserie angebracht. Die Auswertung der
Sensorsignale erfolgt mit Hilfe eines Parameter-Schätzverfahrens.
Die Auswertung der hieraus gewonnenen Parameter erfolgt mit Hilfe
von Verfahren zur Mustererkennung, der Fuzzi-Techniken und/oder
neuronaler Netze Das heißt,
es werden nicht die Ursachen erfasst, die Bewegungen am Fahrwerk
bewirken und über
Schwingungsgleichungen die Bewegungen des Fahrzeugs berechnet, wobei
dann das hierbei erzielte Ergebnis zur Beurteilung des Fahrwerkszustandes dient.
Des Fahrwerkzustandes werden aus den einzelnen, verschiedenen Messwerten
Vektoren gebildet. Diese Vektoren, die nicht nur einzelne Meßwerte selbst,
sondern auch die Relation mehrerer Messwerte zueinander wiederspiegeln,
können
dann mit abgespeicherten Vektoren oder Vektorfeldern verglichen
werden, denen ein Fahrzeugzustand zugeordnet ist.
-
Der
Vorteil der Erfindung ist, dass mit einer im Vergleich zu bisherigen
Verfahren geringen Datenmenge sehr zuverlässige Aussagen über den
Fahrwerkszustand gemacht werden können, da die verschiedenen Konstellationen
der Meßwerte
zueinander auch eine Aussagekraft über den Fahrzeugzustand aufweisen. Auch
ist die Datenverarbeitung zu bisherigen Verfahren sehr gering, da
keine komplizierten Berechnungen benötigt werden, sondern nur Ergebnisvektoren
miteinander verglichen werden. Die Auswertung erfolgt sehr schnell,
so daß bei
Störungen
frühzeitig
in das System eingegriffen werden kann um z.B. größere Schäden zu verhindern.
Auch ist eine kostengünstige
Mehrfachnutzung der eingesetzten Sensoren von Vorteil, wodurch eine
Erhöhung
der Sicherheit, die Früherkennung
von Gefahrenzuständen
(z.B. die Alterung, bzw. Druckverlust in den Reifen) und eine Verbesserung
des Fahrkomforts erzielt wird. Ebenso bildet dies eine Möglichkeiten zur
Erkennung des Straßenzustandes
als Eingangssignal für
intelligente Bremsalgorithmen.
-
Das
vorgestellte Verfahren geht nun von einem gänzlich anderen Ansatz aus:
Die Sensorsignale werden ohne direkten Bezug zu mathematischen oder
physikalischen Modellen mit den Verfahren der Spracherkennung bearbeitet
und aus dem Vergleich der quantisierten Zustände wird auf den Zustand der
Fahrbahnbeschaffenheit und des Gesamt-Fahrwerks sowie einzelner
Komponenten geschlossen.
-
In
bekannter Weise werden an geeigneten Stellen des Fahrzeugs Sensoren
angebracht, die direkt oder indirekt die geforderten Messgrößen erfassen.
Im Bereich der Radnabe, des Fahrschemels oder des Dämpferdoms
angebrachte Sensoren erfassen vorrangig die Anregung, die, erzeugt
vom Straßenbelag, über Reifen
und Feder/Dämpferbein
auf die Karosserie wirken. Bevorzugt kommen hier Beschleunigungssensoren zum
Einsatz, jedoch sind auch Sensoren für Geschwindigkeit, Körperschall,
Druck, Kraft, Hub, Weg oder Winkel anwendbar. Die Anzahl und räumliche
Verteilung hängt
von den gestellten Anforderungen ab. Die Minimalausstattung ist
ein Sensor je Fahrzeug, die Maximalausstattung ein Sensor je Messgröße je Rad.
Zusätzlich kann
am Chassis mindestens ein Sensor zur Erfassung der Anregung, die über das
Fahrwerk auf die Karosserie einwirken, angebracht werden. Mit Hilfe
von Bewegungssensoren, wie beispielsweise Beschleunigung ( vorzugsweise),
Geschwindigkeit, Druck, Weg, Hub, Winkel, Position, Gierrate, Nickbewegung
oder Rollbewegung, kann aus der Bewegung des Chassis ein Maß für die Zuladung
oder die Einstellung der Dämpfer
gewonnen werden. Mit Hilfe von akustischen Sensoren, wie beispielsweise
Mikrofon oder Körperschallaufnehmer,
werden Schwingungen des Chassis, die von Bremsen, mechanischen Lagern,
Reifenprofil, Steinschlag oder Spritzwasser herrühren, erfasst. Getriggert mit
der Bremsbetätigung
können
hierdurch kritische Zustände der
Bremse ( Verschleiß,
Rubbeln, Quietschen ) ermittelt und bewertet werden. Ein akustischer
Sensor, am oder in der Nähe
des Radkastens angebracht, kann mittels der Sprachanalyse kritische
Fahrbahnbeschaffenheiten, wie Rollsplit oder Wasserfilm erkennen. Über die
räumliche
Anordnung des oder der Sensoren können bestimmte Messgrößen verstärkt oder
abgeschwächt
erfasst werden.
-
Diese
Messprinzipien sind bekannt und in der Fachliteratur beschrieben.
In der herkömmlichen
Praxis sind jeder Messaufgabe ein oder mehrere Sensoren zugeordnet.
Die Algorithmen, basierend auf Digitalfilter, statistischen Verfahren
und/oder Effektivwert-berechnungen, sind dediziert auf die Messaufgabe
abgestimmt.
-
Der
neue Ansatz geht von einer Mehrfachnutzung der Sensoren unter Anwendung
der Verfahren der Spracherkennung aus. Dadurch ergibt sich bei gleichen
Anforderungen an Sicherheit und Komfort ein wesentlicher Kosten-,
Raum-, u. Gewichtsvorteil. Der technische Aufwand für die Spracherkennung
bleibt in vertretbarem Rahmen.
-
Der
Anwendung der Verfahren der Spracherkennung für die Bewertung des Fahrwerks
und der Fahrbahn liegt die Idee zu Grunde, dass sich während des
Fahrbetriebs zeit- u. wegabschnittsweise quasistationäre Zustände an den
Sensorausgängen
einstellen. Die Abfolge von quasistationären Fahrzuständen bewirkt
abschnittsweise eingeschwungene Signalsignaturen an den Sensoren,
vergleichbar mit der Abfolge von Lauten innerhalb eines Wortes,
wobei ein Laut jeweils einem derartigen quasistationären Fahrzustand
entspricht.
-
So
unterscheiden sich die Fahrgeräusche
abhängig
davon, ob man mit Sommer- oder Winterreifen auf Kopfsteinpflaster
oder Teerstrasse fährt.
Diese vier unterschiedlichen Geräusche
können
vier unterschiedlichen Klassennamen (= Laute) zugeordnet werden.
Die Anzahl der unterschiedlichen Klassennamen sind anwendungsspezifisch
festzulegen. Gemäß Patentanspruch
werden die Ausgangssignale der Sensoren mit den Verfahren der Spracherkennung,
wie sie in bekannter Weise auf ein Mikrofonsignal angewandt werden,
bearbeitet.
-
Eine
allgemeine Beschreibung der Spracherkennung findet man in der Literatur
unter:
Schukat-Talamazzini: Automatische Spracherkennung, Vieweg
Verlag 1995
Quartieri, Thomas: Speech Signal Processing, Prentice
Hall 2001.
Zell, A.: Simulation neuronaler Netze, Addison Verlag
1994.
-
Die Übertragung
dieser Verfahren in die vorgeschlagene Anwendung der Bewertung des
Fahrwerks und der Fahrbahnbeschaffenheit erfolgt in diesen drei
Schichten:
Schicht 1 und 2 sind sensorspezifisch, Schicht 3
stellt den Gesamtzusammenhang bezüglich des Fahrzeuges dar.
-
Die
Sensoren werden vorzugsweise wahlweise als Aufnehmer für die Messgrößen: Beschleunigung, Körperschall,
Geschwindigkeit, Kraft, Druck, Hub, Weg, Winkel, Abstand, Nickbewegung
oder Rollbewegung eingesetzt.
-
Für die Merkmalgewinnung
werden vorzugsweise die Verfahren der Linear Prediction Analysis,
Cepstrum Analysis, Short Time Fourier Analysis, Filter Bank Analysis,
Sinusoidal Analysis oder Frequenz-Domain Pitch Estimation verwendet.
-
Die
Abbildung der Schätzvektoren
zu definierten Klassennamen erfolgt vorzugsweise mittels Verfahren
der Neuronalen Netze, Fuzzy Logik, Zuordnungstabellen, Linearen
Diskriminanzanalyse oder Hidden Markov Modelle.
-
Die
Abtastung der Messwerte erfolgt vorzugsweise sowohl zeitäquidistant
als auch wegäquidistant.
-
Die Überwachung
und Erkennung mittels eines Klassifikators erfolgt vorzugsweise
auf der Basis der Verfahren der Neuronalen Netze, Fuzzy Logik, Zuordnungstabellen,
Linearen Diskriminanzanalyse oder Hidden Markov Modelle, welcher
aus dem Vergleich der Klassennamen je Messkanal die Gesamtbewertung
vornimmt.
-
Für die Merkmalsgenerierung
wird vorzugsweise ein orthogonales Schätzverfahren verwendet.
-
Die
Schätzvektoren
werden vorzugsweise mittels AR-Lattice-(autoregressiv), ARMA-Lattice-(autoregressiv
moving average) oder Joint Lattice/Ladder-Verfahren berechnet.
-
Die
Sensorsignale, die Schätzvektoren,
die Klassennamen und/oder die Gesamtbewertung über Busankopplung werden vorzugsweise
an andere Diagnose-, Melde- oder Regelsysteme weitergeleitet oder
in mindestens einem dieser Systeme erzeugt und dort eine festgelegte
Aktion gestartet.
-
Dabei
wird vorzugsweise ein Wert für
- – die
Fahrbahnbeschaffenheit und/oder
- – den
Reifenzustand und/oder
- – den
Dämpferzustand
und/oder
- – den
Bremsenzustand und/oder
- – die
Beladung ermittelt.
-
Vorzugsweise
wird auch das Befahren des Randstreifens erkannt.
-
Die
Erfindung kann für
Straßenfahrzeuge,
Schienenfahrzeuge und Luftfahrzeuge zum Einsatz kommen.
-
Aus
dem Vergleich der Schätzvektoren
kann zudem vorzugsweise auch auf die Funktionsfähigkeit einzelner Sensoren
geschlossen werden.
-
Zudem
werden die Ergebnisse vorzugsweise abgespeichert und aus dem zeitlichen
Vergleich der Alterungszustand bewertet.
-
Die
Erfindung soll anhand von Ausführungsbeispielen
und der Figuren dargestellt werden.
-
1 zeigt das Modell zur Erkennung
und Überwachung
von Bewegungen an Fahrzeugen. In diesem Ausführungsbeispiel handelt es sich
um ein Fahrzeug mit vier Rädern,
vier Dämpfern,
einem Chassis und fünf Sensoren,
welche in der Regel Beschleunigungen messen. Es können jedoch
auch Geschwindigkeits-, Abstands-, Längen-, Kraft- oder Geräuschssensoren
verwendet werden. Im oberen Teil der Abbildung sind im wesentlichen
zwei Übertragungssysteme
dargestellt. Ein Übertragungssystem
ist die Einheit Fahrbahn und Rad. Das andere Übertragungssystem wird von
Dämpfer
und Chassis dargestellt. Beide Übertragungssysteme
sind miteinander verbunden. Zwischen den Übertragungssystemen Fahrbahn/Rad
und Dämpfer/Chassis
sind vier Fahrwerkssensoren – an
jedem Fahrschemel einer – angeordnet.
Der fünfte
Sensor, der Chassissensor befindet sich am Chassis. Die Übertragungssysteme
verändern
ein am Eingang der Übertragungssysteme
anstehendes Signal WR das weiße
Rauschen. Im ersten Schritt des Verfahrens werden an geeigneten
Stellen, die aufgrund von Erfahrungswerten ausgewählt wurden,
Messsignale aufgenommen.
-
Die
zweite Stufe dieser Modellabbildung zeigt fünf Eingänge für die Sensorsignale. Hier werden
die Messergebisse der vier Fahrwerkssensoren und des Chassissensors
in den Vorfilter eingespeist.
-
Nach
dem Vorfilter werden die Werte zusammen mit dem weissen Rauschen
einem oder mehreren Schätzverfahren
zugeführt.
-
Jeder
Sensor liefert Messreihen. Unter Messreihen versteht man hierbei
eine Anzahl von Messergebnissen, die während eines Zeitabschnittes
aufgenommen werden. Aus der Messreihe eines Sensors werden durch
ein orthogonales Schätzverfahren
die Komponenten von Vektoren berechnet. Für jeden Fahrwerkssensor ergeben
sich drei Schätzvektoren
und für
den Chassissensor ergeben sich zwei Schätzvektoren.
-
Grundlegend
für das
Ausführungsbeispiel
ist es, dass das dynamische Verhalten der mechanischen Elemente
mit hinreichender Genauigkeit durch ein abschnittsweise lineares Übertragungssystem
modelliert werden kann. In der Spracherkennung werden orthogonale
Schätzverfahren
verwendet.
-
Diese
Eigenschaften können
auch dafür
verwendet werden einen Fahrzustand eines Fahrzeugs zu beschreiben.
Abhängig
von der Struktur des Übertragungssystems
kann das AR (Autoregressive-, ARMA (Autoregressive Moving Average)-
oder Joint Ladder Verfahren gewählt
werden. Diese Schätzverfahren
bilden aus einer Messreihe eines Sensors mindestens zwei Vektoren,
deren jeweilige Elementezahl von der Ordnung des Systems abhängt, die
wiederum Zustandsänderungen
des Systems abhängt:
Im Anwendungsbeispiel wird der Chassis-Sensor eine Messreihe bestehend
aus den zeitabhängigen
Messwerten: m
1(t
1),
m
2(t
2), m
3(t
3), ... m
n(t
n) erzeugen. Treten
während
der Fahrt keine Veränderungen
auf, so gilt im eingeschwungenen Zustand: m
1(t
1) = m
2(t
2) = m
3(t
3) = ... = m
n(t
n). Ansonsten können die Werte je nach Ereignis
mehr oder weniger voneinander abweichen. Aus dieser Anzahl von Messwerten
werden zwei Vektoren K →
c und K →
d berechnet,
wobei diese Vektoren jeweils μ Elemente
aufweisen mit:
-
Die
Anzahl μ der
Elemente ist abhängig
von der Änderung
der Messwerte über
die Zeit.
-
Die
Werte von k
c1...k
cμ und
k
d1...k
dμ sind
zum einen abhängig
von den einzelnen Messwerten und von der Relation der Messwerte
untereinander. Also beispielsweise:
-
Es
werden bei diesem Verfahren laufend neue Messreihen mit den aktuellen
Messwerten gebildet und daraus neue Vektoren berechnet.
-
Im
Ausführungsbeispiel
werden dann aus den Messwerten des Chassissensors nach dem AR-Schätzverfahren
wie vorhergehend beschrieben zwei Vektoren gebildet und aus den
Messwertreihen:
der Fahrwerksensoren F1,
F2, F3, F4 und des Chassissensors werden nach dem Joint-Ladder-Schätzverfahren
pro Fahrwerkssensor drei Schätzvektoren K →
f, K →
b, K →
g gebildet
-
Insgesamt
erhält
man im Anwendungsbeispiel 14 Vektoren:
-
Diese
Vektoren werden jetzt zum einen untereinander verglichen und zum
anderen mit abgespeicherten Werten und zwar elementeweise und danach
werden sie klassifiziert. Für
die Klassifizierung ist es notwendig, das bereits für die verschiedensten
Fahrsituationen und Zustände,
die sich in Vektoren und dort insbesondere in den Elementen wiederspiegeln,
Werte, Wertebereiche, und gegebenenfalls Relationen der Elemente von
verschiedenen Vektoren untereinander, in einem Speicher abgelegt
sind.
-
Nach
der Klassifizierung werden die Ergebnisse einem Kennfeld zugeführt. Das
Kennfeld beeinflusst wiederum den Vorfilter.
-
Es
erfolgt dabei eine Umrechnung der Schätzvektoren in physikalische
Grössen.
Aus der Umrechnung ergeben sich Funktionen. Aus der Joint-Ladder Schätzung eines
Fahrwerkssensors ergibt sich eine Funktion H(z) = B(z)/A(z).
-
Aus
der AR-Schätzung
des Chassissensors ergibt sich nach der Umrechnung eine Funktion
H(z) = 1/E(z). Es ergeben sich dann die physikalischen Werte, die
dann in der dritten Stufe des Modells Regelkreisen, Diagnosesystemen
oder Fahrerinformationssystemen zugeführt werden, um einen unerwünschten
Fahrzustand zu beeinflussen, Fehler frühzeitig zu erkennen oder zumindest
Fehler zu melden.
-
2 beschreibt den Ablauf
der Schätzung.
In der Systemabbildung wird das weiße Rauschen wird in die Funktion
1/A(z) eingespeist. Was diese Funktion bzw. das Übertragungssystem aus dem weißen Rauschen
macht wird vom Fahrwerkssensor erfasst. Diese Messwertreihe gelangt
zum einen zu einem Vorfilter, und zum anderen wird sie in ein weiteres Übertragungssystem
bzw. Funktion B(z) eingespeist. Was das zweite Übertragungssystem aus dem weißen Rauschens
macht wird vom Chassissensor erfasst. Diese Messwertreihen gelangen
in zwei ggfs. unterschiedliche Vorfilter. In diesem Beispiel bilden
sich drei Berechnungsstränge, die
aus zwei unterschiedlichen Messreihen resultieren. Zwei der Berechnungsstränge sind
miteinander verknüpft
und beeinflussen sich gegenseitig, indem der Wert oder Vektor aus
dem einen Strang als Grundlage zur Berechnung des Wertes oder Vektors
im anderen Strang dient.
-
Sowohl
im einen als auch im anderen unabhängigen Berechnungsstrang werden
nach dem Vorfilter zwei Vorgänge
in Gang gesetzt. Ein erster Wert gelangt zum Punkt T und dann in
einen ersten Kreis. Zwischen T und dem ersten Kreis verzweigt dieser
an einen zweiten Kreis. Der erste Wert gelangt auch direkt an den zweiten
Kreis und verzweigt vorher auch wieder auf den ersten Kreis.
-
In
3 ist eine Diagnosetabelle
dargestellt. Will man eine Störung
am Rad vorne rechts am Fahrwerkssensor F1 erfassen, so muss man
beispielsweise ein Element, k F1 / f2 des entsprechenden Vektors
mit den
entsprechenden Elementen k F2 / f2 k F3 / f2 k F4 / f2 vergleichen die von den anderen Fahrwerkssensoren
F2, F3, F4, erfasst wurden. Ist nun k F1 / f2 ≠ k F2 / f2 = k F3 / f2 = k F4 / f2, so kann daraus geschlossen
werden, dass am Rad ein andere Zustand beispielsweise ein zu geringer
Luttdruck herrscht.
-
4 skizziert eine abgewandelte
Auswertung.
-
5 verdeutlicht das zweistufige
Grundprinzip von Parameterschätzung
und Mustererkennung, wie es letztlich in der Sprachverarbeitung
angewendet wird, hier übertragen
auf die Analyse des Fahrzeug- und Fahrbahnzustands.
-
Die Übertragung
eines Mustererkennungsverfahren, wie es in der Spracherkennung bisher
eingesetzt wird, in die vorgeschlagene Anwendung der Bewertung des
Fahrwerks und der Fahrbahnbeschaffenheit erfolgt in diesen drei
Schichten und ist in 6 visualisiert.
-
Schicht
1 und 2 sind sensorspezifisch, Schicht 3 stellt den Gesamtzusammenhang
bezüglich
des Fahrzeuges dar.
-
Schicht
1 dient zur Merkmalsgenerierung. Die Messsignale werden zeit- und/oder wegäquidistant
abgetastet und getrennt weiterverarbeitet. Zur Merkmalsgenerierung
werden auf diese Abtastwerte wahlweise ohne Anspruch auf Vollständigkeit
die bekannten Verfahren: Linear Prediction Analysis (LPC), Cepstrum
Analysis, Short Time Fourier Analysis, Filter Bank Analysis, Sinusoidal
Analysis, Frequency-Domain Pitch Estimation, Kombinationen daraus
oder Weiterentwicklungen angewandt. Vorteilhaft sind Verfahren,
die zu orthogonalen Schätzvektoren
führen.
-
Das
LPC-Verfahren schätzt
die Koeffizienten der äquivalenten Übertragungsfunktion.
Die Ordnung der Übertragungsfunktion
wird von dem zugrunde gelegten physikalischen Modell bestimmt. Vorzugsweise
kommen hier Ladder/Lattice-Verfahren zum Einsatz. Es bieten sich
für die
Modellierung der Übertragungsfunktion mittels
LPC unterschiedliche Ansätze
an:
Das AR (autoregressive)-Lattice-Verfahren kommt zum Einsatz,
wenn als Eingangssignal des zu modellierenden Übertragungssystems eine Impulsfolge
oder Weißes
Rauschen angesetzt werden muss. Wegen der Allgemeingültigkeit
des Ansatzes kann dieses Verfahren auf jeden Sensorausgang angewandt
werden. Der Schätzvektor
beschreibt die Koeffizienten des approximierten AR-Modells.
-
ARMA(autoregressive
moving average)-Lattice-Verfahren benötigen zwei Messsignale, die
als Eingang und Ausgang einer Übertragungsfunktion
interpretiert werden können.
Der Schätzvektor
beschreibt die Koeffizienten der ARMA-Übertragungsfunktion zwischen
diesen beiden Messkanälen.
-
Joint-Ladder/Lattice-Verfahren
sind vorteilhaft einsetzbar, wenn das Signal an Kanal 1 mittels
AR-Lattice-Schätzung
und die Übertragungsstrecke
zwischen Kanal 1 und Kanal 2 mittels eines MA-Modells nachgebildet werden kann. Beispielhaft
kann das Signal des Fahrwerksensors an Kanal 1 und das Signal des
Chassis-Sensors an Kanal 2 angeschlossen werden. In diesem Fall
beschreibt der AR-Schätzvektor
die gesamte Übertragungsstrecke
Fahrbahn und Reifen, der MA-Schätzvektor
die Übertragungsstrecke
Feder/Dämpfer.
-
Filter
Bank Analysis ermittelt die Effektivwerte der Ausgangssignale einer
Reihe von Bandpässen
mit bestimmten, dem Anwendungsfall angepassten Durchlassbereichen.
Cepstrum Analyse u. die unterschiedlichen Fourier Analyse Verfahren
ermitteln die gewichteten Spektralanteile in dem aufgezeichneten
Sensorsignal.
-
Die
Abtastwerte ebenso wie die Schätzvektoren
können
bei Bedarf an übergeordnete
Regelkreise weitergeleitet werden.
-
Die
Rechenoperationen ergeben in der Regel eine unendliche Anzahl von
unterschiedlichen Schätzvektoren.
Darum wird in der weiteren Ausgestaltung in der zweiten Schicht
mit Hilfe der aus der Spracherkennung bekannten Klassifizierungsverfahren
die unendliche Anzahl von Lösungen
auf eine endliche Anzahl von Klassennamen abgebildet. In der Spracherkennung
entspricht dies der Zuordnung zu Lauten. Die bekanntesten Klassifizierungsverfahren
sind ohne Anspruch auf Vollständigkeit:
Neuronale Netze, Fuzzy Logik, Lineare Diskriminanzanalyse, Zuordnungstabellen
oder Hidden Markov Modelle. Die Anzahl der Klassennamen („Laute") wird durch die
gewünschte
Klassifizierungstiefe bestimmt. Diese wiederum wird bestimmt durch
die nachgeschalteten Diagnose- u. Regelungssysteme. Damit stehen
diesen Systemen sowohl die Schätzvektoren
als auch die quantisierten Klassennamen, denen tabellarisch Reglerparameter
zugeordnet werden, zur Verfügung.
Die Klassifizierung erfolgt im Rahmen eines Lernvorganges, wobei
sowohl Simulationsverfahren als auch Fahrerprobung zum Einsatz kommen.
-
In
der weiteren Ausgestaltung werden diese Klassennamen der einzelnen
Sensoren an die dritte Schicht übergeben.
In dieser Schicht erfolgt der wechselseitige Vergleich der Klassennamen.
Auch hier kommen die Klassifizierungs-verfahren der Spracherkennung
zum Einsatz (ohne Anspruch auf Vollständigkeit): Neuronale Netze,
Fuzzy Logik, Lineare Diskriminanzanalyse, Zuordnungstabellen oder
Hidden Markov Modelle.
-
Melden
beispielsweise alle am Fahrwerk angebrachten Sensoren den gleichen
Zustand (= gleicher Klassennamen, „= Laut"), kann diese Information über Fahrbahn
und Reifen als aktuelle Schätzung
an das übergeordnete
Reglersystem weitergegeben werden. Weicht der Klassennamen eines
Radsensorsignals signifikant von den Klassennamen der übrigen Radsensorsignale
ab, kann auf einen Defekt am Einzelrad (Unwucht, Karkassenriß, zu geringer
Reifendruck, anderes Reifenprofil, etc) geschlossen werden. Hilfreich
bei der Unterscheidung zwischen Zustand der Fahrbahn und des Reifens
ist der Tatbestand, dass die Klassennamen, die aus der wegäquidistanten
Abtastung gewonnen werden, für
die Reifeneigenschaften unabhängig
sind von der Raddrehzahl. Damit lässt sich beispielsweise klar
zwischen Reifenunwucht und einer welligen Fahrbahnoberfläche unterscheiden.
Bei letzterem ändern
sich die Klassennamen abhängig
von der Fahrzeuggeschwindigkeit, bei ersterem ist im wesentlichen
kein Einfluß feststellbar.
Ein weiteres Kriterium betrifft die Änderungsgeschwindigkeit der
Klassennamen: Von der Fahrbahn oder dem Reifendruck abhängige Größen können sich sehr
kurzzeitig ändern.
Verschleißabhängige Größen, wie
Reifenprofiltiefe, oder Dämpfungsbeiwert ändern sich
in der Regel sehr langsam. Hier ist eine Trendverfolgung der Klassennamen
oder Schätzvektoren
erforderlich.
-
Ändern sich
die Klassennamen paarweise (linke Fahrzeughälfte: VL u. HL gegen rechte
Fahrzeughälfte:
VR und HR), so kann auf einen Spurwechsel oder auf das Befahren
des Randstreifens geschlossen werden, wobei aus den unterschiedlichen
Klassennamen geschlossen werden kann, welche Fahrzeugseite die Fahrbahn
verlassen hat.
-
In
Verbindung mit einem weich eingestellten Dämpfer kann aus der Eigenbewegung
des Fahrzeug-Chassis, erfasst über
einen geeigneten Chassis-Sensor, auf die Zuladung des Fahrzeugs
geschlossen werden.
-
Zur
Vermeidung von Bewertungsfehlern ist es vorteilhaft, die Anregungsfrequenz
des Fahrwerkschemels zu berücksichtigen.
-
Akustische
Sensoren, befestigt am Fahrwerk oder am Chassis, sind in besonderer
Weise zur Signalanalyse mittels Spracherkennung geeignet. Hiermit
können
die Profileigenschaften der Reifen, welche den Bremsvorgang beeinflussen,
erfasst, Lagerschäden
aufgrund der charakteristischen Spektralanteile detektiert und Schäden an der
Bremse erkannt werden.
