DE112009001371T5

DE112009001371T5 - Integrierter hierarchischer Prozess für die Fehlerdetektierung und -lokalisierung

Info

Publication number: DE112009001371T5
Application number: DE112009001371T
Authority: DE
Inventors: Mark N. Rochester Hills Howell; Mutasim A. Rochester Hills Salman; Xidong Sterling Heights Tang; Xiaodong Mason Zhang; Yilu Northville Zhang; Yuen-Kwok Troy Chin; William C. Birmingham Lin; Rami I. Dearborn Debouk; Steven W. St. Clair Holland; Sugato Bangalore Chakrabarty; Rahul Bangalore Chougule
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2008-06-02
Filing date: 2009-06-01
Publication date: 2011-04-28
Also published as: CN102046443A; US20090295559A1; WO2009148984A1

Abstract

Verfahren zum Bereitstellen einer Fehlerdetektierung und -lokalisierung in einem Fahrzeug, wobei das Verfahren umfasst:
Aufteilen des Fahrzeugs in eine Mehrzahl von Systemen, in eine Mehrzahl von Teilsystemen und in eine Mehrzahl von Komponenten;
Klassifizieren der Systeme, Teilsysteme und Komponenten in einem hierarchischen Baum mit Ebenen, wobei jedes System Signale von einer Mehrzahl von Teilsystemen auf einer tieferen Ebene als die Mehrzahl von Systemen empfängt und jedes Teilsystem Signale von einer Mehrzahl von Komponenten auf einer tieferen Ebene als die Teilsysteme empfängt;
Nutzen von Algorithmen in den Systemen, Teilsystemen und Komponenten, die Diagnosecodes, Fehlercodes und andere Informationen liefern und analysieren, um Vertrauensschätzsignale der Wahrscheinlichkeit zu liefern, dass ein bestimmtes Teilsystem oder eine bestimmte Komponente gestört ist;
Senden von Signalen, die die Vertrauensschätzsignale enthalten, von den Komponenten zu den Teilsystemen und von den Teilsystemen zu den Systemen;
Analysieren der Vertrauensschätzsignale in der Mehrzahl von Systemen, um einen...

Description

HINTERGRUND DER ERFINDUNG
1. Gebiet der Erfindung
Diese Erfindung bezieht sich allgemein auf ein System und auf ein Verfahren zum Bestimmen der Grundursache von Fehlern in einem Fahrzeugsystem und insbesondere auf ein System und auf ein Verfahren zum Bestimmen der Grundursache von Fehlern in einem Fahrzeugsystem und zum Lokalisieren des Fehlers, wobei das System und das Verfahren mehrere Modelle und Beobachtungen in einem hierarchischen Baum verwenden, um einen Vertrauensschätzwert der Quelle eines bestimmten Fehlers zu liefern.
2. Diskussion des verwandten Gebiets
Moderne Fahrzeuge enthalten viele elektrische Fahrzeugsysteme wie etwa Fahrzeugstabilitätssteuerungssysteme. Zum Beispiel nutzen bestimmte Fahrzeugstabilitätssysteme das automatische Bremsen in Ansprechen auf ein unerwünschtes Drehen oder Gieren des Fahrzeugs. Einige Fahrzeugstabilitätssysteme nutzen eine aktive Vorderrad- oder Hinterradlenkung, die dem Fahrzeugbetreiber beim Lenken des Fahrzeugs in Ansprechen auf die detektierte Drehung des Lenkrads hilft. Einige Fahrzeugstabilitätssysteme nutzen aktive Federungssysteme, die die Fahrzeugfederung in Ansprechen auf Straßenbedingungen und andere Fahrzeugbetriebsbedingungen ändern.
Die diagnostische Überwachung von Fahrzeugstabilitätssystemen ist eine wichtige Fahrzeugentwurfsbetrachtung, um Systemfehler schnell detektieren zu können und die Fehler für Wartungs- und Kundendienstzwecke lokalisieren zu können. Üblicherweise nutzen diese Stabilitätssysteme verschiedene Teilsysteme, Aktuatoren und Sensoren wie etwa Gierratensensoren, Querbeschleunigungssensoren, Lenkradeinschlagwinkel-Sensoren usw., die dazu verwendet werden, eine Steuerung des Fahrzeugs bereitstellen zu helfen. Falls irgendeiner bzw. irgendeines der Sensoren, Aktuatoren und Teilsysteme, die diesen Systemen zugeordnet sind, gestört ist, ist es erwünscht, den Fehler schnell zu detektieren und störungssichere Strategien zu aktivieren, um zu verhindern, dass das System auf eine wahrgenommene, aber falsche Bedingung falsch anspricht. Außerdem ist es erwünscht, den defekten Sensor, den defekten Aktuator oder das defekte Teilsystem für Wartungs-, Kundendienst- und Ersatzzwecke zu lokalisieren. Somit ist es notwendig, die verschiedenen Sensoren, Aktuatoren und Teilsysteme, die in diesen Systemen genutzt werden, zu überwachen, um eine Störung zu identifizieren.
Es ist eine Entwurfsherausforderung, die Grundursache eines Fehlers zu identifizieren und den Fehler die ganze Strecke bis auf die Komponentenebene oder sogar bis auf die Teilsystemebene in einem Fahrzeugsystem hinab zu lokalisieren. Die verschiedenen Teilsysteme und Komponenten in einem Fahrzeugsystem wie etwa Fahrzeugbremssystem oder ein Fahrzeuglenkungssystem werden üblicherweise nicht von dem Fahrzeughersteller entworfen, sondern von einer Fremdquelle bereitgestellt. Infolgedessen können diese Komponenten und Teilsysteme keine Kenntnis davon haben, was andere Teilsysteme oder Komponenten in dem Gesamtfahrzeugsystem tun, sondern wissen sie nur, wie ihr bestimmtes Teilsystem oder ihre bestimmte Komponente arbeitet. Somit können diese Fremdteilsysteme oder -komponenten wissen, dass sie nicht richtig arbeiten, aber nicht wissen, ob ihre Komponente oder ihr Teilsystem fehlerhaft ist oder ein anderes Teilsystem oder eine andere Komponente fehlerhaft ist. Zum Beispiel kann ein Fahrzeug in einer Richtung ziehen, was das Ergebnis eines Bremsproblems oder eines Lenkungsproblems sein kann. Da das Bremssystem und das Lenkungssystem nicht wissen, ob das andere richtig arbeitet, kann das Gesamtfahrzeugsystem allerdings nicht in der Lage sein, die Grundursache dieses Problems zu identifizieren.
Jedes einzelne Teilsystem oder jede einzelne Komponente kann einen Diagnosefehlercode ausgeben, der ein Problem angibt, wenn sie nicht richtig arbeiten, wobei dieser Fehlercode aber nicht ein Ergebnis eines Problems mit dem Teilsystem oder der Komponente sein muss, das bzw. die den Code ausgibt. Mit anderen Worten, der Diagnosecode kann gesetzt werden, da das Teilsystem oder die Komponente nicht richtig arbeitet, wobei dieser Betrieb aber das Ergebnis dessen sein kann, dass ein anderes Teilsystem oder eine andere Komponente nicht richtig arbeitet. Es ist erwünscht zu wissen, wie zuverlässig die Diagnosecodes von einem bestimmten Teilsystem oder von einer bestimmten Komponente sind, um zu bestimmen, ob dieses Teilsystem oder diese Komponente der Fehler eines Problems ist.
ZUSAMMENFASSUNG DER ERFINDUNG
In Übereinstimmung mit den Lehren der vorliegenden Erfindung werden ein System und ein Verfahren zum Bestimmen der Grundursache eines Fehlers in einem Fahrzeugsystem, in einem Fahrzeugteilsystem oder in einer Fahrzeugkomponente unter Verwendung von Modellen und Beobachtungen offenbart. In einer Ausführungsform wird ein hierarchischer Baum genutzt, um Fehler- oder Diagnosecodes von mehreren Teilsystemen und Komponenten zu kombinieren, um einen Vertrauensschätzwert davon zu erhalten, ob ein bestimmter Diagnosecode eine genaue Angabe eines Problems bei einem bestimmten Teilsystem oder bei einer bestimmten Komponente gibt. In einer anderen Ausführungsform wird ein hierarchisches Diagnosenetz genutzt, das sich auf die Theorie hierarchischer Informationen stützt, wobei für die Entscheidungsfindung auf irgendeiner Ebene des Netzes nur die geforderten abstrahierten Informationen verwendet werden. In einer anderen Ausführungsform wird ein graphengestütztes Diagnose- und Prognosesystem genutzt, das eine Mehrzahl von Knoten enthält, die durch Informationswege miteinander verbunden sind. Die Knoten sind Fehlerdiagnose- und Fehlerprognoseknoten für Komponenten oder Teilsysteme und enthalten Fehler- und Gesundheitszustands-Diagnosemodule und -Folgerungsmodule.
Weitere Merkmale der vorliegenden Erfindung gehen aus der folgenden Beschreibung und aus den beigefügten Ansprüchen in Verbindung mit den beigefügten Zeichnungen hervor.
KURZBESCHREIBUNG DER ZEICHNUNGEN
1 ist ein hierarchischer Baum zum Analysieren von Diagnosecodes von Fahrzeugsystemen, -teilsystemen und -komponenten in Übereinstimmung mit einer Ausführungsform der vorliegenden Erfindung;
2 ist ein hierarchisches Diagnosenetz zum Schätzen von Vertrauensgraden von Diagnosecodes für Diagnose- und Prognosezwecke in einem Fahrzeug in Übereinstimmung mit einer Ausführungsform der vorliegenden Erfindung; und
3 ist ein graphengestütztes Diagnose- und Prognosesystem für ein Fahrzeug in Übereinstimmung mit einer Ausführungsform der vorliegenden Erfindung.
AUSFÜHRLICHE BESCHREIBUNG DER AUSFÜHRUNGSFORMEN
Die folgende Diskussion der Ausführungsformen der Erfindung, die auf ein System und auf ein Verfahren zum Identifizieren eines Vertrauensschätzwerts dafür, ob ein Fahrzeugteilsystem oder eine Fahrzeugkomponente die Grundursache eines bestimmten Fehlers ist, gerichteten ist, ist dem Wesen nach lediglich beispielhaft und soll die Erfindung oder ihre Anwendungen oder Verwendungen in keiner Weise einschränken.
Die vorliegende Erfindung schlägt einen Prozess zum Bestimmen der Grundursache eines Fehlers in einem Fahrzeug unter Verwendung mehrerer Modelle und Beobachtungen vor. Jedes der Modelle liefert einen Vertrauensschätzwert über die Beobachtung, die es hinsichtlich eines potentiellen Fehlerzustands macht. Wie im Folgenden ausführlich diskutiert wird, kann die Erfindung einen hierarchischen Baum verwenden, um Diagnosecodes und andere Signale von Teilsystemen und Komponenten zu analysieren. Jede Ebene des hierarchischen Baums greift auf diejenigen Informationen zu, die sie vor dem Treffen einer Entscheidung hat. Die Informationen von verschiedenen Zweigen des Baums können auf der Grundlage von Fahrzeuginformationen wie etwa der Geschwindigkeitsabhängigkeit dynamisch geändert werden. Die Modellvertrauensschätzwerte können ebenfalls unter Verwendung von Daten von mehreren Fahrzeugen bestimmt werden. Die Informationen können durch verschiedene Verfahren wie etwa statistische Techniken, z. B. Dempster-Shafer-Theorie oder Bayes-Theorie, miteinander kombiniert werden. Die hierarchische Architektur ist skalierbar und flexibel und ermöglicht somit die dynamische Integration von Mehrfachfehlern.
Die Informationen fließen von Teilsystem- und Komponenten-Entscheidungseinrichtungen, die auf der Grundlage lokaler Informationen die Entscheidungen treffen, in dem hierarchischen Baum nach oben. Der Gesamt-Fahrzeuggesundheitszustand kann durch Betrachtung der obersten Ebene des Baums bestimmt werden. Jeder Zweig kann ein anderes Teilsystem wie etwa einen Motor, ein elektrisches Teilsystem, ein Lenkungsteilsystem, ein Bremsteilsystem usw. repräsentieren, wobei der Gesundheitszustand dieser Teilsysteme zusammen mit einem Vertrauen in die Beurteilung bestimmt werden kann. Informationen in dem Baum können auch dazu verwendet werden, Komponenten, die die Gesamtfahrzeuggesundheit schwächen, zu ersetzen.
1 ist ein hierarchischer Baum 10 des oben diskutierten Typs in Übereinstimmung mit einer Ausführungsform der vorliegenden Erfindung. Der Baum 10 enthält vier Schichten, wobei eine oberste Schicht ein Hauptsteuerprogramm 12 ist, das schließlich unter Verwendung der Informationen, die es empfängt, die Quelle eines Fehlers bestimmt. Der Baum 10 zerfällt in drei Systeme, d. h. in ein Fahrzeugfahrwerksystem 14, in ein Fahrzeugantriebsstrangsystem 16 und in ein Fahrzeugkarosseriesystem 18. Jedes separate System 14, 16 und 18 kann auf einer dritten Ebene in seine repräsentativen Teilsysteme aufgeteilt werden. Zum Beispiel kann das Fahrwerksystem 14 in ein Lenkungsteilsystem 20 und in ein Bremsteilsystem 22 aufgeteilt werden, kann das Antriebsstrangsystem 16 in ein Motorteilsystem 24 und in ein Getriebeteilsystem 26 aufgeteilt werden und kann das Karosseriesystem 18 in ein Sicherheitsteilsystem 28 und in ein Luftsackteilsystem 30 aufgeteilt werden. Jedes Teilsystem 20–30 enthält Komponenten auf einer vierten Ebene des Baums 10 und kann irgendeine geeignete Komponente in diesem bestimmten Teilsystem sein. Zum Beispiel enthält das Lenkungsteilsystem Komponenten 32 wie etwa einen Lenkradeinschlagwinkelsensor (HWA-Sensor). Gleichfalls enthält das Bremsteilsystem 22 Komponenten 34, enthält das Motorteilsystem 24 Komponenten 36, enthält das Getriebeteilsystem 26 Komponenten 38 und enthält das Sicherheitsteilsystem 28 Komponenten 40 und enthält das Luftsackteilsystem 30 Komponenten 42. Falls die Teilsysteme und Komponenten aufgeteilt werden können, kann der Baum 10 auf andere Ebenen unter der vierten Ebene der Komponenten 32–42 erweitert werden.
Jede der Komponenten 32–42, der Teilsysteme 20–30, der Systeme 14, 16 und 18 und des Hauptsteuerprogramms 12 nutzt verschiedene Algorithmen, die Fahrzeugdiagnosecodes, -fehlercodes und andere Informationen und Daten analysieren. Diese Algorithmen enthalten Entscheidungsfindungsalgorithmen, die einen Vertrauensschätzwert dafür liefern, ob eine bestimmte Komponente 32–42, ein bestimmtes Teilsystem 20–30 oder ein bestimmtes System 14, 16 und 18 einen bestimmten Fehler oder einen potentiellen Fehler aufweist. Zum Beispiel werden Signale von den Komponenten 32–42 zu ihrem jeweiligen Teilsystem 20–30 gesendet, wobei sie Diagnosecodes enthalten, falls ein potentieller Fehler bei der Komponente auftritt. Ferner enthalten die Komponenten 32–34 Algorithmen, die zusätzliche Signale liefern, die mit dem Diagnosecode gesendet werden, die das Vertrauensschätzsignal darüber enthalten, wie sicher die besondere Komponente ist, dass der Fehler in dieser Komponente auftritt. Da die Informationen zu der nächsten Ebene nach oben gehen, können Algorithmen auf der Teilsystemebene daraufhin auf der Grundlage aller Signale, die sie von ihren Komponenten empfangen, unter Verwendung der Diagnosesignale und der Vertrauensschätzsignale beurteilen, ob eine dieser Komponenten einen Fehler aufweist. Die Teilsysteme 20–30 senden daraufhin Diagnosesignale und Vertrauensschätzsignale an die Systemebene, wobei das System 14, 16 oder 18 die Signale von allen seinen Teilsystemen 20–30 verwendet, um auf der Grundlage der Vertrauensschätzsignale und der Diagnosecodes zu bestimmen, wo ein Fehler vorhanden sein kann. Somit wird das System 14, 16 und 18 wissen, ob eine der Komponenten 32–42 in ihrem hierarchischen Systemweg fehlerhaft ist, und kann außerdem bestimmen, ob ein bestimmtes Teilsystem 20–30 mit einem gewissen Vertrauensgrad einen Fehler enthält. Daraufhin werden die Signale von dem System 14, 16 und 18 an das Fahrzeughauptsteuerprogramm 12 gesendet, das Aufsichtsalgorithmen enthält, um alle Signale von allen Systemen 14, 16 und 18 zu überwachen.
Der Baum 10 kann zum Lokalisieren von Fehlern verwendet werden. Dies kann auf eine Anzahl von Arten bestimmt werden. Der wahrscheinlichste Fehler kann durch Bestimmen des Fehlerwegs entlang des Baums 10 bestimmt werden. Die Entscheidungseinrichtungen in dem hierarchischen Baum 10 werden in Echtzeit implementiert. Die Entscheidungseinrichtungen können irgendeine Form, z. B. Paritätsgleichungen, Kalman-Filter, Fuzzy-Modelle, neuronale Netze usw., aufweisen. Somit können die Entscheidungsfindungsalgorithmen auf jeder der Ebenen, während die Informationen in dem Baum 10 nach oben fließen, die Informationen analysieren, um den Vertrauensgrad dafür zu bestimmen, welches Teilsystem oder welche Komponente einen Fehler aufweisen kann. Somit kann dieser Vertrauensgrad statistisch unter Verwendung verschiedener Prozesse wie etwa der Dempster-Shafer-Theorie oder der Bayes-Theorie analysiert werden.
Die umfassendere Verfügbarkeit von Zustandsinformationen auf der Fahrzeugebene kann die Fähigkeit zum Diagnostizieren von Fehlern mit besserem Erfassungsbereich als unter Verwendung von Informationen auf der Teilsystemebene oder Komponentenebene allein ermöglichen. Die Hypothese besagt, dass eine Herangehensweise auf der Fahrzeugebene zur Diagnose zunehmend wichtig wird, während die Teilsystemwechselwirkungen zunehmen. Die Diagnose gegenwärtiger Fahrzeugsysteme erfolgt symptomgesteuert, d. h., nach einer Beobachtung eines unerwarteten Ereignisses und/oder eines unerwarteten Messwerts wird ein Fehlercode ausgegeben, wobei eine Detektierung erforderlich ist, um die Ursache des Fehlers zu lokalisieren. Mit der Einführung intelligenter gesteuerter Systeme wird ein Detektierungsproblem insbesondere dann, wenn mehrere Systeme miteinander in Wechselwirkung treten, komplexer. Eine Kombination einer hierarchischen Herangehensweise und/oder einer Herangehensweise mit verteilter Diagnose kann hilfreich dabei sein, die Komplexität der Isolationsalgorithmen zu verringern. Dies geht auf Kosten zusätzlicher Verarbeitung und Kommunikation zwischen den betroffenen Systemen sowie der Speicheranforderungen zum Speichern von Informationen, insbesondere dann, wenn die Diagnose an Bord erfolgt.
Die hierarchische Diagnose stützt sich auf die Theorie hierarchischer Informationen, wobei auf jeder Ebene für die Entscheidungsfindung nur die geforderten abstrahierten Informationen verwendet werden. Die höchste Ebene ist dafür verantwortlich, die Diagnoseentscheidungen zu treffen. Zum Beispiel können auf der Komponentenebene Ströme und Spannungen verwendet werden, um den Gesundheitszustand einer elektrischen Komponente zu verstehen. Somit würden lokale und vorhandene Diagnosealgorithmen/-prozeduren Informationen liefern, die zur Verwendung durch eine höhere Ebene in der Hierarchie extrahiert würden. Die Herausforderung besteht darin, die richtige Abstraktion zu ermitteln, sodass die Informationen nicht verlorengehen. Zwei Schichten können ausreichen, wobei aber in Abhängigkeit von der Komplexität des diagnostizierten Systems mehr hinzugefügt werden können.
2 ist ein Blockschaltplan eines hierarchischen Diagnosenetzes 50 des oben diskutierten Typs in Übereinstimmung mit einer anderen Ausführungsform der vorliegenden Erfindung. Das Netz 50 enthält ein Fahrzeugdiagnose-Hauptsteuerprogramm 52 an der Spitze des Netzes 50, das Signale von einer Mehrzahl von Teilsystemen 54 empfängt. Gleichfalls empfangen die Teilsysteme 54 jeweils Signale von allen oder von den meisten der Komponenten in dem Netz 50. Wie bei dem Hierarchiebaum 10 werden Signale mit Diagnosecodes, Vertrauensschätzwerten und anderen Informationen und Daten in dem Netz 50 von der Komponentenebene zu der Teilsystemebene und daraufhin zu dem Hauptsteuerprogramm 52 nach oben übergeben, sodass das Hauptsteuerprogramm 52 mit einem bestimmten Vertrauensgrad eine Entscheidung darüber treffen kann, wo ein bestimmtes Problem innerhalb des Fahrzeugs vorliegt, sodass eine geeignete Maßnahme ergriffen werden kann.
Die verteilte Diagnose kann dazu verwendet werden, das Problem des Erhebens von Fehlerinformationen an einem Ort, um eine Entscheidung über das Auftreten eines Fehlers in einem Fahrzeugsystem, in einem Fahrzeugteilsystem oder in einer Fahrzeugkomponente zu treffen, zu überwinden. Diese Techniken stützen sich auf den Austausch von Informationen zwischen einem Satz von Knoten und auf das Ausarbeiten eines Satzes von Regeln, um auf der Grundlage der ausgetauschten Informationen das Auftreten des Fehlers zu folgern.
Der integrierte Fehlerdetektierungs- und Fehlerlokalisierungsprozess der Erfindung kann auch erweitert werden, um nicht notwendig einen Baum, sondern einen Graphen der System- oder Teilsystemwechselwirkungen zu erzeugen. Ein solcher Graph kann eine Analyse liefern, um in Echtzeit die wahrscheinlichste Ursache eines Fehlers zu bestimmen. Dies liegt daran, dass einige Teilsysteme mehrere Vorgänger haben können, wobei z. B. ein Teilsystem sowohl elektrisch als auch mechanisch sein kann. Somit kann ein Fehler durch Ausführen einer Suche in dem Graphen lokalisiert werden. Da es für eine spezifische Situation mehrere Wege durch den Graphen geben kann, können Techniken wie etwa Fuzzy Logik, Shafer-Dempster-Prozesse usw. angewendet werden, um den bestmöglichen Weg zu ermitteln.
3 ist ein graphengestütztes Diagnose- und Prognosesystem 60 des oben diskutierten Typs in Übereinstimmung mit einer anderen Ausführungsform der vorliegenden Erfindung. Das System 60 enthält eine Mehrzahl von Knoten 62 einschließlich eines Stammknotens 64, die durch Informationswege 66 miteinander verbunden sind. Die Knoten 62 sind Fehlerdiagnose- und Fehlerprognoseknoten für Komponenten oder Teilsysteme und enthalten Fehler- und Gesundheitszustands-Diagnosemodule und -Folgerungsmodule. Die Folgerungsmodule stellen Informationen zusammen, die z. B. unter Verwendung von Fuzzy Logik, neuronalen Netzen usw. empfangen werden. Die Folgerungsmodule verarbeiten die Informationen über die Fehler, von denen sie auf der Grundlage der lokalen Ansicht des Gesamtsystems Kenntnis haben, und leiten die Informationen einschließlich Fehlerschätzwert und Gesundheitsschätzwert und Signalen zum Schätzen der Genauigkeit der Informationen auf den Informationswegen 66 zu anderen Knoten 62, mit denen sie verbunden sind, weiter. Die Empfangsknoten 62 können zusätzliche lokale Informationen besitzen und auf der Grundlage der zu ihnen fließenden Informationen verschiedene Entscheidungen treffen. Der Graph ist dynamisch, wobei Knoten in das System 60 eintreten und es verlassen. Dies geschieht, wenn das System in einen anderen Zustand wechselt oder wenn einer der Knoten 62 einen Fehler detektiert und abschaltet.
Die vorstehende Diskussion offenbart und beschreibt lediglich beispielhafte Ausführungsformen der vorliegenden Erfindung. Der Fachmann auf dem Gebiet erkennt aus dieser Diskussion und aus den beigefügten Zeichnungen und Ansprüchen leicht, dass daran verschiedene Änderungen, Abwandlungen und Veränderungen vorgenommen werden können, ohne von dem Erfindungsgedanken und Umfang der wie in den folgenden Ansprüchen definierten Erfindung abzuweichen.
Zusammenfassung
Ein System und ein Verfahren zum Bestimmen der Grundursache eines Fehlers in einem Fahrzeugsystem, in einem Fahrzeugteilsystem oder in einer Fahrzeugkomponente unter Verwendung von Modellen und Beobachtungen. In einer Ausführungsform wird ein hierarchischer Baum genutzt, um Fehler- oder Diagnosecodes von mehreren Teilsystemen und Komponenten zu kombinieren, um einen Vertrauensschätzwert davon zu erhalten, ob ein bestimmter Diagnosecode eine genaue Angabe eines Problems bei einem bestimmten Teilsystem oder bei einer bestimmten Komponente gibt. In einer anderen Ausführungsform wird ein hierarchisches Diagnosenetz genutzt, das sich auf die Theorie hierarchischer Informationen stützt, wobei für die Entscheidungsfindung auf irgendeiner Ebene des Netzes nur die geforderten abstrahierten Informationen verwendet werden. In einer anderen Ausführungsform wird ein graphengestütztes Diagnose- und Prognosesystem genutzt, das eine Mehrzahl von Knoten enthält, die durch Informationswege miteinander verbunden sind. Die Knoten sind Fehlerdiagnose- und Fehlerprognoseknoten für Komponenten oder Teilsysteme und enthalten Fehler- und Gesundheitszustands-Diagnosemodule und -Folgerungsmodule.

Claims

Verfahren zum Bereitstellen einer Fehlerdetektierung und -lokalisierung in einem Fahrzeug, wobei das Verfahren umfasst: Aufteilen des Fahrzeugs in eine Mehrzahl von Systemen, in eine Mehrzahl von Teilsystemen und in eine Mehrzahl von Komponenten; Klassifizieren der Systeme, Teilsysteme und Komponenten in einem hierarchischen Baum mit Ebenen, wobei jedes System Signale von einer Mehrzahl von Teilsystemen auf einer tieferen Ebene als die Mehrzahl von Systemen empfängt und jedes Teilsystem Signale von einer Mehrzahl von Komponenten auf einer tieferen Ebene als die Teilsysteme empfängt; Nutzen von Algorithmen in den Systemen, Teilsystemen und Komponenten, die Diagnosecodes, Fehlercodes und andere Informationen liefern und analysieren, um Vertrauensschätzsignale der Wahrscheinlichkeit zu liefern, dass ein bestimmtes Teilsystem oder eine bestimmte Komponente gestört ist; Senden von Signalen, die die Vertrauensschätzsignale enthalten, von den Komponenten zu den Teilsystemen und von den Teilsystemen zu den Systemen; Analysieren der Vertrauensschätzsignale in der Mehrzahl von Systemen, um einen Fehler zu lokalisieren zu versuchen; und Senden von Signalen an ein Hauptsteuerprogramm an der Spitze des Baums, das einen bestimmten Fehler mit einem bestimmten Vertrauensgrad identifiziert.
Verfahren nach Anspruch 1, wobei das Nutzen von Algorithmen das Nutzen statistischer Algorithmen enthält.
Verfahren nach Anspruch 2, wobei das Nutzen statistischer Algorithmen das Nutzen von Algorithmen enthält, die aus der Gruppe ausgewählt werden, die aus Dempster-Shafer-Theorie-Algorithmen und aus Bayes-Theorie-Algorithmen besteht.
Verfahren nach Anspruch 2, wobei das Nutzen statistischer Algorithmen das Nutzen von Algorithmen enthält, die aus der Gruppe ausgewählt werden, die aus Paritätsgleichungen, Kalman-Filtern, Fuzzy-Modellen und neuronalen Netzen besteht.
Verfahren nach Anspruch 1, wobei das Aufteilen des Fahrzeugs in eine Mehrzahl von Systemen das Aufteilen des Fahrzeugs in ein Fahrwerksystem, in ein Antriebsstrangsystem und in ein Karosseriesystem enthält.
Verfahren nach Anspruch 5, wobei das Aufteilen des Fahrzeugs in eine Mehrzahl von Teilsystemen das Aufteilen des Fahrzeugs in ein Lenkungsteilsystem und in ein Bremsteilsystem, die Teil des Fahrwerkssystems sind, in ein Motorteilsystem und in ein Getriebeteilsystem, die Teil des Antriebsstrangsystems sind, und in ein Sicherheitsteilsystem und in ein Luftsackteilsystem, die Teil des Karosseriesystems sind, enthält.
Verfahren nach Anspruch 6, wobei das Aufteilen des Fahrzeugs in Komponenten das Aufteilen des Fahrzeugs in Sensoren und Detektoren enthält.
Verfahren nach Anspruch 1, wobei das Klassifizieren der Systeme, Teilsysteme und Komponenten das Klassifizieren der Systeme, Teilsysteme und Komponenten in einem hierarchischen Diagnosenetz enthält, in dem die Komponenten Signale an alle Teilsysteme liefern.
Verfahren zum Bereitstellen einer Fehlerdetektierung und -lokalisierung in einem Fahrzeug, wobei das Verfahren umfasst: Identifizieren einer Mehrzahl von Systemen, einer Mehrzahl von Teilsystemen und einer Mehrzahl von Komponenten in dem Fahrzeug; Nutzen von Algorithmen in den Systemen, Teilsystemen und Komponenten, die Diagnosecodes, Fehlercodes und andere Informationen liefern und analysieren, um Vertrauensschätzsignale für die Wahrscheinlichkeit zu liefern, dass ein bestimmtes Teilsystem oder eine bestimmte Komponente gestört ist; Senden der Vertrauensschätzsignale zwischen und unter der Mehrzahl von Systemen, der Mehrzahl von Teilsystemen und der Mehrzahl von Komponenten; und Analysieren der Vertrauensschätzsignale in der Mehrzahl von Systemen und Teilsystemen, um einen Fehler zu identifizieren und zu lokalisieren zu versuchen.
Verfahren nach Anspruch 9, das ferner das Klassifizieren der Systeme, Teilsysteme und Komponenten in einem hierarchischen Baum umfasst, der Ebenen aufweist, wobei jedes System Signale von einer Mehrzahl von Teilsystemen auf einer tieferen Ebene als die Mehrzahl von Systemen empfängt und wobei jedes Teilsystem Signale von einer Mehrzahl von Komponenten auf einer tieferen Ebene als die Teilsysteme empfängt.
Verfahren nach Anspruch 10, das ferner das Senden von Signalen an ein Hauptsteuerprogramm an der Spitze des Baums, das einen bestimmten Fehler mit einem bestimmten Vertrauensgrad identifiziert, umfasst.
Verfahren nach Anspruch 9, das ferner das Klassifizieren der Systeme, Teilsysteme und Komponenten in einem hierarchischen Diagnosenetz umfasst, wobei die Komponenten Signale an alle Teilsysteme liefern.
Verfahren nach Anspruch 9, das ferner das Klassifizieren der Systeme, Teilsysteme und Komponenten in einem graphengestützten Diagnose- und Prognosesystem, das eine Mehrzahl von Knoten enthält, die durch Informationswege miteinander verbunden sind, umfasst, wobei die Knoten Fehlerdiagnose- und Fehlerprognoseknoten für Komponenten oder Teilsysteme sind und Fehler- und Gesundheitszustands-Diagnosemodule und -Folgerungsmodule enthalten.
Verfahren nach Anspruch 9, wobei das Nutzen von Algorithmen das Nutzen statistischer Algorithmen enthält.
Verfahren nach Anspruch 14, wobei das Nutzen statistischer Algorithmen das Nutzen von Algorithmen enthält, die aus der Gruppe ausgewählt werden, die aus Dempster-Shafer-Theorie-Algorithmen und Bayes-Theorie-Algorithmen besteht.
Verfahren nach Anspruch 14, wobei das Nutzen statistischer Algorithmen das Nutzen von Algorithmen enthält, die aus der Gruppe ausgewählt werden, die aus Paritätsgleichungen, Kalman-Filtern, Fuzzy-Modellen und neuronalen Netzen besteht.
Fehlerdiagnosesystem zum Bereitstellen einer Fehlerdetektierung und -lokalisierung in einem Fahrzeug, wobei das System umfasst: ein Mittel zum Identifizieren einer Mehrzahl von Fahrzeugsystemen, einer Mehrzahl von Teilsystemen und einer Mehrzahl von Komponenten in dem Fahrzeug; ein Mittel zum Nützen von Algorithmen in den Fahrzeugsystemen, Teilsystemen und Komponenten, die Diagnosecodes, Fehlercodes und andere Informationen liefern und analysieren, um Vertrauensschätzsignale für die Wahrscheinlichkeit zu liefern, dass ein bestimmtes Teilsystem oder eine bestimmte Komponente gestört ist; ein Mittel zum Senden der Vertrauensschätzsignale zwischen und unter der Mehrzahl von Fahrzeugsystemen, der Mehrzahl von Teilsystemen und der Mehrzahl von Komponenten; und ein Mittel zum Analysieren der Vertrauensschätzsignale in der Mehrzahl von Fahrzeugsystemen und Teilsystemen, um einen Fehler zu identifizieren und zu lokalisieren zu versuchen.
Fehlerdiagnosesystem nach Anspruch 17, das ferner ein Mittel zum Klassifizieren der Fahrzeugsysteme, Teilsysteme und Komponenten in einem hierarchischen Baum umfasst, der Ebenen aufweist, wobei jedes System Signale von einer Mehrzahl von Teilsystemen auf einer tieferen Ebene als die Mehrzahl von Systemen empfängt und wobei jedes Teilsystem Signale von einer Mehrzahl von Komponenten auf einer tieferen Ebene als die Teilsysteme empfängt.
Fehlerdiagnosesystem nach Anspruch 17, das ferner ein Mittel zum Klassifizieren der Fahrzeugsysteme, Teilsysteme und Komponenten in einem hierarchischen Diagnosenetz umfasst, wobei die Komponenten Signale an alle Teilsysteme liefern.
Fehlerdiagnosesystem nach Anspruch 17, das ferner ein Mittel zum Klassifizieren der Fahrzeugsysteme, Teilsysteme und Komponenten in einem graphengestützten Diagnose- und Prognosesystem, das eine Mehrzahl von Knoten enthält, die durch Informationswege miteinander verbunden sind, umfasst, wobei die Knoten Fehlerdiagnose- und Fehlerprognoseknoten für Komponenten oder Teilsysteme sind und Fehler- und Gesundheitszustands-Diagnosemodule und -Folgerungsmodule enthalten.