DE69418941T2

DE69418941T2 - Test eines internen Verbrennungsmotors

Info

Publication number: DE69418941T2
Application number: DE69418941T
Authority: DE
Inventors: Bruce David Bryant; Kenneth Andrew Marko; Nathan Ray Soderborg
Original assignee: Ford Werke GmbH
Current assignee: Ford Werke GmbH
Priority date: 1993-08-02
Filing date: 1994-07-15
Publication date: 1999-10-14
Anticipated expiration: 2014-07-16
Also published as: EP0637739B1; DE69418941D1; US5361628A; EP0637739A2; CA2128181A1; EP0637739A3

Description

Bereich der Erfindung

Die vorliegende Erfindung betrifft die Verarbeitung von Prüfmessungen, die an einem Mehrzylinder-Verbrennungsmotor gesammelt wurden, um diagnostische Ergebnisse zu erhalten, und spezieller eine Methode zur Verarbeitung von Daten, die zur bestmöglichen Bestimmung des Motorzustandes bei der Kaltprüfung eines Verbrennungsmotors gesammelt wurden.

Verwandte Technik

Die Prüfung neu hergestellter Verbrennungsmotoren wird oft mit einer Kaltprüfung durchgeführt (d. h. der Motor wird über einen externen Motor ohne Zündfunken oder Kraftstoff mit einer vorgeschriebenen Geschwindigkeit angelassen). An dem Motor werden dann Messungen (wie etwa der elektrischen Signale eines Motorkennwertes, z. B. Öldruck, Druck am Ansaugkrümmer, Drehmoment der Kurbelwelle usw.) vorgenommen und mit einer Reihe bekannter Regeln (z. B. Wellenformen) verglichen, die zur Darstellung eines richtig funktionierenden Motors ermittelt wurden.
Wenn ein bestimmtes Motorteil fehlerhaft ist, wird es typisch ein Anzeichen hervorrufen das nicht der Regel entspricht, und dadurch erkennen lassen das es nicht richtig funktioniert. Zum Beispiel wird die Wellenform des Drehmoments (Analogdarstellung) eines überwachten Motors typisch eine Signatur erzeugen, die der Verdichtung in einem bestimmten Zylinder entspricht. Fehlt diese Signatur deutet dies auf einen Defekt hin (es fehlt z. B. eine Zündkerze oder es fehlt ein Kolbenring usw.).
Mit der Durchführung einer Analyse durch die Überprüfung von Wellenformen ist das Problem verbunden daß Regeln dafür erarbeitet werden müssen, was ein fehlerhafter Zustand ist. Zur Erkennung eines einzelnen Problems können mehrere Regeln und die Entwicklung mehrerer Regeln zur Diagnose des Problems nötig sein. Die Wellenform eines Problems (z. B. ein fehlender Kolbenring) kann außerdem genau gleich aussehen wie die eines verschiedenen Problems (z. B. einer fehlenden Zündkerze), was die Unterscheidung zwischen zwei verschiedenen Problemen mit ähnlichen Anzeichen sehr schwierig macht. Als Ergebnis ist die Durchführung weiterer, zeitaufwendiger und komplizierter Tests notwendig, um den zugrundeliegenden Fehler zu isolieren und zu identifizieren. Es besteht daher eine Notwendigkeit um Fehler die sehr ähnliche Anzeichen zeigen genau zu unterscheiden, ohne zusätzliche, zeitaufwendige Prüfungen durchzuführen. Taucht ein neuer Fehler auf, der nicht in Erwägung gezogen wurde, kann es außerdem sein daß keine Regel existiert, um diesen "Fehler" als echtes Problem zu erkennen. Als Ergebnis werden Defekte in Motoren übersehen werden, was in Folge bedeutende Produktionsfolgekosten verursachen kann. Es besteht daher eine Notwendigkeit Fehler zu erkennen, die von jeder beobachteten und bekannten Regel abweichen. Die Entwicklung einer herkömmlichen Methode zur Testung eines Motors und Durchführung der Fehlerdiagnose ist überdies zeitaufwendig. Die Entwicklung eines herkömmlichen Systems zur Motoranalyse dauert typisch zum Beispiel mehrere Monate. Der Grund ist daß eine bedeutende Anzahl von "Regeln" entwickelt werden müssen, um einer bestimmten Motorkonstruktion zu entsprechen. Wird der Motor verändert oder leicht umkonstruiert, und ist die Datenbank bereits zusammengestellt, kann die Änderung der Datenbank außerdem mehrere Wochen benötigen. Es besteht daher eine Notwendigkeit um die Zeit zu reduzieren, die zur Entwicklung eines Systems zur Motoranalyse für diagnostische Zwecke benötigt wird.
U. S.-A-5041976 legt ein Verfahren und ein System zum Diagnostizieren von Störungen in einem Verbrennungsmotor offen. Es wird eine Vielzahl von zeitabhängigen Werten gesammelt, die ausgewählten Motorkennwerten entsprechen. Die Kennwerte schließen Informationen zu einzelnen Zündvorgängen ein. Die Daten werden sich derart angeeignet, daß Kennwert-Vektoren gebildet werden, die den Betrieb des Systems beschreiben. Die Vektoren werden zur Einteilung entsprechend den Betriebszuständen des Motors an ein lernendes System geliefert. Das lernende System schließt eine Datenbank ein, die aus einer Vielzahl von diesen Kennwert- Vektoren entsprechenden Prüfvektoren abgeleitet ist, die während des Betriebs eines Prüfmotors in einer Vielzahl von Prüfungen gesammelt wurden.
Bei der vorliegenden Erfindung handelt es sich um ein System und ein Verfahren zur Verarbeitung von Prüfmessungen zu diagnostischen Zwecken, die an neu montierten Verbrennungsmotoren während einer Kaltprüfung (der Motor wird durch einen externen Motor ohne Zündfunken oder Kraftstoff angelassen) gesammelt werden. Die vorliegende Erfindung ist in der Lage Defekte an Motorteilen zu entdecken und zu identifizieren, und kann auch zum Auffinden von Fehlern im Fertigungsverfahren, eines Qualitätsverlustes, und anderen Abweichungen in Motoren verwendet werden. Die bevorzugte Anordnung der Erfindung arbeitet wie folgt. An einem Motor werden Prüfmessungen gesammelt. Die Prüfmessungen werden durch Filter- und Untermusterungs- Techniken (sub-sampling) "vorverarbeitet", so daß eine Hauptkomponentenanalyse (PCA, Principal Component Analysis) zur Zusammenfassung der Prüfmessungen angewendet werden kann, während weiterhin eine statistisch genaue Angabe einer Mehrzahl der Orginalmessungen beibehalten wird. Die vorverarbeiteten Prüfmessungen werden dann durch mehrere Klassierer geleitet, einschließlich: ein Klassierer mit neuralem Netzwerk, ein Fuzzy-Logic-Klassierer, ein als "sphärischer Klassierer" bekannter, Cluster-basierender Klassierer, und ein Klassierer mit genetischem Programm. Die Ergebnisse aus diesen Klassierern können verwendet werden um ein Urteil über den Motor zu erhalten. Das heißt die Klassierer sind konfiguriert um Fehler zu entdecken (ob ein Problem vorhanden ist) und/oder den Fehler (was das Problem verursacht) zu identifizieren. Die Klassierer können auch in einem Wahlschema kombiniert werden, um ein Urteil über den Motor zu erhalten das statistisch genauer ist als das von einem einzelnen Klassierer gelieferte. Außerdem können für eine Trendüberwachung die Ergebnisse der Klassierer für eine Gruppe von Motoren gleichzeitig analysiert werden.
Die bevorzugte Ausführungsform der Erfindung stellt gegenüber herkömmlichen Diagnosesystemen aus den folgenden Gründen eine bedeutende Verbesserung dar: Durch die Verwendung von PCA wird eine Vorverarbeitung der Prüfmessungen durchgeführt, welche die Messungen statistisch in einen knappen Kennwertsatz konzentriert. PCA zeigt genau an wieviel Information der ursprünglichen Messungen beibehalten wird, und PCA behält typischerweise bedeutend mehr Messinformationen bei als herkömmliche Techniken der Vorverarbeitung, wie etwa die Merkmalerfassung (Amplitude, Phase, Achsenschnittpunkte, usw.) oder Spektraltechniken (Fourier- Transformationen).
Ein weiterer Vorteil der bevorzugten Ausführungsform der Erfindung ist die Anpassungsfähigkeit. Sie kann leicht angepaßt werden, um Änderungen in der Motorkonfiguration, der Meßausrüstung oder Fertigungstrends Rechnung zu tragen. Sie kann auch zum Auffinden und zum Identifizieren von vorher unbemerkten oder unvorhergesehenen Störungen "trainiert" oder angepaßt werden. Statt in den bei herkömmlichen Systemen zur Fehlerfindung und -Identifikation benötigten Wochen oder Monaten kann eine Anpassung des Prüfsystems an neue Motormodifikationen in Stunden oder Tage ausgeführt werden.
Ein weiterer Vorteil der bevorzugten Ausführungsform der Erfindung ist, daß die Empfindlichkeit mehrerer Aspekte der Klassierer verstellt werden kann, was dem Bediener der vorliegenden Erfindung ein großes Maß an Flexibilität bereitstellt, um für den Motor ein abschließendes Urteil (z. B. bestanden/nicht bestanden) zu wählen.
Die Erfindung wird nun anhand von Beispielen unter Bezugnahme auf die beigefügten Abbildungen weiter beschrieben, wobei:
Abb. 1 das problemorientierte Datenfluß-Blockdiagramm eines Verfahrens zur Motoranalyse 100 im Einklang mit einer bevorzugten Ausführungsform der vorliegenden Erfindung ist.
Abb. 2A ein Flußdiagramm ist, das die Schritte im Arbeitsvorgang der Vorverarbeitungstechnik veranschaulicht, die in Abb. 1 erwähnt wird.
Abb. 2B ein Blockdiagramm ist, das die Hauptbestandteile der Vorverarbeitungs- Technik veranschaulicht.
Abb. 3 eine Beispieldarstellung der typischen Wellenform einer Rohmessung zeigt, die an einem Motor erfaßt wurde. Eine mediangefilterte Version der selben Wellenform ist ebenfalls dargestellt.
Abb. 4 eine graphische Darstellung einer mediangefilterten Wellenform zeigt, die mit einem durchschnittsbildenden Dreiecksfenster untergemuster wird, um eine untergemusterte Wellenform zu erzeugen.
Abb. 5 in einer graphischen Darstellung zeigt, wie eine untergemusterte Drehmoment-Wellenform nach Zylinder aufgeteilt wird.
Abb. 6 eine graphische Darstellung von 4 untergemusterten - die Zylinder 1-4 darstellenden - Vektor-Wellenformen aus 18 Punkten darstellt, sowie eine "durchschnittliche" Vektor-Wellenform aus 18 Punkten, welche den "Durchschnitt" der Vektor-Wellenformen aller vier Zylinder darstellt.
Abb. 7 das Blockdiagramm eines Systems zur Motorklassifizierung ist, das im Einklang mit Schritt 106 in Abb. 1 zur Klassifizierung eines Motors verwendet wird.
Abb. 8 ein Graph ist, welcher die begriffliche Grundlage eines Clusterbasierenden Klassiersystems zeigt.
Abb. 9 einen 3-dimensionalen sphärischen Beispielgraphen darstellt, der einen inneren Radius und einen äußeren Radius besitzen, die für den Cluster-basierenden Klassierer um eine Anhäufung (Cluster) von nominell guten Motoren zentrisch angeordnet sind.
Abb. 10 eine graphische Darstellung einer Bewertungsfunktion in stückweise linearer Form darstellt.
Abb. 11 eine graphische Darstellung der "normal"-Regel darstellt.
Abb. 12 eine graphische Darstellung der "begrenzt"-Regel darstellt.
Abb. 13 eine graphische Darstellung der "nicht normal"-Regel darstellt.
Abb. 14 ein beispielhafter Graph ist, der eine Funktion zur Bestimmung des Zugehörigkeitsgrades in der Festlegung "klein" veranschaulicht.
Abb. 15 ein beispielhafter Graph ist, der eine Funktion zur Bestimmung des Zugehörigkeitsgrades in der Festlegung "mittelgroß" veranschaulicht.
Abb. 16 ein beispielhafter Graph ist, der eine Funktion zur Bestimmung des Zugehörigkeitsgrades in der Festlegung "groß" veranschaulicht.
Abb. 17 ein Beispiel der Anhäufungsregel darstellt.
Abb. 18 die graphische Darstellung einer sigmoidalen Skalierfunktion ist. Die linken Ziffern der Bezugsnummern geben die Abbildung an, in der die Bezugsnummer erstmals auftaucht.

1.0 System und Verfahren zur Motorenanalyse

Abb. 1 ist das problemorientierte Datenfluß-Blockdiagramm eines Verfahrens zur Motoranalyse 100 im Einklang mit einer bevorzugten Ausführungsform der vorliegenden Erfindung. In Kürze schließt das Analyseverfahren 100 die Erfassung der Kaltprüfmessungen 102, die Vorverarbeitung der Kaltprüfmessungen 104, die Klassifizierung des Motors 106, und das Erreichen eines Urteils 108 ein. Die Blöcke 102, 104, 106 und 108 in Abb. 1 stellen die Arbeitsschritte des Verfahrens zur Motoranalyse im Einklang mit der vorliegenden Erfindung dar und werden allgemein als "Schritte" bezeichnet werden. Die Pfeile 103, 105, 107 und 115 zwischen den Schritten 102, 104, 106 und 108 können als Kabel - wie elektrische Datenbus-Kabelausgeführt sein, die elektrische Signale transportieren. Alternativ dazu kann einer oder mehrere der Pfeile 103, 105 und 107 eine Nachrichtenverbindung (z. B. Datenflußpfeile) zwischen Software-Routinen darstellen, besonders wenn die vorliegende Erfindung (oder Komponenten der vorliegenden Erfindung) in der bevorzugten Ausführungsform als computergesteuertes Verfahren ausgeführt sind. Die gesamte Wirkungsweise des Verfahrens zur Motordatenanalyse wird nun genauer beschrieben.

1.1 Erfassung von Kaltprüfmessungen

Unter Bezug auf Abb. 1 werden in Schritt 102 Prüfmessungen von einem sich in der Prüfung befindenden Motors 101 erfaßt. Der Motor 101 wird bei geringer Geschwindigkeit ohne Zündfunken oder Kraftstoff angelassen (Kaltprüfung). Die Kaltprüfung eines Motors zu diagnostischen Zwecken wird von den Fachleuten allgemein gut verstanden. Zum Zweck der Veranschaulichung der vorliegenden Erfindung wird der Motor 101 hierin als Vierzylinder-Verbrennungsmotor betrachtet werden, wie er typisch in Autos und Kleinlastern eingesetzt wird. Es sollte jedoch klar sein, daß das Verfahren zur Datenanalyse 100 zur Überwachung anderer Konstruktionsweisen von Verbrennungsmotoren (z. B. 4, 6, 8 oder größere Zylinder) verwendet werden kann.
In der bevorzugten Ausführungsform werden Prüfmessungen für einen Motorzyklus erfaßt, was bei einem Vierzylinder-Motor zwei Umdrehungen entspricht. Es ist jedoch möglich Prüfmessungen für mehr oder weniger als einen Motorzyklus zu erfassen. Die Prüfmessungen werden, wie den Fachleuten klar sein wird, im analogen Schrittformat (d. h. Wellenformen von ROH-"Daten") erfaßt. In der bevorzugten Ausführungsform werden für eine Summe von gesamt 720 Punkten pro Wellenform einmal pro Grad der Motorumdrehung Prüfmessungen erfaßt. Es werden Prüfmessungen von vier diagnostischen Indikatoren (z. B. Kenngrößen) erfaßt, einschließlich Drehmoment der Kurbelwelle, Ansaugdruck, Abgasdruck und Öldruck. Um einen fünften diagnostischen Indikator, den sogenannten "dynamischen Öldruck", zu erzeugen, werden die Prüfmessungen des Öldrucks in eine Wellenform der Wechselstromkomponente gefiltert (die Gleichstromkomponente wird entfernt). Bei der Erfassung von Kaltprüfmessungen werden als Ergebnis so Meßdateien für 5 diagnostische Indikatoren erfaßt, von denen jede eine Summe von 720 Punkten pro Wellenform besitzt. Prüfmessungen können auch von anderen diagnostischen Indikatoren wie akustischen Sensoren, am Motor angebrachten Drehmomentsensoren, Druckaufnehmern im Zylinder, Druckaufnehmern im Kurbelgehäuse usw., erfaßt werden.

1.2 Vorverarbeitung der Kaltprüfmessungen

In Schritt 104 werden die an einem Motor 101 gesammelten Prüfmessungen (Kennwerte) vorverarbeitet. Die Vorverarbeitung 104 verdichtet die rohen "Daten" der Meßwellenformen allgemein in einen Vektor relevanter Kennwerte. Die Vorverarbeitung der Prüfmessungen wird unter Bezugnahme auf die Abb. 2A und 2B beschrieben. Abb. 2A ist ein Flußdiagramm, das die Schritte im Arbeitsablauf einer Vorverarbeitungstechnik 104 im Einklang mit der vorliegenden Erfindung darstellt. Abb. 2B ist ein Blockdiagramm des Vorverarbeitungssystems 200, das im Einklang mit Schritt 104 von Abb. 1 zur Vorverarbeitung der Signale von Kaltprüfmessungen verwendet wird, die von einem Motor 101 empfangen wurden.
Mit Bezug auf Abb. 2B beinhaltet das Vorverarbeitungssystem 200 eine Vielzahl von Filtern und verwandten Elementen; einschließlich einen Medianfilter 220, einen Filter/Teiler zur Durchschnittsbildung in einem Dreiecksfenster 222, einen Durchschnittsfilter 228, einen Standardabweichungsfilter 224 und einen Hauptkomponenten-Filter 226. Es sollte beachtet werden daß die Pfeile 103, 221, 223, 225, 229 und 105 zwischen den Elementen 220, 222, 224, 226 und 228 einen Datenfluß in Form von digitalen Signalen (im Falle einer - wie in einer bevorzugten Ausführung - mit Computern durchgeführten Methode zwischen Subroutinen einer Software), Datenbussen (im Falle eines Hardware-basierten Systems) oder, im Falle eines Hybridsystems, zwischen einer Kombination aus Bussen und Signalen darstellt. In der bevorzugten Ausführungsform ist das Vorverarbeitungssystem 200 eine mit Computern durchgeführte (innerhalb einer Software durchgeführte) Methode, welche in der Lage ist Informationen in eine Speichereinheit (nicht gezeigt) zu schreiben und von ihr zu lesen. Die Funktionalität des Vorverarbeitungssystems 200 wird unter Bezug auf Abb. 2A genauer beschrieben.
Mit Bezug auf Abb. 2A werden in Schritt 202 die rohen Wellenformen der Messungen mediangefiltert, um die Überreste von elektronischem Rauschen und mechanischen Vibrationen zu entfernen. Das wird erreicht indem die Signale 103 der Kaltprüfmessung, welche die Daten der Kaltprüfung darstellen, wie in Abb. 2B gezeigt durch den Medianfilter 220 geleitet werden.
Abb. 3 zeigt eine Beispieldarstellung der typischen Wellenform 302 einer an einem Motor 101 erfaßten Rohmessung, die mediangefiltert wird, um die mediangefilterte Wellenform 304 zu erzeugen. Jeder Punkt N der mediangefilterten Wellenform 304 ist zum Beispiel der Medianwert der Punkte von N-5 bis N+5 der ungefilterten Wellenform 302. Die Strecke der Durchschnittsbildung (in dem obigen Beispiel z. B. ±5) ist, abhängig von der Wellenform und dem gewünschten Maß der Filterung, einstellbar. In der bevorzugten Ausführungsform werden alle 5 Wellenformen der diagnostischen Messung (Drehmoment der Kurbelwelle, Druck am Ansaugkrümmer, Abgasdruck, Öldruck und dynamischer Öldruck) getrennt mediangefiltert, um 5 Vektoren mit 720 Punkten zu erzeugen die für die gefilterten Wellenformen 304 repräsentativ sind. Diese Information wird dann, wie in Abb. 2B als Signal 221 gezeigt, an Schritt 204 weitergegeben.
In Schritt 204 werden - unter erneuter Bezugnahme auf Abb. 2A - die einzelnen, mediangefilterten Wellenformen (Vektoren) 304 untergemustert. Eine Untermusterung kann verwendet werden, um die Anzahl der Punkte in der Wellenform 304 zu reduzieren, während ihre allgemeine Form beibehalten wird und keine bedeutende Informationsmenge verloren geht. In der bevorzugten Ausführungsform wird die Untermusterung mit dem Filter 222 zur Durchschnittsbildung in einem Dreiecksfenster durchgeführt, dessen Weite und Steigung zusammen mit der Untermusterungsrate nach oben oder unten eingestellt werden kann.
Abb. 4 zeigt zum Beispiel eine graphische Darstellung einer mediangefilterten Wellenform 304, die zur Erzeugung einer untergemusterten Wellenform 402 mit einem Dreicksfenster zur Durchschnittsbildung untergemustert wird. Eine dreiecksförmig mittelnde Untermusterung kann zum Beispiel ausgeführt werden, indem ein Punkt N 404 in der untergemusterten Wellenform 402 mit ((Punkt N-9)x0.1) + ((Punkt N-8)x0.2 + ((Punkt N-7)x0.3 + ((Punkt N-6)x0.4 + ((Punkt N-5)x0.5 + ((Punkt N-4)x0.6 + ((Punkt N-3)x0.7) + ((Punkt N-2)x0.8) + ((Punkt N-1)x0.9) + ((Punkt N)x1.0) + ((Punkt N+1)x0.9) + ((Punkt N+2)x0.8) + ((Punkt N+3)x0.7) + ((Punkt N+4)x0.6) + ((Punkt N+5)x0.5) + ((Punkt N+6)x0.4) + ((Punkt N+7)x0.3) + ((Punkt N+8)x0.2) + ((Punkt N+9)x0.1), das ganze dividiert durch 10, gleichgesetzt wird. In diesem Beispiel beträgt die Weite des Dreiecksfensters zur Durchschnittsbildung 19, und die Steigung beträgt 1/10. Jede gefilterte Wellenform mit 720 Punkten wird als Ergebnis der Untermusterung auf eine untergemusterte Wellenform mit 72 Punkten reduziert. Auf diese Weise werden fünf untergemusterte Vektor-Wellenformen 402 mit 72 Punkten erzeugt. Über den Datenflußpfeil 205 wird diese Information an Schritt 206 weitergegeben. Die Vektor-Wellenformen des Öldrucks werden über den Datenflußpfeil 217 (unter Umgehung der Schritte 208 und 210) direkt an den unten beschriebenen Schritt 214 übermittelt.
Die untergemusterten Wellenformen 402, die das Drehmoment, den Ansaugdruck und den Abgasdruck darstellen, werden unter Bezug auf Abb. 2A in Schritt 206 als nächstes in "Einflußbereiche" eines vorherrschenden Zylinders zerlegt. Die Einteilung nach Zylinder erlaubt eine genaue Auswertung jedes Zylinders (Unterscheidung zwischen Zylindern) und erlaubt die Beobachtung jeder Unausgeglichenheit unter den Zylindern. Eine untergemusterte Drehmoment- Wellenform 502 wird z. B. wie in Abb. 5 gezeigt nach Zylinder eingeteilt (ein 4- Zylinder Motor hat die Zündfolge 1-3-4-2). Ein Motorzyklus (z. B. 720º) wird in Abschnitte von 180º geteilt, die annähernd der zweiten Hälfte des Verdichtungshubs eines Zylinders (negatives Drehmoment) und der ersten Hälfte des Arbeitshubes eines Zylinders (positives Drehmoment) entsprechen. Während der Kaltprüfung ist keine Zündung oder Kraftstoff vorhanden, das positive Drehmoment wird daher im Wesentlichen von der "Dekompression" erzeugt.
Für die Wellenform des Ansaugdrucks (nicht gezeigt) wird der Motorzyklus in Abschnitte geteilt, die ungefähr dem Ansaughub jedes Zylinders entsprechen: Zylinder 1: 25º-205º; Zylinder 3: 205º-385º: Zylinder 4: 385º-565º; und Zylinder 2: 565º-720º und 0º-25º. Alternativ können für den Motor andere Gradeinteilungen ausgewählt werden.
Für die Wellenform des Abgasdrucks (nicht gezeigt) wird der Motorzyklus in Abschnitte geteilt, die ungefähr dem Auspuffhub jedes Zylinders entsprechen: Zylinder 1: 520º-700º; Zylinder 3: 700º-720º und 0º-160º; Zylinder 4 160º-340º; und Zylinder 2: 340º-520º. Alternativ können für den Motor andere Gradeinteilungen ausgewählt werden. Diese Information wird über den Datenpfeil 207 an Schritt 208 weitergegeben. Abb. 2B zeigt die untergemusterte, unterteilte Wellenform als Signal 223 aus dem Dreiecksfenster-Filter zur Durchschnittsbildung 222 und Aufteilung 232.
Unter Bezug auf Abb. 2A wird in Schritt 208 als nächstes ein "durschnittliches" Zylinderereignis (180º) bestimmt, indem Punkt für Punkt die Durchschnitte der einzelnen Zylinderereignisse errechnet werden (oder in anderen Worten indem die Daten getrennter, untergemusterter Wellenformen Punkt für Punkt zusammengefaßt werden). Dies wird erreicht, indem das Signal der unterteilten, untergemusterten Wellenform 223 aus dem Filter mit mittelndem Dreiecksfilter 222/dem Aufteilungsfilter 232 durch den Durchschnittsfilter 228 geleitet wird.
Abb. 6 zeigt eine graphische Darstellung von vier untergemusterten Vektor- Wellenformen mit 18 Punkten, welche ein Zylinderereignis (180º) für die Zylinder 1-4 darstellen; und eine "durchschnittliche" Vektor-Wellenform mit 18 Punkten, welche einen "Durchschnitt" für die Vektor-Wellenformen des Zylinderereignisses (180º) aller vier Zylinder darstellt. Wie in Abb. 6 gezeigt, ist der erste Punkt 622 in der Vektor-Wellenform des "Durchschnitts"-Zylinders gleich dem Durchschnitt der vier ersten Punkte 602, die auf den Wellenformen 1-4 der einzelnen Zylinder angeordnet sind. Ebenso ist der siebente Punkt 624 der Vektor-Wellenform des "Durchschnitts"- Zylinders gleich dem Durchschnitt aller vier siebenten Punkte 604, die auf den einzelnen Zylinder-Wellenformen 1-4 angeordnet sind. Der Punkt N der Vektor- Wellenform des Durchschnittszylinders ist allgemein gleich dem Durchschnitt der vier Punkte Ns der einzelnen Zylinder-Wellenformen. Die Durchschnittsformel lautet dann:
u = 1/n X&sub1; Gleichung 1
Für jede der Wellenformen von Kurbelwellen-Drehmoment, Ansaugdruck und Abgasdruck wird, wie in Gleichung 1 ausgedrückt, die "durchschnittliche" Wellenform bestimmt. Durch Wiederholung der Arbeitsschritte von Schritt 208 wird in Schritt 210 ein Standardabweichungs-Zylinderereignis ermittelt. Das Standardabweichungs- Zylinderereignis wird in diesem Fall Punkt für Punkt aus den einzelnen Zylindern errechnet. Unter Bezug auf Abb. 2B wird das erreicht, indem das Signal 223 der unterteilten, untergemusterten Wellenform durch den Standardabweichungsfilter 224 geleitet wird.
Das Standardabweichungs-Zylinderereignis wird berechnet, indem die in Schritt 208 der Abb. 2A beschriebene "Durchschnitts"-Formel durch die "Standardabweichungs"-Formel ersetzt wird. Die Formel der Standardabweichung lautet:
Werden die unterteilten, untergemusterten Wellenformen von Zylinder 1-4 auf die Standardabweichungs-Formel angewandt, so wird von jeder der Wellenformen für Kurbelwellen-Drehmoment, Ansaugdruck und Abgasdruck (Kennwerte) für ein Zylinderereignis ein "Standardabweichungs"-Vektor mit 18 Punkten erhalten. Ein Zylinderereignis sind 180º.
Die Informationen aus den Schritten 202-210 werden zur Durchführung einer Hauptkomponentenanalyse verwendet. Wie in Abb. 2B gezeigt werden die vom Durchschnittsfilter 228 und Standardabweichungsfilter 224 erzeugten Signale (Wellenformen von Kurbelwellen-Drehmoment, Ansaugdruck und Abgasdruck) über 225, 229 zum Filter für die Hauptkomponentenanalyse 226 weitergegeben. Über 263 werden zusätzlich die Wellenformen des Öldrucks zum Filter 226 für die Hauptkomponentenanalyse übermittelt. Die PCA wird jedesmal durchgeführt wenn ein neuer Motor geprüft wird. Die Wirkungsweise der Hauptkomponentenanalyse wird nun unter Bezug auf Abb. 2A beschrieben.
Die Hauptkomponentenanalyse ist eine wohlbekannte statistische Verarbeitungsmethode, um die Anzahl der Dimensionen einer Datengruppe herabzusetzen, während die meiste Information beibehalten wird. Ein Datenvektor aus n Punkten kann zum Beispiel einen Punkt in einem n-dimensionalen Raum darstellen. Die Hauptkomponentenanalyse findet eine Formel, welche Datenpunkte aus ihrem ursprünglichen Raum in einen neuen Raum mit der selben Anzahl an Dimensionen umformt. Die erste Dimension in dem neuen Raum stellt die Richtung der höchsten Veränderlichkeit im ursprünglichen Datenraum dar; die zweite Dimension stellt die Richtung senkrecht zu der ersten dar, welche die höchste Veränderlichkeit besitzt; die dritte Dimension stellt die Richtung senkrecht zu der ersten und der zweiten dar, welche die höchste Veränderlichkeit besitzt; und so weiter. Nachdem eine Hauptkomponentenanalyse durchgeführt wurde ist es beschwerlich, technische Einheiten (wie Foot-Pounds, Druck pro Quadratzoll usw.) beizubehalten. Deshalb werden technische Einheiten nach der Durchführung einer Hauptkomponentenanalyse typischerweise ignoriert und die resultierenden Daten als dimensionslos angenommen. Die Hauptkomponentenanalyse wird. in "Principle Component Analysis", I. T. Jolliffe, Springer Verlag, 1986, allgemein erörtert.
Bei der Fehlerdiagnose von Motordaten machen die ersten paar Dimensionen im neuen Raum zusammen allgemein 90-99% der gesamten Unterschiede aus, die im ursprünglichen Datensatz vorhanden sind. Die verbleibenden Dimensionen werden dementsprechend ignoriert, um so einen verkürzten Datensatz zu erhalten. Im voraus wird die Hauptkomponentenanalyse an den folgen Datensätzen durchgeführt, die als Vektoren von einer Gruppe Motoren enthalten werden, die für eine typische Produktion stehen: Das durchschnittliche Zylinderereignis des Drehmoments, das Standardabweichungs-Zylinderereignis des Drehmoments; das durchschnittliche Zylinderereignis für den Ansaugdruck; das Standardabweichungs-Zylinderereignis für den Ansaugdruck, das durchschnittliche Zylinderereignis des Abgasdrucks; das Standardabweichungs-Zylinderereignis des Abgasdrucks; und die Wellenform des dynamischen Öldrucks. Daraus ergeben sich sechs Umwandlungsformeln von 18 Dimensionen auf 18 Dimensionen, und eine Formel von 72 Dimensionen auf 72 Dimensionen. Die Allgemeine Formel kann in Form einer Koordiantenumwandlung ausgedrückt werden:
Y = Ax + c Gleichung 3
wobei y der Punkt im neuen Raum und x der Punkt im ursprünglichen Raum ist. "A" ist eine Matrix der Größe 18 · 18 oder 72 · 72, und c ist ein Vektor aus Konstanten. In erweiterter Form würde die Formel wie folgt erscheinen (im Falle 3 · 3):
Die genauen Formeln hängen in Größe, Inhalt und Anzahl von der Anwendung ab, können aber von den Fachleuten ermittelt werden.
Die Daten werden in Schritt 214 unter Verwendung der oben abgeleiteten Formeln (z. B. Gleichung 3 und 4) aus dem ursprünglichen Raum in den neuen Raum umgerechnet. Die Vektorelemente in dem neuen Raum werden "Hauptkomponentenwerte" (Principal Component Values, PCs) genannt. Die Umrechnung wird wie folgt durchgeführt:
Anwenden der Umformung des Durchschnitts-Zylinderereignisses des Drehmoments auf jedes der einzelnen Zylinderereignisse der Drehmoment- Wellenform, um für das Drehmoment einzelne Sätze von PC's (ein Satz Hauptkomponenten pro Zylinder) für die vier Zylinder zu erzeugen.
Anwenden der Umwandlung des Durchschnitts-Zylinderereignisses des Drehmoments auf das Durchschnitts-Zylinderereignis der Drehmoment- Wellenform, um für das Drehmoment die PC's eines Durchschnitts- Zylinderereignisses zu erzeugen.
Anwenden der Umformung des Standardabweichungs-Zylinderereignisses des Drehmoments auf das Standardabweichungs-Zylinderereignis der Drehmoment-Wellenform, um für das Drehmoment die PC's eines Standardabweichungs-Zylinderereignisses (ein Satz an Hauptkomponenten pro Zylinder) zu erzeugen.
Anwenden der Umformung des Durchschnitts-Zylinderereignisses des Ansaugdrucks auf jedes der einzelnen Zylinderereignisse der Ansaugdruck- Wellenform, um für den Ansaugdruck vier Sätze von PC's der einzelnen Zylinder zu erzeugen.
Anwenden der Umformung des Durchschnitts-Zylinderereignisses des Ansaugdrucks auf das Durchschnitts-Zylinderereignis der Ansaugdruck- Wellenform, um für den Ansaugdruck die PC's eines Durchschnitts- Zylinderereignisses zu erzeugen.
Anwenden der Umformung des Standardabweichungs-Zylinderereignisses des Ansaugdrucks auf das Standardabweichungs-Zylinderereignis der Ansaugdruck-Wellenform, um für den Ansaugdruck die PC's eines Standardabweichungs-Zylinderereignisses zu erzeugen.
Anwenden der Umformung des Durchschnitts-Zylinderereignisses des Abgasdrucks auf jedes der einzelne Zylinderereignisse der Abgasdruck- Wellenform, um für den Abgasdruck vier Sätze von PC's (ein Satz Hauptkomponenten pro Zylinder) der einzelnen Zylinder zu erzeugen.
Anwenden der Umformung des Durchschnitts-Zylinderereignisses des Abgasdrucks auf die Abgas-Wellenform des Durchschnitts-Zylinderereignisses, um für den Abgasdruck die PC's eines Durchschnitts-Zylindervorganges zu erzeugen.
Anwenden der Umformung des Standardabweichungs-Zylinderereignisses des Abgasdrucks auf das Standardabweichungs-Zylinderereignis der Abgasdruck- Wellenform, um für den Abgasdruck die PC's eines Standardabweichungs- Zylinderereignisses zu erzeugen.
Anwenden der Umformung der dynamischen Öldruck-Wellenform auf die dynamische Öldruck-Wellenform, um für den Öldruck PC's zu erzeugen.
Berechnen des durchschnittlichen Wertes der statischen Öldruck-Wellenform, um für den statischen Öldruck eine künstliche PC zu erzeugen.
Sobald die Daten in PC's umgeformt sind, werden sie über den Datenflußpfeil 215 an Schritt 216 übermittelt.
In Schritt 216 werden nur die wichtigsten PC's im Speicher (nicht gezeigt) zurückbehalten, weil die wichtigsten Informationen (in Form einer Abweichung) in den ersten paar PC's eines Vektors enthalten sind. Für die weitere Verarbeitung werden daher nur die wichtigsten PC's benötigt. In der bevorzugten Ausführungsform werden die wichtigsten PC's wie folgt zurückbehalten:
Die ersten beiden PCs des ersten, einzelnen Zylinderereignisses der Drehmoment-Wellenform
Die ersten beiden PC's des zweiten, einzelnen Zylinderereignisses der Drehmoment-Wellenform;
Die ersten beiden PC's des dritten, einzelnen Zylinderereignisses der Drehmoment-Wellenform
Die ersten beiden PC's des vierten, einzelnen Zylinderereignisses der Drehmoment-Wellenform;
Die ersten vier PC's des Durchschnitts-Zylinderereignisses der Drehmoment- Wellenform;
die ersten fünf PC's des Standardabweichungs-Zylinderereignisses der Drehmoment-Wellenform
Die ersten beiden PC's des ersten, einzelnen Zylinderereignisses der Abgasdruck-Wellenform;
Die ersten beiden PC's des zweiten, einzelnen Zylinderereignisses der Abgasdruck-Wellenform;
Die ersten beiden PC's des dritten, einzelnen Zylinderereignisses der Abgasdruck-Wellenform;
Die ersten beiden PC's des vierten, einzelnen Zylinderereignisses der Abgasdruck-Wellenform
Die ersten vier PC's des Durchschnitts-Zylinderereignisses der Abgasdruck- Wellenform;
Die ersten beiden PC's des Standardabweichungs-Zylinderereignisses der Abgasdruck-Wellenform;
Die ersten beiden PC's des ersten, einzelnen Zylinderereignisses der Ansaugdruck-Wellenform;
Die ersten beiden PC's des zweiten, einzelnen Zylinderereignisses der Ansaugdruck-Wellenform;
Die ersten beiden PC's des dritten, einzelnen Zylinderereignisses der Ansaugdruck-Wellenform;
Die ersten beiden PC's des vierten, einzelnen Zylinderereignisses der Ansaugdruck-Wellenform;
Die ersten drei PC's des Durchschnitts-Zylinderereignisses der Ansaugdruck- Wellenform;
Die ersten vier PC's des Standardabweichungs-Zylinderereignisses der Ansaugdruck-Wellenform;
Die ersten sechs PC's der dynamischen Öldruck-Wellenform; und
Die PC des statischen Öldrucks.
Die obigen PCs werden in einem Vektor verbunden, der PC-Vektor genannt wird. Der PC-Vektor verfügt in der bevorzugten Ausführungsform über 53 PC's, die im Speicher gesichert werden.
Abhängig von verschiedenen technischen Überlegungen - wie Ausgewogenheit der Information zwischen Signalen, das Maß der gewünschten Genauigkeit gegen die Bedürfnisse der Verarbeitung, und so fort - können zur Beibehaltung von PC's leicht andere Variationen angewandt werden, obwohl in der bevorzugten Ausführungsform die obige Auswahl zurückbehaltener PC's verwendet wird.
Die Vorverarbeitung der Kaltprüfmessungen ist nach Beendigung von Schritt 216 abgeschlossen.

1.3 Motorklassifizierung

Nachdem die Messungen in Schritt 104 von Abb. 1 vorverarbeitet wurden, wird der PC-Vektor zur Klassifizierung des Motors 101 über den Datenflußpfeil 105 an Schritt 106 weitergegeben. Abb. 7 ist ein Blockdiagramm eines Motor- Klassiersystems 700, das in Einklang mit Schritt 106 von Abb. 1 zur Klassifizierung von Motor 101 benutzt wird. Das Motor-Klassiersystem 700 beinhaltet unter Bezug auf Abb. 7 eine Vielzahl von Klassierern: einen Klassierer mit neuralem Netzwerk 702, einen Cluster-basierenden Klassierer 704, einen Fuzzy Logic-basierenden Klassierer 706, und einen Klassierer auf Basis eines genetischen Programms 708. Um ein Urteil über den Motor 101 zu erhalten, können Ergebnisse eines, mehrerer, oder aller Klassierer 702, 704, 706 und 708 benutzt werden.
Um zu einem Urteil 723 zu kommen verwendet ein Hybrid-Klassierer 722 ein Wahlschema, das von den Klassierern 702, 704, 706 und 708 erzeugte Ergebnisse/Urteile 711, 713, 715, 717 auswählt.
Es sollte beachtet werden daß die Pfeile 711, 713, 715, 717, 719, 721, 723 und 107 zwischen den Klassierern 702, 704, 706, 708 und 722 einen Datenfluß in Form von digitalen Signalen (im Fälle eines mit Computern durchgeführten Verfahrens - wie in der bevorzugten Ausführungsform - zwischen den Subroutinen in einer Software), Datenbussen (im Falle eines Hardware-basierenden Systems), oder - im Falle eines Hybridsystems - einer Kombination aus Datenbussen und digitalen Signalen, darstellen. In der bevorzugten Ausführungsform ist das Motor-Klassiersystem 700 ein mit Computern durchgeführtes Verfahren, das in der Lage ist Informationen von einer Speichereinheit (nicht gezeigt) zu lesen und zu ihr zu schreiben. Die Funktionsweise jedes Klassierers ist unten genauer beschrieben.

A. Klassierer mit neuralem Netzwerk

Die PC-Vektoren gelangen über den Datenflußpfeil 105 in den Klassierer mit neuralem Netzwerk 702. Ein neurales Netzwerk ist eine organisierte Anordnung von Verarbeitungselementen, welche zur Lösung einer bestimmten Aufgabe in einer parallelen Art und Weise arbeiten. Für weitere Informationen kann der Leser auf Texte zurückgreifen, die zum Thema der neuralen Netzwerke und der Parallelverarbeitung geschrieben wurden, wie etwa "Exploration in Parallel Distributed Processing: A Handbook in Model Programs and Exercises", McClelland und Rumelhart, Bände 1 und 2, MIT Press, Cambridge, Massachusetts, 1988.
In der bevorzugten Ausführungsform wird als Musterbeispiel ein neurales Netzwerk mit Rückübertragung verwendet. Dieses Musterbeispiel ist sehr beliebt und wird von den entsprechenden Fachleuten leicht ausgeführt. Speziell wird ein Dreischicht- Netzwerk mit Rückübertragung mit 53 Knoten in der Eingabeschicht (einer pro PC- Vektorelement); 12 Knoten in der verborgenen Schicht und zwei Knoten in der Ausgabeschicht (einer pro Ausgabeklasse - bestanden (PASS) oder nicht bestanden (FAIL)) verwendet. In der Eingabeschicht und der verborgenen Schicht werden voreingenommene Knoten verwendet. In den verborgenen Knoten und den Ausgabeknoten wird eine sigmoidale Übertragungsfunktion verwendet.
In der bevorzugten Ausführungsform wird der Klassierer mit neuralem Netzwerk 702 im voraus zur Feststellung von Fehlern trainiert, indem PC-Vektoren von Motoren mit bekanntem PASS/FAIL-Status verwendet werden. Jeder Ausgabeknoten des Klassierers mit neuralem Netzwerk 702 erzeugt eine Ausgabe mit einem Skalarwert zwischen 0 und 1. Die Ausgabewerte können auf mehrere Arten und Weisen ausgewertet werden. Eine Auswertungsmethode ist die Verwendung des höher bewerteten der beiden Ausgabeknoten (bekannt als der Siegerknoten), um den PASS/FAIL-Status des Motors anzuzeigen.
Eine andere Auswertungsmethode ist als Schwellenwertmethode bekannt. Um mit dieser Methode ein Urteil festzusetzen, kann entweder der PASS-Knoten oder der FAIL-Knoten mit einem Schwellenwert (zwischen 0 und 1) verglichen werden, der in einem Speicher abgelegt ist. Ein Bediener wählt welcher Knoten zum Vergleich mit dem Schwellenwert verwendet und welcher Knoten nicht beachtet wird. Durch eine Computerschnittstelle (z. B. eine Tastatur, nicht gezeigt) ist der Bediener auch in der Lage den bestimmten, zu verwendenden Schwellenwert auszuwählen. Der Bediener kann zum Beispiel den PASS-Knoten und einen gegebenen Schwellenwert von 0.3 auswählen. Auf diese Art besteht der Motor, wenn der Wert des PASS-Knotens den gegebenen Schwellenwert überschreitet. Anderenfalls fällt der Motor 101 durch. In der bevorzugten Ausführungsform hat der Bediener die Möglichkeit zur Wahl unter den Auswertemethoden und zur Wahl des Schwellenwerts.
Der Klassierer mit neuralem Netzwerk 702 kann in Hardware, Firmware oder (wie in der bevorzugten Ausführungsform) als von einem Computer durchgeführtes Verfahren ausgeführt sein.

B. Cluster-basierender Klassierer

Der Cluster-basierende Klassierer ist ein "sphärisches" Meßsystem, in dem Merkmale (z. B. die PC's des Drehmoments, PCs des Ansaugdrucks usw.) eines Modellmotors (d. h. eines "guten" Motors) im voraus berechnet und in einem Speicher (nicht gezeigt) abgelegt werden. Die allgemeine Vorstellung ist, daß eine mehrdimensionale graphische Auswertung (mit einem aus der durchschnittlichen Statistik einer Gruppe guter Motoren abgeleiteten Ursprung) die Basis zum Einzeichnen gemessener Motormerkmale und zum Vergleich dieser gemessenen Merkmale mit dem Ursprung bereitstellt. Ist das Merkmal eines zu testenden Motors einmal eingezeichnet, wird seine Entfernung vom Ursprung bestimmt. Die Größe des Abstands stellt eine Grundlage dar, um ein Merkmal eines Motors als normal oder als fehlerhaft zu erklären. Gute Motoren werden zu einer Anhäufung um den Ursprung neigen. Motoren, die zu einer Anhäufung entfernt vom Ursprung der graphischen Auswertung neigen, sind dagegen typischerweise fehlerhaft.
Abildung 8 ist eine graphische Auswertung, welche die begriffliche Grundlage für ein Cluster-basierendes Klassiersystem zeigt. Der Ursprungspunkt der graphischen Auswertung stellt die Grundlage zur Berechnung von Entfernungen bereit. Die Vorstellung hinter dem Cluster-basierenden Klassierer ist es, Prüfparameter eines Motors zu verwenden, um ihren "Abstand" vom Zentrum einer Anhäufung nominell guter Motoren zu bestimmen. Die Anhäufung (Cluster) guter Motoren wird im voraus in den Klassierer 704 einprogrammiert und in einem Speicher (nicht gezeigt) gesichert. Das Zentrum der Anhäufung guter Motoren ist der Ursprungspunkt der graphischen Auswertung. Die Achsen der graphischen Auswertung entsprechen nicht den physikalischen Einheiten/Messungen. Einheit ist die Standardabweichung der Hauptkomponenten der Motoren.
Der Cluster-basierende Klassierer arbeitet wie folgt. Zuerst wird jedes Element eines PC-Vektorsignals 105 normiert, indem der (im voraus berechnete) Durchschnitt der entsprechenden Elemente eines PC-Vektors abgezogen wird, der aus einer repräsentativen Gruppe normaler Motoren gewonnen wurde; und dann durch die (im voraus berechnete) Standardabweichung dieser selben Elemente geteilt wird. Der Durchschnitt wird im voraus unter Verwendung der folgenden Formel berechnet:
u = 1/n Xi Gleichung 5
worin "n" die Anzahl guter Motoren, "x" ein spezieller PC, und "i" der Index in der Liste guter Motoren ist (wenn es z. B. 100 gute Motoren gibt ist i = 1 bis 100). Die Durchschnittsformel wird auf jedes Element im PC-Vektor 105 angewandt (d. h. für jeden der 53 PC's von PC-Vektor 105 wird ein durchschnittlicher PC bestimmt, um 53 "Durchschnitte" zu erhalten, und unten vergleichbar 53 "Standardabweichungen"). Die Standardabweichungen werden im voraus unter Verwendung der folgenden Formel berechnet:
J = 1/1-n (Xi-u)² Gleichung 6
In der bevorzugten Ausführungsform wird der normierte PC-Vektor dann in 13 Gruppen verwandter PC's unterteilt. Manche PC's erscheinen in mehr als einer Gruppe. Für verschiedene Motoren kann es verschiedene Gruppen mit verschiedenen Zugehörigkeiten geben. Jede Gruppe stellt die PC's einer bestimmten Messung oder einer bestimmten Abteilung des Motors dar. In der bevorzugten Ausführungsform werden die Gruppen wie folgt zusammengesetzt:

- Gruppe 1: Zylinder 1

Die ersten zwei PC's des ersten, einzelnen Zylinderereignisses der Drehmoment-Wellenform;
Die ersten zwei PC's des ersten, einzelnen Zylinderereignisses der Abgasdruck-Wellenform; und
Die ersten zwei PC's des ersten, einzelnen Zylinderereignisses der Ansaugdruck-Wellenform.

- Gruppe 2: Zylinder 2

Die ersten zwei PC's des zweiten, einzelnen Zylinderereignisses der Drehmoment-Wellenform;
Die ersten zwei PC's des zweiten, einzelnen Zylinderereignisses der Abgasdruck-Wellenform; und
Dil ersten zwei PC's des zweiten, einzelnen Zylinderereignisses der Ansaugdruck-Wellenform.

- Gruppe 3: Zylinder 3

Die ersten zwei PC's des dritten, einzelnen Zylinderereignisses der Drehmoment-Wellenform;
Die ersten zwei PC's des dritten, einzelnen Zylinderereignisses der Abgasdruck-Wellenform; und
Die ersten zwei PC's des dritten, einzelnen Zylinderereignisses der Ansaugdruck-Wellenform.

- Gruppe 4: Zylinder 4

Die ersten zwei PC's des vierten, einzelnen Zylinderereignisses der Drehmoment-Wellenform;
Die ersten zwei PC's des vierten, einzelnen Zylinderereignisses der Abgasdruck-Wellenform; und
Die ersten zwei PC's des vierten, einzelnen Zylinderereignisses der Ansaugdruck-Wellenform.

- Gruppe 5: Drehmoment

Die ersten vier PC's der Drehmoment-Wellenform des Durchschnitts- Zylinderereignisses.

- Gruppe 6: Schwankung des Drehmoments

Die ersten fünf PC's der Drehmoment-Wellenform des Standardabweichungs- Zylinderereignisses.

- Gruppe 7: Abgasdruck

Die ersten vier PC's der Abgasdruck-Welleenform des Durchschnitts- Zylinderereignisses.

- Gruppe 8: Schwankung des Abgasdrucks

Die ersten zwei PC's der Abgasdruck-Wellenform des Standardabweichungs- Zylinderereignisses.

- Gruppe 9: Ansaugdruck:

Die ersten drei PC's der Ansaugdruck-Wellenform des Durchschnitts- Zylinderereignisses.

- Gruppe 10: Schwankung des Ansaugdrucks

Die ersten vier PC's der der Ansaugdruck-Wellenform des Standardabweichungs-Zylinderereignisses.

- Gruppe 11: Unausgeglichenheit

Die erste PC der Drehmoment-Wellenform des Standardabweichungs- Zylinderereignisses;
Die erste PC der Abgasdruck-Wellenform des Standardabweichungs- Zylinderereignisses; und
Die erste PC der Ansaugdruck-Wellenform des Standardabweichungs- Zylinderereignisses.

- Gruppe 12: Dynamischer Öldruck

Die ersten sechs PC's der Wellenform des dynamischen Öldrucks.

- Gruppe 13: Statischer Öldruck

Die PC des statischen Öldrucks.
Aus jeder Gruppe von PC's des Motors wird ein Kennwert "Entfernung vom Mittelpunkt" berechnet, indem für die Summe der Quadrate der Gruppenelemente die Quadratwurzel berechnet wird. Diese Abstandskennwerte werden - wie begrifflich in Abb. 8 gezeigt - als euklidische Abstände vom Zentrum einer Anhäufung "guter" Motoren betrachtet.
Die Motoren werden über eine (unten genauer beschriebene) Bewertungsfunktion entsprechend diesen Abstandskennwerten bewertet. Niedrige Abstandskennwerte sind vorteilhaft, weil sie ein hohes Maß an Ähnlichkeit mit den "guten" Motoren wiederspiegeln. Hohe Abstandskennwerte sind dahingegen ungünstig.
Unter Bezug auf Abb. 9 ist es in der 3-dimensionalen graphischen Auswertung 900 mit zwei um eine Anhäufung nominell guter Motoren zentrisch angeordneten Radien 902, 904 möglich, einen in der Prüfung befindlichen Motor mathematisch zu bewerten. Wenn sich der aufgetragene Wert für einen PC des Motors zum Beispiel innerhalb des inneren Radius 902 befindet. (d. h. der Abstand des Motors vom Ursprung ist kleiner als der innere Radius 902), dann wird der Motor als den guten Motoren ähnlich betrachtet und erhält eine Bewertung von 1. Wenn der Abstand des Motors vom Ursprung größer ist als der äußere Radius 904, dann wird der in Prüfung befindliche Motor als unterschiedlich zu den guten Motoren betrachtet und erhält eine Bewertung von 0. Liegt der aufgetragene Wert für den Motor irgendwo zwischen den inneren und äußeren Radien 902,904, dann erhält der in Prüfung befindliche Motor, entsprechend seiner Nähe zum inneren Radius 902, eine Wertung zwischen 0 und 1. Die Bewertungsfunktion kann mathematisch wie folgt dargestellt werden:
1 : d ≤ IR
(d) = (OR - d)/(OR - IR) : IR < d < OR Gleichung 7
0 : d ≥ OR
wobei IR der innere Radius 902 und OR der äußere Radius 904 ist. Die Bewertungsfunktion ist in Abb. 10 graphisch dargestellt. Die Bewertungsfunktion ist wie in Abb. 10 von stückweise linearer Form, was eine von vielen möglichen verwendbaren Typen von Bewertungsfunktionen ist. Die einzige Beschränkung der Bewertungsfunktion ist, daß sie mit zunehmendem Abstand und beginnend mit 1 monoton auf 0 abnehmen muß.
Eine diesen Einschränkungen entsprechende Bewertungsfunktion würde für einen kleinen Abstand eine hohe Bewertung und für einen großen Abstand eine niedrige Bewertung ergeben. Die auf einen Abstandskennwert angewandte Bewertungsfunktion umfaßt eine "Prüfung", deren Bewertung einfach der Ausgabe der Bewertungsfunktion entspricht. Da dies eine mit jedem Abstandsparameter verbundene Prüfung ist, besteht für einen Vierzylindermotor in der bevorzugten Ausführungsform eine Gesamtheit von 13 einzelnen Prüfungen. Es könnte eine andere Gruppe von Prüfungen angewendet werden. Abb. 9 zeigt eine 3- dimensionale, graphische Beispielauswertung 900, die einen - zentrisch um eine Anhäufung von nominell guten Motoren angeordneten - inneren Radius 902 und einen äußeren Radius 904 besitzt. Jeder Punkt in der graphischen Auswertung 900 stellt einen Motor dar.
In der bevorzugten Ausführungsform gibt es 13 verschiedene sphärische Prüfungen, jede mit einer Bewertung zwischen 0 und 1. Diese Prüfungen entsprechen den 13 Abstandskennwerten, die aus den 13 Gruppen verwandter PC's abgeleitet werden. Um eine abschließende Bewertung zu erlangen, können die Bewertungen der Prüfungen in einer Anzahl verschiedener Weisen verbunden werden. Ein möglicher Weg ist die Bewertungen zu addieren, um einen "Gesamtwertung" zu erzeugen. Die Bestimmung der niedrigsten, einzelnen Prüfungsbewertung ist eine andere Methode der Verbindung. Dies wird "niedrigste Wertung" genannt.
In der bevorzugten Ausführungsform werden sowohl die niedrigste wie die Gesamtwertung berücksichtigt. Ist die niedrigste Wertung größer als Null und überschreitet die Gesamtwertung einen einstellbaren Schwellenwert, so besteht der Motor. Anderenfalls fällt der Motor durch. Der Schwellenwert ist entsprechend dem zu prüfenden Motor und den Erfordernissen der Prüfung verstellbar.
Ist mit einem Cluster-basierenden Klassierer 704 einmal eine Prüfungsbewertung (Signal) erzielt, kann es - unter Bezug auf Abb. 7 - als Zwischenergebnis übermittelt und über den Datenweg 705 an einen Klassierer auf Basis eines genetischen Programms 708 abgegeben werden. Es ist auch möglich die Prüfbewertung (Signal) über die Wege 713, 721 zum Wählen im Hybrid-Klassierer 722 zu verwenden, oder die Prüfbewertung als Urteil zu verwenden.

C. Fuzzy-Logic-basierender Klassierer

Der Fuzzy-Logic-Klassierer 706 erhält über Weg 705 Zwischenergebnisse vom Cluster-basierenden Klassierer 704. Somit empfängt der Fuzzy-Logic-Klassierer 706 dreizehn "Entfernungs"-Kennwerte, welche durch den Cluster-basierenden Klassierer 704 berechnet wurden. Diese 13 Kennwerte wurden im obigen Abschnitt über Clusterbasierende Klassierer genau erörtert. Fuzzy-Logic ist den entsprechenden Fachleuten bekannt und wird in "Fuzzy Sets, Information and Control", Zadeh, L. A., Band 8, S. 338-353, 1965, erörtert.
Für den Klassierer 706 gibt es drei Fuzzy-Logic-Regeln. Sie lauten wie folgt:
1) Wenn die Entfernung klein ist, ist der Motor normal;
2)Wenn die Entfernung mittelgroß ist, ist der Motor begrenzt normal;
3) Wenn die Entfernung groß ist, ist der Motor nicht normal.
Die oben unterstrichenen Begriffe sind die Namen der unscharfen Festlegungen. Die Entfernungskennwerte gehören in veränderlichem Ausmaß zu den Festlegungen klein, mittelgroß und groß. Die Abb. 11, 12 und 13 stellen die Regeln 1, 2 und 3 jeweils graphisch dar. In den Abb. 11-13 wurde für die X-Achsen ein Skalenwert von 100 verwendet. Es kann jedoch jede gewünschte Auflösung der Achse verwendet werden, solange die gewählte Auflösung (Skala entlang der X- Achse) für alle Regeln übereinstimmt und ausreichend dicht ist, um eine Unterscheidung zwischen Motoren verschiedener Klassen zuzulassen. Bei Anwendung der unscharfen Regeln gehört der Motor zu einem gewissen Grad zur Festlegung normal. Um zu bestimmen ob der Motor besteht oder durchfällt, vergleicht der Klassifizierungsmechanismus den Zugehörigkeitsgrad eines Motors in der Festlegung normal mit einem einstellbaren Schwellenwert. Der Schwellenwert ist im Speicher (nicht gezeigt) des Systems 700 gespeichert. Der Schwellenwert kann durch den Bediener des Systems eingestellt werden.
Um seine Zugehörigkeit in den Festlegungen klein, mittelgroß und groß abzuwägen, wird jeder der 13 Entfernungskennwerte durch die drei Zugehörigkeitsfunktionen geleitet Entsprechend den in den Abb. 14, 15, 16 gezeigten Zugehörigkeitsfunktionen schwanken die Zugehörigkeitsgrade zwischen 0 und 1. In den Abb. 14-16 ist die Skala entlang der Y-Achse wegen mathematischer Bequemlichkeit 0 bis 1. IR und OR sind Hinweise auf den inneren Radius und den äußeren Radius, die oben erörtert und in Abb. 9 gezeigt sind.
Die unscharfen Regeln werden implementiert, indem die unscharfe AND-Operation (Multiplikation) durchgeführt wird. Für einen gegebenen Abstandskennwert bedeutet dies, daß Regel 1 mit dem Zugehörigkeitsgrad in Festlegung klein skaliert wird, Regel 2 wird mit dem Zugehörigkeitsgrad in der Festlegung mittelgroß skaliert, und Regel 3 wird mit dem Zugehörigkeitsgrad in der Festlegung groß skaliert. Diese Operationen werden für jede der 13 Abstandskennwerte und eine Gesamtheit von 39 skalierten Regeln ausgeführt.
Die sich ergebenden skalierten Regeln werden vertikal (Y-Achse) addiert, um eine "Gesamt"-Regel zu bilden. Ein Beispiel für eine Gesamtregel ist in Abb. 17 gezeigt. Abb. 17 ist eine Ansammlung von jeder der 39 skalierten Regeln, die entlang der Y-Achse addiert sind.
Als nächstes wägt der Fuzzy-Logic-basierende Klassierer 706 den Zugehörigkeitsgrad des Motors in der Festlegung normal ab, indem die Gesamtregel "verdeutlicht" wird. Das wird geschafft indem der "Schwerpunkt" 1702 der Gesamtregel berechnet wird; welcher der horizontale Punkt ist, an dem sich unter dem Graphen die Hälfte der Fläche nach links erstreckt und die Hälfte der Fläche nach rechts erstreckt. Der Schwerpunkt 1702 wird bestimmt, indem die Gesamtfläche des in Abb. 17 gezeigten Graphen integriert wird, und dann das aufgenommene Integral von links nach rechts bestimmt wird, bis das aufgenommene Integral gleich der Hälfte der gesamten integrierten Fläche des Graphen ist.
Im Einklang mit den graphischen Regeln der Abb. 11-13 wird der Graph einer Gesamtregel in Abb. 17, der "rechts" eine größere Fläche hat, einem "normalen" Motor 101 entsprechen (d. h. die einzelnen Prüfungen neigten dazu, mehr der in Abb. 11 gezeigten "normal"-Regel beizutragen), und in dieser Lage wird der Schwerpunkt 1702 weiter auf der rechten Seite des Graphen in Abb. 17 erscheinen. Umgekehrt wird eine Gesamtregel mit einer größeren Fläche auf der linken Seite des Graphen in Abb. 17 einem anormalen Motor 101 entsprechen (d. h. die einzelnen Prüfungen neigten dazu, mehr der in Abb. 13 gezeigten "nicht normal"-Regel beizutragen). Dies wird eine Verschiebung des Schwerpunkts 1702 nach links von der im Graphen von Abb. 17 gezeigten Schwerpunktsposition verursachen.
Um den in Abb. 17 gezeigten Graphen der Gesamtregel zu interpretieren wird der Schwerpunkt 1702 durch eine in Abb. 18 gezeigte Skalierungsfunktion 1802 geleitet. Einmal durchgeleitet erhält man eine abschließende Wertung 1804, welche der Zugehörigkeitsgrad in der Festlegung "normal" ist. Eine höhere Wertung in der Skalierungsfunktion zeigt an, daß der Schwerpunkt 1702 weiter auf der rechten Seite des in Abb. 17 gezeigten Graphen der Gesamtregel liegt, was einem als normal geprüften Motor entspricht. Umgekehrt zeigt eine niedrigere Wertung in der Skalierungsfunktion, daß sich der Schwerpunkt 1702 links von der Mitte (z. B. 50) des Graphen der Gesamtregel befindet, was einem anormalen Motor entspricht (d. h. ein niedriger Zugehörigkeitsgrad in der Festlegung "normal"). Wertungen werden durch Verwendung der in Abb. 18 gezeigten Skalierungsfunktion erhalten.
Abb. 18 hat die selbe horizontale Skala wie die oben erwähnten Regeln (z. B. 0 bis 100). Die Interpolation des Graphen in Abb. 18 wird den Zugehörigkeitsgrad in der Festlegung "normal" bereitstellen.
Es gibt viele verschiedene Skalierungsfunktionen die angewendet werden können; der Graph sollte jedoch über seine Breite monoton von ungefähr 0 bis ungefähr 1 zunehmen. In der bevorzugten Ausführungsform wird eine sigmoidale Skalierungsfunktion verwendet, ausgedrückt als:
f(x) = 1/1 + exp(-a(x - 50)) Gleichung 8
wobei a eine Konstante (z. B. 0.1) ist, und x der Auflösung entlang der X-Achse entspricht. Dies ergibt einen Sigmoid, der bei x = 0 ungefähr gleich 0 ist, bei x = 100 ungefähr gleich 1 ist, und bei x = 50 ungefähr gleich 0.5 ist. Bei x = 50 beträgt die Steigung 0.1/4 = 0.025. Durch Vergleich mit einem Schwellenwert wird ein Urteil bestanden/nicht bestanden erzielt. Ist der Zugehörigkeitsgrad größer oder gleich einem gegebenen Schwellenwert so besteht der Motor, anderenfalls ist der Motor fehlerhaft. Der bevorzugte Schwellenwert beträgt 0.5. Der Schwellenwert ist in der bevorzugten Ausführungsform auch durch den Bediener verstellbar. Der Schwellenwert wird im Speicher (nicht gezeigt) gesichert.

D. Klassierer auf Basis eines genetischen Programms

Ein Verfahren zum Erzeugen von für einen bestimmten Zweck geeigneten Funktionen wird genetische Programmierung genannt. Die genetische Programmierung optimiert zur Lösung eines besonderen Problems eine Grundgesamtheit von anfänglich willkürlichen Funktionen über Techniken, die von Grundsätzen der biologischen Evolution abgeleitet sind. Für eine Erörterung über genetische Programmierung siehe John R. Koza, "Genetic Programming: On the Programming of Computers by Means of Natural Selections", MIT Press, Mass., 1992.
Zweck des Klassierers auf Basis eines genetischen Programms 708 ist die korrekte Klassifizierung von Motoren als "normal" oder "fehlerhaft", indem - wie oben erörtert - im voraus abgeleitete Formeln (und Techniken) verwendet werden. Der Klassierer auf Basis eines genetischen Programms 708 empfängt Zwischenergebnisse 705 vom oben beschriebenen Cluster-basierenden Klassierer 704. In der bevorzugten Ausführungsform wird der Klassierer 708 mit der folgenden Formel programmiert:
Genetische Wertung = S2·Prod·(0.012739-Ave)·1.0 · 10&sup8;
wobei gilt S2 = Wertung der sphärischen Prüfung #2 (Prüfung des Zylinders #2); Prod = Produkt aus 13 sphärischen Prüfwertungen; und Ave = Durchschnitt der 13 sphärischen Prüfwertungen (wobei sich die sphärischen Prüfwertungen auf die vom Cluster-basierenden Klassierer 704 empfangenen Zwischenergebnisse beziehen). Um eine Urteilswertung zu erhalten wird die genetische Wertung mit einem im Speicher (nicht gezeigt) abgelegten Schwellenwert verglichen. Diese wird vom Klassierer 708 über 717 ausgegeben.
In der bevorzugten Ausführungsform wurde ein Schwellenwert von 1.44 als optimal gefunden. Motoren mit einer genetischen Wertung über diesem Schwellenwert wurden als "normal" bezeichnet, und Motoren unter diesem Schwellenwert wurden "fehlerhaft" genannt. In der bevorzugten Ausführungsform ist der Schwellenwert zusätzlich verstellbar.

E. Hybrid-Klassierer

Der Hybrid-Klassierer 722 empfängt Ergebnisse vom Klassierer mit neuralem Netzwerk 702 und vom Cluster-basierenden Klassierer 704. Um ein Eingangssignal zum Hybrid-Klassierer 722 bereitzustellen könnten auch der auf Fuzzy-Logic basierende Klassierer 706 und der Klassierer auf Basis eines genetischen Programms 708 benutzt werden. In der bevorzugten Ausführungsform stellen jedoch nur die Klassierer 702 und 704 Daten zum Hybrid-Klassierer 722 bereit.
Obwohl jeder der Klassierer 702 und 704 seine Stärken und Schwächen hat, stellt der Hybrid-Klassierer 722 einen Weg bereit, um die Genauigkeit bei der Erkennung von Fehlern zu maximieren, indem die gemeinsame Genauigkeit der Klassierer 702 und 704 bestmöglich ausgenutzt wird. Um unter den Ergebnissen der Klassierer 702 und 704 zu wählen verwendet der Hybridklassierer 722 ein Wahlschema. In der bevorzugten Ausführungsform wird die größte Genauigkeit durch das folgende Wahlschema erreicht: WENN der Klassierer mit neuralem Netzwerk 702 und der Cluster-basierte Klassierer 704 "normal" anzeigen, DANN ist der in Prüfung befindliche Motor "normal" SONST ist der Motor "fehlerhaft". Ist der Motor fehlerhaft, so wird der Hybrid-Klassierer 722 über 723 ein Urteilssignal mit einem Wert (z. B. 0) erzeugen, der dem Bediener anzeigt daß der Motor 101 fehlerhaft ist. Ist der Motor normal, so wird der Hybrid-Klassierer 722 über 723 ein Urteilssignal mit einem Wert (z. B. 1) erzeugen, der dem Bediener anzeigt daß der Motor 101 normal ist.

1.4 Erreichen eines Urteils

In der Strategie der Klassifizierung ist es ein Schlüsselelement, daß dem Bediener die abschließende Entscheidung der Motorklassifizierung erlaubt wird. Zu diesem Zweck macht das Klassifizierungssystem 700 über 719 alle Wertungen/Urteile aller Klassierer 702, 704, 706 und 708 verfügbar. Speziell kann der Bediener durch Pfad 719 die Ausgabe der Knotenwerte und des Urteils vom Klassierer mit neuralem Netzwerk 702, Wertungen/Urteilen von dem Cluster-basierten Klassierer 704, Wertungen/Urteilen von dem Fuzzy-Logic-Klassierer 706, und Wertungen/Urteilen von dem Klassierer auf Basis eines genetischen Programms 708 erhalten. Über Weg 723 kann der Bediener eine kombinierte Wahl von einer Mehrzahl der Klassierer empfangen. In einer anderen möglichen Ausführungsform kann der Bediener, wenn gewünscht, auch auf die Werte der PC-Vektorelemente und alle gezeigten Zwischenergebnisse ab Weg 705 zugreifen.
Unter Bezug auf Abb. 1 erreicht der Bediener in Schritt 108 durch die verschiedenen Klassierer 702, 704, 706, 708 und 722 ein Urteil. Um das Verfahren 100 den Wünschen anzupassen, kann der Bediener verschiedene der oben erwähnten Schwellenwerte (z. B. den Netzwerk-Klassierer 702, die inneren und äußeren Radien des Cluster-basierten Klassierers 704, usw.) einstellen, so daß das Verfahren leicht angepaßt werden kann, um mit einer weiten Vielfalt von Motorkonstruktionen und Kennwerten zu arbeiten.
Alle im voraus durchgeführten Schritte -einschließlich der Hauptkomponentenanalyse, des Trainings des neuralen Netzwerkes, Ermittlung der Durchschnitte und Standardabweichungen für die sphärische Klassifizierung, und die Ableitung der Formeln des genetischen Programms - werden an einer Gruppe von Motoren durchgeführt, die für die normale Produktion repräsentativ sind und einen bekannten PASS/FAIL-Status haben. Zur Anpassung an Änderungen in den Bedingungen der Konstruktionsprüfung (oder beliebige andere Gründe) kann das Klassifizierungssystems 700 angepaßt werden, indem diese Schritte an einer anderen Gruppe von Motoren durchgeführt werden.

Claims

1. Ein Verfahren zur Prüfung eines Verbrennungsmotors, um zu bestimmen ob der Motor fehlerhaft oder normal ist, wobei das Verfahren die Schritte umfaßt:

Überwachen eines Betriebskennwertes des Motors, während dieser bei vorbestimmter Geschwindigkeit für eine vorbestimmte Anzahl von Umdrehungen angelassen wird; und die Erzeugung eines elektrischen Signals, das diesen Betriebskennwert darstellt; dadurch gekennzeichnet daß diese Schritte dieser Methode durchgeführt werden wenn der Motor kalt ist, und dadurch daß das Verfahren weiterhin den Schritt der graphischen Auftragung eines Wertes dieses elektrischen Signals in einem Graphen beinhaltet, worin der Ursprung dieses Graphen einen vorherbestimmten, fehlerfreien Motor darstellt; Bestimmung der Entfernung des Wertes vom Ursprung, und Erzeugung eines Entfernungssignal, das die Entfernung dieses Wertes vom Ursprung darstellt; wobei das Signal eine Angabe bereitstellt ob der Motor normal oder fehlerhaft ist.

2. Ein Verfahren gemäß Anspruch 1, welches weiter die Schritte enthält:

Vorverarbeitung dieses elektrischen Signals zur Erzeugung eines Vektorsignals des Hauptkomponentenwerts, das diesen Betriebskennwert darstellt;

Analysierung dieses Vektorsignals des Hauptkomponentenwerts zur Erzeugung eines Klassifizierungssignals, das - basierend auf dem Betriebskennwert - anzeigt ob der Motor normal oder fehlerhaft ist; wobei dieser Schritt der Vorverarbeitung umfaßt, daß das elektrische Signal durch einen Median-Filter geleitet wird, um ein mediangefiltertes Vektorsignal zu erzeugen, das eine Mehrzahl von Vektorpunkten besitzt;

Durchleiten des mediangefilterten Vektors durch einen durchschnittsbildenden Filter zur Erzeugung eines untergemusterten Signals (sub-sampled Signal);

Einteilung des untergemusterten Signals in Abschnitte, entsprechend jedem Zylinderereignis eines Motorzyklus, zur Erzeugung von N untergemusterten Signalen, wobei N die Anzahl der Zylinder ist;

Durchleiten jedes der N untergemusterten Signale durch einen Durchschnittsfilter zur Erzeugung eines Durchschnitts-Zylindersignals, das gleich dem Durchschnitt der N untergemusterten Signale ist;

Durchleiten jedes der N untergemusterten Signale durch einen Standardabweichungsfilter zur Erzeugung eines Standardabweichungs-Vektorsignals, das gleich der Standardabweichung der N untergemusterten Signale ist; und

Durchleiten des Standardabweichungs-Vektorsignals und des Durschnitts- Zylindersignals durch einen Filter zur Hauptkomponentenanalyse, um dieses Vektorsignal der Hauptkomponenten bereitzustellen.

3. Ein Verfahren gemäß Anspruch 2, worin dieser Betriebskennwert das Drehmoment der Kurbelwelle im Motor, der Ansaugdruck im Motors, der Abgasdruck im Motor oder der Öldruck im Motor ist.

4. Ein Verfahren gemäß Anspruch 2, worin dieser Schritt der Analyse dieses Vektorsignals des Hauptkomponentenwertes umfaßt:

Durchleiten dieses Vektorsignals des Hauptkomponentenwertes durch ein neurales Netzwerk zur Erzeugung dieses Klassifizierungssignals, das anzeigt ob der Motor normal oder fehlerhaft ist.

5. Ein Verfahren gemäß Anspruch 2, worin dieser Schritt der Analyse dieses Vektorsignals des Hauptkomponentenwertes umfaßt:

Auftragen dieses Vektorsignals des Hauptkomponentenwertes in einem Graphen, worin der Ursprung dieses Graphen einen vorherbestimmten, fehlerfreien Motor · darstellt; und worin ein erster vorherbestimmter Wert den Abstand des inneren Radius (IR) vom Ursprung darstellt, und ein zweiter vorherbestimmter Wert den Abstand des äußeren Radius (OR) vom Ursprung darstellt;

Erzeugung eines Abstandssignals, das den Abstand dieses Wertsignals der Hauptkomponente vom Ursprung darstellt;

Erzeugung dieses Klassifizierungssignals, basierend auf dem Abstand diese Wertsignals der Hauptkomponente vom Ursprung, worin der Motor fehlerfrei ist wenn der Abstand des inneren Radius größer ist als der Abstand dieses Wertsignals der Hauptkomponente, und worin der Motor als fehlerhaft angesehen wird, wenn der Abstand dieses Wertsignals der Hauptkomponente größer als der Abstand des äußeren Radius ist.

6. Ein Verfahren gemäß Anspruch 5, das weiter die Schritte umfaßt:

Durchleiten des Abstandssignals durch einen Fuzzy-Logic-Klassierer, was die Bestimmung des Zugehörigkeitsgrades des Motors in einer unscharfen Festlegung "normal" umfaßt; worin der Motor normal ist, wenn der Abstand kleiner oder gleich dem inneren Radius ist; und worin der Motor begrenzt normal ist, wenn der Abstand kleiner als der äußere Radius und größer als der innere Radius ist; und worin der Motor nicht normal ist, wenn der Abstand größer oder gleich dem äußeren Radius ist.

7. Ein Verfahren gemäß Anspruch 5, das weiter die Schritte des Durchleitens dieses Abstandssignals durch einen von einem genetischen Programm abgeleiteten Klassierer umfaßt, wobei diese umfassen:

Erzeugung eines die genetische Wertung des Motors darstellenden Signals, basierend auf diesem Abstandssignal; und

Vergleich dieser genetischen Wertung mit einem Schwellenwert im Speicher; worin der Motor normal ist, wenn die genetische Wertung über diesem Schwellenwert liegt; und worin der Motor nicht normal ist, wenn die genetische Wertung unter diesem Schwellenwert liegt.

8. Ein System zur Prüfung eines Verbrennungsmotor, um zu bestimmen ob der Motor fehlerhaft oder normal ist, wobei dieses System umfaßt:

Vorrichtungen zur Überwachung eines Betriebskennwertes des Motors, während der Motor bei einer vorbestimmten Geschwindigkeit für eine vorbestimmte Anzahl von Umdrehungen angelassen wird; und zur Erzeugung eines elektrischen Signals, das · diesen Betriebskennwert darstellt;

dadurch gekennzeichnet, daß diese Vorrichtungen zur Überwachung dieses Betriebskennwertes und zur Erzeugung dieses elektrischen Signals bei kaltem Motor betrieben werden können; und dadurch daß das System weitere - mit dieser Überwachungs- und Erzeugungsvorrichtung verbundene Vorrichtungen - beinhaltet, um einen Wert dieses elektrischen Signals in einem Graphen aufzutragen, worin der Ursprung dieses Graphen einen vorherbestimmten, fehlerfreien Motor darstellt; und um den Abstand dieses Wertes vom Ursprung zu bestimmen; und um ein den Abstand vom Ursprung darstellendes Abstandssignal zu erzeugen, worin das Abstandssignal eine Angabe bereitstellt ob der Motor normal oder fehlerhaft ist.

9. Ein Klassifizierungssystem gemäß Anspruch 8, das weiter eine Fuzzy-Logic- Vorrichtung umfaßt, die mit dieser Vorrichtung verbunden ist, um den Zugehörigkeitsgrade des Motors in einer unscharfen Festlegung "normal" zu bestimmen; worin ein erster vorherbestimmter Wert den Abstand des inneren Radius vom Ursprung darstellt, und ein zweiter vorherbestimmter Wert den Abstand des äußeren Radius vom Ursprung darstellt; worin der Motor normal ist, wenn der Abstand kleiner oder gleich dem inneren Radius ist; und worin der Motor begrenzt normal ist, wenn der Abstand kleiner als der äußere Radius und größer als der innere Radius ist; und worin der Motor nicht normal ist, wenn der Abstand größer oder gleich dem äußeren Radius ist.

10. Ein Klassifizierungssystem gemäß Anspruch 9, das weiter einen von einem genetischen Programm abgeleiteten Klassierer umfaßt, der mit dieser Vorrichtung verbunden ist, welche mit dieser Überwachungs- und Erzeugungsvorrichtung verbunden ist; um ein Signal zu erzeugen, das basierend auf diesem Abstandssignal die genetische Wertung des Motors darstellt; und um diese genetische Wertung mit einem Schwellenwert im Speicher zu vergleichen; worin der Motor normal ist, wenn die genetische Wertung über diesem Schwellenwert liegt; und worin der Motor nicht normal ist, wenn die genetische Wertung unter diesem Schwellenwert liegt.