EP4577441A1 - Verfahren zur diagnose und überwachung für fahrzeuge - Google Patents

Verfahren zur diagnose und überwachung für fahrzeuge

Info

Publication number
EP4577441A1
EP4577441A1 EP23797676.6A EP23797676A EP4577441A1 EP 4577441 A1 EP4577441 A1 EP 4577441A1 EP 23797676 A EP23797676 A EP 23797676A EP 4577441 A1 EP4577441 A1 EP 4577441A1
Authority
EP
European Patent Office
Prior art keywords
sensor
airborne sound
sound signal
acoustic
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP23797676.6A
Other languages
English (en)
French (fr)
Inventor
Matthias Kreuzer
David Schmidt
Simon Matthias Wokusch
Walter Kellermann
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Mobility GmbH
Original Assignee
Siemens Mobility GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Mobility GmbH filed Critical Siemens Mobility GmbH
Publication of EP4577441A1 publication Critical patent/EP4577441A1/de
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0081—On-board diagnosis or maintenance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4445—Classification of defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4481—Neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/449—Statistical methods not provided for in G01N29/4409, e.g. averaging, smoothing and interpolation

Definitions

  • Vehicles especially rail vehicles, must have a high level of driving safety.
  • An accurate assessment and prediction of the technical conditions of vehicles and vehicle components is therefore important.
  • effective and efficient maintenance and servicing of the vehicles and vehicle components is important.
  • Interval-based service is intended to keep the probability of failure as low as possible. However, this often means that service is carried out that is not actually necessary. In order to keep life cycle costs as low as possible without increasing the risk of failures and operational disruptions, diagnostic and monitoring systems are sometimes used. These also form the basis for condition-based maintenance.
  • the object is achieved according to the invention at least in part by a method having the features of claim 1 .
  • the object is also achieved according to the invention at least in part by a system having the features of claim 15 and by a vehicle having the features of claim 16 .
  • Preferred embodiments of the invention are described in the subclaims, in the description or in the figures, whereby further features described or shown in the subclaims or in the description or in the figures may, individually or in any combination, constitute an object of the invention, unless the context clearly indicates the opposite.
  • the method described here is used to monitor a vehicle, such as a rail vehicle in particular, for damage that occurs and also to diagnose damage that does occur. This makes it possible to adhere to service intervals and to avoid or at least reduce unnecessary service units or maintenance activities. At the same time, availability and reliability can be increased.
  • the method relates in particular to damage to the chassis and thus fundamentally to the drive system of the vehicle. According to the invention, it is possible to detect a large number of to monitor various components or to diagnose their damage.
  • the method comprises at least the following method steps.
  • At least one sensor can be connected to a first wheel set bearing housing or a first wheel set guide device.
  • the sensor can be arranged, for example, on an outside or inside of the first wheel set bearing housing.
  • At least one sensor has a digitization unit.
  • This measure allows digitization of measurement signals to be carried out directly by means of the first sensor, whereby analog signals do not have to be transmitted to the computing unit, but rather digital signals are transmitted.
  • the acoustic signal is digitized regardless of the location of the digitization, so that a digitization unit can also be a unit connected to the sensor.
  • the method described here further comprises the further method step c), namely carrying out at least one step selected from a diagnosis and a monitoring of at least one vehicle component based on at least one feature determined in method step b).
  • Status information can be issued accordingly. For example, a message can be issued when an error is detected. More precise information can also be given about which component the error relates to or what type of error is present. A prioritization note can also be issued accordingly, which provides or makes it possible to obtain information about whether the error is safety-critical or whether operation is possible at least for a limited time and/or distance. In the event that no error state was detected, a message can be issued that error-free operation is possible.
  • the classifier comprises at least one artificial neural network.
  • using an artificial neural network can be used to effectively train the system, thus ensuring that any errors that occur are reliably detected.
  • method step a) can be carried out using at least two acoustic sensors. This measure allows measurement signals from the first sensor and the second sensor to be evaluated in combination, thereby improving evaluation accuracy and reliability.
  • the use of two or more acoustic sensors can also allow the direction and/or distance of the sound source relative to the sensors to be determined. This allows not only the type of faulty component but also its precise position to be determined. The diagnosis can therefore be carried out even more precisely.
  • the device described here is thus designed in particular to carry out a method as described above. This can be done in a manner understandable to the person skilled in the art by implementing appropriate software on the computing unit or a memory thereof. be feasible.
  • the computing unit can preferably have a classifier for this purpose. This essentially results in the advantages described above. This makes it possible to reliably detect and diagnose fault conditions in the vehicle. This makes it possible to reliably monitor and diagnose fault conditions.
  • a vehicle in particular a rail vehicle, which is characterized in that the vehicle comprises a previously described system for carrying out at least one step selected from a diagnosis and monitoring for vehicles.
  • FIG. 1 A schematic floor plan of a section of an exemplary chassis of a rail vehicle with acoustic sensors arranged in a chassis space of an exemplary first embodiment of a device according to the invention
  • FIG. 2 A schematic plan view of a section of an exemplary chassis of a rail vehicle with acoustic sensors arranged on the chassis outer sides of an exemplary second embodiment of a device according to the invention.
  • FIG. 3 A schematic side view of a section of an exemplary rail vehicle with acoustic sensors arranged on the underside of a car body of an exemplary third embodiment of a device according to the invention.
  • FIG. 4 A flow chart for an exemplary embodiment of a method according to the invention including the use of a trained classifier.
  • the first sensor 1 is connected to a first longitudinal member 14 of a chassis frame 16 of the chassis, the second sensor 2 to a second longitudinal member 15 of the chassis frame 16, the third sensor 3 to a first wheelset bearing housing 17 of the chassis, the fourth sensor 4 to a second wheelset bearing housing 18 of the chassis, the fifth sensor 5 to a first swing arm 19 of a first wheelset guide device 21 of the chassis, the sixth sensor 6 to a second swing arm 20 of a second wheelset guide device 22 of the chassis, the seventh sensor 7 to a motor housing of a motor 23 of the chassis and the eighth sensor 8 to a gearbox housing of a gearbox 24 of the chassis.
  • the first wheelset 12 is coupled to the chassis frame 16 via the first wheelset bearing housing 17, a first primary spring 26 and the first wheelset guide device 21 as well as a second wheelset bearing, the second wheelset bearing housing 18, a second primary spring 27 and the second wheelset guide device 22.
  • Digitization unit 36 the seventh sensor 7 a seventh digitization unit 37 and the eighth sensor 8 an eighth digitization unit 38 in which a digitization 39 of acoustic measuring signals is carried out.
  • the first sensor 1 is arranged in the acoustic near field of the first wheel 10, the second sensor 2 in the acoustic near field of the second wheel 11. Wheel noises are recorded using the first sensor 1 and the second sensor 2 in order to detect wheel polygons, flat spots, etc.
  • the third sensor 3 and the fifth sensor 5 are arranged in the acoustic near field of the first wheelset bearing and the first primary spring 26, the fourth sensor 4 and the sixth sensor 6 in the acoustic near field of the second wheelset bearing and the second primary spring 27.
  • the first digitization unit 31, the second digitization unit 32, the third digitization unit 33, the fourth digitization unit 34, the fifth digitization unit 35, the sixth digitization unit 36, the seventh digitization unit 37 and the eighth digitization unit 38 have antennas (not shown in Fig. 1) by means of which measurement signals recorded by the first sensor 1, the second sensor 2, the third sensor 3, the fourth sensor 4, the fifth sensor 5, the sixth sensor 6, the seventh sensor 7 and the eighth sensor 8 are transmitted to a computing unit 40 (also not shown in Fig. 1).
  • the first sensor 1, the second sensor 2, the third sensor 3, the fourth sensor 4, the fifth sensor 5, the sixth sensor 6, the seventh sensor 7 and the eighth sensor 8 are supplied with electricity via batteries not visible in Fig. 1.
  • the computing unit 40 and the data transmission unit 42 are powered by a power supply device of the rail vehicle (not shown in Fig. 1) or can also be supplied with energy in another way, for example battery-based.
  • an evaluation of the digitized measurement signals is carried out, as described in connection with Fig. 4. Result data from this evaluation are transmitted via the cable to the data transmission unit 42 and from there sent via radio to a maintenance facility not shown in Fig. 1, i.e. to an infrastructure facility outside the rail vehicle.
  • a schematic floor plan of a section of an exemplary chassis of a rail vehicle with acoustic sensors arranged on the chassis outer sides of an exemplary second embodiment of a device according to the invention for diagnosis and monitoring for the rail vehicle is disclosed.
  • a first sensor 1 and a second sensor 2 are provided on an outer side of a chassis frame 16, which are designed as microphones and thus as acoustic sensors.
  • the first sensor 1 is connected laterally to a first longitudinal beam 14 of the chassis frame 16 via a first digitization unit 31, the second Sensor 2 is connected laterally to the first longitudinal member 14 via a second digitization unit 32.
  • the first longitudinal member 14 is connected via a cross member 43 to a second longitudinal member (not shown in Fig. 2) which is arranged opposite the first longitudinal member 14.
  • a first wheelset 12 and a second wheelset 13 are coupled to the chassis frame 16 via a first wheelset bearing 44 and a second wheelset bearing 45 and, not shown in Fig. 2, via a third wheelset bearing and a fourth wheelset bearing.
  • a first primary spring 26, a second primary spring 27 and, not shown in Fig. 2 a third primary spring and a fourth primary spring are provided between the chassis frame 16 on the one hand and the first wheelset 12 and the second wheelset 13 on the other hand.
  • a first secondary spring 46 and a second secondary spring 47 are arranged between the chassis frame 16 and a car body 41 of the rail vehicle (not shown in Fig. 2 not shown second secondary springs, which are connected to the cross member 43, are arranged.
  • a chassis space 9 is provided between the first longitudinal member 14 and the second longitudinal member.
  • no sensors are provided in the chassis space 9.
  • the first sensor 1 detects noises from the first wheelset bearing 44 and the first primary spring 26, and the second sensor 2 detects noises from the second wheelset bearing 45 and the second primary spring 27, synchronously with the first sensor 1. This allows bearing and spring damage to be detected and spring parameters to be identified.
  • First measuring signals of the first sensor 1 and second measuring signals of the second sensor 2 are stored in a housing 41 arranged computing unit 40, as disclosed for example in Fig. 3 for an exemplary third embodiment of a device according to the invention.
  • a phase relationship between the first measurement signals and the second measurement signals is taken into account, whereby noise events such as driving over rail joints can be recognized and categorized.
  • the first sensor 1 and the second sensor 2 are designed, for example, in the same way as those sensors which are described in connection with Fig. 1.
  • the computing unit 40 is, as described in connection with Fig. 1 for an exemplary first embodiment of a device according to the invention, connected to a data transmission unit 42 which is arranged in the car body 41 and via which diagnostic and monitoring data formed from the first measurement signals and the second measurement signals are sent to an infrastructure facility outside the rail vehicle.
  • Fig. 3 a schematic side view, greatly simplified compared to Fig. 1, of a section of an exemplary rail vehicle with a chassis and with acoustic sensors arranged underfloor on the underside of a car body 41 of an exemplary third embodiment of a device according to the invention is shown.
  • the chassis has a chassis frame 16 which is coupled to the car body 41 via a first secondary spring 46 and a second secondary spring not shown in Fig. 3.
  • the chassis frame 16 is connected to axle bearings not shown in Fig. 3. Wheel set guiding devices and primary springs, a first wheel set 12 and a second wheel set 13 are coupled.
  • a first sensor 1 and a second sensor 2 are provided, which are designed as acoustic sensors and are arranged so as to protrude from above into a space between wheels of the first wheel set 12 and the second wheel set 13 of the chassis or between two longitudinal members of the chassis frame 16, i.e. into a chassis intermediate space 9.
  • the chassis intermediate space 9 is limited at the top by upper wheel limits and at the bottom by lower wheel limits.
  • first sensor 1 and the second sensor 2 are provided in the region of the chassis frame 16, for example in recesses in the chassis frame 16, and the chassis space 9 is limited at the top by an upper edge of the chassis frame and at the bottom by a lower edge of the chassis frame.
  • the first sensor 1 is arranged in the region of a first wheel-rail contact of the first wheel set 12, the second sensor 2 in the region of a second wheel-rail contact of the second wheel set 13.
  • wheel noises are recorded synchronously by the first sensor 1 as first measurement signals and by the second sensor 2 as second measurement signals, digitized by means of a first digitization unit 31 of the first sensor 1 and a second digitization unit 32 of the second sensor 2 and then transmitted to a computing unit 40 arranged in the car body 41.
  • the first digitization unit 31 and the second digitization unit 32 are designed as analog-digital converters.
  • training data (training and validation data) is collected on the basis of which the detection/classification method is designed and optimized. The resulting method can then be used in the application phase 58 for detection/classification.
  • data collection 66 takes place first.
  • This is carried out according to the invention by method step a) and thus by receiving an acoustic airborne sound signal by at least one acoustic sensor (1, 2, 3, 4, 5, 6, 7, 8).
  • the microphones or acoustic sensors provided, i.e. in particular the first sensor 1, the second sensor 2, the third sensor 3, the fourth sensor 4, the fifth sensor 5, the sixth sensor 6, the seventh sensor 7 and the eighth sensor 8, are used.
  • a feature extraction 67 takes place, wherein in this step according to method step b) at least one feature is determined from the airborne sound signal.
  • the feature is in particular a so-called feature known from speech recognition.
  • an application 68 of the classifier can be carried out, whereby the data from the validation 65 or from the validated classifier are also incorporated into the application 68 of the classifier.
  • a condition diagnosis 69 can be made.
  • Such a condition diagnosis 69 comprises, according to method step c), carrying out at least one step selected from a diagnosis and a monitoring of at least one vehicle component based on at least one feature determined in method step b).
  • the monitoring and diagnosis of a component in the non-limiting embodiment described here are solved by means of a feature-based classification approach that is based on the analysis of airborne sound recordings.
  • the features used correspond to the state of the art for tasks in the areas of speech recognition, speaker recognition and the classification of acoustic scenes.
  • the so-called Mel-Frequency Cepstral Coefficients (MFCCs) are extracted from airborne sound recordings.
  • the MFCCs enable a compact representation of the spectrum of a signal by combining the cepstrum of a signal with an approximately logarithmic scaling of the frequency axis.
  • the cepstrum of a signal is obtained by applying the inverse Fourier transform for discrete-time signals to the logarithm of the discrete-time Fourier transform of the signal.
  • the signal is first divided into individual windows by windowing. An N-valued discrete Fourier transform is then performed for each of these windows. The power magnitude spectrum is then filtered with a Mel filter bank consisting of overlapping triangular filters. Finally, the MFCCs are generated by the inverse discrete cosine transform of the logarithm of the filter bank energies. The features obtained in this way are then used to train an artificial neural network that acts as a classifier.
  • the classifier comprises, for example and in no way restrictively, at least one neural network, such as a fully-connected feed-forward multi-layer perceptron (MLP).
  • MLP feed-forward multi-layer perceptron
  • the MLP consists of an input layer, two hidden layers and an output layer.
  • the width of the input layer and the output layer are fixed, for example by the number of features used and the number of classes.
  • the width of the hidden layers can be freely selected.
  • the first and second hidden layers are each followed by a freely selectable activation function.
  • the output layer is followed by a softmax function.
  • the network parameters are optimized by backpropagating an error to be minimized in a supervised learning process. This is done using a gradient descent method such as the Adam optimization algorithm.
  • the cross-entropy loss serves as the error or cost function.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Signal Processing (AREA)
  • Mechanical Engineering (AREA)
  • Biomedical Technology (AREA)
  • Acoustics & Sound (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

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

Description

Beschreibung
Verfahren zur Diagnose und Überwachung für Fahrzeuge
Die vorliegende Erfindung betri f ft ein Verfahren zur Diagnose und Überwachung für Fahrzeuge . Die vorliegende Erfindung betri f ft insbesondere ein Verfahren, durch welches Fehler und Beschädigungen an einem Fahrzeugbauteil , wie insbesondere an einem Schienenfahrzeug, detektiert werden können .
Fahrzeuge , insbesondere Schienenfahrzeuge , müssen eine hohe Fahrsicherheit aufweisen . Eine genaue Einschätzung und Vorhersage von technischen Zuständen von Fahrzeugen und Fahrzeugkomponenten ( z . B . Fahrwerkskomponenten) ist daher wichtig . In diesem Zusammenhang ist eine ef fektive und ef fi ziente Wartung und Instandhaltung der Fahrzeuge und der Fahrzeugkomponenten bedeutend .
Durch intervallbasierten Service sollen die Aus fallwahrscheinlichkeiten möglichst gering gehalten werden . Dadurch wird oftmals aber auch ein Service durchgeführt , der eigentlich noch nicht notwendig wäre . Um die Lebens zykluskosten möglichst gering zu halten, ohne das Risiko von Aus fällen und Beeinträchtigungen im Betrieb zu erhöhen, werden teilweise Diagnose- und Überwachungssysteme eingesetzt . Diese sind auch die Grundlage für eine zustandsorientierte Wartung .
Gängige Diagnose- und Überwachungssysteme für Züge , wie etwa für deren Drehgestell inkl . Antriebssystem, gibt es in unterschiedlichen Ausprägungen . So sind beispielsweise stationäre Systeme bekannt , welche insbesondere eine Diagnose ermöglichen . Darunter gibt es beispielsweise Systeme , die entlang der Strecke platziert sind und etwa Vibrationssensoren und Mikrophone beinhalten . Des Weiteren sind mobile Systeme bekannt und somit solche , die fest im Zug installiert werden und mitfahren . Diagnose wird meist über Beschleunigungssensoren umgesetzt . Überwachung wird nach Stand der Technik mit Temperatursensoren an den Lagern ausgeführt . Schließlich sind Handgeräte bekannt , die meist vibrationsbasiert sind und insbesondere als Geräte zum Messen des Zustands im Depot bei einem Service dienen .
AT 523862 Al bezieht sich auf eine Vorrichtung und ein Verfahren zur Diagnose und Überwachung für Fahrzeuge , insbesondere für Fahrwerke , insbesondere für Schienenfahrzeuge , wobei zumindest ein erster Sensor und zumindest eine Recheneinheit vorgesehen sind, welche miteinander signalübertragend verbunden sind und an oder in einem Fahrzeug anordenbar sind . Es wird vorgeschlagen, dass der zumindest erste Sensor als akustischer Sensor ausgebildet ist und zumindest eine Datenübertragungseinheit zur Übertragung von in der zumindest einen Recheneinheit verarbeiteten Daten vorgesehen ist . Dadurch wird eine Analyse eines akustischen Verhaltens des Fahrzeugs oder von Fahrzeugkomponenten bezüglich großer Frequenzbereiche ermöglicht , wobei Analyseergebnisse zur Bewertung weitergeleitet werden können .
Derartige Lösungen weisen j edoch noch weiteres Verbesserungspotential auf .
Es ist die Aufgabe der vorliegenden Erfindung, die aus dem Stand der Technik bekannten Nachteile zumindest teilweise zu überwinden . Es ist insbesondere die Aufgabe der vorliegenden Erfindung, eine Lösung bereitzustellen, durch welche eine Diagnose und Überwachung eines Fahrzeugs , insbesondere eines Schienenfahrzeugs , verbessert werden kann .
Die Lösung der Aufgabe erfolgt erfindungsgemäß zumindest zum Teil durch ein Verfahren mit den Merkmalen des Anspruchs 1 . Die Lösung der Aufgabe erfolgt erfindungsgemäß ferner zumindest zum Teil durch ein System mit den Merkmalen des Anspruchs 15 sowie durch ein Fahrzeug mit den Merkmalen des Anspruchs 16 . Bevorzugte Ausgestaltungen der Erfindung sind in den Unteransprüchen, in der Beschreibung oder den Figuren beschrieben, wobei weitere in den Unteransprüchen oder in der Beschreibung oder den Figuren beschriebene oder gezeigte Merkmale einzeln oder in einer beliebigen Kombination einen Gegenstand der Erfindung darstellen können, wenn sich aus dem Kontext nicht eindeutig das Gegenteil ergibt .
Beschrieben wird ein Verfahren zum Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und Überwachung für Fahrzeuge , insbesondere für ein Antriebssystem eines Schienenfahrzeugs , zumindest aufweisend die folgenden Verfahrensschritte : a ) Empfangen eines akustischen Luftschallsignals durch wenigstens einen akustischen Sensor ; b ) Bestimmen wenigstens eines Merkmals aus dem Luftschallsignal ; und c ) Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und einer Überwachung wenigstens eines Fahrzeugbauteils basierend auf wenigstens einem in Verfahrensschritt b ) bestimmten Merkmal .
Ein derartiges Verfahren weist gegenüber den Lösungen aus dem Stand der Technik deutliche Vorteile auf .
Das hier beschriebene Verfahren dient dazu, ein Fahrzeug, wie insbesondere ein Schienenfahrzeug, hinsichtlich auftretender Schäden zu überwachen und ferner bei auftretenden Schäden diese zu diagnosti zieren . Dadurch können Serviceintervalle eingehalten werden beziehungsweise können nicht notwendige Serviceeinheiten oder Instandhaltungstätigkeiten vermieden oder zumindest reduziert werden . Gleichzeitig kann die Verfügbarkeit und Zuverlässigkeit erhöht werden .
Das Verfahren bezieht sich dabei insbesondere auf Schäden am Fahrwerk und damit grundsätzlich auf das Antriebssystem des Fahrzeugs . Erfindungsgemäß ist es möglich, eine große Anzahl verschiedener Bauteile zu überwachen beziehungsweise deren Schäden zu diagnosti zieren .
Hierzu umfasst das Verfahren zumindest die folgenden Verfahrensschritte .
Gemäß Verfahrensschritt a ) erfolgt das Empfangen eines akustischen Luftschallsignals durch wenigstens einen akustischen Sensor . Als akustischer Sensor kann grundsätzlich j eglicher akustische Sensor beziehungsweise Mikrophon verwendet werden .
Eine günstige Lösung wird erreicht , wenn zumindest zwei Sensoren vorgesehen sind, die als Mikrofonarray ausgebildet sind . Durch einen derartigen Mikrofonverband werden Analyseergebnisse verbessert , da dadurch eine genaue Lokalisierung von Geräuschereignissen und Geräuschquellen möglich ist .
Mittels des akustischen Sensors kann ein breites Spektrum von technischen Zuständen des Fahrzeugs oder der Fahrzeugkomponenten bewertet werden, beispielsweise können Radpolygone , Flachstellen und Ausbröckelungen an Rädern, Lagerschäden an Achs- bzw . Radsatzlagern, Motor- und Getriebelagern etc . detektiert werden . Weiterhin können Parameter identi fi ziert werden, welche ein technisches Verhalten einer Feder, eines Dämpfers oder eines Lagers zeigen .
Ein weiterer Vorteil des erfindungsgemäßen Verfahrens ist darin zu sehen, dass im Vergleich zu einer Diagnose- und Überwachungsvorrichtung mit Beschleunigungssensoren bei dem erfindungsgemäßen Verfahren eine geringere Anzahl an Sensoren erforderlich ist . Denn wenn ein akustischer Sensor im Nahfeld beziehungsweise Umfeld der j eweiligen zu überwachenden Bauteile ist , können mit einem Sensor auch mehrere Komponenten abgedeckt werden Manche technische Zustände des Fahrzeugs oder der Fahrzeugkomponenten sind ferner auf Basis von akustischen Informationen oder genauer basierend auf Luftschallinformationen leichter voneinander unterscheidbar als auf Basis von kinematischen Informationen .
Es ist günstig, wenn zumindest ein akustischer Sensor in einem Fahrwerks zwischenraum anordenbar ist . Durch Anordnung eines Sensors in einer Kavität ( z . B . in Bereichen zwischen Rädern eines Radsatzes , zwischen einem ersten Längsträger und einem zweiten Längsträger eines Fahrwerks oder in einer Ausnehmung einer Fahrwerksrahmenstruktur ) ist dieser vor Umgebungseinflüssen, z . B . vor störenden Windgeräuschen, welche Messergebnisse beeinflussen könnten, geschützt .
Es kann aber auch hil freich sein, wenn zumindest ein Sensor an einer Fahrwerksaußenseite anordenbar ist . Dadurch können Geräusche von an den Fahrwerksaußenseiten angeordneten Komponenten, wie etwa von Schlingerdämpfern, erfasst und mit großer Sicherheit richtig zugeordnet werden .
Zur Erfassung und Auswertung von Geräuschen im Bereich des Fahrwerks ist es günstig, wenn zumindest ein Sensor mit einem Fahrwerksrahmen verbindbar ist .
Sollen z . B . Achs- bzw . Radsatzlagergeräusche auf gezeichnet und analysiert werden, ist es vorteilhaft , wenn zumindest ein Sensor mit einem ersten Radsatzlagergehäuse oder einer ersten Radsatz führungsvorrichtung verbindbar ist . Der Sensor kann hierbei beispielsweise auf einer Außen- oder einer Innenseite des ersten Radsatzlagergehäuses anordenbar sein .
Eine vorteilhafte Ausgestaltung erhält man ferner, wenn zumindest ein Sensor mit einem Motor oder mit einem Getriebe verbindbar ist . Durch Anordnung eines Sensors beispielsweise auf einem Motor- , Getriebe- , einem gemeinsamen Antriebsgehäuse oder im Nahfeld des Antriebs können Motor- und Getriebegeräusche , wie etwa Geräusche eines Getriebelagers , erfasst und mit großer Sicherheit richtig zugeordnet werden .
Gemäß Merkmal b ) erfolgt ferner das Bestimmen wenigstens eines Merkmals aus dem Luftschallsignal . Derartige Merkmale sind insbesondere aus der Spracherkennung von akustischen Signalen bekannt und können durch bekannte Rechenmethoden erzeugt und bearbeitet werden . Entsprechend kann aus einem insbesondere digitalisierten akustischen Signal ein oder eine Mehrzahl an entsprechenden Merkmalen erzeugt werden .
Besonders bevorzugt kann als entsprechendes Merkmal das sogenannte Cepstrum erzeugt werden beziehungsweise können die bei Verfahrensschritt b ) bestimmten Merkmale zumindest das Cepstrum des Luftschallsignals umfassen . In für den Fachmann an sich bekannter Weise kann das Cepstrum aus dem Spektrum gewonnen werden, indem die EFT des logarithmierten Betrags- Spektrum gebildet wird . Genauer kann das Cepstrum eines Signals durch Anwendung der inversen Fourier-Trans formation für zeitdiskrete Signale auf den logarithmierten Betrag der zeitdiskreten Fourier-Trans formation des Signals gewonnen werden . Beispielsweise kann in an sich bekannter Weise das Cepstrum das Ergebnis der folgenden Berechnungsreihenfolge sein : Trans formation eines Signals vom Zeitbereich in den Frequenzbereich; Logarithmieren der spektralen Amplituden; und Trans formation in den Quef renz-Bereich, in dem die unabhängige Variable wieder eine Zeitachse darstellt .
Das Cepstrum kann insbesondere verwendet werden, um periodische Strukturen in Frequenzspektren zu analysieren . Entsprechend kann das Cepstrum insbesondere in dem hier beschriebenen Verfahren besonders vorteilhaft verwendet werden . Denn bei Beschädigungen an Fahrzeugen und dabei insbesondere am Fahrwerk beziehungsweise am Antriebssystem treten oftmals periodische Geräusche auf , die unter Verwendung des Cepstrums besonders vorteilhaft detektiert und diagnosti ziert werden können . Im Speziellen werden die sog . Mel-Frequency Cepstral Koef fi zienten (MFCCs ) aus Luf tschallaufnahmen extrahiert . Die MFCCs ermöglichen eine kompakte Repräsentation des Spektrums eines Signals , indem sie das Cepstrum eines Signals mit einer näherungsweise logarithmischen Skalierung der Frequenzachse kombinieren . Entsprechend kann diese Ausgestaltung dazu führen, dass eine sichere Fehlererkennung mit einem geringen Rechenaufwand möglich wird . Genauer wird zur Berechnung der MFCCs das Signal zunächst in einzelne Fenster durch eine Fensterung aufgeteilt . Daraufhin wird für j edes dieser Fenster eine N-wertige diskrete Fourier-Trans formation durchgeführt . Das resultierende Leistungsbetragsspektrum wird dann mit einer Mel-Filterbank, die aus überlappenden dreieckigen Filtern besteht , gefiltert . Schließlich werden die MFCCs durch die inverse diskrete Kosinustrans formation der logarithmierten und auf summierten Filterbankenergien generiert . Die so gewonnenen Merkmale werden dann herangezogen, um einen Klassi fikator zu trainieren, wie nachfolgend beschrieben .
Weiterhin kann es von Vorteil sein, dass bei Verfahrensschritt b ) LPC-Koef f i zienten aus dem empfangenen Luftschallsignal extrahiert werden . Das sogenannte Linear Predictive Coding ( LPC ) ist ein Trans formationsverfahren, das beispielsweise in der Sprachkompression von Mobil funksystemen eingesetzt wird und auch in der vorliegenden Anwendung Vorteile bieten kann .
Eine weitere erfindungsgemäß anwendbare Möglichkeit besteht darin, dass bei Verfahrensschritt b ) PLP-Koef f i zienten ( Perceptual Linear Prediction) aus dem empfangenen Luftschallsignal extrahiert werden . Vorteil können insbesondere sehr gute Erkennungsraten sein .
Auch vorteilhaft kann es sein, dass bei Verfahrensschritt b ) Log-Mel-Spektraldaten aus dem empfangenen Luftschallsignal extrahiert werden oder dass Amplitudenmodulations- Spektraldaten bei Verfahrensschritt b ) aus dem empfangenen Luftschallsignal extrahiert werden . Auch derartige Merkmal können bei einem erfindungsgemäßen Verfahren Vorteile aufweisen . Das Amplitudenmodulationsspektrum eignet sich beispielsweise vor allem zur Detektion von Fluktuationen in der Einhüllenden des Signals .
Die vorliegende Erfindung ist j edoch in keiner Weise auf die vorbeschriebenen in Schritt b ) bestimmbaren Merkmale beschränkt , so dass diese als beispielhaft und als nicht limitierend anzusehen sind .
Dem Vorstehenden folgend kann es besonders vorteilhaft sein, wenn zumindest ein Sensor eine Digitalisierungseinheit aufweist . Durch diese Maßnahme kann eine Digitalisierung von Messsignalen unmittelbar mittels des ersten Sensors durchgeführt werden, wodurch in die Recheneinheit nicht Analogsignale übertragen werden müssen, sondern Digitalsignale übertragen werden . Vorteilhaft ist es j edoch insbesondere grundsätzlich, dass das akustische Signal digitalisiert wird unabhängig von dem Ort der Digitalisierung, so dass eine Digitalisierungseinheit auch eine mit dem Sensor verbundene Einheit sein kann .
Das hier beschriebene Verfahren umfasst ferner den weiteren Verfahrensschritt c ) , nämlich das Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und einer Überwachung wenigstens eines Fahrzeugbauteils basierend auf wenigstens einem in Verfahrensschritt b ) bestimmten Merkmal .
In anderen Worten wird das zuvor insbesondere aus der Spracherkennung bekannte und aus dem Luftschall bestimmte Merkmal , auch als feature bezeichnet , verwendet , um wenigstens einen Schritt ausgewählt aus einer Diagnose und einer Überwachung wenigstens eines Fahrzeugbauteils durchzuführen . Somit kann es unter Verwendung des Merkmals oder der Merkmale ermöglicht werden, dass auftretende akustische Signale auf entsprechende Fehlerzustände untersucht werden . Dadurch kann eine verlässliche Überprüfung und Diagnose des Fahrzeugs erfolgen .
Das hier beschriebene Verfahren erlaubt eine Analyse eines akustischen Verhaltens des Fahrzeugs oder von Fahrzeugkomponenten bezüglich großer Frequenzbereiche , wobei Analyseergebnisse zur Bewertung beispielsweise über Kabel oder Funk in einen Führerstand oder an einen Leit- , Instandhaltungs- oder Wartungsstand außerhalb des Fahrzeugs übertragen werden können .
Entsprechend können Zustandshinweise ausgegeben werden . So kann beispielsweise eine Meldung ausgegeben werden, wenn ein Fehlerfall detektiert wird . Genauer kann auch ausgegeben werden, auf welches Bauteil sich der Fehlerfall bezieht beziehungsweise welche Art von Fehler vorliegt . Entsprechend kann auch ein Priorisierungshinweis ausgegeben werden, anhand welchem eine Information gegeben oder erhältlich ist , ob der Fehlerfall sicherheitskritisch ist , oder ob ein Betrieb zumindest für eine begrenzte Zeit und/oder Strecke möglich ist . Für den Fall , dass kein Fehlerzustand ermittelt wurde , kann eine Meldung ausgegeben werden, dass ein fehlerfreier Betrieb möglich ist .
Vorteile bieten sich auch gegenüber Lösungen aus dem Stand der Technik .
Bekannten Lösungen, die auf der Analyse von Körperschallsignalen beruhen, werden mit Beschleunigungssensoren detektiert . Diese Sensoren müssen unmittelbar auf dem Gehäuse der Komponente angebracht werden . Entsprechend sind Restriktionen hinsichtlich der Positionierung einzuhalten . Demgegenüber beruht die vorliegende Erfindung auf der Detektion und Verarbeitung von Luftschallsignale . Im Vergleich zu den bekannten Lösungen ist diese Lösung weniger intrusiv, da die Sensoren zur Auf zeichnung des Luftschalls nicht unmittelbar auf dem Komponentengehäuse angebracht werden müssen, sondern lediglich in der näheren Umgebung der Komponente positioniert sein können . Aus diesem Grund ist das beschriebene Verfahren universeller einsatzbar, da es weniger Restriktionen hinsichtlich der Platzierung der Sensoren gibt und zusätzliche Installationen, wie etwa das Anbringen von zusätzlichen Montageplatten, die das Betriebsverhalten oder die mechanische Integrität der Komponenten beinträchtigen könnten, nicht erforderlich sind . Die vorliegende Erfindung ist somit auch unabhängig von der Bauform der zu überwachenden Komponente .
Es besteht darüber hinaus das Potential , dass mit einem Mikrophon oder einem Array von Mikrophonen mehrere Komponenten abgedeckt werden können, was die Anwendungsmöglichkeiten weiter verbessern kann .
Im Vergleich zu einem vibrationsbasierten Diagnosesystem ist davon aus zugehen, dass eine Luftschallbasierte Lösung durch die Freiheiten in der Platzierung der Sensorik und die geringeren mechanischen Anforderungen außerhalb des Drehgestells sowie das Potential mehrere Komponenten abzudecken deutlich günstiger umgesetzt werden kann .
Darüber hinaus kann durch die Verwendung von Merkmalen, die auch aus der Spracherkennung bekannt sind, akustische Signale , welche auf einen Fehlerzustand hinweisen können, welche auch als Zustandsindikatoren bezeichnet werden können, besonders sicher und verlässlich erkannt werden .
Die Gefahr, das Fahrzeug mit einem gegebenenfalls sicherheitskritischen Fehler zu betreiben kann so signi fikant reduziert werden . Hil freich ist es ferner, wenn die Zustandsindikatoren aus dem Fahrzeug in zumindest eine Infrastruktureinrichtung außerhalb des Fahrzeugs übertragen werden . Dadurch können Wartungs- und Instandhaltungsmaßnahmen rechtzeitig in der Infrastruktureinrichtung ( z . B . in einem Fahrzeugdepot , in einer Betriebs zentrale etc . ) geplant und durchgeführt werden . Es wird eine zustandsorientierte Wartung und Instandhaltung gefördert .
Zur Detektion der Fehlerzustände , wie etwa der Wäl zlagerschäden, werden Merkmale herangezogen, die schon viel fach Anwendung im Bereich der Spracherkennung, der Sprechererkennung oder der Klassi fikation von akustischen S zenen gefunden haben . Diese Features wurden j edoch im Stand der Technik nicht zur Detektion von Fehlerzuständen an einem Fahrzeug mit Hil fe von Luf tschallaufnahmen herangezogen .
Es kann weiterhin bevorzugt sein, dass das Verfahren die weiteren Verfahrensschritte aufweist : d) Trainieren eines Klassi fikators mit dem wenigstens einen Merkmal unter Verwendung von Trainingsdaten und Validierungsdaten oder Definieren eines Klassi fikators ; wobei e ) Verfahrensschritt c ) durchgeführt wird unter Anwendung des Klassi fikators .
Der Klassi fikator dient insbesondere dazu, aus dem wenigstens einen Merkmal , wie beispielsweise aus dem ermittelten Cepstrum, die detektierten akustischen Signale einem Fehlerfall beziehungsweise einer Beschädigung zuzuordnen . Alternativ kann bei Ausbleiben entsprechender Merkmale auch der Schluss gezogen werden, dass eben kein Fehlerzustand vorliegt und das Fahrzeug somit keinen Service benötigt .
Der Klassi fikator kann dabei beispielsweise modellbasiert definiert und anschließend angewendet werden . Bevorzugt kann der Klassi fikator j edoch insbesondere basierend auf den erfassten Merkmalen trainiert werden . Hierzu können Trainingsdaten und Validierungsdaten gesammelt und der Klassi fikator so trainiert und validiert werden . Nach Validierung des Klassi fikators kann dieser dann entsprechend in einer Zustandsdiagnose angewendet werden .
Durch die Verwendung eines Klassi fikators kann das Erkennen der Merkmale beziehungsweise akustische Signale , welche auf einen Fehlerzustand hinweisen können, noch weiter verbessert werden .
Für die Gewinnung der auch als Features bezeichneten Merkmale kann ein relativ einfacher Klassi fikator verwendet werden .
Die Anzahl der zu optimierenden Parameter und die zu deren Optimierung benötigten Trainingsdaten ist somit gering . Dies ermöglicht einen schnellen und kostengünstigen Trainingsprozess und reduziert sogleich das Risiko einer Überanpassung des Klassi fikators . Diese Aspekte stellen entscheidende wirtschaftliche und technische Vorteile gegenüber Lösungen dar, die entweder auf eine Viel zahl von unterschiedlichen Merkmalen angewiesen sind oder die einen auf Deep Learning basierenden Ende- zu-Ende Ansatz verfolgen .
Es kann bevorzugt sein, wenn der Klassi fikator mindestens ein künstliches neuronales Netz umfasst . Insbesondere unter Verwendung eines künstlichen neuronalen Netzes kann ein ef fektives Anlernen erfolgen und so sichergestellt werden, dass auftretende Fehler sicher erkannt werden .
Beispielsweise kann es von Vorteil sein, dass wenigstens ein verwendetes neuronale Netz ein Multilayer-Perzeptron (MLP ) , genauer bevorzugt ein fully-connected feed- forward MultiLayer Perceptron (MLP ) , umfasst . Das MLP besteht aus einer Eingangsschicht , zwei versteckten Schichten und einer Ausgangsschicht . Die Breite der Eingangsschicht und der Ausgangschicht sind durch die Anzahl der verwendeten Merkmale und der Anzahl der Klassen fest vorgegeben . Die Breite der versteckten Schichten ist frei wählbar . Auf die erste und die zweite versteckte Schicht folgt j eweils eine frei wählbare Aktivierungs funktion . Auf die Ausgangschicht folgt eine Sof tmax-Funktion . Die Netzwerkparameter werden durch Rückpropagierung eines zu minimierenden Fehlers in einem überwachten Lernverfahren optimiert . Dies erfolgt durch ein Gradientenabstiegsverfahren wie z . B . dem Adam Optimierungsalgorithmus . Als Fehler- bzw . Kostenfunktion dient etwa der Cross-Entropy Loss . Es wird so erlaubt , eine besonders anpassbare Überprüfung und Diagnose zu ermöglichen und so möglichst umfänglich Fehler zu detektieren .
Bevorzugt kann Verfahrensschritt a ) unter Verwendung wenigstens zweier akustischer Sensoren erfolgen . Durch diese Maßnahme können Messsignale des ersten Sensors und des zweiten Sensors miteinander kombiniert bewertet werden, wodurch eine Bewertungsgenauigkeit und - Zuverlässigkeit verbessert wird .
Darüber hinaus kann es durch das Verwenden zweier oder mehrerer akustischer Sensoren erlaubt werden, dass auch eine Richtung und/oder eine Entfernung der Schallquelle relativ zu den Sensoren möglich ist . Somit kann nicht nur die Art des fehlerbehafteten Bauteils sondern auch dessen konkrete Position ermittelt werden . Die Diagnose kann so noch genauer ausgeführt werden .
Weiter bevorzugt kann ein Mikrophonarray beziehungsweise ein Array aus einer Mehrzahl an Sensoren verwendet werden, wie bereits vorstehend beschrieben .
Weiterhin ist es hil freich, wenn zumindest ein Sensor unterflur mit einem Wagenkasten des Fahrzeugs verbindbar ist . Weiter bevorzugt kann wenigstens ein Sensor am Drehgestell oder Unterboden des Wagenkastens eines Schienenfahrzeugs angeordnet sein . In dieser Ausgestaltung kann eine besonders vorteilhafte Herstellung ermöglicht werden . Denn im Wagenkasten kann dann eine Recheneinheit angeordnet sein, die als Auswerteeinheit dienen kann, so dass durch eine räumliche Nähe die Daten des Sensors ohne aufwändige Peripherie ausgewertet werden können . Es werden vielmehr kurze Signalwege zwischen dem Sensor und der Recheneinheit und somit eine hohe Verbindungsqualität erzielt . Darüber hinaus sind ein Fahrwerkstausch sowie Nach- und Umrüstvorgänge dadurch einfach durchführbar, da keine Signalverbindungen zwischen dem Fahrwerk und dem Wagenkasten vorgesehen sein müssen .
Durch eine Unterflurverbindung eines Sensors mit dem Wagenkasten wird ferner eine hängende Anordnung des ersten Sensors , wobei dieser beispielsweise in den Fahrwerks zwischenraum hineinragt , ermöglicht .
Hinsichtlich weiterer Vorteile und technischer Merkmale des Verfahrens wird hiermit auf die Beschreibung des Systems , des Fahrzeugs , die Figuren und die Beschreibung der Figuren verwiesen, und umgekehrt .
Beschrieben wird ferner ein System zum Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und Überwachung für Fahrzeuge , insbesondere für ein Antriebssystem eines Schienenfahrzeugs , wobei zumindest ein akustischer Sensor und zumindest eine Recheneinheit vorgesehen sind, welche miteinander signalübertragend verbunden sind, wobei es ferner vorgesehen ist , dass die Recheneinheit dazu ausgebildet ist , ein Verfahren wie vorstehend beschrieben aus zuführen .
Die hier beschrieben Vorrichtung ist somit insbesondere dazu ausgebildet , ein Verfahren wie vorstehend beschrieben aus zuführen . Dies kann in für den Fachmann verständlicher Weise durch die Implementierung entsprechender Software auf der Recheneinheit beziehungsweise eines Speichers hiervon realisierbar sein . Bevorzugt kann die Recheneinheit hierzu einen Klassi fikator aufweisen . Entsprechend ergeben sich im Wesentlichen die vorstehend beschriebenen Vorteile . Es wird somit eine sichere Detektion und Diagnose von Fehlerzuständen des Fahrzeugs möglich . Dadurch können eine verlässliche Überwachung und Diagnose hinsichtlich Fehlerzuständen möglich sein .
Hinsichtlich weiterer Vorteile und technischer Merkmale des Systems wird hiermit auf die Beschreibung des Verfahrens , des Fahrzeugs die Figuren und die Beschreibung der Figuren verwiesen und umgekehrt .
Beschrieben wird ferner ein Fahrzeug, insbesondere ein Schienenfahrzeug, welches dadurch gekennzeichnet ist , dass das Fahrzeug ein vorbeschriebenes System zum Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und Überwachung für Fahrzeuge umfasst .
Aus dem Vorstehenden wird ersichtlich, dass sich im Wesentlichen die vorstehend beschriebenen Vorteile ergeben . Es wird somit eine sichere Detektion und Diagnose von Fehlerzuständen des Fahrzeugs möglich . Dadurch können eine verlässliche Überwachung und Diagnose hinsichtlich Fehlerzuständen möglich sein .
Hinsichtlich weiterer Vorteile und technischer Merkmale des Fahrzeugs wird hiermit auf die Beschreibung des Verfahrens , des Systems , die Figuren und die Beschreibung der Figuren verwiesen, und umgekehrt .
Weitere Einzelheiten, Merkmale und Vorteile des Gegenstandes der Erfindung ergeben sich aus den Unteransprüchen sowie aus der nachfolgenden Beschreibung der Figuren . In den Figuren zeigen : Fig . 1 Einen schematischen Grundriss eines Ausschnitts aus einem beispielhaften Fahrwerk eines Schienenfahrzeugs mit in einem Fahrwerks zwischenraum angeordneten akustischen Sensoren einer beispielhaften ersten Aus führungsvariante einer erfindungsgemäßen Vorrichtung;
Fig . 2 Einen schematischen Grundriss eines Ausschnitts aus einem beispielhaften Fahrwerk eines Schienenfahrzeugs mit an Fahrwerksaußenseiten angeordneten akustischen Sensoren einer beispielhaften zweiten Aus führungsvariante einer erfindungsgemäßen Vorrichtung; und
Fig . 3 Einen schematischen Seitenriss eines Ausschnitts aus einem beispielhaften Schienenfahrzeug mit an einer Unterseite eines Wagenkastens angeordneten akustischen Sensoren einer beispielhaften dritten Aus führungsvariante einer erfindungsgemäßen Vorrichtung; und
Fig . 4 Ein Flussdiagramm zu einer beispielhaften Aus führungsvariante eines erfindungsgemäßen Verfahrens einschließlich der Verwendung eines trainierten Klassi fikators .
Fig . 1 zeigt einen schematischen Grundriss eines Ausschnitts aus einem beispielhaften Fahrwerk eines Schienenfahrzeugs mit auf bzw . an dem Fahrwerk angeordneten akustischen Sensoren einer beispielhaften ersten Aus führungsvariante einer erfindungsgemäßen Vorrichtung zur Diagnose und Überwachung für das Schienenfahrzeug, mit welcher ein entsprechendes erfindungsgemäßes Verfahren durchführbar ist . Das Fahrwerk kann grundsätzlich wählbar sein und etwa innengelagerte oder außengelagerte Fahrwerke umfassen .
Es sind ein erster Sensor 1 , ein zweiter Sensor 2 , ein dritter Sensor 3 , ein vierter Sensor 4 , ein fünfter Sensor 5 , ein sechster Sensor 6 , ein siebenter Sensor 7 sowie ein achter Sensor 8 vorgesehen, die in einem Fahrwerks zwischenraum 9 , welcher von einem ersten Rad 10 und einem zweiten Rad 11 eines ersten Radsatzes 12 des Fahrwerks begrenzt ist , angeordnet sind . Der erste Sensor 1 ist mit einem ersten Längsträger 14 eines Fahrwerksrahmens 16 des Fahrwerks verschraubt , der zweite Sensor 2 mit einem zweiten Längsträger 15 des Fahrwerksrahmens 16 , der dritte Sensor 3 mit einem ersten Radsatzlagergehäuse 17 des Fahrwerks , der vierte Sensor 4 mit einem zweiten Radsatzlagergehäuse 18 des Fahrwerks , der fünfte Sensor 5 mit einem ersten Schwingarm 19 einer ersten Radsatz führungsvorrichtung 21 des Fahrwerks , der sechste Sensor 6 mit einem zweiten Schwingarm 20 einer zweiten Radsatz führungsvorrichtung 22 des Fahrwerks , der siebente Sensor 7 mit einem Motorgehäuse eines Motors 23 des Fahrwerks und der achte Sensor 8 mit einem Getriebegehäuse eines Getriebes 24 des Fahrwerks .
Der Motor 23 und das Getriebe 24 sind mit dem Fahrwerksrahmen 16 verbunden, das Getriebe 24 ist mit dem ersten Radsatz 12 gekoppelt . Zur Übertragung von Antriebskräften und - Drehmomenten ist dem Motor 23 und dem Getriebe 24 eine Kupplung 25 zwischengeordnet .
Über das erste Radsatzlagergehäuse 17 , eine erste Primärfeder 26 und die erste Radsatz führungsvorrichtung 21 sowie ein zweites Radsatzlager, das zweite Radsatzlagergehäuse 18 , eine zweite Primärfeder 27 und die zweite Radsatz führungsvorrichtung 22 ist der erste Radsatz 12 mit dem Fahrwerksrahmen 16 gekoppelt .
Das Fahrwerk weist einen nicht gezeigten zweiten Radsatz auf , welcher über weitere Radsatzlager, weitere Radsatzlagergehäuse , weitere Primärfedern und weitere Radsatz führungsvorrichtungen, die ebenfalls nicht dargestellt sind, mit dem Fahrwerksrahmen 16 verbunden ist .
Der erste Sensor 1 , der zweite Sensor 2 , der dritte Sensor 3 , der vierte Sensor 4 , der fünfte Sensor 5 , der sechste Sensor 6 und der siebente Sensor 7 sind als Messmikrofone ausgebildet . Der achte Sensor 8 ist als Mikrofonarray, d . h . als Mikrofonverband, mit einer ersten Mess zelle 28 , einer zweiten Mess zelle 29 und einer dritten Mess zelle 30 ausgeführt . Die Messmikrofone , die erste Mess zelle 28 , die zweite Mess zelle 29 und die dritte Mess zelle 30 sind beispielsweise als omnidirektionale Kondensator- Frei feldmikrofone mit Dauerpolarisation ausgebildet , können j edoch eine grundsätzlich wählbare Bauform beziehungsweise Betriebsart aufweisen .
Weiterhin weist der erste Sensor 1 eine erste
Digitalisierungseinheit 31 , der zweite Sensor 2 eine zweite
Digitalisierungseinheit 32 , der dritte Sensor 3 eine dritte
Digitalisierungseinheit 33 , der vierte Sensor 4 eine vierte
Digitalisierungseinheit 34 , der fünfte Sensor 5 eine fünfte
Digitalisierungseinheit 35 , der sechste Sensor 6 eine sechste
Digitalisierungseinheit 36 , der siebente Sensor 7 eine siebente Digitalisierungseinheit 37 und der achte Sensor 8 eine achte Digitalisierungseinheit 38 auf , in welchen eine Digitalisierung 39 von akustischen Messsignalen durchgeführt wird .
Der erste Sensor 1 ist im akustischen Nahfeld des ersten Rads 10 , der zweite Sensor 2 im akustischen Nahfeld des zweiten Rads 11 angeordnet . Es werden mittels des ersten Sensors 1 und des zweiten Sensors 2 Rädergeräusche auf gezeichnet , um Radpolygone , Flachstellen etc . zu detektieren .
Der dritte Sensor 3 und der fünfte Sensor 5 sind im akustischen Nahfeld des ersten Radsatzlagers sowie der ersten Primärfeder 26 angeordnet , der vierte Sensor 4 und der sechste Sensor 6 im akustischen Nahfeld des zweiten Radsatzlagers sowie der zweiten Primärfeder 27 .
Mittels des dritten Sensors 3 , des vierten Sensors 4 , des fünften Sensors 5 und des sechsten Sensors 6 werden Radsatzlagergeräusche auf gezeichnet , um Lagerschäden zu detektieren . Weiterhin können damit Federparameter der ersten Primärfeder 26 und der zweiten Primärfeder 27 identi fi ziert werden . Der siebente Sensor 7 ist im akustischen Nahfeld der Kupplung 25 zur Auf zeichnung von Kupplungsgeräuschen und zur Detektion von Kupplungsschäden angeordnet .
Die erste Mess zelle 28 des achten Sensors 8 ist im akustischen Nahfeld eines nicht sichtbaren Ritzels angeordnet , die zweite Mess zelle 29 im akustischen Nahfeld einer nicht sichtbaren Getriebestufe und die dritte Mess zelle 30 im akustischen Nahfeld eines nicht sichtbaren Großrads . Mittels des achten Sensors 8 werden Getriebegeräusche auf gezeichnet , um Getriebeschäden zu detektieren . Aufgrund des Mikrofonverbands aus der ersten Mess zelle 28 , der zweiten Mess zelle 29 und der dritten Mess zelle 30 ist eine Lokalisierung der Getriebegeräusche möglich . Zeichnet beispielsweise die erste Mess zelle 28 akustische Messsignale auf , deren Schalldruckpegel größer sind als ein für die Messsignale der ersten Mess zelle 28 definierter Grenzwert , so weist dies auf einen Schaden am Ritzel hin .
Die erste Digitalisierungseinheit 31 , die zweite Digitalisierungseinheit 32 , die dritte Digitalisierungseinheit 33 , die vierte Digitalisierungseinheit 34 , die fünfte Digitalisierungseinheit 35 , die sechste Digitalisierungseinheit 36 , die siebente Digitalisierungseinheit 37 und die achte Digitalisierungseinheit 38 weisen in Fig . 1 nicht gezeigte Antennen auf , mittels welchen von dem ersten Sensor 1 , dem zweiten Sensor 2 , dem dritten Sensor 3 , dem vierten Sensor 4 , dem fünften Sensor 5 , dem sechsten Sensor 6 , dem siebenten Sensor 7 und dem achten Sensor 8 auf gezeichnete Messignale an eine ebenfalls in Fig . 1 nicht dargestellte Recheneinheit 40 übermittelt werden .
Die Recheneinheit 40 ist in einem in Fig . 1 nicht gezeigten Wagenkasten 41 des Schienenfahrzeugs angeordnet und über ein Kabel mit einer in Fig . 1 nicht dargestellten, funkbasierten Datenübertragungseinheit 42 im Dachbereich des Wagenkastens 41 verbunden . Jedoch kann die Recheneinheit 40 auch unterflur des Wagenkastens 41 ausgebildet sein .
Der erste Sensor 1 , der zweite Sensor 2 , der dritte Sensor 3 , der vierte Sensor 4 , der fünfte Sensor 5 , der sechste Sensor 6 , der siebente Sensor 7 sowie der achte Sensor 8 sind über in Fig . 1 nicht sichtbare Batterien mit Elektri zität versorgt .
Die Recheneinheit 40 und die Datenübertragungseinheit 42 sind über eine in Fig . 1 nicht gezeigte Stromversorgungseinrichtung des Schienenfahrzeugs gespeist oder können auch anderweitig mit Energie versorgt werden, etwa batteriebasiert .
In der Recheneinheit 40 wird eine Auswertung der digitalisierten Messsignale durchgeführt , wie sie im Zusammenhang mit Fig . 4 beschrieben ist . Ergebnisdaten aus dieser Auswertung werden über das Kabel an die Datenübertragungseinheit 42 übermittelt und von dort über Funk an eine in Fig . 1 nicht dargestellte Wartungseinrichtung, d . h . an eine Infrastruktureinrichtung, außerhalb des Schienenfahrzeugs gesendet .
In Fig . 2 ist ein schematischer Grundriss eines Ausschnitts aus einem beispielhaften Fahrwerk eines Schienenfahrzeugs mit an Fahrwerksaußenseiten angeordneten akustischen Sensoren einer beispielhaften zweiten Aus führungsvariante einer erfindungsgemäßen Vorrichtung zur Diagnose und Überwachung für das Schienenfahrzeug of fenbart .
An einer Außenseite eines Fahrwerksrahmens 16 sind ein erster Sensor 1 und ein zweiter Sensor 2 vorgesehen, welche als Mikrofone und somit als akustische Sensoren ausgebildet sind . Der erste Sensor 1 ist über eine erste Digitalisierungseinheit 31 seitlich mit einem ersten Längsträger 14 des Fahrwerksrahmens 16 verbunden, der zweite Sensor 2 über eine zweite Digitalisierungseinheit 32 seitlich mit dem ersten Längsträger 14 .
Der erste Längsträger 14 ist über einen Querträger 43 mit einem in Fig . 2 nicht gezeigten, dem ersten Längsträger 14 gegenüberliegend angeordneten zweiten Längsträger verbunden . Mit dem Fahrwerksrahmen 16 sind über ein erstes Radsatzlager 44 und ein zweites Radsatzlager 45 sowie , in Fig . 2 nicht dargestellt , über ein drittes Radsatzlager und ein viertes Radsatzlager ein erster Radsatz 12 und ein zweiter Radsatz 13 gekoppelt . Weiterhin sind zwischen dem Fahrwerksrahmen 16 einerseits und dem ersten Radsatz 12 sowie dem zweiten Radsatz 13 andererseits eine erste Primärfeder 26 , eine zweite Primärfeder 27 sowie , in Fig . 2 nicht gezeigt , eine dritte Primärfeder und eine vierte Primärfeder vorgesehen . Zwischen dem Fahrwerksrahmen 16 und einem in Fig . 2 nicht dargestellten Wagenkasten 41 des Schienenfahrzeugs ist eine erste Sekundärf eder 46 und eine in Fig . 2 nicht gezeigte zweite Sekundärf eder , welche mit dem Querträger 43 verbunden sind, angeordnet .
Ein Fahrwerks zwischenraum 9 ist in der beispielhaften zweiten Aus führungsvariante einer erfindungsgemäßen Vorrichtung zwischen dem ersten Längsträger 14 und dem zweiten Längsträger vorgesehen . In dem Fahrwerks zwischenraum 9 sind in der beispielhaften zweiten Aus führungsvariante j edoch keine Sensoren vorgesehen .
Der erste Sensor 1 erfasst Geräusche des ersten Radsatzlagers 44 und der ersten Primärfeder 26 , der zweite Sensor 2 , zeitsynchron zu dem ersten Sensor 1 , Geräusche des zweiten Radsatzlagers 45 und der zweiten Primärfeder 27 . Dadurch können Lager- und Federschäden detektiert sowie Federparameter identi fi ziert werden .
Erste Messsignale des ersten Sensors 1 und zweite Messsignale des zweiten Sensors 2 werden in einer in dem Wagenkasten 41 angeordneten Recheneinheit 40 , wie sie beispielsweise in Fig . 3 für eine beispielhafte dritte Aus führungsvariante einer erfindungsgemäßen Vorrichtung of fenbart ist , ausgewertet . Dabei wird, aufgrund ihrer vorteilhaft zeitsynchronen Erfassung, eine Phasenbeziehung zwischen den ersten Messsignalen und den zweiten Messsignalen berücksichtigt , wodurch Geräuschereignisse wie beispielsweise ein Überfahren von Schienenstößen erkannt und kategorisiert werden können .
Der erste Sensor 1 und der zweite Sensor 2 sind im Hinblick auf eine Elektri zitätsversorgung und eine Datenübermittlung an die Recheneinheit 40 beispielsweise gleich wie j ene Sensoren ausgeführt , welche im Zusammenhang mit Fig . 1 beschrieben sind . Die Recheneinheit 40 ist , wie im Zusammenhang mit Fig . 1 für eine beispielhafte erste Aus führungsvariante einer erfindungsgemäßen Vorrichtung beschrieben, mit einer Datenübertragungseinheit 42 verbunden, welche in dem Wagenkasten 41 angeordnet ist und über welche aus den ersten Messsignalen und den zweiten Messsignalen gebildete Diagnose- und Überwachungsdaten an eine Infrastruktureinrichtung außerhalb des Schienenfahrzeugs gesendet werden .
In Fig . 3 ist ein schematischer beispielsweise im Vergleich zur Figur 1 stark vereinfachter Seitenriss eines Ausschnitts aus einem beispielhaften Schienenfahrzeug mit einem Fahrwerk und mit unterflur, an einer Unterseite eines Wagenkastens 41 angeordneten akustischen Sensoren einer beispielhaften dritten Aus führungsvariante einer erfindungsgemäßen Vorrichtung gezeigt .
Das Fahrwerk weist einen Fahrwerksrahmen 16 auf , welcher über eine erste Sekundärf eder 46 sowie eine in Fig . 3 nicht gezeigte zweite Sekundärf eder mit dem Wagenkasten 41 gekoppelt ist . Mit dem Fahrwerksrahmen 16 sind, über in Fig . 3 nicht dargestellte Radsatzlager, Radsatz führungsvorrichtungen und Primärf edern, ein erster Radsatz 12 sowie ein zweiter Radsatz 13 gekoppelt .
Es sind ein erster Sensor 1 und ein zweiter Sensor 2 vorgesehen, welche als akustische Sensoren ausgebildet sind und von oben in einen Raum zwischen Rädern des ersten Radsatzes 12 und des zweiten Radsatzes 13 des Fahrwerks bzw . zwischen zwei Längsträgern des Fahrwerksrahmens 16 , d . h . in einen Fahrwerks zwischenraum 9 , hineinragend angeordnet sind . Der Fahrwerks zwischenraum 9 ist nach oben von Räderobergrenzen und nach unten von Räderuntergrenzen begrenzt .
Es ist j edoch auch möglich, dass der erste Sensor 1 und der zweite Sensor 2 im Bereich des Fahrwerksrahmens 16 , beispielsweise in Ausnehmungen des Fahrwerksrahmens 16 , vorgesehen sind und der Fahrwerks zwischenraum 9 nach oben von einer Fahrwerksrahmenoberkante sowie nach unten von einer Fahrwerksrahmenunterkante begrenzt ist .
Ferner sind ein dritter Sensor 3 und ein vierter Sensor 4 gezeigt , welche unmittelbar unterhalb des Wagenkastens 41 angeordnet sind . Dies zeigt die Variabilität der Positionierung der akustischen Sensoren im Rahmen der vorliegenden Erfindung .
Der erste Sensor 1 ist mit einem ersten Halter 47 verbunden, der zweite Sensor 2 mit einem zweiten Halter 48 . Der erste Halter 47 und der zweite Halter 48 sind mit der Unterseite des Wagenkastens 41 verbunden . Es ist zu erkennen, dass die Ausgestaltung gemäß Figur 3 innengelagerte Radsätze 12 , 13 aufweist .
Der erste Sensor 1 ist im Bereich eines ersten Rad-Schiene- Kontakts des ersten Radsatzes 12 angeordnet , der zweite Sensor 2 im Bereich eines zweiten Rad-Schiene-Kontakts des zweiten Radsatzes 13 . Dadurch werden Rädergeräusche von dem ersten Sensor 1 als erste Messsignale und von dem zweiten Sensor 2 als zweite Messsignale zeitsynchron erfasst , mittels einer ersten Digitalisierungseinheit 31 des ersten Sensors 1 sowie einer zweiten Digitalisierungseinheit 32 des zweiten Sensors 2 digitalisiert und danach an eine in dem Wagenkasten 41 angeordnete Recheneinheit 40 übermittelt .
Die erste Digitalisierungseinheit 31 und die zweite Digitalisierungseinheit 32 sind als Analog-Digital-Umsetzer ausgeführt .
Zur Übertragung der digitalisierten ersten Messsignale und der digitalisierten zweiten Messsignale weist die erste Digitalisierungseinheit 31 eine erste Antenne 49 auf , die zweite Digitalisierungseinheit 32 ist über ein erstes Kabel 52 , welches in dem hohl ausgebildeten zweiten Halter 48 geführt ist , mit der Recheneinheit 40 verbunden . Die Recheneinheit 40 weist zum Empfang von Funksignalen, die von der ersten Antenne 49 abgestrahlt werden, eine zweite Antenne 50 auf .
In der Recheneinheit 40 werden die digitalisierten ersten Messsignale und die digitalisierten zweiten Messsignale , wie im Zusammenhang mit Fig . 4 beschrieben, gefiltert und analysiert . So ermittelte Zustandsindikatoren werden aus einer mit der Recheneinheit 40 verbundenen Datenspeichereinheit 55 als Ergebnisdaten über ein zweites Kabel 53 , einen als Multi function Vehicle Bus (MVB ) ausgeführten Datenbus 56 sowie ein drittes Kabel 54 an eine Datenübertragungseinheit 42 übermittelt .
Uber den Datenbus 56 werden die Ergebnisdaten auch in einen nicht gezeigten Führerstand des Schienenfahrzeugs übertragen, wo einem Triebfahrzeugführer über eine Anzeige auf Grundlage der Zustandsindikatoren schadhafte , verschlissene oder fehlerfreie Zustände der Räder angezeigt werden . Erfindungsgemäß ist es j edoch auch vorstellbar, die Ergebnisdaten ohne Zwischenschaltung des Datenbusses 56 an die Datenübertragungseinheit 42 zu übermitteln .
Die Datenübertragungseinheit 42 ist im Dachbereich des Wagenkastens 41 angeordnet und weist eine dritte Antenne 51 auf . Über die dritte Antenne 51 werden die Zustandsindikatoren an eine nicht dargestellte Infrastruktureinrichtung außerhalb des Schienenfahrzeugs übermittelt .
Die Infrastruktureinrichtung ist als Wartungsstand für das Schienenfahrzeug ausgebildet und es werden darin auf Grundlage der übermittelten Zustandsindikatoren, d . h . auf Grundlage von Diagnose- und/oder Überwachungsinf ormationen, Wartungs- und/oder Instandhaltungsmaßnahmen geplant ( z . B . wird eine Ersatzteilbeschaf fung eingeleitet ) .
Für das Training werden Daten ( Trainings- und Validierungsdaten) gesammelt anhand derer das Detektions- /Klassi f ikationsverf ahren entworfen und optimiert wird . Das resultierende Verfahren kann dann in der Anwendungsphase 58 zu Detektion/Klassi f ikation eingesetzt werden .
In der Figur 4 ist ein Flussdiagramm gezeigt , welches ein erfindungsgemäßes Verfahren zur Überwachung und Diagnose des Fahrzeugs beschreibt . Dabei wird in der Figur 4 eine beispielhafte Ausgestaltung gezeigt , in welcher ein Klassi fikator zunächst trainiert und anschließend angewendet wird, um das beschriebene Verfahren aus zuführen .
Die Figur 4 zeigt zunächst auf der linken Seite die Trainingsphase 57 zum Trainieren des Klassi fikators und auf der rechten Seite die Anwendungsphase 58 , in welcher der Klassi fikator angewendet wird . In der Trainingsphase 57 findet zunächst eine Datensammlung 59 statt , wobei die gesammelten Daten in Trainingsdaten 60 und Validierungsdaten 61 aufgeteilt werden . Es findet eine Merkmalsextraktion 62 , 63 statt , um die Merkmale aus dem Trainingsdaten 60 und Validierungsdaten 62 zu extrahieren . Basierend auf den Trainingsdaten 60 beziehungsweise den extrahierten Merkmalen findet ein Training 64 des Klassi fikators statt .
Die so entstehenden Daten fließen in die Validierung 65 ein und erlauben eine Validierung 65 des Klassi fikators . Bei Bedarf wird die Trainingsphase inkl . Validierung wiederholt . Ein iteratives Vorgehen ist ebenfalls möglich .
Bezugnehmend auf die Anwendungsphase 58 findet zunächst eine Datensammlung 66 statt . Dies erfolgt erfindungsgemäß durch den Verfahrensschritt a ) und damit durch das Empfangen eines akustischen Luftschallsignals durch wenigstens einen akustischen Sensor ( 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 ) . Hierzu werden die vorgesehenen Mikrophone beziehungsweise akustischen Sensoren, also insbesondere der erste Sensor 1 , der zweite Sensor 2 , der dritte Sensor 3 , der vierte Sensor 4 , der fünfte Sensor 5 , der sechste Sensor 6 , der siebente Sensor 7 sowie der achte Sensor 8 , verwendet .
Weiterhin erfolgt eine Merkmalsextraktion 67 , wobei in diesem Schritt gemäß Verfahrensschritt b ) ein Bestimmen wenigstens eines Merkmals aus dem Luftschallsignal erfolgt . Das Merkmal ist dabei insbesondere ein aus der Spracherkennung bekanntes sogenanntes Feature .
Basierend auf dem so bestimmten Merkmal oder den so bestimmten Merkmalen kann ein Anwendung 68 des Klassi fikators erfolgen, wobei die Daten aus der Validierung 65 beziehungsweise aus dem validierten Klassi fikator zusätzlich in die Anwendung 68 des Klassi fikators einfließen . Durch die Anwendung 68 des Klassi fikators kann eine Zustandsdiagnose 69 erfolgen . Eine derartige Zustandsdiagnose 69 umfasst gemäß dem Verfahrensschritt c ) Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und einer Überwachung wenigstens eines Fahrzeugbauteils basierend auf wenigstens einem in Verfahrensschritt b ) bestimmten Merkmal .
Entsprechend werden die Überwachung und Diagnose einer Komponente in der hier beschriebenen nicht beschränkenden Ausgestaltung mittels eines merkmalsbasierten Klassi fikationsansatzes , der auf der Analyse von Luf tschallaufnahmen beruht , gelöst . Die verwendeten Merkmale ( engl . Features ) entsprechen dem Stand der Technik für Aufgaben in den Bereichen der Spracherkennung, der Sprechererkennung und der Klassi fikation von akustischen S zenen . Beispielsweise aber nicht beschränkend werden die sog . Mel-Frequency Cepstral Coef ficients (MFCCs ) aus Luf tschallaufnahmen extrahiert . Die MFCCs ermöglichen eine kompakte Repräsentation des Spektrums eines Signals , indem sie das Cepstrum eines Signals mit einer näherungsweise logarithmischen Skalierung der Frequenzachse kombinieren .
Das Cepstrum eines Signals wird durch Anwendung der inversen Fourier-Trans formation für zeitdiskrete Signale auf den logarithmierten Betrag der zeitdiskreten Fourier- Trans formation des Signals gewonnen . Zur Berechnung der MFCCs wird das Signal zunächst in einzelne Fenster durch eine Fensterung aufgeteilt . Daraufhin wird für j edes dieser Fenster eine N-wertige diskrete Fourier-Trans formation durchgeführt . Das Leistungsbetragsspektrum wird dann mit einer Mel-Filterbank, die aus überlappenden dreieckigen Filtern besteht , gefiltert . Schließlich werden die MFCCs durch die inverse diskrete Kosinustrans formation der logarithmierten Filterbankenergien generiert . Die so gewonnenen Merkmale werden dann herangezogen, um ein künstliches neuronales Netz , das als Klassi fikator fungiert , zu trainieren . Der Klassi fikator umfasst beispielsweise und in keiner weise beschränkend wenigstens ein neuronales Netz , wie etwa ein fully-connected feed- forward Multi-Layer Perceptron (MLP ) . Das MLP besteht aus einer Eingangsschicht , zwei versteckten Schichten und einer Ausgangsschicht . Die Breite der Eingangsschicht und der Ausgangschicht sind durch die Anzahl der verwendeten Merkmale und der Anzahl der Klassen beispielsweise fest vorgegeben . Die Breite der versteckten Schichten ist frei wählbar . Auf die erste und die zweite versteckte Schicht folgt j eweils eine frei wählbare Aktivierungs funktion . Auf die Ausgangschicht folgt eine Sof tmax-Funktion . Die Netzwerkparameter werden durch Rückpropagierung eines zu minimierenden Fehlers in einem überwachten Lernverfahren optimiert . Dies erfolgt durch ein Gradientenabstiegsverfahren wie z . B . dem Adam Optimierungsalgorithmus . Als Fehler- bzw . Kostenfunktion dient der Cross-Entropy Loss .
Obwohl die Erfindung im Detail durch das bevorzugte Aus führungsbeispiel näher illustriert und beschrieben wurde , so ist die Erfindung nicht durch die of fenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen .

Claims

Patentansprüche
1. Verfahren zum Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und Überwachung für Fahrzeuge, insbesondere für ein Antriebssystem eines Schienenfahrzeugs, zumindest aufweisend die folgenden Verfahrensschritte : a) Empfangen eines akustischen Luftschallsignals durch wenigstens einen akustischen Sensor (1, 2, 3, 4, 5, 6 , 7 , 8 ) ; b) Bestimmen wenigstens eines Merkmals aus dem Luftschallsignal; und c) Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und einer Überwachung wenigstens eines Fahrzeugbauteils basierend auf wenigstens einem in Verfahrensschritt b) bestimmten Merkmal.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die bei Verfahrensschritt b) bestimmten Merkmale zumindest das Cepstrum des Luftschallsignals umfassen.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass bei Verfahrensschritt b) Mel-Frequency Cepstral Koeffizienten aus dem empfangenen Luftschallsignal extrahiert werden.
4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass bei Verfahrensschritt b) LPC- Koef f izienten aus dem empfangenen Luftschallsignal extrahiert werden.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass bei Verfahrensschritt b) PLP- Koeff izienten aus dem empfangenen Luftschallsignal extrahiert werden. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass bei Verfahrensschritt b) Log-Mel- Spektraldaten aus dem empfangenen Luftschallsignal extrahiert werden. Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass bei Verfahrensschritt b) Amplitudenmodulations-Spektraldaten aus dem empfangenen Luftschallsignal extrahiert werden. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass das Verfahren die weiteren Verfahrensschritte aufweist: d) Trainieren eines Klassifikators mit dem wenigstens einen Merkmal unter Verwendung von Trainingsdaten und Validierungsdaten oder Definieren eines Klassifikators; wobei e) Verfahrensschritt c) durchgeführt wird unter Anwendung des Klassifikators. Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass als Klassifikator wenigstens ein künstliches neuronales Netz verwendet wird. Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass das neuronale Netz ein Multilayer-Perzeptron umfasst . Verfahren nach einem der Ansprüche 1 bis 10, dadurch gekennzeichnet, dass Verfahrensschritt a) unter Verwendung wenigstens zweier akustischer Sensoren (1, 2, 3, 4, 5, 6, 7, 8) erfolgt. Verfahren nach Anspruch 11, dadurch gekennzeichnet, dass die wenigstens zwei akustische Sensoren als Mikrofon-Array ausgestaltet sind. Verfahren nach einem der Ansprüche 1 bis 12, dadurch gekennzeichnet, dass wenigstens ein akustischer Sensor (1, 2, 3, 4, 5, 6, 7, 8) am Drehgestell oder Unterboden des Wagenkastens eines Schienenfahrzeugs angeordnet ist. Verfahren nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, dass wenigstens ein akustischer Sensor (1, 2, 3, 4, 5, 6, 7, 8) eine Digitalisierungseinheit (31, 32, 33, 34, 35, 36, 37, 38) umfasst . System zum Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und Überwachung für Fahrzeuge, insbesondere für ein Antriebssystem eines Schienenfahrzeugs, wobei zumindest ein akustischer Sensor (1, 2, 3, 4, 5, 6, 7, 8) und zumindest eine Recheneinheit (40) vorgesehen sind, welche miteinander signalübertragend verbunden sind, dadurch gekennzeichnet, dass die Recheneinheit (40) dazu ausgebildet ist, ein Verfahren nach einem der Ansprüche 1 bis 14 auszuführen. Fahrzeug, insbesondere Schienenfahrzeug, dadurch gekennzeichnet, dass das Fahrzeug ein System zum Durchführen wenigstens eines Schrittes ausgewählt aus einer Diagnose und Überwachung für Fahrzeuge gemäß Anspruch 15 umfasst.
EP23797676.6A 2022-12-13 2023-10-17 Verfahren zur diagnose und überwachung für fahrzeuge Pending EP4577441A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102022213559.8A DE102022213559A1 (de) 2022-12-13 2022-12-13 Verfahren zur Diagnose und Überwachung für Fahrzeuge
PCT/EP2023/078723 WO2024125854A1 (de) 2022-12-13 2023-10-17 Verfahren zur diagnose und überwachung für fahrzeuge

Publications (1)

Publication Number Publication Date
EP4577441A1 true EP4577441A1 (de) 2025-07-02

Family

ID=88584986

Family Applications (1)

Application Number Title Priority Date Filing Date
EP23797676.6A Pending EP4577441A1 (de) 2022-12-13 2023-10-17 Verfahren zur diagnose und überwachung für fahrzeuge

Country Status (3)

Country Link
EP (1) EP4577441A1 (de)
DE (1) DE102022213559A1 (de)
WO (1) WO2024125854A1 (de)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT413973B (de) 2003-01-14 2006-07-15 Joanneum Res Forschungsgesells Verfahren und einrichtung zur überwachung der zugvollständigkeit
KR101768145B1 (ko) 2016-04-21 2017-08-14 현대자동차주식회사 음향 추적 정보 제공 방법, 차량용 음향 추적 장치, 및 이를 포함하는 차량
US10141009B2 (en) 2016-06-28 2018-11-27 Pindrop Security, Inc. System and method for cluster-based audio event detection
AT523862B1 (de) 2020-05-27 2022-06-15 Siemens Mobility Austria Gmbh Vorrichtung und Verfahren zur Diagnose und Überwachung für Fahrzeuge
DE102020116507B4 (de) 2020-06-23 2025-07-17 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zur Ermittlung einer Zielgröße, Sensoranordnung und Fahrzeug

Also Published As

Publication number Publication date
DE102022213559A1 (de) 2024-06-13
WO2024125854A1 (de) 2024-06-20

Similar Documents

Publication Publication Date Title
DE19827271B4 (de) On-line Erfassungssystem mit Auswerteteil für rad- und gleisbezogene Daten für Hochgeschwindigkeitszüge
DE3437661C2 (de) Verfahren zum Bestimmen reparaturbedürftiger Bauteile einer Fahrzeugeinheit
EP2212180B1 (de) Bestimmung der restlebensdauer einer fahrzeugkomponente
EP2359104B1 (de) System zur analyse des fahrwerkszustands bei schienenfahrzeugen
CN115140132B (zh) 一种轨道状态监测方法、系统、设备及介质
EP2152560A1 (de) Vorrichtung zur fehlerüberwachnung von fahrwerkskomponenten von schienenfahrzeugen
DE102012202914A1 (de) Diagnoseverfahren und Diagnosevorrichtung für eine Fahrzeugkomponente eines Fahrzeugs
DE102017200855A1 (de) Verfahren und System zur Diagnose von Komponenten eines Fahrzeugs
EP1183174A1 (de) Verfahren und vorrichtung zum überwachen eines fahrzeugs und/oder zum überwachen eines fahrwegs während des betriebsmässigen fahrens des fahrzeugs
WO2022207134A1 (de) Verfahren und fahrzeugsystem zum bestimmen eines zustands der komponenten eines fahrwerks
EP4405229B1 (de) Verfahren zum erkennen einer beschädigung an einem transportsystem und steuereinrichtung dafür
DE102014207828A1 (de) Verfahren zur Bereitstellung einer Diagnosenachricht bei einem Schienenfahrzeug
DE102008049224A1 (de) Verfahren und Vorrichtung zum Überprüfen mindestens eines Laufwerks eines auf einem Gleis fahrbaren Schienenfahrzeugs auf einen Defekt
EP1534572A1 (de) Verfahren und vorrichtung zur zustandsüberwachung von fahrwerken von fahrzeugen
DE10062602B4 (de) Verfahren und Vorrichtung zum Überwachen des Fahrverhaltens von Schienenfahrzeugen und zur Diagnose von Komponenten von Schienenfahrzeugen
DE10161283A1 (de) Verfahren und Vorrichtung zum Überwachen des Fahrverhaltens von Schienenfahrzeugen und der Diagnose von Komponenten von Schienenfahrzeugen
AT523862B1 (de) Vorrichtung und Verfahren zur Diagnose und Überwachung für Fahrzeuge
DE10145433C2 (de) Verfahren und Vorrichtung zur Fehlerüberwachung von Komponenten von Schienenfahrzeugen
WO2001081147A1 (de) Verfahren zum überwachen von fahreigenschaften eines schienenfahrzeuges
DE102013105397B4 (de) Zustandsüberwachung eines Schienenfahrzeugs
DE102017214841B4 (de) System und Verfahren zum Lokalisieren und Identifizieren von mechanischen Schäden an einem Fahrzeug
WO2024125854A1 (de) Verfahren zur diagnose und überwachung für fahrzeuge
CN115615724A (zh) 一种轨道车辆底架设备机械故障监测系统及方法
DE102021119967A1 (de) Verfahren und system zur berührungslosen, zerstörungsfreien echtzeit-bauteilüberwachung
DE112020006677T5 (de) Abdeckbaugruppe für schienenfahrzeug mit eingebautem generator und achsbaugruppe mit dieser abdeckung

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20250326

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR

RAP3 Party data changed (applicant data changed or rights of an application transferred)

Owner name: SIEMENS MOBILITY GMBH

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)