KR20230165225A - 섀시 구성 요소의 상태를 결정하기 위한 방법 및 차량 시스템 - Google Patents

Abstract

본 발명은, 개별 차량의 개별 섀시 구성 요소의 상태를 결정하기 위한 방법에 관한 것으로, 이 방법은 다음 단계:
전체 사용 수명에 걸쳐 적어도 개별 차량의 동일하거나 유사한 섀시 유형의 하중 데이터 및/또는 마모 데이터를 포함하는, 차량 데이터의 제1 데이터 세트를 제공하는 단계,
개별 차량의 미리 정의된 제1 주행 거리까지 그리고/또는 지정된 차령(vehicle age)까지의 차량 데이터를 목표 상태로서 검출함으로써 개별 차량의 개별적인 제2 데이터 세트를 생성하는 단계,
개별 차량의 미리 정의된 제2 주행 거리부터 그리고/또는 지정된 차령부터 현재 측정되는 차량 데이터를 검출하는 단계,
상기 상태를 결정하기 위해, 제1 데이터 세트 및 제2 데이터 세트와 현재 측정되는 차량 데이터의 비교를 수행하는 단계를 포함한다. 또한, 본 발명은 차량 시스템 및 차량에 관한 것이다.

Description

섀시 구성 요소의 상태를 결정하기 위한 방법 및 차량 시스템

본 발명은, 개별 차량의 개별 섀시 구성 요소의 상태를 결정하기 위한 방법 및 차량 시스템에 관한 것이다. 또한 본 발명은 차량에 관련된다.

차량은 통상적으로, 예를 들어 정기 검사의 목적으로 차량 구성 요소 및 시스템을 모니터링하는 온보드 차량 진단 시스템을 갖는다. 이를 위해, 시스템은 주행 거리(mileage)와 같은 차량 데이터를 비교한다. 또한, 차량 진단 시스템은 차량 또는 구성 요소의 장애를 보고하는 모니터링용 센서를 갖는다. 하지만, 이와 같은 차량 진단 시스템은 파라미터가 허용 가능 범위를 벗어나는 경우에만 보고한다.

지금까지는 예를 들어 마모에 의해 가능한 장애 상태 또는 가능한 고장을 예측할 수 있는 가능성이 없었다.

하지만, 구성 요소의 마모는 구성 요소 및 이 구성 요소가 통합되어 있는 더 복잡한 시스템의 신뢰성과 관련하여 심각한 문제를 초래할 수 있다. 실제로, 기본 구성 요소의 과도한 마모는 이 기본 구성 요소가 통합되어 있는 전체 어셈블리를 손상시킬 수 있다. 더 나아가, 예를 들어 브레이크 패드의 과도한 마모는 브레이크 어셈블리에 위험한 손상을 초래할 수 있고, 이로 인해 차량의 안전을 악화시킬 수 있다.

DE 10 2018 119652 A1호는, 하나 이상의 섀시 구성 요소를 갖는 섀시 및 섀시 구성 요소의 상태를 검출하기 위한 운전자 지원 시스템을 갖춘 차량을 개시하며, 이 운전자 지원 시스템은 평가 유닛 및 제1 음향 센서를 가지며, 상기 제1 음향 센서는 차량의 운전 모드에서 섀시 구성 요소 중 하나에 의해 생성된 음향을 검출하여 전기 신호로 변환하고, 평가 유닛은 이 전기 신호를 이용하여 섀시 구성 요소의 상태에 관한 하나 이상의 정보를 결정한다.

따라서, 본 발명의 한 과제는, 예를 들어 운전 안전성을 높이기 위해, 섀시의 상태가 더 정확하게 결정될 수 있는 방법 및 차량 시스템을 제공하는 것이다. 또한, 차량을 제공하는 것도 한 가지 과제이다.

상기 과제는, 청구항 제1항의 특징을 갖는 방법, 청구항 제9항의 특징을 갖는 차량 시스템, 및 청구항 제14항의 특징을 갖는 차량에 의해 해결된다.

개별적으로 또는 서로 조합하여 사용될 수 있는 바람직한 개선예는 종속 청구항 및 설명부에 명시되어 있다.

상기 과제는, 개별 차량의 개별 섀시 구성 요소의 상태를 결정하기 위한 방법에 의해 해결되며, 이 방법은 다음 단계들을 포함한다:

전체 사용 수명에 걸쳐 적어도 개별 차량의 동일하거나 유사한 섀시 유형의 하중 데이터 및/또는 마모 데이터를 포함하는, 차량 데이터의 제1 데이터 세트를 제공하는 단계,

개별 차량의 미리 정의된 제1 주행 거리까지 그리고/또는 지정된 차령(vehicle age)까지의 차량 데이터를 목표 상태로서 검출함으로써 개별 차량의 개별적인 제2 데이터 세트를 생성하는 단계,

개별 차량의 미리 정의된 제2 주행 거리부터 그리고/또는 지정된 차령부터 현재 측정되는 차량 데이터를 검출하는 단계,

상기 상태를 결정하기 위해, 제1 데이터 세트 및 제2 데이터 세트와 현재 측정되는 차량 데이터의 비교를 수행하는 단계.

바람직하게는 차량의 두 축과 이들 축의 구성 요소도, 그리고 단 하나의 축과 이 축의 구성 요소도 섀시로서 이해될 수 있다.

본 발명에 따르면, 섀시 상태의 현재 평가를 위해 무엇보다 가속도 센서에 의해 현재 검출된 데이터가 현재 이용된다는 사실이 인식되었다. 이 경우, 진동 거동에서의 변화가 분석된다. 하지만, 지금까지의 조사는 섀시의 마모를 정확하게 평가하기 위해 일대일 지표를 생성하지 않았다. 마모된 섀시 구성 요소와 새 섀시 구성 요소의 교환은 가능한 조합을 거의 무한대로 증가시킬 수 있다.

하지만, 잘못된 평가가 이루어지면, 특히 휠 서스펜션/브레이크 등과 같은 관련 부품 구성 요소가 직접적으로 또는 간접적으로 연관된 경우에는, 주행 안전이 위험해질 수 있다.

이와 관련하여 본 발명은, 현재 검출된 데이터만을 토대로 한 마모 술어화(predication)/상태 술어화가 불충분하다는 것을 인식했다.

본 발명에 따르면, 전체 사용 수명에 걸쳐 개별 차량의 동일하거나 유사한 섀시 유형의 적어도 하중 데이터 및/또는 마모 데이터를 포함하는, 차량 데이터의 제1 데이터 세트가 제공된다. 이 제1 데이터 세트는 테스트 벤치에서 결정될 수 있다.

제1 데이터 세트는 유사하거나 동일한 섀시를 구비한 차량에서 제공된다.

본 발명에 따르면, 목표 상태를 확정하기 위해서는 개별적으로 구성된 차량의 개별 학습이 필요하다는 것도 인식되었다. 그렇기 때문에, 차량이 신규 차량으로서 조립 라인을 떠나면, 차량 데이터의 검출을 통해 목표 상태의 학습이 수행된다. 이 학습 과정은 소정의 시간 및/또는 주행한 킬로미터 수 동안 활성 상태로 유지된다. 이 경우, 예를 들어 검출된 진동으로부터 제2 데이터 세트가 생성된다. 본 발명에 따라, 다수의 개별 장비(equipment)가 각각 다른 목표 데이터 세트를 생성하기 때문에, 목표 상태는 전반적으로 검출되어야 할 뿐만 아니라 개별 차량에 기반해서도 검출되어야 한다는 것이 인식되었다. 이어서, 개별 차량의 미리 정의된 제2 주행 거리부터 그리고/또는 지정된 차령부터 현재의 차량 데이터가 측정되거나 검출된다. 제2 주행 거리는 예를 들어 제1 주행 거리 바로 뒤에 위치할 수 있다.

계속 이어서, 본 발명에 따라, 현재 측정되는 차량 데이터에 기반하여 제1 데이터 세트와의 비교뿐만 아니라 제2 데이터 세트와의 비교도 수행된다. 다시 말해, 본 발명에 따르면, 사실상 현재의 차량 데이터가 목표 데이터 또는 목표 상태와 비교될 뿐만 아니라, 현재의 차량 데이터가 사용 수명 주기 동안의 실제 상태로서의 제1 데이터와도 비교된다.

사용 수명 주기 동안의 실제 상태와 개별적으로 생성된 목표 상태 간의 이러한 비교는, 섀시의 실제 상태에 관한 술어화가 확실하게 실행될 수 있는 상태 값을 생성한다. 따라서, 예를 들어 사용 수명 주기의 끝에서는 무엇보다 제1 데이터 세트에 기초해서 제2 데이터 세트의 도움으로 "완전 마모"라는 술어가 더 확실하게 생성될 수 있다. 또한, 상기 두 데이터 세트와의 비교를 통해, "80% 완전 마모" 또는 "20% 새 상태"과 같은 술어화가 이루어질 수 있다.

본 발명에 의해, 사실상 개별 차량의 새 상태가 기점으로서 이용될 뿐만 아니라, 유사하거나 동일한 섀시의 전체 사용 수명 주기에 관한 정보도 이용됨으로써, 섀시 상태와 관련한 명확하고 신뢰할 수 있는 평가가 이루어질 수 있다. 이러한 새 상태와의 거리에 관한 평가뿐만 아니 제1 데이터 세트와의 비교도 대표적인 사용 수명 주기로서 실행된다. 이를 통해 상태에 대한 신뢰성 있는 술어화가 수행될 수 있다.

또 다른 실시예에서는, 노면을 나타내는 노면 클러스터에 현재 측정되는 차량 데이터를 할당하거나, 지금까지 알려지지 않은 노면의 경우 새로운 노면 클러스터를 생성하고 이 새로 생성된 노면 클러스터에 현재 측정되는 차량 데이터를 할당함으로써, 제2 데이터 세트가 생성된다. 조정 또는 비교의 개선을 위해, 바람직하게 노면의 클러스터링이 수행된다. 상기 노면이 아직 검출되지 않은 경우 새로운 클러스터가 생성되어, 기록된 차량 데이터와 함께 제2 데이터 세트로서 저장된다. 이를 통해, 개선된 제2 데이터 세트가 학습될 수 있고, 그에 따라 향후 섀시의 상태가 더 정확하게 결정될 수 있다.

또 다른 바람직한 실시예에서, 제1 데이터 세트는 테스트 벤치에서 장시간 테스트로 테스트된 동일하거나 유사한 섀시 유형에 의해 일반적으로 생성된 참조 데이터 세트로서 제공된다.

테스트 벤치에서 수행된 장시간 테스트에 의해 제1 데이터 세트가 간단하게 결정할 수 있다. 이 테스트 벤치에 의해, 특정 주파수 범위를 간단하게 식별할 수 있으며, 다시 말해 예를 들어 향후의 비교를 위해 이용될 수 있는 풋프린트(foorprint)를 생성할 수 있다.

바람직하게 이러한 제1 데이터 세트는 순수 분석적인 접근 방식뿐만 아니라 인공 신경망 또는 다른 머신 러닝 방법에 의해서도 생성될 수 있다. 테스트 벤치에서 제1 데이터 세트를 생성하는 것은, 부품 구성 요소가 교체될 수 있다는 장점을 더 제공한다. 즉, 예를 들어 이미 오래되고 부분적으로 마모된 주변 부품 구성 요소와 연결되어 다른 진동/주파수를 생성하는 브레이크 패드는 정기적으로 교체될 수 있다. 이를 통해 제1 데이터 세트가 확장될 수 있을 뿐만 아니라 개선될 수도 있으며, 이로써 향후의 비교 시 개별 차량의 현재 섀시 상태가 더 양호하게 결정될 수 있다.

또 다른 개선예에서, 참조 데이터 세트는 2개의 축 각각에 대해 별도로 생성된다. 이를 통해, 차량 전방에서 기록된 현재 차량 데이터와 차량 후방에서 기록된 현재 차량 데이터 간에 더 표적화된 비교가 실행될 수 있다.

또 다른 실시예에서는, 현재 측정되는 차량 데이터로서 그리고 제2 데이터 세트로서 적어도 특징적인 노면에서의 차량 움직임의 진동 진폭이 사용된다. 이를 통해, 인식된 노면에 대해 특정 주파수 범위가 생성되고 할당될 수 있다.

또 다른 실시예에서는, 현재 측정되는 차량 데이터와 제1 데이터 세트 간의 비교를 토대로 실제 상태가 생성되고, 현재 측정되는 차량 데이터와 제2 데이터 세트 간의 비교를 토대로 목표 상태가 생성되며, 섀시 구성 요소의 현재 마모는 목표-실제 비교를 토대로 결정된다. 이때, 데이터 세트와 현재 측정되는 차량 데이터 간의 비교는 상이하게 가중될 수도 있다. 이로써, 섀시 또는 섀시 구성 요소의 현재 마모가 결정될 수 있다. 상기 비교를 통해, 데이터가 상응하는 마모를 갖는 사용 수명 주기를 특징짓는 데이터 세트와 비교될 뿐만 아니라 새로운 상태를 나타내는 데이터 세트와도 비교된다. 이를 통해, 섀시의 상태에 대한 신뢰성 있는 평가가 수행될 수 있다.

또 다른 일 개선예에 따르면, 현재의 차량 데이터는 차량에 의해 연속적으로 또는 적응형으로(adaptively) 측정된다. 이 경우, 예를 들어 차령을 토대로 또는 킬로미터 수를 토대로 또는 특정 상황의 발생 시 적응형으로 수행될 수 있다.

또한, 현재 측정되는 차량 데이터는 차량의 주행 킬로미터 및/또는 차령을 포함할 수 있다. 이를 통해, 비교 또는 결과의 타당성이 체크될 수 있다. 주행 킬로미터는 예를 들어 평균 하중 스펙트럼 및 예컨대 고무 베어링의 노화에 대한 연령을 나타내는 데 사용될 수 있다.

또한, 상기 과제는, 개별 차량의 개별 섀시의 구성 요소의 상태를 결정하기 위한 차량 시스템에 의해 해결되며, 이 시스템은 다음 구성 요소를 포함한다:

차량 데이터의 제1 데이터 세트를 제공하기 위한 메모리 유닛; - 제1 데이터 세트는 적어도, 전체 사용 수명에 걸쳐 개별 차량의 동일하거나 유사한 섀시 유형의 하중 데이터 및/또는 마모 데이터를 포함함 -;

개별 차량 내에서 개별적인 제2 데이터 세트를 제공하기 위한 메모리 유닛; - 개별적인 제2 데이터 세트는 개별 차량의 미리 정의된 제1 주행 거리 및/또는 하나 또는 복수의 센서에 의해 지정된 차령까지의 목표 상태로서 상기 측정된 차량 데이터를 포함함 -;

개별 차량의 미리 정의된 제2 주행 거리 및/또는 지정된 차령부터 현재 측정되는 차량 데이터를 검출하기 위한 센서 시스템;

상기 상태를 결정하기 위해, 제1 데이터 세트 및 제2 데이터 세트와 현재 측정되는 차량 데이터 간의 비교를 수행하기 위한 비교 유닛.

방법의 장점은 차량 시스템에도 전용될 수 있다.

센서 시스템은 복수의 다양한 센서 및 다양한 센서 유형으로 구성될 수 있다.

비교 유닛은 프로세서로서 구성될 수 있다.

또 다른 실시예에서, 센서 시스템은 노면을 검출하도록 구성된다. 또한, 바람직하게는, 노면을 나타내는 노면 클러스터에 현재 측정되는 차량 데이터를 할당하거나, 지금까지 알려지지 않은 노면의 경우 새로운 노면 클러스터를 생성하고 이 새로 생성된 노면 클러스터에 현재 측정되는 차량 데이터를 할당함으로써 제2 데이터 세트를 생성하고 이 제2 데이터 세트를 메모리 유닛 내에 저장하기 위해 프로세서가 제공된다. 이를 위해 프로세서는 통신의 목적으로 센서 시스템 및 메모리 유닛과 연결된다. 또한, 프로세서, 비교 유닛 및 메모리 유닛은 모듈로서도 구성될 수 있다.

또 다른 실시예에서, 비교 유닛은, 현재 측정되는 차량 데이터와 제1 데이터 세트 간의 비교를 토대로 실제 상태를 생성하고, 현재 측정되는 차량 데이터와 제2 데이터 세트 간의 비교를 토대로 목표 상태를 생성하고, 나아가 목표-실제-비교를 토대로 섀시 구성 요소의 현재 마모를 결정하도록 구성된다.

또 다른 실시예에서, 센서 시스템은, 현재 차량 데이터를 연속적으로 또는 적응형으로 측정하도록 구성된다.

또한, 현재 측정되는 차량 데이터는 차량의 주행 킬로미터 및/또는 차령을 포함할 수 있다.

나아가, 상기 과제는, 전술한 바와 같은 차량 시스템을 구비한 차량에 의해 해결된다.

본 발명의 또 다른 특성 및 장점은 첨부된 도면을 토대로 하는 이하의 설명부에서 확인된다. 도면은 개략적으로 도시되어 있다.

도 1은 본 발명에 따른 방법의 일 실시예를 도시한 도면이다.
도 2는 한 사용 수명 섹션에 걸친 위시본(wishbone)의 주파수 범위 내에서의 평가를 나타낸 도표이다.
도 3은 본 발명에 따른 차량 시스템을 도시한 도면이다.

도 1은, 개별 차량의 개별 섀시의 구성 요소의 상태를 결정하기 위한 본 발명에 따른 방법의 일 실시예를 보여준다.

여기서는 예비 단계 "S0"에서 먼저 제1 데이터 세트가 생성된다. 제1 데이터 세트는 개별 차량 내에 장착된 동일하거나 유사한 섀시를 토대로 생성된다. 이 제1 데이터 세트는 테스트 벤치에서 수행된 장시간 테스트를 통해 생성되며, 섀시의 새 상태부터 완전 마모까지의 섀시의 사용 수명 주기를 반영한다. 테스트 벤치에서 수행된 장시간 테스트를 통해, 각각 섀시의 특정 상태에 속하는 특정 진동 및 주파수(주파수 범위)가 인식될 수 있다. 따라서, 이미 마모가 존재하는 상태에서 제동 시 더 큰 끽끽거리는 소음이 발생한다.

이 장시간 테스트를 통해, 특정 주파수 범위를 간단히 식별할 수 있으며, 다시 말해 예를 들어 향후의 비교를 위해 이용될 수 있는 풋프린트를 생성할 수 있다. 이 경우, 제1 데이터 세트는 순수 분석적인 접근 방식에 의해 또는 인공 신경망이나 다른 머신 러닝 방법에 의해서도 생성될 수 있다.

하지만, 교체에 의해서는 마모와 연관된 부품 구성 요소가 테스트 벤치에서 교체될 수 있다. 이 교체는, 그 이후에 생성되는 제1 데이터 세트, 특히 진동 및 주파수와 함께 저장된다. 이를 통해, 제1 데이터 세트가 확장되거나 완성될 수 있다. 이로써, 제1 데이터 세트는 새 부품 구성 요소, 마모된 구성 요소, 그리고 마모되었지만 "아직 유지 가능한" 구성 요소에 관한 정보를 가지며, 그에 따라 섀시의 전체 사용 수명에 걸친 주파수/진동 및 하중 데이터를 광범위하게 반영한다. 이렇게 생성된 제1 데이터 세트는, 향후 현재 섀시 상태와의 비교 시 개별 차량의 측정된 차량 데이터에 의해 개별 차량에서의 실제 섀시의 상태를 더 정확하게 결정하는 데 기여할 수 있다.

테스트 벤치에서 제1 데이터 세트를 생성하는 것은, 부품 구성 요소를 목표한 대로 의도적으로 교체할 수 있다는 장점을 더 제공한다. 즉, 예를 들어 이미 오래되고 부분적으로 마모된 주변 부품 구성 요소와 연결되어 다른 진동/주파수를 생성하는 브레이크 패드는 정기적으로 교체될 수 있다. 이를 통해, 제1 데이터 세트가 확장될 수 있을 뿐만 아니라 개선될 수도 있다. 상기 제1 데이터 세트는 실질적으로 일반적인 데이터 세트를 나타낸다.

이로써, 간소화된 일반적인 데이터가 비용 효율적으로 생성될 수 있다. 또한, 이러한 제1 데이터 세트의 생성에 의해, 예를 들어 제1 데이터 세트가 타당성 검증에 이용됨으로써, 제2 데이터 세트의 생성/실행 시 안전성이 보장될 수 있다.

도 2는 사용 수명 섹션에 걸친 위시본의 주파수 범위 내에서의 평가를 보여준다. 여기서 위시본의 주파수 스펙트럼 범위는 3.5 내지 4.5㎐이다.

본 도면에서, 처음에는 주파수가 86%만큼 상승하고 손상이 증가하는 것을 관찰할 수 있다. 대략 100,000㎞에서, 즉, 시점(T1)에서 타이 바(tie bar)를 교체한 후에는 대략 9%만큼의 주파수 하강이 나타난다. 작동 시간이 계속되면, 주파수의 28%만큼의 추가 상승이 나타난다. 이는, 시점(T2)에서 주행 거리가 대략 200,000㎞일 때 엔진 하이드로마운트의 교체 시 대략 24%만큼 감소한다. 사용 수명 주기 동안 심각한 손상 및 결정된 주파수의 15%만큼의 추가 상승이 나타난다.

테스트 벤치에서 일반적인 데이터 세트가 생성됨으로써, 각각의 차축에 대해 개별적인 풋프린트, 다시 말해 개별 섀시에 대해 비교에 이용될 수 있는 주파수 프로파일이 생성될 수 있다.

테스트 벤치에서의 제1 데이터 세트의 생성은, 다양한 구성 요소의 교체가 정확히 인지되고, 나아가 교체에 대해 주파수 범위가 어떻게 반응하는지가 더 양호하게 결정될 수 있다는 장점을 제공한다. 또한, 예를 들어, 상이한 부품의 고장 시 주파수/진동이 얼마나 민감하게 반응하는지도 인식될 수 있다.

나아가, 이러한 제1 데이터 세트의 생성에 의해, 섀시의 전체 사용 수명 주기가 간단하게 비용 효율적으로 충족될 수 있다. 상기 제1 데이터 세트는 이제 동일하거나 유사한 섀시를 구비한 개별 차량 내에 통합된다.

제1 단계(S1)에서, 개별 차량의 미리 정의된 제1 주행 거리 및/또는 지정된 차령까지의 차량 데이터를 목표 상태로서 검출함으로써, 개별 차량의 개별적인 제2 데이터 세트가 생성된다. 이를 통해, 각각의/다수의 차량이 개별 진동/주파수를 생성하는 개별 장비/특성을 갖는 점이 고려된다.

그로 인해, 상이한 장비 버전들에 기반한 개별 학습 과정이 보장된다.

따라서, 차량이 조립 라인을 떠나면, 제2 데이터 세트를 생성하기 위해 목표 상태의 학습이 수행된다. 이 학습 과정은 소정의 시간 또는 특정 주행 킬로미터 동안 활성 상태로 유지된다.

최대한 대표성을 갖는 제2 데이터 세트를 생성하기 위해, 노면이 센서 시스템에 의해 검출되고 인식되어 클러스터로 분할된다. 센서 시스템은 카메라, 레이더 등의 센서로 구성될 수 있으며, 내비게이션 시스템으로부터의 정보도 포함할 수 있다. 즉, 예를 들어 자갈길, 타르 표면(tar surface), 새 도로 표면 및 오래된 도로 표면이 구분될 수 있다. 바람직하게 이들은 기상 조건에 따라 더 세분될 수 있다.

학습 과정에서 새로운 진동/주파수가 검출되면, 이는 학습 과정에서 향후의 비교를 위해 상기 클러스터 중 하나에 할당된다. 노면을 나타내는 클러스터가 아직 존재하지 않으면, 예를 들어 프로세서에 의해 새로운 클러스터가 생성된다. 이를 통해, 개선된 제2 데이터 세트가 학습될 수 있고, 그에 따라 이후로 섀시의 상태가 더 정확하게 결정될 수 있다.

제2 단계(S2)에서는 센서에 의해 현재의 차량 데이터, 즉, 진동 및 주파수가 검출된다. 이 센서는 예를 들어 가속도 센서일 수 있다. 현재 차량 데이터는 개별 차량의 미리 정의된 제2 주행 거리부터 그리고/또는 지정된 차령부터 검출된다. 이때, 차령 및 제2 주행 거리는 제1 주행 거리 뒤에 위치한다.

현재 차량 데이터의 검출은 차량에 의해 연속적으로 또는 적응형으로 수행될 수 있다.

제3 단계(S3)에서는, 제1 데이터 세트 및 제2 데이터 세트와 현재 측정되는 차량 데이터의 비교가 실행된다. 이 경우, 사실상 제1 데이터 세트와 현재 차량 데이터의 비교에 의해 실제 상태가 결정될 수 있다. 현재 차량 데이터는 제1 데이터 세트와 비교되며, 이를 통해 마모가 결정될 수 있다. 사실상 이 비교에 의해, 차량 구성 요소가 어느 실제 상태에 있는지 결정된다.

현재 차량 데이터와 제2 데이터 세트 간의 비교는 현재 상태와 목표(신규) 상태 간의 비교에 상응한다. 사실상 신규 상태에 대한 차이가 결정되고, 현재 측정되는 차량 데이터와 제2 데이터 세트 간의 비교를 토대로 목표 상태가 생성된다.

섀시 구성 요소의 현재 마모는 목표-실제 비교를 토대로 결정된다.

따라서, 섀시의 상태에 관한 술어를 얻기 위해 목표-실제 비교가 실행될 수 있다. 신규 상태뿐만 아니라 예를 들어 여기에서는 최종 상태(완전 마모) 또는 사용 수명 상태에 대해서도 비교된다. 즉, 예를 들어 "80% 완전 마모" 또는 "20% 새 상태에 상응함"이라는 결과가 나올 수 있다.

또한, 데이터 세트가 상이하게 가중될 수 있다. 최신 차량의 경우, 예를 들어 제2 데이터 세트와의 비교가 구형 차량의 경우보다 더 강력하게 최종 결과에 도입될 수 있다.

또한, 차량의 주행 킬로미터 또는 전체 차령과 같은 파라미터가 추가로 타당성 검사를 위해 이용될 수 있다. 주행 킬로미터는 평균 하중 스펙트럼 및 예컨대 고무 베어링의 노후화에 대한 수명을 나타내는 데 이용될 수 있다.

본 발명에 따른 방법에 의해, 섀시 상태의 명확하고 신뢰성 있는 평가가 수행될 수 있다. 이로써 주행 안전성이 증대될 수 있거나, 마모된 부품 구성 요소가 적시에 교체될 수 있다.

도 3은, 개별 차량의 개별 섀시 구성 요소의 상태를 결정하기 위한 본 발명에 따른 차량 시스템(1)을 개략적으로 보여준다.

차량 시스템(1)은 차량 데이터의 데이터 세트를 제공하기 위한 메모리 유닛(2)을 포함하며, 이 경우 제1 데이터 세트는 전체 사용 수명에 걸쳐 개별 차량의 동일하거나 유사한 섀시 유형의 하중 데이터 및/또는 마모 데이터를 반영한다. 이 제1 데이터 세트는 바람직하게 테스트 벤치에서 장시간 테스트를 통해 비용 효율적으로 생성된다.

메모리 유닛(2)은 예를 들어 제어 유닛 내에 통합될 수 있다.

메모리 유닛(2) 내에는 센서 시스템(3)에 의해 개별적인 제2 데이터 세트가 저장되어 있다. 이 개별적인 제2 데이터 세트는 차량 자체의 센서 시스템(3)에 의해 생성되었다. 이 경우, 개별적인 제2 데이터 세트는 차량의 미리 정의된 제1 주행 거리까지 그리고/또는 지정된 차령까지 생성되어 목표 상태로서 지정된다. 이때, 제2 데이터 세트는 개별 노면에 따라, 이 개별 노면을 반영하는 복수의 클러스터로 분할된다.

동일한 센서 시스템(3)에 의해 현재 차량 데이터가 검출되거나 측정될 수 있다. 현재의 차량 데이터는 연속적으로 또는 적응형으로 측정될 수 있다. 이때, 차량 데이터는 일반적으로 진동 및 그의 주파수를 포함한다. 이들은 예를 들어 가속도 센서에 의해 검출될 수 있다.

비교 유닛(4)에서는 제1 및 제2 데이터 세트를 토대로 목표-실제 비교가 실행될 수 있다. 비교 유닛(4)은 프로세서로서 구성될 수 있다. 프로세서도 마찬가지로 제어 장치 내에 통합될 수 있다.

또한, 출력 유닛(5)이 제공될 수 있다. 이는 예를 들어 디스플레이 또는 조종석 디스플레이(cockpit display)일 수 있다. 비교 유닛(4)은, 목표-실제 비교 값이 사전 설정된 값보다 큰 것으로 확인되면 출력 유닛(5)을 통해 경고 메시지를 출력하도록 또는 점검 날짜를 제안하도록 구성될 수 있다.

1 차량 시스템
2 메모리 유닛
3 센서 시스템
4 비교 유닛
5 출력 유닛
T1, T2 시점
S0 - S3 단계

Claims (14)

1. 개별 차량의 개별 섀시 구성 요소의 상태를 결정하기 위한 방법에 있어서,
   

   

   전체 사용 수명에 걸쳐 적어도 개별 차량의 동일하거나 유사한 섀시 유형의 하중 데이터 및/또는 마모 데이터를 포함하는, 차량 데이터의 제1 데이터 세트를 제공하는 단계,
   개별 차량의 미리 정의된 제1 주행 거리까지 그리고/또는 지정된 차령(vehicle age)까지의 차량 데이터를 목표 상태로서 검출함으로써 개별 차량의 개별적인 제2 데이터 세트를 생성하는 단계,
   개별 차량의 미리 정의된 제2 주행 거리부터 그리고/또는 지정된 차령부터 현재 측정되는 차량 데이터를 검출하는 단계,
   상기 상태를 결정하기 위해, 제1 데이터 세트 및 제2 데이터 세트와 현재 측정되는 차량 데이터의 비교를 수행하는 단계를 포함하는 것을 특징으로 하는, 섀시 구성 요소의 상태 결정 방법.
2. 제1항에 있어서, 노면을 나타내는 노면 클러스터에 현재 측정되는 차량 데이터를 할당하거나, 지금까지 알려지지 않은 노면의 경우에는 새로운 노면 클러스터를 생성하고 이 새로 생성된 노면 클러스터에 현재 측정되는 차량 데이터를 할당함으로써, 제2 데이터 세트를 생성하는 것을 특징으로 하는, 섀시 구성 요소의 상태 결정 방법.
3. 제1항 또는 제2항에 있어서, 상기 제1 데이터 세트를, 테스트 벤치에서 장시간 테스트를 통해 테스트된 동일하거나 유사한 섀시 유형에 의해 일반적으로 생성된 참조 데이터 세트로서 제공하는 것을 특징으로 하는, 섀시 구성 요소의 상태 결정 방법.
4. 제3항에 있어서, 상기 참조 데이터 세트는 동일하거나 유사한 섀시 유형의 2개의 축 각각에 대해 별도로 생성되는 것을 특징으로 하는, 섀시 구성 요소의 상태 결정 방법.
5. 제1항 내지 제4항 중 어느 한 항에 있어서, 현재 측정되는 차량 데이터로서 그리고 제2 데이터 세트로서, 적어도 특징적인 노면에서의 차량 움직임의 진동 진폭이 사용되는 것을 특징으로 하는, 섀시 구성 요소의 상태 결정 방법.
6. 제1항 내지 제5항 중 어느 한 항에 있어서, 현재 측정되는 차량 데이터와 제1 데이터 세트 간의 비교를 토대로 실제 상태가 생성되고,
   현재 측정되는 차량 데이터와 제2 데이터 세트 간의 비교를 토대로 목표 상태가 생성되며, 목표-실제 비교를 토대로 섀시 구성 요소의 현재 마모가 결정되는 것을 특징으로 하는, 섀시 구성 요소의 상태 결정 방법.
7. 제1항 내지 제6항 중 어느 한 항에 있어서, 상기 현재 차량 데이터는 차량에 의해 연속적으로 또는 적응형으로 측정되는 것을 특징으로 하는, 섀시 구성 요소의 상태 결정 방법.
8. 제1항 내지 제7항 중 어느 한 항에 있어서, 상기 현재 측정되는 차량 데이터는 차량의 주행 킬로미터 및/또는 차령(vehicle age)을 포함하는 것을 특징으로 하는, 섀시 구성 요소의 상태 결정 방법.
9. 개별 차량의 개별 섀시 구성 요소의 상태를 결정하기 위한 차량 시스템(1)이며,
   차량 데이터의 제1 데이터 세트를 제공하기 위한 메모리 유닛(2); - 제1 데이터 세트는 적어도, 전체 사용 수명에 걸쳐 개별 차량의 동일하거나 유사한 섀시 유형의 하중 데이터 및/또는 마모 데이터를 포함함 -;
   개별 차량 내에서 개별적인 제2 데이터 세트를 제공하기 위한 메모리 유닛(2); - 개별적인 제2 데이터 세트는 미리 정의된 개별 차량의 제1 주행 거리 및/또는 하나 또는 복수의 센서에 의해 지정된 차령까지의 목표 상태로서 상기 측정된 차량 데이터를 포함함 -;
   개별 차량의 미리 정의된 제2 주행 거리 및/또는 지정된 차령부터 현재 측정되는 차량 데이터를 검출하기 위한 센서 시스템(3);
   상기 상태를 결정하기 위해, 제1 데이터 세트 및 제2 데이터 세트와 현재 측정되는 차량 데이터 간의 비교를 수행하기 위한 비교 유닛(4);을 포함하는 차량 시스템(1).
10. 제9항에 있어서, 센서 시스템(3)은 노면을 검출하도록 구성되며; 노면을 나타내는 노면 클러스터에 현재 측정되는 차량 데이터를 할당하거나, 지금까지 알려지지 않은 노면의 경우 새로운 노면 클러스터를 생성하고 이 새로 생성된 노면 클러스터에 현재 측정되는 차량 데이터를 할당함으로써 제2 데이터 세트를 생성하고 이 제2 데이터 세트를 메모리 유닛(2) 내에 저장하기 위해 프로세서가 더 제공되는; 것을 특징으로 하는, 차량 시스템(1).
11. 제9항 또는 제10항에 있어서, 비교 유닛(4)은, 현재 측정되는 차량 데이터와 제1 데이터 세트 간의 비교를 토대로 실제 상태를 생성하고, 현재 측정되는 차량 데이터와 제2 데이터 세트 간의 비교를 토대로 목표 상태를 생성하고, 추가로 목표-실제 비교를 토대로 섀시 구성 요소의 현재 마모를 결정하도록 구성되는 것을 특징으로 하는, 차량 시스템(1).
12. 제9항 내지 제11항 중 어느 한 항에 있어서, 센서 시스템(3)은, 현재 차량 데이터를 연속적으로 또는 적응형으로 측정하도록 구성되는 것을 특징으로 하는, 차량 시스템(1).
13. 제9항 내지 제12항 중 어느 한 항에 있어서, 상기 현재 측정되는 차량 데이터는 차량의 주행 킬로미터 및/또는 차령을 포함하는 것을 특징으로 하는, 차량 시스템(1).
14. 제9항 내지 제13항 중 어느 한 항에 따른 차량 시스템(1)을 구비한 차량.

Images