LU500099B1 - Modellbildungsverfahren - Google Patents

Abstract

Die Erfindung betrifft ein Verfahren zur Bestimmung von Featuresignalfiltern zur Vorbereitung von Signalmessdatenreihen mehrerer Messgrößen für die experimentelle Modellbildung. In einem Frequenzanalyseschritt (3) wird für jede unter Verwendung eines Featuresignalsensors (5) bestimmte Featuresignalmessdatenreihe (2) mittels eines Frequenzanalyseverfahrens ein Featureamplitudenspektrum (4) ermittelt und für eine unter Verwendung eines Zielsignalsensors (7) bestimmte Zielsignalmessdatenreihe (8) mittels des Frequenzanalyseverfahrens ein Zielamplitudenspektrum (9) ermittelt. Die Featureamplitudenspektren (4) und das Zielamplitudenspektrum (9) werden jeweils in mehrere aneinander angrenzende oder teilweise überlappende Featureamplitudenspektrumabschnitte (10) und Zielamplitudenspektrumabschnitte (11) aufgeteilt. In einem Übereinstimmungsprüfvorgang (12) wird jeweils ein Übereinstimmungsmaß für jeden Featureamplitudenspektrumabschnitt (10) ermittelt. In einem nachfolgenden Bestimmungsschritt (14) wird für Auswahlsignalfrequenzbereiche (13) jeweils ein Auswahlbandpassfilter (15) entworfen, sodass mit dem jeweiligen Auswahlbandpassfilter (15) gefilterte Signalmessdatenreihen innerhalb des jeweiligen Auswahlsignalfrequenzbereichs (13) liegende Signalanteile aufweisen und außerhalb des jeweiligen Auswahlsignalfrequenzbereich (13) liegende Signalanteile aus der gefilterten Signalmessdatenreihe heraus gefiltert werden.

Description

- 1 - CPR 1915 P LU LU500099

Compredict GmbH Modellbildungsverfahren

Die Erfindung betrifft ein Verfahren zur Bestimmung von Featuresignalfiltern zur Vorbereitung von Signalmessdatenreihen mehrerer MessgrôBen für die experimentelle Modellbildung.

Die Erfindung betrifft auch ein

Verfahren zur Bestimmung eines mathematischen Modells und ein Verfahren zur Bestimmung von Featuresignalmessdatenreihen.

Ein Sensor ist ein technisches Bauteil, durch das physikalische oder chemische Figenschaften erfasst und in ein elektrisches Signal umgeformt werden.

Sensoren sind für eine Vielzahl von Messaufgaben einsetzbar, um beispielsweise Temperatur, Beschleunigung, Kraft, Drehmoment oder Weg quantitativ erfassbar zu machen.

In komplexen Systemen, wie elektronischen oder mechatronischen Geräten, aber auch in

Motoren oder komplexen Produktionsanlagen sind meist eine groBe Anzahl an Sensoren zur Überwachung des Systems beziehungsweise der ablaufenden Prozesse verbaut.

Häufig erschwert ein limitierter Bauraum den Einsatz von Sensoren an geeigneten Stellen.

Des Weiteren wird der Einsatz von

Sensoren an geeigneten Stellen aufgrund ungünstiger Umgebungsbedingungen, wie thermische, mechanische oder chemische Einwirkungen und durch den dadurch entstehenden Verschleiß der Sensoren erschwert.

In Abhängigkeit der Messaufgabe ist der Einsatz aufgrund der Vielzahl der eingesetzten Sensoren oft mit hohen Kosten verbunden.

- 2 - CPR 1915 P LU LU500099 Fine Nachbildung von Sensoren beziehungsweise Sensorsignalen wird in virtuellen Testumgebungen genutzt, um komplexe Systeme für virtuelle Tests nachbilden und simulieren zu können. Bei den Sensorsignalen kann es sich um simulierte und berechnete Sensorsignalverläufe oder aber um während eines Realprozesses aufgezeichnete Sensordaten handeln. Für die Nachbildung von Sensorsignalen im Realbetrieb eines Systems ist bekannt, dass Signale von Sensoren als Eingangssignale für ein in einem Steuergerät hinterlegtes Simulationsprogramm oder für in einem Realsystem eingebettete Rechnersysteme hinterlegtes Simulationsprogramm genutzt werden, um auf Basis des hinterlegten Berechnungsmodells ein Sensorwert eines nicht vorhandenen Sensors zu berechnen.

Dabei kann die Berechnung direkt auf dem Rechnersystem oder auf einem innerhalb eines Rechnernetzwerks eingebundenen Rechnersystems, wie eine Cloud, durchgeführt werden. Die Berechnung des Sensorwertes erfolgt in der Regel durch die Auswertung von im Speicher des Steuergeräts beziehungsweise des Rechnersystems abgelegten Kennfeldern. Die mittels der Berechnungsmodelle auf Basis der Kennfelder ermittelten Sensorwerte weisen môglicherweise eine unbefriedigende Übereinstimmung mit den Sensorwerten aus dem realen Prozess auf. Aufgrund sich ändernder Umgebungsbedingungen oder Änderungen im Prozessverlauf oder im System können weitere Abweichungen hervorgerufen werden, die zu einem ungenauen Sensorwert führen.

Als Aufgabe der vorliegenden Erfindung wird es angesehen, ein Verfahren zur Nachbildung eines Sensorsignalverlaufs eines Sensors bereitzustellen, sodass auf den Finsatz des Sensors

- 3 - CPR 1915 P LU LU500099 verzichtet werden kann beziehungsweise um einen redundanten Sensorsignalverlauf zu erzeugen.

Diese Aufgabe wird erfindungsgemäß durch ein Verfahren gelöst, wobei aus Featuresignalmessrohdatenreihen, die unter Verwendung von Featuresignalsensoren bestimmt werden, Featuresignalmessdatenreihen ermittelt werden, wobei aus mindestens einer Zielsignalmessrohdatenreihe, die unter Verwendung mindestens eines Zielsignalsensors bestimmt wird, mindestens eine Zielsignalmessdatenreihe ermittelt wird, wobei in einem Frequenzanalyseschritt für jede Featuresignalmessdatenreihe mittels eines Frequenzanalyseverfahrens ein Featureamplitudenspektrum ermittelt wird und für die Zielsignalmessdatenreihe mittels des Frequenzanalyseverfahrens ein Zielamplitudenspektrum ermittelt wird, wobei die Featureamplitudenspektren jeweils in mehrere aneinander angrenzende oder teilweise {iberlappende Featureamplitudenspektrumabschnitte aufgeteilt werden, wobei die Featureamplitudenspektrumabschnitte jeweils einen vorgegebenen Featurefrequenzbereich umfassen, wobei das Zielamplitudenspektrum in Zielamplitudenspektrumabschnitte aufgeteilt wird, wobei Zielfrequenzbereiche der Zielamplitudenspektrumabschnitte den Featurefrequenzbereichen entsprechen, wobei in einem Übereinstimmungsprüfvorgang in mehreren sich wiederholenden Übereinstimmungsprüfschritten jeweils ein Übereinstimmungsmaß für jeden Featureamplitudenspektrumabschnitt ermittelt wird, wobei das Übereinstimmungsmaß ein Maß für die Übereinstimmung des Amplitudenspektrums des jeweiligen Featureamplitudenspektrumabschnitt und dem zugehörigen Zielamplitudenspektrumabschnitt ist, wobei die Featurefrequenzbereiche, deren Übereinstimmungsmaß eine

- 4 - CPR 1915 P LU LU500099 vorgegebene Ubereinstimmungsmalzahl übersteigen als Auswahlsignal frequenzbereiche ausgewählt werden, wobei in einem nachfolgenden Bestimmungsschritt für die Auswahlsignal frequenzbereiche jeweils ein Auswahlbandpassfilter entworfen wird, sodass mit dem jeweiligen Auswahlbandpassfilter gefilterte Signalmessdatenreihen innerhalb des jeweiligen Auswahlsignal frequenzbereichs liegende Signalanteile aufweisen und außerhalb des jeweiligen Auswahlsignalfrequenzbereich liegende Signalanteile aus der gefilterten Signalmessdatenreihe heraus gefiltert werden. Bei sich überscheidenden Featurefrequenzbereichen werden die Featurefrequenzbereiche mit dem größeren Übereinstimmung smaß ausgewählt. Durch die Einstellung der vorgebbaren Übereinstimmungsmaßzahl kann eine gezielte manuelle Auswahl von Featuresignalmessdatenreihen beziehungsweise Featurefrequenzbereichen erfolgen, sodass in einfacher Weise die für die Auslegung des Auswahlbandpassfilter sinnvollen und relevanten Featuresignalmessdatenreihen ausgewählt werden. Bei Bandpassfiltern werden nur Signale eines bestimmten Frequenzbands innerhalb einer unteren Frequenzbandgrenze und einer oberen Frequenzbandgrenze durchgelassen. Die Frequenzbereiche oberhalb der oberen Frequenzbandgrenze und unterhalb der unteren Frequenzbandgrenze werden dabei gesperrt oder deutlich abgeschwächt. Erfindungsgemäß kann die untere Frequenzbandgrenze des Auswahlbandpassfilters so gewählt sein, dass diese bei 0 Hz liegt, sodass das Auswahlbandpassfilter ein Tiefpassfilter ausbildet.

Erfindungsgemäß können Featuresignalmessrohdatenreihen auch durch sich von Sensoren unterscheidenden Quellen

- 5 - CPR 1915 P LU LU500099 bereitgestellt werden. Beispielsweise können Featuresignalmessrohdatenreihen aus von einem Steuergerät ausgegebenen Steuergerätausgangssignalen gebildet werden. Dabei sind die Steuergeräteingangssignale nicht zwingend aus Sensorsignalen gebildet. Beispielsweise kann ein vorverarbeitetes Steuergeräteingangssignal, welches mittels eines Featuresignalsensors ermittelt wird, dazu genutzt werden, aus einer Zählung von Steuergeräteingangssignal-Peaks eine Drehzahl-Information als Steuergerätausgangssignal zu generieren. Auch aus einem in einem Steuergerät implementierten Simulationsmodell können Featuresignalmessrohdatenreihen gebildet werden, wobei eine Drehmoment-Information auf Basis von in dem Simulationsmodell hinterlegten Kennfeldern bestimmt werden kann. Auch Steuergerätausgangssignale, die durch Plausibilitätsprüfungen von verschiedenen Steuergeräteingangssignalen gebildet werden, können beispielsweise in Form von Zustandsvariablen , sogenannter Boolsche Variablen, als Featuresignalmessrohdatenreihen bereitgestellt werden.

Zur Veranschaulichung der oben genannten Begriffe soll ein im Folgenden dargestelltes Beispiel dienen. Innerhalb eines realen Systems, beispielsweise einem Motor, werden mehrere Signalsensoren, wie die Featuresignalsensoren und der Zielsignalsensor dazu eingesetzt, um beispielhaft Druck, Temperatur, oder einen Gasvolumenstrom zu messen. Dabei werden als Featuresignalsensoren beispielsweise zwei Drucksensoren, um die Drücke pl und p2 zu messen und ein Temperatursensor, um die Temperatur Tl zu messen, eingesetzt.

Des Weiteren wird im Beispiel der als Volumenstromsensor ausgeführte Zielsignalsensor dazu eingesetzt, den Volumenstrom gl zu messen. Ziel des Modellbildungsverfahrens

- 6 - CPR 1915 P LU LU500099 ist es, ein mathematisches Modell zu erstellen, durch das aus den durch die Featuresignalsensoren ermittelten Signalverläufen der Drücke pl und p2 und der Temperatur T1 der durch den Zielsignalsensor ermittelte Signalverlauf und entsprechend den Volumenstrom gl nachzubilden, sodass bei einer Verwendung des mathematischen Modells in einem ähnlichen realen System und unter Verwendung der oben genannten Featuresignalsensoren der Signalverlauf des Zielsignalsensor nachgebildet werden auf gegebenenfalls auf den Einsatz des Zielsignalsensors verzichtet werden kann.

Die Abtastung der durch die Featuresignalsensoren und den Zielsignalsensor aufgenommenen Signale erfolgt in aquidistanten zeitlichen Abständen, wobei die Signale alternativ oder zusätzlich interpoliert werden, sodass durch eine Messwertaufnahme der Signale mehrere Featuresignalmessrohdatenreihen und eine Zielsignalmessrohdatenreihe erzeugt werden.

In der Regel erfolgt eine Vorverarbeitung der mehreren Featuresignalmessrohdatenreihen und der Zielsignalmessrohdatenreihe durch eine Tiefpassfilterung, um darin enthaltene Rauschanteile zu unterdrücken.

Anschließend erfolgt eine Auswahl von relevanten Zeitabschnitten aus den Featuresignalmessrohdatenreihen und aus der Zielsignalmessrohdatenreihe, wodurch jeweils mehrere Featuresignalmessdatenreihen und mehrere Zielsignalmessdatenreihen gebildet werden.

Dabei werden diejenigen Zeitabschnitte gewählt, in denen die Featuresignalmessrohdatenreihen beziehungsweise die Zielsignalmessrohdatenreihe einen möglichst großen Frequenzinhalt und eine möglichst großen Dynamikumfang aufweisen.

Der Dynamikumfang kann beispielsweise anhand von

- 7 - CPR 1915 P LU LU500099 Frequenzamplitudenspektren, die mittels des Frequenzanalyseverfahrens, wie beispielsweise einer Kurzzeit- Fourier-Transformation (englisch: Short-time Fourier transform, kurz: STFT) ermittelt werden, beurteilt werden.

Durch die Anwendung des Frequenzanalyseverfahrens werden die Featureamplitudenspektren und die Zielamplitudenspektren ermittelt und anschließend in einzelne Featureamplitudenspektrumabschnitte und Zielamplitudenspektrumabschnitte unterteilt. In dem Überprüfungsschritt werden die Featureamplitudenspektrumabschnitte und die Zielamplitudenspektrumabschnitte dahingehend überprüft und verglichen, ob die darin enthaltenen Frequenzanteile in einem gewissen Übereinstimmungsmaß übereinstimmen. Beispielsweise können die sich durch Veränderungen der Drücke pl oder p2 verändernden Frequenzanteile innerhalb eines Featureamplitudenspektrumabschnitts durch einen sich ändernden Volumenstrom ql beziehungsweise als sich ändernde Frequenzanteile in einem Zielamplitudenspektrumabschnitt dargestellt werden. Da eine Änderung des Volumenstroms gl durch eine Änderung der Temperatur T1 möglicherweise in einem längeren zeitlichen Abstand abläuft, als durch eine Änderung der Drücke pl oder p2, können mehrere voneinander verschiedenen Featureamplitudenspektren beziehungsweise Featuresignalmessdatenreihen für die Modellbildung relevant sein. Damit aus den als relevant eingestuften Featureamplitudenspektrumabschnitten nur diejenigen Frequenzanteile zur Modellbildung eingesetzt werden, werden für jeden als relevant eingestuften Featureamplitudenspektrumabschnitt ein Auswahlbandpassfilter erzeugt. Die für die Modellbildung vorgesehenen Eingangssignalmessdatenreihen werden mit diesen

- 8 - CPR 1915 P LU LU500099 Auswahlbandpassfiltern gefiltert und auf diese Weise werden die Eingangssignaldatenreihen für die Modellbildung erzeugt. Somit erfolgt eine Modellbildung nur mit den Signalanteilen, die die zuvor ermittelten relevanten Frequenzanteile aufweisen, sodass ein besonders präzises Modell ermittelbar ist. In einer vorteilhaften Ausgestaltung der Erfindung ist vorgesehen, dass das Übereinstimmungsmaß mittels einer Korrelationsanalyse bestimmt wird. Optional kann als Übereinstimmungsmaß die Wurzel aus dem gemittelten Fehlerquadrat (sogenannte Root-mean-squared error, kurz RMSE) oder eine normierte Wurzel aus dem gemittelten Fehlerquadrat bestimmt werden.

Um eine besonders scharfe Abgrenzung des Auswahlsignalfrequenzbereichs zu erreichen, ist in einer vorteilhaften Umsetzung des Erfindungsgedankens vorgesehen, dass der Bandpassfilter vorzugsweise eine Filterordnung von mindestens acht aufweist. Somit kann eine besonders steile Flanke an den Grenzen des Auswahlsignalfrequenzbereichs erreicht werden, wodurch die innerhalb und außerdem des Auswahlsignalfrequenzbereichs liegenden Frequenzen besonders gut voneinander getrennt werden können.

Außerdem ist erfindungsgemäß vorgesehen, dass ein als sogenannte Butterworth-Filter ausgeführte Bandpassfilter vorzugsweise eine Filterordnung von mindestens vier aufweist. Erfindungsgemäß sind auch weitere Filterarten, wie beispielsweise ein Finite-Impulse-Response-Filter (kurz FIR- Filter), vorgesehen.

- 9 - CPR 1915 P LU LU500099 Bei einer vorteilhaften Ausgestaltung des erfindungsgemäBen Verfahrens ist vorgesehen, dass die Featureamplitudenspektrumabschnitte eine vorgegebene Amplitudenspektrumbreite aufweisen. Eine Amplitudenspektrumbreite kann beispielsweise manuell vorgegeben werden, sodass bei Vorliegen eines gewissen Prozessverständnisses des nachzubildenden Prozesses nur relevante Frequenzbereiche der Featureamplitudenspektren berücksichtigt werden.

In einer vorteilhaften Ausgestaltung des Erfindungsgedankens ist vorgesehen, dass sich benachbarte Featureamplitudenspektrumabschnitte um eine vorgegebene Amplitudenspektrumüberlappungsbreite überlappen, sodass relevante Frequenzen der Featureamplitudenspektren mehrfach innerhalb der Featureamplitudenspektrumabschnitte enthalten sind. Damit kann vorteilhafterweise auf die vorhandene Datenbasis zurückgegriffen werden. Dabei kann die Amplitudenspektrumüberlappungsbreite auch null betragen, so dass benachbarte Featureamplitudenspektrumabschnitte aneinander angrenzen und sich nicht überlappen. Die oben genannte Aufgabe wird auch durch ein Verfahren zur Bestimmung eines mathematischen Modells zur Abbildung von durch Featuresignalsensoren ermittelten Trainingseingangsmessdatenreihen auf mindestens eine von durch mindestens einem Zielsignalsensor ermittelte Trainingsausgangsmessdatenreihe gelöst, wobei mittels von entworfenen Auswahlbandfiltern die Trainingseingangsmessdatenreihen gefiltert werden und dadurch Trainingseingangsdatenreihen gebildet werden, wobei eine Trainingseingangsmessdatenreihe mit unterschiedlich

- 10 - CPR 1915 P LU LU500099 ausgelegten Auswahlbandfiltern gefiltert werden kann, sodass aus einer Trainingseingangsmessdatenreihe mehrere Trainingseingangsdatenreihen gebildet werden, und wobei mittels eines datenbasierten Modellbestimmungsverfahren ausgehend von den Trainingseingangsdatenreihen als Modelleingangsgrôfben und der mindestens einen Trainingsausgangsmessdatenreihe als ModellausgangsgrôBe das mathematische Modell ermittelt wird.

Durch die Filterung der Trainingseingangsmessdatenreihen mittels der ermittelten

Auswahlbandfiltern können aus einer Trainingseingangsmessdatenreihe eine oder eine Vielzahl von Trainingseingangsdatenreihen erzeugt werden.

Dadurch kann das mathematische Modell besonders schnell und präzise bestimmt werden.

Für die Bestimmung des mathematischen Modells können unterschiedliche datenbasierte Modellbestimmungsverfahren verwendet werden.

Das mathematische Modell kann linear oder nichtlinear sein.

Es kônnen parametrische und nicht- parametrische Modelle verwendet werden.

Als Modellbestimmungsverfahren kônnen die aus dem Stand der

Technik hinreichend bekannten Identifikationsverfahren, genetischen Algorithmen, neuronale Netze und dergleichen verwendet werden.

Die zur Modellbildung genutzten

Trainingseingangsmessdatenreihen werden durch die Featuresignalsensoren ermittelt.

Wie in dem oben beschriebenen Beispiel werden die Trainingseingangsmessdatenreihen somit durch die beispielhaften zwei Drucksensoren und durch den

Temperatursensor ermittelt.

Dabei kann die Modellbildung auch mittels Trainingseingangsmessdatenreihen erfolgen, die in einem gleichen Prozess aber auf weiteren gleichartigen

- 11 - CPR 1915 P LU LU500099 Systemen ermittelt werden. In den weiteren gleichartigen Systemen werden die oben genannten Drucksensoren und der Temperatursensor als Featuresignalsensoren zur Ermittlung der Trainingseingangsmessdatenreihen verwendet.

Optional ist erfindungsgemäß vorgesehen, dass die mit dem Zielsignalsensor ermittelten Trainingsausgangsmessdatenreihen durch Filterung mit den entsprechenden Auswahlbandfilter als Trainingsausgangsdatenreihen für die Modellbildung genutzt werden. Nach erfolgter Modellbildung kann das Modell in einem Seriensystem des realen Systems eingesetzt werden. Alternativ wird das Modell auf einem Rechnersystem eingesetzt, welches innerhalb eines Rechnernetzwerks, wie eine Cloud, betrieben wird. Je nach Anwendungsfall ist der Zielsignalsensor in dem realen System nicht mehr vorhanden oder aber sollen die Zielsignalmessdatenreihen als redundantes berechnetes Signal ergänzt werden. Dazu werden die Zielsignalmessdatenreihen des Zielsignalsensors durch die durch das Modell ausgegebenen und durch das Modell aus den ModelleingangsgrôBen bestimmten Modellausgangsgrolen angenähert. In einer vorteilhaften Umsetzung des Erfindungsgedankens ist vorgesehen, dass die Trainingseingangsmessdatenreihen durch die Featuresignalmessdatenreihen gebildet sind. Dadurch kann in einfacher Weise auf bereits vorhandene Featuresignalmessdatenreihen zurückgegriffen werden, wodurch ein Zeitaufwand für die Vorbereitung von Featuresignalmessrohdatenreihen zur Verwendung als Trainingseingangsmessdatenreihen entfallen kann. Auch eine Kombination von Featuresignalmessdatenreihen oder

- 12 = CPR 1915 P LU LU500099 Bestandteilen von Featuresignalmessdatenreihen und Trainingseingangsmessdatenreihen oder Abschnitten von Trainingseingangsmessdatenreihen ist erfindungsgemäß vorgesehen.

Die oben genannte Aufgabe wird auberdem durch ein Verfahren zur Bestimmung von Featuresignalmessdatenreihen aus Featuresignalmessrohdatenreihen gelôst, wobei die Featuresignalmessdatenreihen zeitlich unmittelbar aufeinanderfolgende Featuresignalmessdatenpunkte aufweisen und so jeweils einen Abschnitt der zugehôrigen Featuresignalmessrohdatenreihen bilden, wobei die Abschnitte der Featuresignalmessdatenreihen mindestens eine vorgegebene Mindestdatenpunktanzahl aufweisen und wobei der Abschnitt so ausgewählt wird, dass eine Zielsignalleistung in dem gewählten Abschnitt maximal ist. Mit Zielsignalleistung sind die innerhalb der Featuresignalmessdatenreihen enthaltenen relevanten Amplituden beschrieben. Je größer die enthaltenen Amplituden innerhalb eines entsprechenden Abschnitts des Signals beziehungsweise der Featuresignalmessdatenreihen sind, desto größer ist die Zielsignalleistung. Erfindungsgemäß ist vorgesehen, dass zur Ermittlung von Featureamplitudenspektrumabschnitten aus Featuresignalmessdatenreihen eine Kurzzeit-Fourier- Transformation (englisch: Short-time Fourier transform, kurz: STFT) oder eine Wavelet-Transformation der Featuresignalmessrohdatenreihen durchgeführt wird. Dabei werden die Abschnitte der zugehörigen Featuresignalmessdatenreihen identifiziert, in dem eine Summe des (quadratischen) Restfehlers jeden Abschnitts von ihrem lokalen Mittelwert bestimmt wird. Sobald eine signifikante Änderung des Mittelwerts auftritt, wird unter

- 13 - CPR 1915 P LU LU500099 Berücksichtigung der vorgegebenen Mindestdatenpunktanzahl der nächste Abschnitt gebildet.

Somit können zeitliche Abschnitte der Featuresignalmessrohdatenreihen identifiziert werden, welche eine besonders großen Frequenzinhalt beziehungsweise eine besonders hohe Dynamik beziehungsweise einen hohen Dynamikumfang und eine hohe Zielsignalleistung aufweisen.

In einer vorteilhaften Ausgestaltung der Erfindung ist vorgesehen, dass zur Bestimmung der Zielsignalleistung für eine Zielsignalmessrohdatenreihe für jeden Zielsignalmessrohdatenpunkt ein Kurzzeitfrequenzamplitudenspektrum ermittelt wird, wobei für Jedes Kurzzeitfrequenzamplitudenspektrum eine Kurzzeitfrequenzamplitudenleistung bestimmt wird, wobei zeitlich aufeinanderfolgende Zielsignalmessrohdatenpunkte zu Zielsignalmessrohdatenabschnitten so zusammengefasst werden, dass eine Änderung der Kurzzeitfrequenzamplitudenleistung zeitlich unmittelbar aufeinanderfolgender Zielsignalmessrohdatenpunkte unterhalb einer vorgegebenen Anderungsleistung liegt, und wobei anschließend jeweils eine Zielsignalleistung für sämtliche Kombinationen zeitlich aufeinanderfolgender Zielsignalmessrohdatenabschnitten gebildet wird, die die vorgegebene Mindestdatenpunktanzahl aufweisen und wobei die Kombination als Abschnitt ausgewählt wird, deren Zielsignalleistung maximal ist.

Durch die Auswahl der Zielsignalmessrohdatenpunkte mit maximaler Zielsignalleistung kann eine besonders präzise Bestimmung der Auswahlbandfilter und des mathematischen Modells erfolgen.

In einem folgenden Beispiel soll die Ermittlung der Zielsignalleistung anschaulich erläutert werden.

Für die Auslegung des Filters werden zunächst eine minimale

- 14 - CPR 1915 P LU LU500099 Schrittfrequenz und eine maximale obere Frequenz definiert. Beispielweise kann für die minimale Schrittfrequenz bei 1 Hz und für die maximale Frequenz die Frequenz M festgelegt werden. Anschließend werden einzelne Featuresignalmessdatenreihen durch die Frequenzbereichsabschnitte 0 Hz bis 1 Hz, 0 Hz bis 2 Hz, … , O0 Hz bis M Hz, 1 Hz bis 2 Hz, 1 Hz bis 3 Hz … , 1 Hz bis M Hz gebildet. Für die Zielsignalmessdatenreihe und alle einzelnen Featuresignalmessdatenreihen wird jeweils ein Fourier- Spektrum durch eine Standard-Fast-Fourier-Transform-Analyse ermittelt. Anschließend werden die Korrelationskoeffizienten zwischen den Fourier-Spektren der Zielsignalmessdatenreihen und der Featuresignalmessdatenreihen auf allen einzelnen oben definierten Frequenzbereichsabschnitten (0 Hz bis 1 Hz, O Hz bis 2 Hz, … 0 Hz bis M Hz, 1 Hz bis 2 Hz, 1 Hz bis 3 Hz … , 1 Hz bis M Hz) bestimmt. Ausschließlich Featuresignalmessdatenreihen beziehungsweise Frequenzbereichsabschnitte mit den höchsten Korrelationskoeffizienten werden weiter berücksichtigt.

Beispielhaft können dies die Frequenzbereichsabschnitte 0 Hz bis 1 Hz, 1 Hz bis 6 Hz, 6 Hz bis 8 Hz und 8 Hz bis M Hz sein. Dabei wird der gesamte Frequenzbereich von 0 Hz bis M Hz mit p Frequenzbereichsabschnitten abgedeckt, wobei kein Frequenzbereichsabschnitt vernachlässigt wird und auch Frequenzbereichsabschnitte mit geringen Korrelationskoeffizienten berücksichtigt werden. Erfindungsgemäß ist es optional aber auch vorgesehen, dass Frequenzbereichsabschnitte, die einen geringen und unterhalb eines vorgegebenen Korrelationsgrenzwerts liegenden Korrelationswert aufweisen, vernachlässigt werden. Durch die beschriebene Vorgehensweise werden n Featuresignalmessdatenreihen ausgewählt, die den größten

- 15 - CPR 1915 P LU LU500099 Korrelationskoeffizient auf dem jeweiligen Frequenzbereichsabschnitt aufweisen.

Die Filter werden dann für die ausgewählten Featuresignalmessdatenreihen ausgelegt.

Wenn die Anzahl der Frequenzbereichsabschnitte p gleich der Anzahl der ausgewählten Featuresignalmessdatenreihen n ist, werden alle definierten Frequenzbereichsabschnitte betrachtet und es wird genau eine Featuresignalmessdatenreihe pro Frequenzbereichsabschnitt betrachtet.

Wenn die Anzahl der ausgewählten Featuresignalmessdatenreihen n kleiner als die Anzahl der Frequenzbereichsabschnitte p ist, werden nur die Frequenzbereichsabschnitte der n ausgewählten Featuresignalmessdatenreihen mit den hôchsten Korrelationen betrachtet.

Somit wird für jeden Frequenzbereichsabschnitt eine Featuresignalmessdatenreihe betrachtet.

Die übrigen Frequenzbereichsabschnitte werden vernachlässigt.

Wenn die Anzahl der ausgewählten Featuresignalmessdatenreihen n größer als die Anzahl der Anzahl der Frequenzbereichsabschnitte p ist, werden möglicherweise mehrere Featuresignalmessdatenreihen pro Frequenzbereichsabschnitt betrachtet.

Weitere vorteilhafte Ausgestaltungen des erfindungsgemäßen Verfahrens werden anhand von in den Zeichnungen dargestellten Ausführungsbeispielen erläutert.

Es zeigen:

Figur 1 eine schematische Darstellung von Featuresignalmessrohdatenreihen und Zielsignalmessrohdatenreihen und die durch das Frequenzanalyseverfahren ermittelten Featureamplitudenspektren und Zielamplitudenspektren und

- 16 - CPR 1915 P LU LU500099 Figur 2 eine schematische Darstellung von für die Bestimmung des mathematischen Modells verwendeten Trainingseingangsdatenreihen als Modelleingangsgrôfben und die Trainingsausgangsmessdatenreihe als ModellausgangsgrôBen.

In Figur 1 ist eine schematische Darstellung von Featuresignalmessrohdatenreihen 1 und Zielsignalmessrohdatenreihen 2 und durch einen Frequenzanalyseschritt 3 ermittelten Featureamplitudenspektren 4. Die Featuresignalmessrohdatenreihen 1 werden unter Verwendung von Featuresignalsensoren 5 bestimmt. Aus den Featuresignalmessrohdatenreihen 1 werden Featuresignalmessdatenreihen 2 ermittelt. Die mindestens eine Zielsignalmessrohdatenreihe 6 wird unter Verwendung eines Zielsignalsensors 7 bestimmt. Aus den Zielsignalmessrohdatenreihen 1 wird mindestens eine Zielsignalmessdatenreihe 8 ermittelt. In dem Frequenzanalyseschritt 3 wird für Jede Featuresignalmessdatenreihe 2 mittels eines Frequenzanalyseverfahrens ein Featureamplitudenspektrum 4 und für jede Zielsignalmessdatenreihe 8 ein Zielamplitudenspektrum 9 ermittelt. Die Featureamplitudenspektren 4 werden jeweils in mehrere aneinander angrenzende oder teilweise überlappende Featureamplitudenspektrumabschnitte 10 aufgeteilt, die Jeweils einen vorgegebenen Featurefrequenzbereich umfassen. Das Zielamplitudenspektrum 9 wird in Zielamplitudenspektrumabschnitte 11 aufgeteilt, wobei Zielfrequenzbereiche der Zielamplitudenspektrumabschnitte 11 den Featurefrequenzbereichen entsprechen. In einem Übereinstimmungsprüfvorgang 12 wird in mehreren sich

- 17 - CPR 1915 P LU LU500099 wiederholenden Übereinstimmungsprüfschritten jeweils ein Ubereinstimmungsmal für jeden Featureamplitudenspektrumabschnitt 10 ermittelt, wobei das Ubereinstimmungsmal ein Maß für die Übereinstimmung des Amplitudenspektrums des jeweiligen Featureamplitudenspektrumabschnitts 10 und dem zugehôrigen Zielamplitudenspektrumabschnitt 11 ist. Die Featurefrequenzbereiche, deren ÜbereinstimmungsmaB eine vorgegebene Ubereinstimmungsmalzahl übersteigen werden als Auswahlsignalfrequenzbereiche 13 ausgewählt. In einem nachfolgenden Bestimmungsschritt 14 wird fiir die Auswahlsignal frequenzbereiche 13 jeweils ein Auswahlbandpassfilter 15 entworfen, sodass mit dem jeweiligen Auswahlbandpassfilter 15 gefilterte Signalmessdatenreihen innerhalb des jeweiligen Auswahlsignalfrequenzbereichs 13 liegende Signalanteile aufweisen und außerhalb des jeweiligen Auswahlsignalfrequenzbereich 13 liegende Signalanteile aus der gefilterten Signalmessdatenreihe heraus gefiltert werden.

In Figur 2 ist eine schematische Darstellung von für die Bestimmung eines mathematischen Modells 16 verwendeten Trainingseingangsdatenreihen 17 als Modelleingangsgrößen und die Trainingsausgangsmessdatenreihe 18 als Modellausgangsgrößen gezeigt. Mit dem entworfenen Auswahlbandpassfilter 15 werden die von durch die Featuresignalsensoren 5 ermittelten Trainingseingangsmessdatenreihen 19, die auch durch die Featuresignalmessdatenreihen 2 gebildet sein können, gefiltert, wodurch Trainingseingangsdatenreihen 17 gebildet werden. Die mit dem jeweiligen Auswahlbandpassfilter 15 gefilterten Trainingseingangsmessdatenreihen 19 weisen innerhalb des jeweiligen Auswahlsignalfrequenzbereichs 13

- 18 - CPR 1915 P LU LU500099 liegende Signalanteile auf.

Außerhalb des jeweiligen Auswahlsignal frequenzbereichs 13 liegende Signalanteile sind aus den gefilterten Trainingseingangsmessdatenreihen 19 heraus gefiltert.

Dabei kann eine

Trainingseingangsmessdatenreihe 19 mit unterschiedlich ausgelegten Auswahlbandfiltern 15 gefiltert werden, sodass aus einer Trainingseingangsmessdatenreihe 19 mehrere Trainingseingangsdatenreihen 17 gebildet werden.

Mittels eines datenbasierten Modellbestimmungsverfahren 20 wird ausgehend von den Trainingseingangsdatenreihen 17 als Modelleingangsgrôfben und der mindestens einen Trainingsausgangsmessdatenreihe 19 als ModellausgangsgrôBbe das mathematische Modell 16 ermittelt.

Claims (9)

- 19 - CPR 1915 P LU LU500099 PATENTANSPRÜCHE

1. Verfahren zur Bestimmung von Featuresignalfiltern zur Vorbereitung von Signalmessdatenreihen mehrerer Messgrößen für die experimentelle Modellbildung, wobei aus Featuresignalmessrohdatenreihen (1), die unter Verwendung von Featuresignalsensoren (5) bestimmt werden, Featuresignalmessdatenreihen (2) ermittelt werden, wobei aus mindestens einer Zielsignalmessrohdatenreihe (6), die unter Verwendung mindestens eines Zielsignalsensors (7) bestimmt wird, mindestens eine Zielsignalmessdatenreihe (8) ermittelt wird, wobei in einem Frequenzanalyseschritt (3) für jede Featuresignalmessdatenreihe (2) mittels eines Frequenzanalyseverfahrens ein Featureamplitudenspektrum (4) ermittelt wird und für die Zielsignalmessdatenreihe (8) mittels des Frequenzanalyseverfahrens ein Zielamplitudenspektrum (9) ermittelt wird, wobei die Featureamplitudenspektren (4) jeweils in mehrere aneinander angrenzende oder teilweise überlappende Featureamplitudenspektrumabschnitte (10) aufgeteilt werden, wobei die Featureamplitudenspektrumabschnitte (10) jeweils einen vorgegebenen Featurefrequenzbereich umfassen, wobei das Zielamplitudenspektrum (9) in Zielamplitudenspektrumabschnitt (11) aufgeteilt wird, wobei Zielfrequenzbereiche der Zielamplitudenspektrumabschnitte (11) den Featurefrequenzbereichen entsprechen, wobei in einem Übereinstimmungsprüfvorgang (12) in mehreren sich wiederholenden Übereinstimmungsprüfschritten jeweils ein Übereinstimmungsmaß für jeden Featureamplitudenspektrumabschnitt (10) ermittelt wird, wobei

- 20 - CPR 1915 P LU LU500099 das UbereinstimmungsmaB ein Maß für die Übereinstimmung des Amplitudenspektrums des jeweiligen Featureamplitudenspektrumabschnitt (10) und dem zugehôrigen Zielamplitudenspektrumabschnitt (11) ist, wobei die Featurefrequenzbereiche, deren UbereinstimmungsmaB eine vorgegebene Ubereinstimmungsmalzahl übersteigen als Auswahlsignal frequenzbereiche (13) ausgewählt werden, wobei in einem nachfolgenden Bestimmungsschritt (14) für die Auswahlsignal frequenzbereiche (13) jeweils ein Auswahlbandpassfilter (15) entworfen wird, sodass mit dem jeweiligen Auswahlbandpassfilter (15) gefilterte Signalmessdatenreihen innerhalb des jeweiligen Auswahlsignal frequenzbereichs (13) liegende Signalanteile aufweisen und außerhalb des jeweiligen Auswahlsignalfrequenzbereich (13) liegende Signalanteile aus der gefilterten Signalmessdatenreihe heraus gefiltert werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Übereinstimmungsmaß mittels einer Korrelationsanalyse bestimmt wird.

3. Verfahren gemäß Anspruch 1 oder 2, dadurch gekennzeichnet, dass der Bandpassfilter vorzugsweise eine Filterordnung von mindestens acht aufweist.

4. Verfahren gemäß einem der voranstehenden Ansprüche, dadurch gekennzeichnet, dass die Featureamplitudenspektrumabschnitte (10) eine vorgegebene Amplitudenspektrumbreite aufweisen.

5. Verfahren gemäß einem der voranstehenden Ansprüche, dadurch gekennzeichnet, dass sich benachbarte

- 21 = CPR 1915 P LU LU500099 Featureamplitudenspektrumabschnitte (10) um eine vorgegebene Amplitudenspektrumüberlappungsbreite überlappen.

6. Verfahren zur Bestimmung eines mathematischen Modells (16) zur Abbildung von durch Featuresignalsensoren (5) ermittelten Trainingseingangsmessdatenreihen (19) auf mindestens eine von durch mindestens einem Zielsignalsensor (7) ermittelte Trainingsausgangsmessdatenreihe (18), wobei mittels von gemäß der in den Ansprüchen 1 bis 5 entworfenen Auswahlbandfiltern die Trainingseingangsmessdatenreihen (19) gefiltert werden und dadurch Trainingseingangsdatenreihen (17) gebildet werden, wobei eine Trainingseingangsmessdatenreihe (19) mit unterschiedlich ausgelegten Auswahlbandfiltern gefiltert werden kann, sodass aus einer Trainingseingangsmessdatenreihe (19) mehrere Trainingseingangsdatenreihen (17) gebildet werden, und wobei mittels eines datenbasierten Modellbestimmungsverfahren (20) ausgehend von den Trainingseingangsdatenreihen (17) als ModelleingangsgrôBen und der mindestens einen Trainingsausgangsmessdatenreihe (18) als ModellausgangsgrôBbe das mathematische Modell (16) ermittelt wird.

7. Verfahren gemäß Anspruch 6, dadurch gekennzeichnet, dass die Trainingseingangsmessdatenreihen (19) durch die Featuresignalmessdatenreihen (2) gebildet sind.

8. Verfahren zur Bestimmung von Featuresignalmessdatenreihen (2) aus Featuresignalmessrohdatenreihen (1), wobei die Featuresignalmessdatenreihen (2) zeitlich unmittelbar aufeinanderfolgende Featuresignalmessdatenpunkte aufweisen und so Jeweils einen Abschnitt der zugehörigen

- 22 = CPR 1915 P LU LU500099 Featuresignalmessrohdatenreihen (1) bilden, wobei die Abschnitte der Featuresignalmessdatenreihen (2) mindestens eine vorgegebene Mindestdatenpunktanzahl aufweisen und wobei der Abschnitt so ausgewählt wird, dass eine Zielsignalleistung in dem gewählten Abschnitt maximal ist.

9. Verfahren gemäß Anspruch 8, dadurch gekennzeichnet, dass zur Bestimmung der Zielsignalleistung für eine Zielsignalmessrohdatenreihe (6) für jeden Zielsignalmessrohdatenpunkt ein Kurzzeitfrequenzamplitudenspektrum ermittelt wird, wobei für jedes Kurzzeitfrequenzamplitudenspektrum eine Kurzzeitfrequenzamplitudenleistung bestimmt wird, wobei zeitlich aufeinanderfolgende Zielsignalmessrohdatenpunkte zu Zielsignalmessrohdatenabschnitten so zusammengefasst werden, dass eine Änderung der Kurzzeitfrequenzamplitudenleistung zeitlich unmittelbar aufeinanderfolgender Zielsignalmessrohdatenpunkte unterhalb einer vorgegebenen Änderungsleistung liegt, und wobei anschließend jeweils eine Zielsignalleistung für sämtliche Kombinationen zeitlich aufeinanderfolgender Zielsignalmessrohdatenabschnitten gebildet wird, die die vorgegebene Mindestdatenpunktanzahl aufweisen und wobei die Kombination als Abschnitt ausgewählt wird, deren Zielsignalleistung maximal ist.