WO2020182558A1 - Verfahren zum ermitteln eines zustands eines elektrischen antriebs eines forbewegungsmittels - Google Patents

Verfahren zum ermitteln eines zustands eines elektrischen antriebs eines forbewegungsmittels Download PDF

Info

Publication number
WO2020182558A1
WO2020182558A1 PCT/EP2020/055637 EP2020055637W WO2020182558A1 WO 2020182558 A1 WO2020182558 A1 WO 2020182558A1 EP 2020055637 W EP2020055637 W EP 2020055637W WO 2020182558 A1 WO2020182558 A1 WO 2020182558A1
Authority
WO
WIPO (PCT)
Prior art keywords
drive
predefined
sensors
defect
sensor data
Prior art date
Application number
PCT/EP2020/055637
Other languages
English (en)
French (fr)
Inventor
Rolando Doelling
Ivan MELENDEZ VAZQUEZ
Original Assignee
Robert Bosch 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 Robert Bosch Gmbh filed Critical Robert Bosch Gmbh
Priority to US17/593,077 priority Critical patent/US20220153141A1/en
Publication of WO2020182558A1 publication Critical patent/WO2020182558A1/de

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/12—Recording operating variables ; Monitoring of operating variables
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62M—RIDER PROPULSION OF WHEELED VEHICLES OR SLEDGES; POWERED PROPULSION OF SLEDGES OR SINGLE-TRACK CYCLES; TRANSMISSIONS SPECIALLY ADAPTED FOR SUCH VEHICLES
    • B62M6/00—Rider propulsion of wheeled vehicles with additional source of power, e.g. combustion engine or electric motor
    • B62M6/40—Rider propelled cycles with auxiliary electric motor
    • B62M6/45—Control or actuating devices therefor
    • B62M6/50—Control or actuating devices therefor characterised by detectors or sensors, or arrangement thereof
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2200/00—Type of vehicles
    • B60L2200/12—Bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • B60L2240/12—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • B60L2240/14—Acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2250/00—Driver interactions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
    • B62J45/00—Electrical equipment arrangements specially adapted for use as accessories on cycles, not otherwise provided for
    • B62J45/40—Sensor arrangements; Mounting thereof
    • B62J45/41—Sensor arrangements; Mounting thereof characterised by the type of sensor
    • B62J45/411—Torque sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
    • B62J45/00—Electrical equipment arrangements specially adapted for use as accessories on cycles, not otherwise provided for
    • B62J45/40—Sensor arrangements; Mounting thereof
    • B62J45/41—Sensor arrangements; Mounting thereof characterised by the type of sensor
    • B62J45/412—Speed sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
    • B62J45/00—Electrical equipment arrangements specially adapted for use as accessories on cycles, not otherwise provided for
    • B62J45/40—Sensor arrangements; Mounting thereof
    • B62J45/41—Sensor arrangements; Mounting thereof characterised by the type of sensor
    • B62J45/413—Rotation sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
    • B62J45/00—Electrical equipment arrangements specially adapted for use as accessories on cycles, not otherwise provided for
    • B62J45/40—Sensor arrangements; Mounting thereof
    • B62J45/41—Sensor arrangements; Mounting thereof characterised by the type of sensor
    • B62J45/414—Acceleration sensors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold

Definitions

  • the present invention relates to a method for determining a state of an electric drive.
  • the electric drive is in particular part of a means of transport, preferably a bicycle. Also affects the
  • Invention a computer program for carrying out the method and a data memory for storing the computer program and the sensor data used. Finally, the invention relates to a means of transport, in particular a bicycle.
  • Means of locomotion are known from the prior art, which are designed as bicycles with an electric motor as the drive unit.
  • pedelecs Means of transport are also called pedelecs. It is also known that maintenance on pedelecs is planned according to a "preventive maintenance methodology". This means that the user of the Pedelec has to travel a predetermined distance to maintain the Pedelec
  • the method according to the invention enables an improvement in the efficiency in the maintenance of the drive.
  • the Maintenance can be omitted if the drive shows no abnormalities. This also prevents the drive from failing due to an undetected defect within the maintenance interval.
  • the drive is preferably always in a ready-to-drive state, the user of the drive only then having one
  • Ambient temperature influences, uneven surfaces, the user's driving profile, the user's weight, or the like.
  • the method according to the invention minimizes the influence of such disturbances in order to avoid false alarms.
  • the method for determining a state of an electric drive of a means of transport, in particular a bicycle has the following steps: First, sensor data is provided from sensors of the drive.
  • the sensor data shows parameters of the drive. In particular, only those sensors are used that are necessary for the operation of the drive anyway.
  • sensor data are stored. These sensor data are stored as measuring sensor signals if the sensor data originate from sensors predefined for the predefined operating range. In this way, only those sensor signals are taken into account that can be expected to reliably indicate an anomaly in the drive. For example, bearing errors can only be detected with difficulty with increasing torque, so that an upper torque limit is provided as the operating range for this.
  • a defect in the drive is recognized when at least one of the measurement sensor signals deviates from a predefined standard sensor signal.
  • the deviation must take place at least by a predefined amount in order to be able to reliably identify a defect in the drive.
  • the standard sensor signal is provided in particular by recording the sensor data with a drive without defects and is preferably stored in a control unit.
  • a warning about the presence of the defect is output to one User of the means of transport. This can take place acoustically and / or graphically and / or haptically.
  • the steps mentioned are preferably carried out repeatedly, at least once every 60 minutes. This ensures that defects can be recognized as such at an early stage.
  • the standard sensor signal and the measurement sensor signal are preferably compared in order to identify whether there is a defect. It is preferably provided that a state parameter of the drive is calculated from a deviation between the measurement sensor signal and the standard sensor signal.
  • This state parameter represents a state of the drive and thus represents a measure of a deviation of the state of the drive from one
  • a defect is recognized when the condition parameter exceeds a limit value corresponding to the predefined level. In this way, the measurement sensor signal and the standard sensor signal can be handled in a simplified manner, in particular compared.
  • a step of classifying the measurement sensor signal is preferably carried out using at least one predefined statistical characteristic number.
  • the measuring sensor signal can thus be converted into statistical values. It is then no longer necessary to store the measurement sensor signal. Rather, the
  • the state parameter is calculated particularly advantageously on the basis of the Mahalanobis distance between the statistical characteristic number of the measurement sensor signal and the same statistical characteristic number of the standard sensor signal.
  • the method is therefore simple and inexpensive, but at the same time can be carried out reliably.
  • the predefined statistical one is particularly advantageous
  • Key figure a mean value and / or a standard deviation and / or a skewness and / or a kurtosis and / or a shape parameter. These key figures can be easily calculated from the sensor data.
  • the remaining service life indicates how long the drive can be operated before failure.
  • the estimate is made by extrapolating a time course of the state parameter using predefined degradation curves.
  • the degradation curves provide a model of the effects of an incipient defect so that the remaining useful life can be estimated from them.
  • the degradation curves have been obtained in advance in particular by recording the sensor data of a defective drive up to complete failure and are stored in a control unit.
  • the output step only takes place when it is recognized by a query step that the remaining useful life is less than a predefined limit value. This additional check determines whether there is a defect, but whether this defect does not directly entail the risk of failure. In this case there is no output.
  • the predefined operating range and / or the predefined statistical characteristic number are advantageously determined in advance by collecting test sensor data.
  • the test sensor data have been recorded by means of sensors on at least one defective drive, in particular on several defective drives, so that the test sensor data represent sensor data that occur when the drive is defective.
  • test sensor data are used that allow a maximum classification accuracy of the defect in the drive. In this way, there is in particular a reduction in the
  • the predefined operating range and / or the predefined statistical characteristic number are particularly preferably different for different defects in the drive. This means that the predefined operating range and / or the predefined statistical key figure for different defects has been determined separately. This allows for different error patterns of the drive
  • each standard sensor signal was determined in advance by means of the predefined sensors in the predefined operating range on at least one defect-free drive. It can thus be checked whether and to what extent the measurement sensor signal deviates from the standard sensor signal, which allows conclusions to be drawn about a state of the drive. In particular, a defect can be inferred if the measurement sensor signal deviates from the standard sensor signal by more than a predefined amount.
  • the standard sensor signal is particularly advantageously determined on the basis of a large number of defect-free drives.
  • the method described can be used particularly advantageously in order to detect bearing damage and / or gear damage. It is therefore preferably provided that the defect in the drive, which is detected in the detection step described above, is a bearing damage and / or a transmission damage. In this way, bearing damage and / or gear damage can be identified safely and reliably, with it being possible, in particular, to provide the user with an indication of how long the drive can likely be used before failure.
  • the predefined sensors are, in particular, exclusively those sensors that are necessary for controlling the drive. Thus, in particular, no additional sensors need to be attached. Rather, sensors already present in the drive can be particularly advantageous
  • the predefined sensors preferably have at least one current sensor for detecting an electrical phase current of the drive and / or voltage sensor for detecting an electrical phase voltage of the drive and / or temperature sensor of the drive and / or acceleration sensor and / or speed sensors and / or cadence sensor for detecting a cadence of a user of
  • Means of locomotion and / or torque sensor for detecting a torque applied by the user of the means of locomotion.
  • the voltage sensor can also be a microcontroller that calculates the electrical phase voltage, for example to regulate the drive.
  • the invention also relates to a computer program.
  • the computer program is set up to carry out the method as described above.
  • Computer programs therefore require minimal computing power and memory.
  • the computer program can therefore be used simply and with little effort in a means of locomotion, in particular a bicycle.
  • the invention also relates to a machine-readable storage medium.
  • the computer program is stored on the storage medium.
  • the storage medium can in particular be a flash memory or a magnetic memory.
  • the storage medium is particularly advantageously part of a microcontroller of a bicycle with an electric drive.
  • the sensor data used are preferably also stored in the microcontroller of the bicycle.
  • the method described above minimizes the number of data to be stored, so that storage is preferably possible in a memory module with limited capacity, as is the case with a microcontroller. It is also possible to insert an additional storage medium, such as
  • the sensor data can advantageously also be stored in a cloud.
  • the invention relates to a bicycle with an electric drive.
  • a locomotion of the bicycle is supported by the drive in that a drive force generated by a user through muscle power is amplified.
  • the drive has a control unit.
  • the control unit is used to execute the computer program as described above.
  • the control unit is designed to carry out a method as described above.
  • terrain recognition and the exclusion of the sensor data obtained during this process are particularly advantageous. So can adulterated
  • the measurement sensor signal is particularly advantageously sampled with a sampling time of 10 ms.
  • Figure 1 is a schematic illustration of a bicycle according to a
  • Figure 2 is a schematic illustration of the interaction between individual
  • Figure 3 is a schematic view of a method according to a
  • Figure 4 is a schematic view of a generated by means of the method according to the embodiment of the invention.
  • Figure 5 is a schematic view of a sequence of a
  • FIG. 6 shows a schematic view of an exemplary sequence
  • Figure 7 is a schematic flow diagram of a method for
  • Figure 1 shows schematically a bicycle 1 according to an embodiment of the
  • the bicycle 1 has a drive 2 and a display 3.
  • the drive 2 is in particular an electric motor and is used to support muscle power applied by a user of the bicycle 1.
  • FIG. 2 shows schematically the interaction of various components of the bicycle 1.
  • the drive 2 has an electric drive module 4.
  • This electric drive module 4 preferably has a transmission.
  • Electric drive module 4 can be monitored by a large number of sensors 6, voltage sensors 6a and / or current sensors 6b and / or temperature sensors 6c and / or acceleration sensors 6d and / or torque sensors 6e and / or speed sensors 6f being provided. Sensor data of these sensors 6 can be via a
  • control unit 5 Read out control unit 5 and process it further, which is explained in particular with reference to FIG. If, on the basis of the sensor data, there is an anomaly of the drive 2, the control unit 5 can output a message to the user via the display 3 that maintenance should be carried out.
  • the methods used for this are particularly adapted to the control unit 5 and only require a small amount of memory and low computing power.
  • FIG. 3 schematically shows a flow chart of a method according to an exemplary embodiment of the invention. This method is carried out in particular in the control unit 5 and is used to determine a state of the drive 2.
  • One advantage of this method is the use of information that is supplied by the sensors 6 present in the drive 2.
  • the most relevant sensors 6 and operating range of the drive 2, which increase the ability to identify a defect are determined by means of an off-line analysis, which is explained below with reference to FIG. 7 and FIG. This minimizes the storage space required by the control unit 5. So is a
  • the method uses the distinction between operating areas.
  • operating conditions in a bicycle are not reproducible in use as in a laboratory.
  • Sensor data 10 from sensors 6 are therefore provided.
  • a storage 11 of the sensor data 10 takes place only when a current one
  • the operating range of the drive 2 and / or the means of locomotion corresponds to a predefined operating range 20.
  • only those sensor data 11 are stored as measurement sensor signals which originate from sensors 6 predefined for the predefined operating range 20.
  • a further relevant step is recognition 12 of a defect.
  • the measurement sensor signal is also classified 17 and a state parameter 200 of the drive 2 is calculated 14.
  • the measurement sensor signal is classified 17 using at least one predefined statistical characteristic number 19.
  • the predefined statistical characteristic number is in particular an average value and / or a
  • Standard deviation and / or a skewness and / or a kurtosis and / or a shape parameter This means that the measurement sensor signals themselves no longer have to be saved, but are converted into statistical parameters. The memory requirements can thus be reduced. Further processing then takes place on the basis of the statistical parameters of the measurement sensor signals and not on the basis of the raw data of the measurement sensor signals themselves.
  • the calculation 14 of the state parameter 200 of the drive 2 takes place on the basis of a deviation between the measurement sensor signal and a predefined standard sensor signal 18.
  • the state parameter 200 is thus a measure of a
  • Deviation of the state of the drive 2 from a normal state If the deviation is large, this indicates the presence of a defect.
  • the calculation 14 of the state parameter 200 takes place particularly advantageously on the basis of the Mahalanobis distance between the statistical characteristic number 19 of the measurement sensor signal and the same statistical characteristic number of the standard sensor signal 18.
  • a defect is recognized when at least one of the measurement sensor signals deviates from a predefined standard sensor signal by at least a predefined amount.
  • the state parameter 200 which represents the deviation between the measurement sensor signal and the standard sensor signal 18, must exceed a predefined limit value in order to detect a defect.
  • the limit value then corresponds to the described predefined amount of the deviation between the standard sensor signal 18 and the measurement sensor signal.
  • the previous determination of the standard sensor signal 18 is described below with reference to FIG. 7 and FIG. If the step of recognizing 12 a defect is not positive, ie if there is no defect, the steps of storing 11, classifying 17 and calculating 14 of the state parameter 200 are carried out again. In particular, new sensor data are available for the repeated implementation of these steps, since a certain time has passed during the initial implementation of the steps mentioned. It is also possible for a predetermined offset period of time to be waited for before the steps mentioned are carried out again.
  • the sensor data can be filtered before or during the steps of storing 11 or classifying 17 for noise suppression. This simplifies the calculation of the state parameter 200 and increases the accuracy of the information provided by the state parameter 200.
  • FIG. 4 shows a schematic diagram in which the ordinate represents the magnitude of the state parameter 200 and the abscissa represents a number of the measurement in which the state parameter 200 was determined. It is shown by way of example on the left-hand side of the example boundary 300 that the state parameter 200 is close to zero with an intact drive 2. On the right-hand side of the example limit 300, larger values of status parameters 200 are shown, as is the case with a defect in drive 2. The defect can thus be easily and reliably identified using the state parameter 200.
  • a step of estimating 15 a remaining useful life of the drive 2 is preferably carried out.
  • the method distinguishes in particular on the basis of different predefined operating states 20 and / or predefined statistical key figures 19 and / or predefined standard sensor signals 18.
  • the remaining service life indicates a time span in which the drive 2 can be operated until it fails completely.
  • Degradation curves 100 wherein a first degradation curve 100a leads the fastest to a deterioration of the condition and thus to a failure, while a second degradation curve 100b and a third degradation curve 100c a slower one
  • the degradation of the state and the fourth degradation curve 100d show a slowest degradation of the state.
  • the information from the degradation curve 100 which runs similar to the previous course of the state parameter 200, is used to estimate 15 the remaining useful life.
  • the ordinate shows a size of the
  • State parameter 200 and the abscissa a number of cycles.
  • FIG. 5 is thus similar to FIG. 4, but the abscissa represents a larger area due to a different parameterization. It is shown that the state parameter 200 was previously observed up to cycle 60. The state parameter 200 follows the fourth degradation curve 100d. If 10000 is predefined as the limit for a failure, then drive 2 could be in operation for a total of 40 additional cycles before the risk of failure is very high. If, on the other hand, the state parameter were to follow the third degradation curve 100c, it would be predicted that the drive 2 could only be in operation for 10 further cycles.
  • a query step 16 is therefore carried out, by means of which it is recognized whether the remaining useful life is less than a predefined limit value.
  • the predefined limit value is dependent on the above-mentioned limit, at which a failure is to be expected with a very high probability. If this limit value is exceeded, query step 16 is ended positively and a warning about the existence of the defect is output 13 to a user of the bicycle 1. The user is particularly prompted to carry out maintenance or to have it carried out. If query step 16 is negative, the remaining useful life is recalculated using an updated value of the status parameter.
  • FIG. 6 shows a schematic view of an exemplary sequence of the method according to the exemplary embodiment of the invention.
  • the drive 2 has a damaged bearing.
  • seven features are identified. These features are a mean value mean_ud of a voltage ud, a shape parameter SF_ud of the voltage ud, a mean value meanJA of a motor phase current IA, SF_IA, a mean value mean_IC of a motor phase current IC, a
  • Shape parameter SF_IC of the motor phase current IC as well as a skew Sk_IC of the motor phase current IC.
  • These features were determined as predefined statistical key figures 19, which thus enable reliable error identification.
  • three sensor signals 10 are required, the motor phase current IA and the motor phase current IC as well as the voltage du.
  • the motor phase currents IA and IC can be determined using
  • Sensors 6 detect, the voltage ud is in particular a parameter of a controller of the drive 2 and is preferably calculated in the control unit 5.
  • These three sensor data 10 are stored in the control unit 5 by a module for carrying out the step of storing 11.
  • the sensor data 10 remain stored for a predefined period, in this example 15 seconds. Afterwards, these raw data will be the
  • Sensor data 10 converted into statistical values by a module for carrying out the step of classifying 17 and then deleted from the memory, so that only the statistical values of the sensor data in the
  • Control unit 5 remain.
  • a module for performing the calculation 14 provides the state parameter 200, on the basis of which a deviation in the statistical values compared to the normal state is identified.
  • the reference values for comparison with the normal state originate from measurement signals from drives 2 without defects. For example, five different drives 2 were taken into account as a reference. However, the number of drives 2 from which the reference values are obtained can be increased as desired in order to average out different behavior of the drives based on manufacturing tolerances.
  • the status parameter is also used by a module for performing the step of estimating 15 the remaining useful life. If the remaining service life is lower than a predefined value, a message is output via the display 3 with the comment that the bicycle 1 needs to be serviced. While driving in a terrain, high vibrations can be transmitted to the drive 2, which in turn makes the expressiveness of the
  • Can falsify state parameters 200 It is therefore preferably provided that a function for terrain detection is used to identify such states.
  • a function for terrain detection is used to identify such states.
  • Figures 7 and 8 show an off-line method.
  • the aim of the off-line method is to find the parameters that enable reliable detection of defects and, in particular, separation of the defect images
  • control unit 5 for example
  • the parameters to be determined in the off-line method are in particular the predefined operating range 20 used in the method according to FIG. 3 and / the predefined statistical indicators 19 used in the method according to FIG. 3. These parameters enable defects to be identified most clearly. For example, when the motor torque is low, it is possible to detect a bearing failure. In contrast, at higher torques, the sensor data of drives 2 with and without bearing failure behave similarly, which makes it difficult or impossible to identify the error. In addition, the optimal
  • a duration of a measurement can also be determined.
  • the first step in the off-line analysis is the data collection 21 as well as the data processing 22, wherein a large number of sensor data is collected on the basis of tests with reference drives 2 and samples.
  • the reference drives 2 and samples are provided with certain defects.
  • the drives 2 of a bicycle usually have the following sensors available:
  • the data collection 21 is carried out using these sensors. Preferably no additional sensors are attached. It is also possible to monitor the speed and torque of the electric drive module 4 and the voltage and current of an energy store.
  • An operating range of the drive 2 for which an analysis is to be carried out is then selected 23.
  • a conversion 24 into statistical values then takes place, as has already been described above. In this case, all statistical values are calculated which could serve as predefined statistical key figures 19 for the method shown in FIG. A set of potentially relevant parameters is thus available, with those relevant for the selected operating range in a subsequent step
  • a feature set generation 25 takes place, by means of which a set with relevant features is generated.
  • the feature set generation 25 can be carried out manually, but it is particularly advantageous using the “SVM-RFE” algorithm with simulated annealing
  • a room with over a hundred potentially relevant parameters can be used as the output, so that a manual selection of the predefined statistical values used for the method according to FIG. 3
  • Parameters 19 would be very time consuming.
  • the SVM-RFE algorithm with simulated annealing optimization methods is therefore used to accelerate this process.
  • a score calculation 26 is performed, in which a score that takes into account the classification accuracy of the set and the data size is calculated.
  • the received set can thus be classified.
  • a checking step 27 it is checked whether an evaluation criterion is fulfilled. If the evaluation criterion has not been met, a new operating range is selected, which results in an iteration. The steps of choice 23, conversion 24, feature set generation 25 and score calculation 26 are as long as possible carried out until the evaluation criterion is met.
  • the evaluation criterion includes in particular a minimum number of points and / or a number of iteration steps. If the evaluation criterion is met, the off-line method provides optimal parameters 28 which contain the predefined operating range 20 used in the method according to FIG. 3 and the predefined statistical parameters 19.

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Power Engineering (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

Die vorliegende Erfindung betrifft ein Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs (2) eines Fortbewegungsmittels, insbesondere eines Fahrrads (1), aufweisend die Schritte: Bereitstellen von Sensordaten (10) von Sensoren (6) des Antriebs (2), wobei die Sensordaten (10) Parameter des Antriebs (2) anzeigen, wenn ein aktueller Betriebsbereich des Antriebs (2) und/oder des Fortbewegungsmittels einem vordefinierten Betriebsbereich (20) entspricht, Speichern (11) solcher Sensordaten (10) als Mess-Sensorsignalen, die von für den vordefinierten Betriebsbereich (20) vordefinierten Sensoren (6) stammen, und Erkennen (12) eines Defekts des Antriebs (2), wenn zumindest eines der Mess-Sensorsignale zumindest um ein vordefiniertes Maß von einem vordefinierten Norm-Sensorsignal abweicht, sowie Ausgeben (13) einer Warnung über das Vorliegen des Defekts an einen Benutzer des Fortbewegungsmittels.

Description

Beschreibung
Titel
Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs eines Fortbewegungsmittels
Stand der Technik
Die vorliegende Erfindung betrifft ein Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs. Der elektrische Antrieb ist insbesondere Teil eines Fortbewegungsmittels, bevorzugt eines Fahrrads. Außerdem betrifft die
Erfindung ein Computerprogramm zum Ausführen des Verfahrens und einen Datenspeicher zum Speichern des Computerprogramms und der verwendeten Sensordaten. Schließlich betrifft die Erfindung ein Fortbewegungsmittel, insbesondere ein Fahrrad.
Aus dem Stand der Technik sind Fortbewegungsmittel bekannt, die als Fahrrad mit einem Elektromotor als Antriebseinheit ausgebildet sind. Solche
Fortbewegungsmittel werden auch Pedelecs genannt. Es ist weiterhin bekannt, dass Wartungen bei Pedelecs laut einer„präventive-Wartung-Methodologie“ geplant werden. Das bedeutet, dass die Benutzer des Pedelecs nach einer vorbestimmten zurückgelegten Entfernung zur Wartung des Pedelecs
empfohlene Maßnahmen durchführen oder durchführen lassen sollen.
Außerdem kennt der Stand der Technik insbesondere im Bereich der
Automobiltechnik oder Flugzeugtechnik Ansätze einer„prädiktive-Wartung- Methologie“. Bei diesem Ansatz werden anhand großer Mengen von verfügbaren Daten auf Systemzustände rückgeschlossen.
Offenbarung der Erfindung
Das erfindungsgemäße Verfahren ermöglicht eine Verbesserung der Effizienz bei der Wartung des Antriebs. So kann im Gegensatz zum Stand der Technik auf die Wartung verzichtet werden, wenn der Antrieb keine Anomalien aufweist. Auch ist verhindert, dass der Antrieb innerhalb des Wartungsintervalls aufgrund eines unentdeckten Defekts ausfällt. Somit ist der Antrieb bevorzugt stets in einem fahrbereiten Zustand, wobei der Benutzer des Antriebs nur dann eine
Aufforderung zur Wartung erhält, wenn dies notwendig ist. Es wird somit ein Ansatz einer prädiktiven Wartung verfolgt. Das Verfahren kann Aufwandsarm durchgeführt werden und benötigt zur Durchführung nur einen geringen
Energieaufwand, sodass das Verfahren optimal zur Anwendung in Steuergeräten von mobilen Antrieben, insbesondere von Fahrrädern, verwendet werden kann.
In einem Fahrrad treten auch äußere Störungen, wie Geräusche,
Umgebungstemperatureinflüsse, Untergrundunebenheiten, Fahrprofil des Benutzers, Gewicht des Benutzers, oder ähnliches auf. Das erfindungsgemäße Verfahren minimiert den Einfluss von solchen Störungen, um Fehlalarme zu vermeiden.
Das Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs eines Fortbewegungsmittels, insbesondere eines Fahrrads, weist die folgenden Schritte auf: Zunächst erfolgt ein Bereitstellen von Sensordaten von Sensoren des Antriebs. Die Sensordaten zeigen Parameter des Antriebs an. Insbesondere werden nur solche Sensoren verwendet, die ohnehin für den Betrieb des Antriebs notwendig sind. Wenn ein aktueller Betriebsbereich des Antriebs und/oder des Fortbewegungsmittels einem vordefinierten Betriebsbereich entspricht, erfolgt ein Speichern von Sensordaten. Diese Sensordaten werden als Mess- Sensorsignalen gespeichert, wenn die Sensordaten von für den vordefinierten Betriebsbereich vordefinierten Sensoren stammen. Auf diese Weise werden nur solche Sensorsignale beachtet, von denen zu erwarten ist, dass eine Anomalie des Antriebs zuverlässig angezeigt wird. So können beispielsweise Lagerfehler mit zunehmenden Drehmoment nur schwer detektiert werden, sodass hierfür als Betriebsbereich eine Drehmomentobergrenze vorgesehen ist. Schließlich erfolgt ein Erkennen eines Defekts des Antriebs, wenn zumindest eines der Mess- Sensorsignale von einem vordefinierten Norm-Sensorsignal abweicht. Das Abweichen hat zumindest um ein vordefiniertes Maß zu erfolgen, um einen Defekt des Antriebs zuverlässig erkennen zu können. Das Norm-Sensorsignal ist insbesondere durch Aufzeichnen der Sensordaten bei einem Antrieb ohne Defekte bereitgestellt und bevorzugt in einer Steuereinheit gespeichert. Zuletzt erfolgt ein Ausgeben einer Warnung über das Vorliegen des Defekts an einen Benutzer des Fortbewegungsmittels. Dies kann akustisch und/oder graphisch und/oder haptisch erfolgen.
Somit ist insbesondere ermöglicht, Sensordaten nur dann zu berücksichtigen, wenn ein aktueller Betriebsbereich des Antriebs erwarten lässt, dass diese Sensordaten einen Defekt zuverlässig anzeigen können. Ist dies nicht der Fall, so erfolgt insbesondere keine Speicherung der Sensordaten. Dadurch ist ein Durchführungsaufwand des Verfahrens minimiert.
Die genannten Schritte werden bevorzugt wiederholend ausgeführt, zumindest einmal pro 60 Minuten. Somit kann sichergestellt werden, dass Defekte frühzeitig als solche erkannt werden können.
Die Unteransprüche zeigen bevorzugte Weiterbildungen der Erfindung.
Wie zuvor beschrieben erfolgt bevorzugt ein Vergleich von Norm-Sensorsignal und Mess-Sensorsignal, um zu erkennen, ob ein Defekt vorliegt. Bevorzugt ist vorgesehen, dass ein Berechnen eines Zustandsparameters des Antriebs aus einer Abweichung zwischen Mess-Sensorsignal und Norm-Sensorsignal erfolgt. Dieser Zustandsparameter repräsentiert einen Zustand des Antriebs stellt somit ein Maß für eine Abweichung des Zustands des Antriebs von einem
Normalzustand dar. Ein Defekt wird dann erkannt, wenn der Zustandsparameter einen dem vordefinierten Maß entsprechenden Grenzwert überschreitet. Auf diese Weise lassen sich Mess-Sensorsignal und Norm-Sensorsignal vereinfacht handhaben, insbesondere vergleichen.
Bevorzugt erfolgt ein Schritt des Klassifizierens des Mess-Sensorsignals anhand zumindest einer vordefinierten statistischen Kennzahl. Somit kann das Mess- Sensorsignal in ein statistische Werte umgerechnet werden. Eine Speicherung des Mess-Sensorsignals ist dann nicht mehr nötig. Vielmehr kann der
Speicherplatz freigegeben werden, um so den notwendigen Speicherplatzbedarf zu minimieren. Das Berechnen des Zustandsparameters erfolgt besonders vorteilhaft anhand des Mahalanobisabstand zwischen der statistischen Kennzahl des Mess-Sensorsignals und derselben statistischen Kennzahl des Norm- Sensorsignals. Somit ist das Verfahren einfach und aufwandsarm, gleichzeitig aber zuverlässig ausführbar. Besonders vorteilhaft handelt es sich bei der vordefinierten statistischen
Kennzahl ein Mittelwert und/oder eine Standardabweichung und/oder eine Schiefe und/oder eine Kurtosis und/oder ein Formparameter. Diese Kennzahlen lassen sich einfach aus den Sensordaten errechnen.
In einer vorteilhaften Weiterbildung erfolgt außerdem ein Schätzen einer
Restnutzungsdauer des Antriebs. Die Restnutzungsdauer gibt an, wie lange der Antrieb bis zu einem Ausfall betrieben werden kann. Die Schätzung erfolgt durch extrapolieren eines zeitlichen Verlaufs des Zustandsparameters anhand von vordefinierten Abbaukurven. Die Abbaukurven geben modellhaft an, wie sich ein beginnender Defekt auswirkt, sodass daraus die Restnutzungsdauer geschätzt werden kann. Die Abbaukurven sind insbesondere durch Aufzeichnen der Sensordaten eines defekten Antriebs bis zum vollständigen Ausfall vorab erhalten worden und in einer Steuereinheit gespeichert.
Bevorzugt ist vorgesehen, dass der Schritt des Ausgebens nur dann erfolgt, wenn durch einen Abfrageschritt erkannt wird, dass die Restnutzungsdauer geringer als ein vordefinierter Grenzwert ist. Durch diese zusätzliche Prüfung wird festgestellt, ob zwar ein Defekt vorliegt, dieser Defekt aber nicht unmittelbar das Risiko eines Ausfalls mit sich bringt. In diesem Fall wird auf eine Ausgabe verzichtet.
Der vordefinierte Betriebsbereich und/oder die vordefinierte statistische Kennzahl sind vorteilhafterweise vorab durch Sammeln von Test-Sensordaten bestimmt. Die Test-Sensordaten sind mittels Sensoren an zumindest einem defekten Antrieb, insbesondere an mehreren defekten Antrieben, erfasst worden, sodass die Test-Sensordaten solche Sensordaten darstellen, die bei einem Defekt des Antriebs auftreten. Als der vordefinierte Betriebsbereich und/oder die
vordefinierte statistische Kennzahl werden solche Test-Sensordaten verwendet, die eine maximale Klassifikationsgenauigkeit des Defekts des Antriebs ermöglichen. Auf diese Weise erfolgt insbesondere eine Reduktion der
Sensoren, die im Betrieb des Antriebs zu überwachen sind, um einen Defekt des Antriebs zuverlässig zu erkennen.
Besonders bevorzugt sind der vordefinierte Betriebsbereich und/oder die vordefinierte statistische Kennzahl unterschiedlich für unterschiedliche Defekte des Antriebs. Dadurch sind der vordefinierte Betriebsbereich und/oder die vordefinierte statistische Kennzahl für unterschiedliche Defekte separat bestimmt worden. Dies ermöglicht verschiedene Fehlerbilder des Antriebs zu
unterscheiden, sodass insbesondere ermöglicht ist, eine genaue Schätzung abzugeben, wie lange der Antrieb bis zu einem vollständigen Ausfall noch verwendet werden kann.
Des Weiteren ist bevorzugt vorgesehen, dass jedes Norm-Sensorsignal vorab mittels der vordefinierten Sensoren in dem vordefinierten Betriebsbereich an zumindest einem defektfreien Antrieb ermittelt wurde. Somit kann überprüft werden, ob und zu welchem Grad das Mess-Sensorsignal von dem Norm- Sensorsignal abweicht, was den Rückschluss auf einen Zustand des Antriebs erlaubt. Insbesondere lässt sich auf einen Defekt schließen, wenn das Mess- Sensorsignal um mehr als ein vordefiniertes Maß von dem Norm-Sensorsignal abweicht. Besonders vorteilhaft wird das Norm-Sensorsignal anhand einer Vielzahl von defektfreien Antrieben ermittelt.
Besonders vorteilhaft lässt sich das beschriebene Verfahren anwenden, um Lagerschäden und/oder Getriebeschäden zu detektieren. Daher ist bevorzugt vorgesehen, dass der Defekt des Antriebs, der im zuvor beschriebenen Schritt des Erkennens erkannt wird, ein Lagerschaden und/oder ein Getriebeschaden ist. Somit lassen sich Lagerschäden und/oder Getriebeschäden sicher und zuverlässig erkennen, wobei insbesondere ermöglicht ist, dem Benutzer einen Hinweis zu geben, wie lange das Antrieb bis zu einem Ausfall voraussichtlich noch verwendet werden kann.
Bei den vordefinierten Sensoren handelt es sich insbesondere ausschließlich um solche Sensoren, die zum Ansteuern des Antriebs notwendig sind. Somit sind insbesondere keine zusätzlichen Sensoren anzubringen. Vielmehr kann besonders vorteilhaft auf bereits im Antrieb vorhandene Sensoren
Zurückgegriffen werden. Bevorzugt weisen die vordefinierten Sensoren zumindest einen Stromsensor zum Erfassen eines elektrischen Phasenstroms des Antriebs und/oder Spannungssensor zum Erfassen einer elektrischen Phasenspannung des Antriebs und/oder Temperatursensor des Antriebs und/oder Beschleunigungssensor und/oder Geschwindigkeitssensoren und/oder Kadenzsensor zum Erfassen einer Trittfrequenz eines Benutzers des
Fortbewegungsmittels und/oder Drehmomentsensor zum Erfassen eines von dem Benutzer des Fortbewegungsmittels aufgebrachten Drehmoments auf. Insbesondere der Spannungssensor kann auch ein Mikrocontroller sein, der die elektrische Phasenspannung, beispielsweise zum Regeln des Antriebs, berechnet.
Die Erfindung betrifft weiterhin ein Computerprogramm. Das Computerprogramm ist eingerichtet, das Verfahren wie zuvor beschrieben auszuführen. Das
Computerprogramm benötigt daher minimale Anforderungen an Rechenleistung und Speicher. Das Computerprogramm kann daher einfach und aufwandsarm in einem Fortbewegungsmittel, insbesondere einem Fahrrad, verwendet werden.
Bei solchen Anwendungsfällen stehen üblicherweise nur begrenzte Ressourcen zur Verfügung.
Die Erfindung betrifft ebenso ein maschinenlesbares Speichermedium. Auf dem Speichermedium ist das Computerprogramm gespeichert ist. Bei dem
Speichermedium kann es sich insbesondere um einen Flash-Speicher oder um einen Magnetspeicher handeln. Besonders vorteilhaft ist das Speichermedium Teil eines Mikrokontrollers eines Fahrrads mit Elektroantrieb. Die verwendeten Sensordaten werden bevorzugt ebenfalls in dem Mikrokontroller des Fahrrads gespeichert. Durch das zuvor beschriebene Verfahren ist die zu speichernde Datenanzahl minimiert, sodass das Speichern bevorzugt in einem Speichermodul mit begrenzter Kapazität, wie bei einem Mikrokontroller der Fall, möglich ist. Es ist auch möglich ein zusätzliches Speichermedium einzufügen, wie
beispielsweise einen zusätzlichen Mikrokontroller. Die Sensordaten können vorteilhaft auch in einer Cloud gespeichert werden.
Schließlich betrifft die Erfindung ein Fahrrad mit einem elektrischen Antrieb.
Durch den Antrieb ist eine Fortbewegung des Fahrrads unterstützt, indem ein von einem Benutzer durch Muskelkraft generierte Antriebskraft verstärkt wird.
Der Antrieb weist eine Steuereinheit auf. Die Steuereinheit dient zum Ausführen des Computerprogramms wie zuvor beschrieben. Alternativ oder zusätzlich ist die Steuereinheit ausgebildet, ein Verfahren wie zuvor beschrieben auszuführen. Besonders vorteilhaft ist außerdem eine Geländeerkennung und Ausschließen der währenddessen gewonnenen Sensordaten. So können verfälschte
Sensordaten unberücksichtigt bleiben.
Besonders vorteilhaft erfolgt ein Abtasten des Mess-Sensorsignals mit einer Abtastzeit von 10 ms. Somit ist ein optimaler Kompromiss und zwischen einerseits einem akkuraten Abtasten und andererseits einem geringen
Speicherbedarf erreicht.
Kurze Beschreibung der Zeichnung
Nachfolgend werden Ausführungsbeispiele der Erfindung unter Bezugnahme auf die begleitende Zeichnung im Detail beschrieben. In der Zeichnung ist:
Figur 1 eine schematische Abbildung eines Fahrrads gemäß einem
Ausführungsbeispiel der Erfindung,
Figur 2 eine schematische Abbildung des Zusammenspiels einzelner
Komponenten des Fahrrads gemäß dem Ausführungsbeispiel der Erfindung,
Figur 3 eine schematische Ansicht eines Verfahrens gemäß einem
Ausführungsbeispiel der Erfindung,
Figur 4 eine schematische Ansicht eines mittels des Verfahrens gemäß dem Ausführungsbeispiel der Erfindung generierten
Zustandsparameters,
Figur 5 eine schematische Ansicht eines Ablaufs einer
Restnutzungsdauerschätzung des Verfahrens gemäß dem Ausführungsbeispiel der Erfindung,
Figur 6 eine schematische Ansicht eines beispielshaften Ablaufs
Verfahren gemäß dem Ausführungsbeispiel der Erfindung, und
Figur 7 ein schematisches Flussdiagramm eines Verfahrens zum
Ermitteln von Rahmenbedingungen für das Verfahren gemäß dem Ausführungsbeispiel der Erfindung.
Ausführungsform der Erfindung
Figur 1 zeigt schematisch ein Fahrrad 1 gemäß einem Ausführungsbeispiel der
Erfindung. Das Fahrrad 1 weist einen Antrieb 2 und ein Display 3 auf. Der Antrieb 2 ist insbesondere ein Elektromotor und dient zur Unterstützung einer von einem Benutzer des Fahrrads 1 aufgebrachten Muskelkraft.
Figur 2 zeigt schematisch das Zusammenspiel verschiedener Komponenten des Fahrrads 1. So weist der Antrieb 2 ein Elektroantriebsmodul 4 auf. Dieses Elektroantriebsmodul 4 weist bevorzugt ein Getriebe auf. Das
Elektroantriebsmodul 4 ist von einer Vielzahl von Sensoren 6 überwachbar, wobei besonders bevorzugt Spannungssensoren 6a und/oder Stromsensoren 6b und/oder Temperatursensoren 6c und/oder Beschleunigungssensoren 6d und/oder Drehmomentsensoren 6e und/oder Geschwindigkeitssensoren 6f vorgesehen sind. Sensordaten dieser Sensoren 6 lassen sich über eine
Steuereinheit 5 auslesen und weiterverarbeiten, was insbesondere mit Bezug auf Figur 3 erklärt wird. Sollte anhand der Sensordaten eine Anomalie des Antriebs 2 vorliegen, so kann die Steuereinheit 5 über das Display 3 einen Hinweis an den Benutzer ausgeben, dass eine Wartung durchgeführt werden sollte. Die dazu verwendeten Verfahren sind besonders an die Steuereinheit 5 angepasst und benötigen nur geringen Speicherplatz und geringe Rechenleistung.
Figur 3 zeigt schematisch einen Ablaufplan eines Verfahrens gemäß einem Ausführungsbeispiel der Erfindung. Dieses Verfahren wird insbesondere in der Steuereinheit 5 durchgeführt und dient der Ermittlung eines Zustands des Antriebs 2. Ein Vorteil dieses Verfahrens ist das Nutzen von Informationen, die von den im Antrieb 2 vorhanden Sensoren 6 geliefert wird. Zusätzlich werden mittels einer Off-Line Analyse, die nachfolgend mit Bezug auf Figur 7 und Figur 8 erklärt wird, die relevantesten Sensoren 6 und Betriebsbereich des Antriebs 2, die die Identifikationsfähigkeit eines Defekts steigern, festgestellt. Dadurch ist der Bedarf an Speicherplatz der Steuereinheit 5 minimiert. Somit ist eine
zuverlässige Erkennung von Defekten ermöglicht, wobei geringe
Rechenleistungen für das Ausführen des Verfahrens notwendig ist. Im
Gegensatz zu anderen Lösungen, die sich auf stationäre Systeme konzentrieren, die stets unter gleichen Bedingungen im Betrieb sind, wie beispielsweise im Prüfstand, verwendet das Verfahren die Unterscheidung von Betriebsbereichen. Insbesondere sind Betriebsbedingungen bei einem Fahrrad im Einsatz nicht wie in einem Labor reproduzierbar.
Es werden daher Sensordaten 10 der Sensoren 6 bereitgestellt. Ein Speichern 11 der Sensordaten 10 erfolgt jedoch nur dann, wenn ein aktueller Betriebsbereich des Antriebs 2 und/oder des Fortbewegungsmittels einem vordefinierten Betriebsbereich 20 entspricht. Außerdem werden nur solche Sensordaten 11 als Mess-Sensorsignalen gespeichert, die von für den vordefinierten Betriebsbereich 20 vordefinierten Sensoren 6 stammen.
Als weiterer relevanter Schritt erfolgt ein Erkennen 12 eines Defekts. Um diesen Schritt zu vereinfachen, erfolgt außerdem ein Klassifizieren 17 des Mess- Sensorsignals sowie ein Berechnen 14 eines Zustandsparameters 200 des Antriebs 2. Das Klassifizieren 17 des Mess-Sensorsignals erfolgt anhand zumindest einer vordefinierten statistischen Kennzahl 19. Die vordefinierte statistische Kennzahl ist insbesondre ein Mittelwert und/oder eine
Standardabweichung und/oder eine Schiefe und/oder eine Kurtosis und/oder ein Formparameter ist. Somit sind nicht weiter die Mess-Sensorsignale selbst zu speichern, sondern diese werden in statistische Kenngrößen umgerechnet. Somit kann der Speicherbedarf reduziert werden. Die weitere Verarbeitung erfolgt dann anhand der statistischen Kenngrößen der Mess-Sensorsignale und nicht anhand der Rohdaten der Mess-Sensorsignale selbst.
Das Berechnen 14 des Zustandsparameters 200 des Antriebs 2 erfolgt anhand einer Abweichung zwischen Mess-Sensorsignal und einem vordefinierten Norm- Sensorsignal 18. Der Zustandsparameter 200 ist somit ein Maß für eine
Abweichung des Zustands des Antriebs 2 von einem Normalzustand. Ist die Abweichung groß, so deutet dies auf ein Vorliegen eines Defekts hin. Besonders vorteilhaft erfolgt das Berechnen 14 des Zustandsparameters 200 anhand des Mahalanobisabstand zwischen der statistischen Kennzahl 19 des Mess- Sensorsignals und derselben statistischen Kennzahl des Norm-Sensorsignals 18.
Ein Defekt wird dann erkannt, wenn zumindest eines der Mess-Sensorsignale zumindest um ein vordefiniertes Maß von einem vordefinierten Norm- Sensorsignal abweicht. Dies bedeutet, dass der Zustandsparameter 200, der die Abweichung zwischen Mess-Sensorsignal und Norm-Sensorsignal 18 darstellt, einen vordefinierten Grenzwert überschreiten muss, um einen Defekt zu erkennen. Der Grenzwert entspricht dann dem beschriebenen vordefinierten Maß der Abweichung zwischen Norm-Sensorsignal 18 und Mess-Sensorsignal. Das vorausgehende Ermitteln des Norm-Sensorsignals 18 wird nachfolgend mit Bezug auf Figur 7 und Figur 8 beschrieben. Ist der Schritt des Erkennens 12 eines Defekts nicht positiv, d.h. liegt kein Defekt vor, so werden die Schritte des Speicherns 11 , Klassifizierens 17 und Berechnen 14 des Zustandsparameters 200 erneut durchgeführt. Insbesondere liegen für das erneute Durchführen dieser Schritte neue Sensordaten vor, da während des erstmaligen Durchführens der genannten Schritte eine gewisse Zeit vergangen ist. Es ist ebenso möglich, dass vor dem erneuten Ausführen der genannten Schritte eine vorbestimmte Offset-Zeitspanne abgewartet wird.
Die Sensordaten können vor oder während der Schritte des Speicherns 11 oder Klassifizierens 17 zur Rauschunterdrückung gefiltert werden. Dies vereinfacht das Berechnen des Zustandsparameters 200 und Vergrößert die Genauigkeit der Aussage des Zustandsparameters 200.
Figur 4 zeigt schematisch ein Diagramm, bei dem die Ordinate die Größe des Zustandsparameters 200 und die Abszisse eine Nummer der Messung darstellt, bei der der Zustandsparameter 200 bestimmt wurde. Es ist linksseitig der Beispielgrenze 300 beispielhaft gezeigt, dass bei einem intakten Antrieb 2 der Zustandsparameter 200 nahe Null ist. Rechtsseitig der Beispielgrenze 300 sind größere Werte Zustandsparameter 200 dargestellt, wie dies bei einem Defekt des Antriebs 2 der Fall ist. Anhand des Zustandsparameters 200 ist der Defekt somit einfach und zuverlässig erkennbar.
Wurde ein Defekt erkannt, so wird bevorzugt ein Schritt des Schätzens 15 einer Restnutzungsdauer des Antriebs 2 ausgeführt. Das Verfahren unterscheidet insbesondere anhand unterschiedlicher vordefinierter Betriebszustände 20 und/oder vordefinierter statistischer Kennzahlen 19 und/oder vordefinierter Norm- Sensorsignale 18 Die Restnutzungsdauer gibt eine Zeitspanne an, in der der Antrieb 2 bis zu einem vollständigen Ausfall betrieben werden kann. Das
Schätzen erfolgt durch extrapolieren eines zeitlichen Verlaufs des
Zustandsparameters 200 anhand von vordefinierten Abbaukurven 100. Dies ist in Figur 5 schematisch dargestellt. So verursacht jeder Defekt einen
unterschiedlichen Abbau des Zustands des Antriebs. Bei einigen Defekten tritt der Ausfall nach wenigen Zyklen auf, bei anderen kann der Antrieb 2 noch länger in Betrieb sein vor dem Ausfall. Figur 5 zeigt beispielhaft verschiedene
Abbaukurven 100, wobei eine erste Abbaukurve 100a am schnellsten zu einer Verschlechterung des Zustands und damit zu einem Ausfall führt, während eine zweite Abbaukurve 100b und eine dritte Abbaukurve 100c einen langsameren Abbau des Zustands und die vierte Abbaukurve 100d einen langsamsten Abbau des Zustands zeigen. Für das Schätzen 15 der Restnutzungsdauer wird die Information von der Abbaukurve 100, die ähnlich dem bisherigen Verlauf des Zustandsparameter 200 verläuft, genutzt.
In dem in Figur 5 gezeigten Beispiel zeigt die Ordinate eine Größe des
Zustandsparameters 200 und die Abszisse eine Anzahl von Zyklen.
Insbesondere ist die Figur 5 somit ähnlich der Figur 4, allerdings stellt die Abszisse durch eine andere Parametrierung einen größeren Bereich dar. Es ist gezeigt, dass der Zustandsparameter 200 bisher bis Zyklus 60 beobachtet wurde. Dabei folgt der Zustandsparameter 200 der vierten Abbaukurve 100d. Wenn als Grenze für einen Ausfall 10000 vordefiniert ist, dann könnte der Antrieb 2 insgesamt 40 weiteren Zyklen in Betrieb sein, bevor das Risiko für einen Ausfall sehr hoch ist. Würde der Zustandsparameter hingegen der dritten Abbaukurve 100c folgen, so würde vorausgesagt, dass der Antrieb 2 nur 10 weitere Zyklen in Betreibe sein könnte.
Es wird daher ein Abfrageschritt 16 durchgeführt, durch den erkannt wird, ob die Restnutzungsdauer geringer als ein vordefinierter Grenzwert ist. Der vordefinierte Grenzwert ist dabei abhängig von der oben genannten Grenze, an der mit sehr hoher Wahrscheinlichkeit mit einem Ausfall zu rechnen ist. Ist dieser Grenzwert überschritten, so wird der Abfrageschritt 16 positiv beendet und es erfolgt ein Ausgeben 13 einer Warnung über das Vorliegen des Defekts an einen Benutzer des Fahrrads 1. Der Benutzer wird dabei insbesondere aufgefordert, eine Wartung durchzuführen oder durchführen zu lassen. Sollte der Abfrageschritt 16 negativ sein, so wird die Restnutzungsdauer erneut berechnet, wobei ein aktualisierter Wert des Zustandsparameters verwendet wird.
Es lassen sich somit unterschiedliche Defekte einfach und aufwandsarm, gleichzeitig aber zuverlässig erkennen. Außerdem kann zuverlässig abgeschätzt werden, welche Restnutzungsdauer sich aus dem Defekt ergibt. Somit kann ein optimaler Zeitpunkt für die Durchführung einer Wartung des Antriebs 2 und/oder des Fahrrads 1 empfohlen werden.
Figur 6 zeigt eine schematische Ansicht eines beispielshaften Ablaufs Verfahren gemäß dem Ausführungsbeispiel der Erfindung. In diesem Beispiel weist der Antrieb 2 ein beschädigtes Lager auf. Vorab wurde, insbesondere wie in Figuren 7 und 8 gezeigt, sieben Merkmale identifiziert. Bei diesen Merkmalen handelt es sich um einen Mittelwert mean_ud einer Spannung ud, einen Formparameter SF_ud der Spannung ud, einen Mittelwert meanJA eines Motorphasenstroms IA, SF_IA, einen Mittelwert mean_ IC eines Motorphasenstroms IC, einen
Formparameter SF_IC des Motorphasenstroms IC, sowie eine Schiefe Sk_IC des Motorphasenstroms IC. Diese Merkmale wurden als vordefinierte statistische Kennzahlen 19 ermittelt, die somit eine zuverlässige Fehleridentifikation ermöglichen. Für die Erzeugung von diesen Merkmalen sind drei Sensorsignale 10 benötigt, den Motorphasenstrom IA und den Motorphasenstrom IC sowie die Spannung du. Die Motorphasenströme IA und IC lassen sich anhand von
Sensoren 6 erfassen, die Spannung ud ist insbesondere ein Parameter eines Reglers des Antriebs 2 und wird bevorzugt in der Steuereinheit 5 berechnet. Diese drei Sensordaten 10 werden in der Steuereinheit 5 durch ein Modul zum Ausführen des Schritts des Speicherns 11 gespeichert.
Die Sensordaten 10 verbleiben während einer vordefinierten Dauer, in diesem Beispiel 15 Sekunden, gespeichert. Danach werden diese Rohdaten der
Sensordaten 10 durch ein Modul zum Ausführen des Schritts des Klassifizierens 17 in statistischen Werte umgerechnet und anschließend aus dem Speicher gelöscht, sodass lediglich die statistischen Werte der Sensordaten in der
Steuereinheit 5 verbleiben. Von einem Modul zur Durchführung der Berechnung 14 erfolgt eine Bereitstellung des Zustandsparameters 200, anhand dessen eine Abweichung der statistischen Werten im Vergleich zum normalen Zustand identifiziert wird. Die Referenzwerten zum Vergleich mit dem normalen Zustand stammen von Messsignalen von Antrieben 2 ohne Defekte. Beispielsweise wurden fünf verschiedene Antriebe 2 als Referenz berücksichtigt. Allerdings kann die Anzahl von Antrieben 2, von denen die Referenzwerte gewonnen werden, beliebig erhöht werden, um so unterschiedliche Verhalten der Antriebe aufgrund von Fertigungstoleranzen auszumitteln.
Der Zustandsparameter wird außerdem von einem Modul zum Durchführen des Schritts des Abschätzens 15 der Restnutzungsdauer verwendet. Wenn die Restnutzungsdauer niedriger als ein vordefiniertes Wert ist, wird über das Display 3 eine Meldung mit der Bemerkung ausgegeben, dass das Fahrrad 1 zu Warten ist. Während einer Fahrt in einem Gelände können hohe Schwingungen an den Antrieb 2 übertragen werden, die wiederum die Aussagekraft des
Zustandsparameters 200 verfälschen können, Daher ist bevorzugt vorgesehen, dass anhand einer Funktion zur Geländeerkennung eine Möglichkeit zur Erkennung solcher Zustände gegeben ist. Bei Vorliegen einer Geländefahrt, die keine oder nur eine eingeschränkte Aussage über einen Defekt des Antriebs 2 zulässt, ist daher vorgesehen, dass die Sensordaten 10 nicht gespeichert werden, d.h. dass auf den Schritt des Speicherns 11 verzichtet wird, wodurch die nachfolgenden Schritte nicht ausgeführt werden.
Figuren 7 und 8 zeigen ein Off-Line Verfahren. Das Ziel von dem Off-Line Verfahren ist es, die Parameter zu finden, die eine zuverlässige Erkennung von Defekten sowie insbesondere auch Trennung von den Fehlerbildern
ermöglichen. Dadurch ist, wie zuvor beschrieben, ermöglicht, dass nur die relevantesten Sensordaten gespeichert werden. Dadurch ist die Anwendung des in Figur 3 gezeigten Verfahrens in der Steuereinheit 5 mit niedrigen
Speicherplatz möglich, sodass als Steuereinheit 5 beispielsweise ein
Mikrocontroller verwendet werden kann. Die im Off-Line Verfahren zu bestimmenden Parameter sind insbesondere der im Verfahren gemäß Figur 3 verwendete vordefinierten Betriebsbereich 20 und/der die im Verfahren gemäß Figur 3 verwendeten vordefinierten statistischen Kennzahlen 19. Mit diesen Parametern ist die Identifikation von Defekten am deutlichsten ermöglicht. Zum Beispiel ist es bei niedrigem Motor-Drehmoment möglich, einen Lagerausfall zu detektieren. Dahingegen haben bei höheren Drehmomente die Sensordaten von Antrieben 2 mit und ohne Lagerausfall ähnliches Verhalten, was die Identifikation des Fehlers erschwert oder verhindert. Außerdem soll die optimale
Merkmalanzahl, d.h. die Anzahl an statistischen Kennzahlen 19, und
insbesondere auch eine Dauer einer Messung bestimmt werden. Je kleiner alle diese Parameter sind, desto weniger Speicherplatz wird in der Steuereinheit 5 gebraucht.
Der erste Schritt in der Off-Line Analyse ist die Datensammlung 21 sowie die Datenverarbeitung 22, wobei der eine Vielzahl von Sensordaten anhand Tests mit Referenzen-Antrieben 2 und Mustern gesammelt wird. Die Referenz-Antriebe 2 und Muster sind mit bestimmten Defekten versehen. Die Antriebe 2 von einem Fahrrad haben normalerweise folgende Sensoren zur Verfügung:
Stromsensoren, Beschleunigungssensoren, Geschwindigkeitssensoren, Kadenzsensoren, Temperatursensoren, und Benutzer-Drehmomentsensoren. Anhand dieser Sensoren wird die Datensammlung 21 durchgeführt. Bevorzugt werden keine weiteren Sensoren zusätzlich angebracht. Außerdem ist es möglich die Drehzahl und Drehmoment des Elektroantriebsmoduls 4 und die Spannung und Strom eines Energiespeichers zu überwachen.
Anschließend erfolgt eine Wahl 23 eines Betriebsbereichs des Antriebs 2, für den eine Analyse vorgenommen werden soll. Anschließend erfolgt eine Umrechnung 24 in statistische Werte, wie dies zuvor bereits beschrieben wurde. Hierbei werden sämtliche statistischen Werte berechnet, die für das in Figur 3 gezeigte Verfahren als vordefinierte statistische Kennzahlen 19 dienen könnten. Somit liegt ein Set aus potentiellen relevanten Kenngrößen vor, wobei in einem nachfolgenden Schritt die für den gewählten Betriebsbereich relevanten
Kenngrößen ausgewählt werden. Dazu erfolgt eine Merkmal-Set-Generierung 25, durch die ein Set mit relevanten Merkmalen erzeugt wird. Die Merkmal-Set- Generierung 25 kann manuell durchgeführt werden, erfolgt aber besonders vorteilhaft anhand des„SVM-RFE“ Algorithmus mit Simulated Annealing
Optimierungsverfahren, welcher auch die Genauigkeit von den gewählten Merkmalen liefert. Dieser Algorithmus ist beschrieben in Guyon, I., Weston, J., Barnhill, S., & Vapnik, V. (2002). Gene Selection for Cancer Classification using Support Vector Machines. Machine learning 46(1-3), 389-422.
Beispielsweise kann als Ausgang ein Raum mit über hundert potentiell relevanten Kenngrößen verwendet werden, sodass eine manuelle Wahl der für das Verfahren gemäß Figur 3 verwendeten vordefinierten statistischen
Kenngrößen 19 sehr zeitaufwendig sein würde. Es wird daher der SVM-RFE Algorithmus mit Simulated Annealing Optimierungsverfahren genutzt, um diesen Prozess zu beschleunigen.
Anschließend wird eine Punktzahlberechnung 26 durchgeführt, bei der eine Punktzahl, die die Klassifikationsgenauigkeit des Sets und die Datengröße berücksichtigt, berechnet. Somit lässt sich das erhaltene Set klassifizieren.
In einem Überprüfungsschritt 27 wird überprüft, ob ein Bewertungskriterium erfüllt ist. Ist das Bewertungskriterium nicht erfolgt, so wird ein neuer Betriebsbereich gewählt, wodurch eine Iteration entsteht. Die Schritte der Wahl 23, Umrechnung 24, Merkmal-Set-Generierung 25 und Punktzahlberechnung 26 werden solange durchgeführt, bis das Bewertungskriterium erfüllt ist. Das Bewertungskriterium umfasst insbesondere eine minimale Punktzahl und/oder eine Anzahl an Iterationsschritten. Ist das Bewertungskriterium erfüllt, so stellt das Off-Line Verfahren optimale Parameter 28 zur Verfügung, die die in dem Verfahren gemäß Figur 3 verwendeten vordefinierten Betriebsbereich 20 und die vordefinierten statistischen Kenngrößen 19 beinhalten.

Claims

Ansprüche
1. Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs (2) eines Fortbewegungsmittels, insbesondere eines Fahrrads (1), aufweisend die Schritte:
• Bereitstellen von Sensordaten (10) von Sensoren (6) des Antriebs (2), wobei die Sensordaten (10) Parameter des Antriebs (2) anzeigen,
• wenn ein aktueller Betriebsbereich des Antriebs (2) und/oder des
Fortbewegungsmittels einem vordefinierten Betriebsbereich (20) entspricht, Speichern (11) solcher Sensordaten (10) als Mess- Sensorsignalen, die von für den vordefinierten Betriebsbereich (20) vordefinierten Sensoren (6) stammen, und
• Erkennen (12) eines Defekts des Antriebs (2), wenn zumindest eines der Mess-Sensorsignale zumindest um ein vordefiniertes Maß von einem vordefinierten Norm-Sensorsignal abweicht, sowie Ausgeben (13) einer Warnung über das Vorliegen des Defekts an einen Benutzer des Fortbewegungsmittels.
2. Verfahren nach Anspruch 1 , gekennzeichnet durch die Schritte:
• Berechnen (14) eines Zustandsparameters (200) des Antriebs (2) aus einer Abweichung zwischen Mess-Sensorsignal und Norm-Sensorsignal (18), wobei der Zustandsparameter (200) ein Maß für eine Abweichung des Zustands des Antriebs (2) von einem Normalzustand ist,
• wobei in dem Schritt des Erkennens (12) dann ein Defekt erkannt wird, wenn der Zustandsparameter (200) einen dem vordefinierten Maß entsprechenden Grenzwert überschreitet.
3. Verfahren nach Anspruch 2, gekennzeichnet durch den Schritt des
Klassifizierens (17) des Mess-Sensorsignals anhand zumindest einer vordefinierten statistischen Kennzahl (19), wobei das Berechnen (14) des Zustandsparameters (200) dem Mahalanobisabstand zwischen der statistischen Kennzahl (19) des Mess-Sensorsignals und derselben statistischen Kennzahl des Norm-Sensorsignals (18) entspricht.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die vordefinierte statistische Kennzahl ein Mittelwert und/oder eine Standardabweichung und/oder eine Schiefe und/oder eine Kurtosis und/oder ein Formparameter ist.
5. Verfahren nach einem der Ansprüche 2 bis 4, gekennzeichnet durch den Schritt: Schätzen (15) einer Restnutzungsdauer des Antriebs (2) bis zu einem Ausfall des Antriebs (2), indem ein zeitlicher Verlauf des
Zustandsparameters (200) anhand von vordefinierten Abbaukurven (100) extrapoliert wird.
6. Verfahren nach Anspruch 5 dadurch gekennzeichnet, dass der Schritt des Ausgebens (13) nur dann erfolgt, wenn durch einen Abfrageschritt (16) erkannt wird, dass die Restnutzungsdauer geringer als ein vordefinierter Grenzwert ist.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch
gekennzeichnet, dass der vordefinierte Betriebsbereich (20) und/oder die vordefinierte statistische Kennzahl (19) vorab durch Sammeln (21) von Test- Sensordaten bestimmt wurden, die mittels Sensoren (6) an zumindest einem defekten Antrieb (2) erfasst wurden, wobei der vordefinierte Betriebsbereich (20) und/oder die vordefinierte statistische Kennzahl (19) in den Test- Sensordaten eine maximale Klassifikationsgenauigkeit des Defekts des Antriebs (2) ermöglichen.
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass der vordefinierte Betriebsbereich (20) und/oder die vordefinierte statistische Kennzahl (19) vorab für unterschiedliche Defekte des Antriebs (2) separat bestimmt wurden.
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch
gekennzeichnet, dass jedes Norm-Sensorsignal vorab mittels der vordefinierten Sensoren (6) in dem vordefinierten Betriebsbereich an zumindest einem defektfreien Antrieb ermittelt wurde.
10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch
gekennzeichnet, dass der Defekt des Antriebs (2), der im Schritt des Erkennens (12) erkannt wird, ein Lagerschaden und/oder ein
Getriebeschaden ist.
11. Verfahren nach einem der vorhergehenden Ansprüche, dadurch
gekennzeichnet, dass die vordefinierten Sensoren (6) zumindest einen
• Stromsensor zum Erfassen eines elektrischen Phasenstroms des
Antriebs (2) und/oder
• Spannungssensor zum Erfassen einer elektrischen Phasenspannung des Antriebs (2) und/oder
• Temperatursensor des Antriebs (2) und/oder
• Beschleunigungssensor und/oder
• Geschwindigkeitssensoren und/oder
• Kadenzsensor zum Erfassen einer Trittfequenz eines Benutzers des Fortbewegungsmittels und/oder
• Drehmomentsensor zum Erfassen eines von dem Benutzer des
Fortbewegungsmittels aufgebrachten Drehmoments
aufweisen, wobei die vordefinierten Sensoren (6) insbesondere
ausschließlich solche Sensoren sind, die zum Ansteuern des Antriebs (2) notwendig sind.
12. Computerprogramm, das eingerichtet ist, das Verfahren nach einem der Ansprüche 1 bis 11 auszuführen.
13. Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 12, und insbesondere auch die Sensordaten (10), gespeichert ist.
14. Fahrrad (1) mit einem elektrischen Antrieb (2), wobei der Antrieb (2) eine Steuereinheit (5) aufweist, die zum Ausführen eines Computerprogramms nach Anspruch 12 und/oder eines Verfahrens nach einem der Ansprüche 1 bis 11 eingerichtet ist.
PCT/EP2020/055637 2019-03-12 2020-03-04 Verfahren zum ermitteln eines zustands eines elektrischen antriebs eines forbewegungsmittels WO2020182558A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/593,077 US20220153141A1 (en) 2019-03-12 2020-03-04 Method for ascertaining a state of an electric drive of a means of transportation

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
DE102019203364.4 2019-03-12
DE102019203364 2019-03-12
DE102019203816.6A DE102019203816B4 (de) 2019-03-12 2019-03-20 Verfahren zum Ermitteln eines Zustands eines elektrischen Antriebs eines Fahrrads, Computerprogramm, Speichermedium und Fahrrad
DE102019203816.6 2019-03-20

Publications (1)

Publication Number Publication Date
WO2020182558A1 true WO2020182558A1 (de) 2020-09-17

Family

ID=72241089

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2020/055637 WO2020182558A1 (de) 2019-03-12 2020-03-04 Verfahren zum ermitteln eines zustands eines elektrischen antriebs eines forbewegungsmittels

Country Status (3)

Country Link
US (1) US20220153141A1 (de)
DE (1) DE102019203816B4 (de)
WO (1) WO2020182558A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023126653A1 (en) 2021-12-28 2023-07-06 Bosch Car Multimedia Portugal S.A Data collection kit for attaching to a bicycle for acquiring mobility and environmental data, operation method thereof

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021214598A1 (de) 2021-12-17 2023-06-22 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Plausibilisieren eines Sensorsignals eines einspurigen Fahrzeugs

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0635423A1 (de) * 1993-07-23 1995-01-25 Yamaha Hatsudoki Kabushiki Kaisha Muskelgetriebenes Fahrzeug
EP2718065A1 (de) * 2011-06-08 2014-04-16 Robert Bosch GmbH VERFAHREN UND VORRICHTUNG ZUR VERSCHLEIßERKENNUNG AN EINEM ELEKTROFAHRRAD
DE102013226143B3 (de) * 2013-12-17 2015-03-05 Continental Automotive Gmbh Verfahren zur Erfassung eines Belastungseinbruchs eines elektrischen Hilfsantriebs, Steuerverfahren für einen elektrischen Hilfsantrieb eines Fahrrads und Hilfsantriebssteuerung für einen elektrischen Hilfsantrieb
DE102014212760A1 (de) * 2014-07-02 2015-03-19 Robert Bosch Gmbh Verfahren und Vorrichtung zur Plausibilisierung von Geschwindigkeitsdaten

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3276783B2 (ja) * 1994-08-18 2002-04-22 本田技研工業株式会社 電動補助自転車
DE102017220245A1 (de) * 2017-11-14 2019-05-16 Robert Bosch Gmbh Verfahren zur Überwachung eines Getriebes eines Fahrzeugs, Steuergerät, Getriebeanalyseverfahren und Servereinrichtung

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0635423A1 (de) * 1993-07-23 1995-01-25 Yamaha Hatsudoki Kabushiki Kaisha Muskelgetriebenes Fahrzeug
EP2718065A1 (de) * 2011-06-08 2014-04-16 Robert Bosch GmbH VERFAHREN UND VORRICHTUNG ZUR VERSCHLEIßERKENNUNG AN EINEM ELEKTROFAHRRAD
DE102013226143B3 (de) * 2013-12-17 2015-03-05 Continental Automotive Gmbh Verfahren zur Erfassung eines Belastungseinbruchs eines elektrischen Hilfsantriebs, Steuerverfahren für einen elektrischen Hilfsantrieb eines Fahrrads und Hilfsantriebssteuerung für einen elektrischen Hilfsantrieb
DE102014212760A1 (de) * 2014-07-02 2015-03-19 Robert Bosch Gmbh Verfahren und Vorrichtung zur Plausibilisierung von Geschwindigkeitsdaten

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
GUYON, I.WESTON, J.BARNHILL, S.VAPNIK, V.: "Gene Selection for Cancer Classification using Support Vector Machines", MACHINE LEARNING, vol. 46, no. 1-3, 2002, pages 389 - 422

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023126653A1 (en) 2021-12-28 2023-07-06 Bosch Car Multimedia Portugal S.A Data collection kit for attaching to a bicycle for acquiring mobility and environmental data, operation method thereof

Also Published As

Publication number Publication date
US20220153141A1 (en) 2022-05-19
DE102019203816B4 (de) 2020-10-29
DE102019203816A1 (de) 2020-09-17

Similar Documents

Publication Publication Date Title
DE102019103824A1 (de) Fehlervorhersagevorrichtung und maschinelle lernvorrichtung
DE102020212277A1 (de) Verfahren und Vorrichtung zum Bestimmen einer Restnutzungsdauer basierend auf einer prädiktiven Diagnose von Komponenten eines elektrischen Antriebssystems mithilfe Verfahren künstlicher Intelligenz
WO2020182558A1 (de) Verfahren zum ermitteln eines zustands eines elektrischen antriebs eines forbewegungsmittels
DE102020133556A1 (de) Vorrichtung und verfahren zum ermitteln eines reibungskoeffizienten eines bremsreibungsmaterials
EP3282399A1 (de) Verfahren zur verbesserten erkennung von prozessanomalien einer technischen anlage sowie entsprechendes diagnosesystem
WO2011018289A1 (de) Verfahren zur frühzeitigen schadenserkennung in einem kraftfahrzeuggetriebe
EP1197415B1 (de) Verfahren und Vorrichtung zur Erkennung eines schadhaften Wälzlagers eines Schienenfahrzeuges
DE10062606A1 (de) Verfahren und Einrichtung zum Überwachen des mechanischen Zustands von elektrisch angetriebenen Fahrzeugen im regulären Fahrbetrieb
DE102011114058A1 (de) Verfahren und Vorrichtung zu akustischen Beurteilung eines Bauteils
DE102008038890B4 (de) Verfahren und Vorrichtung zur Belastungszählung in einem elektromechanischen Lenksystem
DE102018127457A1 (de) Vorrichtung und Verfahren zur Zustandsüberwachung einer elektrischen Maschine
DE102015214987B4 (de) Bestimmung eines defekten Bauteils eines Fahrzeugs
DE102016208076A1 (de) Verfahren und vorrichtung zur auswertung eines eingabewerts in einem fahrerassistenzsystem, fahrerassistenzsystem und testsystem für ein fahrerassistenzsystem
DE102019107242A1 (de) Diagnoseverfahren, Diagnosesystem und Kraftfahrzeug
DE102020107528A1 (de) System zur Fehler-Diagnose und/oder Fehler-Prognose in Kraftfahrzeugen
DE102019107240A1 (de) Diagnoseverfahren, Diagnosesystem und Kraftfahrzeug
DE102007049711A1 (de) Verfahren zum Betreiben eines Steuergeräts
DE102019131456A1 (de) Verfahren zum Bestimmen einer Eigenschaft einer Maschine, insbesondere einer Werkzeugmaschine, ohne messtechnisches Erfassen der Eigenschaft
DE102022121526B3 (de) Verfahren zum akustischen Überprüfen eines Kraftfahrzeugs, insbesondere auf einem Prüfstand, sowie Prüfstand
DE102023118875B3 (de) Verfahren zur Erkennung eines Dämpferzustandes, System, Computerprogrammprodukt und Fahrzeug
DE102015221951A1 (de) Verfahren zur Überprüfung einer Überwachungsfunktion
EP2189863A1 (de) Verfahren zur Erfassung eines Maschinenzustandes
AT526596B1 (de) Verfahren für eine Bestimmung eines Alterungszustands einer Brennstoffzelle, eines Brennstoffzellenstapels und/oder eines Brennstoffzellensystems
DE102019210053B4 (de) Verfahren zum Betreiben eines Kraftfahrzeugs, das ein unzulässiges Bauteil aufweist
EP4105425A1 (de) Verfahren zur ermittlung und/oder überprüfung eines status eines türsystems, statusermittlungseinrichtung, system, computerprogrammprodukt

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20709171

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20709171

Country of ref document: EP

Kind code of ref document: A1