WO2022101092A1 - Device for calculating wear on a wiper blade - Google Patents

Device for calculating wear on a wiper blade Download PDF

Info

Publication number
WO2022101092A1
WO2022101092A1 PCT/EP2021/080715 EP2021080715W WO2022101092A1 WO 2022101092 A1 WO2022101092 A1 WO 2022101092A1 EP 2021080715 W EP2021080715 W EP 2021080715W WO 2022101092 A1 WO2022101092 A1 WO 2022101092A1
Authority
WO
WIPO (PCT)
Prior art keywords
wear
datum
wiper blade
values
accelerometer
Prior art date
Application number
PCT/EP2021/080715
Other languages
French (fr)
Inventor
Frederic GOSSELE
Vincent CORBOLIOU
Original Assignee
Valeo Systèmes d'Essuyage
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 Valeo Systèmes d'Essuyage filed Critical Valeo Systèmes d'Essuyage
Publication of WO2022101092A1 publication Critical patent/WO2022101092A1/en

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S1/00—Cleaning of vehicles
    • B60S1/02—Cleaning windscreens, windows or optical devices
    • B60S1/04—Wipers or the like, e.g. scrapers
    • B60S1/32—Wipers or the like, e.g. scrapers characterised by constructional features of wiper blade arms or blades
    • B60S1/38—Wiper blades
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S1/00—Cleaning of vehicles
    • B60S1/02—Cleaning windscreens, windows or optical devices
    • B60S1/04—Wipers or the like, e.g. scrapers
    • B60S1/32—Wipers or the like, e.g. scrapers characterised by constructional features of wiper blade arms or blades
    • B60S1/38—Wiper blades
    • B60S2001/3844—Wiper blades equipped with means to indicate wear or usage of blade
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound

Definitions

  • the present invention relates to the field of wiper blades and relates more particularly to a device for calculating the wear of said wiper blades.
  • Wiper blades have the particular function of sweeping a glazed surface of a vehicle in the event of washing of the latter or quite simply to wipe off raindrops in the event of bad weather in order to guarantee good visibility for the user. of the vehicle.
  • wiper blade wear detection systems There are wiper blade wear detection systems. When one of them is worn, the user of the vehicle can be warned via an audible signal or a light signal displayed on the dashboard of the vehicle. Having been warned, the user of the vehicle is then aware that he must replace the wiper blade as soon as possible.
  • Such a solution has a major defect in that the warning to the user of the vehicle is carried out when the wiper blade is no longer functional.
  • a more or less long period of time may pass where the user drives his vehicle with a worn wiper blade.
  • This period of time can be problematic in the event of heavy rain impairing visibility, and thus causing the user of the vehicle to take risks towards himself as well as towards other conveyed users or pedestrians. Furthermore, if the user bases himself on an average lifespan of the wiper blade of which his vehicle is equipped to replace it at the end of said average lifespan in order to avoid driving with a used blade, this entails a risk of premature replacement and therefore an economic disadvantage for the user of the vehicle.
  • the present invention falls within this context and proposes a device for calculating the wear of a vehicle wiper blade, comprising at least one accelerometer configured to measure the variations in speed of the wiper blade during an operation wiper blade, said wear calculation device comprising an electronic control unit configured to determine information relating to the replacement of the wiper blade as a function of the speed variations measured by the accelerometer, characterized in that the control unit electronic comprises a calculation unit configured to calculate a general level of wear of the wiper blade as a function of at least one datum representative of the speed variations measured by the accelerometer, said general level of wear being linked to a delay replacement after which the user must replace the wiper blade.
  • Such a wear calculation device therefore makes it possible to predict, via the implementation of an appropriate calculation model, the wear of the wiper blade fitted to the vehicle and therefore to predict the ideal time for replacing the wiper blade. wiping, instead of warning of a need to replace it at time t. The user of the vehicle is thus warned in advance that a wiper blade must be replaced shortly, and can therefore anticipate obtaining a new wiper blade. The previously mentioned period of driving with a worn wiper blade can therefore easily be avoided.
  • the user of the vehicle can use the latter throughout its lifetime and thus makes the time of use of each wiper blade used profitable, this which constitutes an economic advantage.
  • the invention proposes to calculate a general level of wear on the basis of the speed variation values that the accelerometer is responsible for measuring.
  • the speed variations are then sent to the electronic control unit configured to process these measurements and derive at least one piece of data representative of them.
  • This data is used to determine by calculation a general level of wear of the wiper blade, via the calculation unit of the electronic control unit.
  • the information obtained by the user on which he relies to consider the replacement of the brush is taken from a calculation of the level of wear of the brush exploiting the measured speed variations of the brush of wiping, the calculation making it possible to associate a wear profile with the wiper blade which gives an indication of the right moment at which to replace the wiper blade.
  • the invention differs from known wear detection operations in which immediate brush replacement information is sent to the user when the characteristics of the brush, and for example a measured speed variation, do not conform at a given range of values which means that the brush is too worn.
  • the calculation device is configured to establish a correspondence with a replacement period at the end of which the user must replace the wiper blade.
  • the replacement time therefore makes it possible to anticipate the moment when the wiper blade will no longer be functional.
  • Such a replacement time can for example be calculated in days, weeks or months. In this way, the user is not unprepared when faced with a worn wiper blade and can plan to obtain a new wiper blade in order to be able to proceed with the replacement immediately without putting himself in danger.
  • the accelerometer is configured to be linked to an arm carrying the wiper blade.
  • the accelerometer is attached to a windscreen wiper arm to which is attached the wiper blade whose wear is calculated.
  • the calculating device may comprise an accelerometer attached to each of the vehicle's windscreen wiper arms, in order to be able to calculate the wear of all the wiper blades of the vehicle, it being understood that it will advantageously be provided, for notions of cost in particular, to equip the computing device with a single accelerometer, on only one of the arms, because the wear is often the same on the two blades of the same windshield, and that these blades typically change in pairs. A single accelerometer on an arm is therefore sufficient.
  • the accelerometer may, without departing from the context of the invention, be placed on the blade, for example for greater accuracy of the measurement, or else be placed at other locations such as on the windshield for example.
  • Speed variations depend on the contact of the wiper blade against the glass surface, but these contacts are transmitted along the wiper blade and the arm to which the wiper blade is attached.
  • An accelerometer attached to the arm is therefore able to measure the variations in speed of the wiper blade.
  • the characteristics of the accelerometer, for example its weight, are such that it does not affect the movements or the function of the arm and/or the wiper blade.
  • the accelerometer is configured to measure a speed variation at several specific passage points during a cleaning cycle of the wiper blade, the calculation unit being configured to calculate the data on the basis of the speed variations measured at each specific passage point of the cleaning cycle.
  • Specific passpoints correspond to a plurality of times during a cleaning cycle, and changes in mop speed are measured at each of these passpoints.
  • cleaning cycle it should be understood a to-and-fro movement of the wiper blade against the glazed surface.
  • the cleaning cycle ends when the wiper blade reaches a position identical to an initial position that this wiper blade had at the start of this cycle. of cleaning.
  • the accelerometer is configured to measure a sample of several speed variations respectively related to several moments of the cleaning cycle.
  • the wiper blade can indeed adopt different behaviors, and in particular have a speed of movement or a level of pressure on the glass surface which differs from one point of the cycle to another. , and it is understood that the level of wear can have an impact amplified or minimized by these differences in dynamic behavior. Consequently, a measurement at a single point of the cleaning cycle could not be significant enough for an accurate calculation of the level of wear of the wiper blade as the invention envisages it in order to determine the optimal moment at which to change its blade. .
  • the data representative of the speed variations measured by the accelerometer is a quantity of vibrations of the wiper blade during at least one cleaning cycle. Vibrations are produced by contact between the wiper blade and the glass surface, and are naturally transmitted to the arm and therefore to the accelerometer.
  • the electronic control unit calculates an amount of vibration experienced by the broom based on the speed variations measured by the accelerometer. From one wiper blade to another, the quantity of vibrations undergone for the same speed variation may differ depending on the weight of the blade, the length of the arm at the end of which it is mounted and/or other parameters. structural or dynamic of the wiper system.
  • the calculation of the general level of wear according to the invention can thus be based on the notion of quantity of vibrations calculated from the speed variations in order to refine the calculation.
  • the given given as it forms part of the invention is a quantity of vibrations undergone by the broom punctually, for each point of the back and forth movement of the broom.
  • the electronic control unit comprises, in addition to the calculation unit, a neural network configured to participate in the calculation of said general level of wear.
  • a neural network is a system that is enriched by learning.
  • the neural network will receive and processing parameters, and taking into account the processing of these parameters for the reception and processing of subsequent parameters.
  • the neural network is fed with parameters beforehand during the wiper blade wear tests carried out by the manufacturers.
  • the computing unit processes the data(s) resulting from the measurement of speed variations by the accelerometer, these data are compared with the data previously processed in the neural network. From such a comparison, the calculation unit is then able to determine a wear class by comparison with the multiple wear profiles recorded in the neural network.
  • the calculation unit is configured to generate at least one transformed datum from the datum representative of the speed variations measured by the accelerometer, the neural network being configured to process said datum and/or each data transformed to calculate the general level of wear.
  • the fact of transforming the data representative of the speed variations measured by the accelerometer makes it possible to increase the total number of parameters taken into account for the calculation of a general level of wear, and for example to submit to a neural network. Multiplying the number of parameters by multiplying the number of data by transformed data thus increases the reliability of the calculation performed subsequently, if necessary by a neural network.
  • the calculation unit is configured to generate a first transformed datum resulting from the application of a fast Fourier transform to the datum representative of the speed variations measured by the accelerometer.
  • the calculation unit is configured to generate a second transformed datum resulting from the calculation of the power spectral density of the datum representative of the speed variations measured by the accelerometer. According to one characteristic of the invention, the calculation unit is configured to generate a third transformed datum resulting from an autocorrelation of the datum representative of the speed variations measured by the accelerometer.
  • the neural network is configured to receive a plurality of values of interest from said datum or from transformed datum and to determine a wear class specific to said datum and/or to each datum transformed.
  • the transformed data can be processed in parallel with the data determined on the basis of the variations in speed measured by the accelerometer.
  • the values of interest calculated for each datum or transformed datum are sent to the neural network to be considered against a cloud of values implemented in the neural network which is specific to such datum or transformed datum.
  • values of interest can for example be implemented in a decision tree of the neural network, each of the end branches of the decision tree corresponding to a wear class profile, a datum or a transformed datum, via its values of interest, being then associated with a state of wear of the wiper blade.
  • the neural network is configured to determine a wear class of the wiper blade by means of mathematical operations on values of interest and/or by means of step-by-step comparisons between a value of interest or a group of values of interest resulting from said datum or from a transformed datum and a value from a cloud of values already assimilated by learning the neural network.
  • the neural network receives values from the data or transformed data, the more it enriches its database by assimilating these values and this makes it possible to refine the determination of a wear class for the processing of subsequent values of interest, for example for calculating the wear of a blade newly fitted to the arm of the wiper system.
  • Each of the wear class profiles is thus refined over time, and this makes it possible to specify the determination of the level of wear of the wiper blade in subsequent calculations.
  • the neural network is configured to calculate the general wear level from the majority wear class among the wear classes determined for the datum and/or each transformed datum.
  • a wear class results from each of the data or transformed data considered by the calculation unit and, where applicable, the neural network.
  • These wear classes may differ from each other. In order to minimize the error, it is therefore the majority wear class, that is to say the most represented wear class among each of the wear class determinations, which is retained to determine the level wear of the wiper blade as a whole.
  • the calculation unit is configured to match the general level of wear obtained with said replacement period at the end of which the user must replace the wiper blade, each level of general wear corresponding at its own replacement time.
  • the higher the level of general wear of the wiper blade the lower the corresponding time before replacement. Over time, the wear of the wiper blade increases while the replacement time is reduced.
  • the calculation unit it is possible to predict the appropriate time to replace the wiper blade.
  • the electronic control unit is configured to transmit to the user, via a display device, information relating to the replacement of the wiper blade, said information consisting of the replacement time at the end of which the user must replace the wiper blade.
  • the user is warned of the replacement time visually.
  • the transmission of the replacement time via the display device can for example be done each time the wiper blade is active on the glazed surface, or even at the request of the user, for example by pressing a button.
  • the information displayed via the display device can also consist of a gauge representing the blade wear level, taken directly from the wear class associated with the wiper blade.
  • the information relating to the replacement of the wiper blade can also be sent to a remote server, with all or part of the values of interest associated with this wiper blade, so that this information and values are subsequently used by other computing devices and that they can be redirected to a person/entity different from the user, such as a fleet manager, a dealer or an equipment manufacturer responsible for the manufacture of the brushes .
  • the invention also covers a method for calculating the wear of a wiper blade for a vehicle, implemented by a wear calculation device as described above, comprising: a first step of measuring the speed variations of the wiper blade by the accelerometer, a second step of calculating the datum by the calculation unit from the speed variations detected by the accelerometer, a third step of transmitting to the neural network the values of interest coming from the data, a fourth step of determining the class of wear and the general level of wear by the neural network, a fifth step of converting the general level of wear into a replacement time at the end of which the user must replace the wiper blade.
  • Such a process can be initiated manually by the user, or else be launched automatically as soon as the wiper blade is set in motion.
  • the wear calculation process can only be initiated if the wiper blade is in motion. Subsequently, the process proceeds according to what has been described above.
  • the method comprises an intermediate step, subsequent to the second step and prior to the third step, transforming the datum into at least one transformed datum, said transformed datum being taken into account during the steps subsequent to said intermediate step.
  • FIG. 1 is a schematic representation of a wiper blade wear calculation device according to the invention.
  • FIG. 1 is a diagram illustrating calculated data, here a quantity of vibrations undergone by a worn wiper blade during cleaning cycles, on the basis of speed variations measured by an accelerometer of the wear calculation device,
  • FIG. 3 is a diagram similar to that of figure 2, this time illustrating data corresponding to a new wiper blade
  • FIG. 4 is a diagram illustrating the taking into account by a neural network of values of interest in a datum corresponding to a quantity of vibrations as illustrated in figure 2 or figure 3 and of values of interest noted in a plurality of data transformed on the basis of this data,
  • FIG. 5 is a diagram illustrating the processing of the values of interest, the data and the transformed data, by a neural network of the wear calculation device, making it possible to calculate a general level of wear of the wiper blade as well only a period of replacement of the latter.
  • FIG. 1 represents a wear calculation device 1 according to the invention.
  • the wear calculation device 1 interacts with a wiping device 9, which has the function of wiping a glazed surface, the latter not being shown here.
  • the wiper device 9 comprises a wiper blade 2, intended to be in contact with the glazed surface, and an arm 3 at the end of which the wiper blade 2 is mounted, and which is driven for example in rotation to move the wiper blade 2 along the glazed surface in a back and forth motion.
  • the wiper blade 2 comprises in particular a wiper blade, for example made of rubber, mounted on a wiper support, the wiper blade being intended to be in direct contact with the glazed surface and the support being intended to be connected to the arm.
  • wiper blade 2 The service life of wiper blade 2 is limited in time. It is therefore important to replace it regularly.
  • the wiper blade 2 can in particular wear due to the repetition of the to-and-fro movement against the glass surface. When wiper blade 2 is totally worn, it no longer wipes the glass surface correctly. This may result in a loss of visibility of a user observing through the glass surface, which may prove dangerous for the safety of the user or others.
  • the wear calculation device 1 is configured to calculate a level of wear enabling the user to know precisely when to change the wiper blade
  • the wear calculation device 1 comprises an accelerometer 4 which is configured to detect the variations in speed of the wiper blade 2 during its back and forth movement along the glazed surface.
  • the accelerometer is embedded on one of the mobile components of the wiper device 9, namely the arm 3 or the wiper blade 2. More particularly, and as can be seen in FIG. 1, the accelerometer is advantageously placed at the level of the arm 3 of the wiper system 9 and therefore follows the movements of the arm 3 when the latter is in motion.
  • the accelerometer 4 can be fixed on the arm 3 in various ways, the main thing being that it is capable of detecting the variations in speed of the wiper blade 2 without however impairing the operation of the wiping device 9.
  • the wear calculation device uses the same accelerometer for each of the measurements regardless of the blade mounted at the end of the arm, which makes it possible to make the measurements and the calculation by the device of a general level more reliable of wear.
  • the wear calculation device i comprises an electronic control unit 5, where the measurements recorded by the accelerometer 4 are transmitted.
  • the electronic control unit 5 is in particular configured to retrieve said measurements and to process and analyze them.
  • the function of the electronic control unit 5 is to determine by calculation a general level of wear making it possible to deduce therefrom a replacement time of the wiper blade 2, and this from the measurements speed variations performed by the accelerometer 4.
  • the electronic control unit 5 notably comprises a calculation unit 6 and a neural network 7.
  • the calculation unit 6 receives the measurements of speed variations recorded by the accelerometer 4 and it is configured to processing the result of these measurements, for example to calculate a datum corresponding to a quantity of vibrations undergone by the wiper blade, and to deduce therefrom values of interest that this datum assumes during a defined period of time.
  • the calculation unit can also process this data to obtain, by calculation, transformed data corresponding to the same period of time and to deduce therefrom other values of interest.
  • the set of values of interest calculated by the processing of the data by the calculation unit 6 is subsequently transmitted to the neural network 7, as will be described in more detail below.
  • the electronic control unit 5, formed here by the calculation unit 6 and the neural network 7, is configured to calculate a general level of wear of the wiper blade in place on the arm equipped with the accelerometer, based on the different values of interest from the data 10 calculated and transmitted to the neural network 7, and from which the calculation unit deduces therefrom the replacement time of the wiper blade 2.
  • This replacement time is subsequently communicated to the user of the vehicle, for example by means of a display device 8.
  • the user thus knows the precise moment when he must change his wiper blade 2, which allows him not to change said wiper blade. wiping 2 neither too early in order to be able to use it in the most profitable way possible, nor too late in order to avoid driving with a damaged wiper blade 2.
  • FIG. 2 represents an example of a datum 10 formed by a curve of vibrations undergone by the blade such that it can be calculated on the basis of the measurements of variations in speed of the wiper blade by the accelerometer over a range of set time.
  • the calculation unit is in particular configured to calculate a datum 10, here a quantity of vibrations undergone by the wiper blade, as a function of the variation in speed of the blade at a given point of its back and forth movement, and here as a function, for example, of the mass of the blade and of the sweeping speed generated by the motorized actuation of the arm of the wiper system.
  • the calculation unit can then select a plurality of values of interest 100 within this datum 10, these values of interest being able for example each to correspond to peaks of the vibration curve, either positive than negative.
  • the curve in FIG. 2 represents the vibrations of a wiper blade during two consecutive cleaning cycles 11, a cleaning cycle 11 consisting of a back and forth movement which ends when the wiper blade wiping reaches a position that said wiper blade initially had at the start of said cleaning cycle 11.
  • the vibration peaks represented by the first set of peaks 12 and the second set of peaks 13 can in particular take place at times when the movement of the wiper blade changes direction, that is to say at times when the wiper blade reaches the end stroke of the movement back and forth and restarts in the opposite direction.
  • the wiper blade which is flexible and therefore has a curved profile with a free end in direct contact with the glass surface, sees the curvature of its profile change so as to be driven then in the opposite direction while remaining in contact with the glass surface.
  • the values of interest 100 previously mentioned are in particular identified in these sets of peaks 12, 13 .
  • the variations in speed of a wiper blade measured by the accelerometer differ depending on the state of wear of the wiper blade.
  • the invention thus proposes, from the measurement of speed variations by the accelerometer, to calculate a wear profile, and as mentioned a general level of wear of the wiper blade in order to predict the time replacing the wiper blade.
  • FIGS. 2 and 3 differ in particular by the amplitude of the sets of peaks 12, 13. These figures represent vibration curves calculated for two consecutive cleaning cycles as mentioned previously for the same broom. wipers at different stages of its use.
  • Figure 2 illustrates the vibrations calculated for the wiper blade when it is close to its replacement date
  • Figure 3 illustrates the vibrations calculated for this same wiper blade when it has just been installed recently.
  • the vibrations of the wiper blade in particular those represented by the second set of peaks 13, have a higher amplitude in FIG. 2, corresponding to a used wiper blade than in FIG. 3, whose sets peaks of lesser amplitude correspond to a broom still in good condition, which generates few vibrations when it is in motion.
  • FIG. 4 schematically represents a plurality of steps performed by the calculation unit 6 in order to participate in the determination of the wiper blade replacement time.
  • Calculation unit 6 after having determined the values of interest 100 of data 10 by analysis of the curve of quantity of vibrations undergone by the wiper blade, is configured to transform data 10 into one or more data transformed .
  • the calculation unit 6 associates one or more transformed data and determines for each transformed datum a set of additional values of interest. These are the set of values of interest from data 10 and the set of additional values of interest from the transformed data that are subsequently sent to the neural network to allow the calculation of the general level of wear.
  • the fact of transforming the datum 10 makes it possible to increase and diversify the amount of information processed by the neural network 7 and thus to consider in the calculation a greater number of parameters than by transmitting only the values of interest of the data 10. In this way, it is possible to refine the calculation carried out by the electronic control unit and thus reduce the margin of error in the determination of the general level of wear of the wiper blade carried out by the electronic control unit .
  • the datum 10 is transformed into a first transformed datum 21, a second transformed datum 22 and a third transformed datum 23.
  • the first transformed datum 21 is here obtained by a Fourier transform of the datum 10 on the common time base here equal to two cleaning cycles.
  • a second transformed datum 22 corresponds to a variation of the power spectral density of the datum 10.
  • the third transformed datum 23 corresponds to an autocorrelation of the corresponding datum 10.
  • Calculation unit 6 is configured to determine by calculation a plurality of additional values of interest specific to each transformed datum. These additional values of interest are again determined by specific calculation rules, which may be the same as those implemented for the calculation of the values of interest 100 of the data item 10, namely each value corresponding to a positive peak or negative of the curve.
  • the calculation rule implemented to determine the first additional values of interest 210 of the first transformed datum 21 consists of identifying positive peaks with an amplitude greater than a certain threshold, not all peaks are considered.
  • the calculation rule implemented to determine the second additional values of interest 220 of the second transformed datum 22 consists of the identification of each positive peak of the corresponding curve and the calculation rule implemented to determine the third additional values of interest 230 of the third transformed datum 23 consists of identifying each peak, positive or negative, of the corresponding curve
  • Each of the transformed data 21, 22, 23 and its corresponding additional values of interest 210, 220, 230 derive from the data 10 and they are therefore representative of the variations in speed of the wiper blade measured by the accelerometer, such that the analysis of the values associated with these data transformed by the neural network participates in determining the level of wear of the wiper blade.
  • the datum 10 is transformed by way of example into three particular types of transformed data, but without departing from the context of the invention, provision may be made for a datum 10 to be transformed according to other models mathematics and/or that the processing of a datum 10 generates a different number of transformed data.
  • the set of values of interest and additional values of interest that is to say the values determined by calculation from the datum 10 and from each of the transformed data, is then sent to the neural network 7.
  • the network neural 7 is formed by a plurality of clouds of values stored in its memory. Each of the clouds of values is specific to a datum or a transformed datum.
  • a first cloud of values 40 is relative to the datum 10 and allows the processing of the values of interest 100 determined by the study of this datum 10
  • a second cloud of values 41 is relative to the first transformed datum 21 and allows the processing of the first additional values of interest 210 determined by the study of this first transformed datum 21
  • a third cloud of values 42 relates to the second transformed datum 22 and allows the processing of the second additional values of interest 220 determined by the study of this second transformed datum 21
  • a fourth cloud of values 43 relates to the third transformed datum 23 and allows the processing of the third additional values of interest 230 determined by the study of this third transformed datum 23.
  • each value of a set of values of interest or of additional values of interest that is to say the values specific to the datum 10 or to each of the transformed data, is stored in memory within the cloud of values specific to said datum 10 or to each of said transformed data in order to be compared with the values of the corresponding clouds of values.
  • the neural network 7 is configured to assimilate all of the values sent to it by learning and to deduce therefrom a calculation of a class of wear to be associated with the wiper blade on which the speed variation measurements were carried out .
  • the neural network 7 is configured to establish a decision tree in order to determine to which state of wear a value or a set of values relates.
  • the values of each cloud of values are, initially, formed by values recovered by the manufacturers of wiper systems during reliability tests of wiper blades, during which different types of wiper blades are tested during their entire lifetime to create a starting database.
  • each value received is assimilated and stored within the neural network 7 in order to refine the scales of values and the associated states of wear.
  • the wear calculation device is refined and becomes increasingly precise, which also reduces the margins of error.
  • the stored values can be sent to a remote server so that it can pool the data from several wear calculations and that this makes it possible to then deduce even more precise results.
  • the neural network 7 associated with a wear calculation device could, if necessary, be updated with values collected by other wear calculation devices and its calculation performance could be improved thereby.
  • Figure 5 is a schematic illustration of the flow of the calculation of the general level of wear of the wiper blade after the values of interest of the data 10 and the additional values of interest of the transformed data have been sent to the neural network.
  • the values of interest relating to the datum and the additional values of interest relating to a transformed datum are sent to the cloud of values which is specific to it and are thus compared with the other values of the cloud of values in order to determine a wear class 31 specific to the datum or the transformed datum.
  • the values are compared step by step in order to determine the wear class 31 of data 10 and of each of the transformed data.
  • the values of interest 100 of the datum 10 and the additional values of interest 210, 220, 230 of the transformed data 21, 22, 23 are compared with each of the clouds of values mentioned above , and the neural network calculates a wear class 31 via a decision tree specific to each cloud of values.
  • Each of the points of the decision trees can for example correspond to a value or to a group of values, said values of interest or additional values of interest being compared with the corresponding values or groups of values of the decision tree. From successive comparisons allow a step by step progression along the corresponding decision tree and lead to the associated wear class 31 .
  • a first value of interest or a first group of values of interest is compared to the different nodes of the first stage of the decision tree up to 'that this first value of interest or this first group of values of interest is identified with a first node 110 of the first stage of the decision tree.
  • a second value of interest or a second group of values of interest is compared to the different nodes of the second stage of the decision tree coming from the first node 110, until this second value of interest or this second group of values of interest is identified at a second node 120 of the second stage of the decision tree.
  • a third value of interest or a third group of values of interest is compared to the different nodes of the third stage of the tree. decisions from the second node 120, until this third value of interest or this third group of values of interest is identified with a third node 130 of the third stage of the decision tree, a class profile of wear C being associated with this third node 130.
  • the wear class 31 is determined from a choice of four wear class profiles A, B, C, D.
  • Each of the wear class profiles A, B, C, D corresponds to a more or less advanced state of wear of the wiper blade.
  • the first wear class profile A may correspond to a new or almost new wiper blade
  • the fourth wear class D profile may correspond to a very worn wiper blade that needs to be replaced
  • the second and third wear class B and C profiles which may correspond to intermediate wear states.
  • the neural network is required to determine a wear class 31 based on the four wear class profiles shown in Figure 5, but that the neural network can choose brush wear class 31 from more profile choices. The fact of increasing the number of possible choices for determining the wear class 31 subsequently makes it possible to improve the accuracy of the wiper blade replacement time given that the state of wear of said wiper blade is determined more precisely.
  • the wear class 31 determined following the analysis of the datum 10 and the wear class 31 determined following the analysis of the third transformed datum 23 correspond to the third wear class profile C.
  • the wear class 31 determined as a result of the analysis of the first transformed datum 21 corresponds to the fourth wear class profile D.
  • the wear class 31 determined as a result of the analysis of the second transformed datum 22 corresponds to the second profile of wear class B.
  • the wear classes 31 may differ depending on the type of data or transformed data analyzed and it is the majority wear class 31 that is retained to determine a general level of wear 32 of the wiper blade. According to the example illustrated in FIG. 5, the majority wear class 31 corresponds to the third wear class profile C which is found twice among all the wear classes 31 determined. The general level of wear 32 therefore corresponds to a third profile of wear class C, that is to say here an intermediate state of wear relatively close to a level requiring replacement. As is the case in the example illustrated in FIG.
  • the general level of wear 32 is transmitted to the wear calculation unit 6. From the class of the general level of wear 32 associated with the brush present on the vehicle, the unit wear calculation 6 deduces the time of replacement 33 of this broom.
  • the calculation unit 6 comprises a database stored in memory in which the wiper blade replacement times 33 are associated with general levels of wear 32.
  • the replacement time 33 is then transmitted to the display device 8.
  • the latter visually indicates to the user the replacement time 33 which has been transmitted to him. The user can thus take precautions and obtain a replacement wiper blade during the replacement period 33 and proceed to replace his current wiper blade when the replacement period 33 is about to be reached.
  • the invention achieves the goal it had set itself, and makes it possible to propose a device for calculating the wear of a wiper blade, estimating a replacement time for said wiper blade.
  • Variants not described here could be implemented without departing from the context of the invention, provided that, in accordance with the invention, they include a wear calculation device in accordance with the invention.

Abstract

The present invention relates to a device for computing wear (1) on a vehicle wiper blade (2), comprising at least one accelerometer (4) configured to measure the variations in the speed of the wiper blade (2) as it wipes, said device for computing wear (1) comprising an electronic control unit (5) configured to compute at least one datum on the basis of the variations in the speeds measured by the accelerometer (4) and to send an item of information relating to the replacement of the wiper blade (2) according to the computed datum, characterized in that the electronic control unit (5) comprises a unit (6) for computing a general level of wear on the wiper blade (2) according to the computed datum, said general level of wear being related to a replacement time at the end of which the user has to replace the wiper blade (2).

Description

DESCRIPTION DESCRIPTION
Titre de l'invention ■ Dispositif de calcul d’usure d’un balai d’essuyageTitle of the invention ■ Device for calculating the wear of a wiper blade
La présente invention se rapporte au domaine des balais d’essuyage et concerne plus particulièrement un dispositif de calcul d’usure desdits balais d’essuyage.The present invention relates to the field of wiper blades and relates more particularly to a device for calculating the wear of said wiper blades.
Les balais d’essuyage ont notamment pour fonction de balayer une surface vitrée d’un véhicule en cas de lavage de celui-ci ou tout simplement pour essuyer des gouttes de pluie en cas d’intempérie afin de garantir une bonne visibilité pour l’utilisateur du véhicule. Wiper blades have the particular function of sweeping a glazed surface of a vehicle in the event of washing of the latter or quite simply to wipe off raindrops in the event of bad weather in order to guarantee good visibility for the user. of the vehicle.
Ces balais d’essuyage ont une durée de vie limitée dans le temps. Ainsi, un balai d’essuyage usé et nécessitant d’être remplacé opérera un mauvais essuyage de la surface vitrée, risquant d’entraîner une perte de visibilité de l’utilisateur du véhicule et de causer un grave accident. These wiper blades have a limited lifespan. Thus, a wiper blade that is worn and needs to be replaced will cause poor wiping of the glass surface, risking loss of visibility for the user of the vehicle and causing a serious accident.
Il existe des systèmes de détection d’usure des balais d’essuyage. Lorsque l’un d’entre eux est usé, l’utilisateur du véhicule peut être prévenu via un signal sonore ou un signal lumineux affiché sur le tableau de bord du véhicule. Ayant été averti, l’utilisateur du véhicule est alors conscient qu’il doit remplacer le balai d’essuyage au plus vite. Une telle solution présente toutefois un défaut majeur du fait que l’avertissement à l’utilisateur du véhicule est effectué au moment où le balai d’essuyage n’est déjà plus fonctionnel. Ainsi, entre le moment où l’utilisateur du véhicule est prévenu que son balai d’essuyage est usé et le moment où ledit utilisateur du véhicule remplace ledit balai d’essuyage, il peut s’écouler un laps de temps plus ou moins long où l’utilisateur conduit son véhicule avec un balai d’essuyage usé. Ce laps de temps peut être problématique en cas de forte pluie nuisant à la visibilité, et faisant ainsi prendre des risques à l’utilisateur du véhicule envers lui-même ainsi qu’envers d’autres utilisateurs véhiculés ou des piétons. Par ailleurs, si l’utilisateur se base sur une durée de vie moyenne du balai d’essuyage dont son véhicule et équipé pour le remplacer à l’issue de ladite durée de vie moyenne afin d’éviter de rouler avec un balai usagé, cela entraîne un risque de remplacement prématuré et donc un inconvénient économique pour l’utilisateur du véhicule. There are wiper blade wear detection systems. When one of them is worn, the user of the vehicle can be warned via an audible signal or a light signal displayed on the dashboard of the vehicle. Having been warned, the user of the vehicle is then aware that he must replace the wiper blade as soon as possible. Such a solution, however, has a major defect in that the warning to the user of the vehicle is carried out when the wiper blade is no longer functional. Thus, between the moment when the user of the vehicle is warned that his wiper blade is worn and the moment when said user of the vehicle replaces said wiper blade, a more or less long period of time may pass where the user drives his vehicle with a worn wiper blade. This period of time can be problematic in the event of heavy rain impairing visibility, and thus causing the user of the vehicle to take risks towards himself as well as towards other conveyed users or pedestrians. Furthermore, if the user bases himself on an average lifespan of the wiper blade of which his vehicle is equipped to replace it at the end of said average lifespan in order to avoid driving with a used blade, this entails a risk of premature replacement and therefore an economic disadvantage for the user of the vehicle.
La présente invention s’inscrit dans ce contexte et propose un dispositif de calcul d’usure d’un balai d’essuyage de véhicule, comprenant au moins un accéléromètre configuré pour mesurer les variations de vitesse du balai d’essuyage lors d’une opération de balayage, ledit dispositif de calcul d’usure comprenant une unité de commande électronique configurée pour déterminer une information relative au remplacement du balai d’essuyage en fonction des variations de vitesse mesurées par l’accéléromètre, caractérisé en ce que l’unité de commande électronique comprend une unité de calcul configurée pour calculer un niveau général d’usure du balai d’essuyage en fonction d’au moins une donnée représentative des variations de vitesse mesurées par l’accéléromètre, ledit niveau général d’usure étant lié à un délai de remplacement au terme duquel l’utilisateur doit remplacer le balai d’essuyage. The present invention falls within this context and proposes a device for calculating the wear of a vehicle wiper blade, comprising at least one accelerometer configured to measure the variations in speed of the wiper blade during an operation wiper blade, said wear calculation device comprising an electronic control unit configured to determine information relating to the replacement of the wiper blade as a function of the speed variations measured by the accelerometer, characterized in that the control unit electronic comprises a calculation unit configured to calculate a general level of wear of the wiper blade as a function of at least one datum representative of the speed variations measured by the accelerometer, said general level of wear being linked to a delay replacement after which the user must replace the wiper blade.
Un tel dispositif de calcul d’usure permet donc de prévoir, via la mise en œuvre d’un modèle de calcul approprié, l’usure du balai d’essuyage équipant le véhicule et donc de prévoir le moment idéal pour le remplacement du balai d’essuyage, au lieu de prévenir d’un besoin de remplacement de celui-ci à l’instant t. L’utilisateur du véhicule est ainsi prévenu en avance qu’un balai d’essuyage doit être remplacé incessamment sous peu, et peut donc anticiper l’obtention d’un balai d’essuyage neuf. Le laps de temps de conduite avec un balai d’essuyage usé mentionné précédemment peut donc aisément être évité. De plus, en ayant connaissance du moment idéal de remplacement du balai d’essuyage, l’utilisateur du véhicule peut utiliser ce dernier pendant toute sa durée de vie et il rentabilise ainsi le temps d’utilisation de chaque balai d’essuyage utilisé, ce qui constitue un avantage économique. Such a wear calculation device therefore makes it possible to predict, via the implementation of an appropriate calculation model, the wear of the wiper blade fitted to the vehicle and therefore to predict the ideal time for replacing the wiper blade. wiping, instead of warning of a need to replace it at time t. The user of the vehicle is thus warned in advance that a wiper blade must be replaced shortly, and can therefore anticipate obtaining a new wiper blade. The previously mentioned period of driving with a worn wiper blade can therefore easily be avoided. In addition, by knowing the ideal moment for replacing the wiper blade, the user of the vehicle can use the latter throughout its lifetime and thus makes the time of use of each wiper blade used profitable, this which constitutes an economic advantage.
Lorsqu’un balai d’essuyage s’use, celui-ci réagit différemment au contact de la surface vitrée sur lequel il est apposé. Un balai d’essuyage usé a en effet tendance à venir balayer la surface vitrée de manière moins fluide qu’un balai d’essuyage neuf. Le manque de fluidité résultant de l’usure du balai d’essuyage conduit à des variations de vitesse plus marquées lors du mouvement de va-et-vient dudit balai d’essuyage. L’invention se propose de calculer un niveau d’usure général sur la base des valeurs de variations de vitesse que l’accéléromètre est chargé de mesurer. When a wiper blade wears out, it reacts differently on contact with the glass surface on which it is affixed. A worn wiper blade has a tendency to sweep the glazed surface less fluidly than a new wiper blade. The lack of fluidity resulting from the wear of the wiper blade leads to more pronounced speed variations during the to-and-fro movement of said wiper blade. The invention proposes to calculate a general level of wear on the basis of the speed variation values that the accelerometer is responsible for measuring.
Les variations de vitesse sont alors envoyées à l’unité de commande électronique configurée pour traiter ces mesures et en tirer au moins une donnée représentative de celles-ci. Cette donnée permet de déterminer par le calcul un niveau général d’usure du balai d’essuyage, via l’unité de calcul de l’unité de commande électronique. Il est notable que selon l’invention l’information obtenue par l’utilisateur sur laquelle il se base pour envisager le remplacement du balai est tirée d’un calcul du niveau d’usure du balai exploitant les variations de vitesse mesurées du balai d’essuyage, le calcul permettant d’associer au balai un profil d’usure qui donne une indication sur le bon moment auquel remplacer le balai d’essuyage. En cela, l’invention se distingue des opérations de détection d’usure connues dans lesquelles une information de remplacement immédiat du balai est envoyée à l’utilisateur lorsque les caractéristiques du balai, et par exemple une variation de vitesse mesurée, ne sont pas conformes à une plage de valeurs données ce qui signifie que le balai est trop usé. The speed variations are then sent to the electronic control unit configured to process these measurements and derive at least one piece of data representative of them. This data is used to determine by calculation a general level of wear of the wiper blade, via the calculation unit of the electronic control unit. It is noteworthy that according to the invention the information obtained by the user on which he relies to consider the replacement of the brush is taken from a calculation of the level of wear of the brush exploiting the measured speed variations of the brush of wiping, the calculation making it possible to associate a wear profile with the wiper blade which gives an indication of the right moment at which to replace the wiper blade. In this, the invention differs from known wear detection operations in which immediate brush replacement information is sent to the user when the characteristics of the brush, and for example a measured speed variation, do not conform at a given range of values which means that the brush is too worn.
A partir du niveau d’usure du balai d’essuyage, le dispositif de calcul est configuré pour établir une correspondance avec un délai de remplacement au terme duquel l’utilisateur doit remplacer le balai d’essuyage. Le délai de remplacement permet donc d’anticiper le moment où le balai d’essuyage ne sera plus fonctionnel. Un tel délai de remplacement est par exemple calculable en jours, en semaines ou en mois. De cette manière, l’utilisateur ne se trouve pas au dépourvu face à un balai d’essuyage usé et peut prévoir l’obtention d’un nouveau balai d’essuyage afin de pouvoir procéder au remplacement de manière immédiate sans se mettre en danger. From the level of wear of the wiper blade, the calculation device is configured to establish a correspondence with a replacement period at the end of which the user must replace the wiper blade. The replacement time therefore makes it possible to anticipate the moment when the wiper blade will no longer be functional. Such a replacement time can for example be calculated in days, weeks or months. In this way, the user is not unprepared when faced with a worn wiper blade and can plan to obtain a new wiper blade in order to be able to proceed with the replacement immediately without putting himself in danger.
Selon une caractéristique de l’invention, l’accéléromètre est configuré pour être lié à un bras portant le balai d’essuyage. L’accéléromètre est fixé sur un bras d’essuie-glace auquel est attaché le balai d’essuyage dont l’usure est calculée. Le dispositif de calcul peut comporter un accéléromètre fixé sur chacun des bras d’essuie-glace du véhicule, et ce afin de pouvoir calculer l’usure de l’ensemble des balais d’essuyage du véhicule, étant entendu qu’il sera avantageusement prévu, pour des notions de coût notamment, d’équiper le dispositif de calcul avec un unique accéléromètre, sur un seul des bras, du fait que l'usure est souvent la même sur les deux balais d'un même parebrise, et que ces balais se changent classiquement par paire. Un seul accéléromètre sur un bras suffit donc. According to one characteristic of the invention, the accelerometer is configured to be linked to an arm carrying the wiper blade. The accelerometer is attached to a windscreen wiper arm to which is attached the wiper blade whose wear is calculated. the calculating device may comprise an accelerometer attached to each of the vehicle's windscreen wiper arms, in order to be able to calculate the wear of all the wiper blades of the vehicle, it being understood that it will advantageously be provided, for notions of cost in particular, to equip the computing device with a single accelerometer, on only one of the arms, because the wear is often the same on the two blades of the same windshield, and that these blades typically change in pairs. A single accelerometer on an arm is therefore sufficient.
Selon des variantes de réalisation, s’il peut être avantageux que l’accéléromètre soit lié directement au bras afin que ce soit le même accéléromètre qui réalise les mesures pour chacun des balais amenés à équiper le système d’essuyage, l’accéléromètre pourra, sans sortir du contexte de l’invention, être placé sur le balai, par exemple pour une plus grande précision de la mesure, ou bien être placé à d'autres emplacements comme sur le pare-brise par exemple. According to variant embodiments, while it may be advantageous for the accelerometer to be linked directly to the arm so that it is the same accelerometer which performs the measurements for each of the blades fitted to the wiper system, the accelerometer may, without departing from the context of the invention, be placed on the blade, for example for greater accuracy of the measurement, or else be placed at other locations such as on the windshield for example.
Les variations de vitesse dépendent du contact du balai d’essuyage contre la surface vitrée, mais ces contacts sont transmis le long du balai d’essuyage et du bras auquel est fixé le balai d’essuyage. Un accéléromètre fixé au bras est donc apte à mesurer les variations de vitesse du balai d’essuyage. Les caractéristiques de l’accéléromètre, par exemple son poids, sont telles que ce dernier n’affecte pas les mouvements ou la fonction du bras et/ou du balai d’essuyage. Speed variations depend on the contact of the wiper blade against the glass surface, but these contacts are transmitted along the wiper blade and the arm to which the wiper blade is attached. An accelerometer attached to the arm is therefore able to measure the variations in speed of the wiper blade. The characteristics of the accelerometer, for example its weight, are such that it does not affect the movements or the function of the arm and/or the wiper blade.
Selon une caractéristique de l’invention, l’accéléromètre est configuré pour mesurer une variation de vitesse en plusieurs points de passage spécifiques lors d’un cycle de nettoyage du balai d’essuyage, l’unité de calcul étant configurée pour calculer la donnée sur la base des variations de vitesse mesurées en chaque point de passage spécifique du cycle de nettoyage. Les points de passages spécifiques correspondent à une pluralité de moments au cours d’un cycle de nettoyage, et les variations de vitesse du balai sont mesurées en chacun de ces points de passage. Par cycle de nettoyage, il convient de comprendre un mouvement de va-et-vient du balai d’essuyage contre la surface vitrée. Autrement dit, le cycle de nettoyage s’achève lorsque le balai d’essuyage atteint une position identique à une position initiale que ce balai d’essuyage avait au début de ce cycle de nettoyage. L’accéléromètre est configuré pour mesurer un échantillon de plusieurs variations de vitesse respectivement liées à plusieurs moments du cycle de nettoyage. En fonction du moment du cycle de nettoyage, le balai d’essuyage peut en effet adopter des comportements différents, et notamment avoir une vitesse de déplacement ou un niveau de pression sur la surface vitrée qui diffère d’un point du cycle à l’autre, et on comprend que le niveau d’usure peut avoir un impact amplifié ou minimisé par ces différences de comportement dynamique. Dès lors, une mesure en un unique point du cycle de nettoyage pourrait ne pas être suffisamment significative pour un calcul précis du niveau d’usure du balai d’essuyage tel que l’invention l’envisage pour déterminer le moment optimal auquel changer son balai. According to one characteristic of the invention, the accelerometer is configured to measure a speed variation at several specific passage points during a cleaning cycle of the wiper blade, the calculation unit being configured to calculate the data on the basis of the speed variations measured at each specific passage point of the cleaning cycle. Specific passpoints correspond to a plurality of times during a cleaning cycle, and changes in mop speed are measured at each of these passpoints. By cleaning cycle, it should be understood a to-and-fro movement of the wiper blade against the glazed surface. In other words, the cleaning cycle ends when the wiper blade reaches a position identical to an initial position that this wiper blade had at the start of this cycle. of cleaning. The accelerometer is configured to measure a sample of several speed variations respectively related to several moments of the cleaning cycle. Depending on the moment of the cleaning cycle, the wiper blade can indeed adopt different behaviors, and in particular have a speed of movement or a level of pressure on the glass surface which differs from one point of the cycle to another. , and it is understood that the level of wear can have an impact amplified or minimized by these differences in dynamic behavior. Consequently, a measurement at a single point of the cleaning cycle could not be significant enough for an accurate calculation of the level of wear of the wiper blade as the invention envisages it in order to determine the optimal moment at which to change its blade. .
Selon une caractéristique de l’invention, la donnée représentative des variations de vitesse mesurées par l’accéléromètre est une quantité de vibrations du balai d’essuyage lors d’au moins un cycle de nettoyage. Des vibrations sont produites par contact entre le balai d’essuyage et la surface vitrée, et sont naturellement transmises au bras et donc à l’accéléromètre. L’unité de commande électronique calcule une quantité de vibrations subies par le balai sur la base des variations de vitesse mesurées par l’accéléromètre. D’un balai d’essuyage à l’autre, la quantité de vibrations subies pour une même variation de vitesse peut différer en fonction du poids du balai, de la longueur du bras au bout duquel il est monté et/ou d’autres paramètres structurels ou dynamiques du système d’essuyage. Le calcul du niveau d’usure général selon l’invention peut ainsi se baser sur la notion de quantité de vibrations calculée à partir des variations de vitesse pour affiner le calcul. La donnée déterminée telle qu’elle fait partie de l’invention est une quantité de vibrations subies ponctuellement par le balai, pour chaque point du mouvement de va et vient du balai. According to one characteristic of the invention, the data representative of the speed variations measured by the accelerometer is a quantity of vibrations of the wiper blade during at least one cleaning cycle. Vibrations are produced by contact between the wiper blade and the glass surface, and are naturally transmitted to the arm and therefore to the accelerometer. The electronic control unit calculates an amount of vibration experienced by the broom based on the speed variations measured by the accelerometer. From one wiper blade to another, the quantity of vibrations undergone for the same speed variation may differ depending on the weight of the blade, the length of the arm at the end of which it is mounted and/or other parameters. structural or dynamic of the wiper system. The calculation of the general level of wear according to the invention can thus be based on the notion of quantity of vibrations calculated from the speed variations in order to refine the calculation. The given given as it forms part of the invention is a quantity of vibrations undergone by the broom punctually, for each point of the back and forth movement of the broom.
Selon une caractéristique de l’invention, l’unité de commande électronique comporte outre l’unité de calcul un réseau neuronal configuré pour participer au calcul dudit niveau général d’usure. Un réseau neuronal est un système qui s’enrichit par apprentissage. Autrement dit, le réseau neuronal va recevoir et traiter des paramètres, et prendre en compte le traitement de ces paramètres pour la réception et le traitement de paramètres ultérieurs. Le réseau neuronal est alimenté en paramètres au préalable lors des tests d’usure de balai d’essuyage effectués par les fabricants. Ainsi lorsque l’unité de calcul traite la ou les donnée(s) résultante(s) de la mesure de variations de vitesse par l’accéléromètre, ces données sont comparées aux données précédemment traitées dans le réseau neuronal. A partir d’un tel comparatif, l’unité de calcul est alors apte à déterminer une classe d’usure par comparaison avec les multiples profils d’usure enregistrés dans le réseau neuronal. According to one characteristic of the invention, the electronic control unit comprises, in addition to the calculation unit, a neural network configured to participate in the calculation of said general level of wear. A neural network is a system that is enriched by learning. In other words, the neural network will receive and processing parameters, and taking into account the processing of these parameters for the reception and processing of subsequent parameters. The neural network is fed with parameters beforehand during the wiper blade wear tests carried out by the manufacturers. Thus, when the computing unit processes the data(s) resulting from the measurement of speed variations by the accelerometer, these data are compared with the data previously processed in the neural network. From such a comparison, the calculation unit is then able to determine a wear class by comparison with the multiple wear profiles recorded in the neural network.
Selon une caractéristique de l’invention, l’unité de calcul est configurée pour générer au moins une donnée transformée à partir de la donnée représentative des variations de vitesses mesurées par l’accéléromètre, le réseau neuronal étant paramétré pour traiter ladite donnée et/ou chaque donnée transformée pour calculer le niveau général d’usure. Le fait de transformer la donnée représentative des variations de vitesse mesurées par l’accéléromètre permet d’augmenter le nombre total de paramètres pris en compte pour le calcul d’un niveau général d’usure, et par exemple à soumettre à un réseau neuronal. Multiplier le nombre de paramètres en multipliant le nombre de données par des données transformées augmente ainsi la fiabilité du calcul effectué par la suite, le cas échéant par un réseau neuronal. According to one characteristic of the invention, the calculation unit is configured to generate at least one transformed datum from the datum representative of the speed variations measured by the accelerometer, the neural network being configured to process said datum and/or each data transformed to calculate the general level of wear. The fact of transforming the data representative of the speed variations measured by the accelerometer makes it possible to increase the total number of parameters taken into account for the calculation of a general level of wear, and for example to submit to a neural network. Multiplying the number of parameters by multiplying the number of data by transformed data thus increases the reliability of the calculation performed subsequently, if necessary by a neural network.
Selon une caractéristique de l’invention, l’unité de calcul est configurée pour générer une première donnée transformée résultant de l’application d’une transformée de Fourier rapide sur la donnée représentative des variations de vitesses mesurées par l’accéléromètre. According to one characteristic of the invention, the calculation unit is configured to generate a first transformed datum resulting from the application of a fast Fourier transform to the datum representative of the speed variations measured by the accelerometer.
Selon une caractéristique de l’invention, l’unité de calcul est configurée pour générer une deuxième donnée transformée résultant du calcul de la densité spectrale de puissance de la donnée représentative des variations de vitesses mesurées par l’accéléromètre. Selon une caractéristique de l’invention, l’unité de calcul est configurée pour générer une troisième donnée transformée résultant d’une autocorrélation de la donnée représentative des variations de vitesses mesurées par l’accéléromètre.According to one characteristic of the invention, the calculation unit is configured to generate a second transformed datum resulting from the calculation of the power spectral density of the datum representative of the speed variations measured by the accelerometer. According to one characteristic of the invention, the calculation unit is configured to generate a third transformed datum resulting from an autocorrelation of the datum representative of the speed variations measured by the accelerometer.
Selon une caractéristique de l’invention, le réseau neuronal est configuré pour recevoir une pluralité de valeurs d’intérêt issues de ladite donnée ou d’une donnée transformée et pour déterminer une classe d’usure propre à ladite donnée et/ou à chaque donnée transformée. Les données transformées peuvent être traitées parallèlement à la donnée déterminée sur la base des variations de vitesse mesurées par l’accéléromètre. Les valeurs d’intérêt calculées pour chaque donnée ou donnée transformée sont envoyées au réseau neuronal pour être considérées en regard d’un nuage de valeurs implémenté dans le réseau neuronal qui est propre à telle donnée ou telle donnée transformée. Ces valeurs d’intérêt peuvent par exemple être implémentées dans un arbre de décision du réseau neuronal, chacune des branches en bout de l’arbre de décision correspondant à un profil de classe d’usure, une donnée ou une donnée transformée, via ses valeurs d’intérêt, étant alors associée à un état d’usure du balai d’essuyage. According to one characteristic of the invention, the neural network is configured to receive a plurality of values of interest from said datum or from transformed datum and to determine a wear class specific to said datum and/or to each datum transformed. The transformed data can be processed in parallel with the data determined on the basis of the variations in speed measured by the accelerometer. The values of interest calculated for each datum or transformed datum are sent to the neural network to be considered against a cloud of values implemented in the neural network which is specific to such datum or transformed datum. These values of interest can for example be implemented in a decision tree of the neural network, each of the end branches of the decision tree corresponding to a wear class profile, a datum or a transformed datum, via its values of interest, being then associated with a state of wear of the wiper blade.
Selon une caractéristique de l’invention, le réseau neuronal est configuré pour déterminer une classe d’usure du balai d’essuyage par le biais d’opérations mathématiques sur des valeurs d’intérêt et/ou par le biais de comparatifs de proche en proche entre une valeur d’intérêt ou un groupe de valeurs d’intérêt issues de ladite donnée ou d’une donnée transformée et une valeur d’un nuage de valeurs déjà assimilé par apprentissage du réseau neuronal. According to a characteristic of the invention, the neural network is configured to determine a wear class of the wiper blade by means of mathematical operations on values of interest and/or by means of step-by-step comparisons between a value of interest or a group of values of interest resulting from said datum or from a transformed datum and a value from a cloud of values already assimilated by learning the neural network.
Plus le réseau neuronal reçoit des valeurs issues des données ou données transformées, plus il enrichit sa base de données en assimilant ces valeurs et cela permet d’affiner la détermination d’une classe d’usure pour le traitement des valeurs d’intérêt ultérieures, par exemple pour le calcul d’usure d’un balai nouvellement équipé sur le bras du système d’essuyage. Chacun des profils de classe d’usure est ainsi affiné au fil du temps, et ceci permet de préciser la détermination du niveau d’usure du balai d’essuyage dans les calculs ultérieurs. Selon une caractéristique de l’invention, le réseau neuronal est configuré pour calculer le niveau d’usure général à partir de la classe d’usure majoritaire parmi les classes d’usure déterminées pour la donnée et/ou chaque donnée transformée. Tel que cela a été décrit ci-dessus, une classe d’usure résulte de chacune des données ou données transformées considérées par l’unité de calcul et le cas échéant le réseau neuronal. Ces classes d’usure peuvent différer l’une par rapport à l’autre. Afin de minimiser l’erreur, c’est donc la classe d’usure majoritaire, c’est- à-dire la classe d’usure la plus représentée parmi chacune des déterminations de classe d’usure, qui est retenue pour déterminer le niveau d’usure du balai d’essuyage dans son ensemble. The more the neural network receives values from the data or transformed data, the more it enriches its database by assimilating these values and this makes it possible to refine the determination of a wear class for the processing of subsequent values of interest, for example for calculating the wear of a blade newly fitted to the arm of the wiper system. Each of the wear class profiles is thus refined over time, and this makes it possible to specify the determination of the level of wear of the wiper blade in subsequent calculations. According to one characteristic of the invention, the neural network is configured to calculate the general wear level from the majority wear class among the wear classes determined for the datum and/or each transformed datum. As described above, a wear class results from each of the data or transformed data considered by the calculation unit and, where applicable, the neural network. These wear classes may differ from each other. In order to minimize the error, it is therefore the majority wear class, that is to say the most represented wear class among each of the wear class determinations, which is retained to determine the level wear of the wiper blade as a whole.
Selon une caractéristique de l’invention, l’unité de calcul est configurée pour faire correspondre le niveau d’usure général obtenu audit délai de remplacement au terme duquel l’utilisateur doit remplacer le balai d’essuyage, chaque niveau d’usure général correspondant à un délai de remplacement qui lui est propre. D’une manière avantageuse, plus le niveau d’usure général du balai d’essuyage est élevé, plus le délai correspondant avant remplacement est faible. Au fil du temps, l’usure du balai d’essuyage s’accroit tandis que le délai de remplacement se réduit. Ainsi, grâce à l’unité de calcul, il est possible de prévoir le moment opportun pour remplacer le balai d’essuyage. According to one characteristic of the invention, the calculation unit is configured to match the general level of wear obtained with said replacement period at the end of which the user must replace the wiper blade, each level of general wear corresponding at its own replacement time. Advantageously, the higher the level of general wear of the wiper blade, the lower the corresponding time before replacement. Over time, the wear of the wiper blade increases while the replacement time is reduced. Thus, thanks to the calculation unit, it is possible to predict the appropriate time to replace the wiper blade.
Selon une caractéristique de l’invention, l’unité de commande électronique est configurée pour transmettre à l’utilisateur, via un dispositif d’affichage, l’information relative au remplacement du balai d’essuyage, ladite information consistant en le délai de remplacement au terme duquel l’utilisateur doit remplacer le balai d’essuyage. D’une manière avantageuse, l’utilisateur est prévenu du délai de remplacement de manière visuelle. La transmission du délai de remplacement via le dispositif d’affichage peut par exemple se faire à chaque fois que le balai d’essuyage est actif sur la surface vitrée, ou encore sur demande de l’utilisateur, par exemple par pression d’un bouton. L’information affichée via le dispositif d’affichage peut également consister en une jauge représentant le niveau d’usure du balai, directement tiré de la classe d’usure associée au balai d’essuyage. According to one characteristic of the invention, the electronic control unit is configured to transmit to the user, via a display device, information relating to the replacement of the wiper blade, said information consisting of the replacement time at the end of which the user must replace the wiper blade. Advantageously, the user is warned of the replacement time visually. The transmission of the replacement time via the display device can for example be done each time the wiper blade is active on the glazed surface, or even at the request of the user, for example by pressing a button. . The information displayed via the display device can also consist of a gauge representing the blade wear level, taken directly from the wear class associated with the wiper blade.
Selon une caractéristique de l’invention, l'information relative au remplacement du balai d’essuyage peut aussi être envoyé à un serveur à distance, avec tout ou partie des valeurs d’intérêt associées à ce balai d’essuyage, afin que ces informations et valeurs soient exploitées par la suite par d'autres dispositifs de calcul et qu’elles puissent être redirigées vers une personne /entité différente de l'utilisateur comme par exemple un gestionnaire de flotte, un concessionnaire ou un équipementier responsable de la fabrication des balais. According to one characteristic of the invention, the information relating to the replacement of the wiper blade can also be sent to a remote server, with all or part of the values of interest associated with this wiper blade, so that this information and values are subsequently used by other computing devices and that they can be redirected to a person/entity different from the user, such as a fleet manager, a dealer or an equipment manufacturer responsible for the manufacture of the brushes .
L’invention couvre également un procédé de calcul d’usure d’un balai d’essuyage pour véhicule, mis en œuvre par un dispositif de calcul d’usure tel que décrit précédemment, comprenant : une première étape de mesure des variations de vitesse du balai d’essuyage par l’accéléromètre, une deuxième étape de calcul de la donnée par l’unité de calcul à partir des variations de vitesse relevées par l’accéléromètre, une troisième étape de transmission au réseau neuronal des valeurs d’intérêt issues de la donnée, une quatrième étape de détermination de la classe d’usure et du niveau général d’usure par le réseau neuronal, une cinquième étape de conversion du niveau général d’usure en délai de remplacement au terme duquel l’utilisateur doit remplacer le balai d’essuyage.The invention also covers a method for calculating the wear of a wiper blade for a vehicle, implemented by a wear calculation device as described above, comprising: a first step of measuring the speed variations of the wiper blade by the accelerometer, a second step of calculating the datum by the calculation unit from the speed variations detected by the accelerometer, a third step of transmitting to the neural network the values of interest coming from the data, a fourth step of determining the class of wear and the general level of wear by the neural network, a fifth step of converting the general level of wear into a replacement time at the end of which the user must replace the wiper blade.
Un tel procédé peut être initié manuellement par l’utilisateur, ou bien se lancer automatiquement dès que le balai d’essuyage est mis en mouvement. Le procédé de calcul d’usure ne peut être initié que si le balai d’essuyage est en mouvement. Par la suite, le procédé se déroule selon ce qui a été décrit précédemment. Such a process can be initiated manually by the user, or else be launched automatically as soon as the wiper blade is set in motion. The wear calculation process can only be initiated if the wiper blade is in motion. Subsequently, the process proceeds according to what has been described above.
Selon une caractéristique de l’invention, le procédé comprend une étape intermédiaire, postérieure à la deuxième étape et antérieure à la troisième étape, de transformation de la donnée en au moins une donnée transformée, ladite donnée transformée étant prise en compte lors des étapes postérieures à ladite étape intermédiaire. According to one characteristic of the invention, the method comprises an intermediate step, subsequent to the second step and prior to the third step, transforming the datum into at least one transformed datum, said transformed datum being taken into account during the steps subsequent to said intermediate step.
D’autres caractéristiques et avantages de l’invention apparaîtront encore au travers de la description qui suit d’une part, et de plusieurs exemples de réalisation donnés à titre indicatif et non limitatif en référence aux dessins schématiques annexés d’autre part, sur lesquels : Other characteristics and advantages of the invention will become apparent through the description which follows on the one hand, and several embodiments given by way of indication and not limiting with reference to the appended diagrammatic drawings on the other hand, on which :
[fig i] est une représentation schématique d’un dispositif de calcul d’usure d’un balai d’essuyage selon l’invention, [fig i] is a schematic representation of a wiper blade wear calculation device according to the invention,
[fig 2] est un schéma illustrant une donnée calculée, ici une quantité de vibrations subies par un balai d’essuyage usé lors de cycles de nettoyage, sur la base des variations de vitesse mesurées par un accéléromètre du dispositif de calcul d’usure, [fig 2] is a diagram illustrating calculated data, here a quantity of vibrations undergone by a worn wiper blade during cleaning cycles, on the basis of speed variations measured by an accelerometer of the wear calculation device,
[fig 3] est un schéma similaire à celui de la figure 2, illustrant cette fois une donnée correspondant à un balai d’essuyage neuf, [fig 3] is a diagram similar to that of figure 2, this time illustrating data corresponding to a new wiper blade,
[fig 4] est un schéma illustrant la prise en compte par un réseau neuronal de valeurs d’intérêt dans une donnée correspondant à une quantité de vibrations telle qu’illustrée sur la figure 2 ou la figure 3 et de valeurs d’intérêt relevées dans une pluralité de données transformées sur la base de cette donnée, [fig 4] is a diagram illustrating the taking into account by a neural network of values of interest in a datum corresponding to a quantity of vibrations as illustrated in figure 2 or figure 3 and of values of interest noted in a plurality of data transformed on the basis of this data,
[fig 5] est un schéma illustrant le traitement des valeurs d’intérêt, des données et des données transformées, par un réseau neuronal du dispositif de calcul d’usure, permettant de calculer un niveau général d’usure du balai d’essuyage ainsi qu’un délai de remplacement de ce dernier. [fig 5] is a diagram illustrating the processing of the values of interest, the data and the transformed data, by a neural network of the wear calculation device, making it possible to calculate a general level of wear of the wiper blade as well only a period of replacement of the latter.
La figure 1 représente un dispositif de calcul d’usure 1 selon l’invention. Le dispositif de calcul d’usure 1 interagit avec un dispositif d’essuyage 9, qui a pour fonction d’essuyer une surface vitrée, cette dernière étant ici non représentée.FIG. 1 represents a wear calculation device 1 according to the invention. The wear calculation device 1 interacts with a wiping device 9, which has the function of wiping a glazed surface, the latter not being shown here.
Le dispositif d’essuyage 9 comprend un balai d’essuyage 2, destiné à être en contact avec la surface vitrée, et un bras 3 à l’extrémité duquel le balai d’essuyage 2 est monté, et qui est entraîné par exemple en rotation pour déplacer le balai d’essuyage 2 le long de la surface vitrée selon un mouvement de va-et-vient. Le balai d’essuyage 2 comprend notamment une lame d’essuyage, par exemple en caoutchouc, montée sur un support de balai, la lame d’essuyage étant destinée à être en contact direct avec la surface vitrée et le support étant destiné à être relié au bras. The wiper device 9 comprises a wiper blade 2, intended to be in contact with the glazed surface, and an arm 3 at the end of which the wiper blade 2 is mounted, and which is driven for example in rotation to move the wiper blade 2 along the glazed surface in a back and forth motion. The wiper blade 2 comprises in particular a wiper blade, for example made of rubber, mounted on a wiper support, the wiper blade being intended to be in direct contact with the glazed surface and the support being intended to be connected to the arm.
La durée de vie du balai d’essuyage 2 est limitée dans le temps. Il est donc important de le remplacer régulièrement. Le balai d’essuyage 2 peut notamment s’user du fait de la répétition du mouvement de va-et-vient contre la surface vitrée. Lorsque le balai d’essuyage 2 est totalement usé, celui-ci n’essuie plus correctement la surface vitrée. Il peut en résulter une perte de visibilité d’un utilisateur observant à travers la surface vitrée, ce qui peut s’avérer dangereux pour la sécurité de l’utilisateur ou d’autrui. The service life of wiper blade 2 is limited in time. It is therefore important to replace it regularly. The wiper blade 2 can in particular wear due to the repetition of the to-and-fro movement against the glass surface. When wiper blade 2 is totally worn, it no longer wipes the glass surface correctly. This may result in a loss of visibility of a user observing through the glass surface, which may prove dangerous for the safety of the user or others.
Le dispositif de calcul d’usure 1 est configuré pour calculer un niveau d’usure permettant à l’utilisateur de savoir précisément quand changer le balai d’essuyageThe wear calculation device 1 is configured to calculate a level of wear enabling the user to know precisely when to change the wiper blade
2. 2.
Le dispositif de calcul d’usure 1 comprend un accéléromètre 4 qui est configuré pour relever les variations de vitesse du balai d’essuyage 2 lors de son mouvement de va-et-vient le long de la surface vitrée. A cet effet, l’accéléromètre est embarqué sur l’un des composants mobiles du dispositif d’essuyage 9, à savoir le bras 3 ou le balai d’essuyage 2. Plus particulièrement, et tel que cela est visible sur la figure 1, l’accéléromètre est avantageusement disposé au niveau du bras 3 du système d’essuyage 9 et suit donc les mouvements du bras 3 lorsque celui-ci est en mis mouvement. L’accéléromètre 4 peut être fixé sur le bras 3 de diverses manières, l’essentiel étant qu’il soit apte à relever les variations de vitesse du balai d’essuyage 2 sans pour autant nuire au fonctionnement du dispositif d’essuyage 9. Dans une telle configuration, le dispositif de calcul d’usure utilise le même accéléromètre pour chacune des mesures quel que soit le balai monté à l’extrémité du bras, ce qui permet de fiabiliser les mesures et le calcul par le dispositif d’un niveau général d’usure. Le dispositif de calcul d’usure i comprend une unité de commande électronique 5, où sont transmises les mesures relevées par l’accéléromètre 4. L’unité de commande électronique 5 est notamment configuré pour récupérer lesdites mesures et pour traiter et analyser ces dernières. D’une manière générale, la fonction de l’unité de commande électronique 5 est de déterminer par le calcul un niveau général d’usure permettant d’en déduire un délai de remplacement du balai d’essuyage 2, et ce à partir des mesures de variations de vitesse effectuées par l’accéléromètre 4. The wear calculation device 1 comprises an accelerometer 4 which is configured to detect the variations in speed of the wiper blade 2 during its back and forth movement along the glazed surface. To this end, the accelerometer is embedded on one of the mobile components of the wiper device 9, namely the arm 3 or the wiper blade 2. More particularly, and as can be seen in FIG. 1, the accelerometer is advantageously placed at the level of the arm 3 of the wiper system 9 and therefore follows the movements of the arm 3 when the latter is in motion. The accelerometer 4 can be fixed on the arm 3 in various ways, the main thing being that it is capable of detecting the variations in speed of the wiper blade 2 without however impairing the operation of the wiping device 9. In such a configuration, the wear calculation device uses the same accelerometer for each of the measurements regardless of the blade mounted at the end of the arm, which makes it possible to make the measurements and the calculation by the device of a general level more reliable of wear. The wear calculation device i comprises an electronic control unit 5, where the measurements recorded by the accelerometer 4 are transmitted. The electronic control unit 5 is in particular configured to retrieve said measurements and to process and analyze them. In general, the function of the electronic control unit 5 is to determine by calculation a general level of wear making it possible to deduce therefrom a replacement time of the wiper blade 2, and this from the measurements speed variations performed by the accelerometer 4.
Dans l’exemple illustré, l’unité de commande électronique 5 comprend notamment une unité de calcul 6 et un réseau neuronal 7. L’unité de calcul 6 reçoit les mesures de variations de vitesse relevées par l’accéléromètre 4 et il est configuré pour traiter le résultat de ces mesures, par exemple pour calculer une donnée correspondant à une quantité de vibrations subies par le balai d’essuyage, et en déduire des valeurs d’intérêt que prend cette donnée au cours d’une période de temps définie. L’unité de calcul peut également traiter cette donnée pour obtenir par le calcul de données transformées correspondant à la même période de temps et en déduire d’autres valeurs d’intérêt. L’ensemble des valeurs d’intérêt calculées par le traitement des données par l’unité de calcul 6 est par la suite transmis au réseau neuronal 7, tel que cela sera décrit plus en détails par la suite.In the example illustrated, the electronic control unit 5 notably comprises a calculation unit 6 and a neural network 7. The calculation unit 6 receives the measurements of speed variations recorded by the accelerometer 4 and it is configured to processing the result of these measurements, for example to calculate a datum corresponding to a quantity of vibrations undergone by the wiper blade, and to deduce therefrom values of interest that this datum assumes during a defined period of time. The calculation unit can also process this data to obtain, by calculation, transformed data corresponding to the same period of time and to deduce therefrom other values of interest. The set of values of interest calculated by the processing of the data by the calculation unit 6 is subsequently transmitted to the neural network 7, as will be described in more detail below.
L’unité de commande électronique 5, formé ici de l’unité de calcul 6 et du réseau neuronal 7, est configuré pour calculer un niveau général d’usure du balai d’essuyage en place sur le bras équipé de l’accéléromètre, basé sur les différentes valeurs d’intérêt issues des données 10 calculées et transmises au réseau neuronal 7, et à partir duquel l’unité de calcul en déduit le délai de remplacement du balai d’essuyage 2. Ce délai de remplacement est par la suite communiqué à l’utilisateur du véhicule par exemple par le biais d’un dispositif d’affichage 8. L’utilisateur connait ainsi le moment précis où il doit changer son balai d’essuyage 2, ce qui lui permet de ne pas changer ledit balai d’essuyage 2 ni trop tôt afin de pouvoir l’utiliser de façon la plus rentable possible, ni trop tard afin d’éviter de rouler avec un balai d’essuyage 2 détérioré. La figure 2 représente un exemple d’une donnée 10 formée par une courbe de vibrations subies par le balai telle qu’elle peut être calculée sur la base des mesures de variations de vitesse du balai d’essuyage par l’accéléromètre sur une plage de temps définie. The electronic control unit 5, formed here by the calculation unit 6 and the neural network 7, is configured to calculate a general level of wear of the wiper blade in place on the arm equipped with the accelerometer, based on the different values of interest from the data 10 calculated and transmitted to the neural network 7, and from which the calculation unit deduces therefrom the replacement time of the wiper blade 2. This replacement time is subsequently communicated to the user of the vehicle, for example by means of a display device 8. The user thus knows the precise moment when he must change his wiper blade 2, which allows him not to change said wiper blade. wiping 2 neither too early in order to be able to use it in the most profitable way possible, nor too late in order to avoid driving with a damaged wiper blade 2. FIG. 2 represents an example of a datum 10 formed by a curve of vibrations undergone by the blade such that it can be calculated on the basis of the measurements of variations in speed of the wiper blade by the accelerometer over a range of set time.
Tel que cela est présenté sur la figure 2, il résulte des variations de vitesse mesurées lors du cycle de nettoyage du système d’essuyage une courbe de vibrations d’amplitude variable au cours du temps. L’unité de calcul est notamment configurée pour calculer une donnée 10, ici une quantité de vibrations subies par le balai d’essuyage, en fonction de la variation de vitesse du balai en un point donnée de son mouvement de va et vient, et ici en fonction par exemple de la masse du balai et de la vitesse de balayage générée par l’actionnement motorisé du bras du système d’essuyage. A titre d’exemple, l’unité de calcul peut alors sélectionner une pluralité de valeurs d’intérêt 100 au sein de cette donnée 10, ces valeurs d’intérêt pouvant par exemple correspondre chacune à des pics de la courbe de vibrations, aussi bien positifs que négatifs. As shown in Figure 2, the speed variations measured during the cleaning cycle of the wiper system result in a vibration curve of variable amplitude over time. The calculation unit is in particular configured to calculate a datum 10, here a quantity of vibrations undergone by the wiper blade, as a function of the variation in speed of the blade at a given point of its back and forth movement, and here as a function, for example, of the mass of the blade and of the sweeping speed generated by the motorized actuation of the arm of the wiper system. By way of example, the calculation unit can then select a plurality of values of interest 100 within this datum 10, these values of interest being able for example each to correspond to peaks of the vibration curve, either positive than negative.
La courbe de la figure 2 représente les vibrations d’un balai d’essuyage au cours de deux cycles de nettoyages 11 consécutifs, un cycle de nettoyage 11 consistant en un mouvement de va-et-vient qui s’achève lorsque le balai d’essuyage atteint une position que ledit balai d’essuyage avait initialement au début dudit cycle de nettoyage 11. The curve in FIG. 2 represents the vibrations of a wiper blade during two consecutive cleaning cycles 11, a cleaning cycle 11 consisting of a back and forth movement which ends when the wiper blade wiping reaches a position that said wiper blade initially had at the start of said cleaning cycle 11.
Dans l’exemple illustré, au cours d’un cycle de nettoyage 11, il est possible d’observer deux ensembles significatifs d’amplitudes représentées respectivement par un premier ensemble de pics 12 et un deuxième ensemble de pics 13. Les pics de vibration représentés par le premier ensemble de pics 12 et le deuxième ensemble de pics 13 peuvent notamment avoir lieu aux moments où le mouvement du balai d’essuyage change de sens, c’est-à-dire aux moments où le balai d’essuyage parvient en fin de course du mouvement de va et vient et repart dans le sens opposé. Lors de cette fin de course, la lame d’essuyage, qui est souple et présente donc un profil courbé avec une extrémité libre en contact direct avec la surface vitrée, voit la courbure de son profil changer de manière à être entraîné par la suite en sens inverse tout en restant au contact de la surface vitrée. Il en résulte des vibrations importantes, calculées par des variations de vitesse mesurées par l’accéléromètre, qui sont identifiées par les ensembles de pics 12, 13. Les valeurs d’intérêt 100 précédemment évoquées sont notamment identifiées dans ces ensembles de pics 12, 13. In the example illustrated, during a cleaning cycle 11, it is possible to observe two significant sets of amplitudes represented respectively by a first set of peaks 12 and a second set of peaks 13. The vibration peaks represented by the first set of peaks 12 and the second set of peaks 13 can in particular take place at times when the movement of the wiper blade changes direction, that is to say at times when the wiper blade reaches the end stroke of the movement back and forth and restarts in the opposite direction. During this end of travel, the wiper blade, which is flexible and therefore has a curved profile with a free end in direct contact with the glass surface, sees the curvature of its profile change so as to be driven then in the opposite direction while remaining in contact with the glass surface. This results in significant vibrations, calculated by speed variations measured by the accelerometer, which are identified by the sets of peaks 12, 13. The values of interest 100 previously mentioned are in particular identified in these sets of peaks 12, 13 .
Les variations de vitesse d’un balai d’essuyage mesurées par l’accéléromètre diffèrent en fonction d’un état d’usure du balai d’essuyage. L’invention se propose ainsi, à partir de la mesure de variations de vitesse par l’accéléromètre, de calculer un profil d’usure, et tel qu’évoqué un niveau général d’usure du balai d’essuyage afin de prévoir le délai de remplacement du balai d’essuyage. The variations in speed of a wiper blade measured by the accelerometer differ depending on the state of wear of the wiper blade. The invention thus proposes, from the measurement of speed variations by the accelerometer, to calculate a wear profile, and as mentioned a general level of wear of the wiper blade in order to predict the time replacing the wiper blade.
Il est notable que les courbes de vibrations des figures 2 et 3 diffèrent notamment par l’amplitude des ensembles de pics 12, 13. Ces figures représentent des courbes de vibrations calculées pour deux cycles de nettoyage consécutifs tel qu’évoqué précédemment pour un même balai d’essuyage à différents stades de son utilisation. La figure 2 illustre les vibrations calculées pour le balai d’essuyage lorsque celui-ci est proche de sa date de remplacement, tandis que la figure 3 illustre les vibrations calculées pour ce même balai d’essuyage lorsque celui-ci vient d’être installé récemment. Il est notable que les vibrations du balai d’essuyage, notamment celles représentées par le deuxième ensemble de pics 13, présentent une amplitude plus élevée sur la figure 2, correspondant à un balai d’essuyage usagé que sur la figure 3, dont les ensembles de pics de moindre amplitude correspondent à un balai encore en état, qui génère peu de vibrations lorsqu’il est en mouvement. It is notable that the vibration curves of FIGS. 2 and 3 differ in particular by the amplitude of the sets of peaks 12, 13. These figures represent vibration curves calculated for two consecutive cleaning cycles as mentioned previously for the same broom. wipers at different stages of its use. Figure 2 illustrates the vibrations calculated for the wiper blade when it is close to its replacement date, while Figure 3 illustrates the vibrations calculated for this same wiper blade when it has just been installed recently. It is notable that the vibrations of the wiper blade, in particular those represented by the second set of peaks 13, have a higher amplitude in FIG. 2, corresponding to a used wiper blade than in FIG. 3, whose sets peaks of lesser amplitude correspond to a broom still in good condition, which generates few vibrations when it is in motion.
Il résulte de ce qui précède que les valeurs d’intérêt 100 calculées par le dispositif de calcul sont modifiées au fur et à mesure de l’usure d’un balai et que l’analyse de ces valeurs d’intérêt permet de définir un niveau d’usure correspondant à ces valeurs d’intérêt. La figure 4 représente schématiquement une pluralité d’étapes effectuées par l’unité de calcul 6 afin de participer à la détermination du délai de remplacement du balai d’essuyage. It follows from the above that the values of interest 100 calculated by the calculation device are modified as a brush wears and that the analysis of these values of interest makes it possible to define a level of wear corresponding to these values of interest. FIG. 4 schematically represents a plurality of steps performed by the calculation unit 6 in order to participate in the determination of the wiper blade replacement time.
L’unité de calcul 6, après avoir déterminé les valeurs d’intérêt 100 de la donnée 10 par analyse de la courbe de quantité de vibrations subies par le balai d’essuyage, est configuré pour transformer la donnée 10 en une ou plusieurs données transformées. Pour une donnée 10 correspondant à une période de temps donnée, ici deux cycles de nettoyage 11, l’unité de calcul 6 associe une ou plusieurs données transformées et détermine pour chaque donnée transformée un ensemble de valeurs d’intérêt additionnelles. Ce sont l’ensemble des valeurs d’intérêt issues de la donnée 10 et l’ensemble des valeurs d’intérêt additionnelles issues des données transformées qui sont envoyés au réseau neuronal par la suite pour permettre le calcul du niveau d’usure général. Le fait de transformer la donnée 10 permet d’augmenter et de diversifier le nombre d’informations traitées par le réseau neuronal 7 et ainsi de considérer dans le calcul un plus grand nombre de paramètres qu’en transmettant uniquement les valeurs d’intérêt de la donnée 10. De la sorte, on peut affiner le calcul réalisé par l’unité de commande électronique et ainsi diminuer la marge d’erreur dans la détermination du niveau général d’usure du balai d’essuyage réalisée par l’unité de commande électronique. Calculation unit 6, after having determined the values of interest 100 of data 10 by analysis of the curve of quantity of vibrations undergone by the wiper blade, is configured to transform data 10 into one or more data transformed . For a datum 10 corresponding to a given period of time, here two cleaning cycles 11, the calculation unit 6 associates one or more transformed data and determines for each transformed datum a set of additional values of interest. These are the set of values of interest from data 10 and the set of additional values of interest from the transformed data that are subsequently sent to the neural network to allow the calculation of the general level of wear. The fact of transforming the datum 10 makes it possible to increase and diversify the amount of information processed by the neural network 7 and thus to consider in the calculation a greater number of parameters than by transmitting only the values of interest of the data 10. In this way, it is possible to refine the calculation carried out by the electronic control unit and thus reduce the margin of error in the determination of the general level of wear of the wiper blade carried out by the electronic control unit .
Dans l’exemple illustré sur la figure 4, la donnée 10 est transformée en une première donnée transformée 21, une deuxième donnée transformée 22 et une troisième donnée transformée 23. In the example illustrated in figure 4, the datum 10 is transformed into a first transformed datum 21, a second transformed datum 22 and a third transformed datum 23.
La première donnée transformée 21 est ici obtenue par une transformée de Fourier de la donnée 10 sur la base de temps commune ici égale à deux cycles de nettoyage. Sur cette même base de temps, une deuxième donnée transformée 22 correspond à une variation de la densité spectrale de puissance de la donnée 10. Enfin, la troisième donnée transformée 23 correspond à une autocorrélation de la donnée 10 correspondante. L’unité de calcul 6 est configurée pour déterminer par le calcul une pluralité de valeurs d’intérêt additionnelles propres à chaque donnée transformée. Ces valeurs d’intérêt additionnelles sont là encore déterminées par des règles de calcul particulières, qui peuvent être les mêmes que celles mises en œuvre pour le calcul des valeurs d’intérêt 100 de la donnée 10, à savoir chaque valeur correspondant à un pic positif ou négatif de la courbe. A titre d’exemple sur la figure 4, la règle de calcul mise en œuvre pour déterminer les premières valeurs d’intérêt additionnelles 210 de la première donnée transformée 21 consiste en l’identification de pics positifs d’amplitude supérieure à un certain seuil, tous les pics n’étant pas considérés. Et dans le même temps, dans l’exemple illustré, la règle de calcul mise en œuvre pour déterminer les deuxièmes valeurs d’intérêt additionnelles 220 de la deuxième donnée transformée 22 consiste en l’identification de chaque pic positif de la courbe correspondante et la règle de calcul mise en œuvre pour déterminer les troisièmes valeurs d’intérêt additionnelles 230 de la troisième donnée transformée 23 consiste en l’identification de chaque pic, positif ou négatif, de la courbe correspondanteThe first transformed datum 21 is here obtained by a Fourier transform of the datum 10 on the common time base here equal to two cleaning cycles. On this same time base, a second transformed datum 22 corresponds to a variation of the power spectral density of the datum 10. Finally, the third transformed datum 23 corresponds to an autocorrelation of the corresponding datum 10. Calculation unit 6 is configured to determine by calculation a plurality of additional values of interest specific to each transformed datum. These additional values of interest are again determined by specific calculation rules, which may be the same as those implemented for the calculation of the values of interest 100 of the data item 10, namely each value corresponding to a positive peak or negative of the curve. By way of example in FIG. 4, the calculation rule implemented to determine the first additional values of interest 210 of the first transformed datum 21 consists of identifying positive peaks with an amplitude greater than a certain threshold, not all peaks are considered. And at the same time, in the example illustrated, the calculation rule implemented to determine the second additional values of interest 220 of the second transformed datum 22 consists of the identification of each positive peak of the corresponding curve and the calculation rule implemented to determine the third additional values of interest 230 of the third transformed datum 23 consists of identifying each peak, positive or negative, of the corresponding curve
Chacune des données transformées 21, 22, 23 et ses valeurs d’intérêt additionnelles 210, 220, 230 correspondantes découlent de la donnée 10 et elles sont donc représentatives des variations de vitesse du balai d’essuyage mesurées par l’accéléromètre, de sorte que l’analyse des valeurs associées à ces données transformées par le réseau neuronal participe à déterminer le niveau d’usure du balai d’essuyage. Each of the transformed data 21, 22, 23 and its corresponding additional values of interest 210, 220, 230 derive from the data 10 and they are therefore representative of the variations in speed of the wiper blade measured by the accelerometer, such that the analysis of the values associated with these data transformed by the neural network participates in determining the level of wear of the wiper blade.
Dans l’exemple ici illustré, la donnée 10 est transformée à titre d’exemple en trois types particuliers de données transformées, mais sans sortir du contexte de l’invention, on pourra prévoir qu’une donnée 10 soit transformée selon d’autres modèles mathématiques et/ou que le traitement d’une donnée 10 génère un nombre différent de données transformées. In the example illustrated here, the datum 10 is transformed by way of example into three particular types of transformed data, but without departing from the context of the invention, provision may be made for a datum 10 to be transformed according to other models mathematics and/or that the processing of a datum 10 generates a different number of transformed data.
L’ensemble des valeurs d’intérêt et des valeurs d’intérêt additionnelles, c’est-à- dire les valeurs déterminées par calcul à partir de la donnée 10 et de chacune des données transformées, est ensuite envoyé au réseau neuronal 7. Le réseau neuronal 7 est formé par une pluralité de nuages de valeurs stockés dans sa mémoire. Chacun des nuages de valeurs est spécifique à une donnée ou une donnée transformée. Ainsi, un premier nuage de valeurs 40 est relatif à la donnée 10 et permet le traitement des valeurs d’intérêt 100 déterminée par l’étude de cette donnée 10, un deuxième nuage de valeurs 41 est relatif à la première donnée transformée 21 et permet le traitement des premières valeurs d’intérêt additionnelles 210 déterminée par l’étude de cette première donnée transformée 21, un troisième nuage de valeurs 42 est relatif à la deuxième donnée transformée 22 et permet le traitement des deuxièmes valeurs d’intérêt additionnelles 220 déterminée par l’étude de cette deuxième donnée transformée 21, et un quatrième nuage de valeurs 43 est relatif à la troisième donnée transformée 23 et permet le traitement des troisièmes valeurs d’intérêt additionnelles 230 déterminée par l’étude de cette troisième donnée transformée 23. The set of values of interest and additional values of interest, that is to say the values determined by calculation from the datum 10 and from each of the transformed data, is then sent to the neural network 7. The network neural 7 is formed by a plurality of clouds of values stored in its memory. Each of the clouds of values is specific to a datum or a transformed datum. Thus, a first cloud of values 40 is relative to the datum 10 and allows the processing of the values of interest 100 determined by the study of this datum 10, a second cloud of values 41 is relative to the first transformed datum 21 and allows the processing of the first additional values of interest 210 determined by the study of this first transformed datum 21, a third cloud of values 42 relates to the second transformed datum 22 and allows the processing of the second additional values of interest 220 determined by the study of this second transformed datum 21, and a fourth cloud of values 43 relates to the third transformed datum 23 and allows the processing of the third additional values of interest 230 determined by the study of this third transformed datum 23.
En d’autres termes, chaque valeur d’un ensemble de valeurs d’intérêt ou de valeurs d’intérêt additionnelles, c’est-à-dire les valeurs spécifiques à la donnée 10 ou à chacune des données transformées, est stockée en mémoire au sein du nuage de valeurs propre à ladite donnée 10 ou à chacune desdites données transformées afin d’être comparées aux valeurs des nuages de valeurs correspondants. Le réseau neuronal 7 est configuré pour assimiler l’ensemble des valeurs qui lui sont envoyées par apprentissage et à en déduire un calcul d’une classe d’usure à associer au balai d’essuyage sur lequel les mesures de variations de vitesse ont été effectuées. In other words, each value of a set of values of interest or of additional values of interest, that is to say the values specific to the datum 10 or to each of the transformed data, is stored in memory within the cloud of values specific to said datum 10 or to each of said transformed data in order to be compared with the values of the corresponding clouds of values. The neural network 7 is configured to assimilate all of the values sent to it by learning and to deduce therefrom a calculation of a class of wear to be associated with the wiper blade on which the speed variation measurements were carried out .
Plus particulièrement, à partir de chacune des valeurs reçues, le réseau neuronal 7 est configuré pour établir un arbre de décision afin de déterminer à quel état d’usure est relatif une valeur ou un ensemble de valeurs. Les valeurs de chaque nuage de valeurs sont, dans un premier temps, formées par des valeurs récupérées par les fabricants de systèmes d’essuyage lors de tests de fiabilités des balais d’essuyage, lors desquels différents types de balais d’essuyage sont testés pendant toute leur durée de vie pour créer une base de données de départ. Par la suite, chaque valeur reçue est assimilée et stockée au sein du réseau neuronal 7 afin d’affiner les échelles de valeurs et les états d’usure associés. Ainsi, au fil du temps et des valeurs reçues, le dispositif de calcul d’usure s’affine et devient de plus en plus précis, ce qui réduit également les marges d’erreur. More particularly, from each of the values received, the neural network 7 is configured to establish a decision tree in order to determine to which state of wear a value or a set of values relates. The values of each cloud of values are, initially, formed by values recovered by the manufacturers of wiper systems during reliability tests of wiper blades, during which different types of wiper blades are tested during their entire lifetime to create a starting database. Subsequently, each value received is assimilated and stored within the neural network 7 in order to refine the scales of values and the associated states of wear. Thus, over time and the values received, the wear calculation device is refined and becomes increasingly precise, which also reduces the margins of error.
De manière complémentaire à ce qui vient d’être décrit, il convient de noter que les valeurs stockées peuvent être envoyées sur un serveur à distance afin que celui-ci puisse mutualiser les données de plusieurs de calcul d’usure et que cela permette d’en déduire par la suite des résultats encore plus précis. Le réseau neuronal 7 associé à un dispositif de calcul d’usure pourrait, le cas échéant, être mis à jour avec des valeurs recueillies par d’autres dispositifs de calcul d’usure et ses performances de calcul pourraient en être améliorées. In addition to what has just been described, it should be noted that the stored values can be sent to a remote server so that it can pool the data from several wear calculations and that this makes it possible to then deduce even more precise results. The neural network 7 associated with a wear calculation device could, if necessary, be updated with values collected by other wear calculation devices and its calculation performance could be improved thereby.
La figure 5 est une illustration schématique du déroulement du calcul du niveau général d’usure du balai d’essuyage après que les valeurs d’intérêt de la donnée 10 et les valeurs d’intérêt additionnelles des données transformées ont été envoyées au réseau neuronal. Figure 5 is a schematic illustration of the flow of the calculation of the general level of wear of the wiper blade after the values of interest of the data 10 and the additional values of interest of the transformed data have been sent to the neural network.
Comme cela a été décrit précédemment, les valeurs d’intérêt relatives à la donnée et les valeurs d’intérêt additionnelles relatives à une donnée transformée sont envoyées au nuage de valeurs qui lui est propre et sont ainsi comparées aux autres valeurs du nuage de valeurs afin de déterminer une classe d’usure 31 propre à la donnée ou la donnée transformée. Les valeurs sont comparées de proche en proche afin de déterminer la classe d’usure 31 de la donnée 10 et de chacune des données transformées. As described previously, the values of interest relating to the datum and the additional values of interest relating to a transformed datum are sent to the cloud of values which is specific to it and are thus compared with the other values of the cloud of values in order to determine a wear class 31 specific to the datum or the transformed datum. The values are compared step by step in order to determine the wear class 31 of data 10 and of each of the transformed data.
Selon l’exemple illustré sur la figure 5, les valeurs d’intérêt 100 de la donnée 10 et les valeurs d’intérêt additionnelles 210, 220, 230 des données transformées 21, 22, 23 sont comparées à chacun des nuages de valeurs évoqués précédemment, et le réseau neuronal calcule une classe d’usure 31 par l’intermédiaire d’un arbre de décision propre à chaque nuage de valeurs. Chacun des points des arbres de décisions peut par exemple correspondre à une valeur ou à un groupe de valeurs, lesdites valeurs d’intérêt ou valeurs d’intérêt additionnelles étant comparées aux valeurs ou groupes de valeurs correspondants de l’arbre de décision. Des comparaisons successives permettent une progression de proche en proche le long de l’arbre de décision correspondant et permettent d’aboutir à la classe d’usure 31 associée. According to the example illustrated in FIG. 5, the values of interest 100 of the datum 10 and the additional values of interest 210, 220, 230 of the transformed data 21, 22, 23 are compared with each of the clouds of values mentioned above , and the neural network calculates a wear class 31 via a decision tree specific to each cloud of values. Each of the points of the decision trees can for example correspond to a value or to a group of values, said values of interest or additional values of interest being compared with the corresponding values or groups of values of the decision tree. From successive comparisons allow a step by step progression along the corresponding decision tree and lead to the associated wear class 31 .
Plus particulièrement, si l’on considère ici la donnée 10 et ses valeurs d’intérêt 100, une première valeur d’intérêt ou un premier groupe de valeurs d’intérêt est comparé aux différents nœuds du premier étage de l’arbre de décision jusqu’à ce que cette première valeur d’intérêt ou ce premier groupe de valeurs d’intérêt soit identifié à un premier nœud 110 du premier étage de l’arbre de décision. Une deuxième valeur d’intérêt ou un deuxième groupe de valeurs d’intérêt est comparé aux différents nœuds du deuxième étage de l’arbre de décision issus du premier nœud 110, jusqu’à ce que cette deuxième valeur d’intérêt ou ce deuxième groupe de valeurs d’intérêt soit identifié à un deuxième nœud 120 du deuxième étage de l’arbre de décision. Enfin, dans cet exemple simplifié où l’arbre de décision associé au réseau neuronal ne comporte que trois étages, une troisième valeur d’intérêt ou un troisième groupe de valeurs d’intérêt est comparé aux différents nœuds du troisième étage de l’arbre de décision issus du deuxième nœud 120, jusqu’à ce que cette troisième valeur d’intérêt ou ce troisième groupe de valeurs d’intérêt soit identifié à un troisième nœud 130 du troisième étage de l’arbre de décision, un profil de classe d’usure C étant associé à ce troisième nœud 130. More particularly, if we consider here the datum 10 and its values of interest 100, a first value of interest or a first group of values of interest is compared to the different nodes of the first stage of the decision tree up to 'that this first value of interest or this first group of values of interest is identified with a first node 110 of the first stage of the decision tree. A second value of interest or a second group of values of interest is compared to the different nodes of the second stage of the decision tree coming from the first node 110, until this second value of interest or this second group of values of interest is identified at a second node 120 of the second stage of the decision tree. Finally, in this simplified example where the decision tree associated with the neural network has only three stages, a third value of interest or a third group of values of interest is compared to the different nodes of the third stage of the tree. decisions from the second node 120, until this third value of interest or this third group of values of interest is identified with a third node 130 of the third stage of the decision tree, a class profile of wear C being associated with this third node 130.
Dans l’exemple illustré, la classe d’usure 31 est déterminée parmi un choix de quatre profils de classes d’usure A, B, C, D. Chacun des profils de classes d’usure A, B, C, D correspond à un état d’usure plus ou moins avancé du balai d’essuyage. Par exemple le premier profil de classe d’usure A peut correspondre à un balai d’essuyage neuf ou quasiment neuf, tandis que le quatrième profil de classe d’usure D peut correspondre à un balai d’essuyage très usé devant être remplacé, les deuxième et troisième profils de classe d’usure B et C pouvant correspondre à des états d’usure intermédiaires. Il convient de comprendre que dans l’exemple illustré, le réseau neuronal est amené à déterminer une classe d’usure 31 sur la base des quatre profils de classe d’usure représentés sur la figure 5, mais que le réseau neuronal peut choisir la classe d’usure 31 du balai parmi un plus grand nombre de choix de profils. Le fait d’augmenter le nombre de choix possibles pour déterminer la classe d’usure 31 permet par la suite d’améliorer la précision du délai de remplacement du balai d’essuyage étant donné que l’état d’usure dudit balai d’essuyage est déterminé de manière plus précise. In the example illustrated, the wear class 31 is determined from a choice of four wear class profiles A, B, C, D. Each of the wear class profiles A, B, C, D corresponds to a more or less advanced state of wear of the wiper blade. For example, the first wear class profile A may correspond to a new or almost new wiper blade, while the fourth wear class D profile may correspond to a very worn wiper blade that needs to be replaced, the second and third wear class B and C profiles which may correspond to intermediate wear states. It should be understood that in the illustrated example, the neural network is required to determine a wear class 31 based on the four wear class profiles shown in Figure 5, but that the neural network can choose brush wear class 31 from more profile choices. The fact of increasing the number of possible choices for determining the wear class 31 subsequently makes it possible to improve the accuracy of the wiper blade replacement time given that the state of wear of said wiper blade is determined more precisely.
Dans l’exemple illustré sur la figure 5, la classe d’usure 31 déterminée par suite de l’analyse de la donnée 10 et la classe d’usure 31 déterminée par suite de l’analyse de la troisième donnée transformée 23 correspondent au troisième profil de classe d’usure C. La classe d’usure 31 déterminée par suite de l’analyse de la première donnée transformée 21 correspond au quatrième profil de classe d’usure D. Enfin, la classe d’usure 31 déterminée par suite de l’analyse de la deuxième donnée transformée 22 correspond au deuxième profil de classe d’usure B. In the example illustrated in FIG. 5, the wear class 31 determined following the analysis of the datum 10 and the wear class 31 determined following the analysis of the third transformed datum 23 correspond to the third wear class profile C. The wear class 31 determined as a result of the analysis of the first transformed datum 21 corresponds to the fourth wear class profile D. Finally, the wear class 31 determined as a result of the analysis of the second transformed datum 22 corresponds to the second profile of wear class B.
Les classes d’usure 31 peuvent différer en fonction du type de donnée ou de de donnée transformée analysée et c’est la classe d’usure 31 majoritaire qui est retenue pour déterminer un niveau d’usure général 32 du balai d’essuyage. Selon l’exemple illustré en figure 5, la classe d’usure 31 majoritaire correspond au troisième profil de classe d’usure C qui est retrouvé à deux reprises parmi l’ensemble des classes d’usure 31 déterminées. Le niveau d’usure général 32 correspond donc à un troisième profil de classe d’usure C, c’est-à-dire ici un état d’usure intermédiaire relativement proche d’un niveau nécessitant le remplacement. Tel que cela est le cas dans l’exemple illustré sur la figure 5, il peut arriver que les classes d’usure 31 déterminées pour la donnée 10 et les données transformées 21, 22, 23 diffèrent les unes des autres pour un même balai d’essuyage, de sorte qu’il est avantageux de prévoir le calcul et l’analyse de plusieurs données transformées pour s’assurer qu’une classe d’usure 31 puisse apparaître majoritairement et être retenue comme étant le niveau d’usure général 32 du balai d’essuyage. The wear classes 31 may differ depending on the type of data or transformed data analyzed and it is the majority wear class 31 that is retained to determine a general level of wear 32 of the wiper blade. According to the example illustrated in FIG. 5, the majority wear class 31 corresponds to the third wear class profile C which is found twice among all the wear classes 31 determined. The general level of wear 32 therefore corresponds to a third profile of wear class C, that is to say here an intermediate state of wear relatively close to a level requiring replacement. As is the case in the example illustrated in FIG. 5, it may happen that the wear classes 31 determined for the datum 10 and the transformed data 21, 22, 23 differ from each other for the same brush d wiping, so that it is advantageous to provide for the calculation and analysis of several transformed data to ensure that a class of wear 31 can appear in the majority and be retained as being the general level of wear 32 of the wiper blade.
Une fois celui-ci déterminé, le niveau d’usure général 32 est transmis à l’unité de calcul d’usure 6. A partir de la classe du niveau général d’usure 32 associé au balai présent sur le véhicule, l’unité de calcul d’usure 6 en déduit le délai de remplacement 33 de ce balai. Selon un exemple de réalisation, l’unité de calcul 6 comporte une base de données stockée en mémoire dans laquelle des délais de remplacement 33 de balai d’essuyage sont associés à des niveaux généraux d’usure 32. Ainsi plus le niveau général d’usure 32 estimé correspond à un balai d’essuyage usé, plus le délai de remplacement 33 qui en découle est limité dans le temps, un balai d’essuyage usé devant être remplacé plus rapidement qu’un balai d’essuyage neuf ou en bon état. Once this has been determined, the general level of wear 32 is transmitted to the wear calculation unit 6. From the class of the general level of wear 32 associated with the brush present on the vehicle, the unit wear calculation 6 deduces the time of replacement 33 of this broom. According to an exemplary embodiment, the calculation unit 6 comprises a database stored in memory in which the wiper blade replacement times 33 are associated with general levels of wear 32. Thus the more the general level of estimated wear 32 corresponds to a worn wiper blade, plus the resulting replacement time 33 is limited in time, a worn wiper blade having to be replaced more quickly than a new wiper blade or one in good condition .
Le délai de remplacement 33 est ensuite transmis au dispositif d’affichage 8. Ce dernier indique de manière visuelle à l’utilisateur le délai de remplacement 33 qui lui a été transmis. L’utilisateur peut ainsi prendre ses précautions et se procurer un balai d’essuyage de remplacement durant le délai de remplacement 33 et procéder au remplacement de son balai d’essuyage actuel lorsque le délai de remplacement 33 est en passe d’être atteint. The replacement time 33 is then transmitted to the display device 8. The latter visually indicates to the user the replacement time 33 which has been transmitted to him. The user can thus take precautions and obtain a replacement wiper blade during the replacement period 33 and proceed to replace his current wiper blade when the replacement period 33 is about to be reached.
Bien sûr, l’invention n’est pas limitée aux exemples qui viennent d’être décrits et de nombreux aménagements peuvent être apportés à ces exemples sans sortir du cadre de l’invention. Of course, the invention is not limited to the examples which have just been described and many adjustments can be made to these examples without departing from the scope of the invention.
L’invention, telle qu’elle vient d’être décrite, atteint bien le but qu’elle s’était fixée, et permet de proposer un dispositif de calcul d’usure d’un balai d’essuyage estimant un délai de remplacement dudit balai d’essuyage. Des variantes non décrites ici pourraient être mises en œuvre sans sortir du contexte de l’invention, dès lors que, conformément à l’invention, elles comprennent un dispositif de calcul d’usure conforme à l’invention. The invention, as it has just been described, achieves the goal it had set itself, and makes it possible to propose a device for calculating the wear of a wiper blade, estimating a replacement time for said wiper blade. Variants not described here could be implemented without departing from the context of the invention, provided that, in accordance with the invention, they include a wear calculation device in accordance with the invention.

Claims

22 22
REVENDICATIONS
1- Dispositif de calcul d’usure (i) d’un balai d’essuyage (2) de véhicule, comprenant au moins un accéléromètre (4) configuré pour mesurer les variations de vitesse du balai d’essuyage (2) lors d’une opération de balayage, ledit dispositif de calcul d’usure (1) comprenant une unité de commande électronique (5) configurée pour déterminer une information relative au remplacement du balai d’essuyage (2) en fonction des variations de vitesse mesurées par l’accéléromètre (4), caractérisé en ce que l’unité de commande électronique (5) comprend une unité de calcul (6) configurée pour calculer un niveau général d’usure (32) du balai d’essuyage (2) en fonction d’au moins une donnée (10) représentative des variations de vitesse mesurées par l’accéléromètre (4), ledit niveau général d’usure (32) étant lié à un délai de remplacement (33) au terme duquel l’utilisateur doit remplacer le balai d’essuyage (2). 1- Device for calculating the wear (i) of a wiper blade (2) of a vehicle, comprising at least one accelerometer (4) configured to measure the variations in speed of the wiper blade (2) during a sweeping operation, said wear calculation device (1) comprising an electronic control unit (5) configured to determine information relating to the replacement of the wiper blade (2) as a function of the speed variations measured by the accelerometer (4), characterized in that the electronic control unit (5) comprises a calculation unit (6) configured to calculate a general level of wear (32) of the wiper blade (2) as a function of at least one datum (10) representative of the speed variations measured by the accelerometer (4), said general level of wear (32) being linked to a replacement period (33) at the end of which the user must replace the blade wiper (2).
2- Dispositif de calcul d’usure (1) selon la revendication 1, dans lequel l’accéléromètre (4) est configuré pour mesurer une variation de vitesse en plusieurs points de passage spécifiques lors d’un cycle de nettoyage (11) du balai d’essuyage (2), l’unité de calcul (6) étant configurée pour calculer la donnée (10) sur la base des variations de vitesse en chaque point de passage spécifique du cycle de nettoyage (11). 2- wear calculation device (1) according to claim 1, wherein the accelerometer (4) is configured to measure a speed variation at several specific passage points during a cleaning cycle (11) of the brush wiper (2), the calculation unit (6) being configured to calculate the datum (10) on the basis of the speed variations at each specific passage point of the cleaning cycle (11).
3- Dispositif de calcul d’usure (1) selon l’une des revendications 1 ou 2, dans lequel la donnée (10) représentative des variations de vitesse mesurées par l’accéléromètre (4) est une quantité de vibrations subies par le balai d’essuyage (2) lors d’au moins un cycle de nettoyage (11). 3- Wear calculation device (1) according to one of claims 1 or 2, in which the datum (10) representative of the speed variations measured by the accelerometer (4) is a quantity of vibrations undergone by the brush wiping (2) during at least one cleaning cycle (11).
4- Dispositif de calcul d’usure (1) selon l’une quelconque des revendications précédentes, dans lequel l’unité de commande électronique (5) comporte outre l’unité de calcul (6) un réseau neuronal (7) configuré pour participer au calcul dudit niveau général d’usure (32). 4- Wear calculation device (1) according to any one of the preceding claims, in which the electronic control unit (5) further comprises the calculation unit (6) a neural network (7) configured to participate to the calculation of said general level of wear (32).
5- Dispositif de calcul d’usure (1) selon la revendication précédente, dans lequel l’unité de calcul (6) est configurée pour générer au moins une donnée transformée (21, 22, 23) à partir de la donnée (10) représentative des variations de vitesses mesurées par l’accéléromètre, le réseau neuronal (7) étant paramétré pour traiter ladite donnée (10) et/ou chaque donnée transformée (21, 22, 23) pour calculer le niveau général d’usure (32). 5- Wear calculation device (1) according to the preceding claim, in which the calculation unit (6) is configured to generate at least one transformed datum (21, 22, 23) from the datum (10) representative of variations in speeds measured by the accelerometer, the neural network (7) being configured to process said datum (10) and/or each transformed datum (21, 22, 23) to calculate the general level of wear (32).
6- Dispositif de calcul d’usure (1) selon la revendication précédente, dans lequel le réseau neuronal (7) est configuré pour recevoir une pluralité de valeurs d’intérêt (100, 210, 220, 230) issues de ladite donnée (10) ou d’une donnée transformée (21, 22, 23) et pour déterminer une classe d’usure (31) propre à ladite donnée (10) et/ou à chaque donnée transformée (21, 22, 23). 6- Wear calculation device (1) according to the preceding claim, in which the neural network (7) is configured to receive a plurality of values of interest (100, 210, 220, 230) from said datum (10 ) or a transformed datum (21, 22, 23) and to determine a wear class (31) specific to said datum (10) and/or to each transformed datum (21, 22, 23).
7- Dispositif de calcul d’usure (1) selon la revendication précédente, dans lequel le réseau neuronal (7) est configuré pour déterminer une classe d’usure (31) du balai d’essuyage par le biais d’opérations mathématiques sur des valeurs d’intérêt et/ou par le biais de comparatifs de proche en proche entre une valeur d’intérêt ou un groupe de valeurs d’intérêt issues de ladite donnée ou d’une donnée transformée et une valeur d’un nuage de valeurs déjà assimilées par apprentissage du réseau neuronal. 7- Wear calculation device (1) according to the preceding claim, in which the neural network (7) is configured to determine a wear class (31) of the wiper blade by means of mathematical operations on values of interest and/or through step-by-step comparisons between a value of interest or a group of values of interest resulting from said datum or from a transformed datum and a value from a cloud of values already assimilated by training the neural network.
8- Dispositif de calcul d’usure (1) selon la revendication précédente, dans lequel le réseau neuronal (7) est configuré pour calculer le niveau d’usure général (32) à partir de la classe d’usure (31) majoritaire parmi les classes d’usure (31) déterminées pour la donnée (10) et/ou chaque donnée transformée (21, 22, 23). 8- Wear calculation device (1) according to the preceding claim, in which the neural network (7) is configured to calculate the general level of wear (32) from the class of wear (31) in the majority among the wear classes (31) determined for the datum (10) and/or each transformed datum (21, 22, 23).
9- Dispositif de calcul d’usure (1) selon la revendication précédente, dans lequel l’unité de calcul (6) est configurée pour faire correspondre le niveau d’usure général (32) obtenu audit délai de remplacement (33) au terme duquel l’utilisateur doit remplacer le balai d’essuyage (2), chaque niveau d’usure général (32) correspondant à un délai de remplacement (33) qui lui est propre. 9- Wear calculation device (1) according to the preceding claim, in which the calculation unit (6) is configured to match the general level of wear (32) obtained with said replacement time (33) at the end which the user must replace the wiper blade (2), each level of general wear (32) corresponding to a replacement time (33) specific to it.
10- Procédé de calcul d’usure d’un balai d’essuyage (2) pour véhicule, mis en œuvre par un dispositif de calcul d’usure (1) selon l’une des revendications précédentes 4 à 9, comprenant : une première étape de mesure des variations de vitesse du balai d’essuyage (2) par l’accéléromètre (4), une deuxième étape de calcul de la donnée (10) par l’unité de calcul (6) à partir des variations de vitesse relevées par l’accéléromètre (4), une troisième étape de transmission au réseau neuronal (7) de valeurs d’intérêt (100) issues de la donnée (10), une quatrième étape de détermination de la classe d’usure (31) et du niveau général d’usure (32) par le réseau neuronal (7), une cinquième étape de conversion du niveau général d’usure (32) en délai de remplacement (33) au terme duquel l’utilisateur doit remplacer le balai d’essuyage. 10- Method for calculating the wear of a wiper blade (2) for a vehicle, implemented by a wear calculation device (1) according to one of the preceding claims 4 to 9, comprising: a first step of measuring the variations in speed of the wiper blade (2) by the accelerometer (4), a second step of calculating the datum (10) by the calculation unit (6) from the speed variations detected by the accelerometer (4), a third step of transmitting to the neural network (7) values of interest (100) from the datum (10), a fourth step of determining the class of wear (31) and the general level of wear (32) by the neural network (7), a fifth step of converting the general level of wear (32) in replacement time (33) at the end of which the user must replace the wiper blade.
PCT/EP2021/080715 2020-11-13 2021-11-05 Device for calculating wear on a wiper blade WO2022101092A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2011628A FR3116249B1 (en) 2020-11-13 2020-11-13 Device for calculating the wear of a wiper blade
FRFR2011628 2020-11-13

Publications (1)

Publication Number Publication Date
WO2022101092A1 true WO2022101092A1 (en) 2022-05-19

Family

ID=74860024

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2021/080715 WO2022101092A1 (en) 2020-11-13 2021-11-05 Device for calculating wear on a wiper blade

Country Status (2)

Country Link
FR (1) FR3116249B1 (en)
WO (1) WO2022101092A1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2644606A1 (en) * 1989-03-14 1990-09-21 Thomson Csf Method of optimising a classifier
EP2316699A2 (en) * 2009-10-29 2011-05-04 Robert Bosch GmbH Device and method of determining the status of a wiper blade
DE102015003556A1 (en) * 2015-03-19 2015-10-15 Daimler Ag Windscreen wiper for a vehicle, in particular a passenger car, and wiper blade for such a windshield wiper
FR3071794A1 (en) * 2017-09-29 2019-04-05 Valeo Systemes D'essuyage WIPER BLADE
CN110901590A (en) * 2018-09-14 2020-03-24 罗伯特·博世有限公司 Wiper system, control method and vehicle

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2644606A1 (en) * 1989-03-14 1990-09-21 Thomson Csf Method of optimising a classifier
EP2316699A2 (en) * 2009-10-29 2011-05-04 Robert Bosch GmbH Device and method of determining the status of a wiper blade
DE102015003556A1 (en) * 2015-03-19 2015-10-15 Daimler Ag Windscreen wiper for a vehicle, in particular a passenger car, and wiper blade for such a windshield wiper
FR3071794A1 (en) * 2017-09-29 2019-04-05 Valeo Systemes D'essuyage WIPER BLADE
CN110901590A (en) * 2018-09-14 2020-03-24 罗伯特·博世有限公司 Wiper system, control method and vehicle

Also Published As

Publication number Publication date
FR3116249A1 (en) 2022-05-20
FR3116249B1 (en) 2023-01-20

Similar Documents

Publication Publication Date Title
EP2561193B1 (en) Method and system for monitoring the level of oil contained in a tank of an aircraft engine
EP3014292B1 (en) Method for evaluating the state of charge of a battery
EP3710693B1 (en) System and method for diagnosing a rotor unbalance of a wind turbine
FR2810383A1 (en) METHOD FOR MONITORING THE THICKNESS OF THE BRAKE LININGS OF A MOTOR VEHICLE BRAKING SYSTEM
EP3209993B1 (en) Method and device for the monitoring of a vane propeller of an aircraft engine by measuring an equilibrium position
FR2914743A1 (en) METHOD FOR DETECTING AND ESTIMATING A HYDROPLANING PHENOMENON OF A PNEUMATIC ON A WETTED ROAD
EP1076235B1 (en) Measuring adhesive friction between roadway and vehicle tyres
FR2876455A1 (en) METHOD AND DEVICE FOR PROCESSING MEASUREMENT SIGNALS FROM AN ON-BOARD DISPLACEMENT SENSOR ON A MOTOR VEHICLE
FR3062500A1 (en) METHOD FOR MONITORING THE USE OF A WIPING SYSTEM OF A MOTOR VEHICLE
WO2022101092A1 (en) Device for calculating wear on a wiper blade
FR3071794B1 (en) WIPER BLADE
EP3812736B1 (en) Method and system for estimating the wear of a rotating machine comprising a bearing
EP1913336B1 (en) Method and device for determining the speed of a runner
FR3095510A1 (en) Method for estimating an index representative of the frictional behavior of a vehicle on a road
WO2016051038A1 (en) Method for estimating the ageing of a motor vehicle catalyst
EP3519256B1 (en) Method for supervising the evolution of the wear of a windscreen wiper blade
WO2009138651A2 (en) Tire monitoring method
WO2023275265A1 (en) Device for determining a state of wear of a wiper blade
WO2000037292A1 (en) Method for controlling a plate surface cleaning by dynamic optical control, and implementing equipment
WO2024056319A1 (en) Method for determining a compensated dynamic radius of a wheel of a vehicle, method for estimating the depth of a tyre tread, and motor vehicle for implementing said methods
EP3379203B1 (en) Method for estimating the bias of a sensor
WO2023275259A1 (en) Method for estimating a state of wear of a wiper blade system for a motor vehicle
EP1308740B1 (en) Device for diagnosing the operability of a storage battery
WO2023199009A1 (en) Method for determining the amount of dirt on a roadway
FR3113317A1 (en) Method for exploiting data from a selection of driving assistance sensors in a vehicle

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: 21806229

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: 21806229

Country of ref document: EP

Kind code of ref document: A1