本発明は、システム内の欠陥を識別するための方法並びに当該方法を実施するための計算ユニット及びコンピュータプログラムに関する。 The present invention relates to a method for identifying defects in a system, as well as a computing unit and a computer program for implementing the method.
発明の背景
車両内の機能性を監視し、エラーを識別するために、種々異なる手段が利用される。これには、特に、種々異なる機能に対する、制御装置内のオンボード診断が属し、オンボード診断は、特定のパラメータ及び測定値を連続的に監視し、モデル化し、結果が所定の境界値を遵守しているかについて検査する。この際に、エラー又は予期しない結果が識別される場合には、シグナル（たとえば、点灯する警告ランプ、ディスプレイ上における情報の表示）が、ユーザに出力されるようにすることができ、又は、工場から読み出されるようにすることができる。BACKGROUND OF THE INVENTION Various different means are used to monitor functionality within a vehicle and to identify errors. This includes, in particular, on-board diagnostics in control devices for different functions, which continuously monitor and model certain parameters and measured values so that the results comply with predetermined boundary values. Inspect whether the In this case, if an error or unexpected result is identified, a signal (e.g. an illuminated warning lamp, an indication of information on a display) can be output to the user or the factory It can be read from.
このような診断の目的は、常に、エラー源を可能な限り正確に特定することである（ピンポインティング）。欠陥を有するユニットを識別できない場合には、疑わしい構成要素が交換されなければならず、これには時間及びコストがかかる。たとえば、診断要素が特定の排出値の上昇を示すことがあるが、これに際して、この不所望な上昇をどの構成要素が引き起こしているのかさえも明らかにされない。同様に、独立したエラー、ひいては制御装置内の個々の構成要素に対するエラーエントリが存在するのではなく、複数の構成要素の相互作用が偏差を引き起こしている可能性もある。 The aim of such diagnostics is always to identify the source of the error as precisely as possible (pinpointing). If a defective unit cannot be identified, the suspect component must be replaced, which is time consuming and costly. For example, a diagnostic element may indicate an increase in a certain emission value, without even being able to identify which component is causing this undesired increase. It is likewise possible that there are no independent errors and thus error entries for individual components within the control device, but rather that the interaction of several components causes the deviation.
発明の開示
本発明によれば、独立請求項の特徴を有する、システム内の欠陥を識別するための方法並びに当該方法を実施するための計算ユニット及びコンピュータプログラムが提案される。有利な構成は、従属請求項及び以下の明細書に記載されている。DISCLOSURE OF THE INVENTION According to the invention, a method for identifying defects in a system as well as a calculation unit and a computer program for implementing the method are proposed, having the features of the independent claims. Advantageous configurations are described in the dependent claims and the following description.
本発明は、車両等のシステム内のエラーを識別し、限定するための改良された診断手段を提示する。特に、はじめに、システムの複数の状態指標に対するパラメータ値を検出するための方法が提案され、状態指標は、システムの測定されたパラメータ及び／又は測定されたパラメータから計算又はモデル化された、システムに対するパラメータを含む。次いで、これらの状態指標のそれぞれに対して、欠陥についての現在の評価指標が特定され、評価指標は、状態指標に対する検出されたパラメータ値と所定の基準値との比較に基づいて特定される。次いで、状態指標の所定のグループに対する、このように特定された評価指標の組合せに基づいて、システムの少なくとも１つの構成要素に関する欠陥確率が決定され、状態指標のグループは、少なくとも１つの構成要素に割り当てられている。複数の状態指標を確率に基づいて組み合わせて評価することによって、個々の閾値超過又はエラー表示にまだ現れていないエラー又は変化も識別することができる。この場合、評価指標ははじめに状態指標に特有の主要な数値を表すことができ、ここでは、評価指標は、相互に同等である必要はない。評価指標は、たとえば、エラー状態又は欠陥状態に対する確率値を示すことができるが、パラメータ値と境界との間隔、パラメータ値の分布と典型的な値又は類似の主要な数値との間隔も示すことができる。間隔として、たとえば、フリート平均値に対する３σの偏差又は特定のパラメータに対するパーセンタイル値（たとえば９７パーセンタイル）も特定することができる。 The present invention presents an improved diagnostic means for identifying and limiting errors in systems such as vehicles. In particular, a method is first proposed for detecting parameter values for multiple state indicators of a system, where the state indicators are calculated or modeled from measured parameters of the system and/or measured parameters of the system. Contains parameters. Then, for each of these condition indicators, a current evaluation metric for the defect is determined, the evaluation metric being determined based on a comparison of the detected parameter value for the condition indicator with a predetermined reference value. A defect probability for at least one component of the system is then determined based on the combination of evaluation metrics thus identified for the predetermined group of condition metrics, and the group of condition metrics is determined for the at least one component. Assigned. By evaluating a plurality of condition indicators in a probabilistic combination, it is also possible to identify errors or changes that are not yet present in the individual threshold exceedances or error indications. In this case, the evaluation indicators can initially represent key numerical values specific to the state indicators, where the evaluation indicators do not have to be mutually equivalent. The evaluation metric may, for example, indicate a probability value for an error or defect condition, but also indicate the interval between a parameter value and a boundary, the interval between a distribution of parameter values and a typical value or a similar key value. I can do it. The interval may also be specified, for example, a 3σ deviation from a fleet average value or a percentile value (eg, 97th percentile) for a particular parameter.
さらに、この方法においては、構成要素のエラー又は欠陥のさらなる検査及び／又は限定のための可能な診断ステップに対して、これらの可能な診断ステップのうちのどれが、エラーの検査又は限定に最も関連するかを表示する確率を示す診断確率を決定することができる。診断ステップは、たとえば、基礎となるシステムエラー又は上位の欠陥に関連して、エアシステム又は冷却剤システムの漏れ検査であるものとしてよく、又は、ターボチャージャのブースト圧上昇の検査であるものとしてよい。診断確率の決定は、この場合、それぞれ少なくとも１つの診断ステップに割り当てられている状態指標の所定のグループに対する評価指標の組合せに基づく。さらに、この決定に、可能な診断ステップの診断コスト及び決定された欠陥確率も含めることができる。診断確率を決定することによって、工場において、エラーを限定するための必要な診断ステップを具体的に挙げることが可能になり、欠陥確率及び診断コストに関して効率的な順序でこれらの診断ステップを表示することが可能になる。これによって、エラー診断ひいてはシステムの修理を効率的に実行することが可能になる。 Furthermore, in this method, for possible diagnostic steps for further testing and/or limiting errors or defects in the component, which of these possible diagnostic steps is most suitable for testing or limiting the error? A diagnostic probability can be determined that indicates the probability of an association. The diagnostic step may be, for example, checking for leaks in the air system or coolant system, or checking for boost pressure build-up in the turbocharger, in relation to underlying system errors or superordinate defects. . The determination of the diagnostic probability is in this case based on a combination of evaluation indicators for a predetermined group of condition indicators, each of which is assigned to at least one diagnostic step. Furthermore, the diagnostic costs of possible diagnostic steps and the determined defect probabilities can also be included in this determination. Determining the diagnostic probabilities allows the factory to specify the necessary diagnostic steps to limit errors and to display these diagnostic steps in an efficient order with respect to defect probability and diagnostic cost. becomes possible. This makes it possible to efficiently diagnose errors and thus repair the system.
これに加えて、この方法においては、欠陥・エラー可能性の原因確率も決定され、この原因確率は、種々異なる欠陥・エラー可能性に対して、基礎となるシステムエラー又は上位の欠陥をトリガするエラーが存在する確率を示す。欠陥・エラー可能性は、たとえば、不十分な冷却能力又は冷却水の内部への漏れである。原因確率の決定は、欠陥確率及び診断確率の場合と同様に、欠陥・エラー可能性に割り当てられている状態指標の所定のグループに対する評価指標の組合せに基づくものとしてよい。これによって、工場における修理時に、システムエラー又は上位の欠陥の原因が何であるかを表示することができ、これによって、エラー探索がさらに限定される。これによって、システムの修理をより容易にすることができる。欠陥確率及び／又は診断確率の決定の以降の経過において説明されるプロセスを、同様に、原因確率を決定するために使用することができる。 In addition to this, the method also determines the causal probability of a defect/error possibility, which causal probability triggers an underlying system error or a superordinate defect for different defects/error possibilities. Indicates the probability that an error exists. Possible defects/errors are, for example, insufficient cooling capacity or leakage of cooling water into the interior. The determination of the cause probability may be based on a combination of evaluation indicators for a predetermined group of condition indicators assigned to the defect/error probability, as in the case of defect probabilities and diagnostic probabilities. This allows it to be displayed during factory repairs what the causes of system errors or top defects are, thereby further limiting error searching. This can make the system easier to repair. The processes described in the following discussion of determining defect probabilities and/or diagnostic probabilities can similarly be used to determine cause probabilities.
状態指標に対する現在の評価指標を特定することは、ここでは、たとえば、パラメータ値を、基準値として設定されている１つ又は複数の閾値と比較すること、パラメータ値を、１つ又は複数の他のシステムにおいて状態指標のために決定された基準値と比較すること、パラメータ値を、複数の他のシステムにおいて状態指標のための複数のパラメータ値の統計的な特性値から検出された基準値と比較すること、パラメータ値を、１つ又は複数の先行する時点で検出された、基準値として設定されている、システムのパラメータ値と比較することのうちの少なくとも１つを含むものとしてよい。 Identifying the current evaluation metric for the condition indicator here includes, for example, comparing the parameter value with one or more threshold values set as a reference value, comparing the parameter value with one or more other comparing the parameter value with a reference value determined for the condition indicator in the system, the parameter value with a reference value detected from a statistical characteristic value of the plurality of parameter values for the condition indicator in the plurality of other systems; The method may include at least one of: comparing the parameter value with a parameter value of the system detected at one or more previous points in time and set as a reference value.
複数の状態指標の各々に対する現在の評価指標を特定することは、特に、パラメータ値と基準値との間の差を特定すること及び特定された差に関連して評価指標を決定することを含むものとしてよい。差を特定することによって、測定されたパラメータ値が、定められている欠陥閾値からどの程度離れているのか、又は、パラメータ値が、正常であると予想される値からどの程度離れているのかを表す尺度が検出され、次いで、この尺度を、欠陥についての評価指標の決定に関与させることができる。欠陥に関する境界値の近くにあるパラメータは、より高い確率で、現在の欠陥又は差し迫った欠陥を示唆する。 Identifying a current evaluation metric for each of the plurality of condition indicators includes, inter alia, identifying a difference between a parameter value and a reference value and determining an evaluation metric in relation to the identified difference. Good as a thing. By identifying the difference, you can determine how far the measured parameter value is from a defined defect threshold or how far the parameter value is from what would be expected to be normal. A representative measure is detected and this measure can then be involved in determining an evaluation index for the defect. Parameters that are close to boundary values for defects indicate a current or impending defect with a higher probability.
任意選択的に、状態指標を複数の関連性グループに分類することができる。ここでは、これらの関連性グループは、この方法の実施の対象である、基礎となるシステムエラー又は上位の欠陥に応じたものであってよい。たとえば、基礎となるシステムエラーは、ＮＯｘテールパイプセンサによって測定されたＮＯｘエミッションの上昇である場合があり、ここでは、他のエミッション（ＮＨ３、ＣＯ、ＨＣ、…）も考えられる。さらに、基礎となるシステムエラー又は上位の欠陥は、動作資源又はエネルギの消費量の増加、ノイズエミッションの増加、製品の振動の増加又は一般に製品のあらゆる変化である場合もある。関連性グループは、上述の例においては、ＮＯｘエミッションに対するエミッション関連性グループであり、ここでは、各状態指標は、ＮＯｘエミッションに対する自身の関連性に基づいて、関連性グループに分けられる。したがって、たとえば、状態指標が割り当てられる３つの関連性グループ（高、中、低）を形成することが可能である。しかし、ここで、関連性グループを２つだけ形成すること、又は、３つより多く形成することも可能である。ここで、各関連性グループにはさらに関連性係数が割り当てられている。関連性係数は、３つの関連性グループに分ける場合には、たとえば値１（高）、値２／３（中）及び１／３（低）を有するものとしてよい。しかし、関連性係数が不均一な間隔、たとえば０．９５（高）、０．５０（中）及び０．２５（低）を有するものとしてもよい。さらに、１よりも大きい値を有する関連性係数も考えられる。次いで、状態指標の関連性グループに関連して、定められている評価指標に関連性係数を乗算することによって評価指標が得られる。基礎となるシステムエラーに基づいて複数の関連性グループに分けることによって、構成要素に対する欠陥確率及び／又は診断ステップに対する診断確率の決定の正確さを高めることができる。 Optionally, the condition indicators can be categorized into multiple relevance groups. Here, these relevance groups may be according to the underlying system errors or top defects for which the method is implemented. For example, the underlying system error may be an increase in NOx emissions measured by a NOx tailpipe sensor, where other emissions (NH3, CO, HC,...) are also considered. Additionally, the underlying system error or superior defect may be an increase in the consumption of operating resources or energy, an increase in noise emissions, an increase in vibration of the product, or in general any change in the product. The relevance group is, in the above example, an emission relevance group for NOx emissions, where each condition indicator is divided into relevance groups based on its relevance to NOx emissions. Thus, for example, it is possible to form three relevance groups (high, medium, low) to which status indicators are assigned. However, it is also possible here to form only two or more than three association groups. Here, each relevance group is further assigned a relevance coefficient. When divided into three relevance groups, the relevance coefficient may have values of 1 (high), 2/3 (medium), and 1/3 (low), for example. However, the relevance coefficients may also have non-uniform spacing, for example 0.95 (high), 0.50 (medium) and 0.25 (low). Furthermore, relevance coefficients with values greater than 1 are also conceivable. An evaluation index is then obtained by multiplying the defined evaluation index by the relevance coefficient in relation to the relevance group of condition indicators. By dividing into multiple relevance groups based on underlying system errors, the accuracy of determining defect probabilities for components and/or diagnostic probabilities for diagnostic steps can be increased.
ここで、システムの少なくとも１つの構成要素に対する欠陥確率及び／又は少なくとも１つの診断ステップに対する診断確率を決定することは、既存の組合せに基づいて評価指標の組合せを特定することを含むものとしてよい。既存の組合せは、たとえば、外部サーバ又はクラウドメモリに格納されているものとしてよく、類似のシステム又は典型的なシステムのフリートの一連のデータに由来し得る。たとえば、いくつかの組合せは、実際には非常に稀であり又は決して生じることはなく、他方では、他の組合せは、頻繁に生じる可能性があることを、一連のデータから推定することができる。次いで、システムの少なくとも１つの構成要素に対する欠陥確率及び／又は少なくとも１つの診断ステップに対する診断確率を決定することを、評価指標の特定された組合せに基づいて実行することができる。組合せを決定するために一連のデータを用いることによって、評価指標の組合せが、頻繁に生じる組合せに限定され、したがって、システムの少なくとも１つの構成要素に対する欠陥確率及び／又は少なくとも１つの診断ステップに対する診断確率を決定するための計算能力が低減され、それらの決定の正確さが高められる。さらに、これによって、評価指標の特定された組合せと、ここから生じる欠陥確率及び／又は診断確率とが、欠陥を有する構成要素に合っているものであるのか、又は、正しい診断ステップで決定されたものであるのかも検査され、これによって、既存の組合せのさらなる調整が可能になり、ひいては欠陥確率及び／又は診断確率の決定がさらに精密になり得る。 Here, determining a defect probability for at least one component of the system and/or a diagnostic probability for at least one diagnostic step may include identifying a combination of evaluation metrics based on existing combinations. The existing combinations may be stored on an external server or cloud memory, for example, and may originate from a set of data from a similar system or a fleet of typical systems. For example, it can be inferred from a set of data that some combinations are actually very rare or never occur, while other combinations may occur frequently. . Determining a defect probability for the at least one component of the system and/or a diagnostic probability for the at least one diagnostic step may then be performed based on the identified combination of evaluation metrics. By using a set of data to determine the combinations, the combinations of evaluation metrics are limited to frequently occurring combinations, thus determining the defect probability for at least one component of the system and/or the diagnosis for at least one diagnostic step. The computational power for determining probabilities is reduced and the accuracy of those determinations is increased. Furthermore, this ensures that the identified combination of evaluation indicators and the resulting defect probability and/or diagnosis probability are appropriate for the defective component or have been determined in the correct diagnostic step. It is also checked whether the defect is true or not, which may allow further adjustment of existing combinations and thus further refine the determination of defect probabilities and/or diagnosis probabilities.
システムの少なくとも１つの構成要素に対する欠陥確率及び／又は少なくとも１つの診断ステップに対する診断確率を決定することは、ここで、重み付け係数によって各評価指標を重み付けすることを含むものとしてよい。重み付け係数は、たとえば、工場における診断可能性分析（DMA:Diagnosemoeglichkeitsanalyse）又は導かれたエラー探索（GFS:gefuehrte Fehlersuche）の情報から生じる確率であってよい。これらの情報は、システムの製造開始前に既に存在しているエンジニアリング知識及び経験的知識から得られ、それらのエンジニアリング知識及び経験的知識は、古いシステムに由来し得るものであり、及び／又は、事前に検証フリートにおいて決定されるものである。次いで、システムの少なくとも１つの構成要素に対する欠陥確率及び／又は少なくとも１つの診断ステップに対する診断確率が、重み付けされた評価指標の値に基づいて決定される。ここで、たとえば、欠陥確率又は診断確率を、評価指標の値を下回る最大値に定めることが可能である。選択的に、構成要素に関連する全ての評価指標が比例して欠陥確率又は診断確率に取り入れられることも可能である。システムの製造開始前に存在している、この方法に影響する経験値によって評価指標を重み付けすることによって、エラー又は欠陥の識別を改良することができる。 Determining the defect probability for the at least one component of the system and/or the diagnostic probability for the at least one diagnostic step may now include weighting each evaluation metric by a weighting factor. The weighting factor may be, for example, a probability resulting from information from a factory diagnosability analysis (DMA) or a guided error search (GFS). This information is derived from engineering and experiential knowledge that already existed before the start of production of the system, which engineering and experiential knowledge may originate from older systems, and/or This will be decided in advance in the verification fleet. A defect probability for the at least one component of the system and/or a diagnostic probability for the at least one diagnostic step is then determined based on the value of the weighted evaluation index. Here, for example, it is possible to set the defect probability or diagnosis probability to a maximum value lower than the value of the evaluation index. Optionally, it is also possible for all evaluation metrics associated with a component to be proportionally incorporated into the defect probability or diagnosis probability. Identification of errors or defects can be improved by weighting the evaluation metrics by experience values that exist before the start of production of the system and that influence the method.
パラメータ値を検出することは、特に、センサの出力信号としてパラメータ値を得ること、及び／又は、入力値からパラメータ値を計算するように構成されている計算モジュールの出力値としてパラメータ値を得ること、及び／又は、通信接続を介してパラメータ値を受け取ることを含むものとしてよい。特に、パラメータ値は、欠陥が識別されるべきシステムにおいて（たとえば車両の制御装置において）検出可能であり、他方で、パラメータ値を評価し、欠陥確率を決定するための上述したステップは、他の装置（たとえば、工場のコンピュータ、サーバ又は計算ネットワーク）において実行され、この目的のために通信接続を介して検出される。リモートメモリ手段若しくはクラウドメモリ手段から又はリモートサーバから、格納されているデータ（たとえば、他の車両からのデータ又は構成部材の製造からの他のデータ、車両内の制御装置のデータ入力状態）を受け取り、処理することもできる。 Detecting the parameter value may in particular include obtaining the parameter value as an output signal of a sensor and/or obtaining the parameter value as an output value of a calculation module configured to calculate the parameter value from the input value. , and/or receiving parameter values via a communication connection. In particular, the parameter values are detectable in the system in which the defect is to be identified (e.g. in the control unit of the vehicle), while the above-mentioned steps for evaluating the parameter values and determining the defect probability are similar to other It is executed in a device (for example a factory computer, server or computing network) and detected for this purpose via a communication connection. receiving stored data (e.g. data from other vehicles or other data from the manufacture of components, data input status of a control device in the vehicle) from remote memory means or cloud memory means or from a remote server; , can also be processed.
任意選択的に、少なくとも１つの状態指標に対して、パラメータ値の検出中に所定の条件が満たされたかを検査することができ、これが満たされていなかった場合には、属するパラメータ値を破棄することができる。選択的に、既にパラメータ値の測定又は計算時に条件を検査することができ、条件が満たされていない場合には、測定が破棄され、又は、計算が実行されない。条件として、たとえば、適当な有意味な動作範囲の存在、たとえば、定常若しくは準定常の動作点の存在、又は、特定の制限を伴う、規定された動作範囲の存在が規定されるものとしてよい。 Optionally, it is possible to check for at least one state indicator whether a predetermined condition is fulfilled during the detection of the parameter value, and if this is not fulfilled, discard the parameter value to which it belongs. be able to. Optionally, conditions can be checked already during the measurement or calculation of the parameter values; if the conditions are not fulfilled, the measurement is discarded or the calculation is not carried out. The conditions may, for example, be defined as the existence of a suitable meaningful operating range, for example the existence of a stationary or quasi-stationary operating point, or the existence of a defined operating range with certain limitations.
状態指標は、特に、所定の通常状態からの測定された偏差を表すパラメータを含むものとしてよく、及び／又は、システムの少なくとも１つの構成要素の健全状態に対する尺度を表すパラメータを含むものとしてよい。 The condition indicators may in particular include parameters representing measured deviations from a predetermined normal condition and/or may include parameters representing a measure of the health of at least one component of the system.
さらに、構成要素に対する欠陥確率が所定の閾値を上回る場合に、ユーザに指示が出力され得る。閾値は、各構成要素に対して同一であっても相違していてもよく、必要に応じて調整が行われるものとしてもよい。これによって、たとえば、安全に関して重要なエラーを早期に識別するために、特定のサブシステムの検査が有意義であることをユーザに示すことができる。 Further, an indication may be output to the user if the defect probability for the component exceeds a predetermined threshold. The threshold values may be the same or different for each component, and may be adjusted as necessary. This can, for example, indicate to the user that testing a particular subsystem is worthwhile for early identification of safety-critical errors.
任意選択的に、システムの構成要素の実際の欠陥及び／又は交換及び／又は実行された診断ステップに関するデータを得ることも可能である。このようなデータは、たとえば、ユーザ入力によって、又は、交換された構成要素の自動的な識別によって得られるものとしてよい。次いで、このデータを、構成要素に対する決定された欠陥確率と比較することができる。すなわち、たとえば、決定された高い欠陥確率が実際の欠陥と相関したものか、又は、誤った判定があったのかを検査することができる。さらに、このデータを、診断ステップに対する、決定された診断確率と比較することもできる。すなわち、どの診断ステップが実行されたか、この診断ステップに対して高い診断確率が決定されたか、すなわち、この診断ステップがエラーの限定に寄与することができたかを比較することができる。次いで、この比較に基づいて、評価指標の特定及び／又は欠陥確率若しくは診断確率の決定の調整を行うことができ、この調整は、たとえば、少なくとも１つの状態指標に対する所定のグループの割り当てを変更することによって、評価指標を特定するための計算設定を変更することによって、欠陥確率及び／又は診断確率を特定するための計算設定を変更することによって、又は、欠陥確率及び／又は診断確率を特定するための状態指標の重み付けを変更することによって行われる。これによって、パラメータ値から欠陥確率を持続的に検出する評価システムを継続的に改良し、適合させることができ、これによって、より正確な診断が可能になる。 Optionally, it is also possible to obtain data regarding actual defects and/or replacements of components of the system and/or performed diagnostic steps. Such data may be obtained, for example, by user input or by automatic identification of replaced components. This data can then be compared to the determined defect probabilities for the components. That is, for example, it is possible to check whether the determined high defect probability is correlated with an actual defect or whether there was an erroneous determination. Furthermore, this data can also be compared with the determined diagnostic probabilities for the diagnostic steps. That is, it is possible to compare which diagnostic step was carried out and whether a high diagnostic probability was determined for this diagnostic step, ie whether this diagnostic step was able to contribute to limiting the error. Adjustments to the identification of evaluation metrics and/or determination of defect probabilities or diagnostic probabilities can then be made based on this comparison, e.g., by changing the assignment of a predetermined group to at least one condition indicator. by changing the calculation settings for determining the evaluation index; by changing the calculation settings for determining the defect probability and/or diagnosis probability; or by changing the calculation settings for determining the defect probability and/or diagnosis probability; This is done by changing the weighting of state indicators for This allows for continuous improvement and adaptation of the evaluation system, which continuously detects defect probabilities from parameter values, thereby allowing more accurate diagnosis.
１つ又は複数の状態指標に対するパラメータ値は、特に時間的な経過において検出可能であるので、欠陥についての評価指標を特定するために、たとえばこの経過も共に取り入れることができ、たとえば長い時間にわたる緩慢な変化に対する突発的な変化を共に取り入れることができる。さらに、時間的な経過において検出されたパラメータ値から、たとえば評価指標を形成するために利用することができる平均値を形成することができる。 Since the parameter values for one or more condition indicators are detectable, in particular in a time course, this course can also be taken together, for example, in order to identify evaluation indicators for defects, e.g. It is possible to incorporate sudden changes in response to sudden changes. Furthermore, it is possible to form average values from the parameter values detected over time, which can be used, for example, to form evaluation indicators.
説明したステップは、たとえば、車両における監視及び診断に特に適している。車両においては、通常既に複数のパラメータ値が検出され、モデル化され、制御装置又は他のユニットによって処理されているので、これらの値の少なくとも１つの部分を上述したステップのための状態指標として使用することができる。しかし、同様に、このような方法は、特定のパラメータ値が連続的に又は所定の間隔で検査され得る他のシステム、たとえば定置式の燃料電池又は移動式の燃料電池、電気式駆動装置又は他の駆動形態においても使用可能である。基本的には、欠陥が発生し得る、及び、情報が検出され得る全てのシステムにおける使用、ひいては多くの技術的なシステム及び製造設備における使用が可能である。 The steps described are particularly suitable for monitoring and diagnostics in vehicles, for example. In a vehicle, a plurality of parameter values are usually already detected, modeled and processed by a control device or other units, so that at least one part of these values is used as a status indicator for the above-mentioned steps. can do. However, such a method can equally be applied to other systems in which specific parameter values can be checked continuously or at predetermined intervals, such as stationary or mobile fuel cells, electric drives or other systems. It can also be used in the following drive mode. Use is basically possible in all systems in which defects can occur and in which information can be detected, and thus in many technical systems and production facilities.
全体として、説明した変形例によって、欠陥を有する構成部材又は劣化した構成部材をシステムにおいて識別し、目的に即した修理を実行することが可能になるが、将来の期間に対して、どの構成要素が故障する可能性があるのかを推定することも可能になり、ひいてはたとえば製造業者のもとでの予備部品計画が可能になる。このような方法においては、欠陥が検出されていなくても、潜在的な問題領域に対する措置を早期に展開させることができ、これはたとえば制御時のソフトウェアモジュールの調整又はエラーの発生前の、特性が改良された部品による構成要素の置き換えによって行われる。 Overall, the described variants allow defective or deteriorated components to be identified in the system and targeted repairs to be carried out, but not for future periods. It also becomes possible to estimate whether a product is likely to fail, which in turn enables, for example, spare parts planning at the manufacturer. In this way, even if a defect has not been detected, measures against potential problem areas can be developed early, for example by adjusting software modules during control or by identifying characteristics before an error occurs. This is done by replacing components with improved parts.
本発明に係る計算ユニット、たとえば自動車の制御装置は、特にプログラミング技術によって、本発明に係る方法を実施するように構成されている。 A computing unit according to the invention, for example a control unit of a motor vehicle, is configured to carry out the method according to the invention, in particular by means of programming techniques.
また、本発明に係る方法を、全てのステップを実行するためのプログラムコードを含むコンピュータプログラム又はコンピュータプログラム製品の形態で実装することも有利である。なぜなら、これは、特に、実行する制御装置がさらに他のタスクに利用され、それゆえいずれにせよ存在している場合に、特にわずかな単価しか生じさせないからである。最後に、上述したようなコンピュータプログラムが記憶されている機械可読記憶媒体が設けられている。コンピュータプログラムの提供のための適当な記憶媒体又はデータ担体は、特に、磁気的なメモリ、光学的なメモリ及び電気的なメモリ、たとえば、ハードディスク、フラッシュメモリ、ＥＥＰＲＯＭ、ＤＶＤ等である。コンピュータネットワーク（インターネット、イントラネット等）を介したプログラムのダウンロードも可能である。このようなダウンロードを、この場合、有線若しくはケーブル接続により、又は、無線により（たとえば、ＷＬＡＮネットワーク、３Ｇ接続、４Ｇ接続、５Ｇ接続又は６Ｇ接続等を介して）行うことができる。 It is also advantageous to implement the method according to the invention in the form of a computer program or computer program product containing program code for carrying out all the steps. This is because this results in particularly low unit costs, especially if the executing control device is also utilized for other tasks and is therefore present anyway. Finally, a machine-readable storage medium is provided on which a computer program as described above is stored. Suitable storage media or data carriers for the provision of computer programs are, in particular, magnetic, optical and electrical memories, such as hard disks, flash memories, EEPROMs, DVDs and the like. Downloading the program via a computer network (Internet, intranet, etc.) is also possible. Such a download can in this case take place via a wired or cable connection or wirelessly (for example via a WLAN network, a 3G connection, a 4G connection, a 5G connection or a 6G connection, etc.).
本発明のさらなる利点及び構成は、明細書及び添付の図面から明らかになる。 Further advantages and configurations of the invention will become apparent from the description and the accompanying drawings.
本発明を実施例に即して図面に概略的に示し、以下において図面を参照しながら説明する。 The invention is schematically illustrated in the drawings by way of example embodiments and will be explained below with reference to the drawings.
発明の実施形態
以下の例は、種々異なるデータが検出され、評価され、及び／又は、転送される、システムとしての車両に関する。図１は、システムとしての車両１００を例示しており、これに対して、データが、確率に基づいて、処理ユニット１３０において評価されるべきである。多くの場合、この目的のために、車両１００には１つ又は複数の制御装置１１０が設けられており、これらの制御装置１１０は、特定の機能に関して中央で又は固有にデータ検出（たとえば固定の間隔での測定）を制御する。同様に、このような制御装置において検出されたデータを、少なくとも部分的に評価し、計算及びモデル化のために使用し、車両における制御及び調整のために使用することも可能である。しかし、説明した方法は一般に、状態診断が重要であり、種々異なるデータが検出される任意のシステムに転用可能であり、これはたとえば、建設機械、自動生産機、燃料電池、フィードドライブ、タービン等である。このようなシステムにおいても、通常、相応の制御ユニット１１０、たとえば制御装置、マイクロコントローラ又は少なくとも、種々異なるデータの検出を制御することができる類似の要素が存在する。この場合、測定データ自体は、任意のセンサ及び測定設備１２０，１２２，１２４によって、たとえば、温度センサ、圧力センサ、質量流量センサ、回転数測定器、振動センサ又は音響センサ、加速度測定器等によって検出され得る。センサ１２０，１２２，１２４は、図１においては単に概略的に例示されているが、自明のとおり、車両又は他のシステムにおいては、通常、異なるサブシステムにおいて複数の異なるセンサが使用される。このような測定された値は、直接的に利用することが可能であり、又は、種々異なるパラメータが得られるモデル化及び計算に共に含めることが可能である。Embodiments of the Invention The following examples relate to a vehicle as a system in which different data are detected, evaluated and/or transferred. FIG. 1 illustrates a vehicle 100 as a system, for which data is to be evaluated in a processing unit 130 on the basis of probabilities. Frequently, for this purpose, the vehicle 100 is provided with one or more control devices 110, which control devices 110 have central or specific data detection (e.g. fixed (measurements at intervals). It is likewise possible for the data detected in such a control device to be at least partially evaluated and used for calculations and modeling and for control and regulation in the vehicle. However, the described method is generally transferable to any system where condition diagnosis is important and where different types of data are detected, for example construction machinery, automatic production machines, fuel cells, feed drives, turbines, etc. It is. In such systems as well, there is usually a corresponding control unit 110, for example a control device, a microcontroller or at least a similar element capable of controlling the detection of different data. In this case, the measurement data itself is detected by arbitrary sensors and measurement equipment 120, 122, 124, for example by temperature sensors, pressure sensors, mass flow sensors, rotational speed meters, vibration or acoustic sensors, acceleration meters, etc. can be done. Although sensors 120, 122, and 124 are only schematically illustrated in FIG. 1, it will be appreciated that a plurality of different sensors are typically used in different subsystems in a vehicle or other system. Such measured values can be used directly or can be included together in modeling and calculations from which different parameters are obtained.
本願で説明された方法によって、複雑なケースでもシステムの診断を可能にするために、大量のデータを評価することができる。ここでデータを検出、処理し、適当に集約し、たとえばリモートサーバ１３０又は他の適当な計算ユニットに伝送することができ、そこで確率に基づいた診断を実行するために、これらのデータが使用され得る。次いで、この診断に基づいて同様に、現場における診断のための判定、構成要素の交換又は他の後続のステップが実行され得る。 The method described in this application allows large amounts of data to be evaluated in order to enable system diagnosis even in complex cases. Here the data can be detected, processed, appropriately aggregated and transmitted, for example to a remote server 130 or other suitable computing unit, where these data are used to perform probability-based diagnostics. obtain. Based on this diagnosis, determinations for on-site diagnosis, component replacement or other subsequent steps may then be performed as well.
ここで、他の車両１４０からの収集されたデータが評価に共に取り入れられることによっても、診断結果が得られるものとしてよく又は改良されるものとしてよい。それらのデータは、たとえば、リモートサーバ又はクラウドメモリに格納されているものとしてよく、これによって、評価を行っているユニット１３０がそれらにアクセスすることができる。それらのデータを、類似の方式により又は他の方式により収集し、集約することもできる。ここで、フリートデータ１４０との比較を、個別車両に対する評価と組み合わせることもできる。すなわち、特に、診断は、監視されている特徴の適当な選択、その集約及び組み合わせられた評価によって影響される。ここで、個々の車両又は他の車両の比較的古いデータも共に評価に含めることができ、このようにして、学習する診断システムが生じ、この診断システムの結果が時間と共にますます改良されるように、評価が構成されるものとしてよい。 Here, the diagnostic result may be obtained or improved by also incorporating data collected from other vehicles 140 into the evaluation. These data may be stored, for example, on a remote server or in a cloud memory, so that the unit 130 performing the evaluation can access them. The data can also be collected and aggregated in similar or other ways. Here, the comparison with the fleet data 140 can also be combined with the evaluation of individual vehicles. That is, in particular, the diagnosis is influenced by the appropriate selection of the monitored features, their aggregation and combined evaluation. Here, relatively old data of individual vehicles or of other vehicles can also be included in the evaluation, thus resulting in a learning diagnostic system whose results become increasingly improved over time. The evaluation may consist of:
評価に使用されるデータは、以下においては、一般に、状態指標と称される。複数の種々異なる値、計算パラメータ及びモデル化パラメータが状態指標とみなされる。特に、既に他の機能を実現するために検出された又は制御装置において利用可能な複数のパラメータを評価することもできる。これによって、一般に、付加的なパラメータを状態指標として検出又は特定する必要がなくなる。しかし、同様に、特定のパラメータ、計算又は評価だけが状態指標として利用され、それゆえ、この目的のために特別に提供されるものとしてもよい。 The data used for the evaluation are generally referred to below as condition indicators. A plurality of different values, calculation parameters and modeling parameters are considered condition indicators. In particular, it is also possible to evaluate a plurality of parameters that are already detected or available in the control device for realizing other functions. This generally eliminates the need to detect or identify additional parameters as condition indicators. However, it is equally possible that only certain parameters, calculations or evaluations are used as status indicators and are therefore provided specifically for this purpose.
図２は、例示的なステップを示しており、これらのステップは、以下においてさらにより詳細に説明される。ステップ２００乃至ステップ２４０を、たとえば図１の制御装置１１０において実行することができる。ここで、ステップ２００においては、はじめにパラメータ値を測定することができ、すなわち、たとえばセンサによって得ることができる。さらに、ステップ２１０においては、計算、モデル化及び類似のプロセスによって、測定されたパラメータ値及び他の入力値から他のパラメータ値を形成することができる。ステップ２２０においては、このようにして得られたパラメータ値をさらに集約させることができ、これによって、状態指標の評価のために必要なデータ量を低減することができる。たとえば、特定の時間窓にわたるパラメータの平均値を形成し得る、規定された時点における個々の離散的な測定値又は所定数の測定値、たとえば、最後の測定値、最後の１０個の測定値若しくは任意の他の数の測定値を取り上げることができ、又は、特定の境界条件を満たす値だけ、若しくは、それらの測定時にこのような境界条件が満たされた値だけを考慮することができる。次いで、このようにして得られた、種々異なる状態指標に対する最終的なパラメータ値を、ステップ２３０において、少なくとも一時的に格納することができる。検出、集約及び格納のこれらのステップを、当然、任意の頻度で繰り返すことが可能であり、通常、パラメータ値は、システムが動作している限り、連続的に又は所定の間隔で検出され、処理される。ステップ２４０においては、状態指標に対するそのように格納されているパラメータ値を、任意選択的に、適当な評価ユニット１３０に伝達することができ、評価ユニット１３０は、たとえばリモートサーバ又は工場のコンピュータであってよく、ここで、最終的にステップ２５０において、収集された状態指標の評価を行うことができる。 FIG. 2 shows example steps, which are described in even more detail below. Steps 200 to 240 can be performed, for example, in the control device 110 of FIG. Here, in step 200, a parameter value can first be measured, ie obtained, for example, by a sensor. Additionally, other parameter values may be formed from the measured parameter values and other input values in step 210 by calculations, modeling, and similar processes. In step 220, the parameter values obtained in this way can be further aggregated, thereby reducing the amount of data required for the evaluation of the condition indicators. For example, individual discrete measurements or a predetermined number of measurements at defined points in time may form an average value of a parameter over a particular time window, e.g. the last measurement, the last 10 measurements or Any other number of measured values can be taken, or only those values that satisfy certain boundary conditions, or for which such boundary conditions were satisfied at the time of their measurement, can be considered. The final parameter values obtained in this way for the different state indicators can then be stored at least temporarily in step 230. These steps of detection, aggregation and storage can of course be repeated with any frequency, and typically parameter values are detected and processed continuously or at predetermined intervals as long as the system is operating. be done. In step 240, such stored parameter values for the condition indicators may optionally be communicated to a suitable evaluation unit 130, which may be, for example, a remote server or a factory computer. Finally, in step 250, an evaluation of the collected condition indicators can be performed.
状態指標として、特に、以下の特性を有するパラメータ、すなわち、
連続的又は小刻みな離散的なフォーマットを有するパラメータ（たとえば、パーセント値）、
伝送のためにわずかな測定量及び／又はわずかなデータしか必要としないパラメータ（たとえば、走行サイクルごとに１回だけ、又は、所定の走行区間の後に１回検出されるパラメータ）、
動作点、走行状況及び周囲条件に可能な限り関連しないパラメータ、
他の状態指標、また任意選択的に他の構成要素の状態指標とも比較可能であるパラメータ
が適しているが、これらに制限されるものではない。As a condition indicator, in particular, a parameter having the following properties, namely:
parameters with continuous or small discrete format (e.g. percentage values);
parameters that require only a few measured quantities and/or only a few data for transmission (e.g. parameters that are detected only once per driving cycle or once after a given driving section);
parameters that are as independent as possible from the operating point, driving situation and ambient conditions;
Parameters that are comparable to other condition indicators and optionally also to condition indicators of other components are suitable, but are not limited to these.
これらの特性は、評価に際して種々異なる利点をもたらすが、必ずしも必要であるとはみなされず、これらの特性の全てを満たさない少なくとも部分的なパラメータ、たとえば非常に頻繁に検出されるバイナリ評価又はパラメータを状態指標として考慮することも可能である。この場合には、パラメータを、たとえば調整のためにたとえば極めて短い間隔で検出することも可能であるが、ここでは、検出されたパラメータ値の選択された一部のみが状態指標として評価される。同様に、１つのパラメータに対する複数の値から、平均化又は他の統計的演算によって、状態指標の個々の値を、たとえば定められている時間窓にわたる移動平均値によって、形成することができる。状態指標としての、以下において説明する負荷カウンタも、たとえば動作点及び走行状況から独立している必要はない。さらに、車両において非直接的に検出又は測定され得るデータも共に取り入れることができる。これらは、たとえば、工場のコンピュータの入力マスクを介して、工場の人員によって提供され得る。このようなデータの例は、エンジンの始動時の遅延であり、すなわち、エンジンが全く始動しない、エンジンが著しく遅延して（５秒以上経過して）始動する、エンジンが遅延して始動する、エンジンがジャークを伴って始動する、エンジンが時々しか始動しない、又は、エンジンが冷えている場合にのみエンジンが始動する、である。 Although these characteristics offer different advantages in the evaluation, they are not considered necessary, and at least partial parameters that do not satisfy all of these characteristics, for example binary evaluations or parameters that are detected very frequently, are not considered necessary. It is also possible to consider it as a state index. In this case, it is also possible to detect the parameters, for example at very short intervals, for example for adjustment, but here only a selected part of the detected parameter values are evaluated as status indicators. Similarly, from a plurality of values for a parameter, individual values of the condition indicator can be formed by averaging or other statistical operations, for example by a moving average value over a defined time window. The load counter described below as a state indicator also does not have to be independent of the operating point and the driving situation, for example. Furthermore, data that can be detected or measured indirectly in the vehicle can also be incorporated. These may be provided by factory personnel, for example, via input masks on the factory computer. Examples of such data are delays in starting the engine, i.e. the engine does not start at all, the engine starts with a significant delay (more than 5 seconds), the engine starts with a delay, The engine starts with a jerk, the engine starts only occasionally, or the engine starts only when the engine is cold.
明確にするために、可能な状態指標を、２つのグループに分けることができる。一方のグループにおいては、車両において測定された、構成要素又は測定値の、通常状態又は境界値からの偏差を表すパラメータが状態指標として適している。これらの状態指標は、以下においては診断特徴と称される。他方のグループにおいては、構成要素の負荷、たとえば、構成要素における負荷変動の計数を検出するパラメータが指標として適している。これらの状態指標は、以下においては、負荷カウンタと称される。しかし、自明のとおり、基本的には、これらの両グループに分類することができない状態指標も評価に共に含めることができる。 For clarity, the possible status indicators can be divided into two groups. In one group, parameters representing the deviation of a component or a measured value from a normal state or limit value, measured on the vehicle, are suitable as condition indicators. These condition indicators are referred to below as diagnostic features. In the other group, parameters that detect the load of a component, for example the number of load fluctuations in the component, are suitable as indicators. These status indicators are referred to below as load counters. However, as is self-evident, basically condition indicators that cannot be classified into both of these groups can also be included in the evaluation.
診断特徴のクラスからの状態指標として、通常いずれにせよ制御装置において利用可能な複数のパラメータを使用することができる。 Several parameters, which are normally available in any case in the control device, can be used as condition indicators from the class of diagnostic features.
状態指標としての可能な診断特徴は、たとえば、構成要素の物理的な状態であり得る。これには、直接的に測定された物理的な値、たとえば、適当なセンサによって検出された、圧力、温度、質量流量の値、又は、任意の他の値も含まれる。しかし、同様に、物理的な状態として、物理的なモデルを介して測定値からパラメータが決定されるものとしてもよい。 Possible diagnostic features as condition indicators may be, for example, the physical condition of the component. This also includes directly measured physical values, such as pressure, temperature, mass flow values, or any other values detected by suitable sensors. However, similarly, the physical state may be one in which parameters are determined from measured values via a physical model.
例として、冷却器換気レベルを、たとえば温度センサ、圧力センサ及び質量流量センサの測定値と、車両速度とから物理的なモデルを介して決定し、状態指標として使用することができる。この値は、任意の冷却装置、たとえば、インタークーラ、エンジン冷却器、排気ガス再循環冷却器、バッテリ冷却用の冷却器、燃料電池冷却用の冷却器等の状態指標として適している。また、種々異なる冷却器の状態指標として適当な量の決定を、以下においてさらに、ディーゼルエンジンのエアシステムに対する実施例に関連してより詳細に説明する。 By way of example, the cooler ventilation level can be determined via a physical model from, for example, temperature, pressure and mass flow sensor measurements and vehicle speed and used as a condition indicator. This value is suitable as a condition indicator for any cooling device, such as intercoolers, engine coolers, exhaust gas recirculation coolers, coolers for battery cooling, coolers for fuel cell cooling, etc. The determination of quantities suitable as status indicators for different coolers will also be explained in more detail below in connection with an exemplary embodiment for an air system of a diesel engine.
状態指標として利用可能なさらなる物理的な量は、たとえば、センサ測定値とモデルとから決定される触媒の変換効率、又は、センサとモデルとから決定される基質の貯蔵容量（たとえば、ＳＣＲ触媒のＮＨ３貯蔵容量）である。他の例として、差圧センサから計算された流れ抵抗特性値が挙げられ、これは、たとえば、粒子フィルタ、触媒、排気ガス再循環管路、燃料電池スタック又はシステムの他の適当な箇所を介して特定可能である。 Further physical quantities that can be used as condition indicators are, for example, the conversion efficiency of the catalyst determined from the sensor measurements and the model, or the storage capacity of the substrate (for example the storage capacity of the SCR catalyst determined from the sensor and the model). NH3 storage capacity). Other examples include flow resistance characteristics calculated from differential pressure sensors, such as through particulate filters, catalysts, exhaust gas recirculation lines, fuel cell stacks or other suitable points in the system. It is possible to identify the
通常、学習され、制御装置において値の補正のために使用されるセンサ及びアクチュエータの学習値を、診断特徴に挙げられ得る状態指標の他のグループとしてみなすことができ、したがって、これらの値も既に存在していることが多い。特にこれは、学習値であってよく、この学習値は、たとえばセンサ又はアクチュエータのドリフト特性、たとえば空気質量センサのドリフト、又は、適当な動作状態において周囲圧力と比較される場合における圧力センサの学習された偏差を表している。 The learned values of sensors and actuators, which are usually learned and used for value correction in the control device, can be considered as another group of condition indicators that can be listed as diagnostic features, and therefore these values are also already often exist. In particular, this may be a learned value, which may be a learning value, for example based on the drift characteristics of a sensor or actuator, such as the drift of an air mass sensor, or the learning of a pressure sensor when compared with the ambient pressure in appropriate operating conditions. represents the deviation.
たとえば、インジェクタの量調整のためのインジェクタの噴射挙動に関する学習値、又は、フラップ若しくは弁の「開放」ストッパ及び「閉鎖」ストッパの学習値も使用可能であり、これらは、たとえば、機械的な欠陥又は汚染を示唆し得る。 For example, learned values for the injection behavior of an injector for volume adjustment or learned values for "open" and "closed" stops of flaps or valves can also be used, which may be caused by mechanical defects, for example. or may indicate contamination.
同様に、種々異なる機能のカウンタを診断特徴として用いることができ、ひいては状態指標として用いることができる。これは特に、構成要素に対する再生機能がどの程度の頻度で起動されたかを表すカウンタに当てはまる。このような再生プロセスによって、基礎となるシステムが頻繁に変化し、したがって、プロセスの回数が増加するにつれて、再生の効果は弱まる。同様に、再生プロセス及び類似のプロセスの計数を、構成要素の特殊な負荷状態、ひいては劣化に対するカウンタとして用いることができる。たとえば、粒子フィルタの再生の数のためのカウンタを状態指標として利用することができる。粒子フィルタの再生時には、温度が一時的に著しく高くされ、これによって、粒子堆積物が焼き払われる。したがって、このようなカウンタは、たとえば間接的に、フィルタの増大する灰化を示唆し得る。さらに、必要な再生プロセスの頻度は、たとえば、ディーゼルエンジンにおける機関燃焼の煤形成の増加等の基礎となる他の欠陥を示唆し得る。フィルタの灰化であるのか、又は、煤形成の増加をもたらす他の欠陥であるのかの区別は、たとえば、他の診断量によって、又は、負荷カウンタ（たとえば、現在のフィルタ要素の投入以来の総走行距離（ｋｍ））によっても特定可能である。他の例として、フラップの解放機能の数をカウントするカウンタを、状態指標として用いることができる。このような機能は、たとえば、凍結したフラップを再び解放するために、短いアクチュエータインパルスを利用する。 Similarly, counters of different functions can be used as diagnostic features and thus as status indicators. This is especially true for counters that represent how often the replay function for a component is activated. Such regeneration processes cause frequent changes in the underlying system, and therefore the effectiveness of regeneration weakens as the number of processes increases. Similarly, counts of regeneration processes and similar processes can be used as counters to special loading conditions and thus to deterioration of components. For example, a counter for the number of particle filter regenerations can be used as a status indicator. During regeneration of a particle filter, the temperature is temporarily increased significantly, thereby burning off particle deposits. Such a counter may therefore, for example, indirectly indicate increasing ashing of the filter. Furthermore, the frequency of the required regeneration process may indicate other underlying deficiencies, such as, for example, increased soot formation of engine combustion in diesel engines. The distinction between filter ashing or other defects leading to increased soot formation can be made, for example, by other diagnostic quantities or by load counters (e.g. the total load since the current filter element was put in). It can also be specified by the distance traveled (km). As another example, a counter that counts the number of flap release functions can be used as a status indicator. Such functionality utilizes short actuator impulses, for example, to re-release frozen flaps.
機能のデバウンス時間も、状態指標として利用可能であり、又は、そこから状態指標を導出するために利用可能である。デバウンス時間は、たとえば、信号入力側の状態変化があった場合に、所定の期間が経過した場合に、又は、この状態が所定の持続時間にわたって発生した場合に初めて、この変化を記録するために、時間的な境界値として定められる。この目的のために、特定の信号、特定の状態又は特定の値が初めて発生すると直ちに、カウンタ又はタイマが開始されるものとしてよい。所定のデバウンス時間に達した後に、この信号自体をさらに処理することができる。この場合、デバウンス時間を、基本的に、信号入力側における信号変化又は状態変化に対しても、特定の境界値（たとえば、上側の閾値）に関する変化に対しても定めることが可能である。したがって、欠陥識別に対するデバウンス時間も定めることが可能であり、これによって、属するデバウンス時間が経過した後に初めて、エラー自体が識別、格納又は表示される。たとえばエンジンにおける空気質量を調整する場合、特に一時的な走行状況においては、短時間の偏差は通常のものであり、回避されるべきものではなく、これに対して、長時間続く偏差はエラーを示唆する。これに対応して、偏差信号に対するデバウンス時間が定められるものとしてよい。デバウンス時間は、制御装置における複数の通常の診断機能において見られ、したがって、容易に、かつ、評価のための付加的なコストをかけずに、状態指標として用いることが可能である。 The debounce time of a function can also be used as a condition indicator or can be used to derive a condition indicator therefrom. The debounce time is used, for example, to record a change of state on the signal input side only after a predetermined period of time has elapsed or if this state has occurred for a predetermined duration. , is defined as a temporal boundary value. For this purpose, a counter or timer may be started as soon as a particular signal, a particular state or a particular value occurs for the first time. After reaching a predetermined debounce time, this signal itself can be further processed. In this case, it is possible in principle to define the debounce time both for signal changes or state changes at the signal input side, and also for changes with respect to a certain boundary value (for example an upper threshold value). It is therefore also possible to define a debounce time for defect identification, so that the error itself is identified, stored or displayed only after the relevant debounce time has elapsed. For example, when adjusting the air mass in the engine, short-term deviations are normal and should not be avoided, especially in temporary driving situations, whereas long-lasting deviations can lead to errors. suggest. Correspondingly, a debounce time for the deviation signal may be determined. Debounce time is found in several common diagnostic functions in control devices and can therefore be used as a condition indicator easily and without additional costs for evaluation.
たとえば診断機能に対して、１回の走行サイクル内又は所定の走行区間内で（たとえば１００ｋｍの区間ごとに）最大デバウンス時間が検出される場合には、欠陥識別閾値から各構成要素がどの程度離れていたのかを特定するために、この値を、欠陥に対して定められている閾値と関連して利用することができる。 For example, for a diagnostic function, if the maximum debounce time is to be detected within one driving cycle or within a given driving section (for example every 100 km), it is important to know how far each component is from the defect identification threshold. This value can be used in conjunction with a defined threshold for defects in order to identify whether or not the defect has occurred.
状態指標のためのさらなる値として、いわゆるエラー率又はエラー商を利用することができる。エラー率は、構成要素に欠陥がないとみなされる時間に対する、（たとえば、閾値の超過に基づいて）構成要素の欠陥が疑われる時間の比率であってよい。エラー率は、単独で、又は、使用されるエラー条件に関連して、構成要素が欠陥識別閾値からどの程度離れているかを表す尺度を提供することができる。 A so-called error rate or error quotient can be used as a further value for the status indicator. The error rate may be the ratio of the time a component is suspected to be defective (eg, based on exceeding a threshold) to the time the component is deemed not defective. Error rate, alone or in conjunction with the error conditions used, can provide a measure of how far a component is from a defect identification threshold.
調整部の調整パラメータも、状態指標として利用することができる。たとえば、調整パラメータを検出し、評価することができ、特に、調整部の積分器成分（Ｉ成分）を検出し、評価することができる。調整器においてＩ成分は、特に定常的なエラー補正を担う。したがって、多くの機能において、Ｉ成分は、欠陥のない場合に定常状態においてゼロに近似し、逆に、偏差は、調整されるべき量に関連して、生じ得るドリフト又は欠陥を示唆する。このような調整パラメータは、動作点に強く関連する可能性があるので、このような調整パラメータを、特定の動作パラメータに関連して、ヒストグラムないし頻度分布として検出し、評価することもでき、すなわち、たとえば、種々異なる動作範囲に対して別個に検出することもできる。 Adjustment parameters of the adjustment unit can also be used as status indicators. For example, the adjustment parameters can be detected and evaluated, in particular the integrator component (I component) of the adjustment section. In the regulator, the I component is particularly responsible for constant error correction. Therefore, in many functions, the I component approaches zero in the steady state in the absence of defects, and conversely, the deviation is indicative of possible drifts or defects in relation to the quantity to be adjusted. Since such tuning parameters can be strongly related to the operating point, such tuning parameters can also be detected and evaluated as a histogram or frequency distribution in relation to a specific operating parameter, i.e. , for example, it is also possible to detect separately for different operating ranges.
例として、以下においては、ディーゼルエンジンのエアシステムの状態監視のために用いることができる、診断特徴の範囲からの種々異なる、可能な状態指標を提案する。 By way of example, in the following different possible condition indicators from a range of diagnostic features are proposed that can be used for condition monitoring of the air system of a diesel engine.
構成要素の物理的な状態として、たとえば、エアシステムの種々異なる範囲における圧力、温度及び質量流量を、状態指標として、又は、状態指標を形成するために、用いることができる。たとえば、エアシステム内の種々異なる冷却器の効率を状態指標として利用することができる。 As physical states of components, for example pressures, temperatures and mass flow rates in different ranges of the air system can be used as state indicators or to form state indicators. For example, the efficiency of different coolers in an air system can be used as a condition indicator.
高圧排気ガス再循環冷却器の効率を、たとえば、高圧排気ガス再循環冷却器後の温度、排気ガス再循環冷却前のモデル化された排気ガス温度、排気ガス再循環冷却前のモデル化された圧力、測定された吸気管圧、高圧排気ガス再循環による計算された質量流量（これは、たとえば、空気質量センサの測定値、吸気管圧、吸気管温度、及び、エンジン回転数から特定可能である）、及び、高圧排気ガス再循環冷却器の冷却剤温度から特定することができる。 The efficiency of the high-pressure exhaust gas recirculation cooler can be measured, for example, by the temperature after the high-pressure exhaust gas recirculation cooler, the modeled exhaust gas temperature before exhaust gas recirculation cooling, the modeled exhaust gas temperature before exhaust gas recirculation cooling, and the modeled exhaust gas temperature before exhaust gas recirculation cooling. pressure, the measured intake manifold pressure, the calculated mass flow due to high-pressure exhaust gas recirculation (which can be determined, for example, from the readings of a mass air sensor, the intake manifold pressure, the intake manifold temperature and the engine speed). ) and can be determined from the coolant temperature of the high-pressure exhaust gas recirculation cooler.
モデル化された値のために、たとえばエアシステムを調整するために又は排気ガス中の特定の値を監視するために利用される通常の物理的なモデルを使用することができる。 For the modeled values, it is possible to use conventional physical models, which are utilized, for example, for regulating air systems or for monitoring specific values in the exhaust gas.
他の例として、低圧排気ガス再循環冷却器の冷却効率を、低圧排気ガス再循環冷却器後の温度、低圧排気ガス再循環冷却前のモデル化された排気ガス温度、排気ガス再循環冷却前のモデル化された排気ガス圧力、ターボチャージャ前の測定された若しくはモデル化された圧力、又は、空気質量センサにおける圧力若しくは周囲圧力、低圧排気ガス再循環部を通る計算された質量流量（これは、たとえば、空気質量センサの測定値、吸気管圧、吸気管温度、並びに、エンジン回転数、又は、選択的に、低圧排気ガス再循環区間にわたる差圧並びに低圧排気ガス再循環区間における温度及び圧力から特定可能である）、及び、低圧排気ガス再循環冷却器の冷却剤温度から特定することができる。 Other examples include the cooling efficiency of a low-pressure exhaust gas recirculation cooler, the temperature after the low-pressure exhaust gas recirculation cooler, the modeled exhaust gas temperature before low-pressure exhaust gas recirculation cooling, and the modeled exhaust gas temperature before exhaust gas recirculation cooling. modeled exhaust gas pressure, measured or modeled pressure before the turbocharger, or pressure at the air mass sensor or ambient pressure, calculated mass flow rate through the low-pressure exhaust gas recirculation (this is , for example, the measurements of air mass sensors, the intake pipe pressure, the intake pipe temperature and the engine speed, or optionally the differential pressure across the low-pressure exhaust gas recirculation section and the temperature and pressure in the low-pressure exhaust gas recirculation section. ) and the coolant temperature of the low-pressure exhaust gas recirculation cooler.
最後に、インタークーラの冷却効率も測定値から特定することができ、すなわち、たとえば、インタークーラ後の測定された温度、インタークーラ前のモデル化された温度、たとえば圧縮モデルから計算されるターボチャージャ圧縮機後の温度、インタークーラ内の圧力、たとえばインタークーラ前又は後のブースト圧、低圧排気ガス再循環区間を通る質量流量（これはたとえば、空気質量センサの測定値、吸気管圧、吸気管温度及びエンジン回転数、さらに場合により、低圧排気ガス再循環を使用する場合には、低圧排気ガス再循環区間にわたる差圧並びに低圧排気ガス再循環区間における温度及び圧力から特定可能である）、低圧排気ガス再循環冷却器の冷却剤温度（水冷式インタークーラの場合）、又は、車両速度又はインタークーラファンの駆動制御（空冷式インタークーラの場合）から特定することができる。 Finally, the cooling efficiency of the intercooler can also be determined from the measurements, i.e. the measured temperature after the intercooler, the modeled temperature before the intercooler, the turbocharger calculated from the compression model, for example. The temperature after the compressor, the pressure in the intercooler, e.g. boost pressure before or after the intercooler, the mass flow rate through the low-pressure exhaust gas recirculation section (this can be, for example, the reading of a mass air sensor, the intake pipe pressure, the intake pipe temperature and engine speed, and optionally, if low-pressure exhaust gas recirculation is used, can be determined from the differential pressure across the low-pressure exhaust gas recirculation section and the temperature and pressure in the low-pressure exhaust gas recirculation section), low pressure It can be specified from the coolant temperature of the exhaust gas recirculation cooler (in the case of a water-cooled intercooler), the vehicle speed, or the drive control of the intercooler fan (in the case of an air-cooled intercooler).
エアシステムの場合、これらの３つの効率の全て、又は、これらの効率の１つ若しくは２つだけが、状態指標として例示的に選択され得る。 For air systems, all three efficiencies or only one or two of these efficiencies may be exemplary selected as condition indicators.
この場合、これらの測定値からの状態指標としての効率の決定を、たとえば、所定の期間にわたってパラメータ値（測定された、計算された、又は、モデル化された値）の平均値を形成することによって行うことができる。状態指標としての評価のために、所定の動作範囲内で検出された値のみが使用されることが定められていてもよい。たとえば、安定動作、定常動作又は準定常動作における値のみが、状態指標としての評価の際に使用されることが定められるものとしてよい。選択的又は付加的に、状態指標としての評価のための有効な動作範囲が閾値に基づいて定められるものとしてよく、これによって、上記の例においては、たとえば、質量流量又は冷却剤温度が特定の値範囲にある又は特定の閾値を上回る動作点の値のみが考慮され得る。付加的に又は選択的に、冷却装置の入口において、冷却剤温度と排気ガス温度との間に十分に大きい温度差が存在するかを検査することができ、任意選択的に、たとえば閾値である期間を定めることによって、このような状態が既に特定の時間にわたって存在しているかを検査することもできる。このようなパラメータが既に診断機能に対して使用されており、このために有効な動作範囲が設定されている場合には、状態指標としての使用に対しても、同一の有効性パラメータを使用することができる。しかし、選択的に、状態指標として使用するために、診断機能の場合とは異なる有効条件を選択することもできる。 In this case, the determination of efficiency as a condition indicator from these measurements can be carried out, for example, by forming an average value of the parameter values (measured, calculated or modeled values) over a given period of time. This can be done by It may be provided that only values detected within a predetermined operating range are used for evaluation as a state indicator. For example, it may be determined that only values in stable operation, steady operation, or quasi-steady operation are used during evaluation as a state index. Alternatively or additionally, a valid operating range for the evaluation as a condition indicator may be defined on the basis of threshold values, so that in the above examples, for example, the mass flow rate or the coolant temperature Only operating point values that are in a value range or above a certain threshold may be considered. Additionally or alternatively, it may be checked at the inlet of the cooling device whether a sufficiently large temperature difference exists between the coolant temperature and the exhaust gas temperature, optionally for example a threshold value. By defining a time period, it is also possible to check whether such a condition has already existed for a certain time. If such a parameter is already used for a diagnostic function and a valid operating range has been established for this purpose, then the same validity parameter shall be used for use as a condition indicator. be able to. However, it is also possible to optionally select different validity conditions for use as status indicators than in the case of diagnostic functions.
たとえば、エアシステムの制御のために設けられている制御装置においては、冷却効率をパラメータとして提供することができ、他の量は、「真である」又は「偽である」として、属する値が適当な動作範囲内で検出されたかを示すことができる。したがって、有効な動作範囲を評価するためのこの量を、状態指標である、冷却器効率の有効性に対するトリガ条件として利用することができ、したがって、有効な動作範囲内で検出された、冷却器効率に対する決定された全ての値を状態指標として格納することができ、及び／又は、評価を行っているユニットに伝送することができる。 For example, in a control device provided for the control of an air system, cooling efficiency can be provided as a parameter, and other quantities can be assigned values as "true" or "false". It can indicate whether the detection is within an appropriate operating range. Therefore, this quantity for evaluating the effective operating range can be utilized as a trigger condition for the effectiveness of the cooler efficiency, which is a condition indicator, and therefore the cooler detected within the effective operating range. All determined values for efficiency can be stored as status indicators and/or transmitted to the unit performing the evaluation.
エアシステムにおいて、たとえば、排気ガス再循環弁が閉じられている場合のエンジンを通るモデル化された質量流量に対する空気質量センサ値の偏差を、センサ及びアクチュエータの学習値の範囲からの状態指標としてみなすことができる。排気ガス再循環弁が閉じられている場合のエンジンを通るモデル化された質量流量は、吸気管圧、吸気管温度及びエンジン回転数から生じる。次いで、このモデル化された値を、再び、所定の有効な動作条件下で検出された測定値（たとえば閉じられている排気ガス再循環弁、定常動作、定められている境界内の空気質量流量）と比較し、任意選択的に平均化することができる。次いで、モデル化された空気質量値と測定された空気質量値との間の特定された偏差を、状態指標として格納し、伝達し、評価することができる。さらに、現在測定されている空気質量値も、固有の状態指標として使用することができる。種々異なる空気質量のもとで複数回の比較が実行される場合、空気質量に関する偏差係数の経過を評価することができる。このような場合には、線形の偏差、すなわち、空気質量範囲にわたる一定の係数は、空気質量センサのエラーを示唆する傾向があり、他方で空気質量範囲にわたる係数の増加を伴う偏差は、たとえば、排気ガス再循環システム又はクランクケース換気部からの堆積物による吸気管のスーティングを示す傾向がある。予期せぬ偏差係数の低下が発生した場合、たとえば、欠陥を有する、著しく汚れている、又は、誤った清掃が行われたエアフィルタによるエラーが疑われ得る。 In an air system, for example, the deviation of the air mass sensor value from the modeled mass flow rate through the engine when the exhaust gas recirculation valve is closed is considered as a condition indicator from the range of sensor and actuator learned values. be able to. The modeled mass flow through the engine when the exhaust gas recirculation valve is closed results from intake pipe pressure, intake pipe temperature and engine speed. This modeled value is then again compared to the measured value detected under given valid operating conditions (e.g. closed exhaust gas recirculation valve, steady-state operation, air mass flow rate within defined boundaries). ) and optionally averaged. The identified deviation between the modeled air mass value and the measured air mass value can then be stored, communicated, and evaluated as a condition indicator. Furthermore, the currently measured air mass value can also be used as a specific condition indicator. If multiple comparisons are carried out under different air masses, the course of the deviation coefficient with respect to the air mass can be evaluated. In such cases, a linear deviation, i.e. a constant coefficient over the air mass range, tends to suggest an error in the air mass sensor, whereas a deviation with an increasing coefficient over the air mass range, e.g. It tends to indicate sooting of the intake pipe by deposits from the exhaust gas recirculation system or crankcase ventilation. If an unexpected decrease in the deviation coefficient occurs, an error may be suspected, for example due to a defective, extremely dirty or incorrectly cleaned air filter.
デバウンス時間を、エアシステムにおいて、たとえば空気質量の調整時に利用し、上述したように評価することができる。同様に、デバウンス時間、及び、対応するタイマ又はデバウンスカウンタがブースト圧調整時に使用されるものとしてよく、状態指標として利用可能である。デバウンス時間が利用され、対応するカウンタが存在し得る他の範囲は、排気ガス再循環の流れ監視であり、これは、過度に多量又は過度に少量の排気ガスが戻し管路を介して導かれるかどうかを検査し、これによって、管路のスーティング又は弁の誤機能の推定を可能にする。この場合、同様に、種々異なる動作範囲について別個に診断を実行することができ、これによって、属する値を別個に状態指標として評価することもできる。 The debounce time can be used in an air system, for example when adjusting the air mass, and evaluated as described above. Similarly, a debounce time and a corresponding timer or debounce counter may be used during boost pressure adjustment and can be utilized as a status indicator. Another area where debounce time is utilized and where a corresponding counter may be present is in exhaust gas recirculation flow monitoring, where too much or too little exhaust gas is channeled through the return line. This makes it possible to estimate whether the line is soting or the valve is malfunctioning. In this case, it is likewise possible to carry out separate diagnostics for different operating ranges, so that the associated values can also be evaluated separately as state indicators.
上述したようなエラー率を、たとえば、高圧排気ガス再循環のスーティング識別から得ることができ、これには、任意選択的に、同様に、動作範囲に対する有効条件が与えられるものとしてよい。また、排気ガス再循環システムの速度の監視も、エラー率で動作することができ、この場合、たとえば、エラー状態の正の偏差及び負の偏差を、指標として別個に使用することが可能である。 An error rate as described above can be obtained, for example, from a suiting identification of high pressure exhaust gas recirculation, which may optionally also be provided with valid conditions for the operating range. The monitoring of the speed of the exhaust gas recirculation system can also operate on error rates, in which case it is possible, for example, to use positive and negative deviations of the error condition separately as indicators. .
最後に、エアシステム内の調整パラメータとして、ブースト圧調整、空気質量調整、排気ガス再循環調整、又は、種々異なるアクチュエータ（たとえば、弁、スロットルバルブ、排気ガスフラップ、ターボチャージャアクチュエータ又はスワールフラップ）の位置調整のパラメータが状態指標として評価され得る。 Finally, the adjustment parameters in the air system include boost pressure adjustment, air mass adjustment, exhaust gas recirculation adjustment or the adjustment of different actuators (e.g. valves, throttle valves, exhaust gas flaps, turbocharger actuators or swirl flaps). Parameters of the position adjustment can be evaluated as condition indicators.
エアシステムに関する上述した全ての状態指標を、エアシステム内のエラーから、欠陥を有する各構成要素を限定することができるようにするために、個別に及び／又はまとめて評価することができる。 All the above-mentioned condition indicators for the air system can be evaluated individually and/or together in order to be able to isolate each defective component from errors in the air system.
自明のとおり、状態指標に関する上述のグループ及び細分化も、具体的に挙げたパラメータも、例示的に挙げられているだけであり、基本的には、システムにおけるそれぞれの値又はパラメータを状態指標として利用することができ、この状態指標は、少なくとも部分的に特定のシステム状態によって影響を受けることがあり、ひいては逆に、状態評価のために評価されることもある。 As is self-evident, the above-mentioned groups and subdivisions regarding condition indicators as well as the specifically mentioned parameters are merely listed as examples, and basically each value or parameter in the system can be used as a condition indicator. This condition indicator may be influenced, at least in part, by a particular system condition and, in turn, may be evaluated for condition assessment.
既に説明したように、状態指標として、負荷カウンタのクラスに割り当てられた値も利用することができる。 As already explained, values assigned to classes of load counters can also be used as status indicators.
たとえば、構成要素の機械的な負荷を検出するために、種々異なる振幅に対する振動の動きの数を検出し、構成部材設計に対する所定の値と比較することができる。このような負荷値は、特に、専門分野において公知のいわゆるレインフロー線図又はヴェーラー線に基づいて示されるものとしてよい。状態指標として、構成部材設計との比較を、振動カウンタ自体と同様に利用することができる。構成要素への最小の作用力及び／又は最大の作用力の検出、又は、定められている走行サイクルごとの作用力の検出も、状態指標として利用可能である。 For example, in order to detect the mechanical loading of a component, the number of vibration movements for different amplitudes can be detected and compared with a predetermined value for the component design. Such load values may in particular be indicated on the basis of so-called rainflow diagrams or Wöhler lines, which are known in the field of expertise. As a condition indicator, a comparison with the component design can be used as well as the vibration counter itself. Detection of the minimum and/or maximum force acting on the component or the detection of the force acting per defined driving cycle can also be used as a condition indicator.
熱負荷を検出するため、たとえば、構成要素の耐久性に関連する箇所における温度分布を検出又はモデル化することができ、したがって、どの温度範囲において構成要素がそれぞれどのような期間にわたって動作したかが検出される。同様に、ここでも、走行サイクル中の温度の最小値及び／又は最大値を評価することができる。先の例における機械的な振動と同様に、温度振動の動き、すなわち、特定の温度範囲にわたる加熱と冷却とから成るサイクルも検出可能である。このような温度変動の際に構成部材の負荷が発生するので、これらのパラメータも、耐久性分析のための状態指標として評価可能である。 To detect thermal loads, it is possible, for example, to detect or model the temperature distribution at points relevant to the durability of a component, so that it is possible to determine in which temperature range and for what period each component has operated. Detected. Similarly, here too, the minimum and/or maximum temperature values during the driving cycle can be evaluated. Similar to the mechanical oscillations in the previous example, thermal oscillation movements, ie cycles consisting of heating and cooling over a particular temperature range, can also be detected. Since loads on the components occur during such temperature fluctuations, these parameters can also be evaluated as condition indicators for durability analysis.
さらに、車両のメンテナンス状態、たとえば、特定の点検プロセスの検出、オイル交換間隔、又は、（部分的な）構成要素の交換の実行を表す量が、状態指標として適している。 Furthermore, quantities representing the maintenance status of the vehicle, for example the detection of a particular service process, an oil change interval or the performance of a (partial) component replacement, are suitable as status indicators.
たとえば、ターボチャージャを監視するために、以下の負荷カウンタ状態指標、すなわち、定められている温度範囲における動作持続時間、たとえば、ターボチャージャが所定の（高い）閾値を上回る温度で動作した長さ、同様に、定められている回転数範囲における動作持続時間、たとえば、ターボチャージャが特定の回転数閾値を上回って動作した長さ、低温のターボチャージャにおける高い回転数又は高い温度等の強い負荷が生じた頻度、すなわち、強い負荷交番が生じた頻度、温度差に対する特定の閾値を上回る温度交番の数、モータが高温で停止した頻度（軸受におけるオイルの炭化の危険）、オイル交換の数又は間隔、車両に対する短距離走行と長距離走行との間の比を基礎として用いることができる。 For example, to monitor a turbocharger, the following load counter condition indicators can be used: the duration of operation in a defined temperature range, e.g. the length of time the turbocharger has operated at a temperature above a predetermined (high) threshold; Similarly, the duration of operation in a defined speed range, e.g. the length of time the turbocharger has been operated above a certain speed threshold, when strong loads occur, such as high speeds or high temperatures in a cold turbocharger. i.e. how often strong load alternations occur, the number of temperature alterations above a certain threshold for temperature differences, how often the motor stops hot (risk of carbonization of the oil in the bearings), the number or interval of oil changes, The ratio between short-distance and long-distance driving for the vehicle can be used as a basis.
自明のとおり、ここでは、動作範囲に対する属する閾値がはじめに任意に選択可能であり、この閾値は、たとえば、特に、構成要素の特に高い負荷が予想される動作範囲が評価に共に含まれるように設計可能である。しかし、説明した負荷カウンタ値を、全ての動作範囲に対して検出し、評価することも可能であり、又は、選択された高負荷動作点に対する負荷カウンタ値を、全ての動作範囲に対する負荷カウンタ値に加えて、概して状態指標として使用することも可能である。カウンタが関係する期間も適当に選択することが可能であり、特に負荷カウンタを構成要素の全使用持続時間にわたって考慮することが可能であるが、使用されている値に応じて、負荷カウンタを所定の条件下でリセットすることも可能である。 It is self-evident that here the relevant threshold for the operating range can initially be chosen arbitrarily, which threshold is designed, for example, in such a way that operating ranges in which particularly high loads of the components are expected are also included in the evaluation. It is possible. However, it is also possible to detect and evaluate the load counter values described for the entire operating range, or alternatively the load counter values for a selected high load operating point can be determined and evaluated for the entire operating range. In addition, it can also be used as a condition indicator in general. The time period to which the counters relate can also be chosen suitably, in particular the load counters can be taken into account over the entire duration of use of the component, but depending on the values used, the load counters can be It is also possible to reset under the following conditions.
次いで、状態指標として検出された値を、はじめに集約して、たとえば制御装置のメモリ要素に格納することができる。この場合、ネットワーク化された種々異なる制御装置のデータを、中央で収集して格納することもできる。 The values detected as status indicators can then be initially aggregated and stored, for example, in a memory element of the control device. In this case, the data of different networked control devices can also be centrally collected and stored.
次いで、このようにして収集された値が評価され得る。評価のために、特に、状態指標に対する検出された値を適当な処理ユニットへ伝送することができ、この処理ユニットは、複数のパラメータに対して必要な評価のために十分な計算能力を提供することができる。このような処理ユニットは、たとえば、リモートサーバ、工場のＰＣ、中央制御部、又は、たとえば、プロセッサ、マイクロコントローラ、適当な揮発性メモリ要素及び不揮発性メモリ要素、又は、説明したステップを実行することができる類似の構成要素を有する他のあらゆる装置を含み得る。処理ユニットへの伝送を、たとえば、無線通信接続又は有線通信接続によって行うことができ、たとえば、移動無線ネットワークと、車両において利用可能な相応のインタフェースとを介して、又は、工場における点検の際にケーブル接続を介して、行うことができる。これらのデータを、たとえば、所定の時点で、規則的な時間間隔で、又は、呼び出しに基づいて、まとめて伝送することができ、又は、各特定若しくは計算の後にも、たとえば、対応する診断特徴が制御装置によって計算されるたびに伝送することができる。生値として、又は、集約された形態で、たとえば、最小値として、平均値として、最大値として、値を局所的に格納し、次いで、これらの集約された値を、たとえば、走行サイクルの終了時に、又は、それぞれ所定の走行区間の後に（たとえば１００ｋｍごとに）伝送することも可能である。次いで、車両内に格納されている値が、伝送後、任意選択的に消去又はリセットされ得る。 The values collected in this way can then be evaluated. For evaluation, in particular, the detected values for the condition indicators can be transmitted to a suitable processing unit, which processing unit provides sufficient computing power for the necessary evaluation of several parameters. be able to. Such a processing unit may be, for example, a remote server, a factory PC, a central control unit, or, for example, a processor, a microcontroller, suitable volatile and non-volatile memory elements, or for carrying out the steps described. may include any other device having similar components capable of doing so. The transmission to the processing unit can take place, for example, by a wireless or wired communication connection, for example via a mobile radio network and a corresponding interface available in the vehicle or during a factory service. This can be done via a cable connection. These data can be transmitted in bulk, e.g. at predetermined points in time, at regular time intervals or on the basis of a call, or also after each identification or calculation, e.g. by the corresponding diagnostic feature. can be transmitted each time calculated by the control device. Store values locally, either as raw values or in aggregated form, e.g. as minimum values, average values, maximum values, and then store these aggregated values, e.g. at the end of a driving cycle. It is also possible to transmit the data once in a while or after each predetermined driving distance (for example every 100 km). The values stored within the vehicle may then optionally be erased or reset after transmission.
最適な伝送頻度並びに格納される値の数及び選択は、利用可能なメモリ容量及び利用可能な伝送手段、たとえばデータ伝送の帯域幅及びコストも考慮することができる。さらに、格納条件及び伝送条件を定めるために、特定の状態指標がどの程度の頻度で決定又は計算されるのか、及び、個々の値の正確さ又は変動がどの程度のレベルであるのかも共に取り入れることができる。有効な結果を供給するためには、特定の動作状態が特定の時間にわたって存在する必要があるので、走行サイクルごとに評価可能な結果を供給するのではない状態指標が定義されるものとしてよい。他の状態指標によって、短時間で、複数の検出された値を得ることができ、これらの値は個々の値として又は集約された形態で評価のために利用可能である。種々異なる状態指標又は状態指標の種々異なるサブグループに対して、異なる伝送条件が定められるものとしてよい。たとえば、負荷カウンタの伝送は、比較的長い時間区間で行われ得るのに対して、連続して検出された診断特徴は、より頻繁に伝送される。さらに、伝送のために他の条件又はトリガ条件が有効であることがあり、制御装置内の従来の診断機能によるエラーの識別時に、状態指標に対して現在収集されている全ての値又はたとえばこのエラーに関連し得る、特定の数の他の値が、通常の伝送サイクル外で直ちに伝達されることが定められるものとしてよい。 The optimal transmission frequency and the number and selection of stored values may also take into account the available memory capacity and the available transmission means, such as the bandwidth and cost of data transmission. In addition, to define storage and transmission conditions, we also incorporate how often certain condition indicators are determined or calculated, and the level of accuracy or variation of individual values. be able to. Condition indicators may be defined that do not provide evaluable results for each driving cycle, since certain operating conditions need to exist for a certain amount of time in order to provide valid results. With other condition indicators, a plurality of detected values can be obtained in a short time, which values are available for evaluation as individual values or in aggregated form. Different transmission conditions may be defined for different status indicators or different subgroups of status indicators. For example, transmission of load counters may occur over relatively long time intervals, whereas continuously detected diagnostic features are transmitted more frequently. Furthermore, other conditions or trigger conditions may be valid for the transmission, e.g. all currently collected values for the status indicator or this A certain number of other values, which may be related to errors, may be defined to be communicated immediately outside the normal transmission cycle.
次いで、評価を行っているシステムにおいて、以降の評価ステップのうちの種々異なる評価ステップを、個別に又は組み合わせて実行することができる。 Different of the following evaluation steps can then be performed individually or in combination in the system being evaluated.
特に、診断特徴に関する状態指標を、所定の閾値と比較することができる。この場合には、この閾値は、診断機能にも使用された同一の閾値であってよく、選択的に、確率に基づいた評価のために、他の境界値が同一のパラメータに対して定められるものとしてよい。閾値を上回ったか又は下回ったかの簡単な検査に加えて、任意選択的に、検出された値から各閾値までの間隔も特定することができ、たとえば、生じ得る欠陥に対する重み付け又は評価指標をこの間隔から導出することができる（又は、この間隔自体が評価指標として利用される）。欠陥についての、まだ到達していない閾値に対する間隔が比較的大きい場合には、欠陥確率が比較的低いことが示唆され、他方では、閾値に対する偏差が比較的小さい場合には、欠陥の確率が高いことが示され得る。すなわち、所定の値とパラメータ値とのこの直接的又は間接的な比較によって、各状態指標に対して、現在のパラメータ値に基づいて、評価指標を得ることができ、評価指標は、たとえば、確率値、間隔値、又は、類似の主要な数値である。これらの現在の評価指標は、依然として相互に同等である必要はなく、状態指標に関する主要な数値を表している。評価指標は、たとえば、エラー状態又は欠陥状態に対する確率値を示すことができるが、パラメータ値と境界との間隔、パラメータ値の分布と典型な値又は類似の主要な数値との間隔も示すことができる。間隔として、たとえば、特定のパラメータに対するフリート平均値に対する３σの偏差を特定することができる。評価指標の特定は、各状態指標に対して異なって設定されるものとしてよい。 In particular, the condition indicator relating to the diagnostic feature can be compared to a predetermined threshold value. In this case, this threshold may be the same threshold that was also used for the diagnostic function, and optionally, for probability-based evaluation, other boundary values are defined for the same parameter. Good as a thing. In addition to a simple check for above or below a threshold, it is also possible to optionally specify an interval from the detected value to each threshold, and for example to derive a weighting or evaluation index for possible defects from this interval. (or this interval itself can be used as an evaluation indicator). A relatively large interval for a defect with respect to a threshold that has not yet been reached suggests a relatively low probability of a defect; on the other hand, a relatively small deviation from the threshold indicates a high probability of a defect. It can be shown that That is, by this direct or indirect comparison of the parameter value with a predetermined value, an evaluation index can be obtained for each state indicator based on the current parameter value, the evaluation index being e.g. value, interval value, or similar primary value. These current evaluation indicators still do not have to be equivalent to each other, but represent the main values regarding the condition indicators. The evaluation metric can, for example, indicate a probability value for an error or defect condition, but also the interval between a parameter value and a boundary, the interval between a distribution of parameter values and a typical value or a similar key value. can. The interval may, for example, be specified as a 3σ deviation from the fleet average value for a particular parameter. The evaluation index may be specified differently for each state index.
個々のシステム、たとえば車両の検出された状態指標を、他の同等なシステムの同一の状態指標に対する値と比較すること、たとえば、同様にこれらの値を少なくとも部分的に提供する車両フリートと比較することも可能である。ここでは、自身の決定された状態指標を提供するシステムの多くが、欠陥のない状態を有するので、複数の他のシステムの状態指標の統計的な特性値から（たとえば、それぞれ、各状態指標に対する平均値から、標準偏差から、頻度分布から又は他の導出された値から）、及び、個々のシステムの状態指標との比較から、個々のシステムの機能性又は状態が推定可能であると仮定することができる。たとえば、個々のシステムの１つ又は複数の値が、複数の他のシステムの同一のパラメータ値の平均とは明らかに偏差している場合、このことは欠陥を示唆し得る。選択的に、個々の値も、それぞれ他の値と比較可能であり、はじめに、特定された偏差値を統計的な手法によって評価することができる。ここでも、たとえば、個々のデータと、他のシステムのまとめられたデータとの間の特定された偏差に関連して、欠陥についての評価指標を出力することができる。 Comparing detected condition indicators of an individual system, e.g. a vehicle, with values for the same condition indicators of other comparable systems, e.g. with a fleet of vehicles that also at least partially provide these values. It is also possible. Here, since many of the systems that provide their own determined state indicators have defect-free states, from the statistical characteristic values of the state indicators of multiple other systems (e.g., Assume that the functionality or state of an individual system can be estimated from the average value, standard deviation, frequency distribution, or other derived values) and from comparisons with individual system state indicators. be able to. For example, if one or more values of an individual system deviates significantly from the average of the same parameter values of several other systems, this may indicate a defect. Optionally, the individual values can also be compared with each other, and the identified deviation values can first be evaluated by statistical methods. Here too, evaluation indicators for defects can be output, for example in relation to identified deviations between the individual data and the aggregated data of other systems.
（たとえば、診断機能からの、又は、状態指標に対して特有の）欠陥閾値と、平均において欠陥がないとみなされる他のシステムの値との比較とを組み合わせることによって、検出された値をより良好に表現することができる。２つの比較によって、欠陥確率を、たとえば、０％（残余のシステムの平均値に相当する値）と１００％（診断機能の欠陥境界を上回る値）との間で定めることができるので、この間に位置する全ての値に対して、同様に、対応する確率が示される。 By combining a defect threshold (e.g. from a diagnostic function or specific to a condition indicator) and a comparison with other system values that are considered defect-free on average, the detected value can be improved. Can be expressed well. By comparing the two, the defect probability can be determined, for example, between 0% (a value corresponding to the average value of the remaining system) and 100% (a value above the defect boundary of the diagnostic function); For every value located, the corresponding probability is shown as well.
また、１つ又は複数の状態指標の時間的な経過も評価に用いることができる。パラメータが時間にわたって及び／又は走行した走行区間にわたって緩慢に変化する場合、このことは、緩慢なドリフトを示唆し得る。このような緩慢なドリフトは、継続する可能性が高く、相応に外挿され得る。これによって、故障確率を特定することができる。これに対して、パラメータが跳躍的に変化し、新たな値に留まる場合には、この変化を、任意選択的に、はじめに、この時点で発生している走行条件（たとえば、高い温度、全負荷下における比較的長い走行）に関連付けることができる。そうでない場合には、予期しない跳躍的な変化は、診断の本来の欠陥閾値にまだ達していない場合でも、構成要素の自然発生的な欠陥を示唆し得る。 Additionally, the temporal progression of one or more condition indicators can also be used for evaluation. If the parameter changes slowly over time and/or over the travel section traveled, this may indicate a slow drift. Such slow drift is likely to continue and can be extrapolated accordingly. This allows the probability of failure to be determined. On the other hand, if a parameter changes abruptly and remains at a new value, then this change can optionally be initially applied to the currently occurring driving conditions (e.g. high temperature, full load). can be associated with a relatively long run (at the bottom). Otherwise, unexpected jumps may suggest a spontaneous defect in the component, even if the original defect threshold for diagnosis has not yet been reached.
さらに、種々異なる状態指標を、基礎となるシステムエラーに関連する複数の関連性グループに分けることができる。基礎となるシステムエラーに対して比較的高い関連性を有する状態指標は、この場合、基礎となるシステムエラーに対して比較的低い関連性を有する状態指標とは異なる関連性グループに分けられる。各関連性グループにはさらに、関連性係数が割り当てられており、関連性係数は、比較的高い関連性を有する関連性グループに対しては、基礎となるシステムエラーに関して比較的低い関連性を有する関連性グループよりも大きい。次いで、状態指標に、関連性グループに割り当てられている関連性係数が乗算される。 Further, different status indicators can be divided into multiple relevance groups related to the underlying system error. Condition indicators that have a relatively high relevance to the underlying system error are in this case divided into different relevance groups from status indicators that have a relatively low relevance to the underlying system error. Each relevance group is further assigned a relevance coefficient, where for relevance groups with relatively high relevance, relevance groups have relatively low relevance with respect to the underlying system error. Greater than relevance group. The condition indicator is then multiplied by the relevance factor assigned to the relevance group.
負荷カウンタのグループからの状態指標を、構成部材の設計に対する所定の設計目標と比較することができる。負荷カウンタが設計目標の近くの値又は設計目標を上回る値を有する場合には、同様に、比較的低い負荷カウンタ値に比較して、故障の確率が高くなっている可能性がある。 Condition indicators from the group of load counters can be compared to predetermined design goals for the design of the component. Similarly, if the load counter has a value near or above the design target, the probability of failure may be increased compared to a relatively low load counter value.
特に、構成要素又はサブシステムに対する診断特徴と負荷カウンタとを組み合わせて評価することによって、これらのグループのうちの１つだけを評価する場合と比較して、診断の改良が可能になる。 In particular, the combined evaluation of diagnostic features and load counters for components or subsystems allows improved diagnostics compared to evaluating only one of these groups.
状態指標の評価は、検出された各値に対して、個々の確率又は評価に関する類似の主要な数値を評価指標として示すことができる。次いで、これらの評価指標の組合せから、１つ又は複数の構成要素の欠陥についての全体的な確率又は複数の構成要素から成るサブシステムの欠陥についての全体的な確率又は診断ステップに対する診断確率を決定することができる。評価指標の組合せを、たとえば、既存の組合せのストックから特定することができる。この場合、これらの既存の組合せは、フリートデータの評価から得られる組合せであってよい。したがって、評価指標の一部の組合せは、実際にはまれにしか生じない又は全く生じない可能性があり、他方では、他の組合せは、極めて頻繁に生じる可能性がある。したがって、評価指標の組合せの選択は、頻繁に生じる組合せのうちの１つに限定され得る。さらに、個々の評価指標は重み付けされるものとしてよく、その結果、具体的な欠陥に対して、特定の偏差又はエラーが、他の偏差又はエラーよりも高く重み付けされる。重み付け係数を、ここでは、特に、システムの製造開始前に既に存在している、工場における診断可能性分析（ＤＭＡ）又は導かれたエラー探索（ＧＦＳ）の情報から得ることができる。なぜなら、重み付け係数は、経験値に由来するからであり、又は、事前に検証フリートにおいて決定されているからである。 The evaluation of the condition indicators can indicate, for each detected value, an individual probability or a similar key numerical value for the evaluation as an evaluation indicator. Then, from a combination of these evaluation metrics, an overall probability for a defect in one or more components or an overall probability for a defect in a subsystem consisting of multiple components or a diagnostic probability for a diagnostic step is determined. can do. Combinations of evaluation indicators can be identified, for example, from a stock of existing combinations. In this case, these existing combinations may be combinations obtained from evaluation of fleet data. Therefore, some combinations of evaluation indicators may occur rarely or never in practice, while other combinations may occur quite frequently. Therefore, the selection of combinations of evaluation indicators may be limited to one of the frequently occurring combinations. Additionally, the individual metrics may be weighted, such that certain deviations or errors are weighted higher than other deviations or errors for a particular defect. The weighting factors can be obtained here, in particular, from factory diagnosability analysis (DMA) or guided error search (GFS) information that already exists before the start of production of the system. This is because the weighting factors are derived from experience or have been determined in advance in the validation fleet.
さらに、どの状態指標が直接的若しくは間接的に関係するのか、又は、特定の構成要素に関連するのかが設定されるものとしてよく、これは、たとえば種々異なるグループに状態指標をグループ化することによって、重み付けを提示することによって、又は、他の方式によって、設定されるものとしてよい。これらのグループの選択は事前設定されるものとしてよく、一般的な欠陥識別に基づいて得られるものとしてよい。たとえば、個々の触媒の故障がどの状態指標に作用するかが設定されるものとしてよく、その場合には、これらの状態指標を触媒の欠陥識別のために共に評価することができる。この場合、各状態指標は、任意の数のグループに割り当てられるものとしてよい。たとえば、複数の異なる構成要素に欠陥又は悪化が生じている際に、特定の排気ガスパラメータの変化が生じる場合があり、したがって、属する状態指標が、これらの構成要素ごとにグループ化される。それにもかかわらず、これらのグループは、自身の全体的な組成において異なっていてよいので、これによって、エラーのより正確な限定が可能になる。したがって、各構成要素とは無関係の状態指標のパラメータ値の変化を無視することができる。 Furthermore, it may be established which condition indicators are directly or indirectly related or related to a particular component, for example by grouping the condition indicators into different groups. , weighting, or by other methods. The selection of these groups may be preset and may be derived based on general defect identification. For example, it may be established which condition indicators a failure of an individual catalyst affects, in which case these condition indicators can be evaluated together for catalyst defect identification. In this case, each status indicator may be assigned to any number of groups. For example, changes in certain exhaust gas parameters may occur when a number of different components are defective or deteriorated, and the belonging condition indicators are therefore grouped by these components. Nevertheless, since these groups may differ in their overall composition, this allows for a more precise limitation of the error. Therefore, changes in the parameter values of the state index that are unrelated to each component can be ignored.
基本的に、状態指標の評価を、機械学習によって、たとえば１つ又は複数のニューラルネットワークによって行うこともできる。ニューラルネットワークのための入力データとして、たとえば、検出された状態指標自体及び／又は閾値比較、フリート値との比較及び他の特定から決定された評価指標を用いることができる。システムに対する状態指標を比較的長い時間にわたって検出し、状態指標に対する各値をエラーのない時間又は実際に発生した効果とリンクさせることによって、教師あり機械学習のためのラベル付き学習データを形成することができる。付加的又は選択的に、複数の状態指標の偏差における構造を識別するために、教師なし学習の手法を選択することもできる。この場合には、出力値として、たとえば、特定の構成要素に対する欠陥確率が出力され得る。選択的又は付加的に、出力値として、現在のシステム状態を複数のクラスにクラス分けすることができ、この場合、たとえば、エラーのない状態は、構成要素又はシステム全体の起こり得るあらゆる欠陥と同様に、１つのクラスを形成し得る。 In principle, the evaluation of the state indicator can also be performed by machine learning, for example by one or more neural networks. As input data for the neural network, for example, the detected condition indicators themselves and/or the evaluation indicators determined from threshold comparisons, comparisons with fleet values and other specifications can be used. Forming labeled training data for supervised machine learning by detecting state indicators for a system over a relatively long period of time and linking each value for the state indicator to an error-free time or to an effect that actually occurred. I can do it. Additionally or alternatively, unsupervised learning techniques may be selected to identify structure in the deviations of multiple state indicators. In this case, the defect probability for a specific component may be output as an output value, for example. Alternatively or additionally, as an output value, the current system state can be classified into several classes, in which case, for example, an error-free state is classified as any possible defect of a component or the entire system. can form one class.
評価システムは、任意選択的に、評価を継続的に改良するためにさらなる情報も共に取り入れることができる。 The rating system may optionally also incorporate additional information to continuously improve the rating.
たとえば、工場において、手動のさらなる診断ステップが実行される場合には、診断の結果を検出して、評価システムにフィードバックすることができる。これによって、評価システムの結果が、他の指標によって強化、確認又は反証され得る。次いで、これに対応して、たとえば、評価全体における欠陥確率の計算又は個々の状態指標の重み付けの調整を行うことができる。同様の方式により、交換される、欠陥を有する構成要素を任意選択的に調べて、欠陥の正確な詳細を含み得る結果を評価システムにフィードバックすることができる。次いで、これらの構成要素に対する、時間にわたって検出された測定データ及び状態指標と共に、状態指標と欠陥との間の関係を推定することができる。 For example, if manual further diagnostic steps are performed in a factory, the results of the diagnostics can be detected and fed back to the evaluation system. This allows the results of the evaluation system to be reinforced, confirmed or refuted by other indicators. Correspondingly, for example, a calculation of the defect probability in the overall evaluation or an adjustment of the weighting of the individual condition indicators can then take place. In a similar manner, defective components that are to be replaced can optionally be examined and the results, which may include exact details of the defect, fed back to the evaluation system. Together with the measurement data and condition indicators detected over time for these components, the relationship between the condition indicators and defects can then be estimated.
同様に、修理又は点検プロセス前の状態指標の値と修理又は点検プロセス後の状態指標の値とを比較することができる。状態指標が変化した場合、すなわち、状態指標において修理の効果が見て取れる場合には、確率評価の割り当て及び重み付けが確認されるものとしてよい。これに対して、たとえば、構成部材が交換されたにもかかわらず、測定された値に変化が生じない場合には、他の構成要素の欠陥が存在するのかどうかがより詳細に検査されるものとしてよい。さらに、このようなケースにおいては、各状態指標の、構成要素又はサブシステムへの割り当て又は状態指標の重み付けを検査し、変更することができる。 Similarly, the value of the condition indicator before the repair or inspection process can be compared with the value of the condition indicator after the repair or inspection process. If the condition index changes, ie, if the effect of the repair is visible on the condition index, the assignment and weighting of the probability ratings may be confirmed. On the other hand, if, for example, the measured value does not change even though a component has been replaced, a more detailed examination is performed to determine whether defects exist in other components. may be used as Furthermore, in such cases, the assignment of each state indicator to a component or subsystem or the weighting of the state indicators can be examined and changed.
修理後に改良が識別されたが、比較的短い所定の時間内に再び、上回り若しくは下回り又は欠陥の他の示唆が生じる場合には、類似の方式によって、他の構成要素の欠陥又は複数の構成要素の相互作用における複合的なエラーが存在するかどうかが検査されるものとしてよい。 If an improvement is identified after repair, but again within a relatively short predetermined period of time, an increase or decrease or other indication of a defect occurs, a defect in another component or multiple components can be determined in a similar manner. The presence of complex errors in the interaction may be checked.
また、基本的に、上述の評価ステップを直接的に車両において実行すること、又は、現地において、このような方式により監視されるべき定置された装置において実行することも可能である。たとえば、このような計算を実行することができる複雑な制御装置のような、十分に高性能な処理ユニットが設けられている場合には、他の処理ユニットへの伝送を、必須ではないが、補足的に実行することができる。現地における評価が行われる場合には、比較のためのフリートデータ及び更新された閾値のような、これに必要なさらなる値及びパラメータを、リモートサーバ又は他のユニットから現地の処理ユニットに伝送することができる。たとえば、リモートサーバにおいて、収集されたフリートデータの評価を行うことができ、この評価から今度は、個々の評価のための現在の閾値又は重み付けが導出され、さらにこの導出された閾値又は重み付けが現地の処理ユニットに送られ、この現地の処理ユニットにおいて、これらの導出された閾値又は重み付けが評価のために使用されるものとしてよい。 In principle, it is also possible to carry out the above-mentioned evaluation steps directly in the vehicle or in the field, in stationary equipment to be monitored in this way. If a sufficiently powerful processing unit is provided, for example a complex control device capable of performing such calculations, transmission to other processing units may be possible, but not mandatory. Can be performed supplementally. If an on-site evaluation is carried out, further values and parameters required for this, such as fleet data for comparison and updated thresholds, may be transmitted from a remote server or other unit to the on-site processing unit. I can do it. For example, an evaluation of the collected fleet data can be performed on a remote server, from which current thresholds or weightings for individual evaluations are in turn derived; In this local processing unit, these derived thresholds or weights may be used for evaluation.
特に、工場の熟練工の経験値と、検証フェーズにおいて決定されたデータとに基づく上述したノウハウモデルが、ノウハウ及びフリートデータからのフリートデータに基づくモデル又はハイブリッドモデルに変換される。これによって、個々の構成要素又は診断手段の欠陥確率を一連のデータに基づいて改良することができる。付加的に、個々の状態指標の時間的な影響を考察に共に取り入れることも可能であり、これによって、たとえば、長年の動作の後又は特定のキロメートル数以後において初めて発生する欠陥を、改良された方式により特定することが可能になる。 In particular, the above-mentioned know-how model based on the experience of the factory's skilled workers and on the data determined in the validation phase is converted into a model based on fleet data or a hybrid model from know-how and fleet data. This allows the defect probability of individual components or diagnostic means to be improved on the basis of a series of data. In addition, it is also possible to take into consideration the temporal influence of the individual condition indicators, so that, for example, defects that occur only after many years of operation or after a certain number of kilometers can be detected in improved It becomes possible to specify by method.
類似のシステムにおいて収集され、リモートサーバ又はクラウドメモリに格納されているフリートデータと、システムに収集されたデータとを、フリートのシステム及び調べられるべきシステムを種々異なるグループに分けるために使用することができる。たとえば、種々異なる排気ガスの種類（ＮＯｘ、ＮＨ３、ＣＯ、ＨＣ、…）のエミッションレベルに関するデータを収集することができ、システムを、たとえば、低エミッションのグループと、高エミッションのグループとに、特に各排気ガスの種類ごとに別個に割り当てることができる。調べられるべきシステムにおいて、高い排出値が発生し、したがって、これが、高エミッションのシステムのグループに割り当てられる場合、欠陥確率及び／又は診断確率を決定するために、たとえば、評価指標の組合せを特定する際に、同一のグループに割り当てられているシステムに由来するフリートデータのみを用いることができる。さらに、種々異なるグループに分けることによって、どの状態指標又は状態指標の組合せが、値が顕著な場合でも、基礎となるシステムエラー又は上位の欠陥に影響を与えないかが決定される。たとえば、状態指標又は種々異なる状態指標の組合せが、低エミッションのグループにおける車両においても高エミッションのグループにおける車両においても顕著な値を有する場合には、これらの状態指標又は状態指標の組合せが、基礎となるシステムエラー又は上位の欠陥の特定に関連する可能性は低い。これに対して、状態指標又は種々異なる状態指標の組合せの顕著な値が、高い排出値の車両のグループにおいてのみ発生する場合には、これらは、欠陥確率及び／又は診断確率の決定に特に関連する。したがって、フリートのシステム及び調べられるべきシステムを、たとえばエミッションレベルに基づいて、種々異なるグループに分けることによって、個々の状態指標の重み付け又は評価指標の使用されるべき組合せの特定が改良される。 Fleet data collected on similar systems and stored on remote servers or cloud memory and data collected on the system can be used to divide the systems of the fleet and the systems to be examined into different groups. can. For example, data on the emission levels of different exhaust gas types (NOx, NH3, CO, HC,...) can be collected and the system can be divided, for example, into groups with low and high emissions, in particular. Each exhaust gas type can be assigned separately. If high emission values occur in the system to be investigated and this is therefore assigned to a group of high-emission systems, for example, identifying a combination of evaluation indicators in order to determine the defect probability and/or the diagnosis probability. In some cases, only fleet data originating from systems that are assigned to the same group can be used. Moreover, the division into different groups determines which condition indicators or combinations of condition indicators, even if their values are significant, do not affect the underlying system errors or superordinate defects. For example, if a condition indicator or a combination of different condition indicators has a significant value both for vehicles in the low-emission group and for vehicles in the high-emission group, these condition indicators or combinations of condition indicators This is unlikely to be related to the identification of system errors or high-level defects. On the other hand, if significant values of a condition indicator or a combination of different condition indicators occur only in a group of vehicles with high emission values, these are particularly relevant for determining the defect probability and/or diagnosis probability. do. Thus, by dividing the systems of the fleet and the systems to be examined into different groups, for example based on emission levels, the weighting of individual condition indicators or the identification of the combinations of evaluation indicators to be used is improved.
逆に、十分なフリートデータが存在する場合には直ちにモデルを開発することができ、このモデルによって、たとえばエミッションレベル、及び、他のあらゆる関連するシステムエラーも、モデル化される。このようなモデルは、機械学習又は他のＡＩアプリケーションによって作成される。ここから、たとえば、将来の状態指標の変化する値がエミッションレベルにどのような影響を与え得るかを事前に特定することができる。これによって、さらに、欠陥の可能性及び／又は診断の可能性を決定する状態指標又は評価指標の関連する組合せが、より良好に特定される。１つ又は複数の状態指標の時間的な経過を外挿することもでき、これによって、エミッションレベルを上回る、又は、システムエラーが発生する将来の時点を特定することができ、システムのユーザに早期に警告メッセージを表示することができる。 Conversely, if sufficient fleet data exists, a model can be developed immediately, which also models, for example, emission levels and any other relevant system errors. Such models are created by machine learning or other AI applications. From here, for example, it can be determined in advance how changing values of future condition indicators may affect emission levels. This also allows for a better identification of relevant combinations of condition indicators or evaluation indicators that determine the probability of a defect and/or the possibility of diagnosis. The time course of one or more condition indicators can also be extrapolated, allowing the identification of future points in time at which emission levels are exceeded or system errors occur, providing early warning to users of the system. A warning message can be displayed.
特に、実行された修理、すなわち、最終的に交換された構成要素、及び、この修理が、たとえばエミッションレベル又は個々の状態指標に及ぼした影響のデータを取り入れることによって、１つ又は複数の構成要素の交換又は修理が状態指標に及ぼす影響を特定するためのモデルが開発される。状態指標に基づいてエミッションレベルを特定する上述したモデルとの組合せにおいて、たとえばエミッションレベル又は他のシステムエラーを再び許容される範囲内にシフトさせるためにどの１つ又は複数の構成要素が交換又は修理されるべきかを決定することができる。特に、ここでは、可能な限り迅速にかつ低コストのシステム修理を可能にするために、たとえば、構成要素のコスト及び／又は構成要素の可用性又は納入時期を共に取り入れることができる。 In particular, by incorporating data on the repairs carried out, i.e. the components that were ultimately replaced, and the impact this repair had on, for example, emission levels or individual condition indicators, one or more components A model is developed to identify the effect of replacing or repairing a condition on a condition indicator. In combination with the above-described model that identifies emission levels based on condition indicators, e.g. which component or components are replaced or repaired in order to shift emission levels or other system errors back into acceptable ranges? can decide what should be done. In particular, here, for example, component costs and/or component availability or delivery times can be taken together in order to enable system repairs as quickly and cost-effectively as possible.
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102022203594.1 | 2022-04-08 | ||
| DE102022203594 | 2022-04-08 | ||
| DE102022210276.2 | 2022-09-28 | ||
| DE102022210276.2ADE102022210276A1 (en) | 2022-04-08 | 2022-09-28 | Method for detecting defects in a system |
| Publication Number | Publication Date |
|---|---|
| JP2023155219Atrue JP2023155219A (en) | 2023-10-20 |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023063079APendingJP2023155219A (en) | 2022-04-08 | 2023-04-07 | Method for identifying defect in system |
| Country | Link |
|---|---|
| JP (1) | JP2023155219A (en) |
| CN (1) | CN116893061A (en) |
| DE (1) | DE102022210276A1 (en) |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117408680A (en)* | 2023-12-14 | 2024-01-16 | 安徽常力达电气有限公司 | Intelligent power distribution room management method and system based on Internet of things |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102023208156A1 (en)* | 2023-08-25 | 2025-02-27 | Siemens Mobility GmbH | Automated early defect detection in electrical equipment |
| DE102023213281A1 (en)* | 2023-12-22 | 2025-06-26 | Schaeffler Technologies AG & Co. KG | Method and device for providing measurement data for a system |
| DE102024108545A1 (en) | 2024-03-26 | 2025-10-02 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Method for determining the status of a robot fleet, evaluation device and system |
| CN118312342B (en)* | 2024-03-27 | 2025-01-24 | 重庆赛力斯凤凰智创科技有限公司 | Method, device, electronic device and readable storage medium for storing diagnostic events |
| CN118938817A (en)* | 2024-07-19 | 2024-11-12 | 深圳市会美达科技有限公司 | A method and system for online monitoring of the operating status of industrial Internet equipment |
| CN118550263B (en)* | 2024-07-30 | 2024-09-27 | 山东固风科技有限公司 | Control system and method for silicone sealant production |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102016102219A1 (en) | 2015-02-20 | 2016-08-25 | Fev Gmbh | A method of investigating a cause of malfunction of a component of a prime mover |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117408680A (en)* | 2023-12-14 | 2024-01-16 | 安徽常力达电气有限公司 | Intelligent power distribution room management method and system based on Internet of things |
| CN117408680B (en)* | 2023-12-14 | 2024-03-19 | 安徽常力达电气有限公司 | Intelligent power distribution room management method and system based on Internet of things |
| Publication number | Publication date |
|---|---|
| CN116893061A (en) | 2023-10-17 |
| DE102022210276A1 (en) | 2023-10-12 |
| Publication | Publication Date | Title |
|---|---|---|
| JP2023155219A (en) | Method for identifying defect in system | |
| KR102722650B1 (en) | Method and control device for monitoring the function of a particulate filter | |
| US9014918B2 (en) | Health monitoring systems and techniques for vehicle systems | |
| US10026241B1 (en) | Combustion engine airflow management systems and methods | |
| CN108286481B (en) | Method for identifying and distinguishing flow faults and dynamic faults of exhaust gas recirculation | |
| US10152834B1 (en) | Combustion engine airflow management systems and methods | |
| US10060346B2 (en) | Method for monitoring at least one exhaust gas turbocharger | |
| CN105658937B (en) | Method for monitoring the operation of sensor | |
| US9631568B2 (en) | Method for monitoring operational parameters in an internal combustion engine | |
| WO2015083612A1 (en) | Turbocharger device | |
| CN102374094B (en) | Engine fire fault diagnosis method | |
| RU2604659C2 (en) | Diagnostics of starter | |
| CN114109630B (en) | System for turbocharger performance monitoring and adaptation | |
| CN114576026A (en) | Wear monitoring of electric actuators | |
| JP2006057595A (en) | Gas turbine performance diagnosis system and performance diagnosis method | |
| CN118629104A (en) | Engine status monitoring alarm system and method | |
| US10718284B2 (en) | Engine emission status-based maintenance | |
| CN117722288A (en) | A fault diagnosis method and related device | |
| CN114109631B (en) | Control system with diagnostic monitoring for engine control | |
| CN118194518B (en) | Real-time prediction method and device for failure risk of turbocharger | |
| CN112729849B (en) | Method and system for testing at least one drive train component | |
| CN118410694A (en) | System and method for determining remaining useful life of an igniter | |
| EP4206844A1 (en) | Method for predictive failure analysis of a vehicle component, in particular an industrial or commercial vehicle | |
| KS et al. | Prognosis of Engine Failure Based on Modelling by Using Live Parameter Data from Vehicle | |
| GB2607300A (en) | A method for determining an active regeneration process of a gasoline particulate filter of an exhaust system, as well as an exhaust system |