用于确定底盘组件状态的方法和车辆系统

技术领域

本发明涉及一种用于确定个体车辆的个体底盘的组件的状态的方法和车辆系统。本发明还涉及一种车辆。

背景技术

车辆通常具有车载的车辆诊断系统，其监控车辆组件和系统，例如用于循环地检查的目的。为此，系统会比较里程等车辆数据。此外，车辆诊断系统具有用于监控的传感器，其报告车辆或组件工作中的故障。然而，此类车辆诊断系统仅在参数超出可接受范围时进行报告。

到目前为止，还没有办法预测可能的故障情况或由于例如磨损而可能发生的故障。

然而，组件磨损可能会导致组件及组件集成所在的更复杂系统的可靠性出现严重问题。事实上，基本组件的过度磨损可能会损坏该基本组件集成所在的整个构件组。此外，例如制动衬片的过度磨损可能会导致制动构件组发生危险损坏，从而损害车辆的安全。

DE 10 2018 119652A1公开了一种车辆，其具有带有至少一个底盘组件的底盘和用于检测底盘组件状态的驾驶员辅助系统，其中，该驾驶员辅助系统具有评估单元和第一声学传感器，该第一声学传感器检测由底盘组件在车辆的行驶工作中产生的声音并将其转换为电信号，并且评估单元使用该电信号来确定关于底盘组件的状态的至少一项信息。

发明内容

因此，本发明的目的是提出一种方法和车辆系统，其中可以更精确地确定底盘的状态，以便于是例如提高驾驶安全性。此外，目的是要提出一种车辆。

该目的通过一种具有权利要求1的特征的方法、一种具有权利要求9的特征的车辆系统和一种具有权利要求14的特征的车辆来实现。

在从属权利要求以及说明书中说明了可以单独使用或彼此组合使用的有利的改进。

该目的通过一种用于确定个体车辆的个体底盘的组件的状态的方法来实现，包括以下步骤：

-提供车辆数据的第一数据集，其至少包括个体车辆的相同或相似类型的底盘在整个使用寿命期间的负载数据和/或磨损数据；

-作为目标状态，通过检测车辆数据直至个体车辆的先前规定的第一里程和/或确定的车龄，在个体车辆中生成个体的第二数据集；

-从个体车辆的先前规定的第二里程和/或确定的车龄起，检测当前测量的车辆数据；

-将当前测量的车辆数据与第一数据集以及第二数据集进行比较，以确定状态。

车辆的两个车轴及其组件以及仅一个车轴及其组件可以优选地被理解为底盘。

根据本发明认识到，当前主要使用来自加速度传感器的当前检测的数据来对底盘的状态进行当前评估。在这里，分析振动行为的变化。然而，之前的调查并没有产生任何明确的指标来精确评估底盘的磨损。更换磨损的和新的底盘组件使得可能的组合几乎无限增长。

但如果评估不正确，尤其是当车轮悬架/制动器等重要零部件直接或间接受到影响时，则可能存在行车安全风险。

对此，本发明已经认识到，仅仅基于当前检测的数据来做出磨损判断/关于状态的判断是不够的。根据本发明，提供车辆数据的第一数据集，其至少包括个体车辆的相同或相似类型的底盘在整个使用寿命期间的负载数据和/或磨损数据。这可以在试验场上确定。

第一数据集是在具有相似或相同底盘的车辆中提供的。

根据本发明还认识到，为了确定目标状态，个体地学习个体配备的车辆是必要的。因此，如果车辆作为新车驶离装配线，则通过检测车辆数据来学习目标状态。该学习过程在一定的时间和/或行驶的公里数内保持活跃。这里例如根据检测到的振动来生成第二数据集。在这里，根据本发明认识到，不仅必须一般性地检测目标状态，而且还必须基于个体车辆来检测目标状态，因为大量个体的配置分别生成不同的目标数据集。然后从个体车辆的先前规定的第二里程和/或确定的车龄起，测量或检测当前车辆数据。第二里程可以例如在第一里程之后不久。

此外，根据本发明，然后根据当前测量的车辆数据与第一数据集以及第二数据集进行比较。也就是说，根据本发明，在一定程度上将当前车辆数据与目标数据或目标状态进行比较，以及将当前车辆数据与在使用寿命周期期间作为实际状态的第一数据集进行比较。

使用寿命周期内的实际状态与个体地生成的目标状态之间的比较，生成状态值，根据该状态值可以可靠地做出关于底盘实际状态的判断。于是，例如在使用寿命周期结束时，可以主要基于第一数据集并借助第二数据集更可靠地生成“完全磨损”的判断。此外，通过比较两个数据集，可以做出诸如“80％完全磨损”或“20％相应于新状态”之类的判断。

通过本发明，可以对底盘状态做出明确且可靠的评估，其方式为，在一定程度上既使用个体车辆的新状态作为基础，又使用关于相似或相同底盘的整个使用寿命周期的信息。既评估距该新状态的距离，又与作为代表性使用寿命周期的第一数据集进行比较。这样可以对状态做出可靠的判断。

在进一步的设计中，通过将当前测量的车辆数据分配给表示路面的路面集群，或者通过为先前未知的路面创建新的路面集群并将当前测量的车辆数据分配给新创建的路面集群，来生成第二数据集。为了实现改进的对比或比较，优选地对路面进行集群。如果尚未检测到路面，则会创建一个新的集群，并将其与所记录的车辆数据一起作为第二数据集存储。由此可以学习改进的第二数据集，并且可以在以后更准确地确定底盘的状态。

在进一步优选的设计中，第一数据集通过在长期测试中在测试台上测试的相同或相似的底盘类型，被提供为一般性地生成的参考数据集。

通过在测试台上进行的长期测试，可以容易地确定第一数据集。通过该测试台可以轻松识别特定的频率范围，即例如生成可用于以后的比较的足迹。

优选地，这样的第一数据集可以通过纯粹的分析做法以及通过人工神经网络或另一机器学习方法来生成。在测试台上生成第一数据集还提供了可以更换零部件的优点。于是，例如可以定期更换制动衬片，其然后与已经老旧的、部分磨损的周围零部件一起产生其他振动/频率。这样一来，第一数据集可以得到扩展，也可以得到改进，由此可以在以后的比较中更好地确定个体车辆的当前底盘状态。

在进一步的设计中，为两个车轴中的每一个单独地生成参考数据集。由此可以实现在车辆前方记录的当前车辆数据和车辆后方记录的当前车辆数据之间进行更有针对性的比较。

在另一实施方式中，至少使用在特征性路面情况下车辆运动的振动幅度作为当前测量的车辆数据以及作为第二数据集。这样，可以通过所识别的路面生成和分配特定的频率范围。

在进一步的设计中，根据当前测量的车辆数据与第一数据集之间的比较来制定实际状态，根据当前测量的车辆数据与第二数据集之间的比较来制定目标状态，其中，根据目标-实际-比较来确定底盘组件的当前磨损。这些数据集和当前测量的车辆数据之间的比较也可以被不同地加权。因此，可以确定底盘或其组件的当前磨损。通过比较，将数据与表征具有相应磨损的使用寿命周期的数据集以及代表新状态的数据集进行比较。这样可以对底盘的状态进行可靠的评估。

根据进一步的改进，通过车辆连续地或自适应地测量当前车辆数据。这可以自适应地例如基于车辆的车龄或基于公里数进行或在发生某些情况时完成。

此外，当前测量的车辆数据可以包括车辆的行驶公里数和/或车龄。由此可以检查比较或结果的合理性。行驶公里数可以例如用于代表平均的负载集合，并且车龄用于代表例如橡胶轴承的老化。

该目的还通过一种用于确定个体车辆的个体底盘的组件的状态的车辆系统来实现，该车辆系统包括：

-用于提供车辆数据的第一数据集的存储单元，其中，该第一数据集至少包括个体车辆的相同或相似类型的底盘在整个使用寿命期间的负载数据和/或磨损数据；

-用于提供个体车辆中的个体的第二数据集的存储单元，其中，该个体的第二数据集包含通过一个或多个传感器直至该个体车辆的先前规定的第一里程和/或确定的车龄所测量的车辆数据作为目标状态；

-用于从个体车辆的先前规定的第二里程和/或确定的车龄起检测当前测量的车辆数据的传感器系统；

-比较单元，用于将当前测量的车辆数据与第一数据集以及第二数据集进行比较，以确定状态。

该方法的优点也可以转用到车辆系统上。

传感器系统可以由多个各种不同的传感器和各种不同的传感器类型组成。

比较单元可以被设计为处理器。

在进一步的设计中，传感器系统被设计用于检测路面。此外，优选地设置了处理器，用于通过将当前测量的车辆数据分配给表示路面的路面集群，或者为先前未知的路面创建新的路面集群并将当前测量的车辆数据分配给新创建的路面集群，来生成第二数据集，并将第二数据集存储在存储单元中。为此，处理器连接至传感器系统和存储单元以进行通信。此外，处理器和比较单元以及存储单元也可以被设计为模块。

在进一步的设计中，比较单元被设计成基于当前测量的车辆数据与第一数据集之间的比较来制定实际状态，并且基于当前测量的车辆数据与第二数据集之间的比较来制定目标状态，并且还通过目标-实际-比较来确定底盘组件的当前磨损。

在进一步的设计中，传感器系统被设计为连续地或自适应地测量当前车辆数据。

另外，当前测量的车辆数据可以包括车辆的行驶公里数和/或车龄。

此外，该目的通过一种具有如上所述的车辆系统的车辆来实现。

附图说明

本发明的其他特性和优点从以下参考附图的描述中得到。其中示意性地：

图1示出了根据本发明的方法的一种设计；和

图2示出了在横拉杆的频率范围内在部分使用寿命内的评估；和

图3示出了根据本发明的车辆系统。

具体实施方式

图1示出了根据本发明的用于确定个体车辆的个体底盘的组件的状态的方法的一种设计。

首先在预备步骤S0中生成第一数据集。该第一数据集根据安装在个体车辆中的相同或相似的底盘生成。该第一数据集通过在试验场进行长期测试生成，反映了底盘从新状态到底盘完全磨损的使用寿命周期。通过在试验场进行的长期测试，可以识别到特定的振动和频率(频率范围)，它们分别属于底盘的特定状态。于是当在已经存在磨损的情况下制动时，会产生较大的吱吱噪声。

通过这种长期测试可以轻松识别某些频率范围，即例如生成足迹，这些足迹可以被考虑用于以后的比较。第一数据集可以通过纯粹的分析做法来生成，或通过人工神经网络或另一机器学习方法来生成。

然而，通过更换，有磨损的零部件可以在测试场上被更换。该更换与随后生成的第一数据集、特别是振动和频率一起被存储。由此可以扩展或完备第一数据集。因此，第一数据集包含关于新零部件、磨损的组件以及磨损的且“仍然可用的”组件的信息，从而全面反映在底盘的整个使用寿命期间的频率/振动和负载数据。如此生成的第一数据集可以在稍后使用个体车辆的所测量的车辆数据与当前底盘状态进行比较时，有助于更精确地确定个体车辆中的实际底盘的状态。

在测试台上生成第一数据集还提供了可以有针对性地且自觉地更换零部件的优点。于是例如可以定期更换制动衬片，这些制动衬片然后与已经陈旧的、部分磨损的周围的零部件一起产生其他振动/频率。由此可以扩展以及改进第一数据集。该第一数据集基本上是通用的数据集。

由此可以廉价地生成简化的通用数据。通过生成这样的第一数据集，还可以在创建/引入第二数据集时保证可靠性，其方式例如为，为了可信性而考虑采用第一数据集。

图2示出了在横拉杆的频率范围内在部分使用寿命内的评估。横拉杆处的频谱范围为3.5至4.5Hz。

最初，可以观察到频率增加了86％，损坏也增加了。在时间点T1大约100,000公里处更换拉杆后，频率下降了大约9％。随着运行时间的继续，频率进一步增加了28％。在时间点T2行驶里程约为200,000公里处更换发动机液压轴承的情况下，频率将减少约24％。在使用寿命周期的过程中，产生了越来越严重的损坏，所确定的频率进一步增加15％。

通过在测试台上创建通用数据集，可以为每个车轴创建个体的足迹，即相应底盘的频率曲线，其可以被考虑用于比较。

在测试台上创建第一数据集在此提供了如下优势：可以准确地了解各种不同组件的更换，并且还可以更好地确定频率范围对其有何反应。例如，还可以识别频率/振动对不同构件的故障的反应有多敏感。

此外，通过如此创建第一数据集，可以成本低廉地容易地覆盖底盘的整个使用寿命周期。第一数据集现已集成到具有相同或相似底盘的个体车辆中。

在第一步骤S1中，作为目标状态，通过检测车辆数据直至个体车辆的先前规定的第一里程和/或确定的车龄，在个体车辆中生成个体的第二数据集。由此考虑到了每个/许多车辆具有产生个体振动/频率的个体的配置/特性。

由此确保了基于不同配置方案的个体学习过程。

如果车辆驶下装配线，则对目标状态进行学习，以生成第二数据集。这个学习过程在一定的时间或一定的行驶公里数内保持活跃。

为了生成尽可能具有代表性的第二数据集，路面由传感器系统检测、识别并划分为集群。传感器系统可以由摄像机、雷达等传感器组成，还包括来自导航系统的信息。于是例如可以划分碎石路、柏油面、新旧路面。优选地，这些还可以根据天气条件进一步细分。

如果在学习过程中检测到新的振动/频率，则它们在学习过程中将被分配给这些集群之一，以便稍后进行比较。如果还没有代表路面的集群，则例如由处理器创建新的集群。

结果，可以学习改进的第二数据集，因而随后可以更精确地确定底盘的状态。

在第二步骤S2中，通过传感器来检测当前的车辆数据，即振动和频率。这些传感器例如可以是加速度传感器。当前的车辆数据是从个体车辆的先前规定的第二里程和/或确定的车龄来检测的。该车龄和第二里程是在第一里程之后的。

对当前车辆数据的检测可以连续或自适应地由车辆进行。

在第三步骤S3中，将当前测量的车辆数据与第一数据集和第二数据集进行比较。在一定程度上，通过将当前车辆数据与第一数据集进行比较，可以确定实际状态。将当前车辆数据与第一数据集进行比较，从而可以确定磨损。在一定程度上，通过该比较来确定车辆组件处于何种实际状态。

当前车辆数据和第二数据集之间的比较对应于当前状态和目标(新)状态之间的比较。在一定程度上，确定与新状态的差异，并且根据在当前测量的车辆数据与第二数据集之间的比较来制定目标状态。

底盘组件的当前磨损是根据目标-实际-比较来确定的。

因此可以实现目标-实际-比较，以获得关于底盘状态的判断。既与新状态进行比较，在此又例如与最终状态(完全磨损)或使用寿命状态进行比较。于是，结果例如可以是“80％完全磨损”或“20％对应于新状态”。

此外，可以对数据集进行不同的加权。例如，与较旧车辆的情况相比，在较新车辆的情况下，与第二数据集的比较可以更大程度地引入到最终结果中。

此外，车辆的行驶公里数或总车龄等参数还可被考虑用于检查合理性。行驶公里数可以用于代表平均的负载集合，车龄用于代表例如橡胶轴承的老化。

通过根据本发明的方法，可以对底盘的状态进行清晰且可靠的评估。这样可以提高行车安全性，或及时更换磨损的零部件。

图3示意性地示出了根据本发明的用于确定个体车辆的个体底盘的组件的状态的车辆系统1。

车辆系统1包括用于提供车辆数据的数据集的存储单元2，其中，第一数据集反映个体车辆的相同或相似的底盘类型在整个使用寿命期间的负载数据和/或磨损数据。优选地在长期测试中在测试场上成本低廉地生成该第一数据集。

存储单元2例如可以集成在控制器中。个体的第二数据集通过传感器系统3存储在存储单元2中。第二数据集由车辆本身的传感器系统3生成。直至车辆的预先规定的第一里程和/或确定的车龄生成个体的第二数据集，并且被确定为目标状态。根据相应的路面，第二数据集被分为多个集群，这些集群反映了相应的路面。

当前的车辆数据可以用相同的传感器系统3检测或测量。这些车辆数据可以连续地或自适应地测量。车辆数据通常包括振动及其频率。这些车辆数据例如可以通过加速度传感器来检测。

可以根据第一和第二数据集在比较单元4中执行目标-实际-比较。比较单元4可以被设计为处理器。处理器也可以集成在控制器中。

此外，可以设置输出单元5。该输出单元例如可以是显示器或驾驶舱显示器。如果确定目标-实际-比较值高于预定值，则比较单元4可以被设计为经由输出单元5发出警告消息或者建议预约检查。

附图标记清单

1 车辆系统

2 存储单元

3 传感器系统

4 比较单元

5 输出单元

T1、T2时间点

S0-S3步骤。