Titel

Diagnosesystem und Diagnoseverfahren zum Ermitteln eines Zustands eines Druckgastanks aus faserverstärktem Kunststoff

Die vorgestellte Erfindung betrifft ein Diagnosesystem und ein Diagnoseverfahren zum Ermitteln eines Zustands eines Druckgastanks aus faserverstärktem Kunststoff sowie ein Tanksystem mit dem vorgestellten Diagnosesystem.

Stand der Technik

Druckgastanks zum Speichern von Fluiden, wie bspw. Wasserstoff, bestehen häufig aus faserverstärktem Kunststoff, d.h. aus einer Matrix aus bspw. einem Kunststoff und darin eingebetteten Fasern.

Es hat sich gezeigt, dass fehlerhafte Druckgastanks in der Regel durch zwei Schadensmechanismen verursacht werden. Zum einen durch einen Faserbruch, bei dem die Fasern bspw. durch mechanische Belastung beschädigt werden, sodass der Druckgastank in der Regel eine Leckage zeigt und unbrauchbar wird. Zum anderen sind Zwischenfaserbrüche bekannt, bei denen lediglich der zwischen den Fasern liegende Kunststoff beschädigt wird, wodurch lediglich eine Steifheit des Druckgastanks reduziert, jedoch in der Regel keine Leckage verursacht wird. Während ein Faserbruch meist erst beim Bersten des Tanks erreicht wird, kann ein Zwischenfaserbruch zuvor entstehen, bspw. durch Ermüdung, ohne die strukturelle Integrität des Tanks zu beeinflussen. Gleichzeitig können Zwischenfaserbrüche zu Rissen in der Kunststoffmatrix und entsprechend zu einer Leckage des Tanks führen. In beiden Fällen wird die Lebensdauer und Beanspruchbarkeit des Tanks reduziert. Offenbarung der Erfindung

Im Rahmen der vorgestellten Erfindung werden ein Diagnosesystem, ein Tanksystem und ein Diagnoseverfahren zum Ermitteln eines Zustands eines Druckgastanks aus faserverstärktem Kunststoff vorgestellt Weitere Merkmale und Details der Erfindung ergeben sich aus den jeweiligen Unteransprüchen, der Beschreibung und den Zeichnungen. Dabei gelten Merkmale und Details, die im Zusammenhang mit dem erfindungsgemäßen Diagnoseverfahren beschrieben sind, selbstverständlich auch im Zusammenhang mit dem erfindungsgemäßen Diagnosesystem bzw. dem erfindungsgemäßen Tanksystem und jeweils umgekehrt, sodass bezüglich der Offenbarung zu den einzelnen Erfindungsaspekten stets wechselseitig Bezug genommen wird bzw. werden kann.

Die vorgestellte Erfindung dient insbesondere dazu, einen fehlerhaften Druckgastank als fehlerhaft zu erkennen.

Es wird somit gemäß einem ersten Aspekt der vorgestellten Erfindung ein Diagnosesystem zum Ermitteln eines Zustands eines Druckgastanks aus faserverstärktem Kunststoff vorgestellt. Das Diagnosesystem umfasst ein Anregungselement, einen Sensor und eine Auswerteeinheit.

Das Anregungselement ist zum Einleiten von Schallwellen in den Druckgastank konfiguriert.

Der Sensor ist zum Erfassen von durch das Anregungselement in den Druckgastank geleiteten Schallwellen konfiguriert.

Die Auswerteeinheit ist dazu konfiguriert, jeweiligen durch den Sensor ermittelten Messwerten einen Kennwert zuzuordnen, der einen Zustand des Druckgastanks beschreibt und den zugeordneten Kennwert auf einer Ausgabeeinheit auszugeben.

Unter einem Anregungselement ist im Kontext der vorgestellten Erfindung ein

Bauteil zu verstehen, dass in der Lage ist Schallwellen, insbesondere als Körperschall, in einen Druckgastankkörper einzuleiten. Ein Anregungselement kann bspw. ein Ultraschalltransducer sein.

Unter einem Sensor ist im Kontext der vorgestellten Erfindung ein Bauteil zu verstehen, dass in der Lage ist Schallwellen, insbesondere Körperschall, aus einem Druckgastankkörper zu erfassen. Ein Sensor kann bspw. ein Klopfsensor und/oder einen MEMS sein.

Unter einer Auswerteeinheit ist im Kontext der vorgestellten Erfindung eine Recheneinheit, insbesondere ein Steuergerät bzw. ein Prozessor oder jeder weitere programmierbare Schaltkreis zu verstehen.

Die vorgestellte Erfindung basiert auf dem Prinzip, dass eine Veränderung von in einen Druckgastank, d.h. in den Gehäusekörper bzw. die Tragstruktur eines Druckgastanks eingeleiteten Schallwellen erfasst wird und anhand der Veränderung auf einen Zustand des Druckgastanks geschlossen wird. Über einen Kennwert wird der ermittelte Zustand beschrieben und auf einer Ausgabeeinheit, wie bspw. einer Anzeige oder einem Speicher, ausgegeben. Bspw. wird über eine Korrelation des aufgezeichneten Signals und bspw. eine Anomaliedetektion mit allg. mathematische Methoden des maschinellen Lernens oder der Statistik auf die Veränderung des Tanks geschlossen.

Da sich Schallwellen in einem Faser- Kunststoff- Verbund mit vorhandenen Zwischenfaserbrüchen oder Faserbrüchen anders fortsetzen bzw. verhalten als in einem Verbund mit nicht gebrochenen Fasern bzw. unbeschädigtem Zwischenfasermaterial, kann anhand eines Verhaltens, insbesondere einer Veränderung der Schallwellen auf einen Zustand des Verbunds geschlossen werden.

Das vorgestellte Diagnosesystem kann reversibel an einem Druckgastank angeordnet oder fest mit dem Druckgastank verbunden sein. Ferner kann das vorgestellte Diagnosesystem dazu konfiguriert sein, das vorgestellte Diagnoseverfahren einfach oder mehrfach an einem jeweiligen Druckgastank durchzuführen. Entsprechend kann das Diagnosesystem bspw. zur Diagnose vor Druckgastanks in einer Herstellungsstraße oder zur Diagnose eines Druckgastanks über die Zeit hinweg in bspw. einem Fahrzeug eingesetzt werden. Insbesondere kann das vorgestellte Diagnosesystem dazu konfiguriert sein, eine Warnmeldung auszugeben, wenn ein fehlerhafter Druckgastank erkannt wird bzw. jeweiligen Messwerten ein Kennwert zugeordnet wird, der einem fehlerhaften Zustand entspricht Entsprechend kann der Kennwert, der einem fehlerhaften Zustand entspricht, eine Warnmeldung umfassen bzw. eine Warnmeldung sein.

Es kann vorgesehenen sein, dass das Anregungselement dazu konfiguriert ist, Körperschall in den Druckgastank einzuleiten und der Sensor dazu konfiguriert ist, durch den Druckgastank emittierten Körperschall zu erfassen.

Zum Einleiten von Körperschall in einen Druckgastank bzw. ein Druckgastankgehäuse kann das Anregungselement ein Kontaktelement, wie bspw. ein Vibrationselement umfassen, dass den Druckgastank wiederholt kontaktiert, bspw. auf diesen klopft, und, dadurch bedingt, Schallwellen in dem Druckgastank erzeugt bzw. durch den Druckgastank leitet.

Zum Erfassen von durch einen Druckgastank durchgeleiteten Körperschall kann bspw. ein Mikrofon oder ein Klopfsensor verwendet werden.

Es kann weiterhin vorgesehen sein, dass die Auswerteeinheit dazu konfiguriert ist, einen maschinellen Lerner auszuführen, der dazu trainiert ist, jeweilige durch den Sensor ermittelte Messwerte einem ersten Kennwert oder einem zweiten Kennwert zuzuordnen, wobei der erste Kennwert einem fehlerfreien Zustand und der zweite Kennwert einem fehlerhaften Zustand entspricht.

Mittels eines maschinellen Lerners, wie bspw. einem künstlichen neuronalen Netzwerk, kann ein durch den erfindungsgemäß vorgesehenen Sensor ermitteltes bzw. gemessenes Signal automatisch einem entsprechenden Kennwert, wie bspw. „fehlerhaft“ oder „fehlerfrei“ zugeordnet werden. Entsprechend kann der maschinelle Lerner ein jeweiliges Signal klassifizieren. Dazu kann die Auswerteeinheit das Signal direkt dem maschinellen Lerner als Eingangssignal zur Verfügung stellen oder durch eine Anzahl Vorverarbeitungsschritte, wie bspw. Tiefpassfiltern, vorverarbeiten und anschließend dem maschinellen Lerner als Eingangssignal zur Verfügung stellen.

Es kann vorgesehen sein, dass der maschinelle Lerner anhand von fehlerfreien und/oder fehlerhaften Druckgastanks und einer bereitgestellten Grundwahrheit trainiert ist.

Durch ein Training des maschinellen Lerners anhand von fehlerfreien und/oder fehlerhaften Druckgastanks und/oder einer bereitgestellten Grundwahrheit können jeweilige Erkennungsgrenzen des maschinellen Lerners eingestellt werden.

Bspw. kann vorgesehen sein, dass der maschinelle Lerner in einem sogenannten „unsupervised approach“ lediglich mittels fehlerfreier Druckgastanks trainiert wird, sodass der maschinelle Lerner bei einem abweichenden Signal automatisch einem entsprechenden Druckgastank einen Kennwert zuordnet der einen fehlerhaften Zustand beschreibt, ohne ein Modell über einen fehlerhaften Zustand zu haben.

Alternativ kann vorgesehen sein, dass der maschinelle Lerner in einem sogenannten „supervised approach“ mit einer Grundwahrheit, einer Anzahl fehlerfreier Druckgastanks und einer Anzahl fehlerhafter Druckgastanks trainiert wird, sodass der maschinelle Lerner ein Modell von fehlerfreien Druckgastanks und fehlerhaften Druckgastanks entwickelt. Dabei kann durch eine entsprechende Grundwahrheit eine Toleranz in der Güte der Druckgastanks festgelegt werden, sodass der maschinelle Lerner auch bei einer geringen Abweichung eines jeweiligen Messsignals von einem erwarteten Signal noch keine Zuordnung zu einem Kennwert durchführt, der einen fehlerhaften Zustand beschreibt.

Es kann weiterhin vorgesehen sein, dass der maschinelle Lerner anhand von verschieden strukturierten Materialproben und einer Grundwahrheit vortrainiert ist, um jeweilige Materialproben einer ersten Klasse, die einen fehlerhaften Zustand abbildet oder einer zweiten Klasse, die einen fehlerfreien Zustand abbildet, zuzuordnen und der maschinelle Lerner mittels Messwerten von mindestens einem Druckgastank validiert ist.

Durch ein sogenannten „Vortraining“ bzw. sogenanntes „Transfer learning“ anhand von Materialproben kann auf einen hochzahligen Einsatz von Druckgastanks zum Trainieren des maschinellen Lerners verzichtet werden, da durch die Materialproben strukturelle Eigenschaften von fehlerhaften oder fehlerfreien Druckgastanks kontrolliert abgebildet werden können. Mittels einer Validierung anhand von Messdaten mindestens eines kompletten Druckgastanks kann die Qualität einer Übertragung eines Trainings anhand von Materialproben auf einen kompletten Druckgastank ermittelt bzw. beurteilt werden.

Es kann weiterhin vorgesehen sein, dass die Auswerteeinheit dazu konfiguriert ist, ein mathematisches Simulationsmodell auszuführen, das anhand von jeweiligen durch den Sensor ermittelten Messwerten eine Zwischenfaserbruchanstrengung und/oder eine Belastung von Bestandteilen eines Innenfutters eines jeweiligen Druckgastanks simuliert und eine durch die simulierte Zwischenfaserbruchanstrengung und/oder simulierte Belastung der Bestandteile des Innenfutters bedingte Leckage ermittelt, und die Auswerteeinheit ferner dazu konfiguriert ist, anhand der durch das mathematische Simulationsmodell ermittelten Leckage als Eingangssignal für den maschinellen Lerner, dem Druckgastank einen entsprechenden Kennwert zuzuordnen.

Ein mathematisches Simulationsmodell, dass eine Abweichung in einem Messsignal einer Leckage zuordnet bzw. simuliert, inwieweit die Abweichung zu einer Leckage führt oder nicht, kann ein Eingangssignal bzw. sogenannte „feature“ bereitstellen, die von dem erfindungsgemäß vorgesehenen maschinellen Lerner bspw. für ein Training verwendbar sind. Dabei kann das Simulationsmodell insbesondere eine Datenbasis, die dem Simulationsmodell durch Experimente an Druckgastanks bereitgestellt wird, durch bspw.

Interpolation vergrößern, sodass eine Anzahl von zum Ermitteln einer Datenbasis zum Trainieren des maschinellen Lerners erforderlichen Druckgastanks minimiert wird. Gemäß einem zweiten Aspekt betrifft die vorgestellte Erfindung ein Tanksystem. Das Tanksystem umfasst einen Druckgastank aus faserverstärktem Kunststoff und eine mögliche Ausgestaltung des vorgestellten Diagnosesystems.

Das Diagnosesystem kann bspw. an dem Druckgastank oder in einem Bereich um den Druckgastank angeordnet sein, sodass das Anregungselement den Druckgastank anregen und der Sensor entsprechende Schallwellen erfassen kann.

Es kann vorgesehen sein, dass das Anregungselement an einem ersten Ende des Druckgastanks angeordnet ist und der Sensor an einem dem ersten Ende gegenüberliegenden zweiten Ende des Druckgastanks angeordnet ist.

Eine gegenüberliegende Anordnung von Anregungselement und Sensor an jeweiligen Enden eines Druckgastanks bedingt, dass von dem Anregungselement in den Druckgastank eingeleitete Schallwellen durch den gesamten Druckgastank bzw. über eine gesamte Länge des Druckgastanks laufen, sodass die gesamte Hüllstruktur des Druckgastanks auf Veränderungen bzw. Fehler hin überprüft wird. Dabei kann eine dämpfende Gummiaufhängung vorgesehen sein, um parasitären Pfade herauszudämpfen.

Gemäß einem dritten Aspekt betrifft die vorgestellte Erfindung ein Diagnoseverfahren zum Ermitteln eines Zustands eines Druckgastanks aus faserverstärktem Kunststoff.

Das Diagnoseverfahren umfasst das Einleiten von Schallwellen in den Druckgastank mittels eines Anregungselements, das Erfassen von durch das Anregungselement in den Druckgastank geleiteten Schallwellen mittels eines Sensors, das Zuordnen eines Kennwerts zu jeweiligen durch den Sensor ermittelten Messwerten, wobei der Kennwert einen Zustand des Druckgastanks beschreibt, und das Ausgeben des Kennwerts auf einer Ausgabeeinheit.

Das vorgestellte Diagnosesystem dient insbesondere zur Durchführung des vorgestellten Diagnoseverfahrens. Es kann vorgesehen sein, dass das Diagnoseverfahren ferner das Trainieren eines maschinellen Lerners zum Zuordnen eines Kennwerts zu jeweiligen durch den Sensor ermittelten Messwerten umfasst, wobei das Trainieren umfasst, dass der maschinelle Lerner anhand von fehlerfreien und/oder fehlerhaften Druckgastanks und einer bereitgestellten Grundwahrheit trainiert wird.

Durch Verwendung einer Grundwahrheit, d.h. einer von bspw. einem Nutzer bereitgestellten Zuordnung zu einem jeweiligen Kennwert, kann der maschinelle Lerner sein internes mathematisches Modell in einem iterativen Verfahren sukzessive anpassen, bis es schließlich zu einer Zuordnung der Trainingsdaten zu jeweiligen Kennwerten führt, die bestmöglich der Grundwahrheit entspricht.

Es kann weiterhin vorgesehen sein, dass das Diagnoseverfahren das Ausführen eines mathematischen Modells, das anhand von durch den Sensor ermittelten Messwerten eine Zwischenfaserbruchanstrengung und/oder eine Belastung von Bestandteilen eines Innenfutters eines jeweiligen Druckgastanks und eine durch die simulierte Zwischenfaserbruchanstrengung und/oder simulierte Belastung der Bestandteile des Innenfutters bedingte Leckage ermittelt, und das Zuordnen des Kennwerts zu dem Druckgastank mittels des maschinellen Lerners, wobei die ermittelte Leckage von dem maschinellen Lerner als Eingangssignal verwendet wird, umfasst.

Weitere Vorteile, Merkmale und Einzelheiten der Erfindung ergeben sich aus der nachfolgenden Beschreibung, in der unter Bezugnahme auf die Zeichnungen Ausführungsbeispiele der Erfindung im Einzelnen beschrieben sind. Dabei können die in den Ansprüchen und in der Beschreibung erwähnten Merkmale jeweils einzeln für sich oder in beliebiger Kombination erfindungswesentlich sein.

Es zeigen:

Figur 1 eine schematische Darstellung einer möglichen Ausgestaltung des vorgestellten Tanksystems mit einer möglichen Ausgestaltung des vorgestellten Diagnosesystems, Figur 2 eine schematische Darstellung einer möglichen Ausgestaltung des vorgestellten Diagnoseverfahrens.

Figur 3 ein Fließdiagramm eines Trainings eines maschinellen Lerners zur Durchführung einer möglichen Ausgestaltung des vorgestellten Diagnoseverfahrens.

Beschreibung der Ausführungsbeispiele

In Figur 1 ist ein Tanksystem 100 dargestellt. Das Tanksystem 100 umfasst einen Druckgastank 101 und ein Diagnosesystem 103.

Das Diagnosesystem 103 umfasst ein Anregungselement 105 in Form eines Utraschalltransducers, der an einem Montagepunkt 107 des Druckgastanks 101 angeordnet ist, einen Sensor 109, der an einem Montagepunkt 111 des Druckgastanks 101 angeordnet ist, und eine Auswerteeinheit 113, die mit dem Anregungselement 105 und dem Sensor 109 kommunikativ verbunden ist.

Durch das Anregungselement 105 in den Druckgastank 101 eingeleitete Schallwellen 115 laufen auf einem Transportpfad entlang des Druckgastanks zu dem Sensor 109 und werden von dem Sensor 109 erfasst. Ein Messsignal des Sensors 109 wird an die Auswerteeinheit 113 übermittelt.

Die Auswerteeinheit ordnet dem Messsignal mittels eines maschinellen Lerners bspw. in Form eines künstlichen neuronalen Netzwerks einen Kennwert, wie bspw. „fehlerfrei“ oder „fehlerhaft“ zu und gibt den Kennwert auf einer nicht dargestellten Ausgabeeinheit, bspw. als Warnmeldung aus.

In Figur 2 ist der in Figur 1 beschriebene Vorgang im Detail dargestellt. Ein Anregungsimpuls 201 erzeugt eine Schallwelle 203, die in ein Verbund 205 aus Fasern 207, wie bspw. Carbonfasern und Kunststoff 209, wie bspw. Epoxyharz, eines Druckgastanks eingeleitet wird, bei einem fehlerfreien Verbund 205 kann die Schallwelle 203 im Wesentlichen ungehindert durch den Kunststoff 209 wandern und bedingt ein charakteristisches Messsignal 211. Bei einem fehlhaften Verbund 213 wird ein Wandern der Schallwelle 203 durch das Verbund 213 bspw. durch einen Riss 215 verhindert bzw. verzögert, sodass ein von dem charakteristischen Messsignal 211 unterschiedliches Messsignal 217 entsteht.

In Figur 3 ist ein Verfahren 300 zum Trainieren eines ersten maschinellen Lerners dargestellt. Das Verfahren 300 startet mit einem Klassifikationsprozess 301 , bei dem der erste maschineller Lerner anhand von Materialproben mit verschiedenen strukturellen Eigenschaften trainiert wird. Dabei können von den Materialproben ermittelte Messwerte verwendet werden, um in einem Vorverarbeitungsschritt 303 Eingangsdaten bzw. sogenannte „feature“ zu bilden, die dem ersten maschinellen Lerner für einen Klassifikationsvorgang, bei dem der erste maschinelle Lerner jeweilige Materialproben einem Kennwert „fehlerhaft“ oder einem Kennwert „fehlerfrei“ zuordnet, zugeführt werden. Ein entsprechend trainierter erster maschineller Lerner wird in einem Speicherschritt 305 zwischengespeichert, um diesen für einen Transferschritt 311 zur Verfügung zu stellen. Durch die Verwendung von Materialproben zum Training des ersten maschinellen Lerners kann ein Einsatz von Druckgastanks minimiert werden.

Alternativ kann anhand der Messwerte eine Regression durchgeführt werden, die entsprechend eine Vielzahl Zwischenzustände mathematisch abbildet.

Ferner umfasst das Verfahren 300 einen weiteren Trainingsschritt 307, bei dem ein weiterer maschineller Lerner anhand von Messwerten, die mittels kompletter Druckgastanks ermittelt wurden, trainiert wird.

Um eine Anzahl von für den weiteren Trainingsschritt 307 einzusetzenden Druckgastanks zu minimieren, können in einem optionalen Modellierungsschritt 309 in dem weiteren Trainingsschritt 307 ermittelten Messwerte zur Bildung eines mathematischen Simulationsmodells verwendet werden, das eine Zwischenfaserbruchanstrengung bzw. Zwischenfaserbruchbelastung einer Materialprobe, insbesondere eines Tanks simuliert und dieser einen Wert für eine entsprechende Leckage zuordnet. Entsprechend kann eine Datenbasis, die ein Verhalten von kompletten Druckgastanks abbildet, durch das Simulationsmodell vergrößert werden, indem bspw. zwischen jeweiligen Messwerten interpoliert wird bzw. zusätzliche Werte ermittelt werden.

In dem Transferschritt 311 wird ein dem ersten maschinellen Lerner zugrundliegendes mathematisches Modell mit einem dem weiteren maschinellen Lerner zugrundeliegenden mathematischen Modell fusioniert bzw. der erste maschinelle Lerner anhand von durch das Simulationsmodell ermittelten Werten trainiert, sodass der erste maschinelle Lerner durch Messwerte von kompletten Druckgastanks validiert wird.

In einem Anwendungsschritt 313 wird das finale mathematische Modell mittels des ersten maschinellen Lerners in einem Diagnosesystem zur Diagnose eines Zustands bzw. eines sogenannten „state of health“ eines Druckgastanks eingesetzt.