Die Erfindung betrifft ein Verfahren zur Zustandsüberwachung, wobei

- in einem Anregungsschrit durch wenigstens ein, vorzugsweise definiertes, mechanisches Anregungssignal ein Muster-Fahrwerkbauteil mechanisch angeregt wird, welches in Antwort darauf wenigstens ein mechanisches Antwortsignal erzeugt,

- in einem Erfassungsschritt mittels wenigstens eines Sensors das Antwortsignal erfasst und wenigstens ein dieses charakterisierendes Messsignal bereitgestellt wird, aus dem wenigstens ein gemessener Datensatz gebildet wird, und

- in einem Trainingsschritt mit Hilfe des gemessenen Datensatzes ein, insbesondere maschineller, Klassifikator trainiert wird, mittels welchem dem Muster-Fahrwerkbau- teil eine von mehreren Klassen zugeordnet wird, die unterschiedliche Verschleißzustände des Muster-Fahrwerkbauteils repräsentieren.

Im Rahmen der Zustandsüberwachung von Fahrwerkkomponenten werden Untersuchungen hauptsächlich direkt im Fahrzeug durchgeführt, um Daten für Algorithmen (wie z.B. neuronale Netze etc.) zur Verschleißklassifizierung auf Grundlage von Beschleunigungen, Vibrationen oder Geräuschen aufzunehmen und zu sammeln. Oftmals werden dafür einzelne Fahrwerkkomponenten künstlich vorgeschädigt, um einen definierten Bauteil-Verschleißzustand zu generieren. Parallel dazu laufen z.B. unabhängige Bauteilerprobungen, in welchen einzelne bzw. alle neuen Bauteile im Design-Validierungs-Prozess oder Produkt-Validierungs-Prozess auf ihre Lebensdauer und Betriebsfestigkeit hin untersucht werden. Bisher sind die beiden Untersuchungen voneinander unabhängig.

Eine Problematik besteht in dem Aufwand für die Generierung von Daten zur Algo- rithmen-Entwicklung. Ziel ist es, allgemeingültige Merkmale über alle Gelenke und Gelenkgrößen zu definieren, die den Verschleiß zuverlässig für alle Gelenke Vorhersagen können. Andernfalls müssten die Untersuchungen für jedes Gelenkdesign in jedem Fahrzeug bzw. für jede Fahrzeugklasse/Fahrzeugserie einzeln durchgeführt werden, sodass hohe Kosten für die Rohdatenaufnahme über Fahrversuche entstehen würden, da für jedes neue Gelenk ein Fahrversuch durchgeführt werden müsste. Diese Problematik kann unterschiedlich starke Ausmaße annehmen und unter Umständen zur Unwirtschaftlichkeit führen.

Die auf einem Prüfstand aufgebrachten Lastkollektive im Prüffeld dienen dem Zweck, den Verschleiß eines Fahrwerkbauteils über eine gesamte Fahrzeuglebensdauer in nur wenigen Stunden zu simulieren. Dabei ist die Fahrwerkkomponente kurzzeitig und dauerhaft sehr hohen Belastungen ausgesetzt. Im Fahrzeug erfolgt der Verschleiß jedoch über mehrere Jahre, wobei nur selten hohe Belastungen auftreten. Somit würde das Training eines auf maschinellem Lernen basierenden Modells mit den gesamten Prüfstands-Daten eine spätere Verwendung des Modells zur Klassifizierung des Verschleißes der Fahrwerkskomponente im realen Fahrzeug nicht zulassen, da die zugrunde liegenden Daten nicht korrelieren.

Ausgehend hiervon liegt der Erfindung insbesondere die Aufgabe zugrunde, geeignete Daten zum Trainieren eines Klassifikators, vorzugsweise auf dem Prüfstand, gewinnen zu können.

Diese Aufgabe wird erfindungsgemäß mit einem Verfahren nach Anspruch 1 gelöst. Bevorzugte Weiterbildungen der Erfindung sind in den Unteransprüchen und in der nachfolgenden Beschreibung gegeben.

Ein Verfahren zur Zustandsüberwachung, wobei

- in einem Anregungsschritt durch wenigstens ein, vorzugsweise definiertes, mechanisches Anregungssignal ein Muster-Fahrwerkbauteil mechanisch angeregt wird, welches in Antwort darauf wenigstens ein mechanisches Antwortsignal erzeugt,

- in einem Erfassungsschritt mitels wenigstens eines Sensors das Antwortsignal erfasst und wenigstens ein dieses charakterisierendes Messsignal bereitgestellt wird, aus dem wenigstens ein gemessener Datensatz gebildet wird, und

- in einem Trainingsschritt mit Hilfe des gemessenen Datensatzes ein, insbesondere maschineller, Klassifikator trainiert wird, mittels welchem dem Muster-Fahrwerkbauteil eine von mehreren Klassen zugeordnet wird, die unterschiedliche Verschleißzustände des Muster-Fahrwerkbauteils repräsentieren, wird erfindungsgemäß insbesondere dadurch weitergebildet, dass - der gemessene Datensatz, insbesondere ausschließlich, aus, vorzugsweise ausgewählten, Scheitelwerten des Messsignals gebildet wird.

Bei dem erfindungsgemäßen Verfahren wird der Klassifikator nicht mit dem gesamten Messsignal, sondern lediglich mit, vorzugsweise ausgewählten, Scheitelwerten des Messsignals trainiert. Somit kann z.B. die Qualität des Klassifikators verbessert werden.

Bevorzugt wird dem Muster-Fahrwerkbauteil im Trainingsschritt eine den oder einen Verschleißzustand des Muster-Fahrwerkbauteils charakterisierende Klasse der Klassen zugeordnet. Vorteilhaft wird im Trainingsschritt der Klassifikator mittels des gemessenen Datensatzes dahingehend trainiert, dem Muster-Fahrwerkbauteil die oder eine, insbesondere den oder einen Verschleißzustand des Muster-Fahrwerkbauteils charakterisierende Klasse, der Klassen zuzuordnen.

Der Sensor ist oder umfasst bevorzugt wenigstens einen Beschleunigungssensor und/oder wenigstens einen akustischen Sensor. Der Ausdruck „wenigstens ein“ umfasst insbesondere auch die Bedeutung von ein oder genau ein.

Bevorzugt wird das Muster-Fahrwerkbauteil, insbesondere vor dem Anregungsschritt, hergestellt und/oder bereitgestellt. Beispielsweise ist das Muster-Fahrwerkbauteil ein Gelenk. Insbesondere ist das Muster-Fahrwerkbauteil ein Kugelgelenk oder ein Gummilager. Vorzugsweise wird der Klassifikator, insbesondere vor dem Trainingsschritt, hergestellt und/oder bereitgestellt. Vorteilhaft werden der Anregungsschritt, der Erfassungsschritt und der Trainingsschritt in dieser Reihenfolge nacheinander ausgeführt.

Gemäß einer vorteilhaften Ausgestaltung ist eine den Klassifikator umfassende Recheneinheit vorgesehen. Insbesondere ist der Klassifikator mittels der oder einer Recheneinheit realisiert. Die Recheneinheit umfasst insbesondere wenigstens einen Digitalrechner und/oder ist durch diesen gebildet. Bevorzugt wird die Recheneinheit, insbesondere vor dem Trainingsschrit, hergestellt und/oder bereitgestellt. Gemäß einer vorteilhaften Weiterbildung werden der Anregungsschritt und/oder der Erfassungsschritt und/oder der Trainingsschritt auf einem Prüfstand durchgeführt. Bevorzugt wird das Musterbauteil, insbesondere vor dem Anregungsschritt, auf dem oder einem Prüfstand montiert. Vorzugsweise wird der Prüfstand, insbesondere vor dem Anregungsschritt, hergestellt und/oder bereitgestellt. Das Anregungssignal wird z.B. mittels einer Anregungsmaschine erzeugt, die vorzugsweise mit dem Muster- Fahrwerkbauteil verbunden ist. Vorteilhaft umfasst der Prüfstand die Anregungsmaschine.

Gemäß einer möglichen Ausgestaltung sind oder werden die Klassen, insbesondere dem Klassifikator, vorzugsweise fest oder variierbar, vorgegeben. Alternativ werden z.B. die Klassen, insbesondere im Trainingsschritt, mittels des Klassifikators, vorzugsweise selbst, gebildet.

Die Anzahl der Klassen beträgt bevorzugt wenigstens zwei. Vorzugsweise beträgt die Anzahl der Klassen fünf. Eine erste der Klassen kennzeichnet insbesondere einen Neuzustand. Eine letzte der Klassen kennzeichnet insbesondere einen verschlissenen Zustand, wie z.B. einen unbrauchbaren oder defekten Zustand. Die dazwischenliegenden Klassen kennzeichnen insbesondere Zwischenzustände, wie z.B. teilweise verschlissene Zustände.

Gemäß einer vorteilhaften Weiterbildung wird, insbesondere im Trainingsschritt, mittels des Klassifikators wenigstens ein die dem Muster-Fahrwerkbauteil zugeordnete Klasse charakterisierendes Zustandssignal oder Muster-Zustandssignal erzeugt und/oder bereitgestellt. Somit sind z.B. Informationen über die vom Klassifikator getroffene^) Klassenzuordnung(en) nach außen kommunizierbar und/oder von außen zugänglich.

Gemäß einer möglichen Ausgestaltung wird dem Klassifikator, insbesondere im Trainingsschritt, ein eine Soll-Klasse charakterisierendes Sollwert-Signal übermittelt. Vorzugsweise wird, insbesondere im Trainingsschritt, mittels des Klassifikators die dem Muster-Fahrwerkbauteil zugeordnete Klasse anhand der oder einer Soll-Klasse verifiziert. Hierdurch wird insbesondere das Selbstlernen des Klassifikators unterstützt. Die Soll-Klasse ist vorzugsweise eine der Klassen. Bevorzugt ist die Soll-Klasse vorgegeben. Beispielsweise ist die Soll-Klasse aufgrund vorhergehender Belastungsversuche, insbesondere an gleichartigen Muster-Fahrwerkbauteilen, z.B. auf dem Prüfstand, bekannt und/oder ermittelt worden.

Gemäß einer vorteilhaften Weiterbildung werden der Anregungsschrit, der Erfassungsschritt und der Trainingsschritt, vorzugsweise in dieser Reihenfolge, insbesondere mit unterschiedlichen Anregungssignalen, wiederholt ausgeführt. Bevorzugt wird bei wenigstens einer der Wiederholungen das Anregungssignal geändert. Somit ist es z.B. möglich, unterschiedliche Straßenbeläge, Schlaglöcher, Bodenwellen und/oder andere am Muster-Fahrwerkbauteil angreifende, mechanische Belastungen über das Anregungssignal zu berücksichtigen und/oder zu simulieren.

Gemäß einer möglichen Ausgestaltung wird der gemessene Datensatz aus, insbesondere denjenigen, Scheitelwerten des Messsignals gebildet, die innerhalb eines, vorzugsweise mit dem Anregungsschritt beginnenden, insbesondere vorgegebenen, Erfassungszeitraums liegen. Bevorzugt ist die Länge des Erfassungszeitraums, insbesondere über alle Wiederholungen hinweg, konstant. Alternativ ist die Länge des Erfassungszeitraums beispielsweise variabel und/oder wird, insbesondere bei wenigstens einer der Wiederholungen, die Länge des Erfassungszeitraums geändert.

Gemäß einer vorteilhaften Weiterbildung wird der gemessene Datensatz, insbesondere ausschließlich, aus überdurchschnittlichen Scheitelwerten des Messsignals oder aus überdurchschnittlichen der Scheitelwerte des Messsignals gebildet und/oder aus, insbesondere denjenigen, Scheitelwerten des Messsignals gebildet, deren Betrag, insbesondere über ein vorgegebenes Maß hinaus, größer als der Durchschnitsbetrag ist. Beispielsweise weist die überwiegende Anzahl der Scheitelwerte des Messsignals, insbesondere innerhalb vorgegebener Grenzen, den gleichen Betrag oder zumindest annähernd den gleichen Betrag auf. Dieser Betrag wird z.B. als Durchschnittsbetrag bezeichnet und/oder diese Scheitelwerte werden z.B. als Durchschnittscheitelwerte bezeichnet. Es hat sich gezeigt, dass sich von diesem Durschnitt abhebende Scheitelwerte in besonderem Maße zum Trainieren des Klassifikators geeignet sind. Beispielsweise wird der Durchschnitsbetrag und/oder der durchschnittliche Scheitelwert des Messsignals, vorzugsweise über ein, insbesondere vorgegebenes, Zeitintervall, ermittelt und/oder gebildet. Bei wenigstens einer der Wiederholungen kann z.B. die Länge des Zeitintervalls geändert werden. Alternativ wird der Durchschnittsbetrag und/oder der durchschnittliche Scheitelwert des Messsignals z.B. vorgegeben, beispielsweise da er in vorherigen Versuchen ermittelt wurde.

Gemäß einer vorteilhaften Ausgestaltung wird der gemessene Datensatz, insbesondere ausschließlich, aus, vorzugsweise denjenigen, Scheitelwerten des Messsignals gebildet, deren Betrag einen, vorzugsweise vorgegebenen, Schwellenwert erreicht oder überschreitet. Insbesondere umfasst der gemessene Datensatz keine Scheitelwerte des Messsignals, deren Betrag den Schwellenwert unterschreitet oder dem Schwellenwert entspricht. Bevorzugt ist der Schwellenwert größer als der Betrag wenigstens eines anderen Scheitelwerts. Vorzugsweise ist der Schwellenwert größer als der Betrag der meisten anderen Scheitelwerte. Beispielsweise ist der Schwellenwert größer als der oder gleich dem Durchschnittsbetrag und/oder größer als der oder gleich dem Betrag des oder eines durchschnittlichen Scheitelwerts des Messsignals. Vorzugsweise ist der Schwellenwert, insbesondere über alle Wiederholungen hinweg und/oder für alle Scheitelwerte, konstant. Alternativ ist der Schwellenwert beispielsweise variabel und/oder wird z.B. der Schwellenwert, insbesondere bei wenigstens einer der Wiederholungen und/oder bei wenigstens einem der Scheitelwerte, geändert. Wird als Antwortsignal eine Beschleunigung gemessen, beträgt der Schwellenwert z.B. 5g oder 7g, wobei g die Erdbeschleunigung ist und vorzugsweise 9,81 m/s ^A 2 beträgt. Der Sensor ist in diesem Fall bevorzugt ein Beschleunigungssensor.

Bevorzugt wird die Frequenz des Messignals, insbesondere mehrfach oder dauerhaft, vorzugsweise innerhalb des Erfassungszeitraums, erfasst. Beispielsweise wird der gemessene Datensatz, insbesondere zusätzlich oder ausschließlich, aus, vorzugsweise denjenigen, Scheitelwerten des Messsignals gebildet, bei denen die Frequenz des Messsignals eine, vorzugsweise vorgegebene, Minimalfrequenz erreicht oder überschreitet. Beispielsweise umfasst der gemessene Datensatz keine Scheitelwerte des Messsignals, bei denen die Frequenz des Messsignals die Minimalfrequenz unterschreitet oder der Minimalfrequenz entspricht. Bevorzugt ist die Minimalfrequenz vorgegeben. Vorzugsweise ist die Minimalfrequenz, insbesondere über alle Wiederholungen hinweg und/oder für alle Scheitelwerte, konstant. Alternativ ist die Minimalfrequenz beispielsweise variabel und/oder wird z.B. die Minimalfrequenz, insbesondere bei wenigstens einer der Wiederholungen und/oder bei wenigstens einem der Scheitelwerte, geändert.

Gemäß einer vorteilhaften Weiterbildung wird, insbesondere in einem Implementierungsschritt, der trainierte Klassifikator in einem, vorzugsweise realen, Fahrzeug eingesetzt, welches ein Fahrwerk mit wenigstens einem dem Muster-Fahrwerkbauteil entsprechenden oder zu diesem vergleichbaren Fahrwerkbauteil umfasst, dessen Verschleißzustand, insbesondere in einem Verschleißerfassungsschritt, mit Hilfe des Klassifikators bestimmt wird. Vorteilhaft wird, insbesondere dazu, dem Fahrwerkbauteil, vorzugsweise im Verschleißerfassungsschritt, mittels des Klassifikators eine den Verschleißzustand des Fahrwerkbauteils charakterisierende der Klassen zugeordnet.

Nach einer weiteren Ausführungsform kann mindestens ein Korrelationsfaktor oder können mehrere Korrelationsfaktoren, insbesondere statisch oder dynamisch, angewendet werden, um eine sich bei der Übertragung vom Prüfstand in das Fahrzeug, insbesondere bei der Implementierung des trainierten Klassifikators, ergebende Veränderung einer Signaldynamik und/oder Signalamplitude auszugleichen. Hierdurch kann das reale Signal und/oder das im Fahrzeug gemessene Signal, insbesondere dem Algorithmus entsprechend, angepasst werden.

Das Fahrwerkbauteil ist z.B. ein Gelenk. Insbesondere ist das Fahrwerkbauteil ein Kugelgelenk oder ein Gummilager. Eine mechanische Anregung des Fahrwerkbauteil erfolgt bevorzugt im Betrieb des Fahrzeugs, beispielsweise durch Straßenbeläge, Schlaglöcher, Bodenwellen usw.

Bevorzugt wird, insbesondere im Verschleißerfassungsschritt, vorzugsweise mittels des Klassifikators, wenigstens ein den Verschleißzustand des Fahrwerkbauteils charakterisierendes Zustandssignal oder Verschleißzustandssignal erzeugt und/oder bereitgestellt. Der Implementierungsschritt erfolgt bevorzugt nach dem, insbesondere letzten, Trainingsschritt. Vorzugsweise erfolgt der Verschleißerfassungsschritt nach dem Implementierungsschritt. Vorteilhaft wird der Verschleißzustand wiederholt bestimmt und/oder der Verschleißerfassungsschritt wird z.B. wiederholt ausgeführt.

Die Erfindung wird nachfolgend anhand einer bevorzugten Ausführungsform unter Bezugnahme auf die Zeichnung beschrieben. In der Zeichnung zeigen:

Fig. 1 eine schematische Ansicht eines Prüfstands mit einem Muster-Fahrwerkbau- teil,

Fig. 2 ein Beispiel für ein Messsignal,

Fig. 3 ein Beispiel für ein modifiziertes Messsignal und

Fig. 4 eine schematische Draufsicht auf ein Fahrzeug.

Aus Fig. 1 ist eine schematische Ansicht eines Prüfstands 1 ersichtlich, auf dem ein Muster-Fahrwerkbauteil 2 montiert ist. Der Prüfstand 1 umfasst eine Anregungsmaschine 3, mittels welcher wenigstens ein mechanisches Anregungssignal x(t) erzeugt wird, durch welches das Muster-Fahrwerkbauteil 2 mechanisch angeregt wird, welches in Antwort darauf wenigstens ein mechanisches Antwortsignal y(t) erzeugt. Mittels wenigstens eines Sensors 4 wird das Antwortsignal y (t) erfasst und wenigstens ein dieses charakterisierendes Messsignal m(t) bereitgestellt. Der Buchstabe t bezeichnet dabei die Zeit.

Ferner ist eine Auswerteeinheit 5 vorgesehen, mittels welcher aus dem Messsignal m(t) wenigstens ein gemessener Datensatz D gebildet wird. Dabei wird der gemessene Datensatz D, insbesondere ausschließlich, aus Scheitelwerten Ms des Messsignals m(t) gebildet, die innerhalb eines Erfassungszeitraums At liegen und deren Betrag einen vorgegebenen Schwellenwert Mt erreicht oder überschreitet. Der Erfassungszeitraum At beginnt insbesondere zu einem Zeitpunkt tO, zu dem das Muster- Fahrwerkbauteil 2 durch ein, beispielsweise neues, Anregungssignal x(t) angeregt wird. Zu einem nach dem Zeitpunkt tO liegenden Zeitpunkt t1 endet der Erfassungszeitraum At, dessen Länge insbesondere vorab durch Versuche ermittelt wurde.

In Fig. 2 ist ein Beispiel für das Messsignal m(t) dargestellt, welches mehrere Scheitelwerte Ms aufweist. Ferner ist in Fig, 3 ein Beispiel für ein modifiziertes Messsignal p(t) dargestellt, dessen Scheitelwerte Ps lediglich aus Scheitelwerten Ms des Messsignals m(t) gebildet sind, die den Schwellenwert Mt erreichen oder überschreiten. Beispielsweise bilden die innerhalb des Erfassungszeitraums At liegenden Scheitelwerte Ps des aus Fig. 3 ersichtlichen, modifiziertes Messsignals p(t), vorzugsweise zusammen mit den zugehörigen Zeitwerten, den gemessenen Datensatz D.

Der gemessene Datensatz D wird einem, vorzugsweise mittels einer Recheneinheit 6 realisierten, insbesondere maschinellen, Klassifikator 7 zugeführt, mittels welchem dem Muster-Fahrwerkbauteil 2 unter Berücksichtigung des gemessenen Datensatzes D eine von mehreren Klassen zugeordnet wird, die unterschiedliche Verschleißzustände des Muster-Fahrwerkbauteils 2 repräsentieren. Ferner wird mittels des Klassifikators 7 wenigstens ein die dem Muster-Fahrwerkbauteil 3 zugeordnete Klasse charakterisierendes Muster-Zustandssignal s erzeugt und bereitgestellt. Die Auswerteeinheit 5 ist beispielsweise mittels der Recheneinheit 6 realisiert.

Da der tatsächliche Verschleißzustand des auf dem Prüfstand 1 montierten Muster- Fahrwerkbauteils 2 vorzugsweise bekannt ist, kann der Klassifikator 7 mit dem gemessenen Datensatz D und der Information über den tatsächlichen Verschleißzustand trainiert werden. Alternativ ist es möglich, dass der Klassifikator 7 durch Auswertung des gemessenen Datensatzes D die Klassen selbst bildet.

Ist der Klassifikator 7 ausreichend trainiert, wird er bevorzugt in einem realen Fahrzeug 8 eingesetzt, welches in schematischer Draufsicht aus Fig. 4 ersichtlich ist und einen Fahrzeugaufbau 9 sowie ein Fahrwerk 10 mit mehreren Radaufhängungen 11 , 12, 13 und 14 aufweist, mittels welchen Fahrzeugräder 15 mit dem Fahrzeugaufbau 9 verbunden sind. Am Fahrwerk 10 ist ein Sensor 16 vorgesehen, mittels welchem ein Antwortsignal eines dem Muster-Fahrwerkbauteil 2 entsprechenden Fahrwerkbauteils 17 des Fahrzeugs 8 erfasst wird. Ferner ist zwischen den Sensor 16 und einer den Klassifikator 7 umfassenden Recheneinheit 18 eine Auswerteeinheit 19 geschaltet, die insbesondere der Auswerteeinheit 5 entspricht. Es ist aber auch möglich, die Auswerteeinheit 19 durch die Recheneinheit 18 zu realisieren. Der Verschleißzustand des Fahrwerkbauteils 17 kann nun mittels des trainierten Klassifikators 7 bestimmt werden. Insbesondere wird mittels des Klassifikators 7 wenigstens ein den Verschleißzustand des Fahrwerkbauteils 17 charakterisierendes Zustandssignal v erzeugt und bereitgestellt.

Bezugszeichen

1 Prüfstand

2 Muster-Fahrwerkbauteil

3 Anregungsmaschine

4 Sensor

5 Auswerteeinheit

6 Recheneinheit

7 Klassifikator

8 Fahrzeug

9 Fahrzeugaufbau

10 Fahrwerk

11 Radaufhängung

12 Radaufhängung

13 Radaufhängung

14 Radaufhängung

15 Fahrzeugrad

16 Sensor

17 Fahrwerkbauteil

18 Recheneinheit

19 Auswerteeinheit x(t) mechanisches Anregungssignal y(t) mechanisches Antwortsignal m(t) Messsignal Ms Scheitelwert

Mt Schwellenwert

P(t) modifiziertes Messsignal

Ps Scheitelwert D gemessener Datensatz s Muster-Zustandssignal t Zeit t1 Zeitpunkt t2 Zeitpunkt

At Erfassungszeitraum v Zustandssignal