direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Inhalt des Dokuments

Automatisierte Auswertung von Fahrzeugmessdaten mit Hilfe moderner Mustererkennungsmethoden

Drittmittelprojekt in Kooperation mit der IAV GmbH

In der Automobilindustrie werden in der Entwicklung neuer Fahrzeugkomponenten Versuchsfahrzeuge mit umfangreicher Messtechnik ausgestattet. Damit wird während der Fahrt zum einen die gesamte Buskommunikation zwischen den verbauten Steuergeräten aufgezeichnet und zum anderen die Signale zusätzlich montierter Sensoren. Die Analyse und Auswertung dieser oft sehr umfangreichen Datenmengen, ist aufwendig, nur schwierig automatisierbar und erfolgt derzeit größtenteils noch visuell.In Zusammenarbeit mit der IAV GmbH wird eine Software entwickelt, die in der Lage ist, die Fahrzeugmessdaten automatisiert auszuwerten. Die Auswertung erfolgt entweder signal- oder botschaftsbasiert (CAN-Bus) und lässt sich, einmal konfiguriert, einfach auf mehrere Datensätze anwenden.Der Schwerpunkt des Fachgebiets Elektronische Mess- und Diagnosetechnik liegt in der Entwicklung von modernen Mustererkennern zur Fehlerdetektion in den Fahrzeugmessdaten. Diese werden modular in die Software integriert und können, wie die gesamte Auswertung, über XML-Dateien konfiguriert werden.

Entwicklung von Evaluatoren zur Zustandserkennung

Die Fahrzeugmessdaten werden auf definierte Zustände automatisiert ausgewertet. Die eigentliche Auswertung erfolgt innerhalb der Software in den sogenannten Evaluatoren. Diese liefern zu jedem Messzeitpunkt ein Maß für das Auftreten des gesuchten Ereignisses.  Für die Erkennung unterschiedlicher Zustände müssen diese beschrieben werden können und entsprechende Evaluatoren entwickelt werden.
In der Entwicklung und Diagnose werden die Messdaten meist auf bestimmte Fehlerzustände untersucht. Zur Definition dieser Fehlerzustände liegen oftmals nur wenige Beispieldatensätze vor. Aus diesem Grund lassen sich die klassischen Ansätze der Mustererkennung nur schwer anwenden. Zum einen müssen Mechanismen entwickelt werden um die Zustände zu beschreiben und zum anderen um die Daten nach diesen Zuständen effizient auszuwerten.

Für die Erkennung und Beschreibung von Zuständen werden verschiedene Ansätze verfolgt:

  • Beschreibung und Erkennung von Zuständen durch

    • Java-Code
    • einer verbalen Beschreibungssprache in Form analytischer Signalbeschreibungen in Kombination mit Methoden der Fuzzy-Logik

  • Bereitstellung von Evaluatoren zur Erkennung von Grundmustern (Schwingung, Sprungfunktion, etc.)
  • Suche von einem gegebenen Signalverlauf als Musterausschnitt unter Anwendung von Dynamic-Time-Warping
  • Zerlegung von komplexen Zuständen in Teilzustände
  • Zusammenhängende Auswertung über mehrerer Kanäle unter Berücksichtigung zeitlicher Zusammenhänge


Beispiel:

Ein Systemzustand erstreckt sich über drei Kanäle. Hierbei kann auf jedem Kanal ein bestimmter Evaluator arbeiten, der speziell auf das jeweile Teilproblem angepasst ist. Die Aufgabe des ersten Evaluators wäre die Detektion eines Sinus-Bursts. Beim zweiten Signal wird der Anstieg detektiert und der dritte Evaluator reagiert auf einen ganz bestimmten Kurvenverlauf. Der Informationsgehalt wird gewandelt und an einem weiteren zusammenfassenden Evaluator weitergeleitet. Als Gesamtergebnis wird ein Maß für das Auftreten des gesuchten Zustandes geliefert.

Lupe

Zusatzinformationen / Extras

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe

«Dezember 19»
MoDiMiDoFrSaSo
      1
2345678
9101112131415
16171819202122
23242526272829
3031     

Prof. Dr.-Ing. Clemens Gühmann
+49 30 314-29393
Gebäude EN
Raum EN539

Webseite

Henrik Isernhagen
+49 30 314-21168
Gebäude EN
Raum EN450

Webseite