在故障情况下运行装置、尤其车辆的装置的方法和设备与流程

本发明从用于在故障情况下运行装置、尤其车辆的装置的方法和设备出发。

背景技术：

在自主驱动的车辆中必要的是，快速地识别故障并且确保车辆的运行。为此，应分析大的数据量，根据所述数据量识别车辆的部件的运行状态。值得期望的是，即使在较大的数据量的情况下也快速地识别运行状态、尤其故障情况并且确保车辆的进一步运行。

技术实现要素：

这通过根据独立权利要求的方法和设备来实现。

在用于运行装置、尤其车辆的装置的方法中规定，处理所述装置的至少一个部件的关于运行状态的数据和用于确定使用特征（nutzungsprofil）或路线特征（streckenprofil）的数据，所述数据在所述装置的运行期间被检测，其中，根据用于使用特征或路线特征的数据来选择具有多个装置的参考数据的参考特征（referenzprofil），其中，根据所述参考数据确定关于运行状态的数据的期望值，其中，如果关于运行状态的数据与所述运行状态的期望值的偏差超出阈值，则根据所述偏差来识别所述运行状态。由此可以使用大规模的数据量。与参考数据的比较例如可以及早地识别在车辆中渐进的故障，即使车辆不总是驶过相同的行驶路线。

优选地，在表征预给定的运行状态、尤其故障情况的运行状态中，通过一个值取代或校正用于运行所述装置的至少一个部件的输入参量，所述值根据所述期望值来确定。如果出现电池温度传感器信号故障，则车辆可以以期望值继续运行。由此可能的是，取代有缺陷的传感器或者校正所述传感器的输出。

优选地规定，由一个或多个传感器的所测量的传感器数据或者由以下参量确定关于运行状态的数据作为所述至少一个部件的至少一个状态参量：所述参量由一个或多个传感器的所测量的传感器数据计算，其中，所述至少一个状态参量由所述装置编址地发送到所述装置之外的服务器，并且其中，所述至少一个状态参量是至少一个状态向量或至少一个状态矩阵。车辆将数据例如传送到分布式的计算机架构环境中，在所述计算机架构环境中存在用于分析或诊断的计算性能和运算能力。大规模数据量的处理因此不在车辆中进行。车辆中的计算性能和运算能力因此可以用于车辆的运行。

优选地规定，由一个或多个传感器的所测量的传感器数据或者由以下参量确定关于运行状态的数据作为所述至少一个部件的至少一个状态参量：所述参量由一个或多个传感器的所测量的传感器数据计算，其中，所述至少一个状态参量由在所述装置之外的服务器接收，并且其中，所述至少一个状态参量是至少一个状态向量或至少一个状态矩阵。通过在在所述车辆之外的服务器上处理大的数据量，在车辆中存在足够的资源用于车辆的运行。

优选地规定，以时间间隔或事件驱动式地传送或检测多个状态参量，和/或，将至少一个状态参量作为由多个状态参量组成的统计值、尤其作为中位数或平均值来传送。在车辆行驶期间持续地检测的数据因此可以要么连续地要么根据事件来传送。

优选地规定，由多个车辆的关于运行状态的数据确定所述参考特征，其中，由用于确定多个车辆和/或驾驶员的使用特征或路线特征的数据确定所述参考特征。使用特征或路线特征可以从运行中的多个车辆来检测并且用于产生参考特征。在相同的环境、例如城市环境中或者甚至在相同的路线上运动的车辆因此可以对参考特征的改进作出贡献。

优选地规定，根据所述路线特征、或者所述路线特征与所述参考特征的偏差确定所述阈值。不可预见的交通障碍可以通过再处理阈值来考虑。由此避免错误识别。

优选地规定，所述至少一个部件是所述装置的传感器，其中，所述期望值表征传感器的测量值，并且其中，根据所述偏差识别所述测量值的漂移，或者，确定在传感器或装置的运行开始时传感器的测量值的起始值。例如，监视温度传感器。在行驶周期结束时可以存储期望值并且将其作为传感器的测量值的起始值来使用。因此，在传感器在行驶周期开始时被校准之前，提供测量信号。

优选地规定，在车辆的运行期间检测所述车辆的至少一个部件的关于运行状态的多个数据和/或用于确定所述使用特征或路线特征的多个数据，其中，在行驶结束时或在预给定的时间段、尤其一天结束时处理和/或传送所述多个数据以便确定所述期望值或所述参考特征。大的数据量的处理因此推迟到行驶结束或者预给定的时间段结束，也即在以下时刻执行：在所述时刻，车辆自身需要较少的计算资源用于车辆的运行。

优选地规定，根据分配给使用特征的期望值确定所述至少一个部件的可预期的寿命并且输出或存储关于可预期的寿命的信息。这能够实现部件的可能失效的预测性识别。

关于用于识别车辆的部件的运行状态的设备，规定，所述设备被构造用于实施所述方法。

附图说明

另外的有利的实施方式从附图和以下的描述得出。在附图中：

图1示出一种用于运行装置、尤其车辆的装置的方法，

图2示出一种用于借助所述方法运行所述装置的设备。

具体实施方式

图1示意性地示出一种用于运行装置、尤其车辆的装置的方法中的步骤。下面作为示例使用车辆。也可以使用其他机器。

车辆例如是自主的车辆，尤其自主的往返交通工具或者自主地电驱动的公交车或载重货车。

在所述方法中，处理所述车辆的至少一个部件的关于运行状态的数据和用于确定使用特征或路线特征的数据，所述数据在所述车辆的运行期间被检测。在该示例中，由一个或多个传感器的所测量的传感器数据确定车辆的部件的关于运行状态的数据作为部件的状态参量。传感器例如是电池温度传感器。关于运行状态的数据在该示例中是电池温度传感器数据。替代地或附加地，所述数据可以是由一个或多个传感器的所测量的传感器数据确定的参量。

在开始之后，在步骤1中检测状态参量。

在步骤1之后，在可选的步骤2中处理所检测的状态参量，以便尤其形成中位数、平均值或期望值。

在可选的处理之后，实时地或者在例如稳定的移动无线电连接可用的时刻传送状态参量或者可选地，在步骤2之后代替于此地传送中位数、平均值或期望值。例如规定，在车辆中还集成存储器，所述存储器可以中间存储有限量的数据。

在步骤1之后，为此，将状态参量或者可选地在步骤2之后代替于此地将中位数、平均值或期望值由车辆在步骤3中编址地发送到所述车辆之外的服务器。

状态参量在该示例中是状态向量或状态矩阵。也可以使用多个状态参量、状态向量或状态矩阵。状态向量或状态矩阵包括关于运行状态的数据和使用特征或路线特征的数据。

例如，以时间间隔或事件驱动式地传送或检测多个状态参量。状态参量也可以作为由多个状态参量组成的统计值、尤其作为中位数或平均值来传送。

接着，在步骤4中，根据路线特征的数据，选择类似的路线特征作为参考特征。也可以是仅仅一个路线特征作为参考特征可供使用。

接着，在步骤5中，根据所述使用特征的数据，从在步骤4中选择的参考特征中选择一个参考特征。这些参考数据在该示例中是温度数据，所述温度数据在行驶路线、每日进程或者每个季节进程上确定。通过每日进程可以考虑在一个路线上的不同的交通流。通过每个季节进程可以消除环境温度的影响。所选择的参考特征包含以下参考数据：所述参考数据由多个车辆的数据来确定。

如在图1中示出的那样，对于k个车辆使用n个用户特征或路线特征n11,...,n1k,...nnk。借助用户特征，在这种情况下，表示在车辆通过确定的用户引起的前进运动中运行状态的车辆特定的变化过程，例如温度传感器数据的变化过程。借助路线特征表示在车辆在确定的路线上的前进运动中运行状态的车辆特定的变化过程，例如温度传感器数据的变化过程。也可以规定，分析不同车辆的类似的用户特征或类似的路线特征。类似的用户特征例如在同一车辆或不同车辆的前进运动中产生，其由同一用户或不同的用户针对同一目的，例如在去工作的行驶中使用。类似的路线特征例如在同一车辆或不同车辆的在不同的城市中或在不同的高速公路上的前进运动中产生。当不同的驾驶员在同类的车辆中在相同的城市中或者在相同的高速公路上在途中时，例如也产生不同的路线特征。

接着，在步骤6中，根据参考数据确定关于运行状态的数据的期望值。期望值例如作为统计的期望值与车辆的电池温度的标准偏差一起被求取。如在图1中示出的那样，对于n*k个用户特征或路线特征n11,...,n1k,...nn确定例如n*k个统计期望值e11,...,e1k,...,enk。

在步骤6之后，所述方法重新开始。

在示例中，由多个车辆的关于运行状态的数据确定期望值，其中，由用于确定多个车辆的使用特征或路线特征的数据确定参考特征。

在步骤6之后，在步骤7中，如果关于运行状态的数据与运行状态的期望值的偏差超出阈值，则根据所述偏差来识别所述运行状态。在示例中，在所述方法在步骤6之后重新开始之后实施步骤7。

在示例中，根据路线特征或者路线特征与参考特征的偏差来确定阈值。如果例如根据状态矩阵或状态向量识别出交通障碍，则提高矩阵或向量中的相关元素的阈值，以便容忍更大的偏差。在示例中，所述部件是车辆的传感器。期望值表征传感器的测量值，例如期望温度。在示例中，一旦超出阈值，则根据偏差识别出测量值的漂移。替代地或附加地，可以确定在传感器或车辆的运行开始时传感器的测量值的起始值。

所述方法优选连续地在车辆的运行期间运行。通过状态参量的传送，减小车辆中的计算装置的计算负荷。大的数据量优选在服务器上在分布式计算机架构环境中被分析并且因此不加重车辆中的计算装置的负荷。

可以规定，首先在不进行这样的分析的情况下检测车辆的部件的关于运行状态的多个数据。可以规定，在车辆的运行期间检测用于确定使用特征或路线特征的多个数据。

在这种情况下例如在行驶结束时或在预给定的时间段、尤其一天结束时处理所述多个数据以便确定所述期望值或所述参考特征。

在表征预给定的运行状态、尤其故障情况的运行状态中，为了运行所述车辆，通过一个值取代或校正所述部件的输入参量，所述值根据所述期望值来确定。由此，通过考虑相应的期望值能够实时地实现缺少的测量参量的重建。这尤其当所涉及的车辆通过另一个人来运行或者在其他路线上运行时也是可以的，因为大的数据库的这种行为同样匹配于期望值。如果分配是明确可能的，则原则上也可以重建安全重要的参量。

也可以根据分配给使用特征的期望值确定所述部件的可预期的寿命。可以输出或存储关于可预期的寿命的信息。在步骤5中状态参量与期望值的比较允许：对于部件做出随着增加的数据库而更准确的寿命预测。基于到使用特征或路线特征的分配而已知的是，哪些失效典型地如何并且何时出现。因此可能的是，在所预期的寿命结束前不久或失灵前不久促使更换部件和组件。关于可预期的寿命的信息也可以用于根据实际的使用和行为特征来求取车辆剩余值或装置剩余值、出租费率或租赁费率以及保险费率。

用于运行车辆的设备10被构造用于实施所述方法。

在该示例中，设备10包括至少一个传感器11和车辆计算机12。车辆计算机12例如是车辆的车载电网的部分。车辆计算机12例如分配有与域无关的多个控制装置14。在该示例中，两个传感器11通过两个不同的与域无关的控制装置14与车辆计算机12连接。

车辆计算机12被构造用于与服务器13通信。服务器13也可以分布到多个计算系统上。服务器13包括数据库，在所述数据库上存储有一个参考特征或多个参考特征。在数据库中，对于所述参考特征存储相应的期望值。如果存储有多个参考特征，则给这些参考特征分配相应的所存储的期望值。

期望值也可以在所述方法运行期间由参考特征确定。大的数据量的处理、尤其使用特征或路线特征的和期望值的确定优选在服务器13上进行。对于车辆的运行强制必要的车辆功能（环境识别、安全重要的数据，传动系的数据）在车辆计算机12中计算。因此，车辆计算机12的计算性能完整地并且完全地可供实际的行驶运行使用。

可以规定，所述计算的一部分或所有步骤在车辆计算机12上运行。