DE102021111557A1

DE102021111557A1 - Systeme und verfahren zur erkennung von anomalien

Info

Publication number: DE102021111557A1
Application number: DE102021111557.4A
Authority: DE
Inventors: Mert Dieter Pese; Prachi Joshi; Kemal E. Tepe
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2020-11-30
Filing date: 2021-05-04
Publication date: 2022-06-02
Also published as: US11625031B2; US20220172010A1; CN114577252A

Abstract

Es werden Systeme und Verfahren zur Erkennung einer Anomalie eines Sensors eines Fahrzeugs bereitgestellt. In einer Ausführungsform umfasst ein Verfahren: Speichern einer Vielzahl von Sensorkorrelationsgruppen basierend auf der Fahrzeugdynamik; Verarbeiten einer Teilmenge von Signalen basierend auf den Sensorkorrelationsgruppen, um zu bestimmen, wann eine Anomalie vorliegt; Verarbeiten der Teilmenge von Signalen basierend auf der Sensorkorrelationsgruppe, um zu bestimmen, welcher Sensor der Sensorkorrelationsgruppe anomal ist; und Erzeugen von Benachrichtigungsdaten basierend auf dem Sensor der Korrelationsgruppe, der anomal ist.

Description

Die vorliegende Offenbarung bezieht sich im Allgemeinen auf Fahrzeuge und im Besonderen auf Systeme und Verfahren zur Erkennung von Anomalien innerhalb eines Fahrzeugs.
Ein autonomes oder halbautonomes Fahrzeug ist ein Fahrzeug, das in der Lage ist, seine Umgebung zu erfassen und mit wenigen oder keinen Benutzereingaben zu navigieren. Ein autonomes Fahrzeug erfasst seine Umgebung mithilfe von Messgeräten wie Inertialmesseinheiten, Radar, LIDAR, Bildsensoren und dergleichen. Das autonome Fahrzeugsystem nutzt darüber hinaus Informationen aus der GPS-Technologie (Global Positioning Systems), Navigationssystemen, Fahrzeug-zu-Fahrzeug-Kommunikation, Fahrzeug-zu-Infrastruktur-Technologie und/oder Drive-by-Wire-Systemen, um das Fahrzeug zu navigieren.
Darüber hinaus stützen sich die autonomen oder teilautonomen Fahrzeuge auf Sensordaten von Sensoren, die beobachtbare Bedingungen des Fahrzeugs überwachen, wie z. B. Geschwindigkeitssensoren, Positionssensoren, Gierratensensoren, Trägheitssensoren usw., ohne darauf beschränkt zu sein. In einigen Fällen können einer oder mehrere der Sensoren fehlerhaft werden. Fehler in einem Sensor und/oder Fehler oder böswillige Angriffe auf die entsprechenden Sensordaten können dazu führen, dass die Steuerungssoftware die Umgebung und/oder die Fahrzeugfunktionen falsch wahrnimmt und somit das System zu schlechten Entscheidungen führt. Dementsprechend ist es wünschenswert, verbesserte Verfahren und Systeme zur Erkennung von Anomalien von Sensoren des Fahrzeugs bereitzustellen. Es ist weiterhin wünschenswert, Methoden und Systeme zur Erkennung von Anomalien von Sensoren anderer Fahrzeuge bereitzustellen. Darüber hinaus werden andere wünschenswerte Merkmale und Eigenschaften der vorliegenden Erfindung aus der nachfolgenden detaillierten Beschreibung und den beigefügten Ansprüchen ersichtlich, in Verbindung mit den begleitenden Figuren und dem vorstehenden technischen Gebiet und Hintergrund genommen.
BESCHREIBUNG
Es werden Systeme und Verfahren zur Erkennung einer Anomalie eines Sensors eines Fahrzeugs bereitgestellt. In einer Ausführungsform umfasst ein Verfahren: Speichern einer Vielzahl von Sensorkorrelationsgruppen basierend auf der Fahrzeugdynamik; Verarbeiten einer Teilmenge von Signalen basierend auf den Sensorkorrelationsgruppen, um zu bestimmen, wann eine Anomalie vorliegt; Verarbeiten der Teilmenge von Signalen basierend auf der Sensorkorrelationsgruppe, um zu bestimmen, welcher Sensor der Sensorkorrelationsgruppe anomal ist; und Erzeugen von Benachrichtigungsdaten basierend auf dem Sensor der Korrelationsgruppe, der anomal ist.
In verschiedenen Ausführungsformen umfasst die Vielzahl der Sensorkorrelationsgruppen eine Positionsgruppe, eine Geschwindigkeitsgruppe, eine Beschleunigungsgruppe, eine Kursgruppe und eine Gierratengruppe. In verschiedenen Ausführungsformen enthält jede der mehreren Sensorkorrelationsgruppen einen oder mehrere Sensoren, die mit der Gruppe basierend auf der Fahrzeugdynamik korreliert sind. In verschiedenen Ausführungsformen umfasst die Untergruppe von Signalen ein Positionssignal, ein Geschwindigkeitssignal, ein Beschleunigungssignal, ein Steuerkurssignal und ein Gierratensignal.
In verschiedenen Ausführungsformen umfasst die Verarbeitung der Teilmenge von Signalen zur Bestimmung, wann die Anomalie vorliegt, die Berechnung eines mittleren absoluten Fehlers (MAE) auf der Grundlage der mehreren Korrelationsgruppen.
In verschiedenen Ausführungsformen basiert die Verarbeitung der Teilmenge von Signalen zur Bestimmung, wann die Anomalie vorliegt, auf einer definierten Losgröße.
In verschiedenen Ausführungsformen basiert die Verarbeitung der Teilmenge von Signalen zur Bestimmung, welcher Sensor der Sensorkorrelationsgruppe anomal ist, auf einem ersten Tiefensuchverfahren und der Vielzahl von Sensorkorrelationsgruppen.
In verschiedenen Ausführungsformen basiert die Verarbeitung der Teilmenge von Signalen, um zu bestimmen, welcher Sensor der Sensorkorrelationsgruppe anomal ist, auf einem berechneten Mittelwert eines vorhergesagten Zustandsvektors, der einer Sensorkorrelationsgruppe der Vielzahl von Korrelationsgruppen zugeordnet ist.
In verschiedenen Ausführungsformen umfasst das Verfahren das Trainieren einer Vielzahl von Schwellenwerten basierend auf anomalen Signaldaten, und wobei die Verarbeitung der Teilmenge von Signalen, um zu bestimmen, welcher Sensor der Sensorkorrelationsgruppe anomal ist, auf der Vielzahl von trainierten Schwellenwerten basiert.
In verschiedenen Ausführungsformen umfasst das Verfahren das Trainieren einer Vielzahl von Schwellenwerten auf der Grundlage von anomalen Signaldaten, und wobei die Verarbeitung der Teilmenge von Signalen, um zu bestimmen, wann ein Sensor der Sensorkorrelationsgruppe anomal ist, auf der Vielzahl von trainierten Schwellenwerten basiert.
In einer anderen Ausführungsform wird ein computerimplementiertes System bereitgestellt. Das computerimplementierte System enthält ein Anomalieerkennungsmodul, das einen oder mehrere Prozessoren enthält, die durch Programmieranweisungen konfiguriert sind, die in nichttransitorischen computerlesbaren Medien kodiert sind, wobei das Anomalieerkennungsmodul so konfiguriert ist, dass es: eine Vielzahl von Sensorkorrelationsgruppen auf der Grundlage der Fahrzeugdynamik speichert; eine Teilmenge von Signalen auf der Grundlage der Sensorkorrelationsgruppen verarbeitet, um zu bestimmen, wann eine Anomalie vorliegt; die Teilmenge von Signalen auf der Grundlage der Sensorkorrelationsgruppe verarbeitet, um zu bestimmen, welcher Sensor der Sensorkorrelationsgruppe anomal ist; und Benachrichtigungsdaten auf der Grundlage des Sensors der Korrelationsgruppe erzeugt, der anomal ist.
In verschiedenen Ausführungsformen umfasst die Vielzahl der Sensorkorrelationsgruppen eine Positionsgruppe, eine Geschwindigkeitsgruppe, eine Beschleunigungsgruppe, eine Kursgruppe und eine Gierratengruppe. In verschiedenen Ausführungsformen enthält jede der mehreren Sensorkorrelationsgruppen einen oder mehrere Sensoren, die mit der Gruppe basierend auf der Fahrzeugdynamik korreliert sind.
In verschiedenen Ausführungsformen umfasst die Untergruppe der Signale ein Positionssignal, ein Geschwindigkeitssignal, ein Beschleunigungssignal, ein Steuerkurssignal und ein Gierratensignal.
In verschiedenen Ausführungsformen ist das Modul zur Erkennung von Anomalien so konfiguriert, dass es die Teilmenge von Signalen verarbeitet, um zu bestimmen, wann eine Anomalie vorliegt, indem es einen mittleren absoluten Fehler (MAE) basierend auf der Vielzahl von Korrelationsgruppen berechnet.
In verschiedenen Ausführungsformen ist das Modul zur Erkennung von Anomalien so konfiguriert, dass es die Teilmenge von Signalen verarbeitet, um zu bestimmen, wann die Anomalie vorliegt, basierend auf einer definierten Losgröße.
In verschiedenen Ausführungsformen ist das Modul zur Erkennung von Anomalien so konfiguriert, dass es die Teilmenge von Signalen verarbeitet, um zu bestimmen, welcher Sensor der Sensorkorrelationsgruppe anomal ist, basierend auf einer ersten Tiefensuchmethode und der Vielzahl von Sensorkorrelationsgruppen.
In verschiedenen Ausführungsformen ist das Modul zur Erkennung von Anomalien so konfiguriert, dass es die Teilmenge von Signalen verarbeitet, um zu bestimmen, welcher Sensor der Sensorkorrelationsgruppe anomal ist, und zwar auf der Grundlage eines berechneten Mittelwerts eines vorhergesagten Zustandsvektors, der einer Sensorkorrelationsgruppe aus der Vielzahl von Korrelationsgruppen zugeordnet ist.
In verschiedenen Ausführungsformen ist das Modul zur Erkennung von Anomalien so konfiguriert, dass es eine Vielzahl von Schwellenwerten auf der Grundlage anomaler Signaldaten trainiert und die Teilmenge von Signalen verarbeitet, um zu bestimmen, welcher Sensor der Sensorkorrelationsgruppe anomal ist, und zwar auf der Grundlage der Vielzahl trainierter Schwellenwerte.
In verschiedenen Ausführungsformen ist das Modul zur Erkennung von Anomalien so konfiguriert, dass es eine Vielzahl von Schwellenwerten auf der Grundlage anomaler Signaldaten trainiert und die Teilmenge von Signalen verarbeitet, um zu bestimmen, wann ein Sensor der Sensorkorrelationsgruppe anomal ist, und zwar auf der Grundlage der Vielzahl trainierter Schwellenwerte.
Figurenliste
Die beispielhaften Ausführungsformen werden im Folgenden in Verbindung mit den folgenden Figuren beschrieben, wobei gleiche Bezugsziffern gleiche Elemente bezeichnen, und wobei:

1 ist ein funktionales Blockdiagramm, das ein Fahrzeug mit einem System zur Erkennung von Anomalien gemäß verschiedenen Ausführungsformen zeigt;
2 ist ein funktionales Blockdiagramm, das eine Betriebsumgebung von Fahrzeugen mit dem Anomalie-Erkennungssystem gemäß verschiedenen Ausführungsformen darstellt;
3 ist ein Datenflussdiagramm, das ein Modul zur Erkennung von Anomalien in Übereinstimmung mit verschiedenen Ausführungsformen zeigt; und
4 und 5 sind Flussdiagramme, die Methoden zur Erkennung von Anomalien veranschaulichen, die von dem System zur Erkennung von Anomalien in Übereinstimmung mit verschiedenen Ausführungsformen durchgeführt werden können.

DETAILLIERTE BESCHREIBUNG
Die folgende detaillierte Beschreibung hat lediglich beispielhaften Charakter und soll die Anwendung und Verwendungen nicht einschränken. Darüber hinaus besteht keine Absicht, an irgendwelche ausdrücklichen oder impliziten Theorien gebunden zu sein, die in dem vorangehenden technischen Gebiet, dem Hintergrund, der kurzen Zusammenfassung oder der folgenden detaillierten Beschreibung dargestellt sind. Wie hierin verwendet, bezieht sich der Begriff Modul auf jede Hardware, Software, Firmware, elektronische Steuerkomponente, Verarbeitungslogik und/oder Prozessorbauteil, einzeln oder in beliebiger Kombination, einschließlich und ohne Einschränkung: anwendungsspezifischer integrierter Schaltkreis (ASIC), ein elektronischer Schaltkreis, ein Prozessor (gemeinsam, dediziert oder Gruppe) und Speicher, der ein oder mehrere Software- oder Firmware-Programme ausführt, eine kombinatorische Logikschaltung und/oder andere geeignete Komponenten, die die beschriebene Funktionalität bereitstellen.
Ausführungsformen der vorliegenden Offenlegung können hier in Form von funktionalen und/oder logischen Blockkomponenten und verschiedenen Verarbeitungsschritten beschrieben werden. Es ist zu beachten, dass solche Blockkomponenten durch eine beliebige Anzahl von Hardware-, Software- und/oder Firmware-Komponenten realisiert werden können, die so konfiguriert sind, dass sie die angegebenen Funktionen ausführen. Zum Beispiel kann eine Ausführungsform der vorliegenden Offenbarung verschiedene integrierte Schaltungskomponenten verwenden, z. B. Speicherelemente, digitale Signalverarbeitungselemente, Logikelemente, Nachschlagetabellen oder ähnliches, die eine Vielzahl von Funktionen unter der Steuerung eines oder mehrerer Mikroprozessoren oder anderer Steuergeräte ausführen können. Darüber hinaus wird der Fachmann verstehen, dass Ausführungsformen der vorliegenden Offenbarung in Verbindung mit einer beliebigen Anzahl von Systemen praktiziert werden können, und dass die hier beschriebenen Systeme lediglich beispielhafte Ausführungsformen der vorliegenden Offenbarung sind.
Der Kürze halber werden konventionelle Techniken in Bezug auf Signalverarbeitung, Datenübertragung, Signalisierung, Steuerung und andere funktionale Aspekte der Systeme (und der einzelnen Betriebskomponenten der Systeme) hier nicht im Detail beschrieben. Darüber hinaus sollen die in den verschiedenen hier enthaltenen Figuren dargestellten Verbindungslinien beispielhafte funktionale Beziehungen und/oder physikalische Kopplungen zwischen den verschiedenen Elementen darstellen. Es ist zu beachten, dass viele alternative oder zusätzliche funktionale Beziehungen oder physikalische Verbindungen in einer Ausführungsform der vorliegenden Offenlegung vorhanden sein können.
Unter Bezugnahme auf 1 ist ein Anomalieerkennungssystem, das allgemein mit 100 dargestellt ist, in Übereinstimmung mit verschiedenen Ausführungsformen mit einem Fahrzeug 10 verbunden. Im Allgemeinen empfängt und verarbeitet das Anomalieerkennungssystem 100 Signaldaten, um datenzentrierte Anomalien in Echtzeit sowohl im Fahrzeug 10 (dem Ego-Fahrzeug) als auch in anderen Fahrzeugen (die mit dem Ego-Fahrzeug kommunizieren) zu erkennen, wobei eine Teilmenge von Signalen aus Vehicle to Everything (V2X)-Nachrichten, wie z. B., aber nicht ausschließlich, grundlegende Notruf- und Sicherheitsnachrichten, verwendet werden, wie im Folgenden näher erläutert wird. In verschiedenen Ausführungsformen verfolgt das Anomalieerkennungssystem 100 den Ursprung einer erkannten Anomalie zu einem bestimmten Signal oder einem Satz von Signalen. In verschiedenen Ausführungsformen verifiziert das Anomalieerkennungssystem 100 die Korrektheit seiner eigenen Signaldaten und schützt das Fahrzeug 10 vor anomalen/fehlerhaften Daten von anderen Fahrzeugen.
Wie im Beispiel von 1 dargestellt, ist das Fahrzeug 10 ein Automobil und umfasst im Allgemeinen ein Fahrgestell 12, eine Karosserie 14, Vorderräder 16 und Hinterräder 18. Die Karosserie 14 ist auf dem Fahrgestell 12 angeordnet und umschließt im Wesentlichen Komponenten des Fahrzeugs 10. Die Karosserie 14 und das Fahrgestell 12 können gemeinsam einen Rahmen bilden. Die Räder 16-18 sind jeweils in der Nähe einer Ecke der Karosserie 14 drehbar mit dem Fahrgestell 12 verbunden.
Wie dargestellt, umfasst das Fahrzeug 10 im Allgemeinen ein Antriebssystem 20, ein Getriebesystem 22, ein Lenksystem 24, ein Bremssystem 26, ein Sensorsystem 28, ein Aktuatorsystem 30, mindestens eine Datenspeichereinrichtung 32, mindestens eine Steuerung 34 und ein Kommunikationssystem 36. Das Antriebssystem 20 umfasst in verschiedenen Ausführungsformen einen Verbrennungsmotor, eine elektrische Maschine, wie z. B. einen Fahrmotor, der von einer oder mehreren Batterien angetrieben wird, allein (z. B. als reines Elektrofahrzeug) oder in Kombination mit einem Verbrennungsmotor, und/oder einen Brennstoffzellenantrieb (z. B. als Hybrid-Elektrofahrzeug).
Das Getriebesystem 22 ist so konfiguriert, dass es Leistung vom Antriebssystem 20 auf die Fahrzeugräder 16-18 entsprechend wählbarer Übersetzungsverhältnisse überträgt. Gemäß verschiedenen Ausführungsformen kann das Getriebesystem 22 ein stufenloses Automatikgetriebe, ein stufenloses Getriebe oder ein anderes geeignetes Getriebe umfassen. Das Bremssystem 26 ist so konfiguriert, dass es ein Bremsmoment für die Fahrzeugräder 16-18 bereitstellt. Das Bremssystem 26 kann in verschiedenen Ausführungsformen Reibungsbremsen, Brake by Wire, ein regeneratives Bremssystem wie eine elektrische Maschine und/oder andere geeignete Bremssysteme umfassen.
Das Lenksystem 24 beeinflusst eine Position der Fahrzeugräder 16-18.
Das Sensorsystem 28 umfasst eine oder mehrere Erfassungsvorrichtungen 40a-40n, die beobachtbare Bedingungen der äußeren Umgebung und/oder der inneren Umgebung des Fahrzeugs 10 erfassen. Die Erfassungsvorrichtungen 40a-40n können Radare, Lidare, globale Positionierungssysteme, optische Kameras, Wärmekameras, Ultraschallsensoren, Trägheitsmesseinheiten und/oder andere Sensoren umfassen, sind aber nicht darauf beschränkt. In verschiedenen Ausführungsformen umfasst das Sensorsystem 28 außerdem eine oder mehrere Erfassungsvorrichtungen 41a-41n, die beobachtbare Bedingungen einer oder mehrerer Fahrzeugkomponenten erfassen. Das Aktuatorsystem 30 umfasst eine oder mehrere Aktuatorvorrichtungen 42a-42n, die eine oder mehrere Fahrzeugfunktionen steuern, wie z. B. das Antriebssystem 20, das Getriebesystem 22, das Lenksystem 24 und das Bremssystem 26, aber nicht darauf beschränkt. In verschiedenen Ausführungsformen können die Fahrzeugmerkmale ferner innere und/oder äußere Fahrzeugmerkmale umfassen, wie z. B. Türen, einen Kofferraum und Kabinenmerkmale wie Luft, Musik, Beleuchtung usw. (nicht nummeriert).
Das Kommunikationssystem 36 ist so konfiguriert, dass es drahtlos Informationen an und von anderen Einheiten 48 übermittelt, wie z. B., aber nicht beschränkt auf, andere Fahrzeuge („V2V“-Kommunikation), Infrastruktur („V2I“-Kommunikation), alles („V2X“-Kommunikation), entfernte Systeme, Ladestationen und/oder persönliche Geräte (ausführlicher beschrieben in Bezug auf 2). In einer beispielhaften Ausführungsform ist das Kommunikationssystem 36 ein drahtloses Kommunikationssystem, das so konfiguriert ist, dass es über ein drahtloses lokales Netzwerk (WLAN) unter Verwendung von IEEE 802.1 1-Standards oder unter Verwendung zellularer Datenkommunikation kommuniziert. Zusätzliche oder alternative Kommunikationsmethoden, wie z. B. ein dedizierter Kurzstrecken-Kommunikationskanal (DSRC) oder zellulares V2X (C-V2X), werden jedoch ebenfalls im Rahmen der vorliegenden Offenbarung berücksichtigt. DSRC-Kanäle beziehen sich auf ein- oder zweiseitige drahtlose Kommunikationskanäle mit kurzer bis mittlerer Reichweite, die speziell für den Einsatz im Automobilbereich entwickelt wurden, sowie auf einen entsprechenden Satz von Protokollen und Standards.
Die Datenspeichervorrichtung 32 speichert Daten zur Verwendung bei der Steuerung des autonomen Fahrzeugs 10. In verschiedenen Ausführungsformen speichert die Datenspeichervorrichtung 32 definierte Karten der navigierbaren Umgebung. In verschiedenen Ausführungsformen können die definierten Karten durch ein entferntes System vordefiniert und von diesem bezogen werden (in Bezug auf 2 näher beschrieben). Zum Beispiel können die definierten Karten von dem entfernten System zusammengestellt und an das autonome Fahrzeug 10 (drahtlos und/oder drahtgebunden) übermittelt und in der Datenspeichereinrichtung 32 gespeichert werden. Routeninformationen können ebenfalls in der Datenspeichervorrichtung 32 gespeichert werden - d.h. ein Satz von Straßensegmenten (die geografisch mit einer oder mehreren der definierten Karten verbunden sind), die zusammen eine Route definieren, die der Benutzer nehmen kann, um von einem Startort (z.B. dem aktuellen Standort des Benutzers) zu einem Zielort zu fahren. Wie zu erkennen ist, kann die Datenspeichervorrichtung 32 Teil der Steuerung 34 sein, getrennt von der Steuerung 34, oder Teil der Steuerung 34 und Teil eines separaten Systems.
Das Steuergerät 34 umfasst mindestens einen Prozessor 44 und ein computerlesbares Speichergerät oder Medium 46. Der Prozessor 44 kann ein beliebiger kundenspezifischer oder handelsüblicher Prozessor sein, eine Zentraleinheit (CPU), eine Grafikverarbeitungseinheit (GPU), ein Hilfsprozessor unter mehreren Prozessoren, die dem Steuergerät 34 zugeordnet sind, ein Mikroprozessor auf Halbleiterbasis (in Form eines Mikrochips oder Chipsatzes), ein Makroprozessor, eine beliebige Kombination davon oder allgemein eine beliebige Vorrichtung zur Ausführung von Anweisungen. Die computerlesbare Speichereinrichtung oder -medien 46 können flüchtige und nichtflüchtige Speicher umfassen, z. B. Festwertspeicher (ROM), Direktzugriffsspeicher (RAM) und Keep-Alive-Speicher (KAM). KAM ist ein dauerhafter oder nichtflüchtiger Speicher, der zum Speichern verschiedener Betriebsvariablen verwendet werden kann, während der Prozessor 44 ausgeschaltet ist. Die computerlesbare(n) Speichervorrichtung(en) 46 kann/können unter Verwendung einer beliebigen Anzahl bekannter Speichervorrichtungen implementiert werden, wie PROMs (programmierbarer Festwertspeicher), EPROMs (elektrisch löschbares PROM), EEPROMs (elektrisch löschbares PROM), Flash-Speicher oder beliebige andere elektrische, magnetische, optische oder kombinierte Speichervorrichtungen, die in der Lage sind, Daten zu speichern, von denen einige ausführbare Anweisungen darstellen, die von der Steuereinheit 34 bei der Steuerung des autonomen Fahrzeugs 10 verwendet werden. In verschiedenen Ausführungsformen ist das Steuergerät 34 so konfiguriert, dass es Systeme und Verfahren zur Erkennung von Anomalien implementiert, wie im Folgenden im Detail beschrieben.
Die Anweisungen des Steuergeräts 34 können ein oder mehrere separate Programme umfassen, von denen jedes eine geordnete Auflistung von ausführbaren Anweisungen zur Implementierung logischer Funktionen enthält. Die Anweisungen empfangen und verarbeiten, wenn sie vom Prozessor 44 ausgeführt werden, Signale vom Sensorsystem 28, führen Logik, Berechnungen, Methoden und/oder Algorithmen zur automatischen Steuerung der Komponenten des Fahrzeugs 10 durch und erzeugen Steuersignale für das Aktuatorsystem 30, um die Komponenten des Fahrzeugs 10 basierend auf der Logik, den Berechnungen, Methoden und/oder Algorithmen automatisch zu steuern. Obwohl in 1 nur ein Steuergerät 34 dargestellt ist, können Ausführungsformen des Fahrzeugs 10 eine beliebige Anzahl von Steuergeräten 34 umfassen, die über ein beliebiges geeignetes Kommunikationsmedium oder eine Kombination von Kommunikationsmedien kommunizieren und die zusammenarbeiten, um die Sensorsignale zu verarbeiten, Logik, Berechnungen, Methoden und/oder Algorithmen durchzuführen und Steuersignale zu erzeugen, um Merkmale des Fahrzeugs 10 zu steuern. Wie oben kurz erwähnt, ist das gesamte oder ein Teil des Anomalieerkennungssystems 100 von 1 im Steuergerät 34 enthalten.
Mit Bezug auf 2, wo eine Betriebsumgebung des Anomalieerkennungssystems 100 allgemein mit 50 dargestellt ist, die ein Ferntransportsystem 52 umfasst, das mit einem oder mehreren Fahrzeugen 10a-10n verbunden ist und mit diesen kommuniziert, wie in Bezug auf 1 beschrieben. In verschiedenen Ausführungsformen umfasst die Betriebsumgebung 50 ferner ein oder mehrere Benutzergeräte 54, die mit den Fahrzeugen 10a-10n und/oder dem Ferntransportsystem 52 über ein Kommunikationsnetzwerk 56 kommunizieren.
Das Kommunikationsnetzwerk 56 unterstützt bei Bedarf die Kommunikation zwischen Geräten, Systemen und Komponenten, die von der Betriebsumgebung 50 unterstützt werden (z. B. über materielle Kommunikationsverbindungen und/oder drahtlose Kommunikationsverbindungen). Das Kommunikationsnetzwerk 56 kann beispielsweise ein drahtloses Trägersystem 60 wie ein zellulares Telefonsystem umfassen, das eine Vielzahl von Mobilfunktürmen (nicht dargestellt), eine oder mehrere mobile Vermittlungsstellen (MSCs) (nicht dargestellt) sowie alle anderen Netzwerkkomponenten enthält, die erforderlich sind, um das drahtlose Trägersystem 60 mit einem Landkommunikationssystem zu verbinden. Jeder Mobilfunkturm umfasst Sende- und Empfangsantennen und eine Basisstation, wobei die Basisstationen von verschiedenen Mobilfunktürmen entweder direkt oder über Zwischengeräte wie einen Basisstationscontroller mit der MSC verbunden sind. Das drahtlose Trägersystem 60 kann jede geeignete Kommunikationstechnologie implementieren, z. B. digitale Technologien wie CDMA (z. B. CDMA2000), LTE (z. B. 4G LTE oder 5G LTE), GSM/GPRS oder andere aktuelle oder zukünftige drahtlose Technologien. Andere Zellmast-/Basisstations-/MSC-Anordnungen sind möglich und könnten mit dem drahtlosen Trägersystem 60 verwendet werden. Zum Beispiel könnten die Basisstation und der Mobilfunkturm am selben Standort stehen oder sie könnten voneinander entfernt sein, jede Basisstation könnte für einen einzelnen Mobilfunkturm zuständig sein oder eine einzelne Basisstation könnte verschiedene Mobilfunktürme bedienen, oder verschiedene Basisstationen könnten mit einem einzelnen MSC gekoppelt sein, um nur einige der möglichen Anordnungen zu nennen.
Neben der Einbeziehung des drahtlosen Trägersystems 60 kann ein zweites drahtloses Trägersystem in Form eines Satellitenkommunikationssystems 64 einbezogen werden, um eine unidirektionale oder bidirektionale Kommunikation mit den Fahrzeugen 10a-10n zu ermöglichen. Dies kann unter Verwendung eines oder mehrerer Kommunikationssatelliten (nicht dargestellt) und einer Uplink-Sendestation (nicht dargestellt) erfolgen. Unidirektionale Kommunikation kann z. B. Satellitenradiodienste umfassen, bei denen Programminhalte (Nachrichten, Musik usw.) von der Sendestation empfangen, zum Hochladen verpackt und dann an den Satelliten gesendet werden, der das Programm an die Abonnenten ausstrahlt. Die bidirektionale Kommunikation kann z. B. Satellitentelefoniedienste umfassen, bei denen der Satellit zur Weiterleitung der Telefonkommunikation zwischen dem Fahrzeug 10 und der Station verwendet wird. Die Satellitentelefonie kann entweder zusätzlich zum oder anstelle des drahtlosen Trägersystems 60 verwendet werden.
Weiterhin kann ein Landkommunikationssystem 62 enthalten sein, das ein herkömmliches landgestütztes Telekommunikationsnetz ist, das mit einem oder mehreren Festnetztelefonen verbunden ist und das drahtlose Trägersystem 60 mit dem Ferntransportsystem 52 verbindet. Das Landkommunikationssystem 62 kann zum Beispiel ein öffentliches Telefonnetz (PSTN) umfassen, wie es für die Bereitstellung von festverdrahteter Telefonie, paketvermittelter Datenkommunikation und der Internet-Infrastruktur verwendet wird. Ein oder mehrere Segmente des Landkommunikationssystems 62 können durch die Verwendung eines standardmäßigen drahtgebundenen Netzwerks, eines Glasfaser- oder eines anderen optischen Netzwerks, eines Kabelnetzwerks, von Stromleitungen, anderen drahtlosen Netzwerken wie drahtlosen lokalen Netzwerken (WLANs) oder Netzwerken, die einen drahtlosen Breitbandzugang (BWA) bereitstellen, oder einer beliebigen Kombination davon implementiert werden. Darüber hinaus muss das Ferntransportsystem 52 nicht über das Landkommunikationssystem 62 verbunden sein, sondern kann eine drahtlose Telefonieausrüstung enthalten, so dass es direkt mit einem drahtlosen Netzwerk, wie dem drahtlosen Trägersystem 60, kommunizieren kann.
Obwohl in 2 nur ein Benutzergerät 54 dargestellt ist, können Ausführungsformen der Betriebsumgebung 50 eine beliebige Anzahl von Benutzergeräten 54 unterstützen, einschließlich mehrerer Benutzergeräte 54, die einer Person gehören, von ihr betrieben oder anderweitig verwendet werden. Jedes von der Betriebsumgebung 50 unterstützte Benutzergerät 54 kann mit einer beliebigen geeigneten Hardwareplattform implementiert werden. In dieser Hinsicht kann das Benutzergerät 54 in jedem gängigen Formfaktor realisiert werden, einschließlich, aber nicht beschränkt auf: einen Desktop-Computer; einen mobilen Computer (z. B. einen Tablet-Computer, einen Laptop-Computer oder einen Netbook-Computer); ein Smartphone; ein Videospielgerät; einen digitalen Medienplayer; ein Home-Entertainment-Gerät; eine Digitalkamera oder Videokamera; ein tragbares Computergerät (z. B. eine intelligente Uhr, eine intelligente Brille, intelligente Kleidung); oder Ähnliches. Jedes von der Betriebsumgebung 50 unterstützte Benutzergerät 54 ist als computerimplementiertes oder computergestütztes Gerät realisiert, das über die Hardware, Software, Firmware und/oder Verarbeitungslogik verfügt, die zur Ausführung der verschiedenen hierin beschriebenen Techniken und Methoden erforderlich sind. Beispielsweise umfasst das Benutzergerät 54 einen Mikroprozessor in Form einer programmierbaren Vorrichtung, die eine oder mehrere Anweisungen enthält, die in einer internen Speicherstruktur gespeichert sind und angewendet werden, um binäre Eingaben zu empfangen und binäre Ausgaben zu erzeugen. In einigen Ausführungsformen enthält das Benutzergerät 54 ein GPS-Modul, das in der Lage ist, GPS-Satellitensignale zu empfangen und GPS-Koordinaten basierend auf diesen Signalen zu erzeugen. In anderen Ausführungsformen enthält das Benutzergerät 54 eine zellulare Kommunikationsfunktionalität, so dass das Gerät Sprach- und/oder Datenkommunikation über das Kommunikationsnetzwerk 56 unter Verwendung eines oder mehrerer zellularer Kommunikationsprotokolle, wie sie hierin diskutiert werden, durchführt. In verschiedenen Ausführungsformen umfasst das Benutzergerät 54 eine visuelle Anzeige, wie z. B. eine grafische Touchscreen-Anzeige oder eine andere Anzeige.
Das Ferntransportsystem 52 umfasst ein oder mehrere Backend-Serversysteme, die Cloud-basiert, netzwerkbasiert oder an dem jeweiligen Campus oder geografischen Standort ansässig sein können, der von dem Ferntransportsystem 52 bedient wird. Das Ferntransportsystem 52 kann mit einem Live-Berater oder einem automatischen Berater oder einer Kombination aus beidem besetzt sein. Das Ferntransportsystem 52 kann mit den Benutzergeräten 54 und/oder den Fahrzeugen 10a-10n kommunizieren, um Fahrten zu planen, Fahrzeuge 10a-10n zu disponieren, Informationen zu übermitteln und ähnliches, wie im Folgenden näher erläutert wird.
Wie zu erkennen ist, bietet der hier offenbarte Gegenstand bestimmte erweiterte Merkmale und Funktionen für ein Standard- oder Basisfahrzeug 10 und/oder ein Ferntransportsystem 52. Zu diesem Zweck können ein Fahrzeug und ein Ferntransportsystem modifiziert, verbessert oder anderweitig ergänzt werden, um die zusätzlichen Merkmale des hier offengelegten Anomalieerkennungssystems 100 bereitzustellen.
Wie in Bezug auf 3 und unter fortgesetzter Bezugnahme auf 1 detaillierter dargestellt, kann das Anomalieerkennungssystem 100 als ein oder mehrere Module implementiert werden, die so konfiguriert sind, dass sie eine oder mehrere Methoden durchführen, z. B. über einen Prozessor. Wie zu erkennen ist, können die in 3 dargestellten Module kombiniert und/oder weiter unterteilt werden, um die hierin beschriebenen Funktionen oder Methoden durchzuführen. Darüber hinaus können Eingaben an die Module vom Sensorsystem 28, von anderen Steuermodulen (nicht dargestellt), die mit dem Fahrzeug 10 verbunden sind, vom Kommunikationssystem 36 empfangen werden und/oder von anderen Untermodulen (nicht dargestellt) innerhalb des Steuergeräts 34 von 1 bestimmt/modelliert werden. Darüber hinaus können die Eingaben auch einer Vorverarbeitung unterzogen werden, wie z. B. Unterabtastung, Rauschunterdrückung, Normalisierung, Merkmalsextraktion, Reduzierung fehlender Daten und dergleichen. In verschiedenen Ausführungsformen umfasst das Anomalieerkennungssystem 100 ein Trainingsmodul 102, ein Anomalieerkennungsmodul 104, ein Quellenidentifikationsmodul 106, einen Gruppendatenspeicher 108 und einen Parameterdatenspeicher 110.
In verschiedenen Ausführungsformen speichert der Gruppendatenspeicher 108 Gruppendaten 112, die sich auf Sensorpaare beziehen. Zum Beispiel kann die Fahrzeugdynamik mit fundamentalen physikalischen Gleichungen ausgedrückt werden, bei denen Sensorpaare von Natur aus kreuzkorreliert sind. Korrelationsgruppen werden auf der Grundlage dieser physikalischen Gleichungen erstellt. Zum Beispiel, wenn die folgenden Beziehungen gegeben sind: $p_{t +}_{d t} = ƒ (p_{t}, v_{t}, h_{t}) = p_{t} + \int_{t}^{t + d t} v_{t} h_{t} d_{τ}$
$v_{t} = ƒ (p_{t}, p_{t + d t}) = \frac{p_{t + d t} - p_{t}}{d t}$
$a_{t} = ƒ (v_{t}, v_{t + d t}) = \frac{v_{t + d t} - v_{t}}{d t}$
$\begin{array}{l} h_{t} = ƒ (p_{t}, p_{t + d t}) = a t a n 2 (c o s (t_{l a t, t + d t}) s i n (| p_{l o n, t + d t} - p_{l o n, t} |), c o s (p_{l a t, t}) s i n (p_{l a t, t + d t}) \\ - s i n (p_{l a t, t}) c o s (p_{l a t, t + d t}) c o s (| p_{l o n, t + d t} - p_{l o n, t} |)) \end{array}$
$w_{t} = ƒ (h_{t}, h_{t + d t}) = \frac{h_{t + d t} = h_{t}}{d t}$
Es können fünf Korrelationsgruppen eingerichtet werden, einschließlich Position, Geschwindigkeit, Beschleunigung, Kurs und Gierrate. Diese Gruppen werden vorab erstellt und als Gruppendaten 112 im Gruppendatenspeicher 108 gespeichert.
In verschiedenen Ausführungsformen speichert der Parameterdatenspeicher 110 Parameterdaten 114 zur Verwendung durch das Anomalieerkennungsmodul 104 und das Quellenidentifikationsmodul 106. Die Parameterdaten 114 enthalten Schwellenwertdaten, die mit jeder der Gruppen verbunden sind.
In verschiedenen Ausführungsformen ist das Anomalieerkennungssystem 100 so konfiguriert, dass es in zwei Modi arbeitet, wie z. B., aber nicht beschränkt auf, einen Offline-Modus und einen Online-Modus. Zum Beispiel wird das Anomalieerkennungssystem 100 während der Konstruktionszeit und vor der Fertigung in einem Trainingsmodus betrieben, in dem Parameter bestimmt und im Parameterdatenspeicher 110 zur Verwendung durch das Anomalieerkennungsmodul 104 und das Quellenidentifizierungsmodul 106 gespeichert werden. In einem anderen Beispiel wird das Anomalieerkennungssystem 100 während des Betriebs des Fahrzeugs 10 in einem Online-Modus betrieben, in dem Signaldaten kontinuierlich auf der Grundlage der gespeicherten Parameter aus dem Parameterdatenspeicher 110 verarbeitet werden.
In verschiedenen Ausführungsformen arbeitet das Trainingsmodul 102 im Offline-Modus und empfängt Anomaliedaten 116, Signaldaten 118 und die Gruppendaten 112. Die Signaldaten 118 können nicht-anomale Daten enthalten. Basierend auf den empfangenen Daten trainiert das Trainingsmodul 102 die Parameter, die im Online-Modus verwendet werden, und speichert die Parameter als Parameterdaten 114 im Parameterdatenspeicher 110. In verschiedenen Ausführungsformen enthalten die Parameter einen Schwellenwert für jede der Sensorgruppen. Das Trainingsmodul 102 bestimmt den Schwellenwert, indem es einen minimalen mittleren absoluten Fehler (MAE) aus den Signaldaten 118 berechnet, der den Schwellenwert θmean für jede jeweilige Korrelationsgruppe ergibt. Die Signaldaten 118 können beispielsweise mehrere Fahrten enthalten, die durch die Fahrzeug-ID und die Fahrt-ID gekennzeichnet sind. Für jede Fahrt werden die fünf Korrelationsgruppen angewendet, und ein geschätztes Signal wird berechnet. Das geschätzte Signal wird von dem empfangenen Signal subtrahiert, um einen Schwellenwert oder die Fahrt zu erhalten. Wenn die Signaldaten 118 N Auslösungen haben, dann können N Schwellenwerte berechnet werden. Der Mittelwert all dieser N Schwellenwerte ergibt den resultierenden θMittelwert.
Danach berechnet das Trainingsmodul 102 eine Fehlalarm-/Falsch-Positiv-Rate (FPR) für jede Korrelationsgruppe. Die Falsch-Positiv-Rate wird als das Verhältnis zwischen der Anzahl der fälschlicherweise als positiv kategorisierten negativen Ereignisse und der Gesamtzahl der tatsächlichen negativen Ereignisse berechnet. Wenn z. B. keine (oder nur sehr wenige) Anomalien auf einen bestimmten Sensor einwirken, werden keine Anomalien erkannt und die berechnete FPR ist klein. Das Trainingsmodul speichert die berechneten FPRs und die Schwellenwerte als Parameterdaten 114 im Parameterdatenspeicher 110.
In verschiedenen Ausführungsformen arbeitet das Anomalieerkennungsmodul 104 im Online-Modus und empfängt Signaldaten 120, die Gruppendaten 112 und die Parameterdaten 114. Die Signaldaten 120 werden als Ergebnis des Fahrzeugbetriebs erzeugt und können in Nachrichten innerhalb des Fahrzeugs 10 oder in Nachrichten, die von anderen Fahrzeugen gesendet werden, kommuniziert werden. So können die Anomalien für Sensoren innerhalb des Fahrzeugs oder für Sensoren anderer Fahrzeuge in verschiedenen Ausführungsformen erkannt werden.
Das Modul 104 zur Erkennung von Anomalien wertet die Signaldaten 120 auf der Grundlage der durch die Gruppendaten 112 identifizierten Gruppen aus, um festzustellen, ob eine Anomalie in einem der Signale vorliegt. In verschiedenen Ausführungsformen wird z. B. der MAE-Wert für alle fünf Korrelationsgruppen berechnet und mit dem durch die Parameterdaten 114 angegebenen Schwellenwert θ verglichen. Wenn die berechnete MAE größer als der Schwellenwert θ ist, wird die Sensorgruppe als anomal markiert. Wenn die berechnete MAE kleiner ist als der Schwellenwert θ, wird die Sensorgruppe als nicht anomal markiert. Nach W Abtastungen werden die Abtastungen durch einen rollierenden Mittelwertfilter der Fenstergröße W geglättet und dann wird die MAE neu berechnet und erneut mit dem Schwellenwert verglichen, um die Kennzeichnungen (anomal oder nicht-anomal) zu aktualisieren. Um den Messfehler abzuschwächen und die Leistung zu verbessern, wird für die Auswertungen eine Losgröße B verwendet. Wenn z. B. nur 0,1*B Vorhersagen in den letzten B Stichproben anomal sind, werden alle Vorhersagen als nicht-anomal gekennzeichnet.
In verschiedenen Ausführungsformen empfängt das Quellenidentifikationsmodul 106 die Anomalieerkennungsdaten 122, die Parameterdaten 114 und die Gruppendaten 112. Wenn die Anomalieerkennungsdaten 122 anzeigen, dass eine Anomalie gefunden wurde, verarbeitet das Quellenidentifikationsmodul 106 die empfangenen Daten, um eine Quelle der erkannten Anomalie zu bestimmen. Zum Beispiel berechnet das Quellenidentifikationsmodul 106 für jede Sensorgruppe einen Mittelwert des vorhergesagten Zustandsvektors PC. Wenn der PC kleiner ist als der trainierte Schwellenwert (FPR), der durch die Parameterdaten 114 angegeben wird, dann ist der Sensor nicht anomal.
Beispiel: FPR_mean = 0,11, PCp = [0,0,1,0,0,0,0,0,0,0], PC _p = 0,1 → p fein, weiter. Wenn der PC größer ist als der trainierte Schwellenwert, dann ist der Sensor anomal und die Quellenerkennungsdaten 124 werden aktualisiert, um anzuzeigen, dass eine Anomalie an dem Sensor in Bezug auf die Sensorgruppe erkannt wurde.
In verschiedenen Ausführungsformen verarbeitet das Quellenidentifizierungsmodul 106 jede Sensorgruppe in der natürlichen Reihenfolge der Iteration durch die Korrelationsgruppen. Zum Beispiel verarbeitet das Quellenidentifizierungsmodul 106 jede Sensorgruppe mit einer DFS-Traversierung (Depth First Search) von drei. $(1) Posotion \to (2) Geschwindigkeit \to (3) Beschleunigung \to (4) Steuerkurs \to (5) Gierrate .$
Die Traversierung wird beendet, wenn eine Anomaliequelle ermittelt wird. Somit kann nur eine Anomaliequelle erkannt werden. Wenn der gesamte Baum durchlaufen wird, weil die berechnete FPR immer kleiner als der Schwellenwert ist, wird an keinem Sensor eine Anomalie erkannt und die Quellenerkennungsdaten 124 werden aktualisiert, um anzuzeigen, dass keine Anomalie erkannt wurde.
Unter Bezugnahme auf 5 und 6 und unter fortgesetzter Bezugnahme auf 1-4 veranschaulicht ein Flussdiagramm die Verfahren 200, 400, die von dem Anomalieerkennungssystem 100 der 1-3 gemäß der vorliegenden Offenbarung durchgeführt werden können. Wie in Anbetracht der Offenbarung zu erkennen ist, ist die Reihenfolge des Ablaufs innerhalb der Methoden nicht auf die sequentielle Ausführung, wie sie in den 5 und 6 dargestellt ist, beschränkt, sondern kann in einer oder mehreren variierenden Reihenfolgen, wie anwendbar und in Übereinstimmung mit der vorliegenden Offenbarung, ausgeführt werden. In verschiedenen Ausführungsformen können die Verfahren 200, 400 so geplant werden, dass sie auf der Grundlage eines oder mehrerer vorbestimmter Ereignisse ablaufen, und/oder sie können während des Betriebs des Fahrzeugs 10 oder des Ferntransportsystems 52 kontinuierlich ablaufen.
In verschiedenen Ausführungsformen kann das Verfahren 200 durchgeführt werden, um eine Anomalie zu erkennen. In einem Beispiel beginnt das Verfahren 200 bei 205. Die Werte werden basierend auf den Signaldaten 120 und z. B. den obigen Gleichungen für jede der Korrelationsgruppen bei 207 geschätzt. Der MAE-Wert wird aus allen fünf Korrelationsgruppen berechnet (210). Die MAE wird dann mit dem Schwellenwert θ verglichen, der durch die Parameterdaten 114 bei 220 angegeben wird. Wenn die berechnete MAE größer ist als der Schwellenwert θ bei 220, wird die Sensorgruppe bei 230 als anomal markiert und die Anomalieerkennungsdaten 122 werden aktualisiert. Wenn die berechnete MAE kleiner als der Schwellenwert θ bei 220 ist, wird die Sensorgruppe bei 240 als nicht anomal markiert.
Nachdem W Abtastungen bei 250 ausgewertet wurden, wird eine Vorhersage mit einem geglätteten geschätzten Signal bei 260 aktualisiert. Danach wird die Anzahl der Vorhersagen bei 270 ausgewertet. Wenn die Anzahl der Vorhersagen größer ist als die definierte Losgröße B bei 270, wird das Los bei 280 ausgewertet. Wenn z. B. nur ein definierter Prozentsatz der Vorhersagen in den letzten B Abtastungen bei 280 anomal ist, werden alle Vorhersagen in der Charge bei 290 als nicht anomal markiert. Danach fährt das Verfahren mit der Überwachung der nächsten Stichproben bei 210 fort.
In verschiedenen Ausführungsformen kann das Verfahren 400 durchgeführt werden, um eine Quelle der Anomalie zu erkennen, sobald eine Anomalie erkannt wurde. In einem Beispiel beginnt das Verfahren 400 bei 405. Es wird festgestellt, dass eine Anomalie bei 410 erkannt wurde. Eine Sensorgruppe wird bei 420 ausgewählt, zum Beispiel unter Verwendung der DFS-Methode, wie oben bei 420 beschrieben. Ein Mittelwert des vorhergesagten Zustandsvektors PC wird für die Sensorgruppe bei 430 berechnet und bei 440 ausgewertet. Wenn der PC größer als der Schwellenwert bei 440 ist, ist der Sensor anomal und die Quellenerkennungsdaten 124 werden aktualisiert, um eine Anomalie bei 460 anzuzeigen. Danach kann das Verfahren bei 470 beendet werden.
Wenn der PC kleiner ist als der Schwellenwert (FPR) bei 440, ist der Sensor bei 450 NICHT anomal. Die Methode wird mit der Auswahl der nächsten Sensorgruppe bei 420 fortgesetzt. Wenn alle Sensorgruppen bei 420 abgearbeitet wurden und keine Anomalien gefunden wurden, kann das Verfahren bei 470 enden.
Obwohl in der vorangegangenen detaillierten Beschreibung mindestens eine beispielhafte Ausführungsform vorgestellt wurde, sollte man sich darüber im Klaren sein, dass es eine große Anzahl von Variationen gibt. Es sollte auch gewürdigt werden, dass die beispielhafte Ausführungsform oder die beispielhaften Ausführungsformen nur Beispiele sind und nicht dazu gedacht sind, den Umfang, die Anwendbarkeit oder die Konfiguration der Offenbarung in irgendeiner Weise zu begrenzen. Vielmehr soll die vorstehende detaillierte Beschreibung dem Fachmann eine praktische Anleitung zur Umsetzung der beispielhaften Ausführungsform oder der beispielhaften Ausführungsformen geben. Es sollte verstanden werden, dass verschiedene Änderungen in der Funktion und Anordnung der Elemente vorgenommen werden können, ohne vom Umfang der Offenbarung, wie in den beigefügten Ansprüchen und den gesetzlichen Äquivalenten davon dargelegt, abzuweichen.

Claims

Ein Verfahren zum Erkennen einer Anomalie eines Sensors eines Fahrzeugs, umfassend: Speichern einer Vielzahl von Sensorkorrelationsgruppen auf der Grundlage der Fahrzeugdynamik; Verarbeiten einer Teilmenge von Signalen auf der Grundlage der Sensorkorrelationsgruppen, um zu bestimmen, wann eine Anomalie vorliegt; Verarbeiten der Teilmenge von Signalen basierend auf der Sensorkorrelationsgruppe, um zu bestimmen, welcher Sensor der Sensorkorrelationsgruppe anomal ist; und Generieren von Benachrichtigungsdaten basierend auf dem Sensor der Korrelationsgruppe, der anomal ist.
Das Verfahren nach Anspruch 1, wobei die Vielzahl der Sensorkorrelationsgruppen eine Positionsgruppe, eine Geschwindigkeitsgruppe, eine Beschleunigungsgruppe, eine Kursgruppe und eine Gierratengruppe umfasst.
Das Verfahren nach Anspruch 2, wobei jede der mehreren Sensorkorrelationsgruppen einen oder mehrere Sensoren enthält, die auf der Grundlage der Fahrzeugdynamik mit der Gruppe korreliert sind.
Das Verfahren nach Anspruch 3, wobei die Untergruppe der Signale ein Positionssignal, ein Geschwindigkeitssignal, ein Beschleunigungssignal, ein Steuerkurssignal und ein Gierratensignal enthält.
Das Verfahren nach Anspruch 1, wobei das Verarbeiten der Teilmenge von Signalen zum Bestimmen, wann die Anomalie vorliegt, das Berechnen eines mittleren absoluten Fehlers, MAE, basierend auf der Vielzahl von Korrelationsgruppen umfasst.
Das Verfahren nach Anspruch 1, wobei das Verarbeiten der Teilmenge von Signalen zur Bestimmung, welcher Sensor der Sensorkorrelationsgruppe anomal ist, auf einem ersten Tiefensuchverfahren und der Vielzahl von Sensorkorrelationsgruppen basiert.
Das Verfahren nach Anspruch 1, wobei die Verarbeitung der Teilmenge von Signalen zur Bestimmung, welcher Sensor der Sensorkorrelationsgruppe anomal ist, auf einem berechneten Mittelwert eines vorhergesagten Zustandsvektors basiert, der einer Sensorkorrelationsgruppe der Vielzahl von Korrelationsgruppen zugeordnet ist.
Das Verfahren nach Anspruch 1, ferner umfassend das Trainieren einer Vielzahl von Schwellenwerten auf der Grundlage anomaler Signaldaten, und wobei das Verarbeiten der Teilmenge von Signalen zur Bestimmung, welcher Sensor der Sensorkorrelationsgruppe anomal ist, auf der Vielzahl trainierter Schwellenwerte basiert.
Das Verfahren nach Anspruch 1, ferner umfassend das Trainieren einer Vielzahl von Schwellenwerten auf der Grundlage anomaler Signaldaten, und wobei das Verarbeiten der Teilmenge von Signalen zur Bestimmung, wann ein Sensor der Sensorkorrelationsgruppe anomal ist, auf der Vielzahl trainierter Schwellenwerte basiert.
Ein computerimplementiertes System, wobei das System umfasst: ein Modul zur Erkennung von Anomalien, das einen oder mehrere Prozessoren umfasst, die durch Programmieranweisungen konfiguriert sind, die in nicht-transitorischen computerlesbaren Medien kodiert sind, wobei das Modul zur Erkennung von Anomalien konfiguriert ist, zum: Speichern einer Vielzahl von Sensor-Korrelationsgruppen basierend auf der Fahrzeugdynamik; Verarbeiten einer Teilmenge von Signalen auf der Grundlage der Sensorkorrelationsgruppen, um festzustellen, wann eine Anomalie vorliegt; Verarbeiten der Teilmenge von Signalen basierend auf der Sensorkorrelationsgruppe, um zu bestimmen, welcher Sensor der Sensorkorrelationsgruppe anomal ist; und Benachrichtigungsdaten basierend auf dem Sensor der Korrelationsgruppe, der anomal ist, erzeugen.