DE102022002631A1

DE102022002631A1 - System zur Schätzung der Lebensdauer von Bremsbelägen eines Fahrzeugs und Verfahren dazu

Info

Publication number: DE102022002631A1
Application number: DE102022002631.7A
Authority: DE
Inventors: Muthukumar Kochadai; Ralf Conhoff; Akshaykumar Dayanand; Basavaraj Donkennanavar
Original assignee: Mercedes Benz Group AG
Current assignee: Mercedes Benz Group AG
Priority date: 2021-07-20
Filing date: 2022-07-18
Publication date: 2023-02-09

Abstract

Ein System und Verfahren zur Schätzung der Lebensdauer eines Bremsbelags eines Fahrzeugs wird offenbart, umfassend: Extrahieren, in Block 602, von Daten aus der ESP-ECU des Fahrzeugs, die in Block 604 an ein Backend/eine Cloud übertragen werden. Ferner werden in Block 606 die Daten einem Gradientenverstärkungsmodell für maschinelles Lernen zugeführt, das in Block 608 einen unbekannten Verschleiß für das Fahrzeug des Benutzers vorhersagt. In Block 610 wird eine Abweichung berechnet, indem der vorhergesagte Verschleiß mit einer Datenbank 612 verglichen wird, die Feld-Feedback pro Bremsvariante umfasst. Wird festgestellt, dass die Abweichung innerhalb einer Grenze von +/-10 % liegt, akkumuliert das System in Block 614 den vorhergesagten Verschleiß, der in Block 616 in eine digitale Form umgewandelt wird, die die Lebensdauer der Bremsbeläge repräsentiert, und wird in Block 618 angezeigt. Wenn sich herausstellt, dass die Abweichung den Grenzwert überschreitet, verbessert das System ferner seine Genauigkeit, indem es das Verstärkungsmodell abstimmt.

Description

Die vorliegende Offenbarung bezieht sich auf Systeme und Verfahren zur Durchführung von auf künstlicher Intelligenz (Kl) basierenden Vorhersagen in Bezug auf ein Automobil. Insbesondere stellt die vorliegende Offenbarung ein System zur Schätzung der Lebensdauer eines Bremsbelags eines Fahrzeugs und ein entsprechendes Verfahren bereit.
Abhängig von der Art des Fahrens, der Art der Straße und des Verkehrs müssen die Bremsen eines Fahrzeugs von Zeit zu Zeit betätigt werden. Beim Betätigen der Bremsen werden die in einer Bremssattelbaugruppe 106 angebrachten Bremsbeläge 110 gegen die Scheibe/den Rotor 102 gedrückt, wie in 1A und 1B dargestellt, was zu Reibung zwischen den Belägen 110 und der Scheibe/dem Rotor 102 und zum Verschleiß der Beläge 110 führt. Im Laufe der Zeit werden die Bremsbeläge bis zu einer Mindestdicke verschlissen. Die fortgesetzte Verwendung von Bremsen mit Bremsbelägen unterhalb ihrer Mindestdicke kann zu einem Ruckeln der Bremsen und anderen Problemen mit der Bremsleistung führen. Es kann sogar dazu führen, dass die Trägerplatte mit der Bremsscheibe in Kontakt kommt, was zu Riefen auf der Scheibe führt und einen kostenintensiven Austausch der Scheibe erforderlich macht.
Da es sich bei den Bremsen um kritische Sicherheitselemente handelt, sind die Fahrzeuge in der Regel mit Bremsbelagverschleißwarnvorrichtungen ausgestattet, die eine Warnung anzeigen, wenn die Bremsbeläge bis zu einer vorgeschriebenen Mindestdicke verschlissen sind, z. B. 3,05 mm für Bremsbeläge in Scheibenbremsen. Herkömmliche Bremsbelagverschleißwarnsysteme umfassen einen Belagverschleißsensor, wie z. B. die Belagverschleißsensoren 104, die in den Belag 110 an einer Stelle 116 eingebettet sind, die der Mindestdicke entspricht, wie in 1B gezeigt. Wenn der Belag 110 bis zur Mindestdicke verschlissen ist, liefern die Belagverschleißsensoren 104 ein Signal, das ein Warnschild, wie in 2 gezeigt, auf dem Armaturenbrett des Fahrzeugs aufleuchten lässt, und der Benutzer sollte die Bremsbeläge 110 bald nach dem Aufleuchten des Warnzeichens ohne Verzögerung ersetzen.
Wenn der Benutzer jedoch vor einer langen Fahrt den Zustand des Fahrzeugs überprüft, bieten die herkömmlichen Bremsbelagverschleißwarnvorrichtungen keine Informationen über die verbleibende Lebensdauer der Bremsbeläge an. Daher kann es vorkommen, dass die Bremsbelagverschleißwarnung während der langen Reise/des Urlaubs angezeigt wird, was den Benutzer verunsichert, ob er die Fahrt fortsetzen soll oder nicht. Falls ein Austausch der Beläge nicht möglich ist, kann der Benutzer mit den verschlissenen Belägen weiterfahren, was zu NVH-Problemen und Schäden an den Bremsteilen führen kann. Es wäre daher vorteilhaft, ein System bereitzustellen, das es dem Benutzer ermöglicht, die verbleibende Lebensdauer der Bremsbeläge zu jedem Zeitpunkt zu kennen.
Das Patentdokument WO2019171337A1 offenbart ein Fahrzeugüberwachungssystem, das ein Informationsmodul und ein Vorhersage-/Schätzungsmodul umfasst. Das Informationsmodul ist dafür konfiguriert, Informationen zu empfangen, die Fahrzeugbetriebsinformationen enthalten. Das Vorhersage-/Schätzungsmodul ist dafür konfiguriert, unter Verwendung der empfangenen Informationen Folgendes vorherzusagen/zu schätzen: (a) eine verbleibende Lebensspanne/Lebensdauer von einer oder mehreren Betriebskomponenten/-anordnungen des Fahrzeugs, und/oder (b) eine verbleibende Zeit, bevor Service/Wartung einer oder mehrerer BetriebskomponentenZanordnungen des Fahrzeugs erforderlich ist. Das Vorhersage-/Schätzungsmodul ist dafür konfiguriert, (eine) Formel(n)/Algorithmus(e) zur Verschleißvorhersage zu verwenden, um die verbleibende Lebensdauer der einen oder der mehreren Betriebskomponenten/- anordnungen vorherzusagen/abzuschätzen. Das Vorhersage-/Schätzungsmodul ist darüber hinaus dafür konfiguriert, eine oder mehrere Verschleißvorhersageformeln/Algorithmen zur Vorhersage/Schätzung der verbleibenden Zeit zu verwenden, bevor eine Inspektion/Wartung der einen oder mehreren Betriebskomponenten/-anordnungen erforderlich ist.
Während das zitierte Patentdokument eine Anordnung offenbart, die verwendet werden kann, um die verbleibende Lebensdauer des Belags zu jedem beliebigen Zeitpunkt vorherzusagen, ist es möglich, eine verbesserte und effizientere Anordnung zur Schätzung der verbleibenden Lebensdauer des Belags zu jedem beliebigen Zeitpunkt bereitzustellen.
Es besteht daher die Notwendigkeit, eine verbesserte Lösung bereitzustellen, die eine genaue und effiziente Schätzung der Lebensdauer eines Bremsbelags in einem Fahrzeug ermöglicht.
Eine allgemeine Aufgabe der vorliegenden Offenbarung ist es, ein genaues und effektives System und Verfahren bereitzustellen, das eine verbesserte Schätzung der Lebensdauer eines Bremsbelags in einem Fahrzeug im Vergleich zu herkömmlichen Systemen und Verfahren ermöglicht.
Eine weitere Aufgabe der vorliegenden Offenbarung ist die Bereitstellung eines Systems und Verfahrens zur Vorhersage des Bremsbelagverschleißes durch ein Gradientenverstärkungsmodell für maschinelles Lernen.
Eine weitere Aufgabe der vorliegenden Offenbarung ist es, ein System und Verfahren bereitzustellen, das den Bremsbelagverschleiß mit höchster Genauigkeit je nach Bremsvariante und globalem Fahrverhalten vorhersagt.
Eine weitere Aufgabe der vorliegenden Offenbarung ist es, ein System und Verfahren bereitzustellen, das Vorabinformationen liefert, bevor ein Bremsbelag verschlissen ist, was dem Benutzer hilft, den Austausch der Bremsbeläge rechtzeitig zu planen.
Eine weitere Aufgabe der vorliegenden Offenbarung ist es, ein System und ein Verfahren bereitzustellen, das es ermöglicht, den Bremsbelagverschleißsensor zu eliminieren und somit Kosten zu sparen.
Eine weitere Aufgabe der vorliegenden Offenbarung ist es, ein System und ein Verfahren bereitzustellen, das die Komplexität der Datenpipeline und des Modelllernens minimiert, so dass die Implementierung leicht realisierbar ist.
Aspekte der vorliegenden Offenbarung beziehen sich auf Systeme und Verfahren zur Durchführung von auf künstlicher Intelligenz (Kl) basierenden Vorhersagen in Bezug auf ein Automobil. Insbesondere stellt die vorliegende Offenbarung ein System zur Schätzung der Lebensdauer eines Bremsbelags eines Fahrzeugs und ein entsprechendes Verfahren bereit.
Ein Aspekt der vorliegenden Offenbarung bezieht sich auf ein System zur Schätzung der Lebensdauer eines Bremsbelags eines Fahrzeugs, wobei das System Folgendes umfasst: eine Überwachungseinheit, die dafür konfiguriert ist, Echtzeitattribute zu überwachen, die mit der Bremsbetätigung in dem Fahrzeug verbunden sind; und eine Schätzeinheit, die mit einer Lernmaschine und der Überwachungseinheit gekoppelt ist, wobei die Schätzeinheit einen oder mehrere Prozessoren umfasst, die operativ mit einem Speicher gekoppelt sind, wobei der Speicher Anweisungen speichert, die von dem einen oder den mehreren Prozessoren für Folgendes ausgeführt werden können: Erhalten eines ersten Satzes von Datenpaketen von der Überwachungseinheit und Extrahieren eines zweiten Satzes von Datenpaketen aus dem erhaltenen ersten Satz von Datenpaketen, die sich auf die überwachten Echtzeitattribute beziehen; Vorhersagen, unter Verwendung der Lernmaschine, des Verschleißes, der an dem Bremsbelag während einer Bremsbetätigung auftritt, basierend auf dem extrahierten zweiten Satz von Datenpaketen; und Akkumulieren des vorhergesagten Verschleißes des Bremsbelags während jeder Bremsbetätigung und Schätzen der Lebensdauer des Bremsbelags unter Berücksichtigung des akkumulierten Verschleißes.
In einem Aspekt verifiziert das System den vorhergesagten Verschleiß des Bremsbelags, indem es den vorhergesagten Verschleiß mit einem Feld-Feedback-Datensatz vergleicht, der vorab gespeicherte Werte des Verschleißes des Bremsbelags umfasst; wobei, wenn die Abweichung zwischen dem vorhergesagten Verschleiß des Bremsbelags und einem der vorgespeicherten Werte in dem Feld-Feedback-Datensatz innerhalb einer vordefinierten Grenze liegt, der vorhergesagte Verschleiß verifiziert wird und außerdem die geschätzte Lebensdauer des Bremsbelags auf einem Bildschirm angezeigt wird.
In einem anderen Aspekt verifiziert das System den vorhergesagten Verschleiß des Bremsbelags nicht, wenn die Abweichung zwischen dem vorhergesagten Verschleiß des Bremsbelags und dem Feld-Feedback-Datensatz den vordefinierten Grenzwert überschreitet, wobei das System iterativ den an dem Bremsbelag aufgetretenen Verschleiß vorhersagt, bis der vorhergesagte Verschleiß des Bremsbelags innerhalb des vordefinierten Grenzwerts liegt, und das System dementsprechend die Lernmaschine aktualisiert.
In einem Aspekt aktualisiert das System die Lernmaschine durch Abstimmen von Hyperparametern, die für die Vorhersage des Verschleißes erforderlich sind; wobei das System die Hyperparameter durch Trainings- und Testdatensätze abstimmt, wobei Werte des Verschleißes, die unter Verwendung des Trainingsdatensatzes und des Testdatensatzes berechnet wurden, verglichen werden, und dementsprechend die Hyperparameter abgestimmt werden, um mit dem tatsächlichen Verschleiß des Bremsbelags übereinzustimmen.
In einem Aspekt umfasst der Testdatensatz mehrere Werte der Attribute, die mit der Bremsbetätigung verbunden sind, wobei eine Vielzahl von Varianten in einer Bremsbaugruppe berücksichtigt werden, die beliebige oder eine Kombination von Bremssattelgröße, Bremsbelagmaterial und Scheibendesign umfasst.
In einem Aspekt beträgt der vordefinierte Grenzwert 10 % (Prozent).
In einem anderen Aspekt schaltet das System, basierend auf dem akkumulierten Verschleiß des Bremsbelags, zwischen einer oder mehreren Zonen um, wählt eine der einen oder mehreren Zonen aus und zeigt sie an.
In einem Aspekt umfasst die Lernmaschine eine Gradientenverstärkungsmodell-Architektur.
Ein weiterer Aspekt der vorliegenden Offenbarung betrifft ein Verfahren zur Abschätzung der Lebensdauer eines Bremsbelags eines Fahrzeugs, wobei das Verfahren Folgendes umfasst: Überwachen, durch eine Überwachungseinheit, von Echtzeitattributen, die mit der Bremsbetätigung in dem Fahrzeug verbunden sind; Erhalten, in einer Schätzeinheit, eines ersten Satzes von Datenpaketen von der Überwachungseinheit und Extrahieren eines zweiten Satzes von Datenpaketen aus dem erhaltenen ersten Satz von Datenpaketen, die sich auf die überwachten Echtzeitattribute beziehen; Vorhersagen, in der Schätzeinheit, unter Verwendung der Lernmaschine, des Verschleißes, der an dem Bremsbelag während einer Bremsbetätigung auftritt, basierend auf dem extrahierten zweiten Satz von Datenpaketen; und Akkumulieren, in der Schätzeinheit, des vorhergesagten Verschleißes des Bremsbelags während jeder Bremsbetätigung und Schätzen der Lebensdauer des Bremsbelags unter Berücksichtigung des akkumulierten Verschleißes.
In einem Aspekt umfasst das Verfahren das Verifizieren des vorhergesagten Verschleißes des Bremsbelags, indem es den vorhergesagten Verschleiß mit einem Feld-Feedback-Datensatz vergleicht, der vorab gespeicherte Werte des Verschleißes des Bremsbelags umfasst; wobei, wenn die Abweichung zwischen dem vorhergesagten Verschleiß des Bremsbelags und einem der vorgespeicherten Werte in dem Feld-Feedback-Datensatz innerhalb einer vordefinierten Grenze liegt, der vorhergesagte Verschleiß verifiziert wird und außerdem die geschätzte Lebensdauer des Bremsbelags auf einem Bildschirm angezeigt wird.
Verschiedene Objekte, Merkmale, Aspekte und Vorteile des Erfindungsgegenstandes werden aus der folgenden detaillierten Beschreibung bevorzugter Ausführungsformen zusammen mit den beigefügten Zeichnungen, in denen gleiche Ziffern gleiche Komponenten darstellen, deutlicher.
Die beigefügten Zeichnungen dienen dem weiteren Verständnis der vorliegenden Offenbarung und sind Bestandteil dieser Beschreibung. Die Zeichnungen zeigen beispielhafte Ausführungsformen der vorliegenden Offenbarung und dienen zusammen mit der Beschreibung zur Erläuterung der Grundsätze der vorliegenden Offenbarung.

1A und 1B zeigen Liniendiagramme, die ein herkömmliches System mit Bremsbelägen in einer Bremssattelbaugruppe darstellen.
2 zeigt einen verschlissenen Bremsbelag und eine entsprechende Warnmeldung in einem herkömmlichen System.
3 zeigt eine beispielhafte Architektur des vorgeschlagenen Systems zur Abschätzung der Lebensdauer eines Bremsbelags eines Fahrzeugs und zeigt seine allgemeine Funktionsweise in Übereinstimmung mit einer Ausführungsform der vorliegenden Offenbarung.
4 zeigt beispielhafte Funktionseinheiten der Schätzeinheit des vorgeschlagenen Systems, gemäß einer beispielhaften Ausführungsform der vorliegenden Offenbarung.
5 zeigt ein Diagramm, das einen Bremsbelag mit einem Verschleißpunkt des Belags darstellt, in Übereinstimmung mit einer beispielhaften Ausführungsform der vorliegenden Offenbarung.
6 zeigt ein Flussdiagramm, das die Funktionsweise des vorgeschlagenen Systems in Übereinstimmung mit einer beispielhaften Ausführungsform der vorliegenden Offenbarung darstellt.
7 veranschaulicht die Funktionsweise der Gradientenverstärkungsmodell-Architektur für maschinelles Lernen gemäß einer beispielhaften Ausführungsform der vorliegenden Offenbarung.
8 zeigt ein Diagramm, das die tatsächliche Lebensdauer des Belags und die vorhergesagte Lebensdauer des Belags in Übereinstimmung mit einer beispielhaften Ausführungsform der vorliegenden Offenbarung darstellt.
9 zeigt ein Flussdiagramm des vorgeschlagenen Verfahrens zur Abschätzung der Lebensdauer eines Bremsbelags eines Fahrzeugs, gemäß einer Ausführungsform der vorliegenden Offenbarung.
10 zeigt ein beispielhaftes Computersystem, in dem oder mit dem Ausführungsformen der vorliegenden Erfindung in Übereinstimmung mit Ausführungsformen der vorliegenden Offenbarung verwendet werden können.

Es folgt eine ausführliche Beschreibung der in den begleitenden Zeichnungen dargestellten Ausführungsformen der Offenbarung. Die Ausführungsformen sind so ausführlich, dass die Offenbarung klar vermittelt wird. Die Ausführlichkeit ist jedoch nicht dazu gedacht, die erwarteten Variationen der Ausführungsformen einzuschränken; im Gegensatz dazu wird beabsichtigt, alle Modifikationen, Äquivalente und Alternativen abzudecken, die in den Geist und den Umfang der vorliegenden Offenbarung fallen, wie sie durch die beigefügten Ansprüche definiert sind.
Die hier erläuterten Ausführungsformen beziehen sich auf Systeme und Verfahren zur Durchführung von auf künstlicher Intelligenz (Kl) basierenden Vorhersagen in Bezug auf ein Automobil. Insbesondere stellt die vorliegende Offenbarung ein System zur Schätzung der Lebensdauer eines Bremsbelags eines Fahrzeugs und ein entsprechendes Verfahren bereit.
Unter Bezugnahme auf 3 kann das vorgeschlagene System zur Schätzung der Lebensdauer eines Bremsbelags 300 (im Folgenden auch als System 300 bezeichnet) in einem Fahrzeug implementiert werden, wobei es die Extraktion verschiedener Attribute erleichtern und die Lebensdauer eines Bremsbelags des Fahrzeugs schätzen kann. In einer Ausführungsform umfasst das System 300 eine Überwachungseinheit 302, die so konfiguriert werden kann, dass sie Echtzeitattribute überwacht, die mit der Betätigung einer Bremse 312, die mit Bremsbelägen konfiguriert ist, in dem Fahrzeug verbunden sind. Ferner kann die Überwachungseinheit 302 einen ersten Satz von Datenpaketen erzeugen, die den überwachten Echtzeitattributen entsprechen, die mit der Bremsbetätigung verbunden sind. In einer beispielhaften Ausführungsform können die Attribute den Bremsdruck, die Bremszeit und die Geschwindigkeit der Räder des Fahrzeugs zum Zeitpunkt der Bremsung umfassen, ohne darauf beschränkt zu sein.
In einer Ausführungsform umfasst das System 300 eine Schätzeinheit 306, die mit der Überwachungseinheit 302 gekoppelt ist, und die Schätzeinheit 306 kann auch mit einer Lernmaschine 310 gekoppelt sein, wobei die Lernmaschine 310 eine Gradientenverstärkungsmodell-Architektur für maschinelles Lernen umfassen kann.
In einer Ausführungsform kann die Schätzeinheit 306 dafür konfiguriert sein, den ersten Satz von Datenpaketen zu empfangen, die von der Überwachungseinheit 302 übertragen werden. In einer anderen Ausführungsform kann die Schätzeinheit 306 einen zweiten Satz von Datenpaketen aus dem erhaltenen ersten Satz von Datenpaketen extrahieren, wobei sich der zweite Satz von Datenpaketen auf die überwachten Echtzeitattribute bezieht.
In einer Ausführungsform kann die Schätzeinheit 306 unter Verwendung der Lernmaschine 310 basierend auf dem extrahierten zweiten Satz von Datenpaketen den Verschleiß vorhersagen, der an dem Bremsbelag während einer Bremsbetätigung stattfindet. In einer anderen Ausführungsform kann die Schätzeinheit 306 den vorhergesagten Verschleiß des Bremsbelags während jeder Bremsbetätigung akkumulieren und die Lebensdauer des Bremsbelags unter Berücksichtigung des akkumulierten Verschleißes schätzen.
In einer Ausführungsform kann das System 300 den vorhergesagten Verschleiß des Bremsbelags verifizieren, indem es den vorhergesagten Verschleiß mit einem Feld-Feedback-Datensatz vergleicht, der wiederum vorab gespeicherte Werte des Verschleißes des Bremsbelags umfasst.
Gemäß einer Ausführungsform kann die Schätzeinheit 306 über ein Netzwerk 304 mit der Überwachungseinheit 302 und der Lernmaschine 310 in Verbindung stehen. Ferner kann das Netzwerk 304 ein drahtloses Netzwerk, ein verdrahtetes Netzwerk oder eine Kombination davon sein, das als eine der verschiedenen Arten von Netzwerken, wie Intranet, Local Area Network (LAN), Wide Area Network (WAN), Internet und dergleichen, implementiert werden kann. Ferner kann das Netzwerk 304 entweder ein dediziertes Netzwerk oder ein gemeinsam genutztes Netzwerk sein. Das gemeinsam genutzte Netzwerk kann eine Vereinigung verschiedener Arten von Netzwerken darstellen, die eine Vielzahl von Protokollen verwenden können, zum Beispiel Hypertext Transfer Protocol (HTTP), Transmission Control Protocol/Internet Protocol (TCPIIP), Wireless Application Protocol (WAP) und dergleichen.
In einer Ausführungsform kann das System 300 unter Verwendung beliebiger oder einer Kombination von Hardwarekomponenten und Softwarekomponenten implementiert werden, wie z. B. einer Cloud, einem Server 308, einem Computersystem, einer Computervorrichtung, einer Netzwerkvorrichtung und dergleichen. Ferner kann das System 300 mit der Überwachungseinheit 302 über eine Website oder eine Anwendung interagieren, die sich in dem vorgeschlagenen System 300 befinden kann. In einer Implementierung kann auf das System 300 über eine Website oder eine Anwendung zugegriffen werden, die mit einem beliebigen Betriebssystem konfiguriert werden kann, einschließlich, ohne darauf beschränkt zu sein, Android™, iOS™ und dergleichen.
Bezugnehmend auf 4 können beispielhafte Funktionseinheiten der Schätzeinheit 306 einen oder mehrere Prozessoren) 402 umfassen. Der/die Prozessor(en) 402 kann/können als ein oder mehrere Mikroprozessoren, Mikrocomputer, Mikrocontroller, digitale Signalprozessoren, zentrale Verarbeitungseinheiten, Logikschaltungen und/oder beliebige Vorrichtungen implementiert werden, die Daten basierend auf Betriebsanweisungen manipulieren. Neben anderen Fähigkeiten ist/sind der/die Prozessor(en) 402 dafür konfiguriert, computerlesbare Anweisungen abzurufen und auszuführen, die in einem Speicher 404 der Schätzeinheit 306 gespeichert sind. Der Speicher 404 kann eine oder mehrere computerlesbare Anweisungen oder Routinen speichern, die abgerufen und ausgeführt werden können, um die Dateneinheiten über einen Netzwerkdienst zu erstellen oder gemeinsam zu nutzen. Der Speicher 404 kann eine beliebige nicht-transitorische Speichervorrichtung umfassen, z. B. einen flüchtigen Speicher wie RAM oder einen nicht-flüchtigen Speicher wie EPROM, Flash-Speicher und dergleichen.
In einer Ausführungsform kann die Schätzeinheit 306 auch eine oder mehrere Schnittstellen 406 umfassen. Die Schnittstelle(n) 406 kann/können eine Vielzahl von Schnittstellen umfassen, zum Beispiel Schnittstellen für Dateneingabe- und - ausgabevorrichtungen, die als E/A-Vorrichtungen bezeichnet werden, Speichervorrichtungen und dergleichen. Die Schnittstelle(n) 406 kann/können die Kommunikation der Schätzeinheit 306 mit verschiedenen Vorrichtungen, die mit der Schätzeinheit 306 gekoppelt sind, erleichtern. Die Schnittstelle(n) 406 kann/können auch einen Kommunikationspfad für eine oder mehrere Komponenten der Schätzeinheit 306 bereitstellen. Beispiele für solche Komponenten sind unter anderem die Verarbeitungsmaschine(n) 408 und die Datenbank 410.
In einer Ausführungsform kann/können die Verarbeitungsmaschine(n) 408 als eine Kombination aus Hardware und Programmierung (z. B. programmierbare Anweisungen) implementiert werden, um eine oder mehrere Funktionalitäten der Verarbeitungsmaschine(n) 408 zu implementieren. In den hier beschriebenen Beispielen können solche Kombinationen aus Hardware und Programmierung auf verschiedene Weise implementiert werden. Beispielsweise kann die Programmierung für die Verarbeitungsmaschine(n) 408 aus prozessorausführbaren Anweisungen bestehen, die auf einem nicht-transitorischen, maschinenlesbaren Speichermedium gespeichert sind, und die Hardware für die Verarbeitungsmaschine(n) 408 kann eine Verarbeitungsressource (z. B. einen oder mehrere Prozessoren) umfassen, um solche Anweisungen auszuführen. In den vorliegenden Beispielen kann das maschinenlesbare Speichermedium Anweisungen speichern, die, wenn sie von der Verarbeitungsressource ausgeführt werden, die Verarbeitungsmaschine(n) 408 implementieren. In solchen Beispielen kann die Schätzeinheit 106 das maschinenlesbare Speichermedium, das die Befehle speichert, und die Verarbeitungsressource zur Ausführung der Befehle umfassen, oder das maschinenlesbare Speichermedium kann getrennt, aber für das System 300 und die Verarbeitungsressource zugänglich sein. In anderen Beispielen kann/können die Verarbeitungsmaschine(n) 408 durch elektronische Schaltungen implementiert werden. Die Datenbank 410 kann Daten enthalten, die entweder gespeichert oder als Ergebnis von Funktionalitäten erzeugt werden, die von einer der Komponenten der Verarbeitungsmaschine(n) 408 implementiert werden. In einer Ausführungsform kann/können die Verarbeitungsmaschine(n) 408 eine Extraktionseinheit 412, eine Vorhersageeinheit 414, eine Verifizierungseinheit 416 und andere Einheiten 418 umfassen. Die andere(n) Einheit(en) 418 kann/können Funktionalitäten implementieren, die die von der Schätzeinheit 106 ausgeführten Anwendungen/Funktionen ergänzen.
In einer Ausführungsform kann die Extraktionseinheit 412 einen zweiten Satz von Datenpaketen aus dem erhaltenen ersten Satz von Datenpaketen extrahieren, wobei sich der zweite Satz von Datenpaketen auf die überwachten Echtzeitattribute bezieht. In einer beispielhaften Ausführungsform können die überwachten Attribute den Bremsdruck, die Bremszeit und die Geschwindigkeit der Räder des Fahrzeugs umfassen, ohne darauf beschränkt zu sein.
In einer Ausführungsform kann die Vorhersageeinheit 414 basierend auf dem extrahierten zweiten Satz von Datenpaketen einen Verschleiß vorhersagen, der an dem Bremsbelag während der Betätigung der Bremse 312 auftritt. In einer anderen Ausführungsform kann der vorhergesagte Verschleiß des Bremsbelags während jeder Bremsbetätigung akkumuliert werden. Ferner kann die Vorhersageeinheit 414 die Lebensdauer des Bremsbelags unter Berücksichtigung des akkumulierten Verschleißes schätzen.
In einer Ausführungsform kann die Verifizierungseinheit 416 die Verifizierung des vorhergesagten Verschleißes des Bremsbelags ermöglichen, indem sie den vorhergesagten Verschleiß mit einem Feld-Feedback-Datensatz vergleicht, der vorgespeicherte Werte des Verschleißes des Bremsbelags enthält, und ferner die Abweichung zwischen dem vorhergesagten Verschleiß des Bremsbelags und einem der vorgespeicherten Werte in dem Feld-Feedback-Datensatz berechnet.
In einer Ausführungsform, wenn die berechnete Abweichung zwischen dem vorhergesagten Verschleiß des Bremsbelags und einem der vorgespeicherten Werte in dem Feld-Feedback-Datensatz innerhalb einer vordefinierten Grenze liegt, wird der vorhergesagte Verschleiß von der Verifizierungseinheit 416 verifiziert, wobei ferner die geschätzte Lebensdauer des Bremsbelags auf einem Bildschirm angezeigt werden kann. In einer beispielhaften Ausführungsform kann das System 300 zwischen einer oder mehreren Zonen, wie z. B. Grün, Gelb und Orange, wie in 5 dargestellt, basierend auf dem akkumulierten Verschleiß des Bremsbelags umschalten und kann ferner eine der einen oder mehreren Zonen auswählen und anzeigen, um den Verschleißpunkt 502 des Bremsbelags der Bremse 312 darzustellen.
In einer anderen Ausführungsform, wenn die Abweichung zwischen dem vorhergesagten Verschleiß des Bremsbelags und dem Feld-Feedback-Datensatz den vordefinierten Grenzwert überschreitet, verifiziert die Verifizierungseinheit 416 den vorhergesagten Verschleiß des Bremsbelags nicht. In einer beispielhaften Ausführungsform kann der vordefinierte Grenzwert als 10 % (Prozent) konfiguriert werden.
In einer weiteren Ausführungsform, wenn die Verifizierungseinheit 416 den vorhergesagten Verschleiß des Bremsbelags nicht verifiziert, kann das System 300 iterativ den an dem Bremsbelag aufgetretenen Verschleiß vorhersagen, bis der vorhergesagte Verschleiß des Bremsbelags innerhalb der vordefinierten Grenze liegt, und dementsprechend kann das System 300 die Lernmaschine 310 aktualisieren.
In einer beispielhaften Ausführungsform, wie in 7 dargestellt, kann das System 300 die Lernmaschine 310 aktualisieren, die mit einer Gradientenverstärkungsmodell-Architektur für maschinelles Lernen ausgestattet ist, indem Hyperparameter, die für die Vorhersage des Verschleißes erforderlich sind, abgestimmt werden, wobei das System 300 die Hyperparameter durch Trainings- und Testdatensätze abstimmen kann. In einer anderen beispielhaften Ausführungsform können die Werte des Verschleißes, die unter Verwendung des Trainingsdatensatzes und des Testdatensatzes berechnet wurden, verglichen werden, und dementsprechend können die Hyperparameter abgestimmt werden, um mit dem tatsächlichen Verschleiß des Bremsbelags übereinzustimmen. In noch einer weiteren beispielhaften Ausführungsform kann der Testdatensatz mehrere Werte der Attribute umfassen, die mit der Bremsbetätigung verbunden sind, wobei eine Vielzahl von Varianten in einer Bremsbaugruppe berücksichtigt werden, die beliebige oder eine Kombination von Bremssattelgröße, Bremsbelagmaterial und Scheibendesign umfasst.
Bezugnehmend auf 6, wenn eine Person (hier auch als Benutzer bezeichnet) das System 300 in seinem/ihrem Fahrzeug dafür konfiguriert, die Lebensdauer eines Bremsbelags des Fahrzeugs zu schätzen, kann das System 300 in Block 602 Daten von der Überwachungseinheit 302 des Fahrzeugs extrahieren, die ESP ECU (Electronic Stability Program - Elektronisches Stabilitätsprogramm; Electronic Control Unit - Elektronische Steuereinheit) umfassen kann, wobei die extrahierten Daten den mittleren Bremsdruck, die Bremszeit und den Raddrehzahl-Startwert für jede Bremsbetätigung enthalten können.
In einer Ausführungsform können die extrahierten Daten in Block 604 an ein Backend/eine Cloud, z. B. eine intelligente Mercedes-Cloud, übertragen werden, wo sie gespeichert werden können. Ferner können die gespeicherten Daten in Block 606 in ein Gradientenverstärkungsmodell für maschinelles Lernen eingespeist werden, das Daten pro Bremsenvariante lernt, d. h. für jede Bremsenvariante werden unterschiedliche Daten gelernt, z. B. Datenlernen in Bezug auf Bremsvarianten für eine Fahrzeuglinie, wobei sich das Gradientenverstärkungsmodell für maschinelles Lernen basierend auf dem Lernen ferner selbst aktualisiert.
In einer Ausführungsform kann das System 300 in Block 608 einen unbekannten Verschleiß für das Fahrzeug des Benutzers durch das Gradientenverstärkungsmodell für maschinelles Lernen vorhersagen. In einer beispielhaften Ausführungsform kann das Gradientenverstärkungsmodell für maschinelles Lernen basierend auf Prüfstands- und Haltbarkeits-Fahrzeugdaten entsprechend der Bremsenvariante und dem Fahrverhalten der globalen Märkte erlernt werden. Es kann ein bestimmtes gelerntes Modell für eine bestimmte Bremsenvariante in einem Markt geben. Darüber hinaus können die Prüfstandsdaten den Mittelwert des Bremsdrucks, die Bremszeit, den Startwert der Raddrehzahl und den Mittelwert des gemessenen Verschleißes der äußeren und inneren Beläge für jede angewendete Bremsbetätigung beim Komponententest auf dem Prüfstand enthalten. Enorme Bremsbetätigungsdaten vom Prüfstand können als Trainingsdaten bezeichnet werden. Darüber hinaus können die Haltbarkeitsdaten des Fahrzeugs den Mittelwert des Bremsdrucks, die Bremszeit und den Startwert der Raddrehzahl für jede Bremsbetätigung in einem Fahrzeugtest enthalten, der das Fahrverhalten des globalen Marktes nachbildet. Nach bestimmten gefahrenen Kilometern kann der tatsächliche Belagverschleiß in diesen Fahrzeugen gemessen werden. Enorme Bremsbetätigungsdaten von langlebigen Fahrzeugen können als Testdaten bezeichnet werden. Das maschinelle Lernen kann zwischen Trainings- und Testdaten durchgeführt werden, indem dieGradientenverstärkungs-Hyperparameter maximale Tiefe und Lernrate definiert werden. Diese Hyperparameter können so lange iteriert werden, bis die beste Anpassung an den tatsächlichen Belagverschleiß von langlebigen Fahrzeugen gefunden ist.
Ferner kann in Block 610 eine Abweichung berechnet werden, indem der vorhergesagte Verschleiß mit einer Datenbank 612 verglichen wird, die Feld-Feedback pro Bremsvariante basierend auf dem tatsächlichen Belagverschleiß und dem Kilometerzähler (ODO) enthält. In einer anderen Ausführungsform kann die Datenbank 612 basierend auf Fahrzeug-Feedback (Block 612-1) des Benutzers und basierend auf Informationen (Block 612-2) über die Funktionsweise verschiedener Bremsvarianten, z. B. einer Fahrzeuglinie, aktualisiert werden.
In einer Ausführungsform kann das System, wenn die berechnete Abweichung innerhalb einer Grenze von +/-10 % liegt, in Block 614 den vorhergesagten Verschleiß akkumulieren, der in Block 616 in eine digitale Form umgewandelt werden kann, die die Lebensdauer des Belags darstellt, und die digitale Darstellung kann in Block 618 auf einem Armaturenbrett oder auf einer App in einer mobilen Computervorrichtung, wie z. B. einem Laptop, Smartphone oder Tablet, durch einen Wechsel der Zonen, wie z. B. Grün/Gelb/Orange, angezeigt werden. Immer wenn sich die Zonen ändern und der Benutzer den Status des Belags überprüfen möchte, kann die digitale Lebensdauer des Belags in der App bzw. auf dem Armaturenbrett angezeigt werden.
Wird in einer anderen Ausführungsform festgestellt, dass die berechnete Abweichung den Grenzwert von +/-10 % überschreitet, kann das System 300 seine Genauigkeit verbessern, indem es das Gradientenverstärkungsmodell für maschinelles Lernen so abstimmt, dass die Vorhersage des Modells mit dem Feld-Feedback übereinstimmt.
Die Funktionsweise des Systems 300 wird erfolgreich in Kundenfahrzeugen innerhalb einer Abweichung von +/-10 % validiert, und dementsprechend wird ein Diagramm, wie in 8 dargestellt, aufgezeichnet, das die tatsächliche Lebensdauer der Bremsbeläge und die vorhergesagte Lebensdauer darstellt.
Folglich kann das System 300 Informationen liefern, bevor die Bremsbeläge verschlissen sind, was den Benutzern hilft, den Austausch der Bremsbeläge rechtzeitig zu planen. Darüber hinaus ist das System 300 mit ESP ECU 302 konfiguriert, was die Vermeidung von Belagverschleißsensoren ermöglicht und somit zu Kosteneinsparungen beiträgt. Darüber hinaus ermöglicht das Gradientenverstärkungsmodell für maschinelles Lernen eine Minimierung der Datenpipeline und der Komplexität des Modelllernens, so dass seine Implementierung leicht machbar ist.
Unter Bezugnahme auf 9 kann das vorgeschlagene Verfahren 900 (hier auch als Verfahren 900 bezeichnet) zur Schätzung der Lebensdauer eines Bremsbelags eines Fahrzeugs in Block 902 die Überwachung von Echtzeitattributen, die mit der Bremsbetätigung in einem Fahrzeug verbunden sind, durch eine Überwachungseinheit (hier auch als Datensammler bezeichnet) umfassen.
In einer anderen Ausführungsform kann das Verfahren 900 in Block 904 das Erhalten eines ersten Satzes von Datenpaketen von dem Datensammler durch eine Schätzeinheit (hier auch als Datenaggregator bezeichnet) und das Extrahieren eines zweiten Satzes von Datenpaketen aus dem erhaltenen ersten Satz von Datenpaketen, die sich auf die überwachten Echtzeitattribute beziehen, umfassen.
In einer anderen Ausführungsform kann das Verfahren 900 das Vorhersagen, in Block 906 im Datenaggregator unter Verwendung einer Lernmaschine, des Verschleißes umfassen, der am Bremsbelag während einer Bremsbetätigung aufgetreten ist, basierend auf dem zweiten Satz von Datenpaketen, die im Block 904 extrahiert werden.
In einer anderen Ausführungsform kann das Verfahren 900 das Akkumulieren, in Block 908 im Datenaggregator, des vorhergesagten Bremsbelagverschleißes während jeder Bremsbetätigung sowie das Schätzen, unter Berücksichtigung des akkumulierten Verschleißes, der Lebensdauer des Bremsbelags umfassen.
In einer Ausführungsform kann das Verfahren 900 darüber hinaus die Verifizierung des vorhergesagten Verschleißes des Bremsbelags durch Vergleich des vorhergesagten Verschleißes mit einem Feld-Feedback-Datensatz umfassen, der vorab gespeicherte Werte des Verschleißes des Bremsbelags enthält.
In einer Ausführungsform, wenn die Abweichung zwischen dem vorhergesagten Verschleiß des Bremsbelags und einem der vorgespeicherten Werte in dem Feld-Feedback-Datensatz innerhalb einer vordefinierten Grenze liegt, kann der vorhergesagte Verschleiß verifiziert werden, und außerdem wird die Lebensdauer des Bremsbelags, die im Block 908 geschätzt wird, auf einem Bildschirm angezeigt.
In einer anderen Ausführungsform verifiziert das Verfahren 900 den vorhergesagten Verschleiß des Bremsbelags nicht, wenn die Abweichung zwischen dem vorhergesagten Verschleiß des Bremsbelags und dem Feld-Feedback-Datensatz den vordefinierten Grenzwert überschreitet. Darüber hinaus kann das Verfahren 900 den am Bremsbelag aufgetretenen Verschleiß iterativ vorhersagen, bis der vorhergesagte Verschleiß des Bremsbelags innerhalb der vordefinierten Grenze liegt, und dementsprechend kann die Lernmaschine aktualisiert werden.
Bezugnehmend auf 10 umfasst das Computersystem eine externe Speichervorrichtung 1010, einen Bus 1020, einen Hauptspeicher 1030, einen Festwertspeicher 1040, ein Massenspeichervorrichtung 1050, einen Kommunikationsanschluss 1060 und einen Prozessor 1070. Fachleute werden verstehen, dass ein Computersystem mehr als einen Prozessor und Kommunikationsanschluss umfassen kann. Beispiele für einen Prozessor 1070 sind unter anderem Intel® Itanium® oder Itanium 2 Prozessoren,AMD® Opteron® oder Athlon MP® Prozessoren, Motorola® Prozessoren, FortiSOC™ System on a Chip Prozessoren oder andere zukünftige Prozessoren. Der Prozessor 1070 kann verschiedene Module enthalten, die mit Ausführungsformen der vorliegenden Erfindung verbunden sind. Der Kommunikationsanschluss 1060 kann ein RS-232-Anschluss zur Verwendung mit einer modembasierten Wählverbindung, ein 10/100-Ethernet-Anschluss, ein Gigabit- oder 10-Gigabit-Anschluss über Kupfer oder Glasfaser, ein serieller Anschluss, ein paralleler Anschluss oder andere bestehende oder zukünftige Anschlüsse sein. Der Kommunikationsanschluss 1060 kann in Abhängigkeit von einem Netzwerk, wie z. B. einem Local Area Network (LAN), Wide Area Network (WAN) oder einem anderen Netzwerk, mit dem das Computersystem verbunden ist, gewählt werden.
In einer Ausführungsform kann der Speicher 1030 ein Direktzugriffsspeicher (RAM) oder eine andere dynamische Speichervorrichtung sein, die in der Technik allgemein bekannt ist. Der Festwertspeicher 1040 kann eine beliebige statische Speichervorrichtung sein, z. B. ein programmierbarer Festwertspeicher (PROM-Chip) zum Speichern statischer Informationen, z. B. Start- oder BIOS-Anweisungen für den Prozessor 1070, ohne darauf beschränkt zu sein. Der Massenspeicher 1050 kann eine beliebige aktuelle oder zukünftige Massenspeicherlösung sein, die zum Speichern von Informationen und/oder Anweisungen verwendet werden kann. Beispielhafte Massenspeicherlösungen umfassen unter anderem PATA- (Parallel Advanced Technology Attachment) oder SATA- (Serial Advanced Technology Attachment) Festplattenlaufwerke oder Solid-State-Laufwerke (intern oder extern, z. B. mit Universal Serial Bus (USB) und/oder Firewire-Schnittstellen), z. B. solche, die von Seagate (z. B. die Seagate Barracuda 7102 Familie) oder Hitachi (z. B. die Hitachi Deskstar 7K1000) erhältlich sind, eine oder mehrere optische Platten, Redundant Array of Independent Disks (RAID)-Speicher, z. B. ein Array von Platten (z. B. SATA-Arrays), erhältlich von verschiedenen Anbietern wie Dot Hill Systems Corp., LaCie, Nexsan Technologies, Inc. und Enhance Technology, Inc.
In einer Ausführungsform verbindet der Bus 1020 den/die Prozessor(en) 1070 kommunikativ mit den anderen Speicher-, Speichervorrichtungs- und Kommunikationsblöcken. Der Bus 1020 kann z. B. aus einem Peripheral Component Interconnect (PCI) / PCI Extended (PCI-X) Bus, Small Computer System Interface (SCSI), USB oder ähnlichem für den Anschluss von Erweiterungskarten, Laufwerken und anderen Subsystemen sowie aus anderen Bussen, wie einem Front Side Bus (FSB), der den Prozessor 1070 mit dem Softwaresystem verbindet, bestehen.
In einer anderen Ausführungsform können auch Bediener- und Verwaltungsschnittstellen, z. B. ein Bildschirm, eine Tastatur und eine Cursorsteuerungsvorrichtung, mit dem Bus 1020 verbunden werden, um die direkte Interaktion des Bedieners mit dem Computersystem zu unterstützen. Andere Bediener- und Verwaltungsschnittstellen können über Netzwerkverbindungen bereitgestellt werden, die über den Kommunikationsanschluss 1060 angeschlossen sind. Die externe Speichervorrichtung 1010 kann jede Art von externen Festplatten, Diskettenlaufwerken, IOMEGA®-Zip-Laufwerken, Compact Disc - Read Only Memory (CD-ROM), Compact Disc - Re-Writable (CD-RW), Digital Video Disk - Read Only Memory (DVD-ROM) sein. Die oben beschriebenen Komponenten sind nur als Beispiele für verschiedene Möglichkeiten gedacht. Das oben beschriebene beispielhafte Computersystem soll in keiner Weise den Umfang der vorliegenden Offenbarung einschränken.
Es ist daher für Fachleute ersichtlich, dass die Diagramme, Schemata, Illustrationen und dergleichen konzeptionelle Ansichten oder Prozesse darstellen, die Systeme und Verfahren zur Umsetzung dieser Erfindung illustrieren. Die Funktionen der verschiedenen in den Figuren gezeigten Elemente können sowohl durch den Einsatz spezieller Hardware als auch durch Hardware, die in der Lage ist, zugehörige Software auszuführen, bereitgestellt werden. In ähnlicher Weise sind alle in den Figuren gezeigten Schalter nur konzeptionell. Ihre Funktion kann durch den Betrieb von Programmlogik, durch dedizierte Logik, durch das Zusammenwirken von Programmsteuerung und dedizierter Logik oder sogar manuell ausgeführt werden, wobei die jeweilige Technik von der Einheit, die diese Erfindung implementiert, ausgewählt werden kann. Fachleuten ist ferner ersichtlich, dass die hierin beschriebenen beispielhaften Hardware-, Software-, Prozess-, Verfahrens- und/oder Betriebssysteme nur der Veranschaulichung dienen und daher nicht auf bestimmte genannte Vorrichtungen beschränkt sein sollen.
Während das Vorstehende verschiedene Ausführungsformen der Erfindung beschreibt, können andere und weitere Ausführungsformen der Erfindung erfunden werden, ohne vom grundsätzlichen Umfang der Erfindung abzuweichen. Der Umfang der Erfindung wird durch die folgenden Ansprüche bestimmt. Die Erfindung ist nicht auf die beschriebenen Ausführungsformen, Varianten oder Beispiele beschränkt, die enthalten sind, um eine Person mit normalem Fachwissen auf dem Gebiet der Technik in die Lage zu versetzen, die Erfindung herzustellen und zu verwenden, wenn sie mit Informationen und Wissen kombiniert wird, die der Person mit normalem Fachwissen auf dem Gebiet der Technik zur Verfügung stehen.
Die vorliegende Offenbarung stellt ein System und ein Verfahren zur Vorhersage des Bremsbelagverschleißes durch ein Gradientenverstärkungsmodell für maschinelles Lernen bereit.
Die vorliegende Offenbarung stellt ein System und Verfahren bereit, das den Bremsbelagverschleiß mit höchster Genauigkeit je nach Bremsvariante und globalem Fahrverhalten vorhersagt.
Die vorliegende Offenlegung stellt ein System und Verfahren bereit, das Vorabinformationen liefert, bevor Bremsbeläge verschlissen sind, was Benutzern hilft, den Austausch der Bremsbeläge rechtzeitig zu planen.
Die vorliegende Offenbarung stellt ein System und Verfahren bereit, das es ermöglicht, den Bremsbelagverschleißsensor zu eliminieren und somit Kosten zu sparen.
Die vorliegende Offenbarung stellt ein System und Verfahren bereit, das die Komplexität der Datenpipeline und des Modelllernens minimiert, so dass die Implementierung leicht realisierbar ist.
Die vorliegende Offenbarung bietet ein System und Verfahren, das es dem Benutzer ermöglicht, den Status der Belaglebensdauer jederzeit einfach zu überprüfen.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

WO 2019171337 A1 [0005]

Claims

System (300) zum Abschätzen der Lebensdauer eines Bremsbelags (312) eines Fahrzeugs, wobei das System (300) Folgendes umfasst: eine Überwachungseinheit (302), die dafür konfiguriert ist, Echtzeitattribute zu überwachen, die mit der Bremsbetätigung in dem Fahrzeug verbunden sind; und eine Schätzeinheit (306), die mit einer Lernmaschine (310) und der Überwachungseinheit (302) gekoppelt ist, wobei die Schätzeinheit (306) einen oder mehrere Prozessoren umfasst, die operativ mit einem Speicher gekoppelt sind, wobei der Speicher Anweisungen speichert, die von dem einen oder den mehreren Prozessoren für Folgendes ausgeführt werden können: Erhalten eines ersten Satzes von Datenpaketen von der Überwachungseinheit (302) und Extrahieren eines zweiten Satzes von Datenpaketen aus dem erhaltenen ersten Satz von Datenpaketen, die sich auf die überwachten Echtzeitattribute beziehen; Vorhersagen, unter Verwendung der Lernmaschine (310), des Verschleißes, der an dem Bremsbelag während einer Bremsbetätigung auftritt, basierend auf dem extrahierten zweiten Satz von Datenpaketen; und Akkumulieren des vorhergesagten Verschleißes des Bremsbelags während jeder Bremsbetätigung und Schätzen der Lebensdauer des Bremsbelags (312) unter Berücksichtigung des akkumulierten Verschleißes.
System (300) nach Anspruch 1, wobei das System (300) den vorhergesagten Verschleiß des Bremsbelags verifiziert, indem es den vorhergesagten Verschleiß mit einem Feld-Feedback-Datensatz vergleicht, der vorab gespeicherte Werte des Bremsbelagverschleißes (312) umfasst; wobei, wenn die Abweichung zwischen dem vorhergesagten Verschleiß des Bremsbelags (312) und einem der vorgespeicherten Werte in dem Feld-Feedback-Datensatz innerhalb einer vordefinierten Grenze liegt, der vorhergesagte Verschleiß verifiziert wird und außerdem die geschätzte Lebensdauer des Bremsbelags (312) auf einem Bildschirm angezeigt wird.
System (300) nach Anspruch 2, wobei das System (300) den vorhergesagten Verschleiß des Bremsbelags (312) nicht verifiziert, wenn die Abweichung zwischen dem vorhergesagten Verschleiß des Bremsbelags und dem Feld-Feedback-Datensatz den vordefinierten Grenzwert überschreitet, wobei das System (300) iterativ den an dem Bremsbelag (312) aufgetretenen Verschleiß vorhersagt, bis der vorhergesagte Verschleiß des Bremsbelags (312) innerhalb der vordefinierten Grenze liegt, und dementsprechend das System (300) die Lernmaschine (310) aktualisiert.
System (300) nach Anspruch 3, wobei das System (300) die Lernmaschine (310) durch Abstimmung von Hyperparametern aktualisiert, die für die Vorhersage des Verschleißes erforderlich sind; wobei das System (300) die Hyperparameter durch Trainings- und Testdatensätze abstimmt, wobei Werte des Verschleißes, die unter Verwendung des Trainingsdatensatzes und des Testdatensatzes berechnet wurden, verglichen werden, und dementsprechend die Hyperparameter abgestimmt werden, um mit dem tatsächlichen Verschleiß des Bremsbelags (312) übereinzustimmen.
System (300) nach Anspruch 3, wobei der Testdatensatz mehrere Werte der Attribute umfasst, die mit der Bremsbetätigung verbunden sind, wobei eine Vielzahl von Varianten in einer Bremsbaugruppe berücksichtigt werden, die beliebige oder eine Kombination von Bremssattelgröße, Bremsbelagmaterial und Scheibendesign umfasst.
System (300) nach Anspruch 3, wobei der vordefinierte Grenzwert 10 % (Prozent) beträgt.
System (300) nach Anspruch 1, wobei das System (300), basierend auf dem akkumulierten Verschleiß des Bremsbelags, zwischen einer oder mehreren Zonen umschaltet, eine der einen oder mehreren Zonen auswählt und anzeigt.
System (300) nach Anspruch 1, wobei die Lernmaschine (310) eine Gradientenverstärkungsmodell-Architektur umfasst.
Verfahren (900) zum Abschätzen der Lebensdauer eines Bremsbelags eines Fahrzeugs, wobei das Verfahren (900) umfasst: Überwachen (902), durch eine Überwachungseinheit, von Echtzeitattributen, die mit der Bremsbetätigung in dem Fahrzeug verbunden sind; Erhalten (904), in einer Schätzeinheit, eines ersten Satzes von Datenpaketen von der Überwachungseinheit und Extrahieren eines zweiten Satzes von Datenpaketen aus dem erhaltenen ersten Satz von Datenpaketen, die sich auf die überwachten Echtzeitattribute beziehen; Vorhersagen (906), in der Schätzeinheit, unter Verwendung der Lernmaschine, des Verschleißes, der an dem Bremsbelag während einer Bremsbetätigung auftritt, basierend auf dem extrahierten zweiten Satz von Datenpaketen; und Akkumulieren (908), in der Schätzeinheit, des vorhergesagten Verschleißes des Bremsbelags während jeder Bremsbetätigung und Schätzen der Lebensdauer des Bremsbelags unter Berücksichtigung des akkumulierten Verschleißes.
Verfahren (900) nach Anspruch 9, wobei das Verfahren (900) die Verifizierung des vorhergesagten Verschleißes des Bremsbelags umfasst, indem es den vorhergesagten Verschleiß mit einem Feld-Feedback-Datensatz vergleicht, der vorab gespeicherte Werte des Verschleißes des Bremsbelags umfasst; wobei, wenn die Abweichung zwischen dem vorhergesagten Verschleiß des Bremsbelags und einem der vorgespeicherten Werte in dem Feld-Feedback-Datensatz innerhalb einer vordefinierten Grenze liegt, der vorhergesagte Verschleiß verifiziert wird und außerdem die geschätzte Lebensdauer des Bremsbelags auf einem Bildschirm angezeigt wird.