Verfahren und Vorrichtung zum maschinellen Lernen für die Alterungsvorhersage einer Komponente eines Fahrzeugs
Bei dem erfindungsgemäßen Verfahren zum maschinellen Lernen für die Alterungsvorhersage einer Komponente eines Fahrzeugs werden durch ein Fahrzeug Modellparametern für ein Alterungsmodell, das von mehreren Fahrzeugen dezentral trainiert wird, sowie eine Spezifikation von Fahrzeugdaten, die für das P...
Gespeichert in:
Hauptverfasser: | , |
---|---|
Format: | Patent |
Sprache: | ger |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | Bei dem erfindungsgemäßen Verfahren zum maschinellen Lernen für die Alterungsvorhersage einer Komponente eines Fahrzeugs werden durch ein Fahrzeug Modellparametern für ein Alterungsmodell, das von mehreren Fahrzeugen dezentral trainiert wird, sowie eine Spezifikation von Fahrzeugdaten, die für das Prädizieren der Alterung der Komponente geeignet sind; empfangen (10, 11). Zeitreihen der spezifizierten Fahrzeugdaten des Fahrzeugs werden erfasst (12) und mindestens eine statistische Kenngröße für die erfassten Zeitreihen der spezifizierten Fahrzeugdaten berechnet (13). Das Alterungsmodells (NN) wird basierend auf der mindestens einen statistischen Kenngröße trainiert (14), wobei eine Änderung der Modellparameter berechnet wird. Die geänderten Modellparameter (MP1A, MP1N, MP2A, MP2N) oder eine Information über die Änderung der Modellparameter wird an einen zentralen Server (ZS) gesendet (15).
The invention relates to a method for machine learning for predicting the aging of a component of a vehicle, in which method: a vehicle receives (10) model parameters for an aging model that is locally trained by a plurality of vehicles, and receives (11) a specification of vehicle data suitable for predicting the aging of the component; time series of the specified vehicle data of the vehicle are ascertained (12); at least one statistical parameter for the ascertained time series of the specified vehicle data is calculated (13); the aging model (NN) is trained (14) on the basis of the at least one statistical parameter, wherein a change in the model parameters is calculated; and the changed model parameters (MP1A, MP1N, MP2A, MP2N) or information relating to the change in the model parameters is transmitted (15) to a central server (ZS). |
---|