FOCUS Bikes Service Assist

Quick Check

Ausgangssituation

Moderne Fahrräder mit Carbonrahmen bieten viele Vorteile, besonders in Bezug auf Leichtigkeit und Formbarkeit. Fehler, defekte Bauteile oder Verschleiß fällt beim Fahren oder im Service meistens durch Geräusche auf. Durch das Resonanzverhalten von Carbonrahmen werden die Geräusche oft an ganz anderen Stellen hörbar und machen eine Lokalisierung sehr schwierig bis unmöglich. Hinzu kommen Geräusche, die nur während der Fahrt entstehen wie z. B. am Sattel oder Tretlager unter Belastung. So kommt es beispielsweise vor, dass etwas an der Schaltung nicht stimmt, aber vorne am Vorbau hörbar scheint, sodass der Besitzer oder Mechaniker fehlgeleitet wird und an der falschen Stelle sucht. Das kostet viel Zeit, Teile und Geduld.

Ist es in Zukunft möglich, mit Hilfe nur eines am (oder in Zukunft im) Rahmen montierten Sensors wie z. B. einem Mikrofon und einem Smartphone Fehlerfälle zu erkennen?

Lösungsidee

Forschungsfragen für den Quick Check:

Wo sollte der Sensor angebracht werden, um eine optimale Erkennung zu Gewährleisten.
Lassen sich ein bis zwei Fehlerfälle erkennen und unterscheiden?
Wie hoch ist der Aufwand und der Prozess um weitere Fälle zu trainieren?
Wie lassen sich die Algorithmen auf andere Fahrräder übertragen?

Nutzen

Das Training von Fehlerfällen bietet die Chance, eine Anwendung zu erstellen, die die Qualität der Fahrräder, des Service und die Sicherheit erhöht. Die Anwendung könnte außerdem schon in der Entwicklung zum Einsatz kommen. Der Quick Check bietet Aufschluss darüber, ob und wie die Chancen genutzt werden könnten, eine bisher nicht programmierbare Hilfestellung für verschiedene Gruppen zu bieten und das ggf. sogar über Herstellergrenzen hinweg. Es ist sogar denkbar, dass eine solche Anwendung zur Nachhaltigkeit von Fahrrädern beiträgt, falls es möglich wäre, auch den Verschleiß zu detektieren, ohne zusätzliche Sensoren an den Teilen verbauen zu müssen und damit Teile wie Bremsbeläge oder Reifen zum richtigen Zeitpunkt getauscht werden können.

Das Projekt bietet außerdem Aufschluss über Nutzerinteraktion mit KI und Sicherheit am Fahrrad und Straßenverkehr.

Umsetzung

Am Rahmen des Testrades wurden zwei Mikrofone angebracht. Ein Mikrofon direkt am Rahmen und ein weiteres am Lenkrad. Die Aufnahmen der Mikrofone wurden analysiert um die Potenziale einer Solchen Lösung sowie die Machbarkeit abschätzen zu können. Dafür wurden verschiedene Fehler und Probleme definiert. Ziel war es beispielsweise einen losen Bremssattel zu detektieren. Die Aufnahmen lassen sich auf vielfältige Weise analysieren und lassen erahnen welches Potenzial durch ein intelligentes, lernfähiges System erschlossen werden kann.

Darstellung einer Audioaufzeichnung mehrerer Schaltvorgänge

Frequenzspektrum über die gesamte Aufnahme

Darstellung von Audio-Features mit Hilfe eines MEL-Spektrogramms

MEL-Spektrogramms mit Short-Time Fourier-Transformation (STFT)

Unterschied ob mit oder ohne Motor-Unterstützung

Der lose Bremssatel verursacht bei der Betätigung ein deutliches Störgeräusch

Neben der vermuteten Erkennung von Fehlern, ist es auch möglich zu erkennen ob im richtigen Moment geschaltet wurde. Schaltet der Fahrende unter Last d.h. mit aktivem Motor wird sehr viel Kraft auf die Kette übertragen. Das führt zu einem erhöhten Verschleiß der Kette und den Ritzeln, besonders bei einem starken Motor und kann im schlimmsten Fall zum Bruch führen.

Anhand der Audioaufnahmen und der Analyse ergeben sich Beispielsweise folgende Möglichkeiten:

Feststellung von kontinuierlichen Veränderungen am Fahrrad z.B. Abnutzung, Druckverlust
Erkennung von Defekten z.B. loser Bremssattel
Erkennung von Wartungsbedarf z.B. Fetten der Gabel oder Pflege der Sattelstütze
Erkennung des aktuellen Untergrunds und Hinweise zum passenden Reifendrucks
Erfassung des Schaltverhaltens, Wartungsbedarf oder zukünftig automatische Nachjustierung der Schaltung