-
Stand der Technik
-
Die Erfindung betrifft eine Vorrichtung bzw. ein Verfahren zur Ansteuerung von Personenschutzmitteln nach der Gattung der unabhängigen Patentansprüche.
-
Aus
EP 0 458 796 B1 ist es bereits bekannt, eine Entscheidung zur Ansteuerung von Personenschutzmitteln auf der Basis von Beschleunigungssignalen zu bilden. Dabei wird zusätzlich auch die Kennlinie bzw. der Schwellwert in Abhängigkeit vom Beschleunigungssignal verändert, wobei das Beschleunigungssignal für den Vergleich mit der Kennlinie einer Integration unterzogen wird.
-
Aus der
DE 10 2005 017 218 A1 geht eine Vorrichtung zur Ansteuerung von Personenschutzmitteln hervor, nach denen die Vorrichtung einen ersten und einen zweiten Algorithmus aufweist. Der erste Algorithmus ist derjenige der auf einem neuronalen Netzwerk basiert und der zweite Algorithmus derjenige der konventionell funktioniert. Gemäß dem Gegenstand, der aus der
DE 10 2005 017 218 A1 hervorgeht, wird in Abhängigkeit vom Ergebnis einer Verarbeitung eines von einem Unfallsignal abgeleiteten Signals in einem ersten Algorithmus der auf der Basis eines neuronalen Netztes arbeitet, eine Entscheidung zur Ansteuerung getroffen. Die Vorrichtung weist einen zweiten Algorithmus auf, der den ersten Algorithmus in Abhängigkeit von einer Auswertung des Unfallsignals mittels eines Vergleichs eines von einem Unfallsignal abgeleiteten Signals mit einer Kennlinie (Schwellwert) beeinflusst.
-
Offenbarung der Erfindung
-
Die erfindungsgemäße Vorrichtung bzw. das erfindungsgemäße Verfahren zur Ansteuerung von Personenschutzmitteln mit den Merkmalen der unabhängigen Patentansprüche haben demgegenüber den Vorteil, dass auf den Algorithmus, der das Beschleunigungssignal auswertet, zusätzlich ein weiterer Algorithmus Einfluss nimmt, der mittels eines neuronalen Netzes aus dem Unfallsignal bestimmt, wie der erste Algorithmus zu beeinflussen ist. Damit gelingt es, zwei verschiedenartige Algorithmusfamilien zu kombinieren und dabei deren individuelle Nachteile zu umgehen. Entscheidend dabei ist, dass das neuronale Netz eine Zusatzfunktion des Hauptalgorithmus ist. Das neuronale Netz zeichnet sich insbesondere durch niedrige Applikationszeiten auf verschiedene Fahrzeuge und eine gute Auslöseperformance aus.
-
Außerdem lässt sich der Einflussbereich des neuronalen Netzes gezielt einschränken, d. h. die Hauptentscheidung wird durch das bewährte System bewerkstelligt, die Steigerung der Performance übernimmt das neuronale Netz.
-
Durch die in den abhängigen Ansprüchen aufgeführten Maßnahmen und Weiterbildungen sind vorteilhafte Verbesserungen der in den unabhängigen Patentsansprüchen angegebenen Vorrichtung bzw. des in den unabhängigen Patenansprüchen angegebenen Verfahrens möglich.
-
Besonders vorteilhaft ist, dass der zweite Algorithmus zu einer Kennlinienveränderung für den ersten Algorithmus führt. Das heißt, das neuronale Netzt führt zu einer Hebung oder Senkung der Empfindlichkeit des ersten Algorithmus.
-
Ausführungsbeispiele der Erfindung sind in der Zeichnung dargestellt und werden in der nachfolgenden Beschreibung näher erläutert.
-
Es zeigen
-
1 ein Blockschaltbild der erfindungsgemäßen Vorrichtung,
-
2 ein Ablaufdiagramm,
-
3 ein Diagramm,
-
4 ein Flussdiagramm und
-
5 ein neuronales Netz.
-
1 zeigt in einem Blockschaltbild die erfindungsgemäße Vorrichtung. Ein Steuergerät SG zur Ansteuerung von Personenschutzmitteln RHS erhält von einer ausgelagerten Unfallsensorik, beispielsweise einer Beschleunigungs- oder Drucksensorik BS1 über einen Interface-Baustein IF die Signale dieser Unfallsensorik BS1. Diese Signale werden dann vom Interface-Baustein IF an einen Mikrocontroller μC weitergegeben. Ebenso die Signale des im Steuergerät befindlichen Beschleunigungssensors BS2. In Abhängigkeit von diesen Signalen bestimmt der Mikrocontroller μC die Auslöseentscheidung. Dazu nutzt er erfindungsgemäß zwei Algorithmen. Der erste Algorithmus läuft konventionell ab und wertet die Beschleunigungssignale aus. Dafür verwendet der Mikrocontroller μC eine Kennlinie, deren Überschreiten beispielsweise die Ansteuerung der Personenschutzmittel bedingt.
-
Erfindungsgemäß ist vorgesehen, dass sich auf dem Mikrocontroller μC ein weiterer Algorithmus befindet, der beispielsweise im Speicher S auch abgespeichert ist. Dieser weitere Algorithmus weist ein neuronales Netzwerk auf.
-
Es ist möglich, dass lediglich eine Sensorik also B1 oder B2 vorliegt.
-
Solche neuronalen Netzwerke oder Netze sind insbesondere als lernende Systeme bekannt. Einem neuronalen Netz werden Informationen über die gegenwärtige Situation in Form von Eingabeinformation zugeführt. Die Eingabeinformationen werden dann durch das neuronale Netz verarbeitet. Anschließend können dem neuronalen Netz Ausgabeinformationen entnommen werden. Die Ausgabeinformationen beschreiben das Verhalten des neuronalen Netzes und stellen somit eine Entscheidung, eine Situationsbewertung oder eine Handlungsanweisung dar. Ein neuronales Netz kann trainiert werden, sodass es lernt, welche Ausgabeinformation für eine gegebene Eingabeinformation richtig ist. Dies wird als synaptisches Lernen bezeichnet. Mit Synapsen werden die Verbindungen zwischen den einzelnen Neuronen, den Elementen des neuronalen Netzes, bezeichnet. Durch Ausprägung der synergetischen Stärken erlernt das neuronale Netz, in welchem Zusammenhang die richtige Abbildung von Eingabeinformationen und Ausgabeinformationen gegeben ist.
-
Der Vorteil neuronaler Netze liegt darin, dass die Regeln zur Abbildung der Eingabeinformationen auf Ausgabeinformationen nicht explizit und deklarativ vorgegeben werden müssen. Vielmehr erlernt das neuronale Netz eine implizite Regel aus den Daten, mit welchen es trainiert wird. Nachteilig wirkt sich hierbei jedoch aus, dass das neuronale Netz nicht flexibler auf Kontextänderungen reagieren kann. Eine Kontextänderung, also eine Änderung des äußeren Sinnzusammenhangs, stellt die Anforderung an das neuronale Netz, die Abbildung von Eingabeinformationen auf Ausgabeinformationen mit sofortiger Wirkung umzustellen. Bei dem synaptischen Lernen handelt es sich jedoch um einen inkrementellen, zeitverzögerten Prozess, der keine flexible und schnelle Reaktion auf Kontextänderungen ermöglicht.
-
5 zeigt beispielhaft ein neuronales Netz. In einer ersten Phase werden Daten dem neuronalen Netz symbolisiert durch die Kreise 500 zugeführt. Die Eingabepunkte 500 sind mit allen Verknüpfungspunkten 501 verbunden. Diese stellen die Neuronen dar, die dann an den Ausgabepunkt 502 Ihre Daten weitergeben. Durch ein Training können die Neuronen und die Verbindung derart beeinflusst werden, dass auf bestimmte Eingabeparameter optimale Ausgabedaten folgen.
-
Erfindungsgemäß wird demnach der Mikrocontroller μC mit dem neuronalen Netz die Kennlinie beeinflussen, mit der beispielsweise ein Signal, das vom Beschleunigungssignal abgeleitet wurde, verglichen wird. Der Mikrocontroller μC nutzt für all diese Vorgänge den Speicher S. Ist eine Ansteuerungsentscheidung getroffen, dann überträgt der Mikrocontroller μC an eine Zündkreisschaltung FLIC die entsprechenden Ansteuerungsdaten. Die Zündkreisansteuerung FLIC steuert dann die Personenschutzmittel RHS wie Airbags, Gurtstraffer usw. an. Dazu werden beispielsweise Zündelemente oder Spulen schnell bestromt. Damit wird durch das neuronale Netzwerk die Leistungsfähigkeit des ersten Algorithmus unterstützt. Damit wird das Risiko des Einsatzes neuartiger Algorithmen deutlich reduziert und gleichzeitig ihre Vorteile, wie Reduktion der Applikationszeiten bzw. gute Auslöseperformance, optimal ausgenutzt.
-
2 zeigt in einem Ablaufdiagramm das Verhalten der erfindungsgemäßen Vorrichtung bzw. des erfindungsgemäßen Verfahrens. Im Verfahrensschritt 1 werden die Sensordaten der Unfallsensorik BS1 und BS2 an den ersten Algorithmus 2 und an den zweiten Algorithmus mit dem neuronalen Netzwerk 20 übertragen. Anhand des neuronalen Netzwerks 20 wird dann die Kennlinie im Algorithmus 2 beeinflusst. Über den Ausgang 3 ergeht dann das Steuerungssignal. Das neuronale Netzwerk wird durch ein automatisiertes Lernverfahren 5 trainiert. Der Kindersitz wird hinsichtlich seiner Parameter über Verfahrensschritt 4 manuell appliziert.
-
3 zeigt ein Diagramm, wobei die Abszisse durch eine Kenngröße A und die Ordinate durch eine Kenngröße B bezeichnet wird. Dargestellt sind eine Kennlinie 13 und ein Verlauf des Beschleunigungssignals 12. Die Ordinate wird durch das Bezugszeichen 11 und die Abszisse durch das Bezugszeichen 10 symbolisiert. Durch die gepunktete Kennlinie 14 ist der Eingriff des neuronalen Netzwerks symbolisiert. In Abhängigkeit vom Ergebnis des neuronalen Netzwerks wurde die Schwelle gemäß Bezugszeichen 14 abgesenkt.
-
4 zeigt in einem Flussdiagramm den Ablauf des erfindungsgemäßen Verfahrens. In Verfahrensschritt 400 wird ein Signal von der Unfallsensorik, die neben der angesprochenen Beschleunigungs- und Drucksensorik auch eine Umfeldsenosrik umfassen kann, an das erfindungsgemäße Steuergerät SG gesendet. Sodann wird das Signal von der Unfallsensorik im Verfahrensschritt 401 integriert und in Verfahrensschritt 403 einem neuronalen Netz zugeführt. Das Ergebnis des neuronalen Netzes wirkt ggf. auf einen Schwellwertentscheider 402 ein. Mit der Kennlinie wird dann das integrierte Signal verglichen. Dies geschieht in Verfahrensschritt 402. Auf die Kennlinie nimmt wie gesagt das neuronale Netz Einfluss 403. Wird der Schwellwert dann überschritten, wird in Verfahrensschritt 404 die Ansteuerungsentscheidung entschieden.