DE102006014915A1

DE102006014915A1 - Method for the computer-aided creation of processing instructions for the control of motor vehicle occupant protection systems

Info

Publication number: DE102006014915A1
Application number: DE200610014915
Authority: DE
Inventors: Michael Feser; Oskar Leirich
Original assignee: Siemens AG
Current assignee: Continental Automotive GmbH
Priority date: 2006-03-30
Filing date: 2006-03-30
Publication date: 2007-10-11
Also published as: WO2007113080A1

Abstract

Es wird ein Verfahren zum rechnergestützten Erstellen von Verarbeitungsvorschriften vorgeschlagen, die von einer Verarbeitungseinheit verarbeitbar sind. Bei dem Verfahren werden die Verarbeitungsvorschriften für die Durchführung eines Verfahrens zur Steuerung von Kraftfahrzeuginsassen-Schutzsystemen herangezogen. Gemäß diesem Verfahren wird ein gemeinsamer Unfallschwerefaktor oder eine digitale Auslöseentscheidung für das Schutzsystem ermittelt, wobei die Verarbeitungsvorschriften Regeln für eine Fuzzy-Logik darstellen und eine Regel eine Kombination einer Anzahl an Kriterien umfasst. Dabei wird die Erstellung der Regeln und/oder eine Optimierung der Lage und/oder Form von Fuzzy-Variablen durch ein neuronales Netz vorgenommen.A method is proposed for the computer-aided creation of processing rules which can be processed by a processing unit. In the method, the processing rules are used to carry out a method for controlling motor vehicle occupant protection systems. According to this method, a common accident severity factor or a digital triggering decision is determined for the protection system, the processing rules representing rules for a fuzzy logic and a rule comprising a combination of a number of criteria. The rules are created and / or the position and / or shape of fuzzy variables is optimized by a neural network.

Description

Die Erfindung betrifft ein Verfahren zum rechnergestützten Erstellen von Verarbeitungsvorschriften für die Steuerung von Kraftfahrzeuginsassen-Schutzsystemen.The The invention relates to a method for the computer-aided creation of processing instructions for the Control of motor vehicle occupant protection systems.

Verletzungen von Fahrzeuginsassen bei Unfällen resultieren in der Regel daher, dass die freie Masse der Fahrzeuginsassen weitgehend frei beweglich relativ zum Schwerpunkt des Fahrzeuges ist. Wird bei einem Unfall, insbesondere bei einem Aufprall auf ein Hindernis, das Fahrzeug abrupt abgebremst, so prallt, sofern keine Rückhaltesysteme eingesetzt werden, der sich noch weitgehend mit der ursprünglichen Geschwindigkeit des Fahrzeuges bewegende Körper eines Fahrzeuginsassen auf eine Innenfläche des Fahrzeugs, beispielsweise das Armaturenbrett oder das Lenkrad, auf.injury of vehicle occupants in accidents usually result therefore, that the free mass of the vehicle occupants largely freely movable relative to the center of gravity of the vehicle is. Will in an accident, especially in an impact an obstacle, the vehicle abruptly braked, so bounces, provided no restraint systems be used, which is still largely the original Speed of the vehicle moving bodies of a vehicle occupant on an inner surface the vehicle, such as the dashboard or the steering wheel, on.

Moderne Fahrzeuginsassen-Rückhaltesysteme haben die Aufgabe, mittels geeigneter Sensoren derartige Unfälle zu erkennen und die Bewegung der Fahrzeuginsassen möglichst sanft, d. h. unter Minimierung der auftretenden Kräfte auf den menschlichen Körper, abzubremsen. Neben den "traditionellen" Sicherheitsgurten, welche zur Minimierung der wirkenden Spitzenkräfte bei einem Unfall zumeist mit Gurtstraffern ausgestattet sind, sind Airbags in ihren verschiedenen Ausgestaltungen (beispielsweise Frontairbags, Seitenairbags oder Kopfairbags) heute die wichtigsten Rückhaltesysteme. Airbags bestehen i. d. R. aus dünnem Nylongewebe und werden im Falle eines entsprechenden Aufpralls mittels eines Gasgenerators innerhalb einer Zeit von ca. 10 bis 40 ms (verglichen mit einer typischen Aufpralldauer von ca. 150 ms) zu einem Luftkissen aufgeblasen, welches den Aufprall des Körpers eines Fahrzeuginsassen dämpfen soll. Je nach Airbagtyp entweicht während oder nach dem Aufprall des Fahrzeuginsassen auf den Airbag die Gasfüllung über so genannte "Vent Holes" (Lüftungslöcher) oder auch (in moderneren Airbags) über Ventile.modern Vehicle occupant restraint systems have the task of detecting such accidents by means of suitable sensors and the movement of the vehicle occupants as gently as possible, d. H. under Minimization of occurring forces on the human body, decelerate. In addition to the "traditional" seat belts, which tends to minimize the peak forces acting in an accident equipped with belt tensioners, airbags are in their various Embodiments (for example front airbags, side airbags or Head airbags) today the most important restraint systems. Airbags exist i. d. R. from thin Nylon fabric and are in case of an impact by means of of a gas generator within a time of about 10 to 40 ms (compared with a typical impact duration of about 150 ms) to an air cushion inflated, which is intended to dampen the impact of the body of a vehicle occupant. Depending on the type of airbag escapes during or after the impact of the vehicle occupant on the airbag, the gas filling on so-called "Vent Holes" (ventilation holes) or also (in more modern airbags) over Valves.

Bislang werden als Gasgeneratoren für Airbags so genannte Zündpillen verwendet, welche nach einem ähnlichen Prinzip wie Feststoffraketen funktionieren und mittels einer chemischen Reaktion (beispielsweise der Reaktion von Natriumazid mit Kaliumnitrat) Gas (z. B. Stickstoff) freisetzen.So far be used as gas generators for Airbags so-called squibs used, which after a similar Principle like solid rockets work and by means of a chemical Reaction (for example, the reaction of sodium azide with potassium nitrate) Release gas (eg nitrogen).

Modernere Gasgeneratoren und Airbags sind so ausgestaltet, dass mehrere "Zündstufen" gezündet werden können. So kann beispielsweise bei einem Aufprall mit relativ niedriger Geschwindigkeit lediglich die erste Stufe eines Airbags gezündet werden, wobei der Airbag zu einem kleinen, festen Luftkissen aufgeblasen wird. Bei einem schwereren Unfall wird (zusätzlich) die zweite Stufe mit einem größeren Airbagvolumen gezündet.More modern Gas generators and airbags are designed so that several "ignition stages" ignited can be. For example, in a crash with relatively lower Speed only the first stage of an airbag are detonated wherein the airbag is inflated to a small, solid air cushion becomes. In a more serious accident, the second stage is (additionally) a larger airbag volume ignited.

Diese "stufenweise" Zündung des Airbags wird jedoch in der nahen Zukunft ersetzt werden durch eine stufenlose Anpassung der Airbagfüllung an die zu erwartende Crash Schwere welche wiederum von der Aufprallgeschwindigkeit, der Aufprall- und der Insassensituation abhängt. Zu diesem Zweck werden derzeit analoge, stufenlos regelbare Gasgeneratoren entwickelt.This "gradual" ignition of the However, airbags will be replaced in the near future by a stepless adjustment of the airbag filling the expected crash severity which in turn depends on the impact velocity, the impact and occupant situation. For this purpose will be currently developed analog, continuously variable gas generators.

Die bei einem Unfall auf einen Insassen einwirkenden Kräfte bzw. die Beschleunigung der freien Masse des Insassen können nur schwer direkt gemessen werden. Daher sind modernere Kraftfahrzeuge mit einer Reihe von Sensoren, insbesondere Bewegungs- und Beschleunigungssensoren, ausgestattet. So ist beispielsweise in das zentrale Airbagsteuergerät (Electronic Control Unit, ECU) ein Beschleunigungssensor integriert. Oft sind weitere Sensoren, wie z.B. Körperschall- oder Drucksensoren, integriert im Frontbereich oder in den Seitenteilen des Fahrzeugs für die Messung der Beschleunigung bzw. der De formation oder Deformationsgeschwindigkeit in Fahrtrichtung oder auch quer zur Fahrtrichtung.The in an accident on an occupant acting forces or the acceleration of the free mass of the occupant can only hard to be measured directly. Therefore are more modern motor vehicles with a number of sensors, in particular motion and acceleration sensors, fitted. For example, in the central airbag control unit (Electronic Control Unit, ECU) integrated an acceleration sensor. Often are other sensors, such as borne or pressure sensors, integrated in the front area or in the side parts of the Vehicle for the measurement of the acceleration or the De formation or deformation speed in the direction of travel or transversely to the direction of travel.

Die verschiedenen Rückhaltesysteme werden i. d. R. mittels geeigneter Computersysteme, zumeist so genannter eingebetteter Systeme (Echtzeitsysteme), welche meist einen Mikrocomputer enthalten, gesteuert. Diese Steuerungen (welche im folgenden vereinfacht als Airbag-Steuerung bezeichnet werden) verarbeiten die Signale der verschiedenen Sensoren und entscheiden danach mittels verschiedener bekannter Algorithmen (im einfachsten Fall durch Vergleich der Sensorsignale mit vorgegebenen Grenzwerten), ob bestimmte Fahrzeuginsassen-Rückhaltesysteme ausgelöst werden sollen oder nicht. Weiterhin kann der optimale Zeitpunkt der Auslösung berechnet werden sowie, im Falle von stufenweise funktionierenden Rückhaltesystemen, welche Stufe jeweils ausgelöst werden soll.The various restraint systems i. d. R. by means of suitable computer systems, mostly so-called Embedded systems (real-time systems), which are usually a microcomputer included, controlled. These controls (which simplifies below referred to as airbag control) process the signals of different sensors and then decide by means of various known algorithms (in the simplest case by comparison of the sensor signals with predetermined limits), whether certain vehicle occupant restraint systems are triggered should or not. Furthermore, the optimal time of triggering can be calculated and, in the case of step-by-step restraint systems, which level triggered each shall be.

An diese Airbag-Steuerungen werden extreme Anforderungen bezüglich der Geschwindigkeit der Rechenoperationen gestellt. So müssen typischerweise innerhalb von weniger als 30 Mikro-Sekunden nach Beginn eines Aufpralls die entsprechenden Entscheidungen getroffen worden sein. Die in typischen Echtzeit-Systemen für Airbag-Steuerungen zur Verfügung stehenden Hardwareressourcen sind jedoch vergleichsweise gering: Typischerweise werden beispielsweise 32 bit-Prozessoren mit einer Taktfrequenz von 32 MHz und einem Arbeitsspeicher von 4-6 kByte eingesetzt. Aufgrund der enormen Echtzeitanforderungen kommt daher einer Optimierung der entsprechenden Algorithmen bei der Airbag-Steuerung eine besondere Bedeutung zu.At These airbag controls are extremely demanding in terms of Speed of the arithmetic operations. So typically have to within less than 30 micro-seconds of the start of an impact the appropriate decisions have been taken. In the typical real-time systems for airbag controls to disposal However, standing hardware resources are comparatively low: Typically, for example, 32-bit processors with a clock frequency of 32 MHz and a memory of 4-6 kByte used. by virtue of The enormous real-time requirements are therefore optimized the corresponding algorithms in the airbag control a special Meaning too.

Ein typisches Verfahren zur Steuerung eines Fahrzeuginsassen-Schutzsystems, das bei einem genügend starken Unfall das Schutzsystem auslöst, folgt dem nachfolgend beschriebenen Vorgehen. Eine Steuereinheit enthält mehrere Sensoren sowie eine Recheneinheit, welche während eines Unfalles anhand der Sensorsignale einen oder mehrere, den Unfallverlauf charakterisierende ISTwerte berechnet. Durch Vergleich der ISTwerte mit zugeordneten Auslöseschwellwerten wird entschieden, welche Fahrzeuginsassen-Schutzsysteme wie angesteuert werden. Dabei sind die Auslöseschwellwerte selbst vom Momentanwert der ISTwerte abhängig und werden ständig neu berechnet. Als charakteristische ISTwerte werden verschiedene Kenngrößen verwendet, wie beispielsweise ein aktueller Verzögerungsmittelwert oder ein partieller Geschwindigkeitsverlust.A typical method for controlling a vehicle occupant protection system, which in a sufficiently strong accident triggers the protection system, follows the procedure described below. A control unit contains a plurality of sensors and a computing unit which calculates one or more actual values characterizing the course of the accident during an accident on the basis of the sensor signals. By comparing the actual values with associated trigger thresholds, it is decided which vehicle occupant protection systems are controlled as. The tripping thresholds themselves are dependent on the instantaneous value of the actual values and are constantly recalculated. As characteristic actual values, different parameters are used, such as a current delay mean value or a partial loss of speed.

Bei anderen Verfahren wird bei einem Unfall die Unfallart bestimmt, also z. B. ob es sich um einen Frontalaufprall auf eine starre Wand, einen Aufprall auf ein starres Hindernis mit Teilüberdeckung, um einen Aufprall in einem spitzen Winkel oder einen Aufprall auf ein deformierbares Hindernis mit Teilüberdeckung ("Offset Deformable Barrier", ODB) handelt. Sofern aus den Signalverläufen der Sensorsignale nicht eindeutig auf eine bestimmte Unfallart geschlossen werden kann, wird ein Wahrscheinlichkeitswert gebildet, der die Wahrscheinlichkeit widerspiegelt, mit der ein Unfall zu einem bestimmten Unfalltyp gehört. Der Auslösealgorithmus für die Auslösung des Kraftfahrzeug-Insassenschutzsystems wird entsprechend dem erkannten Unfalltyp angepasst.at other methods, the type of accident is determined in an accident, So z. Whether it is a frontal impact on a rigid wall, an impact on a rigid obstacle with partial coverage, about an impact at an acute angle or impact a deformable obstacle with partial overlap ("Offset Deformable Barrier ", ODB) from the signal curves the sensor signals are not clearly closed to a specific type of accident is a probability value is formed that the Probability reflects, with which an accident to a certain Accident type belongs. The triggering algorithm for the release of the motor vehicle occupant protection system is recognized according to the Accident type adjusted.

Die bekannten und die beschriebenen Verfahren und Algorithmen zur Steuerung von Insassenschutzsystemen weisen verschiedene Nachteile auf.The known and the described methods and algorithms for control Occupant protection systems have several disadvantages.

Viele dieser Verfahren basieren auf einer Art Mustererkennung, wobei für den Unfall charakteristische Kenngrößen in ihrem Verlauf analysiert werden und dann aufgrund ihrer "Ähnlichkeit" mit vorgegebenen Verläufen die entsprechenden Fahrzeuginsassen-Schutzsysteme gesteuert werden. Derartige Algorithmen erfordern enormen Speicher- und Zeitaufwand und sind in typischen Echtzeitsystemen daher häufig nicht praktikabel.Lots These methods are based on a kind of pattern recognition, being for the accident characteristic parameters in theirs Course are analyzed and then because of their "similarity" with given courses the corresponding vehicle occupant protection systems are controlled. Such algorithms require enormous storage and time and are therefore often impractical in typical real-time systems.

Weiterhin müssen bei den bekannten Verfahren die für die Auslösealgorithmen verwendeten Parameter jeweils an das jeweilige Kraftfahrzeug und an die darin vorhandenen Sensortypen an gepasst werden. Dies erfordert einen großen Zeitaufwand für neue Kraftfahrzeugtypen. Vorteilhaft wäre hingegen ein Vorgehen, bei dem die für neue Sensor- und Fahrzeugtypen erforderlichen Parameter leicht und ohne größeren Aufwand ermittelt, vorzugsweise mit Computer-gestützten Verfahren automatisiert berechnet, werden können.Farther have to in the known methods the parameters used for the triggering algorithms in each case to the respective motor vehicle and to the existing therein Sensor types to be fitted. This requires a lot of time for new ones Types of motor vehicles. On the other hand, a procedure would be advantageous the one for new sensor and vehicle types required parameters easily and without greater effort determined, preferably automated with computer-based methods can be calculated.

Bei weiterentwickelten Verfahren zur Steuerung von Kraftfahrzeuginsassen-Schutzsystemen wird zur Steuerung ein gemeinsamer Unfallschwerefaktor genutzt. Bei diesem handelt es sich um eine "analoge" Größe, die verschiedene Varianten der Steuerung des Kraftfahrzeuginsassen-Schutzsystems erlaubt. So können beispielsweise durch einen Vergleich mit vorgegebenen Schwellwertfunktionen eine oder mehrere "digitale" Entscheidungen für jedes Kraftfahrzeuginsassen-Schutzsystem getroffen werden. Beispielsweise kann bei Überschreiten eines ersten Schwellwerts die erste Stufe eines Airbags gezündet werden, bei Überschreiten eines zweiten Schwellwerts die zweite Stufe. Alternativ kann jedoch der gemeinsame Unfallschwerefaktor auch zur analogen Steuerung genutzt werden. So kann beispielsweise ein Gurtkraftbegrenzer auf die Unfallschwere eingestellt werden. Bei Airbags mit einem analogen Gasgenerator kann das Aufblasverhalten analog durch den gemeinsamen Unfallschwerefaktor gesteuert werden.at advanced method of controlling vehicle occupant protection systems used to control a common accident severity factor. In this it is an "analog" size that various variants of the control of the motor vehicle occupant protection system allowed. So can for example, by comparison with predetermined threshold functions one or multiple "digital" decisions for each Vehicle occupant protection system are taken. For example can be exceeded a first threshold the first stage of an airbag are ignited, when crossing a second threshold, the second stage. Alternatively, however, can the common accident severity factor also used for analog control become. For example, a belt force limiter can focus on the severity of the accident be set. For airbags with an analog gas generator the inflation behavior can be analogous to the common accident severity factor to be controlled.

Besonders für Frontairbags ist eine sehr feine Auflösung des gemeinsamen Unfallsschwerefaktors nötig, um die richtigen Rückhaltemittel, auch abhängig von der Position der zu schützenden Insassen und deren Gewicht, zeitrichtig auszulösen. Durch die steigende Komplexität der Algorithmen ist es nicht mehr möglich, die im Rahmen der Algorithmen verwendeten Parameterwerte in akzeptabler Zeit bei der Erstellung des Algorithmus zu finden. Insbesondere hängt die Qualität des Verfahrens sehr stark von den benutzten bzw. ausgewählten Parametern und Parameterwerten ab. Das Ausfindigmachen der Parameter und Parameterwerte wird gegenwärtig auf manuelle Weise von Experten vorgenommen.Especially for front airbags is a very fine resolution of the common accident severity factor necessary to obtain the correct restraint means, also dependent from the position of the protected Inmates and their weight, timely trigger. Due to the increasing complexity of the algorithms it is no longer possible the parameter values used in the algorithms in acceptable To find time in the creation of the algorithm. In particular, the hangs quality of the method very much from the used or selected parameters and parameter values. Finding the parameters and parameter values becomes current made in a manual way by experts.

Aufgabe der vorliegenden Erfindung ist es daher, ein Verfahren anzugeben, mit welchem die Parameter für ein Steuerverfahren für ein Kraftfahrzeuginsassen-Schutzsystemen auf einfachere Weise automatisiert für unterschiedliche Fahrzeugtypen ermittelbar sind.task the present invention is therefore to provide a method with which the parameters for a tax procedure for Automated a vehicle occupant protection systems in a simpler way for different Vehicle types can be determined.

Diese Aufgabe wird durch die Erfindung mit den Merkmalen des unabhängigen Anspruchs gelöst. Vorteilhafte Weiterbildungen der Erfindung sind in den Unteransprüchen angegeben.These The object is achieved by the invention with the features of the independent claim solved. Advantageous developments of the invention are specified in the subclaims.

Bei dem vorgeschlagenen Verfahren zum rechnergestützten Erstellen von Verarbeitungsvorschriften, die von einer Verarbeitungseinheit verarbeitbar sind, werden die Verarbeitungsvorschriften für die Durchführung eines Verfahrens zur Steuerung von Kraftfahrzeuginsassen-Schutzsystemen herangezogen. Gemäß diesem Verfahren wird ein gemeinsamer Unfallschwerefaktor oder eine digitale Auslöseentscheidung für das Schutzsystem ermittelt, wobei die Verarbeitungsvorschriften Regeln für eine Fuzzy-Logik darstellen und eine Regel eine Kombination einer Anzahl an Kriterien umfasst. Dabei wird die Erstellung der Regeln und/oder eine Optimierung der Lage und/oder Form von Fuzzy-Variablen automatisiert durch ein neuronales Netz vorgenommen.In the proposed method for the computer-aided preparation of processing instructions that can be processed by a processing unit, the processing instructions are used for carrying out a method for controlling motor vehicle occupant protection systems. According to this method, a common crash severity factor or a digital trigger decision is determined for the protection system, the processing rules representing rules for a fuzzy logic, and a rule comprising a combination of a number of criteria. In doing so, the creation of the rules and / or an optimization The location and / or shape of fuzzy variables is automated through a neural network.

Der Erfindung liegt die Überlegung zugrunde, dass durch den Einsatz einer Fuzzy-Logik Regeln erstellt werden können, woraus sich eine gute Performance der Erkennungsleistung des Systems mit exzellenter Interpretierbarkeit der Lösung durch Experten ergibt. Der Einsatz einer Fuzzy-Logik weist ferner den Vorteil auf, dass die gefundenen Lösungen sehr gut interpretierbar sind. Da die Kalibrierung, d.h. die Erstellung von Regeln, die durch die Fuzzy-Logik verarbeitet werden, in der Regel sehr viel Zeit benötigt, sieht die Erfindung vor, die Erstellung und/oder Optimierung der Regeln durch ein neuronales Netz vorzunehmen. Unter dem Erstellen von Regeln wird die Kombination verschiedener durch die Regeln berücksichtigter Kriterien verstanden. Das Optimieren der Regeln der Fuzzy-Logik umfasst sowohl die Form der Fuzzy-Sets die zur Fuzzifizierung der Eingangskriterien eingesetzt werden als auch deren Parametern die die Lage der definierten Form im Sinne einer Übertragungskennlinie spezifizieren.Of the Invention is the consideration based on that created by the use of fuzzy logic rules can be which gives a good performance of the recognition performance of the system with excellent interpretability of the solution by experts. The use of fuzzy logic also has the advantage that the solutions found are very well interpretable. Since the calibration, i. the creation of rules that are processed by the fuzzy logic in the Usually takes a lot of time, looks the invention above, the creation and / or optimization of the rules through a neural network. Under the creation of rules becomes the combination of different criteria taken into account by the rules Understood. Optimizing the rules of fuzzy logic involves both the form of fuzzy sets used to fuzzify the entry criteria as also their parameters which the position of the defined form in the sense a transfer characteristic specify.

Dabei können verschiedene Lösungsansätze gewählt werden, ein neuronales Netz so zu gestalten, dass die benutzten Regeln aus bereits vorhandenen Datensätzen vom neuronalen Netz selbst ermittelt werden. Es können jedoch auch bereits vorhandene Regelsätze optimiert werden oder vorhandene Regelsätze der Fuzzy-Logik um zusätzliche oder neue Regeln erweitert werden.there can different solutions are chosen, to design a neural network so that the rules used existing records be determined by the neural network itself. It can, however also existing rule sets or existing rule sets of fuzzy logic by additional or new rules are extended.

Die Kombination einer Fuzzy-Logik mit neuronalen Netzen für die im Rahmen von Kraftfahrzeuginsassen-Schutzsystemen herangezogenen Algorithmen ermöglicht eine interpretierbare Lösung, da nachvollziehbar ist, welche Kriterien in welcher Form miteinander kombiniert werden. Weiterhin ist die Übertragungskennlinie zur Fuzzyfizierung und Bewertung der Kriterien bekannt. Dies erlaubt eine Abschätzung des Systemverhaltens bei geänderten Eingangsdaten. Eine Bewertung der Robustheit des Systems ist damit im Rahmen eines Expertenreviews gegeben.The Combination of fuzzy logic with neural networks for the Framework used by vehicle occupant protection systems algorithms allows an interpretable solution since it is comprehensible which criteria in which form with each other be combined. Furthermore, the transfer characteristic is fuzzyfication and evaluation of the criteria known. This allows an estimation of the System behavior with changed input data. An assessment of the robustness of the system is thus part of a Expert reviews given.

Eine Selektion der durch das neuronale Netz verarbeiteten Kriterien wird in einer Ausführungsform durch einen Brute-Force-Algorithmus vorgenommen. Dazu können bekannte Verfahren, wie z.B. statistische Häufigkeitsverteilungen, Korrelationsfunktionen oder Cluster-Algorithmen herangezogen werden.A Selection of the criteria processed by the neural network in one embodiment a brute-force algorithm performed. Can do this known methods, e.g. statistical frequency distributions, correlation functions or Cluster algorithms are used.

Um die Bestimmung der Eingangskriterien zu erleichtern und das Auffinden der Eingangskriterien zu beschleunigen, ist weiter vorgesehen, dass der Fuzzy-Logik aus einer Gesamtheit an durch die Fuzzy-Logik verarbeitbaren Parametern eine Teilmenge an Parametern zugeführt wird zur Bestimmung einer Zwischengröße, welche ihrerseits zur Bestimmung des gemeinsamen Unfallschwerefaktors weiterverarbeitet wird, wobei die Auswahl der, der Fuzzy-Logik zugeführten, Parameter durch das neuronale Netz erfolgt. Die Zwischengröße wird in Fachkreise auch als Zielgröße bezeichnet. Bei neuronalen Netzen des Typs Multi-Layer-Perceptron lernt die erste Schicht eine lineare Merkmalsextraktion selbstständig, so dass diese bei solchen neuronalen Netzen verborgen als Bestandteil des Lernverfahrens abläuft und damit der Anforderung der Interpretierbarkeit entgegenwirkt.Around to facilitate the determination of the entry criteria and finding to accelerate the entry criteria is further provided that the fuzzy logic of a total of processable by the fuzzy logic Parameters a subset of parameters is supplied to determine a Intermediate size, which in turn further processed to determine the common accident severity factor selecting the parameters supplied to the fuzzy logic through the neural network. The intermediate size is in professional circles too referred to as the target size. For neural networks of the multi-layer perceptron type, the first learns Layer a linear feature extraction on its own, so that these are in such hidden neural networks as part of the learning process and so that the requirement of interpretability counteracts.

Um die durch das neuronale Netz selektierten Parameter für die Fuzzy-Logik verarbeitbar zu machen, werden die der Fuzzy-Logik zugeführten Parameter einer Transformation unterzogen, aus der eine Anzahl von neuen Parametern hervorgeht, wobei jeder neue Parameter eine Kombination, insbesondere eine Linearkombination, der der Transformation zugeführten Parameter ist.Around the parameters selected by the neural network for the fuzzy logic To make it processable, the parameters supplied to the fuzzy logic become a transformation which reveals a number of new parameters, each new parameter being a combination, in particular a linear combination, who supplied the transformation Parameter is.

Die Transformation ist eine Koordinatentransformation, bei der in einem, durch zwei der Parameter aufgespannten, Koordinatensystem angeordnete Daten, die lediglich durch schiefe Trennungsgeraden voneinander in Teilmengen separierbar sind, derart transformiert werden, dass eine achsparallele Trennung von Datenteilmengen möglich ist. Die Koordinatentransformation wird durchgeführt, um ein Weiterverarbeiten durch die Fuzzy-Logik zu ermöglichen, welche eine Trennung der Daten in Datenteilmengen mittels schiefer Trennungsgeraden nicht vornehmen kann.The Transformation is a transformation of coordinates in which arranged by two of the parameters spanned, coordinate system Data just by skewed separation lines from each other are separable in subsets, are transformed such that an axis-parallel separation of data subsets is possible. The coordinate transformation is performed to be processed through the fuzzy logic to allow which slate a separation of the data in data subsets Separation line can not make.

Als neuronales Netz wird ein strukturiertes neuronales Netz verwendet, das eine problemspezifisch gewählte Netzarchitektur besitzt. Gegenüber konventionellen Netzarchitekturen weist dies den Vorteil auf, dass Vorwissen über die Struktur eingebracht werden kann. Weiterhin erleichtert eine geeignete Strukturierung die Interpretierbarkeit eines fertig trainierten neuronalen Netzes.When neural network uses a structured neural network, this is a problem-specific choice Owns network architecture. Compared to conventional Network architectures has the advantage that prior knowledge of the Structure can be introduced. Furthermore, facilitates a suitable Structuring the interpretability of a fully trained neural network.

Insbesondere ist es vorteilhaft, wenn das strukturierte neuronale Netz in eine Mehrzahl an Teilnetzen unterteilt wird, wobei durch jedes der Teilnetze zumindest eine Zwischengröße als Ausgangswert ermittelt wird, die als Eingangsgrößen zumindest einem weiteren Teilnetz des strukturierten neuronalen Netzes zugeführt werden. Hierbei wird ein Problem in kleinere Teilprobleme zerlegt, die sich einfacher, d.h. durch kleinere neuronale Netze, lösen lassen. Damit entfällt das Problem, ein großes, monolithisches Netz analysieren zu müssen. Zweckmäßigerweise ist hierbei für jedes der Teilnetze die zu berechnende Zwischengröße für die zu trainierenden Daten bekannt. Mit anderen Worten bedeutet dies, dass die Werte der zu berechnenden Zwischengrößen für die Trainingsdaten bekannt sind und als Vorgabe für den Trainingsalgorithmus verwendet werden.Especially it is advantageous if the structured neural network in a Is subdivided into a plurality of subnets, wherein each of the subnets determined at least one intermediate size as the initial value which is at least as inputs be supplied to another subnet of the structured neural network. Here, a problem is broken down into smaller sub-problems that are easier, i. through smaller neural networks, solve. This is eliminated the problem, a big, to analyze monolithic network. Conveniently, is here for each of the subnets the intermediate size to be calculated for training data known. In other words, this means that the values of the intermediate quantities to be calculated for the training data known are and as a default for the training algorithm can be used.

Es ist insbesondere vorgesehen, dass zum Trainieren des neuronalen Netzes die Ausgangsgröße vorgegeben wird, wobei die Ausgangsgröße eine Auslöse- oder Nicht-Auslöse-Entscheidung oder eine kontinuierliche ("analoge") Größe ist.It In particular, it is provided that to train the neural Net the output size specified is, with the output a trigger or Non-trigger decision or a continuous ("analog") size.

Bei dem Steuerverfahren, dem die Eingangskriterien zugeführt werden, werden bei einem Unfall folgende Schritte durchgeführt. Ein oder mehrere Sensoren erfassen eine oder mehrere vorgegebene physikalische Messgrößen, insbesondere eine Beschleunigung parallel und/oder quer zu einer Fahrtrichtung des Kraftfahrzeugs und/oder ein Drucksignal und/oder Körperschall und/oder eine Deformation des Kraftfahrzeugs und/oder die Fahrzeuggeschwindigkeit und/oder die Differenzgeschwindigkeit zum Kollisionspartner und/oder Informationen über die Form, Größe und die Überlappung mit dem Kollisionspartner als Funktion einer Fortschrittsvariablen. Aus diesen physikalischen Messgrößen wird der gemeinsame Unfallschwerefaktor berechnet, welcher die bei dem Unfall auftretende mögliche Verletzungsschwere eines Kraftfahrzeuginsassen charakterisiert. Entsprechend dem Wert des gemeinsamen Unfallschwerefaktors werden die Kraftfahrzeuginsassen-Schutzsysteme ggf. unter Einbeziehung von Insassen und Insassenposition derart gesteuert, dass sich eine Unfallfolgenminderung mit möglichst niedrigen Verletzungswerten ergibt.at the tax procedure to which the entry criteria are applied, the following steps are carried out in the event of an accident. One or more sensors detect one or more predetermined physical Measured variables, in particular an acceleration parallel and / or transverse to a direction of travel of the motor vehicle and / or a pressure signal and / or structure-borne sound and / or a deformation of the motor vehicle and / or the vehicle speed and / or the differential speed to the collision partner and / or information about the shape, size and overlap with the collision partner as a function of a progress variable. From these physical quantities is the common accident severity factor calculated which in the accident occurring possible Injury severity of a motor vehicle occupant characterized. According to the value of the common accident severity factor the vehicle occupant protection systems possibly including controlled by occupant and occupant position so that a Mitigate accident with as possible low injury levels.

Aus den ermittelten Unfallschwerefaktoren wird abhängig von den unfallcharakteristischen Bedingungen der gemeinsame Unfallschwerefaktor als Funktion der Fortschrittsvariablen ermittelt.Out The determined accident severity factors will depend on the accident characteristics Conditions of common accident severity factor as a function of Progress variables determined.

Bei den charakteristischen Kriterien kann es sich um eine Reihe verschiedener Kriterien handeln, welche teilweise eine anschauliche physikalische Bedeutung haben. So kann beispielsweise aus einer über einen gewissen Zeitverlauf hinweg gemessenen Beschleunigung durch Mittelung über eine vorgegebene Anzahl von Messwerten eine "aktuelle Verzögerungsmittelwert"-Funktion bestimmt werden. Weiterhin kann auch über kürzere Zeiten integriert werden. Außerdem kann eine Funktion ermittelt werden, welche die zeitliche Änderung der Beschleunigung charakterisiert sowie eine Signal-Dynamik-Funktion, welche beispielsweise Oszillationen der Beschleunigung innerhalb eines bestimmten Spektralbereichs charakterisiert. Es kann, wo der Terminus "Zeit" verwendet wird, analog auch eine weitere Fortschrittsvariable verwendet werden, die das zeitliche Voranschreiten der Aufprallsituation charakterisiert.at The characteristic criteria may be a number of different ones Criteria act, some of which are visual physical ones Have meaning. For example, from one over a over time measured acceleration by averaging over a predetermined number of measured values determines a "current delay mean value" function become. Furthermore, can also over shorter Times are integrated. Furthermore a function can be determined which shows the temporal change characterized by acceleration and a signal dynamics function, which, for example, oscillations of acceleration within of a given spectral range. It can be where the Term "time" is used analogous also another progress variable can be used which characterizes the temporal progression of the impact situation.

Bei der bzw. den Fortschrittsvariablen handelt es sich in der Regel um eine Zeitvariable, beispielsweise um die interne Zeit eines Mikrocomputers, eines Airbag-Steuergeräts. Auch andere periodische Signale, beispielsweise Signale, welche aus einem Signal der Kurbelwelle des Kraftfahrzeugs abgeleitet sind, lassen sich einsetzen. Es kann sich auch um andere Arten von Fortschrittsvariablen handeln, welche charakteristisch sind für das Stadium des Unfalls, in welchem sich das Kraftfahrzeug befindet. So kann beispielsweise eine gemessene Deformation des Kraftfahrzeugs oder von Teilen derselben als Fortschrittsvariable eingesetzt werden.at the progress variable (s) is usually by a time variable, such as the internal time of a microcomputer, an airbag control unit. Other periodic signals, such as signals, which are derived from a signal of the crankshaft of the motor vehicle, can be used. It can also be other types of progress variables which are characteristic of the stage of the accident, in which the motor vehicle is located. So, for example a measured deformation of the motor vehicle or parts thereof Progress variable can be used.

Im Weiteren können die Fortschrittsvariablen Informationen enthalten die vor dem ersten Kontakt der Kollisionspartner vorliegen. Die Informationen können zur Charakterisierung der Aufprallsituation ebenfalls eingesetzt werden wie zur Erfassung des Insassenstatus. Beispielsweise lassen sich Informationen über die Fahrzeuggeschwindigkeit, die Differenzgeschwindigkeit zum Kollisionspartner sowie Informationen über die Form, Größe und die Überlappung mit dem Kollisionspartner als Eingangsgrößen für den Algorithmus zur Crash Schwere Erkennung verwenden. Zur optimalen Steuerung der Rückhaltemittel, angepasst auf die Insassensituation, lassen sich Insassengröße, Gewicht und Position berücksichtigen.in the Further can the progress variables contain information before the first one Contact the collision partners present. The information can be used for Characterization of the impact situation also be used as for capturing occupant status. For example, you can information about the vehicle speed, the differential speed to the collision partner as well as information about the shape, size and overlap with the collision partner as input variables for the algorithm for the crash Use heavy detection. For optimum control of the retaining means, adjusted to the occupant situation, occupant size, weight and take into account position.

Die unfallcharakteristischen Bedingungen müssen keine einfachen "Wahr-/Falsch-Bedingungen" darstellen, sondern können "weiche" Bedingungen sein, wie diese von der Fuzzy-Logik bereitgestellt werden. Je nach dem, wie gut bestimmte Bedingungen erfüllt sind (z.B. eine Bedingung ist zu 90 % erfüllt), wird dem zugeordneten Hauptterm eine bestimmte Signifikanz zugewiesen. Da nun nicht mehr zwischen "Wahr" und "Falsch" hin- und hergeschaltet wird, lässt sich auf diese Weise insbesondere ein stetiger Verlauf des gemeinsamen Unfallschwerefaktors sicherstellen.The Accident-characteristic conditions do not have to represent simple "true / false conditions", but rather can be "soft" conditions how these are provided by fuzzy logic. Depending on, how well certain conditions are met (e.g., a condition is 90% fulfilled), the assigned main term is assigned a certain significance. Since no longer switching between "true" and "wrong", let yourself in this way, in particular a steady course of the common Ensure accident severity factor.

Insbesondere ist im Rahmen dieses Verfahrens vorgesehen, dass die Kraftfahrzeuginsassen-Schutzsysteme analog angesteuert werden. Hierbei wird bevorzugt ein Airbagsystem mit einem analogen Gasgenerator eingesetzt, welcher in analoger Weise durch den gemeinsamen Unfallschwerefaktor angesteuert wird.Especially is provided in the context of this procedure that the vehicle occupant protection systems be controlled analog. In this case, an airbag system is preferred used with an analog gas generator, which in analogue Way is driven by the common accident severity factor.

Die Erfindung betrifft ferner ein Computerprogrammprodukt mit auf einem maschinenlesbaren Träger gespeicherten Programmcodemitteln, um das erfindungsgemäße Verfahren in einer seiner Ausgestaltungen durchzuführen, wenn das Programm auf einem Computer oder Computer-Netzwerk ausgeführt wird.The The invention further relates to a computer program product on a machine-readable carrier stored program code means to the inventive method to perform in one of its embodiments, if the program is on a Computer or computer network is running.

Im Folgenden wird die Erfindung anhand von Ausführungsbeispielen näher erläutert. Es zeigen:in the Below, the invention will be explained in more detail with reference to embodiments. It demonstrate:

1 ein Ausführungsbeispiel für die Umsetzung eines neuronalen Netzes auf ein Fuzzy-Logik-System, 1 an embodiment for the implementation of a neural network on a fuzzy logic system,

2 ein weiteres Ausführungsbeispiel, das die Umsetzung eines neuronalen Netzes in ein Fuzzy-Logik-System zeigt, 2 another embodiment showing the conversion of a neural network into a fuzzy logic system,

3 ein Beispiel, welches die automatisierte Auswahl geeigneter Merkmale unterstützt, welche als Eingangskriterien im Rahmen eines Verfahrens zur Steuerung von Kraftfahrzeuginsassen-Schutzsystemen herangezogen werden können, 3 an example that supports the automated selection of suitable features that can be used as input criteria in the context of a method for controlling vehicle occupant protection systems,

4 ein x-y-Diagramm, in dem in einem, durch zwei zu verwendende Parameter aufgespannten Koordinatensystem liegende Daten angeordnet sind, welche einer Transformation zur Verarbeitung in dem Fuzzy-Logik-System vorgesehen sind, 4 an xy diagram in which data lying in a coordinate system spanned by two parameters to be used are arranged, which are provided for a transformation for processing in the fuzzy logic system,

5 ein weiteres x-y-Diagramm, welches eine Situation vor der Koordinatentransformation darstellt, 5 another xy-diagram, which represents a situation before the coordinate transformation,

6 die in 5 gezeigte Datenmenge nach der Koordinatentransformation, und 6 in the 5 shown amount of data after the coordinate transformation, and

7 ein Ausführungsbeispiel eines neuronalen Netzes, welches eine Anzahl von Teilnetzen umfasst. 7 an embodiment of a neural network comprising a number of subnets.

Im Rahmen der vorliegenden Erfindung erfolgt eine Klassifizierung eines Unfalls auf Basis einer Fuzzy-Logik. Die zu beurteilenden Kriterien werden hierbei durch die Fuzzy-Logik über einem gemeinsamen Unfallschwerefaktor, der als Crash Severity bezeichnet wird, abgebildet. Es erfolgt eine – ähnlich einer digitalen Logik – aufgebaute Verknüpfung, in der ein zelne Fuzzy-Sets einer oder mehrerer Verknüpfungen unterzogen werden. Anhand der Verknüpfungen kann auf nachvollziehbare Weise für die unterschiedlichsten Crash-Situationen der gemeinsame Unfallschwerefaktor ermittelt werden, anhand dem die geeigneten, auszulösenden Rückhaltemittel bestimmbar sind.in the Within the scope of the present invention, a classification of a Accident based on fuzzy logic. The criteria to be assessed are determined by the fuzzy logic over a common accident severity factor, which is referred to as crash severity shown. There is a - similar to one digital logic - built Shortcut, in the one individual fuzzy sets of one or more links be subjected. Based on the shortcuts can be traceable Way for the most diverse crash situations the common accident severity factor determined by the appropriate, to be triggered retention means are determinable.

Die mit den unterschiedlichen Fahrzeugstrukturen und zum Teil unterschiedlichen Sensorkonfigurationen verbundene Problematik besteht darin, dass die Bereitstellung der Fuzzy-Sets für jedes Fahrzeugmodell und für jeden Fahrzeugtyp neu bereitgestellt werden muss.The with different vehicle structures and partly different ones Sensor configurations associated problem is that the provision of fuzzy sets for each vehicle model and for each Vehicle type needs to be redeployed.

Aufgrund der Vielzahl der zu berücksichtigenden Kriterien bei einem Crash, wie z.B. die absoluten Geschwindigkeiten oder Relativgeschwindigkeit der aufeinander prallenden Fahrzeuge, der Geschwindigkeitsänderung, der Beschleunigung, der Beschleunigungsänderung, der Masse des Kollisionsobjekts, der Steifigkeit des Kollisionsobjekts oder dem Winkel des Aufpralls, ist die Bereitstellung der zu berücksichtigenden Kriterien zur weiteren Verarbeitung mit einem erheblichen Zeitaufwand verbunden.by virtue of the variety of the to be considered Criteria in a crash, such as the absolute speeds or relative velocity of the colliding vehicles, the speed change, the acceleration, the acceleration change, the mass of the collision object, the stiffness of the collision object or the angle of impact, is the provision of the criteria to be considered for further processing associated with a considerable amount of time.

Die der Erfindung zugrunde liegende Idee besteht deshalb darin, die Bereitstellung der Fuzzy-Sets unter Ausnutzung von neuronalen Netzen automatisiert vorzunehmen.The The idea underlying the invention is therefore that the Provision of fuzzy sets using neural networks automated.

Die Umsetzung eines neuronalen Netzes in ein Fuzzy-Logik-System kann beispielsweise unter Verwendung des bekannten Modells "ANFIS Model" (Adaptive Network-based Fuzzy Inference System) realisiert werden. Das Modell ist ein 5-schichtiges, vorwärts betriebenes neuronales Netz, welches in der Lage ist, ein TSK (Takagi-Sugeno-Kang) Fuzzy Inference System zu trainieren und Regeln in folgender Form unterstützt: WENN X1 = A1 UND ... UND Xn = An DANN Y = α0 + α1X1 + ... + αnXn. The implementation of a neural network into a fuzzy logic system can be realized, for example, using the known model "ANFIS Model" (Adaptive Network-based Fuzzy Inference System). The model is a 5-layer, forward-driven neural network capable of training a TSK (Takagi-Sugeno-Kang) fuzzy inference system and supporting rules in the following form: IF X1 = A1 AND ... AND Xn = To THEN Y = α 0 + α 1 X 1 + ... + α n X n ,

Dies ist in 1 veranschaulicht. Schicht 1 enthält in jedem der beispielhaft vier Knoten eine Zugehörigkeitsfunktion, welche die Eingangsgrößen fuzzifiziert. Jeder der Knoten ist genau mit einer Eingangsgröße X1, X2 verbunden. Die Anzahl der Knoten hängt von der Anzahl der Zugehörigkeitsfunktion pro Eingangsgröße ab. Diese können dabei unterschiedlich sein. In den einzelnen Knoten werden die Parameter der Zugehörigkeitsfunktion gespeichert und trainiert. Hierbei werden in der Regel Gauß'sche Funktionen verwendet.This is in 1 illustrated. Layer 1 in each of the exemplary four nodes contains a membership function which fuzzifies the input variables. Each of the nodes is exactly connected to an input quantity X1, X2. The number of nodes depends on the number of membership functions per input. These can be different. The parameters of the membership function are stored and trained in the individual nodes. Gaussian functions are usually used here.

Schicht 2 repräsentiert die Regelbasis und enthält für jede Regel einen Knoten (im Ausführungsbeispiel sind dies beispielhaft vier Knoten), welcher mit den jeweiligen Einheiten der vorhergehenden Schicht verbunden ist, die die Prämisse dieser Regel bilden. Die einzige Aufgabe dieser Knoten ist die Verknüpfung der Zugehörigkeitsgrade aus der vorhergehenden Schicht mit einer sog. T-Norm. In der Regel wird hierfür das Produkt oder die Funktion "Soft-Min" verwendet.layer 2 represents the rule base and contains for every Usually a node (in the embodiment these are four nodes by way of example), which with the respective Units of the previous layer is connected to the premise of this Form the rule. The only task of these nodes is to link the membership degrees from the previous layer with a so-called T-standard. Usually will therefor the product or function "Soft-Min" is used.

Schicht 3 stellt eine Erweiterung der Regelschicht dar, welche beispielhaft ebenfalls vier Knoten umfasst und die Aufgabe hat, die Erfüllungsgrade der einzelnen Regelprämissen zu normieren. Dies geschieht durch die Division der einzelnen Erfüllungsgrade durch die Summe aller Erfüllungsgrade.layer FIG. 3 illustrates an extension of the rule layer, which is exemplary also includes four nodes and has the task, the fulfillment levels the individual rule premises to normalize. This is done by dividing the individual degrees of fulfillment by the sum of all degrees of fulfillment.

Schicht 4 enthält Knoten, welche als Eingabe die Erfüllungsgrade der jeweiligen Regeln erhalten. Die Eingangsgrößen X1, X2 sind ebenfalls mit diesen Knoten verbunden. Zusammen mit den Erfüllungsgraden werden die einzelnen Regelausgaben berechnet.layer 4 contains Nodes, which as input the degrees of fulfillment of the respective Received rules. The input quantities X1, X2 are also connected to these nodes. Together with the fulfillment degrees The individual rules are calculated.

Schicht 5 (ein Knoten) berechnet schließlich einen finalen Ausgabewert Y, indem es alle Eingaben aus der vorhergehenden Schicht aufsummiert.layer 5 (one node) finally calculates one final output value Y, adding all the inputs from the previous one Layer added up.

2 stellt diesen Sachverhalt in einem weiteren, anschaulicheren Beispiel dar. Einer Eingabeschicht (Schicht 1) mit zwei Knoten (Neuronen) werden die Eingangsgrößen X1 und X2 zugeführt. Eine Prämissenschicht (Schicht 2) umfasst vier Knoten mit jeweils einer Regel. Die Knoten der Prämissenschicht sind jeweils mit den Knoten der Eingabeschicht verbunden. Ein "S" repräsentiert die Regel "Small", ein L repräsentiert die Regel "Large". Eine Regelschicht mit zwei Knoten umfasst die Regeln R1 und R2. Eine Konsequenzschicht (Schicht 4) enthält wiederum zwei Knoten, die mit den vorhergehenden Knoten der Regelschicht verbunden sind. Eine Ausgabeschicht (Schicht 5) enthält schließlich den finalen Ausgabewert, wobei deren einziger Knoten mit dem vorhergehenden Knoten der Konsequenzschicht verbunden ist. Das neuronale Netz lässt sich dabei wir folgt interpretieren:
R1: WENN X1 = "Small" UND X2 = "Small" DANN Y = "Small",
R2: WENN X1 = "Large" UND X2 = "Large" DANN Y = "Large". 2 puts this fact in a white A more intuitive, illustrative example. An input layer (layer 1) with two nodes (neurons) are supplied with the input quantities X1 and X2. A premise layer (layer 2) comprises four nodes, each with a rule. The nodes of the premise layer are each connected to the nodes of the input layer. An "S" represents the rule "Small", an L represents the rule "Large". A rule layer with two nodes includes the rules R1 and R2. A consequence layer (layer 4) again contains two nodes which are connected to the preceding nodes of the rule layer. Finally, an output layer (layer 5) contains the final output value with its single node connected to the preceding node of the consequence layer. The neural network can be interpreted as follows:
R1: IF X1 = "Small" AND X2 = "Small" THEN Y = "Small",
R2: IF X1 = "Large" AND X2 = "Large" THEN Y = "Large".

Um das Trainieren des neuronalen Netzes in seiner Komplexität möglichst effizient zu gestalten, werden die dem neuronalen Netz zur Verfügung gestellten Kriterien selektiert. Die Selektion der Kriterien kann automatisiert unterstützt werden. Die Kriterienauswahl selektiert eine Teilmenge aus allen bereitgestellten Kriterien. Bekannte Verfahren sind statistische Häufigkeitsverteilungen, Korrelationsfunktionen oder Cluster-Algorithmen. Beispiele hierfür sind z.B. Chi-Squared Test of Independence, K-Means (Non-Overlapping Clusters), Fuzzy C-Means (Overlapping Clusters), Mixture of Gaussians (Model-based Clustering) oder Principal Component Analysis (die zur Merkmalsextraktion innerhalb von neuronalen Netzen und der Klassifikation von Problemen verwendet wird).Around the training of the neural network in its complexity as possible efficient, are made available to the neural network Criteria selected. The selection of the criteria can be automated supports become. The criteria selection selects a subset of all provided criteria. Known methods are statistical Frequency distributions, Correlation functions or cluster algorithms. Examples of this are e.g. Chi-Squared Test of Independence, K-Means (Non-Overlapping Clusters), Fuzzy C-Means (Overlapping Clusters), Mixture of Gaussians (Model-based Clustering) or Principal Component Analysis (which is used for feature extraction within neural networks and the classification of problems is used).

So kann z.B. der Chi-Squared Independence Test benutzt werden, um die Abhängigkeit bzw. Unabhängigkeit einer bestimmten Crashsituation oder einer Crash Severity-Zwischengröße von der Verteilung der verschiedenen Features zu ermitteln. Der Abhängigkeitsgrad ist ein Maß dafür, wie geeignet ein Kriterium zur Ermittlung der Zielgröße, z.B. des Crashmodes, ist.So can e.g. The Chi-Squared Independence Test used to be the dependence or independence a specific crash situation or a crash severity intermediate size of the Determine distribution of different features. The dependency level is a measure of how suitable a criterion for determining the target size, e.g. of the crash mode, is.

In 3 ist ein Beispiel für das Kriterium der mittleren Beschleunigung ("AAP") auf der x-Achse und verschiedenen Crashsituationen auf der y-Achse dargestellt. Die Crashsituationen sind im Einzelnen wie folgt bezeichnet: 0 = verschiedene, 1 = Winkel, 2 = ODB (Offset Deformable Barrier), 3 = Frontaufprall, 4 = keine Auslösesituation, 5 = Pole.In 3 is an example of the criterion of mean acceleration ("AAP") on the x-axis and various crash situations on the y-axis. Specifically, the crash situations are designated as follows: 0 = different, 1 = angle, 2 = ODB (offset deformable barrier), 3 = front impact, 4 = no triggering situation, 5 = pole.

Mit dem Kriterium der mittleren Beschleunigung ist es möglich, für Werte AAP > 35 die Crash-Situationen 3 (Aufprall auf eine Wand) und 5 (Aufprall auf einen Pfosten) von den übrigen Crash-Situationen abzutrennen. Eine weitere Abgrenzung von Nicht-Auslösesituationen ist für AAP > 18 möglich.With the criterion of mean acceleration, it is possible for values AAP> 35 the crash situations 3 (impact on a wall) and 5 (impact on a pole) of the rest Separate crash situations. Another distinction from non-triggering situations is for AAP> 18 possible.

Für eine zuverlässige Klassifizierung aller Crash-Situationen ist ein einziges Kriterium nicht ausreichend. Deshalb werden verschiedene Merkmale miteinander kombiniert. Damit eine Verarbeitung der selektierten Kriterien und insbesondere eine Abbildung auf eine Fuzzy-Logik möglich sind, werden zwei im Zuge des Algorithmus zur Steuerung des Kraftfahrzeuginsassen-Schutzsystems gegenüber gestellte Kriterien einer Transformation unterzogen. Bei der Transformation ergibt sich eine Anzahl von neuen Kriterien. Jedes neue Kriterium ist dabei eine (Linear-)kombination der vorher selektierten Merkmale.For a reliable classification In all crash situations, a single criterion is not sufficient. Therefore, different features are combined. In order to a processing of the selected criteria and in particular an illustration possible on a fuzzy logic are two, in the course of the algorithm for controlling the vehicle occupant protection system faced Subjected to criteria of transformation. In the transformation There are a number of new criteria. Every new criterion is a (linear) combination of the previously selected features.

Bei neuronalen Netzen vom Typ Multi-Layer-Perceptron findet die Transformation in der ersten versteckten Schicht (Hidden Layer) statt, so dass diese verborgen als Bestandteil des Lernverfahrens abläuft. Bei Verwendung anderer Lernverfahren, z.B. bei regelbasierten Neuro-Fuzzy-Systemen, besteht auch die Möglichkeit einer Koordinatentransformation, z.B. der Drehung der Datenverteilung, in einem Merkmalsraum um eine Achsenparallelität herzustellen. Dies wird im Folgenden anhand des Ausführungsbeispiels der 4 bis 6 veranschaulicht.In neural networks of the type multi-layer perceptron, the transformation takes place in the first hidden layer, so that it runs hidden as part of the learning process. When using other learning methods, eg in rule-based neuro-fuzzy systems, there is also the possibility of a coordinate transformation, eg the rotation of the data distribution, in a feature space to produce an axis parallelism. This will be described below with reference to the embodiment of 4 to 6 illustrated.

Im Ausführungsbeispiel der 4 markieren Kreuze Datenpunkte einer bestimmten Klasse, bei der beispielsweise das Kraft fahrzeuginsassen-Schutzsystem auszulösen ist. Diese Klasse ist deshalb von allen anderen Datenpunkten (den ovalen Kreisen) zu trennen, welche beispielsweise eine Situation darstellen, in der das Fahrzeug mit kleiner Geschwindigkeit gegen eine starre Wand fährt oder ein sog. Misuse vorliegt, indem z.B. ein Schlagloch oder ein überfahrener Balken Auslöser für das Ansprechen der Sensoren ist. Die Daten sind in einem x-y-Koordinatensystem angeordnet, wobei auf der x- und der y-Achse jeweils im Rahmen des Algorithmus zu verwendende Kriterien „ADP" (mittlere Beschleunigung) und „Slope" aufgetragen sind. Eine Trennung der Kreuze kann durch ein konventionelles Multi-Layer-Perceptron durch die mit dem Bezugszeichen 10, 20 gekennzeichnet, schief in der Ebene liegenden Trennungsgeraden ("Unconstrained MLP") weitgehend erreicht werden. Dies ist jedoch nicht bei einem Fuzzy-Multilayer-Perceptron möglich, das nur achsenparallele Bereiche beschreiben kann ("Fuzzy MLP"). Dieser Nachteil kann durch eine Koordinatentransformation vermieden werden.In the embodiment of 4 mark crosses data points of a particular class, in which, for example, the vehicle-occupant protection system is to be triggered. This class must therefore be separated from all other data points (the oval circles), which represent, for example, a situation in which the vehicle is running at low speed against a rigid wall or a so-called misuse, for example by a pothole or an overrun bar triggers for the response of the sensors. The data are arranged in an xy coordinate system, with the criteria "ADP" (average acceleration) and "slope" to be used in the context of the algorithm being plotted on the x and y axes. A separation of the crosses can by a conventional multi-layer perceptron by the reference numeral 10 . 20 characterized by obliquely in-plane separation lines ("unconstrained MLP"). However, this is not possible with a fuzzy multilayer perceptron that can only describe axis-parallel areas ("fuzzy MLP"). This disadvantage can be avoided by a coordinate transformation.

Die 5 und 6 zeigen jeweils ein x-y-Diagramm, bei dem zwei im Rahmen des Algorithmus zu verarbeitende Kriterien HA und IW gegenüber gestellt sind. Die Daten einer Klasse, z.B. einer Auslösesituation, sind in den Figuren jeweils durch gefüllte, auf der Spitze stehende Quadrate gekennzeichnet (in der Legende mit C1 gekennzeichnet). Die Daten einer anderen Klasse, z.B. einer Nicht-Auslösesituation, sind durch Quadrate dargestellt (in der Legende: C2). Während in der 5 eine Trennung lediglich durch eine schiefe Trennungsgerade 10 möglich ist, ist nach einer entsprechenden Koordinatentransformation eine Trennung der Daten durch eine zur x-Achse parallele Trennungsgerade 10' möglich, so dass die Daten nun durch eine Fuzzy-Logik weiterverarbeitet werden können. Damit ist die Separation mit einfachen Fuzzy-Sets ermöglicht.The 5 and 6 each show an xy-diagram in which two criteria to be processed in the context of the algorithm are compared with HA and IW. The data of a class, for example a triggering situation, are indicated in the figures in each case by filled squares standing on the tip draws (marked in the legend with C1). The data of another class, eg a non-triggering situation, are represented by squares (in the legend: C2). While in the 5 a separation only by an oblique line of separation 10 is possible, after a corresponding coordinate transformation is a separation of the data by a parallel to the x-axis separation line 10 ' possible, so that the data can now be further processed by a fuzzy logic. This allows separation with simple fuzzy sets.

Im Rahmen der Erfindung können verschiedene Netztopologien des neuronalen Netzes herangezogen werden. Bevorzugt werden hierbei strukturierte neuronale Netze, die eine problemspezi fisch gewählte Netzarchitektur besitzen. Gegenüber konventionellen Netzen weisen diese die Vorteile auf, dass Vorwissen über die Struktur eingebracht werden kann und eine geeignete Strukturierung die Interpretierbarkeit des fertig trainierten Netzes erleichtert. Geeignet hierzu sind zwei alternative Strukturierungen. Dies sind einerseits die Strukturierung mit Neuro-Fuzzy-Methoden und andererseits eine Strukturierung mit Sub- oder Teilnetzen.in the Within the scope of the invention different network topologies of the neural network are used. Preference is given here to structured neural networks which have a selected problematic fish Own network architecture. Across from Conventional networks have the advantages that prior knowledge of the Structure can be introduced and a suitable structuring facilitates the interpretability of the finished trained network. Suitable These are two alternative structuring. These are one hand the structuring with neuro-fuzzy methods and on the other hand a Structuring with sub-networks or sub-networks.

Im letzteren Fall wird ein Problem in kleinere Teilprobleme zerlegt, die sich einfacher, d.h. durch kleinere neuronale Netze, lösen lassen. Ein Ausführungsbeispiel hierfür ist in 7 dargestellt. Bei diesem entfällt das Problem, ein großes monolithisches Netz analysieren zu müssen. Voraussetzung dafür ist, dass für jedes Teilnetz die jeweils zu berechnende Ausgabe y₁, y₂, y₃ für die zu trainierenden Daten bekannt sind. y₁, y₂, y₃ stellen hierbei Zielfunktionen dar. Mit anderen Worten müssen die Zielwerte der zu berechnenden Zwischengrößen für die Trainingsdaten bekannt sein.In the latter case, a problem is broken down into smaller sub-problems, which can be solved more easily, ie by smaller neural networks. An embodiment of this is in 7 shown. This eliminates the problem of having to analyze a large monolithic network. The prerequisite for this is that the respective output y ₁ , y ₂ , y ₃ to be calculated for each subnet is known for the data to be trained. y ₁ , y ₂ , y ₃ represent target functions. In other words, the target values of the intermediate variables to be calculated for the training data must be known.

Das Ausführungsbeispiel der 7 umfasst drei Teilnetze. Die Ausgangsneuronen sind jeweils mit y₁, y₂ und y₃ gekennzeichnet. y₁ kann beispielsweise für die vorhergesagte Endgeschwindigkeit einer Unfallsituation stehen. y₂ kann für die Geschwindigkeitsgradienten und y₃ für einen Aufprallwinkel beim Crash stehen. Während das linke Teilnetz vier Knoten in der Eingangsschicht und drei Knoten in der sog. Hidden Layer umfasst, weist das mittlere Teilnetz lediglich drei Eingangsknoten und zwei Knoten in der Hidden Layer auf. Das dritte Teilnetz in der rechten Seite der Figur umfasst sogar nur zwei Eingangsknoten und keine Hidden Layer. In der Ausgangsschicht der Teilnetze werden jeweils Zwischengrößen berechnet, die die Eingangsgrößen für ein weiteres neuronales Netz darstellen können. Die Gesamtausgabe kann je nach Auslegung entweder ein "analoger Crash Severity" Wert oder eine "digitale" Auslöse-/Nicht-Auslöse-Entscheidung sein.The embodiment of 7 includes three subnets. The output neurons are each labeled y ₁ , y ₂ and y ₃ . For example, y ₁ may represent the predicted end speed of an accident situation. y ₂ may represent the velocity gradients and y ₃ an impact angle in the crash. While the left subnet comprises four nodes in the input layer and three nodes in the so-called hidden layer, the middle subnet has only three input nodes and two nodes in the hidden layer. The third subnet in the right side of the figure even includes only two input nodes and no hidden layers. In each case, intermediate variables are calculated in the output layer of the subnetworks which can represent the input variables for a further neural network. The total output can be either an "analog crash severity" value or a "digital" trigger / no-trigger decision, depending on the design.

Die Strukturierung des neuronalen Netzes kann alternativ auch mit Neuro-Fuzzy-Methoden erfolgen. Ziel hierbei ist, ein strukturiertes neuronales Netz als Menge von Regeln interpretieren zu können, um so eine hohe Verständlichkeit zu gewährleisten. Wenn hierbei allerdings die Netzstruktur zu stark eingeschränkt wird, sind Verluste bei der Performance möglich. Linearisierungsfehler lassen sich durch eine genauere Approximation der sigmoiden Funktion des Netzes durch eine stückweise lineare Funktion eines Fuzzy-Sets vermeiden.The Structuring of the neural network can alternatively also be done with neuro-fuzzy methods respectively. The goal here is a structured neural network as To be able to interpret a set of rules in such a way that a high level of comprehensibility to ensure. If However, the network structure is too restricted, losses in performance are possible. Linearity error can be achieved by a more precise approximation of the sigmoid function of the network by a piecewise avoid linear function of a fuzzy set.

Claims

Method for the computer-aided creation of processing instructions, which are processable by a processing unit, wherein the Processing regulations for the implementation a method for controlling vehicle occupant protection systems be used, according to which Procedure a common accident severity factor or a digital one triggering decision for the protection system is determined, the processing rules rules for a fuzzy logic and a rule is a combination of a number of criteria includes, where the creation of rules and / or optimization the location and / or shape of fuzzy variables automated by a neural network.

Method according to claim 1, characterized in that that is a selection of the criteria processed by the neural network is done by a brute-force algorithm.

Method according to claim 1 or 2, characterized that of the fuzzy logic from a whole by the fuzzy logic processable parameters a subset of parameters is supplied for determining an intermediate variable, which in turn to further determine the common accident severity factor with the selection of the parameters supplied to the fuzzy logic by the neural network is done.

Method according to one of the preceding claims, characterized in that the parameters supplied to the fuzzy logic of a transformation be subjected to a reduced number of new parameters each new parameter is a combination, in particular a Linear combination, which is the parameter supplied to the transformation.

A method according to claim 4, characterized in that the transformation is a coordinate transformation, in which, arranged in a, spanned by two of the parameters, coordinate system data se only by skewed separation lines from each other in data subsets se can be parsed, are transformed such that an axis-parallel separation of data subsets is possible.

Method according to one of the preceding claims, characterized characterized in that as a neural network a structured neural Network, which is a problem specific network architecture has.

Method according to Claim 6, characterized that the structured neural network into a plurality of subnets is divided by at least one of each of the subnets Intermediate size as initial value is determined, the input variables at least one further Subnet of the structured neural network are supplied.

Method according to claim 7, characterized in that that for each of the subnets the intermediate size to be calculated for training data is known.

Method according to one of the preceding claims, characterized in that the output variable is predetermined for training the neural network is, with the output a Trigger or Non-trigger decision or a continuous size.

Method according to one of the preceding claims, thereby marked that in the case of an accident control procedure following steps become: a) one or more sensors detect one or more predetermined physical measured variables, in particular an acceleration parallel and / or transverse to a direction of travel of the motor vehicle and / or a pressure signal and / or structure-borne noise and / or a deformation of the motor vehicle and / or the vehicle speed and / or the differential speed to the collision partner and / or information about the shape, size and overlap with the collision partner as a function of a progress variable; b) out of these physical quantities the common accident severity factor is calculated, which is the one in the Accident occurring injury severity of a motor vehicle occupant characterized; and c) according to the value of the common Accident severity factor become the vehicle occupant protection systems controlled.

Method according to claim 10, characterized in that that the accident-characteristic conditions are chosen and / or be weighted so that the determined in process step b) common accident severity factor a steady function of the third Represents progress variables.

Method according to claim 10 or 11, characterized that in method step c) the vehicle occupant protection systems analog be controlled.

Method according to claim 12, characterized in that that used an airbag system with an analog gas generator which is analogous to the common accident severity factor is controlled.

Computer program product directly into the internal Memory of a digital computer can be loaded and stored a machine readable carrier stored software code sections, with which the steps one of the preceding claims accomplished be when the product is on a computer or a computer network running.