-
Die
Erfindung betrifft ein Verfahren zur Ermittlung des Bewegungszustands
eines Fahrzeugs gemäß dem Oberbegriff
des Patentanspruchs 1, sowie eine Vorrichtung zur Durchführung des
Verfahrens.
-
Die
Kenntnis des aktuellen Bewegungszustands eines Fahrzeugs, insbesondere
die Kenntnis der Geschwindigkeit und Beschleunigung des Fahrzeugs,
ist Voraussetzung für
den korrekten Betrieb von verschiedenen im Fahrzeug vorgesehenen
Systemen zur Regelung der Längsbewegung
des Fahrzeugs.
-
Üblicherweise
werden die Geschwindigkeit und die Beschleunigung des Fahrzeugs
anhand von sensorisch erfassten Raddrehzahlen des Fahrzeugs ermittelt.
Rauschanteile lassen sich zwar durch Tiefpassfilterung unterdrücken, nachteilig
ist hierbei jedoch, dass die Tiefpassfilterung einen Phasenverzug zur
Folge hat, so dass der ermittelte Bewegungszustand bei dynamischen
Fahrmanövern,
beispielsweise beim starken Bremsen oder Verzögern, von dem tatsächlichen
Bewegungszustand stark abweichen kann.
-
Der
Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren und eine
Vorrichtung zur Ermittlung des Bewegungszustands eines Fahrzeugs anzugeben,
das bzw. die auch bei dynamischen Fahrmanövern genaue Ergebnisse liefert.
-
Die
Aufgabe wird durch die Merkmale der unabhängigen Ansprüche gelöst. Vorteilhafte
Ausgestaltungen und Weiterbildungen ergeben sich aus den Unteransprüchen.
-
Erfindungsgemäß wird der
Bewegungszustand eines Fahrzeugs ermittelt, indem durch eine Raddrehzahlerfassung
eine aktuelle Raddrehzahlgröße erfasst
wird, die erfasste aktuelle Raddrehzahlgröße mit zwei rekursiven Filterfunktionen,
insbesondere mit zwei Kalman-Filterfunktionen,
in zwei Bewegungszustandvektoren umgesetzt wird und die beiden Bewegungszustandsvektoren
zu einem den Bewegungszustand des Fahrzeugs repräsentierenden Zustandsvektor
fusioniert werden. Die beiden Filterfunktionen beruhen dabei jeweils
auf einer Prädiktion
des Bewegungszustands des Fahrzeugs und einer Korrektur der Prädiktion
und sie sind derart ausgelegt, dass die eine Filterfunktion auf
hohe Glättung und
die andere Filterfunktion auf kurze Reaktionszeit getrimmt ist.
Die Filterfunktionen umfassen jeweils eine Gütebewertungsfunktion zur Bewertung
der Güte
der von der jeweiligen Filterfunktion durchgeführten Prädiktion und zur Erzeugung eines
die jeweilige Güte
repräsentierenden
Gütewertes.
Die Fusionierung der Bewegungszustandsvektoren erfolgt durch eine
gewichtete Mittelwertsbildung mit einer Gewichtung nach Maßgabe der
zugehörigen
Gütewerte.
-
Die
eine, auf hohe Glättung
getrimmte Filterfunktion ist dabei träger, d.h. langsamer, als die
andere, auf kurze Reaktionszeit getrimmte Filterfunktion und weist
aufgrund ihrer Trägheit
bei einem Bewegungszustand mit hoher Dynamik eine geringere Genauigkeit
auf als die auf kurze Reaktionszeit getrimmte schnelle Filterfunktion.
Bei geringer Dynamik weist sie hingegen aufgrund der aus der hohen
Glättung resultierenden
hohen Rauschunterdrückung
eine höhere
Genauigkeit auf als die schnelle Filterfunktion auf. Durch die Ermittlung
der Gütewerte
der Filterfunktionen kann daher festgestellt werden, ob die langsame
oder die schnelle Filterfunktion genauere Ergebnisse liefert, d.h.
ob ein Zustand mit geringer oder hoher Dynamik vorliegt. Durch die
gewichtete Mittelwertsbildung ist es somit möglich, den der Schwerpunkt
der Filterung zugunsten der auf hohe Glättung getrimmten langsamen
Filterfunktion zu verschieben, wenn ein Bewegungszustand mit geringer Dynamik
vorliegt, und zugunsten der auf kurze Reaktionszeit getrimmten schnellen
Filterfunktion zu verschieben, wenn ein Zustand mit hoher Dynamik
vorliegt. Man erhält
somit eine an die momentane Situation angepasste Filterdynamik.
-
Vorteilhafterweise
führen
die Filterfunktionen die Korrektur der jeweiligen Prädiktion
mit konstanten Korrekturparametern durch. Man erhält somit
ein vorhersehbares, für
Fahrzeuganwendungen sicheres Verfahren.
-
Vorzugsweise
berechnen die Filterfunktionen jeweils eine Prädiktionsabweichung, die die
Abweichung zwischen der aktuellen Raddrehzahlgröße und einer aus der jeweiligen
Prädiktion
resultierenden prädizierten
Radrehzahlgröße repräsentiert.
Die Prädiktionsabweichung
des jeweiligen Filters wird dann von der Gütebewertungsfunktion der jeweiligen Filterfunktion
der Bestimmung des jeweiligen Gütewertes
zugrunde gelegt.
-
Die
Bewegungszustandsvektoren beinhalten vorzugsweise die Geschwindigkeit
und/oder Beschleunigung des Fahrzeugs als Komponenten, wobei es
durchaus denkbar ist, dass sie auch die zweite oder höhere zeitliche
Ableitungen Geschwindigkeit als weitere Komponenten beinhalten können.
-
Die
Raddrehzahlgröße kann
durch Erfassung der Raddrehzahl an einem der Räder des Fahrzeugs erfasst werden.
In einer vorteilhaften Weiterbildung wird sie durch Erfassung der
Raddrehzahlen an zwei oder mehreren Rädern des Fahrzeugs und durch
eine gewichtete Mittelwertsbildung der erfassten Raddrehzahlen ermittelt,
wobei die Gewichtung vorzugsweise derart vorgenommen wird, dass
unplausible oder verfälschte
Raddrehzahlwerte unberücksichtigt
bleiben oder korrigiert werden. Insbesondere lassen sich somit Verfälschungen
der Raddrehzahlen aufgrund von Aquaplaning, Antriebsschlupf, Bremsschlupf
oder Seitenschlupf durch eine entsprechende Erhöhung oder Reduzierung der Gewichtung kompensieren
oder Ausreißer
sowie Messausfälle durch
eine geringe Gewichtung weitgehend oder vollständig ignorieren.
-
Eine
Vorrichtung zur Durchführung
des erfindungsgemäßen Verfahrens
umfasst eine Recheneinheit zur Durchführung der Filterfunktionen
und Fusionierung der von den Filterfunktionen bereitgestellten Bewegungszustandsvektoren.
Eine solche Vorrichtung eignet sich bestens für den Einsatz in Fahrzeugen.
-
Die
Erfindung wird nachfolgend anhand eines Ausführungsbeispiels und anhand
von Figuren näher
beschrieben. Es zeigen:
-
1 ein
Funktionsschaltbild des erfindungsgemäßen Verfahrens,
-
2 ein
Diagramm einer Gütebewertungsfunktion.
-
Gemäß 1 lässt sich
die Funktionsweise des Verfahrens durch Funktionsblöcke beschreiben. Der
Funktionsblock F1 bezeichnet eine zyklisch, in einem vorgegebenen
Takt arbeitende Gesamtfilterfunktion, die eine im jeweils aktuellen
Zyklus erfasste aktuelle Raddrehzahlgröße Z1 in einen Zustandsvektor
S1 umsetzt. Der Zustandvektor S1 repräsentiert dabei den zu ermittelnden
Bewegungszustand eines Fahrzeugs, in das das erfindungsgemäße Verfahren implementiert
ist.
-
Der
Funktionsblock F1 umfasst zwei gleichartige Funktionsblöcke Fa,
Fb und einen weiteren Funktionsblock Fs.
-
Die
beiden Funktionsblöcke
Fa, Fb stellen eine erste bzw. zweite rekursive Filterfunktion dar,
die die Raddrehzahlgröße Z1 in
einen ersten Bewegungszustandsvektor Sa bzw. in einen zweiten Bewegungszustandsvektor
Sb umsetzen und die jeweils ihre Güte bewerten und einen entsprechenden ersten
bzw. zweiten Gütewert
ga bzw gb als Bewertungsergebnis liefern.
-
Die
beiden Funktionsblöcke
Fa, Fb führen die
gleichen Berechnungen durch. Sie unterscheiden sich lediglich durch
die Filterparameter, die derart gewählt sind, dass die erste Filterfunktion
Fa ein langsames, d.h, auf hohe Glättung getrimmtes Filter repräsentiert
und die zweite Filterfunktion Fb ein schnelles, d.h. auf kurze Reaktionszeit
getrimmtes Filter repräsentiert.
-
Beide
Filterfunktionen führen
in einem Zyklus k in einer Prädiktionsphase
eine modellbasierte Prädiktion
des Bewegungszustands des Fahrzeugs gemäß der Gleichung S ^-k =
A·S ^k–1 durch,
wobei S ^k–1 einen
in einem unmittelbar vorangehenden Zyklus k–1 ermittelten Bewegungszustandsvektor
des Fahrzeugs oder einen für
einen Startzyklus k = 1 vorgegeben Initialisierungszustandsvektor
darstellt, S ^-k einen im aktuellen Zyklus k prädizierten
Bewegungszustandsvektor darstellt und A eine auf einem Bewegungsmodell
des Fahrzeugs beruhende Zustandsübergangsmatrix
darstellt.
-
Die
Prädiktion
wird anschließend
in einer Korrekturphase wie folgt korrigiert S ^k = S ^-k + K·(Zk – Z ^-k )mit Z ^-k ) = H·S ^-k .
-
Dabei
stehen S ^k für den von der ersten bzw. zweiten
Filterfunktion Fa bzw. Fb im aktuellen Zyklus k ausgegebenen Bewegungszustandsvektor
Sa bzw. Sb, K für
einen Korrekturparameter, Zk für den gemessenen
aktuellen Wert der Raddrehzahlgröße Z1, Z ^-k für einen
prädizierten
Wert der Raddrehzahlgröße Z1 und
H für eine
Matrix, die den Zusammenhang zwischen der Raddrehzahlgröße Z1 und
dem Bewegungszustandsvektor S1 bei fehlerfreier Raddrehzahlerfassung
darstellt. Der Ausdruck ν = (Zk – H·S ^-k = (Zk – Z ^-k ) stellt
hierbei eine Prädiktionsabweichung νa bzw. νb der ersten
Filterfunktion Fa bzw. der zweiten Filterfunktion Fb dar.
-
Die
obigen Gleichungen beschreiben das Verhalten eines an sich bekannten
Kalman-Filters für den
Fall, dass der Parameter K, der bei einem Kalman-Filter üblicherweise
rekursiv verfeinert wird, seinen stationären Wert erreicht hat.
-
Die
Filterfunktionen Fa, Fb umfassen jeweils eine Gütebewertungsfunktion g(ν), die aus
der Prädiktionsabweichung νa und νb der ersten
bzw. zweiten Filterfunktion Fa bzw. Fb einen Gütewert ga = g(νa) bzw. gb
= g(νb)
berechnet. Die Gütebewertungsfunktion
g(ν) kann,
wie in 2 dargestellt, als eine Glockenfunktion mit einem
Maximum bei ν =
0 definiert sein. Sie kann auch in anderer Weise definiert sein,
wesentlich ist lediglich, dass sie symmetrisch zu der Achse ν = 0 ist,
bei ν =
0 ihr Maximum hat, beispielsweise Max{g(ν)} = g(0) = 1, bei ν = ±∞ ihr Minimum
hat, beispielsweise Min{g(ν)}
= 0, und sich im Bereich zwischen ihrem Maximum und ihrem Minimum
monoton ändert.
Gefordert ist hierbei keine strenge Monotonie, d.h. die Änderung
kann auch in Stufen erfolgen. Die so ermittelten Gütewerte
ga, gb, sind ein Maß für Güte der jeweiligen
Filterfunktion Fa bzw. Fb.
-
Die
Gütebewertungsfunktion
g(ν) kann
für beide
Filterfunktionen Fa, Fb gleich definiert sein, sie kann aber auch
für die
beiden Filterfunktionen Fa, Fb unterschiedlich definiert sein, insbesondere
können die
Gütebewertungsfunktionen
der ersten und zweiten Filterfunktion Fa, Fb sich in ihren Maximalwerten oder Flächenintegralen
voneinander unterscheiden. Dadurch kann man den Scherpunkt der Gewichtung prinzipiell
zugunsten einer der Filterfunktionen Fa oder Fb verschieben.
-
Die
auf hohe Glättung
getrimmte erste Filterfunktion Fa weist aufgrund ihrer Trägheit bei
einem Bewegungszustand mit hoher Dynamik eine geringere Genauigkeit
auf als die auf kurze Reaktionszeit getrimmte zweite Filterfunktion
Fb, d. h. bei einem Bewegungszustand mit hoher Dynamik ist der Gütewert ga
der ersten Filterfunktion Fa kleiner als der Gütewert gb der zweiten Filterfunktion
Fb. Bei geringer Dynamik weist die erste Filterfunktion Fa hingegen aufgrund
der aus der hohen Glättung
resultierenden geringen Rauschempfindlichkeit eine höhere Genauigkeit
auf als die rauschempfindlichere zweite Filterfunktion Fb, d.h.
bei einem Bewegungszustand mit geringer Dynamik ist der Gütewert ga
der ersten Filterfunktion Fa größer als
der Gütewert
gb der zweiten Filterfunktion Fb. Durch die Ermittlung der Gütewerte ga,
gb der Filterfunktionen Fa, Fb wird somit festgestellt, ob die langsame
erste Filterfunktion Fa oder die schnelle zweite Filterfunktion
Fb genauere Ergebnisse liefert, d.h. ob ein Bewegungszustand mit
geringer oder hoher Dynamik vorliegt.
-
Die
beiden Bewegungszustandsvektoren Sa, Sb und die zugehörigen Gütewerte
ga, gb werden dem Funktionsblock Fs zugeführt. Dieser stellt eine Fusionsfunktion
dar, die aus den beiden Bewegungszustandsvektoren Sa, Sb den gesuchten
Zustandsvektor S1 durch eine gewichtete Summation berechnet. Die
Gewichtung erfolgt dabei nach Maßgabe des dem jeweiligen Bewegungszustandsvektor Sa
bzw. Sb zugehörigen
Gütewerts
ga bzw. gb, d.h. der Fusionsblock Fs führt folgende Berechnung durch
-
Die
Filterfunktion mit dem höheren
Gütewert ga
bzw. gb liefert somit einen höheren
Beitrag zu dem gesuchten Zustandsvektor S1 als die Filterfunktion mit
dem niedrigeren Gütewert.
Die Filterdynamik der Gesamtfilterfunktion F1 wird somit an die
momentane Fahrsituation angepasst, indem der Schwerpunkt der Filterung
zugunsten der langsamen ersten Filterfunktion Fa verschoben, wenn
ein Bewegungszustand mit geringer Dynamik vorliegt, und zugunsten der
schnellen zweiten Filterfunktion Fb verschoben, wenn ein Zustand
mit hoher Dynamik vorliegt.
-
Es
ist denkbar, die Gütewerte
ga, gb vor der Berechnung des Zustandsvektors S1 einer Tiefpassfilterung
zu unterziehen, um ein schnelles Hin- und Herschalten zwischen den
beiden Filterfunktionen Fa, Fb zu vermeiden.
-
Im
vorliegenden Fall ist der Bewegungszustandsvektor S1 als zweidimensionaler
Vektor definiert und weist eine der Geschwindigkeit v_eigen des Fahrzeugs
entsprechende Komponente s und eine der Beschleunigung a_eigen des
Fahrzeugs entsprechende Komponente s . auf. Es gilt demnach
-
Für die Parameter
der obigen Gleichungen gilt dann
und
H
= (1 0). -
Hierbei
bezeichnen ΔT
die Dauer eines Zyklus, d.h. einen Prädiktionszeitabstand, und k1
und k2 konstante Parameter, die die Dynamik der Filterfunktionen
Fa bzw. Fb bestimmen und die entsprechend dem geforderten Verhalten
der jeweiligen Filterfunktionen Fa, Fb gewählt werden.
-
Selbstverständlich ist
es denkbar, den Bewegungszustandsvektor S1 auch als dreidimensionalen oder
höherdimensionalen
Vektor zu definieren und beispielsweise die zweite Ableitung der
Geschwindigkeit v_eigen oder höhere
Ableitungen der Geschwindigkeit v_eigen als weitere Komponenten
des Bewegungszustandsvektors vorzusehen. Die Parameter A, K und
H sind in diesem Fall an die Dimension des Bewegungszustandsvektors
S1 entsprechend anzupassen.
-
Die
Raddrehzahlgröße Z1 kann
durch Messung der Raddrehzahl an einem der Räder des Fahrzeugs erfasst werden.
Die Raddrehzahlgröße Z1 entspricht
dann der aktuellen Raddrehzahl des einen Rades.
-
Die
Raddrehzahlgröße Z1 kann
aber auch durch Messung der Raddrehzahlen an zwei oder mehreren
Rädern
des Fahrzeugs erfasst werden, beispielsweise durch Messung der Raddrehzahlen an
allen Rädern
des Fahrzeugs oder durch Messung der Raddrehzahlen an den linken
Rädern,
an den rechten Rädern,
an den vorderen Rädern,
an den hinteren Rädern
oder an den diagonal gegenüber
liegenden Rädern.
In einem solchen Fall wird die Raddrehzahlgröße Z1 durch gewichtete Mittelwertsbildung
aus den Raddrehzahlen der zu berücksichtigen Rädern berechnet.
Die Gewichtung wird dabei derart vorgenommen, dass der Beitrag von
Raddrehzahlwerten, die als unplausibel oder verfälscht identifiziert werden,
minimiert oder korrigiert wird. So können Messwertausreißer sowie
Messausfälle
aufgrund von fehlerhaften Sensoren durch eine geringe Gewichtung
ausselektiert und ausgefiltert werden oder Raddrehzahlwerte, die
aufgrund von erkanntem Aquaplaning, Antriebsschlupf, Bremsschlupf
oder Seitenschlupf verfälscht
sind, durch die Gewichtung korrigiert werden.
-
Denkbar
ist es auch, mehrere Raddrehzahlgrößen basierend auf den Raddrehzahlen
unterschiedlicher Räder
zu berechnen, für
jede dieser Raddrehzahlgrößen eine
eigene, der Gesamtfilterfunktion F1 aus 1 entsprechende
Filterfunktion vorzusehen und die Ergebnisse dieser Filterfunktionen
durch eine gewichtete Summation zu fusionieren.
-
Das
Verfahren lässt
sich als Softwarefunktion in eine Recheneinheit implementieren,
wobei eine hardwaremäßige Realisierung
entsprechend dem Blockschaltbild aus 1 ebenfalls
denkbar ist. Es eignet sich bestens für den Einsatz in einem Fahrzeug,
das ein Regelsystem umfasst, mit dem die Längsbewegung des Fahrzeugs in
Abhängigkeit
der aktuellen Geschwindigkeit und Beschleunigung gesteuert wird.
Solche Regelsysteme können
Fahrerassistenzsysteme sein, die beispielsweise die Geschwindigkeit
des Fahrzeugs regeln oder begrenzen, oder den Abstand des Fahrzeugs
zu einem vorausfahrenden Fahrzeug regeln oder einen Bremseingriff im
Sinne einer kollisionsvermeidenden oder kollisionsfolgenmindernden
Zielbremsung vornehmen.
und