-
Stand der Technik
-
Die
Erfindung betrifft eine Vorrichtung bzw. ein Verfahren zur Ansteuerung
von Personenschutzmitteln nach der Gattung der unabhängigen Patentansprüche.
-
Aus
EP 0458796 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.
-
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 Patentansprüchen 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.