DE102014118120A1 - Integrierte Kollisionsvermeidungssteuerung mit EPS-Controller - Google Patents

Integrierte Kollisionsvermeidungssteuerung mit EPS-Controller Download PDF

Info

Publication number
DE102014118120A1
DE102014118120A1 DE102014118120.4A DE102014118120A DE102014118120A1 DE 102014118120 A1 DE102014118120 A1 DE 102014118120A1 DE 102014118120 A DE102014118120 A DE 102014118120A DE 102014118120 A1 DE102014118120 A1 DE 102014118120A1
Authority
DE
Germany
Prior art keywords
torque
vehicle
command
model
steering
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
DE102014118120.4A
Other languages
English (en)
Other versions
DE102014118120B4 (de
Inventor
Nikolai Moshchuk
Shih-Ken Chen
Chad Zagorski
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of DE102014118120A1 publication Critical patent/DE102014118120A1/de
Application granted granted Critical
Publication of DE102014118120B4 publication Critical patent/DE102014118120B4/de
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
    • G06F21/577—Assessing vulnerabilities and evaluating computer system security
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/552—Detecting local intrusion or implementing counter-measures involving long-term monitoring or reporting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H04L63/1425—Traffic logging, e.g. anomaly detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3271—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using challenge-response
    • H04L9/3273—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using challenge-response for mutual authentication

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

Ein System und ein Verfahren zur Erzeugung eines Überlagerungsdrehmomentbefehls für einen elektrischen Motor in einem EPS-System zur Verwendung in einem Kollisionsvermeidungssystem. Das Verfahren verwendet eine modellprädiktive Steuerung, die ein sechsdimensionales Fahrzeugbewegungsmodell anwendet, darin eingeschlossen ein einspuriges lineares Fahrradmodell und ein Lenksäulemodell mit einem Grad Freiheit, um die Fahrzeuglenkung nachzubilden. Das Verfahren bestimmt ein Lenkungssteuerungsziel, das einen Wegverfolgungsfehler zwischen dem gegenwärtigen Fahrzeugweg und dem gewünschten Fahrzeugweg durch eine Kostenfunktion definiert, die einen optimalen gesamten Lenkungsdrehmomentbefehl umfasst. Die MPC bestimmt den optimalen gesamten Lenkungsdrehmomentbefehl, um den Wegfehler zu minimieren, und verwendet dann das Fahrereingabe-Drehmoment, das EPS-Assistenz-Drehmoment und den gesamten Lenkungsdrehmomentbefehl, um den Überlagerungsdrehmomentbefehl zu bestimmen.

Description

  • Hintergrund der Erfindung
  • Gebiet der Erfindung
  • Diese Erfindung betrifft im Allgemeinen ein System und ein Verfahren zum Bereitstellen eines Überlagerungsdrehmomentbefehls, um den Motor einer elektrischen Servolenkung (EPS) zu steuern, insbesondere ein System und ein Verfahren zum Bereitstellen eines Überlagerungsdrehmomentbefehls, um einen EPS-Motor zu steuern, wobei das Verfahren ein sechsdimensionales Fahrzeugbewegungsmodell anwendet, darin eingeschlossen ein einspuriges lineares Fahrradmodell und ein Lenksäulenmodell mit einem Grad Freiheit, um die Fahrzeuglenkung nachzubilden, um ein Lenkungssteuerungsziel zu bestimmen, und eine modellprädiktive Steuerung (MPC) bereitzustellen, die ein optimales gesamtes Lenksäulendrehmoment bestimmt, aus dem der Überlagerungsdrehmomentbefehl bestimmt wird.
  • Stand der Technik
  • Fortschritte bei der Sensor- und Aktuatortechnologie haben die Entwicklung von Fahrerassistenzsystemen (DAS) ermöglicht, um Verkehrsunfälle, insbesondere diejenigen, die durch Fehler oder Unaufmerksamkeit des Fahrers verursacht werden, zu vermeiden. Verschiedene Arten von DAS, wie zum Beispiel Antiblockiersysteme (ABS), eine elektronische Stabilitätssteuerung (ESC), eine adaptive Geschwindigkeitsregelung (ACC), ein Fahrspurwechselwarn(LDW)-System, Fahrspurwechselassistenz (LCA), Notbremswarnung (FCA) und Fahrspurhaltungsassistenz (LKA) befinden sich bereits in der Fahrzeugproduktion. Die aktive Sicherheitstechnologie entwickelt sich gegenwärtig zu einem großen Bereich für die Forschung in der Automobilindustrie. Die automatische Gefahrenbremsung ist ein effektiver Weg zur Vermeidung oder Abschwächung der Kollision durch die Anwendung von Bremsen. Andererseits kann die Kollisionsvermeidungssteuerung in einigen Situationen eine Kollisionsvermeidung ermöglichen, wenn eine Bremsung alleine sie nur abschwächen kann.
  • Kollisionsvermeidungssysteme sind im Stand der Technik dafür bekannt, dass sie eine automatische Lenkung eines Subjektfahrzeugs bereitstellen, um ein langsameres oder stehendes Objekt vor dem Subjektfahrzeug für den Fall zu vermeiden, dass der Fahrzeugführer alleine kein ausweichendes Manöver unternimmt. Bekannte Kollisionsvermeidungssysteme stellen Warnungen für den Fahrzeugführer bereit, und können, abhängig davon, ob der Fahrer ein ausweichendes Manöver unternimmt, eine automatische Bremsung und/oder eine automatische Lenkung bereitstellen. Wenn das System bestimmt, dass eine automatische Lenkung erforderlich ist, um eine Kollision zu vermeiden, muss das System einen sicheren Steuerweg für das Subjektfahrzeug berechnen, um eine Lenkungssteuerung bereitzustellen. Einige dieser Systeme sind dazu in der Lage, Fahrspurmarkierungen zu erkennen, um den Steuerweg des Subjektfahrzeugs zu berechnen, um eine Fahrspuränderung zum Zweck der Kollisionsvermeidung durchzuführen. Diese Kollisionsvermeidungssysteme stellen auch Steuerbefehle bereit, die verursachen, dass das Subjektfahrzeug dem berechneten Steuerweg folgt, um die Fahrzeuglenkung bereitzustellen.
  • Die Objekterkennungssensoren für diese Arten von Systemen können jede einer Anzahl von Technologien verwenden, wie zum Beispiel Nahbereichsradar, Weitbereichsradar, Kameras mit Bildverarbeitung, Laser oder LiDAR, Ultraschall usw. Die Objekterkennungssensoren erkennen Fahrzeuge und andere Objekte im Weg eines Subjektfahrzeugs, und die Anwendungssoftware verwendet die Objekterkennungsinformation, um wie angebracht Warnungen bereitzustellen oder Maßnahmen zu ergreifen. Die Warnung kann eine visuelle Anzeige auf der Instrumententafel des Fahrzeugs oder in einer Blickfeld-Anzeige (HUD) und/oder eine hörbare Warnung oder eine andere haptische Feedback-Vorrichtung wie zum Beispiel Schütteln des Sitzes sein. In vielen Fahrzeugen sind die Objekterkennungssensoren direkt in die vordere Stossstange oder andere Zierblenden des Fahrzeugs integriert.
  • Die US-Patentschrift Nr. 8,190,330 mit dem Titel Model Based Predictive Control for Automated Lane Centering/Changing Control Systems, herausgegeben am 29. Mai 2012, übertragen an den Rechtsnachfolger dieser Anmeldung und hier durch Bezugnahme aufgenommen, offenbart ein System und ein Verfahren zum Bereitstellen einer Lenkungssteuerung zum Zweck der Änderung oder der Zentrierung der Fahrspur in einem autonomen oder halbautonomen fahrzeugbetriebenen System. Die US-Patentschrift Nr. 8,527,172 mit dem Titel Vehicle Collision Avoidance and Warning System, herausgegeben am 3. September 2013, übertragen an den Rechtsnachfolger dieser Anmeldung und hier durch Bezugnahme aufgenommen, offenbart ein Kollisionsvermeidungssystem, das eine kombinierte automatische Bremsung und Lenkung verwendet.
  • Die U.S.-Anmeldungsveröffentlichung Nr. 2013/0218396 von Moshchuk et al., übertragen an den Rechtsnachfolger dieser Anmeldung und hier durch Bezugnahme aufgenommen, offenbart ein System und ein Verfahren zum Bereitstellen einer verbesserten Fahrzeugkontrolle, darin eingeschlossen das Bereitstellen einer automatischen Steuerassistenz. Die Anmeldung '396 beschreibt ein Kollisionsvermeidungssystem, das ein Steuermodell unter Verwendung eines vierdimensionalen einspurigen Fahrradmodells verwendet, um die Fahrzeugdynamik nachzubilden. Das vierdimensionale Modell wird verwendet, um einen Straßenradwinkelbefehl zu erzeugen, der erforderlich ist, um ein elektrisches Servolenkungs(EPS)-System zu steuern, um die Steuerassistenz bereitzustellen, wobei der Straßenradwinkelbefehl in einen Drehmomentbefehl umgewandelt wird, der auf den elektrischen Motor im EPS-System angewendet wird. Die Anmeldung '396 verwendet eine proportional-integral-derivate(PID)-Steuerung, um den Straßenradwinkelbefehl in einen Drehmomentbefehl für das EPS-System umzuwandeln. Jedoch erfordert die Anwendung der PID-Steuerung für diesen Zweck eine umfangreiche Einstellung, um eine gute Leistung und einen robusten Betrieb bei allen Fahrzeuggeschwindigkeiten zu erzielen. Die Einstellung der PID-Steuerung ist zeitaufwendig, und die Lenkungssteuerung, die sich daraus ergibt, kann während der Einstellung instabil werden. Außerdem ist eine Kompensation für eine Steueraktuator-Verzögerung erforderlich.
  • Zusammenfassung der Erfindung
  • Diese Offenbarung beschreibt ein System und ein Verfahren zur Erzeugung eines Überlagerungsdrehmomentbefehls für einen elektrischen Motor in einem EPS-System zur Verwendung in einem Kollisionsvermeidungssystem. Das Verfahren verwendet eine modellprädiktive Steuerung, die ein sechsdimensionales Fahrzeugbewegungsmodell anwendet, darin eingeschlossen eine Kombination aus einem einspurigen linearen Fahrradmodell und einem Lenksäulemodell mit einem Grad Freiheit, um die Fahrzeuglenkung nachzubilden. Das Verfahren bestimmt ein Lenkungssteuerungsziel, das einen Wegverfolgungsfehler zwischen dem gegenwärtigen Fahrzeugweg und dem gewünschten Fahrzeugweg durch eine Kostenfunktion definiert, die einen optimalen gesamten Lenkungsdrehmomentbefehl umfasst. Die MPC bestimmt den optimalen gesamten Lenkungsdrehmomentbefehl, um den Wegfehler zu minimieren, und verwendet dann das Fahrereingabe-Drehmoment, EPS, Assistenz-Drehmoment und den gesamten Säulendrehmomentbefehl, um den Überlagerungsdrehmomentbefehl zu bestimmen.
  • Zusätzliche Merkmale der vorliegenden Erfindung werden aus der folgenden Beschreibung und den beigefügten Ansprüchen, zusammen mit den beigefügten Zeichnungen, offensichtlich.
  • Kurze Beschreibung der Zeichnungen
  • 1 ist eine Veranschaulichung eines exemplarischen Fahrzeuglenksystems;
  • 2 ist eine Veranschaulichung eines einspurigen linearen Fahrradmodells;
  • 3 ist eine Veranschaulichung einer Fahrzeuglenksäule, die Parameter für ein Fahrzeuglenksäulenmodell definiert;
  • 4 ist eine Veranschaulichung eines Subjektfahrzeugs, das ein Zielfahrzeug nach sich zieht und einen Ausweichs-Steuerweg für das Subjektfahrzeug zeigt, um für Zwecke der Kollisionsvermeidung um das Zielfahrzeug herum zu fahren;
  • 5 ist ein Blockdiagramm eines Systems, um ein gesamtes Lenksäulendrehmoment bereitzustellen;
  • 6 ist ein Diagramm, das das gesamte Drehmoment auf der horizontalen Achse und das Fahrereingabe-Drehmoment auf der vertikalen Achse zeigt und eine EPS-Verstärkungskurve („boost curve”) veranschaulicht; und
  • 7 ist ein Flussdiagramm, das einen Prozess zum Bereitstellen eines Drehmomentüberlagerungsbefehls für einen elektrischen Motor in einem EPS-System zeigt.
  • Detaillierte Beschreibung der Ausführungsbeispiele
  • Die folgende Erörterung der Ausführungsbeispiele der Erfindung, die auf ein System und ein Verfahren zum Bereitstellen eines Drehmomentüberlagerungsbefehls für einen elektrischen Motor in einem EPS-System gerichtet ist, ist lediglich exemplarischer Art und in keiner Weise dazu beabsichtigt, die Erfindung oder ihre Anwendungen oder Verwendungen zu begrenzen.
  • Die folgende Beschreibung umfasst eine Erörterung des Bereitstellens eines Drehmomentbefehls an einen Motor in einem EPS-System. 1 veranschaulicht ein exemplarisches Fahrzeuglenksystem 10, darin eingeschlossen ein Lenkrad 12 und Straßenräder 14 und 16, um einen Kontext für diese Erörterung bereitzustellen. Das Lenkrad 12 ist mit den Rädern 14 und 16 durch eine Lenksäule 18 und eine Achse 20 auf eine Weise gekoppelt, die von den Fachleuten gut verstanden wird, so dass, wenn der Fahrer das Lenkrad 12 dreht, sich die Räder 14 und 16 dementsprechend drehen.
  • Das Lenkungssystem 10 umfasst ein elektrisches Servolenkungs(EPS)-System 24 mit einem elektrischen Lenkungsmotor 26, montiert auf die Achse 20, der eine elektrische Steuerassistenz in Antwort darauf bereitstellt, dass der Fahrzeugführer das Lenkrad 12 auf eine Weise dreht, die im Stand der Technik gut verstanden wird. Mit anderen Worten dreht, wenn der Fahrzeugführer das Lenkrad 12 dreht, das EPS-System 24 die Räder 14 und 16 um den Wert, der vom Fahrzeugführer befohlen wird, so dass die Drehung der Räder 14 und 16 auf der Fahrbahn einfacher ist. Der Motor 26 stellt auch ein Lenkungsdrehmoment zur Kollisionsvermeidungssteuerung bereit. Das Lenkungssystem 10 umfasst auch ein elektronisches EPS-Steuergerät (ECU) 32, das in einem Ausführungsbeispiel konfiguriert ist, um eine gesamte EPS-Systemsteuerung bereitzustellen. Wie von einem Fachmann gut verstanden wird, hilft das EPS-System 24 einem Fahrer elektrisch bei der Lenkung des Fahrzeugs durch die Anwendung eines variablen Motordrehmomentbefehls TM auf den Lenkungsmotor 26 und, wie erfordert, eines Drehmoment-Überlagerungsbefehls (TOC), der den Wert des Motordrehmomentbefehls TM während des EPS-unterstützten Lenkmanövers ändert.
  • Ein Lenkwinkelsensor 36, der auf der Lenksäule 18 montiert ist, misst die Drehung des Lenkrads 12 und der Lenksäule 18 und stellt ein Lenkwinkelsignal θs bereit, das diese angibt. Ein Drehmomentsensor 38, der auf der Lenksäule 18 montiert ist, misst das Drehmoment der Lenksäule 18 und stellt ein Drehmomentsignal Ts bereit, das dieses angibt. Die ECU 32 ist in elektrischer Verbindung mit dem Winkelsensor 36 und dem Drehmomentsensor 38, so dass das Lenkwinkelsignal θs und das Lenkungsdrehmomentsignal Ts der ECU 32 bereitgestellt werden. Die ECU 32 verarbeitet einen Satz von Fahrzeugleistungswerten, darin eingeschlossen das Lenkwinkelsignal θs und das Lenkungsdrehmoment Ts, wodurch ununterbrochen Fahrzeugparameter überwacht werden, wie zum Beispiel, jedoch nicht beschränkt auf, die Geschwindigkeit des Fahrzeugs. Alternativ kann, anstatt der Verwendung des Lenkwinkelsensors 36, um den Lenkwinkel bereitzustellen, ein Ritzelwinkel(PA)-Sensor 28 verwendet werden, um den Lenkwinkel bereitzustellen, der eine direktere Messung des Straßenradwinkels bereitstellt, wie von den Fachleuten gut verstanden wird.
  • Die vorliegende Erfindung schlägt einen Algorithmus vor, um einen Drehmomentüberlagerungsbefehl an den elektrischen Motor 26 im EPS-System 24 bereitzustellen, wobei es sich um einen Befehl für eine automatische Fahrzeuglenkung als Teil eines Kollisionsvermeidungssystems handelt. Der Drehmomentüberlagerungsbefehl ist ein Korrekturdrehmoment, das bereitgestellt ist, um das Fahrzeug zusätzlich zu dem zu steuern, was der Fahrzeugführer auf dem Fahrzeuglenkrad bereitstellt, und zur Steuerassistenz, die vom EPS-System 24 bereitgestellt wird. Eine EPS-Assistenzverstärkungskurve definiert die Fahrersteuerassistenz bei verschiedenen Fahrzeuggeschwindigkeiten, zusätzlich zur Steuereingabe des Fahrers, die in einem typischen Personenkraftwagen bereitgestellt wird. Die vorliegende Erfindung verwendet eine modellprädiktive Steuerung (MPC), die ein sechsdimensionales Fahrzeugsteuermodell anwendet. Das Fahrzeugsteuermodell ist eine Kombination aus einem einspurigen linearen Fahrradmodell, um die Fahrzeugdynamik bereitzustellen, und einem Lenksäulemodell mit einem Grad Freiheit. Nachdem das Modell aufgebaut ist, definiert der Algorithmus ein Lenkungssteuerungsziel, um einen Wegverfolgungsfehler des Fahrzeugs zwischen dem gegenwärtigen Fahrzeugweg und dem gewünschten Fahrzeugweg zu minimieren, wobei das Steuerziel eine Beziehung zwischen einer Kostenfunktion und einem optimalen gesamten Steuersäulendrehmoment definiert. Nachdem das Steuerziel definiert ist, verwendet der Algorithmus die MPC, um das optimale gesamte Lenksäulendrehmoment zu bestimmen, um den Wegfehler zu minimieren, und verwendet dann die EPS-Assistenz-Verstärkungskurve und das Torsionsstab-Drehmoment, um den Drehmomentüberlagerungsbefehl zu finden, der dieses optimale Gesamtdrehmoment bereitstellt.
  • Wie erwähnt ist der erste Schritt im Prozess, ein mathematisches Steuermodell zu erzeugen, um von der MPC verwendet zu werden, wobei es sich um ein dynamisches Fahrzeugmodell handelt, das durch Bewegungsgleichungen bereitgestellt wird. In einem Ausführungsbeispiel ist das Modell ein sechsdimensionales Modell, darin eingeschlossen eine Kombination aus einem einspurigen linearen Fahrradmodell und einem Lenksäulemodell mit einem Grad Freiheit. Wie unten in Einzelheiten erörtert wird, stellt das einspurige lineare Fahrradmodell vier der Dimensionen bereit, d. h. die seitliche Abweichung Δy des Schwerpunkts des Fahrzeugs von der Straße, den Steuerkurswinkel-Fehler des Fahrzeugs ΔΨ, die Seitengeschwindigkeit Vy des Fahrzeugs, und die Drehrate r des Fahrzeugs. Das Lenksäulenmodell mit einem Grad Freiheit stellt die anderen zwei Dimensionen bereit, d. h. den Lenkradwinkel φ (oder Ritzelwinkel) und die Lenkradwinkel-Rotationsrate φ.
  • Ein einspuriges lineares Fahrradmodell wird von der Veranschaulichung 40 in 2 gezeigt, darin eingeschlossen die Räder 42 und 44, der Schwerpunkt 48 des Fahrzeugs und die befahrene Fahrbahn 46, und beschreibt die Fahrzeugposition mit Bezug auf die Fahrspurmarkierungen der Fahrbahn und verdeutlicht die Zeichenkonvention. Das Zustandsraummodell für die Fahrzeugbewegung umfasst Gleichungen, die die Beziehungen des Fahrzeugs zur Straße 46 wie folgt definieren: Δy . = VxΔΨ + Vy, (1) ΔΨ = r – Vxχ, (2) und ein klassisches Fahrradmodell für eine Spur wie folgt:
    Figure DE102014118120A1_0002
    wobei Δy die seitliche Abweichung des Schwerpunkts des Fahrzeugs von der Fahrspur (Fahrspurabweichung), ΔΨ der Steuerkurs des Fahrzeugs mit Bezug auf die Fahrspur (Fahrspur-Steuerkurs), Vy die Seitengeschwindigkeit des Fahrzeugs, r die Drehrate des Fahrzeugs, Vx die Längsgeschwindigkeit des Fahrzeugs ist, Cf und Cr die Abbiegesteifigkeit der vorder- bzw. der Hinterachse sind, a der Abstand vom Schwerpunkt des Fahrzeugs zur vorderen Achse des Fahrzeugs ist, b der Abstand vom Schwerpunkt des Fahrzeugs zur hinteren Achse des Fahrzeugs ist, M die Masse des Fahrzeugs ist, Iz der Trägheitsdrehmoment des Fahrzeugs ist, χ die Wegkrümmung ist, und δf der vordere Straßenradwinkel ist.
  • Es wird davon ausgegangen, dass die seitlichen Kräfte Ff und Fr der vorderen und der hinteren Achse lineare Funktionen von seitlichen Schlupfwinkeln sind wie: Ff = Cfαf, (5) Fr = Crαr, (6) wobei αf und αr vordere bzw. hintere Schlupfwinkel sind, und wobei:
    Figure DE102014118120A1_0003
  • Die Zustandsvariablen Δy und ΔΨ definieren die Beziehung des Fahrzeugs zur Fahrspur, wobei die Gleichungen (3) und (4) von den Gleichungen (1) und (2) entkoppelt sind und das dynamische Modell des Fahrzeuge in einer planaren Bewegung beschreiben. Die Gleichungen (1)–(4) in der Zustand-Raum-Form wie folgt geschrieben werden: x . = Ax + Bδ + h, (9) y = Cx, (10) wobei x = [Δy, ΔΨ, Vy, r]T der Zustandsvektor, y = [Δy, ΔΨ]T der Ausgabevektor, δ die Steuervariable, h der Krümmungsausdruck ist, der als eine bekannte Störung gesehen werden kann, und die führenden Matrizen in den Gleichungen (9) und (10) die folgende Form aufweisen:
    Figure DE102014118120A1_0004
    Figure DE102014118120A1_0005
  • Die Gleichungen (9) und (10) sind ein lineares zeitinvariantes System mit einer bekannten (gemessenen) Störung. Der Ausgabevektor y umfasst geschätzte oder gemessene Kameravariablen. Die Drehrate r wird von einem Drehratensensor gemessen, die seitliche Geschwindigkeit Vy wird basierend auf anderen verfügbaren Messungen geschätzt.
  • 3 ist ein schematisches Diagramm, das ein vereinfachtes Lenkungssystem 50 zeigt, dass die Variablen des Steuermodells darstellt. Das Lenkungssystem 50 umfasst vordere Straßenräder 54 und 56, eine vordere Achse 58, und eine Lenksäule 52. Die Gleichung, die die Dynamik der Lenksäule beschreibt, kann wie folgt angegeben werden: Iφ + cφ = Meps + MZ + MHW, (21) wobei das selbstausrichtende Drehmoment MZ wie folgt definiert ist: MZ = 2DFαf, (22) und wobei φ der Lenkradwinkel (oder Ritzelwinkel) ist, I die Steuerträgheit ist, c ein Dämpfungskoeffizient ist, Meps das EPS-Drehmoment (gesamt) ist, und MHW das Handraddrehmoment (Fahrereingabe) ist.
  • Die Steuervariable für die Steuervariable des gesamten Drehmomentbefehls u = Meps + MHW umfasst das gesamte EPS-Drehmoment plus das Handrad-Drehmoment. Jedoch kann nur der duale Drehmomentüberlagerungsbefehl (Deltadrehmoment) an die EPS-Controller 32 gesendet werden. Wenn das gesamte Säulendrehmoment u bekannt ist, dann kann der erforderliche Wert der Drehmomentüberlagerung unter Verwendung der EPS-Verstärkungstabellen gefunden werden, wie unten erörtert wird.
  • Modellbildende Gleichungen für die Fahrzeugdynamik können nun in der Zustands-Raum-Form geschrieben werden, wobei x = [Δy, ΔΨ, V, r, φ, φ]T der Zustandsvektor ist, y = [Δy, ΔΨ,]T der Ausgabevektor ist und u die Steuervariable des gesamten Drehmomentbefehls ist, wobei die bestimmenden Matrizen die folgende Form aufweisen:
    Figure DE102014118120A1_0006
    h = [0 –χVx 0 0 0 0]T. (26)
  • Eine andere Variante des sechsdimensionalen Modells kann erhalten werden, indem das Lenkungssystem bis zum Torsionsstab berücksichtigt wird. Nur die Steuerträgheit nachgeordnet vom Torsionsstabe wird in die in das konzentrierte Moment der Trägheit aufgenommen. Ein derartiger Ansatz hat den folgenden bedeutenden Vorteil, wobei er die Kenntnis der Handrad-Drehmoments MHW nicht erfordert, das nicht direkt gemessen wird und daher geschätzt werden muss. Gleichzeitig ist das Drehmoment des Torsionsstabs ein gemessener Wert. Die Gleichung (21) weist in diesem Fall die gleiche Form auf, wobei das Handrad-Drehmoment MHW durch das Torsionsstab-Drehmoment MTBT ersetzt ist.
  • Basierend auf dem oben Angegebenen können das kombinierte Fahrradmodell und Lenksäulenmodell diskretisiert werden, um das folgendes diskrete System zu ergeben. xk+1 = Adxk + Bduk + hk, (27) yk = Cdxk. (28)
  • 4 ist eine Veranschaulichung 60, die ein Subjektfahrzeug 62 zeigt, das hinter einem Zielfahrzeug 64 fährt, wobei das Zielfahrzeug 64 langsamer als das Subjektfahrzeug 62 fährt oder gestoppt ist. Das Zielfahrzeug 64 soll jedes Objekt vor dem Subjektfahrzeug 62 darstellen, das sich in einem Kollisionswege der Fahrtrichtung des Subjektfahrzeugs 62 befindet. Das Subjektfahrzeug 62 umfasst ein Kollisionsvermeidungssystem 66, das betriebsbereit ist, um die verschiedenen Berechungen und Vorgänge durchzuführen, die hier beschrieben werden. Das Kollisionsvermeidungssystem 66 erhält Messsignale von einem oder von mehreren Sensoren, im Allgemeinen dargestellt als Sensor 68, wobei es sich um jeden für die hier erörterten Zwecke geeigneten Sensor handeln kann, wie zum Beispiel Radar, LiDAR, Kamera, Ultraschallsensoren usw.
  • Das Ziel der Lenkungssteuerung ist es, die Abweichung des Schwerpunkts des Fahrzeugs vom geplanten oder gewünschten Weg zu minimieren. Im Stand der Technik sind viele Algorithmen bekannt, die einen gewünschten Steuerweg zum Zweck der Kollisionsvermeidung definieren. Wie unten erörtert wird, erhält das Lenkungssteuerungsziel die Steuervariable u des gesamten Drehmomentbefehls, die eine Kostenfunktion J minimiert. Der geplante Weg (oder die Referenzbahn) zu jedem Zeitpunkt k ist ein Satz von Punkten rk+j, j = 1, 2, ..., p. Jeder Punkt rk+j ist ein zweidimensionaler Vektor, darin eingeschlossen die seitliche Position der Fahrspur des Schwerpunkts des Fahrzeugs und mit Bezug auf den Steuerkurswinkel ΔΨ des Fahrzeugs. Die Anzahl p von Sollwerten wird von einem Prädiktionshorizont Tp = pTs angetrieben, wobei Ts eine Abtastzeit ist. Künftige Ausgaben des mathematischen Gleichungsmodells (27) sollten der Referenzbahn rk+j folgen, oder, mit andern Worten, der Kostenfunktion J die mit den Fehlern yk+j – rk+j, j = 1, 2, ..., p assoziiert ist, sollte minimiert werden.
  • Bei linearen Systemen und der quadratischen Kostenfunktion J ist die explizite Formel für die MPC-Steuerung gut bekannt. Die Menge der Berechnungen erhöht sich drastisch mit der Erhöhung des Steuerhorizonts, da sie die Umkehrung der Matrix der Größe gleich der Anzahl der Proben des Steuerhorizonts umfasst. Daher wird es für einen praktischen Implementierungsfall, wenn der Steuerhorizonte gleich einer Abtastzeit ist, als bedeutend erachtet. Somit wird davon ausgegangen, dass die Steuervariable Säulendrehmoments uk die gleiche für den gesamten Prädiktionshorizont ist (p Schritte nach vorne). Es wird davon ausgegangen, dass die Kostenfunktion J quadratisch ist, als:
    Figure DE102014118120A1_0007
    wobei Qk+j eine 2×2 Gewichtsmatrix ist, die die Abweichung von der Referenzbahn (Ausgabegewicht) bestraft, und Rk eine 2×2 Gewichtsmatrix ist, die verhältnismäßig große Änderungen bei der Steuerung (Eingabegewicht) bestraft. Beide Gewichte Qk+j und Rk sind typischerweise diagonale Matrizen mit positiven diagonalen Elementen.
  • Der Ersatz von yk+j = Cdxk+j in die Gleichung (29) ergibt Folgendes:
    Figure DE102014118120A1_0008
  • Die Zustandsvariable xk an jedem künftigen Schritt j kann von der Gleichung (27) abgeleitet werden und weist die folgende Form auf:
    Figure DE102014118120A1_0009
  • Es wird in der Gleichung (31) davon ausgegangen, dass sich die Krümmung während des Prädiktionszeitraums (typischerweise 0,8 Sekunden) nicht bedeutend ändert. Die Verallgemeinerung der Gleichung (31) für den Fall der bekannten Krümmungen hk+1, hk+2, ..., hk+j für jeden der Prädiktionsschritte ist direkt. Der Ersatz der Gleichung (31) in die Kostenfunktion (39) ergibt Folgendes:
    Figure DE102014118120A1_0010
    wobei Ad, Bd, Cd und hk diskrete Versionen der Matrizen A, B, C sind und h bzw. Qk+j ein Gewicht auf dem Wegverfolgungsfehler ist, Rk ein Gewicht auf dem Aktuatorbefehl ist und rk+j ein Vektor von Sollwerten sind.
  • Die Gleichung (32) zeigt, dass die Kostenfunktion J eine quadratische Funktion der unbekannten Steuervariablen uk ist, wobei sie ihr Minimum erreicht, wenn:
    Figure DE102014118120A1_0011
  • Die Gleichung (33) ergibt den folgenden Ausdruck für die unbekannte Variable des gesamten Säulendrehmoments uk.
    Figure DE102014118120A1_0012
  • Die uneingeschränkte lineare MPC ist ein standardmäßiges Zustand-Feedback-Gesetz. Der Ausdruck für die optimale lineare Steuerungsgleichung (35) kann somit in einer Feedbackform wie folgt dargestellt werden: uk = –Kkxk + νk, (36) wobei die Feedback-Verstärkungsmatrix Kk und der Vorschubausdruck ϑk wie folgt sind:
    Figure DE102014118120A1_0013
  • Die Gleichung (38) kann erfolgreich online implementiert werden, das sie verhältnismäßig einfach ist ein keine Matrixumkehr erfordert. Siehe den Unter-Fall einer eingeschränkten MPC (der Steuerhorizont ist immer noch eine Probezeit). Einschränkungen können sich aus den Grenzen ergeben, die auf den maximal verfügbaren Gleitwinkel der vorderen/hinteren Achse, der seitlichen Beschleunigung, des seitlichen Rucks, der Deltadrehmoment-Rate auferlegt werden. Eine derartige Beschränkung kann im Allgemeinen wie folgt dargestellt werden: L1 ≤ Fxk + Guk ≤ L2. (39)
  • Da xk bekannt ist, reduziert sich das Problem, die optimale Drehmoment-Steuervariable uk zu finden, darauf, ein globales Minimum der quadratischen Funktion J in der Steuervariablen uk der Gleichung (39) zu finden. Ein derartiges Problem kann durch eine standardmäßige quadratische Programmierung gelöst werden.
  • Nachdem die MPC die gesamte Säulendrehmoment-Steuervariable uk berechnet, wird der Drehmomentüberlagerungsbefehl daraus durch die Beziehung zwischen dem Fahrer und dem Eingabedrehmoment, hier manchmal als das Torsionsstab-Drehmoment bezeichnet, und dem EPS-Assistenzdrehmoment, erhalten von der EPS-Verstärkungskurven-Tabelle für verschiedene Fahrzeuggeschwindigkeiten erhalten, und dem zuletzt berechneten gesamten Drehmoment bestimmt. Der Drehmomentüberlagerungsbefehl ist das Drehmoment, das dem EPS-Motor 26 bereitgestellt wird, wenn das Kollisionsvermeidungssystem 66 die Lenkungssteuerung übernimmt, wobei der Drehmomentüberlagerungsbefehl im Lenkungssystem zweimal angewendet wird, und somit als dualer Drehmomentüberlagerungs(DTO)-Befehl bezeichnet wird. Dies wird in 5 durch das Blockdiagramm 70 veranschaulicht. Insbesondre wird der duale Drehmomentüberlagerungsbefehl in Kästchen 72 bereitgestellt und wird dem Drehmoment des Fahrereingabe-Torsionsstabs von Kästchen 74 am Summierpunkt 76 zugefügt. Das EPS-Assistenzdrehmoment aus der Verstärkungskurven-Tabelle wird basierend auf diesem Summierpunkt bei Kästchen 78 bestimmt, und der Überlagerungsdrehmomentbefehl wird dem Verstärkungskurvendrehmoment am Summierpunkt 80 hinzugefügt, um den gesamten Drehmomentbefehl zu ergeben, der auf den EPS-Motor 82 angewendet wird.
  • 6 ist ein Diagramm 90, das das Drehmoment des Fahrereingabe-Torsionsstabs auf der horizontalen Achse, den gesamten Drehmomentbefehl auf der vertikalen Achse und die EPS-Verstärkungskurve 92 für ein bestimmte Fahrzeuggeschwindigkeit zeigt. Für ein Beispiel wird der gesamte Drehmomentbefehl auf der vertikalen Achse an Punkt 94 gezeigt, und der Fahrereingabedrehmoment Torsionsstab wird bei Punkt 96 auf der horizontalen Achse gezeigt. Da der gesamte Drehmomentbefehl bei Punkt 94 bekannt ist, und das Verstärkungskurven-Drehmoment an Punkt 102 in der Diagrammlinie 92 bekannt ist, Kann das Verstärkungskurven-Drehmoment auf der vertikalen Achse überlagert werden, und dieser Drehmomentwert kann vom gesamten Drehmoment subtrahiert werden, um den dualen Drehmomentüberlagerungsbefehl bei Pfeil 98 zu ergeben. Ähnlich kann, da das Fahrereingabe-Drehmoment bei Punkt 96 bekannt ist und das Verstärkungskurven-Assistenzdrehmoment bei Punkt 102 bekannt ist, der Drehmomentüberlagerungsbefehl auch auf der horizontalen Achse durch Pfeil 100 bestimmt werden.
  • Der Algorithmus kann den dualen Drehmomentüberlagerungsbefehl unter Verwendung des gesamten Drehmomentbefehls, des Fahrer Torsionsstab-Drehmoments und des EPS-Verstärkungskurven-Assistenzdrehmoments bestimmen, so dass das gesamte gelieferte Drehmoment zum gesamten erforderlichen Drehmoment passt, was unter Verwendung der folgenden nicht linearen algebraischen Gleichung erfolgen kann: f(TBT + TO) + HWT + TO = TT, (40) wobei TBT das Torsionsstab-Drehmoment ist, f(TBT) das Verstärkungskurven-Assistenzdrehmoment ist, das der gegenwärtigen Längsgeschwindigkeit des Fahrzeugs entspricht, TO der duale Drehmomentüberlagerungsbefehl, HWT das Handrad-Drehmoment und TT das gesamte Drehmoment ist.
  • Die Gleichung (40) kann numerisch online unter Verwendung des Newton-Raphson-Verfahrens gelöst werden, wobei nur einige Iterationen erforderlich sind, um eine zufrieden stellende Genauigkeit zu erhalten. Wenn f(x) = kx + b eine lineare Funktion ist (oder stückweise linear), dann kann die Gleichung (40) wie folgt gelöst werden:
    Figure DE102014118120A1_0014
  • Wenn eine lineare Annäherung zwischen den Punkten TBT und f–1(TT – HWT) vorliegt, dann weist eine annähernde Lösung die Folgende Form auf:
    Figure DE102014118120A1_0015
  • Für eine verschiedene Variante des sechsdimensionalen Modells, das erhalten werden kann, indem das Lenkungssystem bis zum Torsionsstab berücksichtigt wird, weist die Gleichung (40) die folgende Form auf: f(TBT + TO) + TO + TBT = TT. (43)
  • Wenn TBT + TO als eine neue Variable x bezeichnet wird, dann ist die Gleichung (43) eine nicht lineare Gleichung mit Bezug auf x: f(x) + x = TT. (44)
  • Die Gleichung (44) kann numerisch online unter Verwendung des Newton-Raphson-Verfahrens gelöst werden. Alternativ kann die Gleichung (44) unter Verwendung einer umgekehrten Verweistabelle y(x) = x + f(x) gelöst werden. Die Funktion f ist eine bekannte Funktion (Verstärkungstabelle), daher ist y(x) ebenfalls eine bekannte Funktion. Für ein bestimmtes y = TT kann x unter Verwendung der Verweistabelle y(x) gefunden werden. Schließlich kann der Drehmomentüberlagerungsbefehl durch die Subtraktion von TBT von x als Folgendes durchgeführt werden: TO = x – TBT. (45)
  • Es muss angemerkt werden, dass die Verweistabelle in der Gleichung (40) durch das Überschreiben der Gleichung (40) in der folgenden Form verwendet werden kann: f(TBT + TO) + TBT + TO + HWT – TBT = TT, (46) oder f(x) + x = TT – (HWT – TBT). (47)
  • 7 ist ein Flussdiagramm 110, das einen Prozess zum Bereitstellen eines Drehmomentüberlagerungsbefehls an den Motor 26 im EPS-System 24 zeigt, wenn die Lenkungssteuerung erforderlich ist, wie oben erörtert. Der Algorithmus bestimmt am Entscheidungsdiamanten 112, ob das Kollisionsvermeidungssystem aktiviert wird. Wenn das Kollisionsvermeidungssystem aktiviert wird, liest der Algorithmus Sensordaten ab, um die Position des Fahrzeugs in der Fahrspur zu bestimmen, und definiert ein Steuerungslenkziel, das den Wegverfolgungsfehler minimiert, um der Mitte der Fahrspur unter Verwendung des Steuermodells und der Kostenfunktion J bei Kästchen 114 zu folgen. Der Algorithmus verwendet dann die MPC, um den optimalen gesamten Lenksäulendrehmomentbefehl, wie oben bei Kästchen 116 erörtert, zu bestimmen. Der Algorithmus verwendet dann das Fahrereingabe-Torsionsstab-Drehmoment, das gesamte Lenksäulendrehmoment und das Drehmoment der EPS-Assistenz-Verstärkungstabelle für die gegenwärtige Fahrzeuggeschwindigkeit, um den dualen Drehmomentüberlagerungsbefehl zu bestimmen, wie oben bei Kästchen 118 erörtert, wobei die Information der EPS-Assistenz-Verstärkungstabelle bei Kästchen 120 bereitgestellt wird. Der Algorithmus sendet dann den gesamten Drehmomentbefehl an den EPS-Motor 26 bei Kästchen 122.
  • Wie von den Fachleuten gut verstanden wird, können sich die verschiedenen Schritte und Prozesse, die hier erörtert werden, um die Erfindung zu beschreiben, auf Vorgänge beziehen, die von einem Computer, einem Prozessor oder einer anderen elektronischen Berechnungsvorrichtung durchgeführt werden, die Daten unter Verwendung eines elektrischen Phänomens handhaben und/oder umformen. Diese Computer und elektronischen Vorrichtungen können verschiedene flüchtige und/oder nicht flüchtige Speicher verwenden, darin eingeschlossen ein nicht transitorisches Computer-lesbares Medium, auf dem ein ausführbares Programm gespeichert ist, darin eingeschlossen verschiedene Code- oder ausführbare Anweisungen, die vom Computer oder Prozessor durchgeführt werden können, wobei der Speicher und oder das Computer-lesbare Medium alle Formen und Arten von Speicher und anderen Computer-lesbaren Medien umfassen kann.
  • Die oben angeführte Erörterung offenbart und beschreibt lediglich exemplarische Ausführungsbeispiele der vorliegenden Erfindung. Ein Fachmann erkennt einfach aus einer derartigen Erörterung und aus den beigefügten Zeichnungen und Ansprüchen, dass verschiedene Änderungen, Modifizierungen und Variationen daran vorgenommen werden können, ohne den Sinn und den Schutzumfang der Erfindung zu verlassen, wie in den folgenden Ansprüchen definiert.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • US 8190330 [0005]
    • US 8527172 [0005]

Claims (10)

  1. Verfahren zum Bereitstellen eines Drehmomentüberlagerungsbefehls in einem Kollisionsvermeidungssystem, der mindestens Teil eines Drehmomentbefehls ist, der einem elektrischen Servolenkungs(EPS)-Motor in einem Fahrzeug bereitgestellt wird, wobei das Verfahren Folgendes umfasst: Bereitstellen eines mathematischen Modells eines Fahrzeuglenksystems; Bestimmen einer Differenz zwischen einem gegenwärtigen Fahrzeugweg und einem gewünschten Fahrzeugweg, Bereitstellen einer modellprädiktiven Steuerung, um einen optimalen gesamten Säulendrehmomentbefehl für den Motor zu bestimmen, der die Differenz minimiert; Bereitstellen eines EPS-Drehmomentassistenzbefehls, basierend auf der Fahrzeuggeschwindigkeit, Bestimmen eines Drehmomentüberlagerungsbefehls unter Verwendung des optimalen gesamten Säulendrehmomentbefehls, eines vom Fahrer bereitgestellten Drehmoments, und des EPS-Assistenzdrehmoments für eine bestimmte Fahrzeuggeschwindigkeit; und Bereitstellen des gesamten Drehmomentbefehls an den EPS-Motor.
  2. Verfahren nach Anspruch 1, wobei das Bereitstellen eines mathematischen Modells ein Bereitstellen eines sechsdimensionalen mathematischen Modells umfasst.
  3. Verfahren nach Anspruch 2, wobei das Bereitstellen eines mathematischen Modells ein Bereitstellen eines mathematischen Modells umfasst, das eine Kombination aus einem einspurigen linearen Fahrradmodell und einem Lenksäulenmodell mit einem Grad Freiheit ist.
  4. Verfahren nach Anspruch 3, wobei das Bereitstellen eines mathematischen Modells die Verwendung des einspurigen Fahrradmodells umfasst, um Modelldimensionen der seitlichen Abweichung eines Fahrzeugschwerpunkts vom gewünschten Fahrzeugweg, einen Steuerkurswinkel-Fehler des Fahrzeugs, die seitliche Geschwindigkeit des Fahrzeugs, und die Drehrate des Fahrzeugs bereitzustellen, und das Lenksäulemodell mit einem Grad Freiheit Abmessungsparameter des Lenkradwinkels und der Lenkradwinkel-Rotationsrate bereitstellt.
  5. Verfahren nach Anspruch 1, wobei das Bestimmen einer Differenz die Definition einer Beziehung zwischen dem gesamten Drehmomentbefehl und einer Kostenfunktion definiert.
  6. Verfahren nach Anspruch 5, wobei die Kostenfunktion eine quadratische Funktion ist.
  7. Verfahren nach Anspruch 6, wobei die quadratische Funktion durch die folgende Gleichung definiert ist:
    Figure DE102014118120A1_0016
    wobei J0 die Kostenfunktion ist, Qk+j eine 2×2 Gewichtsmatrix ist und Rk eine 2×2 Gewichtsmatrix ist, y die seitliche Abweichung des Fahrzeugs ist, r die Drehrate istm und uk der gesamte Drehmomentsteuerungsbefehl ist.
  8. Verfahren nach Anspruch 7, wobei das Bereitstellen der modellprädiktiven Steuerung das Bestimmen des gesamten Drehmomentbefehls unter Verwendung der folgenden Gleichung umfasst:
    Figure DE102014118120A1_0017
    wobei Ad, Bd, Cd und hk diskrete Versionen der Matrizen A, B, C bzw. h sind, Qk+j ein Gewicht auf dem Wegnachverfolgungsfehler ist, Rk ein Gewicht auf dem Aktuatorbefehl ist, und rk+j ein Vektor von Sollwerten ist.
  9. Verfahren nach Anspruch 1, wobei das Bereitstellen des EPS-Assistenzdrehmoments ein Bereitstellen des EPS-Assistenzdrehmoments von der Verstärkungskurven-Tabelle umfasst.
  10. Verfahren nach Anspruch 1, wobei das Bestimmen des Drehmomentüberlagerungsbefehls ein Lösen einer nicht linearen algebraischen Gleichung umfasst.
DE102014118120.4A 2013-12-11 2014-12-08 Integrierte Kollisionsvermeidungssteuerung mit EPS-Controller Expired - Fee Related DE102014118120B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/103,703 2013-12-11
US14/103,703 US9361463B2 (en) 2013-12-11 2013-12-11 Detection of anomalous events

Publications (2)

Publication Number Publication Date
DE102014118120A1 true DE102014118120A1 (de) 2015-06-11
DE102014118120B4 DE102014118120B4 (de) 2020-07-09

Family

ID=53185480

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102014118120.4A Expired - Fee Related DE102014118120B4 (de) 2013-12-11 2014-12-08 Integrierte Kollisionsvermeidungssteuerung mit EPS-Controller

Country Status (2)

Country Link
US (1) US9361463B2 (de)
DE (1) DE102014118120B4 (de)

Families Citing this family (60)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9977416B2 (en) 2012-06-20 2018-05-22 Rockwell Automation Technologies, Inc. Industrial hardware installation base reporting and failure monitoring
US9319421B2 (en) 2013-10-14 2016-04-19 Ut-Battelle, Llc Real-time detection and classification of anomalous events in streaming data
US10129288B1 (en) * 2014-02-11 2018-11-13 DataVisor Inc. Using IP address data to detect malicious activities
GB2529150B (en) 2014-08-04 2022-03-30 Darktrace Ltd Cyber security
US9773112B1 (en) * 2014-09-29 2017-09-26 Fireeye, Inc. Exploit detection of malware and malware families
US10116488B2 (en) * 2014-10-09 2018-10-30 Rockwell Automation Technologies, Inc. System for analyzing an industrial control network
WO2016093836A1 (en) * 2014-12-11 2016-06-16 Hewlett Packard Enterprise Development Lp Interactive detection of system anomalies
US10305917B2 (en) * 2015-04-16 2019-05-28 Nec Corporation Graph-based intrusion detection using process traces
US11025478B2 (en) * 2015-05-27 2021-06-01 Telefonaktiebolaget Lm Ericsson (Publ) Method and apparatus for analysing performance of a network by managing network data relating to operation of the network
US10063578B2 (en) * 2015-05-28 2018-08-28 Cisco Technology, Inc. Network-centric visualization of normal and anomalous traffic patterns
US9800596B1 (en) 2015-09-29 2017-10-24 EMC IP Holding Company LLC Automated detection of time-based access anomalies in a computer network through processing of login data
US9838409B2 (en) 2015-10-08 2017-12-05 Cisco Technology, Inc. Cold start mechanism to prevent compromise of automatic anomaly detection systems
US10880202B2 (en) * 2015-12-21 2020-12-29 University Of Florida Research Foundation, Incorporated Joint fountain coding and network coding for loss-tolerant information spreading
US9892012B2 (en) * 2015-12-30 2018-02-13 International Business Machines Corporation Detecting anomalous sensors
GB2547202B (en) * 2016-02-09 2022-04-20 Darktrace Ltd An anomaly alert system for cyber threat detection
US10015185B1 (en) 2016-03-24 2018-07-03 EMC IP Holding Company LLC Risk score aggregation for automated detection of access anomalies in a computer network
US10003607B1 (en) 2016-03-24 2018-06-19 EMC IP Holding Company LLC Automated detection of session-based access anomalies in a computer network through processing of session data
US10341369B2 (en) * 2016-03-29 2019-07-02 Ncr Corporation Security system monitoring techniques by mapping received security score with newly identified security score
US10341391B1 (en) 2016-05-16 2019-07-02 EMC IP Holding Company LLC Network session based user behavior pattern analysis and associated anomaly detection and verification
US11082442B1 (en) * 2016-06-06 2021-08-03 EMC IP Holding Company LLC Automated setting of risk score aggregation weights for detection of access anomalies in a computer network
US10230744B1 (en) * 2016-06-24 2019-03-12 EMC IP Holding Company LLC Detecting periodic behavior in a communication session using clustering
US9582781B1 (en) 2016-09-01 2017-02-28 PagerDuty, Inc. Real-time adaptive operations performance management system using event clusters and trained models
US10515323B2 (en) * 2016-09-12 2019-12-24 PagerDuty, Inc. Operations command console
US10135853B2 (en) * 2016-09-20 2018-11-20 Northrop Grumman Systems Corporation Multi-tier aggregation for complex event correlation in streams
GB2557954B (en) * 2016-12-20 2021-04-07 F Secure Corp Method of security threat detection
WO2018124672A1 (en) * 2016-12-28 2018-07-05 Samsung Electronics Co., Ltd. Apparatus for detecting anomaly and operating method for the same
US9942255B1 (en) * 2016-12-30 2018-04-10 Google Llc Method and system for detecting abusive behavior in hosted services
CN110945538B (zh) 2017-04-03 2023-08-11 维择科技公司 自动规则推荐引擎
JP6757477B2 (ja) * 2017-05-18 2020-09-23 テッヒニシェ・ウニヴェルジテート・ヴィーンＴｅｃｈｎｉｓｃｈｅ Ｕｎｉｖｅｒｓｉｔａｔ Ｗｉｅｎ プロバイダネットワーク内の電子ファイル配信における不規則性を識別するための方法及びシステム
US10999247B2 (en) * 2017-10-24 2021-05-04 Nec Corporation Density estimation network for unsupervised anomaly detection
US11663067B2 (en) 2017-12-15 2023-05-30 International Business Machines Corporation Computerized high-speed anomaly detection
US11985142B2 (en) 2020-02-28 2024-05-14 Darktrace Holdings Limited Method and system for determining and acting on a structured document cyber threat risk
EP3528458B1 (de) 2018-02-20 2020-09-23 Darktrace Limited Cybersicherheitsanwendung für eine cloud-infrastruktur
US11924238B2 (en) 2018-02-20 2024-03-05 Darktrace Holdings Limited Cyber threat defense system, components, and a method for using artificial intelligence models trained on a normal pattern of life for systems with unusual data sources
US12063243B2 (en) 2018-02-20 2024-08-13 Darktrace Holdings Limited Autonomous email report generator
US11463457B2 (en) 2018-02-20 2022-10-04 Darktrace Holdings Limited Artificial intelligence (AI) based cyber threat analyst to support a cyber security appliance
US11477222B2 (en) 2018-02-20 2022-10-18 Darktrace Holdings Limited Cyber threat defense system protecting email networks with machine learning models using a range of metadata from observed email communications
US11962552B2 (en) 2018-02-20 2024-04-16 Darktrace Holdings Limited Endpoint agent extension of a machine learning cyber defense system for email
WO2019165548A1 (en) * 2018-02-28 2019-09-06 Cyber Defence Qcd Corporation Methods and systems for cyber-monitoring and visually depicting cyber-activities
US20190334759A1 (en) * 2018-04-26 2019-10-31 Microsoft Technology Licensing, Llc Unsupervised anomaly detection for identifying anomalies in data
US10885162B2 (en) 2018-06-29 2021-01-05 Rsa Security Llc Automated determination of device identifiers for risk-based access control in a computer network
KR102131922B1 (ko) * 2018-08-29 2020-07-08 국방과학연구소 복수의 주변 디바이스로부터 데이터를 수신하는 방법 및 디바이스
US11032303B1 (en) * 2018-09-18 2021-06-08 NortonLifeLock Inc. Classification using projection of graphs into summarized spaces
US20200097579A1 (en) * 2018-09-20 2020-03-26 Ca, Inc. Detecting anomalous transactions in computer log files
US11151246B2 (en) 2019-01-08 2021-10-19 EMC IP Holding Company LLC Risk score generation with dynamic aggregation of indicators of compromise across multiple categories
US10986121B2 (en) 2019-01-24 2021-04-20 Darktrace Limited Multivariate network structure anomaly detector
US11475125B2 (en) * 2019-05-01 2022-10-18 EMC IP Holding Company LLC Distribution-based aggregation of scores across multiple events
US11263104B2 (en) * 2019-05-30 2022-03-01 Micro Focus Llc Mapping between raw anomaly scores and transformed anomaly scores
US11403682B2 (en) * 2019-05-30 2022-08-02 Walmart Apollo, Llc Methods and apparatus for anomaly detections
US11709944B2 (en) 2019-08-29 2023-07-25 Darktrace Holdings Limited Intelligent adversary simulator
US12034767B2 (en) 2019-08-29 2024-07-09 Darktrace Holdings Limited Artificial intelligence adversary red team
CN113060082B (zh) * 2020-01-02 2023-12-15 广州汽车集团股份有限公司 车载防火墙的异常处理方法、装置、车载防火墙及汽车
US11973774B2 (en) * 2020-02-28 2024-04-30 Darktrace Holdings Limited Multi-stage anomaly detection for process chains in multi-host environments
JP2023524619A (ja) 2020-02-28 2023-06-13 ダークトレース ホールディングス リミテッド 関心度に基づいてデータ・フローを異なって取り扱うこと
US11150976B1 (en) 2020-07-24 2021-10-19 Micro Focus Llc Anomaly detection based on higher-order anomaly score
US20220121983A1 (en) * 2020-10-20 2022-04-21 Salesforce.Com, Inc. Multi-scale unsupervised anomaly transform for time series data
US11777988B1 (en) * 2021-03-09 2023-10-03 Rapid7, Inc. Probabilistically identifying anomalous honeypot activity
US11816210B2 (en) * 2021-03-22 2023-11-14 Adobe Inc. Risk-based alerting for computer security
US11829338B2 (en) 2021-12-07 2023-11-28 International Business Machines Corporation Unlabeled log anomaly continuous learning
US11588843B1 (en) 2022-04-08 2023-02-21 Morgan Stanley Services Group Inc. Multi-level log analysis to detect software use anomalies

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8190330B2 (en) 2009-03-06 2012-05-29 GM Global Technology Operations LLC Model based predictive control for automated lane centering/changing control systems
US8527172B2 (en) 2010-10-20 2013-09-03 GM Global Technology Operations LLC Vehicle collision avoidance and warning system

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0629039B2 (ja) 1986-01-10 1994-04-20 日産自動車株式会社 車両運動状態量推定装置
US7748039B2 (en) 2002-08-30 2010-06-29 Symantec Corporation Method and apparatus for detecting malicious code in an information handling system
GB2400358A (en) 2003-04-09 2004-10-13 Trw Ltd Steering rack disturbance force rejection
US8015133B1 (en) 2007-02-20 2011-09-06 Sas Institute Inc. Computer-implemented modeling systems and methods for analyzing and predicting computer network intrusions
JP2010531553A (ja) * 2007-03-30 2010-09-24 ネットクオス・インコーポレーテッド ネットワーク異常検出のための統計的方法およびシステム
US8707431B2 (en) 2007-04-24 2014-04-22 The Mitre Corporation Insider threat detection
US20090030752A1 (en) 2007-07-27 2009-01-29 General Electric Company Fleet anomaly detection method
DE102008040241A1 (de) 2008-07-08 2010-01-14 Robert Bosch Gmbh Ausweichfunktion zur Vermeidung von Kollisionen
US8938532B2 (en) * 2009-04-08 2015-01-20 The University Of North Carolina At Chapel Hill Methods, systems, and computer program products for network server performance anomaly detection
US8914878B2 (en) 2009-04-29 2014-12-16 Juniper Networks, Inc. Detecting malicious network software agents
US8800036B2 (en) * 2010-01-22 2014-08-05 The School Of Electrical Engineering And Computer Science (Seecs), National University Of Sciences And Technology (Nust) Method and system for adaptive anomaly-based intrusion detection
US9100425B2 (en) 2010-12-01 2015-08-04 Cisco Technology, Inc. Method and apparatus for detecting malicious software using generic signatures
US9218232B2 (en) * 2011-04-13 2015-12-22 Bar-Ilan University Anomaly detection methods, devices and systems
US8775006B2 (en) * 2011-07-14 2014-07-08 GM Global Technology Operations LLC System and method for enhanced vehicle control
US9349103B2 (en) 2012-01-09 2016-05-24 DecisionQ Corporation Application of machine learned Bayesian networks to detection of anomalies in complex systems
IL219597A0 (en) * 2012-05-03 2012-10-31 Syndrome X Ltd Malicious threat detection, malicious threat prevention, and a learning systems and methods for malicious threat detection and prevention
US9319421B2 (en) 2013-10-14 2016-04-19 Ut-Battelle, Llc Real-time detection and classification of anomalous events in streaming data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8190330B2 (en) 2009-03-06 2012-05-29 GM Global Technology Operations LLC Model based predictive control for automated lane centering/changing control systems
US8527172B2 (en) 2010-10-20 2013-09-03 GM Global Technology Operations LLC Vehicle collision avoidance and warning system

Also Published As

Publication number Publication date
DE102014118120B4 (de) 2020-07-09
US20150161394A1 (en) 2015-06-11
US9361463B2 (en) 2016-06-07

Similar Documents

Publication Publication Date Title
DE102014118120A1 (de) Integrierte Kollisionsvermeidungssteuerung mit EPS-Controller
DE102017201569A1 (de) Vorschau der lateralen steuerung für das automatisierte fahren
US9278713B2 (en) Collision avoidance control integrated with EPS controller
DE102016218476B4 (de) Fahrassistenzsteuervorrichtung für fahrzeug
EP1926654B1 (de) Verfahren und vorrichtung zum lenken eines kraftfahrzeugs
DE112013007674T9 (de) Vorwarnung bei Überschreiten eines Grenzwertes für ein Lenkdrehmoment eines LCC
DE102016100102B4 (de) Verfahren und system zur automatischen kollisionsvermeidung
DE102007061900B4 (de) Spurhalteassistenzsystem und -verfahren für ein Kraftfahrzeug
DE102018125250B4 (de) Verfahren und Steuereinheit zur Führung eines Fahrzeugs
DE102004054437B4 (de) Verfahren zur automatischen Steuerung und/oder Regelung einer Bewegung eines Fahrzeugs während eines Einparkvorgangs
DE102017202556A1 (de) System und verfahren zum bereitstellen eines korrigierten spurfolgeweges durch eine kurve für anhängerfahrzeuge
DE102012203673A1 (de) Sicherheitsvorrichtung für ein Kraftfahrzeug und Verfahren zum Betrieb eines Kraftfahrzeugs
DE102010001313A1 (de) Verfahren und Vorrichtung zum Durchführen eines Ausweichmanövers
DE112016006989T5 (de) Fahrzeugfahrt-assistenzvorrichtung und fahrzeugfahrt-assistenzverfahren
DE102013009252A1 (de) Steuergerät und Verfahren für eine Notfall-Lenkunterstützungsfunktion
DE102015220380A1 (de) Fahrzeuglenkvorrichtung und Fahrzeuglenksteuerverfahren
DE102009020649A1 (de) Verfahren und Vorrichtung zur Kollisionsvermeidung für ein Fahrzeug durch Ausweichen vor einem Hindernis
DE102013214225A1 (de) Dynamische Neuplanung einer Fahrtrajektorie mittels LQ-Regelung für einen Ausweichassistenten
DE112018004841T5 (de) Fahrassistenzvorrichtung, fahrassistenzverfahren und fahrassistenzsystem
DE102013216931A1 (de) Ausweichassistent für Kraftfahrzeuge
DE102020111606B4 (de) Drehmomentbasierte fahrzeugpfadvorhersage
DE102020103755A1 (de) SCHÄTZUNG EINES STRAßENREIBUNGSKOEFFIZIENTEN UNTER VERWENDUNGVON SIGNALEN EINES LENKSYSTEMS
DE102008013988B4 (de) Verfahren und Vorrichtung zum Durchführen eines Ausweichmanövers
DE102014203752A1 (de) Verfahren zur Regelung der Querdynamik eines Kraftfahrzeugs
DE102020202757A1 (de) Verfahren zur Steuerung eines Fahrzeuges

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final
R082 Change of representative

Representative=s name: SCHWEIGER, MARTIN, DIPL.-ING. UNIV., DE

R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee