DE102019131722B3 - Method for controlling or regulating air conditioning of a vehicle - Google Patents
Method for controlling or regulating air conditioning of a vehicle Download PDFInfo
- Publication number
- DE102019131722B3 DE102019131722B3 DE102019131722.3A DE102019131722A DE102019131722B3 DE 102019131722 B3 DE102019131722 B3 DE 102019131722B3 DE 102019131722 A DE102019131722 A DE 102019131722A DE 102019131722 B3 DE102019131722 B3 DE 102019131722B3
- Authority
- DE
- Germany
- Prior art keywords
- vehicle
- neural network
- artificial neural
- signal
- type
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
- B60H1/0073—Control systems or circuits characterised by particular algorithms or computational models, e.g. fuzzy logic or dynamic models
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/1917—Control of temperature characterised by the use of electric means using digital means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
Abstract
Die Erfindung betrifft ein Verfahren zur Steuerung oder Regelung einer Klimatisierung eines Fahrzeugs.Mindestens ein Neuron einer Eingangsschicht eines ersten künstlichen neuronalen Netzes (2) empfängt mindestens ein erstes fahrzeugtypspezifisches Signal (1) als Eingangssignal. Mindestens ein Neuron einer Ausgangsschicht des ersten künstlichen neuronalen Netzes (2) gibt mindestens ein erstes fahrzeugtypunabhängiges Signal (3) als Ausgangssignal aus. Mindestens ein Neuron einer Eingangsschicht eines zweiten künstlichen neuronalen Netzes (4) empfängt das mindestens eine erste fahrzeugtypunabhängige Signal (3) als Eingangssignal.Mindestens ein Neuron einer Ausgangsschicht des zweiten künstlichen neuronalen Netzes (4) gibt mindestens ein zweites fahrzeugtypunabhängiges Signal (5) als Ausgangssignal aus. Mindestens ein Neuron einer Eingangsschicht eines dritten künstlichen neuronalen Netzes (6) empfängt das mindestens eine zweite fahrzeugtypunabhängige Signal (5) als Eingangssignal.Mindestens ein Neuron einer Ausgangsschicht des dritten künstlichen neuronalen Netzes (6) gibt mindestens ein zweites fahrzeugtypspezifisches Signal (7) als Ausgangssignal aus.Die Steuerung oder Regelung der Klimatisierung des Fahrzeugs erfolgt mittels des mindestens einen zweiten fahrzeugtypspezifischen Signals (7).The invention relates to a method for controlling or regulating the air conditioning of a vehicle. At least one neuron of an input layer of a first artificial neural network (2) receives at least one first signal (1) specific to the vehicle type as an input signal. At least one neuron of an output layer of the first artificial neural network (2) outputs at least one first signal (3), which is independent of the vehicle type, as an output signal. At least one neuron of an input layer of a second artificial neural network (4) receives the at least one first vehicle-type-independent signal (3) as an input signal. At least one neuron of an output layer of the second artificial neural network (4) emits at least one second vehicle-type-independent signal (5) as an output signal out. At least one neuron of an input layer of a third artificial neural network (6) receives the at least one second vehicle-type-independent signal (5) as an input signal. At least one neuron of an output layer of the third artificial neural network (6) emits at least one second vehicle-type-specific signal (7) as an output signal The air conditioning of the vehicle is controlled or regulated by means of the at least one second signal (7) specific to the vehicle type.
Description
Technisches GebietTechnical area
Die Erfindung betrifft ein Verfahren zur Steuerung oder Regelung einer Klimatisierung eines Fahrzeugs gemäß dem Oberbegriff des Anspruchs 1.The invention relates to a method for controlling or regulating air conditioning of a vehicle according to the preamble of
Stand der TechnikState of the art
Eine Klimatisierung eines Fahrzeugs kann nachfolgende Bestandteile umfassen:
- • Ein Verfahren zur Klimatisierung eines Fahrzeugs. Dies ist eine Reihe von Funktionen, die aus Messungen des Fahrzeugzustands Größen zur Beeinflussung des Fahrzeugzustands ableiten. Diese Reihe von Funktionen ist häufig in Form von Modellbildung, Definition von Kennlinien und Filterungen unter zu Hilfenahme von softwarebasierten Regelungsfunktionen, beispielsweise sog. PID-Regler, erstellt.
- • Sensoren bzw. Vorrichtungen zur Messung des Fahrzeugzustands. Diese Sensoren messen beispielsweise die Außentemperatur bzw. Umgebungstemperatur des Fahrzeugs, die Sonneneinstrahlung auf das Fahrzeug, die Fahrzeuginnenraumtemperatur, die Luftfeuchtigkeit innerhalb des Fahrzeugs und/oder die Luftfeuchtigkeit außerhalb des Fahrzeugs.
- • Aktuatoren bzw. Vorrichtungen zur Beeinflussung des Fahrzeugzustands. Diese Aktuatoren beeinflussen den Fahrzeugzustand durch Änderung von beispielsweise der Spannung des Gebläses, der Drehzahl des Gebläses, der Temperatur der Abluft des Gebläses, der relativen Luftmenge, die in den Fußraum des Fahrzeugs strömt, und/oder der relativen Luftmenge, die unter die Frontscheibe strömt.
- • Steuergeräte bzw. Vorrichtungen zur Berechnung der Größen zur Beeinflussung des Fahrzeugzustands. Messungen der Sensoren werden an diese Steuergeräte weitergeleitet. Auf diesem Steuergerät läuft dann das Verfahren zur Klimatisierung des Fahrzeugs und liefert die Stellgrößen für die Aktuatoren. Das Steuergerät sendet dann diese Stellgrößen an die Aktuatoren.
- • A method for air conditioning a vehicle. This is a series of functions that derive variables from measurements of the vehicle condition to influence the vehicle condition. This series of functions is often created in the form of modeling, definition of characteristics and filtering with the help of software-based control functions, for example so-called PID controllers.
- • Sensors or devices for measuring the vehicle condition. These sensors measure, for example, the outside temperature or ambient temperature of the vehicle, the solar radiation on the vehicle, the vehicle interior temperature, the humidity inside the vehicle and / or the humidity outside the vehicle.
- • Actuators or devices for influencing the vehicle condition. These actuators influence the vehicle condition by changing, for example, the voltage of the blower, the speed of the blower, the temperature of the exhaust air from the blower, the relative amount of air that flows into the footwell of the vehicle and / or the relative amount of air that flows under the windshield .
- • Control units or devices for calculating the variables to influence the vehicle condition. Measurements from the sensors are forwarded to these control units. The process for air conditioning the vehicle then runs on this control unit and supplies the control variables for the actuators. The control unit then sends these manipulated variables to the actuators.
Eine derzeitige Parametrisierung einer Klimatisierung eines Fahrzeugs ist äußerst aufwendig, da speziell umgebaute Versuchsfahrzeuge genutzt werden, für die die Parametrisierung durchgeführt wird.
Mit diesem Versuchsfahrzeug werden Testfahrten durchgeführt.A current parameterization of the air conditioning of a vehicle is extremely complex, since specially converted test vehicles are used for which the parameterization is carried out.
Test drives are carried out with this test vehicle.
Diese Testfahrten sind relativ aufwendig und können mehrere Wochen oder Monate andauern.These test drives are relatively complex and can take several weeks or months.
Bei den Testfahrten werden Messdaten aufgenommen, die das Klimaverhalten der Umgebung und des Innenraums des Fahrzeugs beschreiben.During the test drives, measurement data are recorded that describe the climate behavior of the surroundings and the interior of the vehicle.
Die Messdaten beinhalten beispielsweise die Außentemperatur bzw. Umgebungstemperatur des Fahrzeugs, die Sonneneinstrahlung auf das Fahrzeug, die Fahrzeuginnenraumtemperatur, die Luftfeuchtigkeit innerhalb des Fahrzeugs und/oder die Luftfeuchtigkeit außerhalb des Fahrzeugs.The measurement data contain, for example, the outside temperature or ambient temperature of the vehicle, the solar radiation on the vehicle, the vehicle interior temperature, the humidity inside the vehicle and / or the humidity outside the vehicle.
Die Messdaten bilden die Grundlage zur Parametrisierung des Fahrzeugs. Nachdem die Testfahrten durchgeführt und die Messdaten aufgenommen sind, erfolgt eine Parametrisierung einer Klimatisierung eines Fahrzeugs.The measurement data form the basis for parameterizing the vehicle. After the test drives have been carried out and the measurement data recorded, the air conditioning of a vehicle is parameterized.
Es werden hierbei manuell Funktionen zur Erzeugung der Regelgrößen, beispielsweise die Innenraumtemperatur oder die Spannung des Innenraumgebläses, in Form von Modellbildung, Definition von Kennlinien und Filterungen unter Zuhilfenahme von softwarebasierten Regelungsfunktionen, beispielsweise sog. PID-Regler, erstellt.Functions for generating the control variables, for example the interior temperature or the voltage of the interior fan, are manually created in the form of modeling, definition of characteristics and filtering with the aid of software-based control functions, for example so-called PID controllers.
Während der Parametrisierung der Klimatisierung werden erneut Testfahrten durchgeführt. Bei diesen Testfahrten wird das Verhalten der Klimatisierung evaluiert sowie geprüft, ob es den Anforderungen an die Klimatisierung gerecht wird, andernfalls werden erneute Anpassungen der Parametrisierung durchgeführt.Test drives are carried out again during the parameterization of the air conditioning. During these test drives, the behavior of the air conditioning is evaluated and it is checked whether it meets the requirements for the air conditioning, otherwise the parameters are adjusted again.
Der beschriebene Ablauf muss für jeden neuen Fahrzeugtyp komplett von vorne durchgeführt werden.The process described must be carried out from the beginning for each new vehicle type.
Es kann dabei kein Wissenstransfer zur Klimatisierung eines neuen Fahrzeugtyps gespeichert werden.Knowledge transfer for air conditioning of a new vehicle type cannot be saved.
Die
Eine neuronale Operationseinheit wird zur Regelung oder Steuerung der Vorrichtung bereitgestellt, wobei die neuronale Operationseinheit mittels eines künstlichen neuronalen Netzes eingerichtet ist, einen Stellwert der Vorrichtung als Ausgangswert in Abhängigkeit von übermittelten Werten mehrerer Eingangsgrößen zu bestimmen.A neural operation unit is provided for regulating or controlling the device, the neural operation unit being set up by means of an artificial neural network to determine a control value of the device as an output value as a function of transmitted values of several input variables.
Die Eingangsgrößen umfassen wenigstens eine Fluidtemperatur des Kühlsystems und eine Topographie eines vorausliegenden Fahrtroutenabschnitts des Fahrzeugs.The input variables include at least a fluid temperature of the cooling system and a topography of a route section of the vehicle ahead.
Die Knoten des künstlichen neuronalen Netzes basierend auf einer Korrelation zwischen den Werten der Eingangsgrößen und den Ausgangswerten werden vorgegeben.The nodes of the artificial neural network based on a correlation between the values of the input variables and the output values are specified.
Die Korrelation wird durch Optimierung eines summarischen Energieverbrauchs des Fahrzeugs im vorausliegenden Fahrtroutenabschnitt und/oder einer Fahrfähigkeit des Fahrzeugs ohne erwärmungsbedingte Leistungsdrosselung im vorausliegenden Fahrtroutenabschnitt bestimmt.The correlation is determined by optimizing a total energy consumption of the vehicle in the route section ahead and / or a driving ability of the vehicle without heating-related power throttling in the route section ahead.
Aufgabe der ErfindungObject of the invention
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zur Steuerung oder Regelung einer Klimatisierung eines Fahrzeugs mit einem verbesserten Zeitaufwand bereitzustellen.The invention is based on the object of providing a method for controlling or regulating air conditioning of a vehicle with an improved expenditure of time.
Lösung der AufgabeSolution of the task
Die Erfindung wird durch ein Verfahren gemäß Anspruch 1 gelöst.The invention is achieved by a method according to
Vorteile der ErfindungAdvantages of the invention
Das erfindungsgemäße Verfahren zur Steuerung oder Regelung einer Klimatisierung eines Fahrzeugs umfasst drei künstliche neuronale Netze.The method according to the invention for controlling or regulating the air conditioning of a vehicle comprises three artificial neural networks.
Mindestens ein Neuron einer Eingangsschicht eines ersten künstlichen neuronalen Netzes empfängt mindestens ein erstes fahrzeugtypspezifisches Signal als Eingangssignal.At least one neuron of an input layer of a first artificial neural network receives at least one first vehicle-type-specific signal as an input signal.
Je nach Fahrzeugtyp kann ein Signal in unterschiedlichen Namensbezeichnungen sowie in einem oder mehreren fahrzeugtypspezifischen Signalen gespeichert werden. Beispielsweise kann die Außentemperatur bei einem ersten Fahrzeughersteller und/oder - typ in zwei einzelnen Signalen und bei einem zweiten Fahrzeughersteller und/oder -typ in vier einzelnen Signalen mit unterschiedlicher Namensbezeichnung gespeichert werden.Depending on the vehicle type, a signal can be saved with different names and in one or more vehicle-type-specific signals. For example, the outside temperature can be stored in two individual signals for a first vehicle manufacturer and / or type and in four individual signals with different names for a second vehicle manufacturer and / or type.
Das erste fahrzeugtypspezifische Signal kann im Fahrzeug gemessene Werte umfassen, zu denen aktuelle Werte und Aufzeichnungen von Zeitverläufen gezählt werden können. Weiterhin kann das erste fahrzeugtypspezifische Signal Daten beinhalten, die mittels einer sog. Cloudinfrastruktur empfangen werden, beispielsweise das Lesen von Wetterdaten aus einer Internetdatenbank.The first vehicle-type-specific signal can include values measured in the vehicle, to which current values and recordings of time courses can be counted. Furthermore, the first vehicle-type-specific signal can contain data that are received by means of what is known as a cloud infrastructure, for example the reading of weather data from an Internet database.
Zudem können Daten erste fahrzeugtypspezifische Signale darstellen, die mittels einer sog. Car-2-x-Kommunikation empfangen werden, beispielsweise Wetterdaten oder weitere für eine Klimatisierung relevante Daten.In addition, data can represent the first vehicle-type-specific signals that are received by means of what is known as Car-2-x communication, for example weather data or other data relevant for air conditioning.
Mindestens ein Neuron einer Ausgangsschicht des ersten künstlichen neuronalen Netzes gibt mindestens ein erstes fahrzeugtypunabhängiges Signal als Ausgangssignal aus.At least one neuron of an output layer of the first artificial neural network outputs at least one first signal, which is independent of the vehicle type, as an output signal.
Das erste künstliche neuronale Netz gewinnt aus den ersten fahrzeugtypspezifischen Signalen Informationen, die fahrzeugtypunabhängig und für das erfindungsgemäße Verfahren relevant sind.The first artificial neural network obtains information from the first vehicle-type-specific signals which is independent of the vehicle type and which is relevant to the method according to the invention.
In diesem Sinne kann das erste künstliche neuronale Netz als Kodierer (engl. Encoder) bezeichnet werden.In this sense, the first artificial neural network can be referred to as an encoder.
Das erste künstliche neuronale Netz umfasst neben der Eingangs- und Ausgangsschicht mindestens eine verdeckte Schicht.The first artificial neural network comprises at least one hidden layer in addition to the input and output layers.
Das erste künstliche neuronale Netz kann fahrzeugtypspezifisch sein und für jeden Fahrzeugtyp getrennt gelernt werden.The first artificial neural network can be specific to the vehicle type and can be learned separately for each vehicle type.
Für das Anlernen des ersten künstlichen neuronalen Netzes ist erforderlich, dass erste fahrzeugtypspezifische Signale, welche auch zuvor genannte Cloud- und Car-2-x-Daten umfassen, für jedes spezifische Fahrzeug aufgenommen werden, beispielsweise während einer Testfahrt im Fahrzeug mit einem geeigneten Programm/Tool zum Aufzeichnen von Messdaten, oder alternativ mit einem Modell synthetische Daten für jeden Fahrzeugtyp erzeugt werden.For the learning of the first artificial neural network it is necessary that first vehicle-type-specific signals, which also include the aforementioned cloud and car-2-x data, are recorded for each specific vehicle, for example during a test drive in the vehicle with a suitable program / Tool for recording measurement data, or, alternatively, using a model to generate synthetic data for each vehicle type.
Mit diesen ersten fahrzeugtypspezifischen Signalen wird ein Autoencoder angelernt, welcher eine Kompression und eine Wiederherstellung der ersten fahrzeugtypspezifischen Signale erzeugen kann.With these first vehicle-type-specific signals, an auto-encoder is learned which can generate compression and restoration of the first vehicle-type-specific signals.
Von diesem Autoencoder wird nur der Kompressionsteil als erstes künstliches neuronales Netz / Encoder beibehalten.Only the compression part of this autoencoder is retained as the first artificial neural network / encoder.
Mindestens ein Neuron einer Eingangsschicht eines zweiten künstlichen neuronalen Netzes empfängt das mindestens eine erste fahrzeugtypunabhängige Signal als Eingangssignal.At least one neuron of an input layer of a second artificial neural network receives the at least one first signal, which is independent of the vehicle type, as an input signal.
Mindestens ein Neuron einer Ausgangsschicht des zweiten künstlichen neuronalen Netzes gibt mindestens ein zweites fahrzeugtypunabhängiges Signal als Ausgangssignal aus, welches mittels Matrizenmultiplikation, und/oder Matrizenaddition und Transformation durch lineare oder nichtlineare Aktivierungsfunktionen ermittelt wurde.At least one neuron of an output layer of the second artificial neural network outputs at least one second vehicle-type-independent signal as an output signal, which was determined by means of matrix multiplication and / or matrix addition and transformation by linear or non-linear activation functions.
Das zweite künstliche neuronale Netz umfasst neben der Eingangs- und Ausgangsschicht mindestens eine verdeckte Schicht.The second artificial neural network comprises at least one hidden layer in addition to the input and output layers.
Das zweite künstliche neuronale Netz kann nur für eine Untermenge aller vorhandenen Fahrzeugtypen angelernt werden.The second artificial neural network can only be learned for a subset of all existing vehicle types.
Die Untermenge kann auch nur ein einzelner, erster Fahrzeugtyp sein.The subset can also be just a single, first vehicle type.
Mindestens ein Neuron einer Eingangsschicht eines dritten künstlichen neuronalen Netzes empfängt das mindestens eine zweite fahrzeugtypunabhängige Signal als Eingangssignal.At least one neuron of an input layer of a third artificial neural network receives the at least one second signal, which is independent of the vehicle type, as an input signal.
Mindestens ein Neuron einer Ausgangsschicht des dritten künstlichen neuronalen Netzes gibt mindestens ein zweites fahrzeugtypspezifisches Signal als Ausgangssignal aus.At least one neuron of an output layer of the third artificial neural network outputs at least one second vehicle-type-specific signal as an output signal.
Das dritte künstliche neuronale Netz wandelt die zweiten fahrzeugtypunabhängigen Signale in zweite fahrzeugtypspezifische Signale um.The third artificial neural network converts the second vehicle-type-independent signals into second vehicle-type-specific signals.
Die zweiten fahrzeugtypspezifischen Signale liegen in einer Namensbezeichnung des jeweiligen Fahrzeugherstellers und/oder -typs vor.The second vehicle-type-specific signals are in a name designation of the respective vehicle manufacturer and / or type.
In diesem Sinne kann das dritte künstliche neuronale Netz als Dekodierer (engl. Decoder) bezeichnet werden.In this sense, the third artificial neural network can be referred to as a decoder.
Das dritte künstliche neuronale Netz umfasst neben der Eingangs- und Ausgangsschicht mindestens eine verdeckte Schicht.In addition to the input and output layers, the third artificial neural network comprises at least one hidden layer.
Das dritte künstliche neuronale Netz kann fahrzeugtypspezifisch sein und für jeden Fahrzeugtyp getrennt gelernt werden.The third artificial neural network can be specific to the vehicle type and learned separately for each vehicle type.
Das Anlernen erfolgt mittels eines Autoencoders, der eine Kompression und Wiederherstellung von zweiten fahrzeugtypspezifischen Signalen erzeugen kann.The learning takes place by means of an autoencoder, which can generate a compression and restoration of second vehicle type-specific signals.
Von diesem Autoencoder wird nur der Wiederherstellungsteil als drittes künstliches neuronales Netz / Decoder beibehalten.Only the restoration part of this autoencoder is retained as a third artificial neural network / decoder.
Das erste künstliche neuronale Netz, das zweite künstliche neuronale Netz und das dritte künstliche neuronale Netz können selbstlernend sein und ihre initialen Gewichte und Parametrisierungen anhand einer Zielfunktion anpassen.The first artificial neural network, the second artificial neural network and the third artificial neural network can be self-learning and adapt their initial weights and parameterizations based on a target function.
Für ein erstes Fahrzeug können das erste künstliche neuronale Netz, das zweite künstliche neuronale Netz und das dritte künstliche neuronale Netz gemeinsam angelernt (Ende-zu-Ende) werden.For a first vehicle, the first artificial neural network, the second artificial neural network and the third artificial neural network can be learned together (end-to-end).
Das erste künstliche neuronale Netz wird anschließend für jedes vom ersten Fahrzeug verschiedene Fahrzeug einzeln angelernt.The first artificial neural network is then individually trained for each vehicle different from the first vehicle.
Das dritte künstliche neuronale Netz wird anschließend für jedes vom ersten Fahrzeug verschiedene Fahrzeug einzeln angelernt.The third artificial neural network is then individually trained for each vehicle different from the first vehicle.
Daran anschließend werden das erste künstliche neuronale Netz, das zweite künstliche neuronale Netz und das dritte künstliche neuronale Netz gemeinsam angelernt (Ende-zu-Ende).The first artificial neural network, the second artificial neural network and the third artificial neural network are then learned together (end-to-end).
Die Steuerung oder Regelung der Klimatisierung des Fahrzeugs erfolgt mittels des mindestens einen zweiten fahrzeugtypspezifischen Signals.The air conditioning of the vehicle is controlled or regulated by means of the at least one second signal specific to the vehicle type.
Das zweite fahrzeugtypspezifische Signal kann beispielsweise die Soll-Spannung und/oder die Soll-Drehzahl eines Gebläses, die Soll-Fahrzeuginnenraumtemperatur, die Soll-Ablufttemperatur und/oder die Soll-Position einer Umluftklappe sein.The second vehicle type-specific signal can be, for example, the target voltage and / or the target speed of a blower, the target vehicle interior temperature, the target exhaust air temperature and / or the target position of a recirculation flap.
Mittels des erfindungsgemäßen Verfahrens ist ein Wissenstransfer von einem ersten Fahrzeughersteller und/oder -typ zu einem von dem ersten Fahrzeughersteller verschiedenen zweiten oder weiteren Fahrzeughersteller und/oder -typ möglich.A knowledge transfer from a first vehicle manufacturer and / or type to a second or further vehicle manufacturer and / or type different from the first vehicle manufacturer is possible by means of the method according to the invention.
Für einen ersten Fahrzeughersteller und/oder -typ ist einmalig ein mit dem im Stand der Technik beschriebenen Vorgehen vergleichbarer umfangreicher Aufwand durchzuführen. D.h. es werden Testfahrten durchgeführt.For a first vehicle manufacturer and / or type, a one-time extensive effort comparable to that described in the prior art has to be carried out. I.e. test drives are carried out.
Während der Testfahrten werden Messdaten aufgenommen, die das Klimaverhalten der Umgebung und des Innenraums des Fahrzeugs beschreiben.During the test drives, measurement data are recorded that describe the climate behavior of the surroundings and the interior of the vehicle.
Der erste Unterschied zu den bekannten Verfahren ist in diesem Schritt.The first difference to the known procedures is in this step.
Es werden nicht manuell Funktionen zur Erzeugung der Regelgrößen, Definition von Kennlinien und Filterungen unter Zuhilfenahme von softwarebasierten Regelungsfunktionen erzeugt, sondern das erste künstliche neuronale Netz, das zweite künstliche neuronale Netz und das dritte künstliche neuronale Netz werden automatisiert trainiert.Functions for generating the controlled variables, defining characteristics and filtering with the aid of software-based control functions are not generated manually, but the first artificial neural network, the second artificial neural network and the third artificial neural network are trained automatically.
Hieraus resultiert eine für den Fahrzeughersteller und/oder -typ parametrisierte Klimatisierung.This results in an air conditioning parameterized for the vehicle manufacturer and / or type.
Dieses automatisierte Trainieren ist weniger zeitlich aufwendig im Vergleich zu einer manuellen Erzeugung von Funktionen.This automated training is less time-consuming compared to manual generation of functions.
FigurenlisteFigure list
Es zeigt:
- Fig.: ein schematisiertes Blockschaltbild eines erfindungsgemäßen Verfahrens zur Steuerung oder Regelung einer Klimatisierung eines Fahrzeugs.
- FIG.: A schematic block diagram of a method according to the invention for controlling or regulating air conditioning of a vehicle.
Die Figur zeigt ein erfindungsgemäßes Verfahren zur Steuerung oder Regelung einer Klimatisierung eines Fahrzeugs.The figure shows a method according to the invention for controlling or regulating air conditioning of a vehicle.
Mindestens ein erstes fahrzeugtypspezifisches Signal
Ein Ausgangssignal des ersten künstlichen neuronalen Netzes
Das mindestens eine erste fahrzeugtypunabhängige Signal
Die Anzahl der ersten fahrzeugtypunabhängigen Signale
Bilden beispielsweise zwei erste fahrzeugtypunabhängige Signale
Ein Ausgangsignal des zweiten künstlichen neuronalen Netzes
Das mindestens eine zweite fahrzeugtypunabhängige Signal
Die Anzahl der zweiten fahrzeugtypunabhängigen Signale
Bilden beispielsweise vier zweite fahrzeugtypunabhängige Signale
Ein Ausgangssignal des dritten künstlichen neuronalen Netzes
Die Steuerung oder Regelung der Klimatisierung des Fahrzeugs erfolgt mittels des mindestens einen zweiten fahrzeugtypspezifischen Signals
BezugszeichenlisteList of reference symbols
- 11
- Erstes fahrzeugtypspezifisches SignalFirst vehicle type-specific signal
- 22
- Erstes künstliches neuronales NetzFirst artificial neural network
- 33
- Erstes fahrzeugtypunabhängiges SignalFirst signal independent of vehicle type
- 44th
- Zweites künstliches neuronales NetzSecond artificial neural network
- 55
- Zweites fahrzeugtypunabhängiges Signal Second vehicle type-independent signal
- 66th
- Drittes künstliches neuronales NetzThird artificial neural network
- 77th
- Zweites fahrzeugtypspezifisches SignalSecond vehicle type-specific signal
Claims (6)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019131722.3A DE102019131722B3 (en) | 2019-11-25 | 2019-11-25 | Method for controlling or regulating air conditioning of a vehicle |
PCT/DE2020/100995 WO2021104575A1 (en) | 2019-11-25 | 2020-11-24 | Method for the open-loop or closed-loop control of an air-conditioning system of a vehicle |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019131722.3A DE102019131722B3 (en) | 2019-11-25 | 2019-11-25 | Method for controlling or regulating air conditioning of a vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102019131722B3 true DE102019131722B3 (en) | 2020-10-22 |
Family
ID=72660429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019131722.3A Active DE102019131722B3 (en) | 2019-11-25 | 2019-11-25 | Method for controlling or regulating air conditioning of a vehicle |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102019131722B3 (en) |
WO (1) | WO2021104575A1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023151844A1 (en) * | 2022-02-09 | 2023-08-17 | Audi Ag | Method for operating a coolant circuit, and motor vehicle |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014007303A1 (en) * | 2014-05-17 | 2015-11-19 | Man Truck & Bus Ag | Control or regulating method for a motor vehicle |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004114937A (en) * | 2002-09-27 | 2004-04-15 | Denso Corp | Air conditioner for vehicle |
-
2019
- 2019-11-25 DE DE102019131722.3A patent/DE102019131722B3/en active Active
-
2020
- 2020-11-24 WO PCT/DE2020/100995 patent/WO2021104575A1/en active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014007303A1 (en) * | 2014-05-17 | 2015-11-19 | Man Truck & Bus Ag | Control or regulating method for a motor vehicle |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023151844A1 (en) * | 2022-02-09 | 2023-08-17 | Audi Ag | Method for operating a coolant circuit, and motor vehicle |
Also Published As
Publication number | Publication date |
---|---|
WO2021104575A1 (en) | 2021-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3688537A1 (en) | Method, device and computer program for operating a robot control system | |
DE102010013943B4 (en) | Method and device for a functional test of an object recognition device of a motor vehicle | |
EP3408638B1 (en) | Method and test object for carrying out a test run with a test object | |
AT520827B1 (en) | A method of determining a vehicle parameter of a vehicle record of a vehicle and using the vehicle parameter on a test bench | |
DE102019203712B4 (en) | Method for training at least one algorithm for a control unit of a motor vehicle, computer program product, motor vehicle and system | |
DE102007044042A1 (en) | Method and device for simulating the driving characteristics of a drive concept of a motor vehicle to be developed | |
WO2021058223A1 (en) | Method for applying automated driving functions efficiently and in a simulated manner | |
EP3721199B1 (en) | Test stand and method for performing a test | |
WO2019153026A1 (en) | Method and system for analyzing at least one device of a unit that has a plurality of different devices | |
DE102019218613A1 (en) | Object classification method, object classification circuit, motor vehicle | |
DE102019131722B3 (en) | Method for controlling or regulating air conditioning of a vehicle | |
EP1623284A1 (en) | Method for optimizing vehicles and engines used for driving such vehicles | |
WO2019119011A1 (en) | Behaviour model of an environment sensor | |
EP3979009A1 (en) | Creation of a simplified model for xil systems | |
DE102018205660A1 (en) | Simulating statistically modeled sensor data | |
WO2018177526A1 (en) | Robustness analysis for vehicles | |
EP3650964B1 (en) | Method for controlling or regulating a technical system | |
AT522649A1 (en) | Method and system for determining the amount of air supplied to an internal combustion engine | |
DE102019124257A1 (en) | Method, device, computer program and computer program product for determining AI training data in a vehicle and method, device, computer program and computer program product for determining relevant situation parameters for training an artificial intelligence unit of an automatically drivable vehicle | |
DE102019218476A1 (en) | Device and method for measuring, simulating, labeling and evaluating components and systems of vehicles | |
DE102018128315A1 (en) | Method, device, computer program and computer program product for checking a first adaptive system model | |
DE102017205437A1 (en) | Robustness analysis in vehicles | |
DE102019123447B4 (en) | Method for operating vehicle components | |
EP4339072A1 (en) | Method for determining at least one control parameter for an ato system | |
DE102020208280A1 (en) | Method of manufacturing a movement device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final |