DE102020202803A1

DE102020202803A1 - Modellbasierte prädiktive Regelung eines Fahrzeugs unter Berücksichtigung eines Ankunftszeit-Faktors

Info

Publication number: DE102020202803A1
Application number: DE102020202803.6A
Authority: DE
Inventors: Valerie Engel; Andreas Wendzel; Michael Wechs; Maik Dreher; Lorenz Fischer; Oliver Schneider; Christian Baumann; Edgar Menezes; Felix Spura
Original assignee: ZF Friedrichshafen AG
Current assignee: ZF Friedrichshafen AG
Priority date: 2020-03-05
Filing date: 2020-03-05
Publication date: 2021-09-09

Abstract

Die Erfindung betrifft die modellbasierte prädiktive Regelung eines Fahrzeugs unter Berücksichtigung eines Ankunftszeit-Faktors. Insbesondere wird eine Prozessoreinheit bereitgestellt, welche dazu eingerichtet ist, unter Berücksichtigung wenigstens eines Ankunftszeit-Faktors eine Trajektorie für das Fahrzeug (1) zu berechnen, wobei die Trajektorie eine gesamte Route (20) bis zu einem vorgegebenen Ziel (19) umfasst, an dem das Fahrzeug (1) ankommen soll, und wobei der Ankunftszeit-Faktor eine Ankunftszeit des Fahrzeugs (1) an dem vorgegebenen Ziel (19) beeinflusst. Weiterhin ist die Prozessoreinheit dazu eingerichtet, durch Ausführen eines MPC-AIgorithmus', welcher ein Längsdynamikmodell eines Antriebsstrangs des Fahrzeugs (1) und eine zu minimierende Kostenfunktion enthält, für einen gleitenden Prädiktionshorizont einen Abschnitt der Trajektorie für das Fahrzeug (1) zu optimieren, sodass die Kostenfunktion minimiert wird.

Description

Die Erfindung betrifft die modellbasierte prädiktive Regelung eines Fahrzeugs unter Berücksichtigung wenigstens eines Ankunftszeit-Faktors. Beansprucht werden in diesem Zusammenhang insbesondere eine Prozessoreinheit, ein Fahrerassistenzsystem, ein Fahrzeug, ein Verfahren sowie ein Computerprogrammprodukt.
Methoden der modellbasierten prädiktiven Regelung (im Englischen: Model Predictive Control oder abgekürzt: MPC) werden auf dem Gebiet der Trajektorie-Regelung, insbesondere im Bereich der Motor-Regelung in Kraftfahrzeugen eingesetzt. Aufgrund online verfügbarer Streckeninformationen und einer benötigten Rechenzeit wird eine Fahrstrategie in einer modellbasierten prädiktiven Regelung eines Fahrzeugs üblicherweise für einen begrenzten Vorausschauhorizont berechnet. Dadurch kann eine Ankunftszeit des Fahrzeugs am Ziel nicht vorhergesagt und eine Trajektorie des Fahrzeugs auch nicht dahingehend optimiert werden. Weiterhin bleiben Tankstopps und Ladestopps des Fahrzeugs unberücksichtigt.
Eine Aufgabe der vorliegenden Erfindung kann darin gesehen werden, eine verbesserte MPC-Regelung eines Antriebsstrangs eines Kraftfahrzeugs bereitzustellen. Die Aufgabe wird gelöst durch die Gegenstände der unabhängigen Patentansprüche. Vorteilhafte Ausführungsformen sind Gegenstand der Unteransprüche, der folgenden Beschreibung sowie der Figuren.
Die vorliegende Erfindung stellt eine energieeffiziente und zeiteffiziente Routenplanung zur Verfügung. Insbesondere wird eine Optimierung einer Fahrgeschwindigkeit eines Fahrzeugs für einen optimalen Energieverbrauch und/oder eine optimale Fahrzeit bis zu einem gewünschten örtlichen Ziel vorgeschlagen. Dabei werden zusätzlich zu einer Streckentopologie und einer Position von Tankmöglichkeiten und Lademöglichkeiten weitere Informationen und Einflüsse auf die Ankunft des Fahrzeugs an dem gewünschten örtlichen Endziel wie beispielsweise notwendige Pausenzeiten berücksichtigt. Die Optimierung erfolgt für reine Elektrofahrzeuge oder Plug-In Hybridfahrzeuge, wodurch die Nutzung elektrischer Ladestationen nicht zwingend notwendig ist und ein weiterer Freiheitsgrad für das Optimierungsproblem entsteht.
Die modellprädiktive Regelung eines Fahrzeugs wird gemäß der vorliegenden Erfindung durch die Berechnung der kompletten Strecke und Trajektorie unter Berücksichtigung von Ankunftszeit-Faktoren erweitert, welche die Fahrtzeit bzw. die Ankunftszeit des Fahrzeugs an einem gewünschten örtlichen Ziel beeinflussen. Beispiele für die Ankunftszeit-Faktoren sind Pausenzeiten (Privatperson, LKW-Fahrer, Busfahrer), Zeiten zum Beladen eines LKWs, Zeiten zum Tanken/Laden der Batterie, Information über Verfügbarkeit von Ladestationen, Verkehrsaufkommen und Stau und Wetterbedingungen auf der Strecke. Ebenfalls kann eine Vorausberechnung von Fahrgeschwindigkeit und Energieverbrauch unter Berücksichtigung der Vorgabe einer Wunschankunftszeit oder einer Wunsch-Reichweite erfolgen.
In diesem Sinne wird gemäß einem ersten Aspekt der Erfindung eine Prozessoreinheit zur modellbasierten prädiktiven Regelung eines Fahrzeugs unter Berücksichtigung eines Ankunftszeit-Faktors bereitgestellt. Die Prozessoreinheit ist dazu eingerichtet, unter Berücksichtigung wenigstens eines Ankunftszeit-Faktors eine Trajektorie für das Fahrzeug zu berechnen. Die Trajektorie umfasst bzw. berücksichtigt eine gesamte Route bis zu einem vorgegebenen Ziel, an dem das Fahrzeug ankommen soll. Der Ankunftszeit-Faktor beeinflusst eine Ankunftszeit des Fahrzeugs an dem vorgegebenen Ziel. Die auf diese Weise berechnete Trajektorie für das Fahrzeug kann relativ grob sein, wobei dem Fahrzeug z.B. noch keine Gänge vorgegeben werden. Das vorgegebene Ziel ist eine Position, an der das Fahrzeug ankommen soll. Ausgehend von einer Startposition führt die Route zu dem Ziel. Die „gesamte Route“ umfasst den gesamten Streckenverlauf zwischen Start und Ziel. Der Prädiktionshorizont der modellbasierten prädiktiven Regelung hingegen ist gleitend und erfasst jeweils einen Teil der gesamten Route, bis das Ziel erreicht ist. Das Ziel kann durch einen Fahrer des Fahrzeugs vorgegeben werden, beispielsweise durch eine Eingabe auf einem Navigationsgerät des Fahrzeugs. Das Ziel kann ferner beispielsweise durch eine externe Einheit vorgegeben werden, beispielsweise durch eine außerhalb des Fahrzeugs angeordnete Kommandozentrale einer Fahrzeugflotte.
Die Trajektorie für das Fahrzeug kann beispielsweise durch einen Routen-Algorithmus generiert werden, der in ein System für autonomes Fahren (englischsprachiger gängiger Fachausdruck: Autonomous Driving System oder kurz: AD-System) eingebettet sein kann. Das AD-System umfasst typischerweise ein Modul zur Umgebungswahrnehmung mit Sensoren und ein Planungsmodul. Das Planungsmodul kann mehrere Ebenen umfassen, z.B. eine Navigationsebene im größeren Maßstab (z.B. mehrere km; hier kann die Fahrzeugtrajektorie von Start bis Ziel gewählt bzw. berechnet werden) und eine Navigationsebene im kleineren Maßstab (z.B. in den vorausliegenden 50 m bis 100 m, je nach Geschwindigkeit des Fahrzeugs; hier ist eine Wahl von Kurs und Geschwindigkeit im näheren Umfeld des Fahrzeugs möglich, um festzulegen, wie sich das Fahrzeug im Verkehr bewegen soll).
Die Prozessoreinheit ist weiterhin dazu eingerichtet, durch Ausführen eines MPC-AIgorithmus', welcher ein Längsdynamikmodell eines Antriebsstrangs des Fahrzeugs und eine zu minimierende Kostenfunktion enthält, für einen gleitenden Prädiktionshorizont einen Abschnitt der Trajektorie für das Fahrzeug zu optimieren, sodass die Kostenfunktion minimiert wird. Die optimierte Trajektorie für den gleitenden Prädiktionshorizont ist feiner als die Geschwindigkeitstrajektorie für die gesamte Route und kann dem Fahrzeug insbesondere Gänge vorgeben. Die Berechnung der Fahrzeugtrajektorie für die gesamte Route erfolgt somit separat zu der MPC-basierten Optimierung der Fahrzeugtrajektorie innerhalb des gleitenden Prädiktionshorizonts. Insbesondere wird für jeden neuen Prädiktionshorizont ein neues bzw. aktualisiertes Teilstück der Fahrzeugtrajektorie für die gesamte Route optimiert. Weiterhin kann die Prozessoreinheit das vorstehend beschriebene Planungsmodul („Top Level“-Planungsmodul) bilden, welches die gesamte Fahrzeugtrajektorie unter Berücksichtigung der Ankunftszeit-Faktoren plant. Dieses Planungsmodul kann dann Teilstücke der gesamten Fahrzeugtrajektorie an den MPC-Algorithmus übergeben, mittels welchem eine optimale Trajektorie des Fahrzeugs innerhalb des Prädiktionshorizonts ermittelt werden kann. Um die zeitliche Information zu berücksichtigen, kann das Planungsmodul am Ende des Teilstücks, das dem MPC-Algorithmus übergeben wird, einen geeigneten Punkt setzen, der dem Zielzeitpunkt am Ende des Teilstücks entspricht.
Außerdem kann die Prozessoreinheit dazu eingerichtet sein, das Fahrzeug, insbesondere eine elektrische Maschine des Fahrzeugs, basierend auf der ermittelten, optimierten Trajektorie zu steuern. Dabei kann die Prozessoreinheit dazu eingerichtet sein, die mittels des MPC-Algorithmus optimierte Trajektorie für das Fahrzeug an einen Target Generator zu übermitteln, der insbesondere durch ein Softwaremodul implementiert sein kann. Mittels dieses Software-Moduls kann die Prozessoreinheit die mathematisch-optimale Trajektorie für das Fahrzeug in tatsächlich verwertbare Komponentensignale konvertieren. Als Beispiel kann durch die MPC-Regelung eine Geschwindigkeitstrajektorie des Fahrzeugs für die nächsten 500m optimal geplant werden. In diesem Fall würde der Target Generator aus der Trajektorie die Stellgrößen bzw. Sollgrößen verwenden, die dem aktuellen Zeitpunkt entsprechen.
Die durch die Prozessoreinheit ermittelte und optimierte Trajektorie für das Fahrzeug kann insbesondere genutzt werden, um eine autonome oder zumindest teilautonome Fahrfunktion für das Fahrzeug bereitzustellen. Diese Fahrfunktion kann durch ein Fahrerassistenzsystem des Fahrzeugs bereitgestellt werden. Die autonome Fahrfunktion ermöglicht, dass das Fahrzeug selbstständig fährt, d.h. ohne, dass ein Fahrzeuginsasse das Fahrzeug steuert. Der Fahrer hat die Kontrolle über das Fahrzeug an das Fahrerassistenzsystem abgegeben. So umfasst die autonome Fahrfunktion, dass das Fahrzeug - insbesondere mittels der zentralen Prozessoreinheit - dazu eingerichtet ist, beispielsweise Lenk-, Blink-, Beschleunigungs- und Bremsmanöver ohne menschliches Eingreifen durchzuführen sowie insbesondere Außenlicht und Signalgebung wie Blinker des Fahrzeugs zu steuern. Unter der teilautonomen Fahrfunktionen kann eine Fahrfunktionen verstanden werden, die einen Fahrer des Fahrzeugs bei der Steuerung des Fahrzeugs unterstützt, insbesondere bei Lenk-, Blink-, Beschleunigungs- und Bremsmanövern, wobei der Fahrer weiterhin die Kontrolle über das Fahrzeug hat.
Um in jeder Situation unter gegebenen Randbedingungen und Beschränkungen eine optimale Lösung für eine sogenannte „Driving Efficiency“ Fahrfunktion zu finden, welche eine effiziente Fahrweise bereitstellen soll, wurde die Methode der modellbasierten prädiktiven Regelung (MPC) gewählt. Die MPC-Methode basiert auf einem Systemmodell, welches das Verhalten des Systems beschreibt. Weiterhin basiert die MPC-Methode auf einer Zielfunktion bzw. auf einer Kostenfunktion, die ein Optimierungsproblem beschreibt und bestimmt, welche Zustandsgrößen minimiert werden sollen. Die Zustandsgrößen für die Driving Efficiency Fahrfunktion können insbesondere die Fahrzeuggeschwindigkeit bzw. die kinetische Energie, die verbleibende Energie in der Batterie und die Fahrzeit sein. Die Optimierung von Energieverbrauch und Fahrtzeit erfolgt insbesondere auf Basis der Steigung der vorausliegenden Strecke und Beschränkungen für Geschwindigkeit und Antriebskraft, sowie auf Basis des aktuellen Systemzustands.
Die Zielfunktion bzw. die Kostenfunktion der Driving Efficiency Fahrstrategie kann insbesondere zwei Terme enthalten, durch welche sowohl ein Energieverbrauch als auch eine Fahrzeit bis zu dem vorgegebenen Ziel minimiert werden. Dies führt dazu, dass je nach Wahl von Gewichtungsfaktoren, die den Termen zugeordnet werden können, eine geringe Geschwindigkeit nicht immer als optimal bewertet wird und so vermieden werden kann, dass die resultierende Geschwindigkeit immer am unteren Rand der erlaubten Geschwindigkeit liegt.
Die vorliegende Erfindung ermöglicht weiterhin, dass der Fahrereinfluss nicht länger relevant für den Energieverbrauch und die Fahrzeit des Kraftfahrzeugs sein muss, indem insbesondere eine elektrische Maschine zum Antrieb des Fahrzeugs durch die Prozessoreinheit basierend auf einer Eingangsgröße für die elektrische Maschine gesteuert werden kann, die durch Ausführen des MPC-Algorithmus ermittelt wird. Mittels der Eingangsgröße kann insbesondere ein optimaler Motorbetriebspunkt der elektrischen Maschine eingestellt werden. Dadurch kann eine optimale Einregelung der optimalen Geschwindigkeit des Kraftfahrzeugs erfolgen.
Das Längsdynamikmodell des Antriebsstrangs kann ein Fahrzeugmodell mit Fahrzeugparametern und Antriebsstrangverlusten (z.T. approximierte Kennfelder) umfassen. In das Längsdynamikmodell des Antriebsstrangs können insbesondere Kenntnisse über vorausliegende Streckentopografien (z.B. Kurven und Steigungen) einfließen. Weiterhin können auch Kenntnisse über Geschwindigkeitslimits auf der vorausliegenden Strecke in das Längsdynamikmodell des Antriebsstrangs einfließen.
Die Kostenfunktion kann ausschließlich lineare und quadratische Terme umfassen. Dadurch hat das Gesamtproblem die Form einer quadratischen Optimierung mit linearen Nebenbedingungen und es ergibt sich ein konvexes Problem, welches gut und schnell gelöst werden kann. Die Zielfunktion bzw. die Kostenfunktion kann mit einer Gewichtung (Gewichtungsfaktoren) aufgestellt werden, wobei insbesondere eine Energieeffizienz, eine Fahrtzeit und ein Fahrkomfort berechnet und gewichtet werden. Eine energieoptimale Geschwindigkeitstrajektorie kann für einen vorausliegenden Horizont auf der Prozessoreinheit online berechnet werden, die insbesondere ein Bestandteil eines Zentral-Steuergeräts des Kraftfahrzeugs bilden kann. Durch Nutzung der MPC-Methode kann weiterhin eine zyklische Neuberechnung der Soll-Geschwindigkeit des Kraftfahrzeugs auf Basis des aktuellen Fahrzustands und der vorausliegenden Streckeninformationen erfolgen.
Aktuelle Zustandsgrößen können gemessen, entsprechende Daten können aufgenommen und dem MPC-Algorithmus zugeführt werden. So können Streckendaten aus einer elektronischen Karte für den gleitenden Vorausschauhorizont bzw. Prädiktionshorizont (z.B. 500 m) vor dem Fahrzeug insbesondere zyklisch upgedated bzw. aktualisiert werden. Die Streckendaten können beispielsweise Steigungsinformationen, Kurveninformationen, und Informationen über Geschwindigkeitslimits beinhalten. Des Weiteren kann eine Kurvenkrümmung über eine maximal zulässige Querbeschleunigung in ein Geschwindigkeitslimit für das Kraftfahrzeug umgerechnet werden. Außerdem kann eine Ortung des Kraftfahrzeugs erfolgen, insbesondere über ein GNSS-Signal zur genauen Lokalisierung auf der elektronischen Karte.
Durch die Kostenfunktion des MPC-Algorithmus' kann eine Minimierung insbesondere der Fahrzeit für den Prädiktionshorizont und eine Minimierung von verbrauchter Energie erfolgen. In einer Ausführungsform erfolgt weiterhin eine Minimierung von Drehmomentänderungen für den Prädiktionshorizont. Was den Input für die modellbasierte prädiktive Regelung angeht, so können dem MPC-Algorithmus als weitere Nebenbedingungen z.B. Geschwindigkeitslimits, physikalische Grenzen für das Drehmoment und Drehzahlen der elektrischen Maschine zugeführt werden. Dem MPC-Algorithmus können weiterhin Steuergrößen für die Optimierung als Input zugeführt werden, insbesondere die Geschwindigkeit des Fahrzeugs (welche proportional zur Drehzahl sein kann), das Drehmoment der elektrischen Maschine und der Batterieladezustand. Als Output der Optimierung kann der MPC-Algorithmus eine optimale Drehzahl und ein optimales Drehmoment für berechnete Punkte im Vorausschauhorizont liefern. Was die Umsetzung der MPC-Regelung im Fahrzeug angeht, so kann dem MPC-Algorithmus ein Softwaremodul („Target-Generator“) nachgeschaltet sein, welches einen aktuell relevanten Zustand ermittelt und an eine Leistungselektronik weitergibt.
Während das Fahrzeug zu dem vorgegebenen örtlichen Ziel bewegt wird (insbesondere unterstützt durch eine teilautonome oder autonome Fahrfunktion), kann bzw. muss der Fahrer eine oder mehrere Pausen einlegen, um sich zu regenerieren. In diesem Sinne kann die Prozessoreinheit dazu eingerichtet sein, Pausenzeiträume eines Fahrers des Fahrzeugs als einen Ankunftszeit-Faktor bei der Berechnung der Trajektorie für das Fahrzeug zu berücksichtigen. Unter einer Pause kann verstanden werden, dass das Fahrzeug zum Stillstand gebracht wird, z.B. auf einem Rastplatz oder einem Parkplatz, und dass das Fahrzeug für einen Zeitraum (der Pausenzeitraum) im Stillstand belassen wird. Die Pausen können zum Teil gesetzlich vorgegeben sein, z.B. für Fahrer eines Lastkraftwagens oder eines Busses. Die Pausen können vor Antritt der Fahrt zu dem vorgegebenen örtlichen Endziel und/oder während der Fahrt zu dem vorgegebenen örtlichen Endziel und/oder nach der Fahrt zu dem vorgegebenen örtlichen Endziel eingelegt werden.
Wann und wo der Fahrer eine Pause macht, ist abhängig von dem gesamten Streckenverlauf bis zu dem vorgegebenen örtlichen Endziel. Wenn der Streckenverlauf beispielsweise eine Autobahn umfasst, so ist der Ort, an dem eine Pause eingelegt werden kann, von der Verfügbarkeit von Parkplätzen oder Rastplätzen entlang der Autobahn abhängig. Der Zeitpunkt, zu dem eine Pause eingelegt werden kann, ist in diesem Beispiel davon abhängig, wie weit der anvisierte Parkplatz oder Rastplatz von dem aktuellen Standort des Fahrzeugs entfernt ist und mit welcher Geschwindigkeit sich das Fahrzeug bis zu dem anvisierten Parkplatz oder Rastplatz fortbewegen kann oder darf.
Auch das Beladen und Entladen eines Fahrzeugs spielt eine Rolle bei der Geschwindigkeitsplanung für das Fahrzeug, um eine möglichst energieeffiziente und zeitoptimierte Fahrt des Fahrzeugs auf der gesamten Strecke zu ermöglichen. In diesem Sinne ist die Prozessoreinheit in einer weiteren Ausführungsform dazu eingerichtet, einen Zeitraum zum Beladen und/oder Entladen des Fahrzeugs, insbesondere eines Lastkraftfahrwagens, als einen Ankunftszeit-Faktor bei der Berechnung der Trajektorie für das Fahrzeug zu berücksichtigen.
Wenn es sich um ein Hybridfahrzeug handelt, welches zusätzlich zu einem ElektroMotor einen mit fossilen Brennstoffen betriebenen Verbrennungskraftmotor umfasst, so ist weiterhin ein Zeitraum relevant, welches das Fahrzeug zum Tanken benötigt. Dies schließt den eigentlichen Tankvorgang an einer Säule ein, aber auch beispielsweise notwendige Zeiten zum Bezahlen des getankten Kraftstoffs und Fahrtzeiten von der eigentlichen Route bis zu einer Tankstelle und wieder zurück zu der eigentlichen Route. Ferner ist ein Zeitraum zum Aufladen einer Batterie relevant, welche elektrische Energie zum Antrieb des Elektro-Motors bereitstellt. In diesem Sinne ist die Prozessoreinheit in einer weiteren Ausführungsform dazu eingerichtet, einen Zeitraum zum Tanken des Fahrzeugs und/oder zum Laden einer Batterie des Fahrzeugs als einen Ankunftszeit-Faktor bei der Berechnung der Trajektorie für das Fahrzeug zu berücksichtigen. Im Zusammenhang mit dem Aufladen der Batterie können ferner durch die Prozessoreinheit Informationen über die Verfügbarkeit entsprechender Ladestationen für die Batterie berücksichtigt werden.
Außerdem kann die Prozessoreinheit ein Verkehrsaufkommen und/oder Stausituationen und/oder Wetterbedingungen, auf der gesamten Route bis zu dem vorgegebenen Ziel als einen Ankunftszeit-Faktor als Nebenbedingung bei der Ermittlung der Trajektorie für das Fahrzeug berücksichtigen.
Weiterhin kann vorteilhaft vorgesehen sein, dass die Prozessoreinheit die Vorausberechnung von Fahrgeschwindigkeit und Energieverbrauch unter Berücksichtigung der Vorgabe einer Wunsch-Ankunftszeit durchführt. Alternativ oder zusätzlich kann dies auch unter Berücksichtigung der Vorgabe einer Wunsch-Reichweite erfolgen.
Außerdem können Informationen über verfügbare Parkplätze an Raststellen insbesondere für LKW zur Geschwindigkeitsplanung und zur Routenplanung genutzt werden. In diesem Sinne kann die Prozessoreinheit dazu eingerichtet sein, eine Verfügbarkeit von Parkplätzen an Raststellen als einen Ankunftszeit-Faktor bei der Berechnung der Trajektorie für das Fahrzeug zu berücksichtigen.
Zusätzlich kann mittels der Prozessoreinheit eine Kommunikation mit einem Betriebshof erfolgen (z.B. über Car21), um einen Zeitpunkt für eine Beladung und/oder eine Entladung des Fahrzeugs zu reservieren. Dadurch wird eine reduzierte Wartezeit ermöglicht und stattdessen eine Nutzung der freigewordenen Zeit zum energieeffizienteren Fahren des Fahrzeugs.
In einer weiteren Ausführungsform umfasst der Antriebsstrang eine elektrische Maschine und eine Batterie. Die Kostenfunktion kann als ersten Term eine mit einem ersten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell prädizierte elektrische Energie enthalten, welche innerhalb des Prädiktionshorizonts von einer Batterie des Antriebsstrangs zum Antrieb der elektrischen Maschine bereitgestellt wird. Die Kostenfunktion kann als zweiten Term eine mit einem zweiten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell prädizierte Fahrzeit enthalten, welche das Fahrzeug zum Zurücklegen der gesamten innerhalb des Prädiktionshorizonts prädizierten Wegstrecke benötigt. Die Prozessoreinheit kann dazu eingerichtet sein, durch Ausführen des MPC-Algorithmus' in Abhängigkeit von dem ersten Term und in Abhängigkeit von dem zweiten Term eine Eingangsgröße für die elektrische Maschine zu ermitteln, sodass die Kostenfunktion minimiert wird. Diese Ausführungsform ermöglicht, dass die Zielfunktion bzw. die Kostenfunktion einer Driving Efficiency Fahrstrategie neben dem Energieverbrauch einen weiteren Term enthält, wodurch zusätzlich auch die Fahrzeit minimiert wird. Dies führt dazu, dass je nach Wahl der Gewichtungsfaktoren eine geringe Geschwindigkeit nicht immer als optimal bewertet wird und somit nicht das Problem besteht, dass die resultierende Geschwindigkeit immer am unteren Rand der erlaubten Geschwindigkeit liegt.
Energieverbrauch und Fahrzeit können jeweils am Ende des Horizonts ausgewertet und gewichtet werden. Dieser Term ist also nur für den letzten Punkt des Horizonts aktiv. In diesem Sinne enthält die Kostenfunktion in einer Ausführungsform einen mit dem ersten Gewichtungsfaktor gewichteten Energieverbrauchsendwert, den die prädizierte elektrische Energie am Ende des Prädiktionshorizonts annimmt, und die Kostenfunktion enthält einen mit dem zweiten Gewichtungsfaktor gewichteten Fahrzeitendwert, den die prädizierte Fahrzeit am Ende des Prädiktionshorizonts annimmt.
Um ein komfortables Fahren sicher zu stellen, können zusätzlich Terme zur Bestrafung von Momentensprüngen eingeführt werden. In diesem Sinne kann die Kostenfunktion einen dritten Term mit einem dritten Gewichtungsfaktor aufweisen, wobei der dritte Term einen gemäß dem Längsdynamikmodell prädizierten Wert eines Drehmoments enthält, welches die elektrische Maschine zum Antrieb des Kraftfahrzeugs bereitstellt, und wobei die Prozessoreinheit dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' in Abhängigkeit von dem ersten Term, in Abhängigkeit von dem zweiten Term und in Abhängigkeit von dem dritten Term die Eingangsgröße für die elektrische Maschine zu ermitteln, sodass die Kostenfunktion minimiert wird.
Für den ersten Punkt im Horizont kann die Abweichung zum zuletzt gestellten Moment negativ bewertet werden, um sicher zu stellen, dass es einen nahtlosen und ruckfreien Übergang beim Umschalten zwischen alter und neuer Trajektorie gibt. In diesem Sinne kann der dritte Term einen mit dem dritten Gewichtungsfaktor gewichteten ersten Wert eines gemäß dem Längsdynamikmodell prädizierten Drehmoments enthalten, welches die elektrische Maschine zum Antrieb des Kraftfahrzeugs zu einem ersten Wegpunkt innerhalb des Prädiktionshorizonts bereitstellt. Dabei kann der dritte Term einen mit dem dritten Gewichtungsfaktor gewichteten nullten Wert eines Drehmoments enthalten, welches die elektrische Maschine zum Antrieb des Kraftfahrzeugs zu einem nullten Wegpunkt bereitstellt, der unmittelbar vor dem ersten Wegpunkt liegt. Bei dem nullten Drehmoment kann es sich insbesondere um ein real - und nicht bloß prädiziert - von der elektrischen Maschine bereitgestelltes Drehmoment handeln. In der Kostenfunktion kann der nullte Wert des Drehmoments von dem ersten Wert des Drehmoments abgezogen werden.
Alternativ kann der dritte Term einen mit dem dritten Gewichtungsfaktor gewichteten ersten Wert einer gemäß dem Längsdynamikmodell prädizierten Antriebskraft enthalten, welche die elektrische Maschine zum Antrieb des Kraftfahrzeugs zu einem ersten Wegpunkt innerhalb des Prädiktionshorizonts bereitstellt. Der dritte Term enthält dabei einen mit dem dritten Gewichtungsfaktor gewichteten nullten Wert einer Antriebskraft, welche die elektrische Maschine zum Antrieb des Kraftfahrzeugs zu einem nullten Wegpunkt bereitstellt, der unmittelbar vor dem ersten Wegpunkt liegt, wobei in der Kostenfunktion der nullte Wert der Antriebskraft von dem ersten Wert der Antriebskraft abgezogen wird.
Bei den Wegpunkten, welche durch den MPC-Algorithmus berücksichtigt werden, handelt es sich insbesondere um diskrete Wegpunkte, die beispielsweise in einer bestimmten Frequenz aufeinanderfolgen. In diesem Sinne stellen der nullte Wegpunkt und der erste Wegpunkt diskrete Wegpunkte dar, wobei der erste Wegpunkt unmittelbar auf den nullten Wegpunkt folgt. Der nullte Wegpunkt kann zeitlich vor dem Prädiktionshorizont liegen. Für den nullten Wegpunkt kann der nullte Drehmomentwert gemessen oder ermittelt werden. Der erste Wegpunkt stellt insbesondere den ersten Wegpunkt innerhalb des Prädiktionshorizonts dar. Für den ersten Wegpunkt kann das erste Drehmomentwert prädiziert werden. Somit kann der real ermittelte nullte Drehmomentwert mit dem prädizierten ersten Drehmomentwert verglichen werden.
Zusätzlich sind zu hohe Drehmomentgradienten innerhalb des Horizonts unvorteilhaft, so dass diese in einer Ausführungsform bereits in der Zielfunktion bestraft werden. Dafür kann die quadratische Abweichung der Antriebskraft je Meter gewichtet und in der Zielfunktion minimiert werden. In diesem Sinne kann die Kostenfunktion einen vierten Term mit einem vierten Gewichtungsfaktor aufweisen, wobei der vierte Term einen gemäß dem Längsdynamikmodell prädizierten Gradienten des Drehmoments oder einen Indikatorwert für einen gemäß dem Längsdynamikmodell prädizierten Gradienten des Drehmoments enthält. Die Prozessoreinheit ist dabei dazu eingerichtet, durch Ausführen des MPC-Algorithmus' in Abhängigkeit von dem ersten Term, in Abhängigkeit von dem zweiten Term, in Abhängigkeit von dem dritten Term und in Abhängigkeit von dem vierten Term die Eingangsgröße für die elektrische Maschine zu ermitteln, sodass die Kostenfunktion minimiert wird.
In einer Ausführungsform enthält der vierte Term eine mit dem vierten Gewichtungsfaktor multiplizierte und aufsummierte quadratische Abweichung des Gradienten des Drehmoments. Weiterhin kann die Kostenfunktion eine mit dem vierten Gewichtungsfaktor aufsummierte quadratische Abweichung einer Antriebskraft enthalten, welche die elektrische Maschine bereitstellt, um das Kraftfahrzeug einen Meter in Längsrichtung fortzubewegen. In diesem Sinne kann der vierte Term eine mit dem vierten Gewichtungsfaktor multiplizierte und aufsummierte quadratische Abweichung einer Antriebskraft enthalten, welche die elektrische Maschine bereitstellt, um das Kraftfahrzeug einen Meter in Längsrichtung fortzubewegen.
Geschwindigkeitslimits, die beispielsweise durch eine Verkehrsstraßenordnung festgelegt sein können, sind für die Optimierung harte Grenzen, die nicht überschritten werden sollen. Eine leichte Überschreitung der Geschwindigkeitsgrenzen ist in der Realität immer zulässig und vor allem bei Übergängen von einer Geschwindigkeitszone in eine zweite Zone eher der Normalfall. In dynamischen Umgebungen, in denen sich von einem Rechenzyklus zum nächsten Rechenzyklus Geschwindigkeitslimits verschieben, kann es passieren, dass bei ganz harten Grenzen keine gültige Lösung für einen Geschwindigkeitsverlauf mehr gefunden werden kann. Um die Stabilität des Rechenalgorithmus' zu erhöhen, kann eine sogenannte „Soft Constraint“ in die Zielfunktion eingeführt werden. Insbesondere kann eine sogenannte „Schlupf-Variable“ bzw. „Slack-Variable“ in einem vorgegebenen schmalen Bereich aktiv werden, bevor das harte Geschwindigkeitslimit erreicht wird. Lösungen, die sehr nah an diesem Geschwindigkeitslimit liegen, können dabei schlechter bewertet werden, also Lösungen deren Geschwindigkeitstrajektorie einen gewissen Abstand zur harten Grenze einhalten. In diesem Sinne kann die Kostenfunktion als fünften Term eine mit einem fünften Gewichtungsfaktor gewichtete Slack-Variable enthalten, wobei die Prozessoreinheit dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' in Abhängigkeit von dem ersten Term, in Abhängigkeit von dem zweiten Term, in Abhängigkeit von dem dritten Term, in Abhängigkeit von dem vierten Term und in Abhängigkeit von dem fünften Term die Eingangsgröße für die elektrische Maschine zu ermitteln, sodass die Kostenfunktion minimiert wird.
Um die physikalischen Grenzen der Antriebsstrangkomponenten zu respektieren, kann die Zugkraft durch Beschränkung des Kennfelds der elektrischen Maschine limitiert werden. Beispielsweise ist für die maximale Rekuperation die Batterie das limitierende Element. Um diese nicht zu schädigen, sollte ein bestimmter negativer Leistungswert nicht unterschritten werden.
Gemäß einem zweiten Aspekt der Erfindung wird ein Fahrerassistenzsystem für ein Fahrzeug bereitgestellt, das mittels einer elektrischen Maschine angetrieben wird. Das Fahrerassistenzsystem ist dazu eingerichtet, mittels einer Kommunikations-Schnittstelle auf eine Eingangsgröße für die elektrische Maschine zuzugreifen, wobei die Eingangsgröße von einer Prozessoreinheit gemäß dem ersten Aspekt der Erfindung ermittelt worden ist. Die Prozessoreinheit ermittelt dabei die Eingangsgröße für die elektrische Maschine durch Ausführen eines MPC-Algorithmus' in Abhängigkeit von einem ersten Term und in Abhängigkeit von einem zweiten Term einer Kostenfunktion des MPC-Algorithmus'. Der erste Term repräsentiert eine mit einem ersten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell des Fahrzeugs prädizierte elektrische Energie, welche innerhalb eines Prädiktionshorizonts von der Batterie zum Antrieb der elektrischen Maschine bereitgestellt wird. Der zweite Term repräsentiert eine mit einem zweiten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell prädizierte Fahrzeit, welche das Fahrzeug zum Zurücklegen der gesamten innerhalb des Prädiktionshorizonts prädizierten Wegstrecke benötigt. Weiterhin ist das Fahrerassistenzsystem dazu eingerichtet, die elektrische Maschine basierend auf der Eingangsgröße zu steuern.
Gemäß einem dritten Aspekt der Erfindung wird ein Fahrzeug bereitgestellt, das eine elektrische Maschine, eine Batterie und ein Fahrerassistenzsystem gemäß dem zweiten Aspekt der Erfindung umfasst.
Bei dem Fahrzeug handelt es sich insbesondere um ein Kraftfahrzeug, das von einem Motor angetrieben wird, beispielsweise ein Automobil (z.B. ein Personenkraftfahrwagen mit einem Gewicht von weniger als 3,5 t), Motorrad, Motorroller, Moped, Fahrrad, E-Bike bzw. Pedelec (Akronym für Pedal Electric Cycle), Bus oder Lastkraftwagen (z.B. mit einem Gewicht von über 3,5 t), oder aber auch um ein Schienenfahrzeug, ein Schiff, ein Luftfahrzeug wie Helikopter oder Flugzeug. Auch in kleinen, leichten elektrischen Fahrzeugen der Mikromobilität kann die Erfindung eingesetzt werden, wobei diese Fahrzeuge insbesondere im städtischen Verkehr und für die erste und letzte Meile im ländlichen Raum genutzt werden. Unter der ersten und letzten Meile können alle Strecken und Wege verstanden werden, die sich im ersten und letzten Glied einer Mobilitätskette befinden. Das ist zum Beispiel der Weg von Zuhause zum Bahnhof oder die Strecke vom Bahnhof zum Arbeitsplatz. Mit anderen Worten ist die Erfindung in allen Bereichen des Transportwesens wie Automotive, Aviation, Nautik, Astronautik etc. einsetzbar. Das Fahrzeug kann beispielsweise zu einer Fahrzeugflotte gehören. Das Fahrzeug kann durch einen Fahrer gesteuert werden, möglicherweise unterstützt durch ein Fahrerassistenzsystem. Das Fahrzeug kann jedoch auch beispielsweise ferngesteuert und/oder (teil-)autonom gesteuert werden.
Bei dem Fahrzeug kann es sich um ein Elektrofahrzeug, ein Hybridfahrzeug oder ein Plug-in-Hybridfahrzeug handeln. Unter einem „Elektrofahrzeug“ kann ein Fahrzeug verstanden werden, das mit elektrischer Energie angetrieben wird. Dem Elektrofahrzeug kann Antriebsenergie in Form von elektrischer Energie zugeführt werden. Die elektrische Energie kann in einer Batterie des Elektrofahrzeugs gespeichert werden (Battery Electric Vehicle). Alternativ kann die elektrische Energie insbesondere permanent von außen zugeführt werden, z. B. über eine Stromschiene, eine Oberleitung oder durch Induktion. Unter einem „Hybridfahrzeug“ kann ein Elektrofahrzeug verstanden werden, das von mindestens einem Elektromotor und mindestens einem Verbrennungskraftmotor angetrieben werden kann. Dabei kann das Hybridfahrzeug Energie sowohl aus einer Batterie als auch aus einem zusätzlich mitgeführten Kraftstoff beziehen, z.B. Diesel, Benzin oder Gas. Unter einem „Plug-in-Hybridfahrzeug“ kann ein Hybridfahrzeug verstanden werden, dessen Batterie sowohl über einen Verbrennungskraftmotor als auch durch ein Stromnetz geladen werden kann, welches sich außerhalb des Plug-in-Hybridfahrzeugs befindet und welches mit einem elektrischen Anschluss des Plug-in-Hybridfahrzeugs verbunden werden kann. Ein Plug-in-Hybridfahrzeug kann als eine Mischform zwischen einem Hybridfahrzeug und einem Elektroauto angesehen werden.
Gemäß einem vierten Aspekt der Erfindung wird ein Verfahren zur modellbasierten prädiktiven Regelung eines Fahrzeugs unter Berücksichtigung eines Ankunftszeit-Faktors bereitgestellt. Das Verfahren umfasst die folgenden Schritte:

- Berechnen einer Trajektorie für das Fahrzeug unter Berücksichtigung wenigstens eines Ankunftszeit-Faktors, wobei die Trajektorie eine gesamte Route bis zu einem vorgegebenen Ziel umfasst, an dem das Fahrzeug ankommen soll, und wobei der Ankunftszeit-Faktor eine Ankunftszeit des Fahrzeugs an dem vorgegebenen Ziel beeinflusst, und
- Optimieren eines Abschnitts der Trajektorie für das Fahrzeug für einen gleitenden Prädiktionshorizont durch Ausführen eines MPC-Algorithmus', welcher ein Längsdynamikmodell eines Antriebsstrangs des Fahrzeugs und eine zu minimierende Kostenfunktion enthält, sodass die Kostenfunktion minimiert wird.

Gemäß einem fünften Aspekt der Erfindung wird ein Computerprogrammprodukt zur modellbasierten prädiktiven Regelung eines Fahrzeugs unter Berücksichtigung eines Ankunftszeit-Faktors bereitgestellt. Das Computerprogramm leitet, wenn es auf einer Prozessoreinheit ausgeführt wird, die Prozessoreinheit an,

- unter Berücksichtigung wenigstens eines Ankunftszeit-Faktors eine Trajektorie für das Fahrzeug zu berechnen, wobei die Trajektorie eine gesamte Route bis zu einem vorgegebenen Ziel umfasst, an dem das Fahrzeug ankommen soll, und wobei der Ankunftszeit-Faktor eine Ankunftszeit des Fahrzeugs an dem vorgegebenen Ziel beeinflusst, und
- durch Ausführen eines MPC-Algorithmus', welcher ein Längsdynamikmodell eines Antriebsstrangs des Fahrzeugs und eine zu minimierende Kostenfunktion enthält, für einen gleitenden Prädiktionshorizont einen Abschnitt der Trajektorie für das Fahrzeug zu optimieren, sodass die Kostenfunktion minimiert wird.

Die Ausführungen im Zusammenhang mit der Prozessoreinheit gemäß dem ersten Aspekt der Erfindung gelten sinngemäß auch für das Fahrerassistenzsystem gemäß dem zweiten Aspekt der Erfindung, für das Fahrzeug gemäß dem dritten Aspekt der Erfindung, für das Verfahren gemäß dem vierten Aspekt der Erfindung und für das Computerprogrammprodukt gemäß dem fünften Aspekt der Erfindung.
Im Folgenden werden Ausführungsbeispiele der Erfindung anhand der schematischen Zeichnung näher erläutert, wobei gleiche oder ähnliche Elemente mit dem gleichen Bezugszeichen versehen sind. Hierbei zeigt

1 eine Seitenansicht eines Fahrzeugs mit einem Antriebsstrang, der eine elektrische Maschine und eine Batterie umfasst, und
2 eine Draufsicht auf eine Straße, auf welcher das Fahrzeug nach 1 autonom fahren kann, um von einem Startpunkt zu einem Zielpunkt zu gelangen.

1 zeigt ein Fahrzeug in Form eines Kraftfahrzeugs 1, z.B. ein Personenkraftfahrwagen (PKW) oder ein Lastkraftwagen (LKW). Das Kraftahrzeug 1 umfasst ein System 2 zur modellbasierten prädiktiven Regelung einer elektrischen Maschine 8 eines Antriebstrangs 7 des Kraftfahrzeugs 1 unter Berücksichtigung eines Ankunftszeit-Faktors. Das System 2 umfasst in dem gezeigten Ausführungsbeispiel eine Prozessoreinheit 3, eine Speichereinheit 4, eine Kommunikations-Schnittstelle 5 und eine Erfassungseinheit 6 zur Erfassung von das Kraftfahrzeug 1 betreffenden Zustandsdaten. Das Kraftfahrzeug 1 umfasst weiterhin einen Antriebsstrang 7, der beispielsweise eine elektrische Maschine 8, die als Motor und als Generator betrieben werden kann, eine Batterie 9 und ein Getriebe 10 umfassen kann. Die elektrische Maschine 8 kann im Motorbetrieb Räder des Kraftfahrzeugs 1 über das Getriebe 10 antreiben, das beispielsweise eine konstante Übersetzung aufweisen kann. Die dazu notwendige elektrische Energie kann die Batterie 9 bereitstellen. Die Batterie 9 kann durch die elektrische Maschine 8 aufgeladen werden, wenn die elektrische Maschine 8 im Generatorbetrieb betrieben wird (Rekuperation). Die Batterie 9 kann optional auch an einer externen Ladestation aufgeladen werden, wenn es sich bei dem Kraftfahrzeug 1 um ein Plug-in-Hybrid-Fahrzeug ist. Ebenfalls kann der Antriebsstrang des Kraftfahrzeugs 1 optional einen Verbrennungskraftmotor 21 aufweisen, welcher alternativ oder zusätzlich zu der elektrischen Maschine 8 das Kraftfahrzeug 1 antreiben kann. Der Verbrennungskraftmotor 21 kann auch dazu eingerichtet sein, die elektrische Maschine 8 antreiben, um die Batterie 9 aufzuladen.
Auf der Speichereinheit 4 kann ein Computerprogrammprodukt 11 gespeichert sein. Das Computerprogrammprodukt 11 kann auf der Prozessoreinheit 3 ausgeführt werden, wozu die Prozessoreinheit 3 und die Speichereinheit 4 mittels der Kommunikations-Schnittstelle 5 miteinander verbunden sind. Wenn das Computerprogrammprodukt 11 auf der Prozessoreinheit 3 ausgeführt wird, leitet es die Prozessoreinheit 3 an, die im Zusammenhang mit der Zeichnung beschriebenen Funktionen zu erfüllen bzw. Verfahrensschritte auszuführen.
Das Computerprogrammprodukt 11 enthält einen MPC-Algorithmus 13. Der MPC-AIgorithmus 13 wiederum enthält ein Längsdynamikmodell 14 des Antriebsstrangs 7 des Kraftfahrzeugs 1 und eine zu minimierende Kostenfunktion 15. Die Prozessoreinheit 3 führt den MPC-Algorithmus 13 aus und ermittelt eine optimierte Trajektorie für das Kraftfahrzeug 1. Dabei wird ein Verhalten des Kraftfahrzeugs 1 basierend auf dem Längsdynamikmodell 14 prädiziert, wobei die Kostenfunktion 15 minimiert wird.
Als Output der Optimierung durch den MPC-Algorithmus 13 ergeben sich beispielsweise eine auf die optimierte Trajektorie abgestimmte Drehzahl und ein optimales Drehmoment der elektrischen Maschine 8 für berechnete Punkte im Prädiktionshorizont. Die Prozessoreinheit 3 kann dazu eine Eingangsgröße für die elektrische Maschine 8 ermitteln, sodass sich die optimale Drehzahl und das optimale Drehmoment einstellen. Die Prozessoreinheit 3 kann die elektrische Maschine 8 basierend auf der ermittelten Eingangsgröße steuern. Weiterhin kann dies jedoch auch durch ein Fahrerassistenzsystem 16 erfolgen.
Die Erfassungseinheit 6 kann aktuelle Zustandsgrößen des Kraftfahrzeugs 1 messen, entsprechende Daten aufnehmen und dem MPC-Algorithmus 13 zuführen. So können Streckendaten aus einer elektronischen Karte für einen Vorausschauhorizont bzw. Prädiktionshorizont (z.B. 500 m) vor dem Kraftfahrzeug 1 insbesondere zyklisch upgedated bzw. aktualisiert werden. Die Streckendaten können beispielsweise Steigungsinformationen, Kurveninformationen, und Informationen über Geschwindigkeitslimits beinhalten. Des Weiteren kann eine Kurvenkrümmung über eine maximal zulässige Querbeschleunigung in ein Geschwindigkeitslimit für das Kraftfahrzeug 1 umgerechnet werden. Außerdem kann mittels der Erfassungseinheit 6 eine Ortung des Kraftfahrzeugs 1 erfolgen, insbesondere über ein von einem GNSS-Sensor 12 generiertes GNSS-Signal zur genauen Lokalisierung auf der elektronischen Karte. Die Prozessoreinheit 3 kann auf diese Informationen beispielsweise über die Kommunikations-Schnittstelle 5 zugreifen.
Das Fahrzeug 1 befindet sich in dem durch 2 gezeigten Beispiel auf einem Parkplatz 17, der an eine Straße 18 angrenzt, die zu einem Betriebshof 19 führt. Der Verlauf der Straße 18 ist aufgrund deren Länge unterbrochen dargestellt. Ein Fahrer des Fahrzeugs 1 kann dem Fahrerassistenzsystem 16 vorgeben, dass es beispielsweise von dem Parkplatz 17 (Start) zu dem Betriebshof 19 (Ziel) gelangen will. Das Fahrerassistenzsystem 16 kann eine autonome Fahrfunktion für das Fahrzeug 1 bereitstellen, sodass das Fahrzeug 1 autonom von dem Parkplatz 17 zu dem Betriebshof 19 fährt.
Dazu kann die Prozessoreinheit 3 oder das Fahrerassistenzsystem 16 zunächst die gesamte Route 20 von dem Parkplatz 17 zu dem Betriebshof 19 generieren und dabei diskreten Wegpunkten dieser Route eine Geschwindigkeit des Fahrzeugs 1 zuordnen. Auf diese Weise wird die Trajektorie für das Fahrzeug 1 berechnet. Die Prozessoreinheit 3 oder das Fahrerassistenzsystem 16 können dazu die Erfassungseinheit 6 und ein Planungsmodul nutzen, das beispielsweise als Software implementiert sein kann. Das Planungsmodul kann mehrere Ebenen umfassen, z.B. eine Navigationsebene im größeren Maßstab (z.B. mehrere km; hier kann die Trajektorie für das Fahrzeug 1 von Start 17 bis Ziel 19 gewählt werden) und eine Navigationsebene im kleineren Maßstab (z.B. in den vorausliegenden 50m bis 100m, je nach Geschwindigkeit des Fahrzeugs 1; hier ist eine Wahl von Kurs und Geschwindigkeit im näheren Umfeld des Fahrzeugs 1 möglich, um festzulegen, wie sich das Fahrzeug 1 im Verkehr bewegen soll).
Bei der Ermittlung bzw. Berechnung der Trajektorie für das Fahrzeug 1 können Ankunftszeit-Faktoren, welche eine Ankunftszeit des Fahrzeugs 1 an dem vorgegebenen Ziel 19 beeinflussen, berücksichtigt werden. Insbesondere werden Pausenzeiträume des Fahrers (z.B. eine Privatperson, ein LKW-Fahrer oder ein Busfahrer) des Fahrzeugs 1 berücksichtigt. Weiterhin können ein Zeitraum zum Beladen des Fahrzeugs 1, insbesondere wenn es sich um einen LKW handelt, sowie Zeiten zum Tanken und/oder Laden der Batterie 9 des Fahrzeugs 1 berücksichtigt werden. Ferner können Informationen über die Verfügbarkeit einer Ladestation 22 für die Batterie 9 des Fahrzeugs 1, über verfügbare Parkplätze 23 an Raststellen 24 für LKW berücksichtigt werden. Außerdem können Informationen über ein Verkehrsaufkommen und Staus sowie Wetterbedingungen auf der Strecke 20 berücksichtigt werden. Die Prozessoreinheit 3 des Fahrzeugs 1 kann weiterhin mit einer Prozessoreinheit 25 des Betriebshofs 19 kommunizieren (z.B. über eine Car21-Kommunikation), um einen Zeitpunkt für eine Be- und/oder Entladung zu reservieren, die auf die berechnete Trajektorie für das Fahrzeug 1 abgestimmt sein kann. Dadurch wird eine reduzierte Wartezeit und stattdessen eine Nutzung der Zeit zum energieeffizienteren Fahren ermöglicht.
Wenn das Fahrzeug 1 autonom startet, um ausgehend von dem Parkplatz 19 über die Straße 18 zu dem Betriebshof 19 zu gelangen, führt die Prozessoreinheit 3 den MPC-Algorithmus 13 aus und optimiert für einen gleitenden (d.h. sich räumlich bzw. im Weg verschiebenden) Prädiktionshorizont jeweils einen aktuellen Abschnitt der Trajektorie für das Fahrzeug 1, sodass die Kostenfunktion minimiert wird. Beispielsweise kann die Prozessoreinheit 3 das vorstehend beschriebene Planungsmodul („Top Level“-Planungsmodul) bilden, welches die gesamte Route 20 und Trajektorie für das Fahrzeug 1 unter Berücksichtigung der genannten Ankunftszeit-Faktoren plant. Dieses Planungsmodul kann dann Abschnitte bzw. Teilstücke der Fahrzeugtrajektorie für die gesamte Route an den MPC-Algorithmus 13 übergeben, mittels welchem eine optimale Trajektorie des Fahrzeugs 1 innerhalb des Prädiktionshorizonts ermittelt werden kann. Die Prozessoreinheit 3 kann weiterhin eine von dem Fahrer des Fahrzeugs 1 vorgegebene Ankunftszeit an dem vorgegebenen Ziel 19 oder eine von dem Fahrer des Fahrzeugs 1 vorgegebene Reichweite als Nebenbedingung bei der Optimierung der Trajektorie für das Fahrzeug 1 berücksichtigen.
Ein beispielhaftes Längsdynamikmodell 14 des Kraftfahrzeugs 1 kann mathematisch wie folgt ausgedrückt werden: $\frac{d v (t)}{d t} = (F_{t r a c} (t) - F_{r} (a (t)) - F_{g r} (a (t)) - F_{d} (v (t))) / m_{e q}$
Hierbei sind:

v: die Geschwindigkeit des Kraftfahrzeugs;
Ftrac: Traktionskraft, die durch den Motor oder die Bremsen auf die Räder des Kraftfahrzeugs ausgeübt wird;
Fr: die Rollwiderstandskraft, welche ein Effekt der Verformung der Reifen beim Rollen ist und von der Belastung der Räder (der Normalkraft zwischen Rad und Straße) und damit vom Neigungswinkel der Straße abhängt;
Fgr: die Steigungswiderstandskraft, welche eine Längskomponente der Schwerkraft beschreibt, die auf das Kraftfahrzeug im Bergauf- oder Bergabfahrbetrieb wirkt, abhängig von der Neigung der Fahrbahn;
Fd: die Luftwiderstandskraft des Kraftfahrzeugs; und
meq: die äquivalente Masse des Kraftfahrzeugs; die äquivalente Masse beinhaltet insbesondere die Trägheit der Drehteile des Antriebsstrangs, welche der Beschleunigung des Kraftfahrzeugs ausgesetzt sind (Motor, Getriebeantriebswellen, Räder).

Durch Umwandlung von Zeitabhängigkeit in Wegabhängigkeit $\frac{d}{d s} = \frac{d}{d t} * \frac{d t}{d s} = \frac{d}{d t} * \frac{1}{v}$
und Koordinatentransformation zur Eliminierung des quadratischen Geschwindigkeits-Terms im Luftwiderstand mit $e_{k i n} = \frac{1}{2} * m_{e q} * v {(t)}^{2}$
folgt $\frac{d e_{k i n}}{d s} = F_{t r a c} (s) - F_{r} (a (s)) - F_{r} (a (s)) - F_{d} (e_{k i n} (s)) .$
Damit das Problem durch den MPC-Algorithmus 13 schnell und einfach lösbar ist, wird die Dynamikgleichung des Längsdynamikmodells 14 linearisiert, indem die Geschwindigkeit durch Koordinatentransformation durch kinetische Energie de_kin ausgedrückt wird. Dadurch wird der quadratische Term zur Berechnung des Luftwiderstands F_d durch einen linearen Term ersetzt und gleichzeitig ist das Längsdynamikmodell 14 des Kraftfahrzeugs 1 nicht mehr wie üblich in Abhängigkeit von der Zeit beschrieben, sondern in Abhängigkeit von dem Weg. Dies passt insofern gut zum Optimierungsproblem, da die Vorausschauinformationen des elektrischen Horizonts wegbasiert vorliegen.
Neben der kinetischen Energie gibt es zwei weitere Zustandsgrößen, welche im Sinne eines einfachen Optimierungsproblems ebenfalls linear und wegabhängig beschrieben werden müssen. Zum einen ist der elektrische Energieverbrauch des Antriebsstrangs 7 üblicherweise in Form eines Kennfeldes in Abhängigkeit von Drehmoment und Motordrehzahl beschrieben. In dem gezeigten Ausführungsbeispiel weist das Kraftfahrzeug 1 eine feste Übersetzung zwischen der elektrischen Maschine 8 und der Straße auf, auf welcher sich das Kraftfahrzeug 1 bewegt. Dadurch lässt sich die Drehzahl der elektrischen Maschine 8 direkt in eine Geschwindigkeit des Kraftfahrzeugs 1 oder eben in eine kinetische Energie des Kraftfahrzeugs 1 umrechnen. Weiterhin lässt sich die elektrische Leistung der elektrischen Maschine 8 durch Teilen durch die entsprechende Geschwindigkeit in Energieverbrauch pro Meter umrechnen. Um ein entsprechendes Kennfeld der elektrischen Maschine 8 für die Optimierung verwenden zu können, wird es linear approximiert: Energy_perMeter ≥ a_i * e_kin + b_i * F_trac für alle i.
Die zu minimierende Kostenfunktion 15 kann mathematisch wie folgt ausgedrückt werden: $\begin{array}{l} min {(- w_{B a t} \cdot E_{B a t} (s_{E}) + w_{T I m e} \cdot T (s_{E}) + w_{T e m} \cdot \sum_{s = 1}^{s_{E^{- 1}}} (\frac{F_{A} (s) - F_{A} (s - 1)}{Δ s})}^{2} \\ + w_{T e m S t a r t} \cdot {(F_{A} (s_{1}) - F_{A} (s_{0}))}^{2} + \sum_{s = 1}^{s_{E^{- 1}}} w_{S l a c k} \cdot V a r_{s l a c k}) \end{array}$
Hierbei ist:

wBat: Gewichtungsfaktor für den Energieverbrauch der Batterie
EBat: Energieverbrauch der Batterie
S: Wegstrecke
SE-1: Wegstrecke einen Zeitschritt vor Ende des Prädiktionshorizonts
FA: Antriebskraft, welche durch die elektrische Maschine bereitgestellt wird, durch ein Getriebe konstant übersetzt wird und an einem Rad des Kraftfahrzeugs anliegt
WTem: Gewichtungsfaktor für Drehmomentgradienten
WTemStart: Gewichtungsfaktor für Momentensprünge
T: Zeit, welche das Fahrzeug benötigt, um die gesamte innerhalb des Prädiktionshorizonts prädizierte Wegstrecke zurückzulegen
WTime: Gewichtungsfaktor für die Zeit T
SE: Wegstrecke zum Ende des Horizonts
WSlack: Gewichtungsfaktor für die Slack-Variable
VarSlack: Slack-Variable

Die Kostenfunktion 15 besitzt ausschließlich lineare und quadratische Terme. Dadurch hat das Gesamtproblem die Form einer quadratischen Optimierung mit linearen Nebenbedingungen und es ergibt sich ein konvexes Problem, welches gut und schnell gelöst werden kann.
Die Kostenfunktion 15 enthält als ersten Term eine mit einem ersten Gewichtungsfaktor W_Bat gewichtete und gemäß dem Längsdynamikmodell prädizierte elektrische Energie E_Bat, welche innerhalb eines Prädiktionshorizonts von der Batterie 9 des Antriebsstrangs 7 zum Antrieb der elektrischen Maschine 8 bereitgestellt wird.
Die Kostenfunktion 15 enthält als zweiten Term eine mit einem zweiten Gewichtungsfaktor W_Time gewichtete und gemäß dem Längsdynamikmodell 14 prädizierte Fahrzeit T, welche das Kraftfahrzeug 1 benötigt, um die prädizierte Wegstrecke zurückzulegen. Dies führt dazu, dass je nach Wahl der Gewichtungsfaktoren eine geringe Geschwindigkeit nicht immer als optimal bewertet wird und so nicht mehr das Problem besteht, dass die resultierende Geschwindigkeit immer am unteren Rand der erlaubten Geschwindigkeit liegt.
Der Energieverbrauch und die Fahrzeit können jeweils am Ende des Horizonts ausgewertet und gewichtet werden. Diese Terme sind dann also nur für den letzten Punkt des Horizonts aktiv.
Zu hohe Drehmomentgradienten innerhalb des Horizonts sind unvorteilhaft. Daher werden Drehmomentgradienten bereits in der Kostenfunktion 15 bestraft, nämlich durch den Term $w_{T e m} \cdot \sum_{s = 1}^{s_{E^{- 1}}} {(\frac{F_{A} (s) - F_{A} (s - 1)}{Δ s})}^{2} .$
Die quadratische Abweichung der Antriebskraft je Meter wird mit einem Gewichtungsfaktor W_Tem gewichtet und in der Kostenfunktion minimiert. Alternativ zu der Antriebskraft F_A je Meter kann auch das durch die elektrische Maschine 8 bereitgestellte Drehmoment M_EM genutzt und mit dem Gewichtungsfaktor W_Tem gewichtet werden, sodass sich der alternative Term W_Tem· ${\sum_{s = 1}^{s_{E} - 1} (\frac{M_{E M} (s) - M_{E M} (s - 1)}{Δ s})}^{2}$
ergibt. Durch die konstante Übersetzung des Getriebes 10 sind die Antriebskraft und das Drehmoment direkt proportional zueinander.
Um ein komfortables Fahren sicher zu stellen, wird in der Kostenfunktion 15 ein weiterer Term zur Bestrafung von Momentensprüngen eingeführt, nämlich W_TemStart· (F_A(s₁) - F_A(s₀))² . Alternativ zu der Antriebskraft F_A kann auch hier das durch die elektrische Maschine 8 bereitgestellte Drehmoment M_EM genutzt werden, sodass sich der alternative Term W_TemStart · (M_EM(s₁) - M_EM(s₀))² ergibt. Für den ersten Punkt im Prädiktionshorizont wird die Abweichung zum zuletzt gestellten Moment negativ bewertet und mit einem Gewichtungsfaktor W_TemStart gewichtet, um sicher zu stellen, dass es einen nahtlosen und ruckfreien Übergang beim Umschalten zwischen alter und neuer Trajektorie gibt.
Geschwindigkeitslimits sind für die Optimierung harte Grenzen, die nicht überschritten werden dürfen. Eine leichte Überschreitung der Geschwindigkeitsgrenzen ist in der Realität immer zulässig und vor allem bei Übergängen von einer Geschwindigkeitszone in eine zweite Zone eher der Normalfall. In dynamischen Umgebungen, wo sich von einem Rechenzyklus zum nächsten Rechenzyklus Geschwindigkeitslimits verschieben, kann es passieren, dass bei ganz harten Grenzen keine gültige Lösung für einen Geschwindigkeitsverlauf mehr gefunden werden kann. Um die Stabilität des Rechenalgorithmus zu erhöhen, wird eine weiche Beschränkung („soft constraint“) in die Kostenfunktion 15 eingeführt. Dabei wird eine mit einem Gewichtungsfaktor W_Slack gewichtete Slack-Variable Var_Slack in einem vorgegebenen schmalen Bereich aktiv, bevor das harte Geschwindigkeitslimit erreicht wird. Lösungen, die sehr nah an diesem Geschwindigkeitslimit liegen, werden schlechter bewertet, also Lösungen deren Geschwindigkeitstrajektorie einen gewissen Abstand zur harten Grenze einhalten.
Bezugszeichenliste

1: Fahrzeug
2: System
3: Prozessoreinheit
4: Speichereinheit
5: Kommunikations-Schnittstelle
6: Erfassungseinheit
7: Antriebsstrang
8: elektrische Maschine
9: Batterie
10: Getriebe
11: Computerprogrammprodukt
12: GNSS-Sensor
13: MPC-Algorithmus
14: Längsdynamikmodell
15: Kostenfunktion
16: Fahrerassistenzsystem
17: Parkplatz
18: Straße
19: Betriebshof
20: gesamte Route
21: Verbrennungskraftmotor
22: Ladestation für die Batterie des Fahrzeugs
23: LKW-Parkplatz
24: Raststelle
25: Prozessoreinheit des Betriebshofs

Claims

Prozessoreinheit (3) zur modellbasierten prädiktiven Regelung eines Fahrzeugs (1) unter Berücksichtigung eines Ankunftszeit-Faktors, wobei die Prozessoreinheit (3) dazu eingerichtet ist, - unter Berücksichtigung wenigstens eines Ankunftszeit-Faktors eine Trajektorie für das Fahrzeug (1) zu berechnen, wobei die Trajektorie eine gesamte Route (20) bis zu einem vorgegebenen Ziel (19) umfasst, an dem das Fahrzeug (1) ankommen soll, und wobei der Ankunftszeit-Faktor eine Ankunftszeit des Fahrzeugs (1) an dem vorgegebenen Ziel (19) beeinflusst, und - durch Ausführen eines MPC-Algorithmus' (13), welcher ein Längsdynamikmodell (14) eines Antriebsstrangs (7) des Fahrzeugs (1) und eine zu minimierende Kostenfunktion (15) enthält, für einen gleitenden Prädiktionshorizont einen Abschnitt der Trajektorie für das Fahrzeug (1) zu optimieren, sodass die Kostenfunktion (15) minimiert wird.
Prozessoreinheit (3) nach Anspruch 1, wobei die Prozessoreinheit (3) dazu eingerichtet ist, Pausenzeiträume eines Fahrers des Fahrzeugs (1) als einen Ankunftszeit-Faktor bei der Berechnung der Trajektorie für das Fahrzeug (1) zu berücksichtigen.
Prozessoreinheit (3) nach Anspruch 1 oder 2, wobei die Prozessoreinheit (3) dazu eingerichtet ist, einen Zeitraum zum Beladen und/oder Entladen des Fahrzeugs (1), insbesondere eines Lastkraftfahrwagens, als einen Ankunftszeit-Faktor bei der Berechnung der Trajektorie für das Fahrzeug (1) zu berücksichtigen.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) dazu eingerichtet ist, einen Zeitraum zum Tanken des Fahrzeugs (1) und/oder zum Laden einer Batterie (9) des Fahrzeugs (1) als einen Ankunftszeit-Faktor bei der Berechnung der Trajektorie für das Fahrzeug (1) zu berücksichtigen.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) dazu eingerichtet ist, auf der gesamten Route (20) verfügbare Ladestationen (22) für das Fahrzeug (1) als einen Ankunftszeit-Faktor bei der Berechnung der Trajektorie für das Fahrzeug (1) zu berücksichtigen.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) dazu eingerichtet ist, - ein Verkehrsaufkommen und/oder - Stausituationen und/oder - Wetterbedingungen auf der gesamten Route (20) bis zu dem vorgegebenen Ziel (19) als einen Ankunftszeit-Faktor bei der Berechnung der Trajektorie für das Fahrzeug (1) zu berücksichtigen.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) dazu eingerichtet ist, eine von dem Fahrer des Fahrzeugs (1) vorgegebene Ankunftszeit an dem vorgegebenen Ziel (19) als Nebenbedingung bei der Optimierung der Trajektorie für das Fahrzeug (1) zu berücksichtigen.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) dazu eingerichtet ist, eine von dem Fahrer des Fahrzeugs (1) vorgegebene Reichweite des Fahrzeugs (1) als Nebenbedingung bei der Optimierung der Trajektorie für das Fahrzeug (1) zu berücksichtigen.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) dazu eingerichtet ist, eine Verfügbarkeit von Parkplätzen (23) an Raststellen (24) als einen Ankunftszeit-Faktor bei der Berechnung der Trajektorie für das Fahrzeug (1) zu berücksichtigen.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei die Prozessoreinheit (3) dazu eingerichtet ist, mit einer Prozessoreinheit (25) eines Betriebshofs (19) zu kommunizieren, um einen Zeitpunkt für eine Beladung und/oder Entladung des Fahrzeugs (1) zu reservieren.
Prozessoreinheit (3) nach einem der vorstehenden Ansprüche, wobei - der Antriebsstrang (7) eine elektrische Maschine (8) und eine Batterie (9) umfasst, - die Kostenfunktion (15) als ersten Term eine mit einem ersten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell (14) prädizierte elektrische Energie enthält, welche innerhalb des Prädiktionshorizonts von der Batterie (9) zum Antrieb der elektrischen Maschine (8) bereitgestellt wird, - die Kostenfunktion (15) als zweiten Term eine mit einem zweiten Gewichtungsfaktor gewichtete und gemäß dem Längsdynamikmodell (14) prädizierte Fahrzeit enthält, welche das Fahrzeug (1) zum Zurücklegen der gesamten innerhalb des Prädiktionshorizonts prädizierten Wegstrecke benötigt, und - die Prozessoreinheit (3) dazu eingerichtet ist, durch Ausführen des MPC-Algorithmus' (13) in Abhängigkeit von dem ersten Term und in Abhängigkeit von dem zweiten Term eine Eingangsgröße für die elektrische Maschine (8) zu ermitteln, sodass die Kostenfunktion minimiert wird.
Fahrerassistenzsystem (16) für ein Fahrzeug (1), das mittels einer elektrischen Maschine (8) angetrieben wird, wobei das Fahrerassistenzsystem (16) dazu eingerichtet ist, - mittels einer Kommunikations-Schnittstelle auf eine Eingangsgröße für die elektrische Maschine (8) zuzugreifen, wobei die Eingangsgröße von einer Prozessoreinheit (3) nach Anspruch 11 ermittelt worden ist, und - die elektrische Maschine (8) basierend auf der Eingangsgröße zu steuern.
Fahrzeug (3) umfassend eine elektrische Maschine (8), eine Batterie (9) und ein Fahrerassistenzsystem (16) nach Anspruch 12.
Verfahren zur modellbasierten prädiktiven Regelung eines Fahrzeugs (1) unter Berücksichtigung eines Ankunftszeit-Faktors, das Verfahren umfassend die Schritte - Berechnen einer Trajektorie für das Fahrzeug (1) unter Berücksichtigung wenigstens eines Ankunftszeit-Faktors, wobei die Trajektorie eine gesamte Route (20) bis zu einem vorgegebenen Ziel (19) umfasst, an dem das Fahrzeug (1) ankommen soll, und wobei der Ankunftszeit-Faktor eine Ankunftszeit des Fahrzeugs (1) an dem vorgegebenen Ziel (19) beeinflusst, und - Optimieren eines Abschnitts der Trajektorie für das Fahrzeug (1) für einen gleitenden Prädiktionshorizont durch Ausführen eines MPC-Algorithmus' (13), welcher ein Längsdynamikmodell (14) eines Antriebsstrangs (7) des Fahrzeugs (1) und eine zu minimierende Kostenfunktion (15) enthält, sodass die Kostenfunktion (15) minimiert wird.
Computerprogrammprodukt (11) zur modellbasierten prädiktiven Regelung eines Fahrzeugs (1) unter Berücksichtigung eines Ankunftszeit-Faktors, wobei das Computerprogrammprodukt (11), wenn es auf einer Prozessoreinheit (3) ausgeführt wird, die Prozessoreinheit (3) anleitet, - unter Berücksichtigung wenigstens eines Ankunftszeit-Faktors eine Trajektorie für das Fahrzeug (1) zu berechnen, wobei die Trajektorie eine gesamte Route (20) bis zu einem vorgegebenen Ziel (19) umfasst, an dem das Fahrzeug (1) ankommen soll, und wobei der Ankunftszeit-Faktor eine Ankunftszeit des Fahrzeugs (1) an dem vorgegebenen Ziel (19) beeinflusst, und - durch Ausführen eines MPC-Algorithmus' (13), welcher ein Längsdynamikmodell (14) eines Antriebsstrangs (7) des Fahrzeugs (1) und eine zu minimierende Kostenfunktion (15) enthält, für einen gleitenden Prädiktionshorizont einen Abschnitt der Trajektorie für das Fahrzeug (1) zu optimieren, sodass die Kostenfunktion (15) minimiert wird.